İstatistiksel Anlamlılık ve p-değeri Hakkında Bilmeniz Gereken 5 Şey

“p < 0.05 çıktı, demek ki anlamlı” cümlesini çok sık duyarız; ama p-değerinin ne anlama geldiğini ve neye anlamına gelmediğini bilmeden bu cümleyi kurmak, sonuçların yanlış yorumlanmasına yol açar.

1. p-değeri, etkinin büyüklüğünü göstermez

p-değeri sadece, sıfır hipotezi doğruyken bu kadar uç (veya daha uç) bir sonucun gözlenme olasılığını verir. Çok küçük bir p-değeri, etkinin pratikte önemli olduğu anlamına gelmez — bunu etki büyüklüğü (effect size) ölçüleriyle değerlendirmek gerekir.

2. 0.05 eşiği bir kanun değil, bir konvansiyondur

Alan yazınında yaygın kabul gören 0.05 sınırı, araştırma sorusuna ve hata maliyetine göre değişebilir. Tıp gibi yüksek riskli alanlarda daha katı eşikler (0.01), keşifsel çalışmalarda ise daha gevşek eşikler tercih edilebilir.

3. “Anlamsız” sonuç, etkinin yokluğunu kanıtlamaz

p > 0.05 çıkması, sıfır hipotezini doğrulamaz; sadece eldeki veriyle onu reddedecek yeterli kanıt bulunamadığını gösterir. Örneklem büyüklüğü yetersizse, gerçek bir etki bile istatistiksel olarak anlamsız çıkabilir.

4. Çoklu test yaparken p-değerleri şişer

Aynı veri setinde çok sayıda karşılaştırma yapıldığında, sadece şans eseri anlamlı çıkan sonuçların sayısı artar. Bonferroni veya FDR gibi düzeltmeler bu riski azaltır.

5. Güven aralığı genellikle daha bilgilendiricidir

Tek bir p-değeri yerine, etkinin büyüklüğünü ve belirsizliğini birlikte gösteren güven aralığı raporlamak, sonuçların okuyucu tarafından doğru yorumlanmasını kolaylaştırır.

Raporunuzda p-değerini güven aralığı, etki büyüklüğü ve örneklem büyüklüğüyle birlikte sunmak, “anlamlı ama önemsiz” ya da “önemli ama anlamsız” gibi yanlış okumaların önüne geçer.