MerQur'da Parametrik Testler: Tek Örneklem t-Testinden MANOVA'ya Tüm Aile

Yazarlar

  • Ömer K. Örücü Süleyman Demirel Üniversitesi Mimarlık Fakültesi Peyzaj Mimarlığı Bölümü Yazar

DOI:

https://doi.org/10.53463/merqur.20260445

Anahtar Kelimeler:

parametrik testler- t-test- ANOVA- MANOVA- bootstrap

Özet

Parametrik testler, gözlemlerin belirli bir parametrik dağılım ailesinden (çoğunlukla normal dağılım) geldiği varsayımına dayanarak anakütle parametrelerine yönelik hipotezleri sınayan istatistiksel yöntemlerdir. Akademik araştırmalarda en yaygın başvurulan analiz türleri arasında yer alan bu testler, varsayımların karşılandığı durumlarda en yüksek istatistiksel güce ulaşma potansiyeline sahiptir.

Bu çalışmada, MerQur masaüstü yazılımının Parametrik Testler kategorisinde bulunan on bir analiz ayrıntılı olarak tanıtılmaktadır. Bu analizler; tek örneklem t-testi, bağımsız iki örneklem t-testi, eşleştirilmiş t-testi, tek yönlü ANOVA, iki yönlü ANOVA, tekrarlı ölçümler ANOVA, MANOVA, ANCOVA, bootstrap güven aralığı, permütasyon testi ve çoklu karşılaştırma düzeltme yöntemlerini kapsamaktadır. Her bir analiz için sırasıyla, sınanan hipotez ve uygulama bağlamı, normallik, varyans homojenliği, gözlem bağımsızlığı ve küresellik gibi gereken varsayımlar, MerQur arayüzünde yer alan form alanları ve parametre seçenekleri, raporlanan temel istatistikler ile etki büyüklükleri ve tipik bir araştırma sorusu bağlamında yorum önerileri sunulmaktadır.

Bootstrap güven aralığı ve permütasyon testi, klasik parametrik testlerin varsayımlarının karşılanamadığı durumlarda yeniden örnekleme yöntemlerine dayalı alternatifler sundukları için aynı kategori içinde ele alınmıştır. Çoklu karşılaştırma düzeltmeleri başlığı altında ise Bonferroni, Holm, Hochberg, Benjamini-Hochberg (yanıltıcı keşif oranı kontrolü) ve Sidak yöntemleri ile bu yöntemlerin hangi koşullarda tercih edilmesi gerektiği tartışılmaktadır.

Bu çerçevede MerQur’un Parametrik Testler modülü, basit grup karşılaştırmalarından çok değişkenli ve kovaryans içeren karma tasarımlara kadar uzanan geniş bir analiz yelpazesini, varsayım kontrolleri ve etki büyüklüğü hesaplamalarıyla birlikte tek ve bütünleşik bir grafik arayüzde kullanıcıya sunmaktadır.

Referanslar

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.

Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch’s t-test instead of Student’s t-test. International Review of Social Psychology, 30(1), 92–101. https://doi.org/10.5334/irsp.82

Efron, B. (1979). Bootstrap methods: Another look at the jackknife. Annals of Statistics, 7(1), 1–26. https://doi.org/10.1214/aos/1176344552

Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. Chapman & Hall.

Fisher, R. A. (1925). Statistical methods for research workers. Oliver & Boyd.

Greenhouse, S. W., & Geisser, S. (1959). On methods in the analysis of profile data. Psychometrika, 24(2), 95–112. https://doi.org/10.1007/BF02289823

Hedges, L. V., & Olkin, I. (1985). Statistical methods for meta-analysis. Academic Press.

Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70.

Huynh, H., & Feldt, L. S. (1976). Estimation of the Box correction for degrees of freedom from sample data in randomized block and split-plot designs. Journal of Educational Statistics, 1(1), 69–82. https://doi.org/10.3102/10769986001001069

Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863

Mauchly, J. W. (1940). Significance test for sphericity of a normal n-variate distribution. Annals of Mathematical Statistics, 11(2), 204–209. https://doi.org/10.1214/aoms/1177731915

Nuijten, M. B., Hartgerink, C. H. J., van Assen, M. A. L. M., Epskamp, S., & Wicherts, J. M. (2016). The prevalence of statistical reporting errors in psychology (1985–2013). Behavior Research Methods, 48(4), 1205–1226. https://doi.org/10.3758/s13428-015-0664-2

Olejnik, S., & Algina, J. (2003). Generalized eta and omega squared statistics: Measures of effect size for some common research designs. Psychological Methods, 8(4), 434–447. https://doi.org/10.1037/1082-989X.8.4.434

Pernet, C. R., Wilcox, R., & Rousselet, G. A. (2013). Robust correlation analyses: False positive and power validation using a new open source matlab toolbox. Frontiers in Psychology, 3, 606. https://doi.org/10.3389/fpsyg.2012.00606

Phipson, B., & Smyth, G. K. (2010). Permutation P-values should never be zero: Calculating exact P-values when permutations are randomly drawn. Statistical Applications in Genetics and Molecular Biology, 9(1), 39. https://doi.org/10.2202/1544-6115.1585

Pituch, K. A., & Stevens, J. P. (2016). Applied multivariate statistics for the social sciences (6th ed.). Routledge.

Rice, W. R. (1989). Analyzing tables of statistical tests. Evolution, 43(1), 223–225. https://doi.org/10.1111/j.1558-5646.1989.tb04220.x

Šidák, Z. (1967). Rectangular confidence regions for the means of multivariate normal distributions. Journal of the American Statistical Association, 62(318), 626–633. https://doi.org/10.2307/2283989

Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.

Tukey, J. W. (1949). Comparing individual means in the analysis of variance. Biometrics, 5(2), 99–114. https://doi.org/10.2307/3001913

Welch, B. L. (1947). The generalization of “Student’s” problem when several different population variances are involved. Biometrika, 34(1–2), 28–35. https://doi.org/10.1093/biomet/34.1-2.28

Yayınlandı

2026-05-18

Sayı

Bölüm

Editöryal