İki Tür Hata: Araştırmacının En Büyük Kâbusu
İstatistiksel testlerde iki tür hata yapılabilir. Bu hataları anlamadan doğru araştırma tasarımı mümkün değildir. Hem tez jürileri hem dergi hakemleri bu konuda sizi sınayabilir.
Tip I Hata (α — Alpha)
Tip I hata (yanlış pozitif): Gerçekte olmayan bir etkiyi varmış gibi raporlamak. Örneğin, iki ilaç arasında aslında fark yokken istatistiksel analiz fark olduğunu gösteriyor. Bu hatanın olasılığı alfa (α) düzeyi olarak tanımlanır ve genellikle 0.05 (%5) olarak belirlenir. Yani 100 deneyde en fazla 5'inde Tip I hata yapmayı kabul ederiz.
Tip II Hata (β — Beta)
Tip II hata (yanlış negatif): Gerçekte var olan bir etkiyi tespit edememek. Yeterince büyük örneklem olmadığında ya da ölçüm hassasiyeti düşük olduğunda sıkça görülür. Beta (β) genellikle 0.20 olarak kabul edilir, yani %20 olasılıkla gerçek bir etkiyi kaçırırız.
İstatistiksel Güç (Power = 1 - β)
Güç; gerçek bir etkiyi tespit etme olasılığıdır. 1-β=0.80 (%80 güç) standart kabul edilir. Güç şu faktörlere bağlıdır:
- Örneklem büyüklüğü: n arttıkça güç artar.
- Etki büyüklüğü: Etki ne kadar büyükse o kadar kolay tespit edilir.
- Alpha düzeyi: α düşürüldükçe (0.05→0.01) güç de düşer.
- Ölçüm hassasiyeti: Güvenilir ölçüm aracı gürültüyü azaltır, gücü artırır.
Çoklu Karşılaştırma Sorunu: Tip I Hata Şişmesi
Aynı veri üzerinde çok sayıda test yapıldığında (örn. 20 değişken için ayrı ayrı t-testi) Tip I hata oranı hızla yükselir. Bu nedenle Bonferroni düzeltmesi (α/k) veya Benjamini-Hochberg gibi yöntemler uygulanmalıdır.
G*Power ile Güç Analizi
Araştırmanızı planlarken G*Power kullanarak: hangi α ve güç düzeyinde, beklediğiniz etki büyüklüğü için kaç katılımcı gerektiğini hesaplayın. Bu hesaplamanın tezin yöntem bölümünde raporlanması, metodolojik güvenilirliğinizi artırır.
APA Raporlama
Örneklem büyüklüğü, α=.05 anlamlılık düzeyi, .80 istatistiksel güç ve orta düzey etki büyüklüğü (f=.25) gözetilerek G*Power 3.1 programı aracılığıyla hesaplanmıştır. Tek yönlü ANOVA için (3 grup) minimum örneklem 159 olarak belirlenmiştir.