Hipotez Testi Nedir?

Merhaba herkese, bu yazıda bilimsel araştırmalarda hipotez testinin ne olduğundan ve ne amaçla kullanıldığından bahsedeceğim.

Hipotez Nedir?

Hipotez, bilimsel araştırmalarda test edilmek üzere öne sürülen bir varsayımdır. Örneğin, “Sigara içmek akciğer kanseri riskini artırır” ifadesi bir hipotezdir. Araştırmacı bu hipotezi test etmek için sigara içen ve içmeyen gruplar arasında bir kıyaslama yapar ve sonuçlara göre hipotezin doğru olup olmadığını değerlendirir.

“Sigara içmek akciğer kanseri riskini artırmaz” ifadesi de bir hipotezdir. Bir hipotez, olumlu yönde de olumsuz yönde de kurulabilir.

Hipotez Testi Nedir?

Hipotez testi, istatistiksel analizde bir popülasyon hakkında yapılan bir varsayımın (hipotezin) doğruluğunu değerlendirmek için kullanılan bir yöntemdir. Bu süreçte iki temel hipotez tanımlanır: null hipotezi (H₀) ve alternatif hipotez (H₁). Null hipotezi test edilen etkinin yokluğunu varsayar. Alternatif hipotez ise bu varsayıma karşıt olarak, bir etki vardır iddiasını temsil eder.

Null hipotezi (H₀): Bir etkinin bulunmadığı anlamına gelir.

Alternatif hipotez (H₁): Bir etkinin bulunduğu anlamına gelir.

Hipotez testi kapsamında, veriye uygun bir istatistiksel test uygulanır ve test sonucunda bir p-değeri elde edilir. Bu p-değeri, önceden belirlenmiş bir anlamlılık düzeyi (α) ile karşılaştırılır. Eğer p-değeri α’dan küçükse, H₀ hipotezi reddedilir ve alternatif H₁ hipotezini desteklemek için yeterli istatistiksel kanıt olduğu sonucuna varılır.

Bu bahsettiğim hipotez testi yöntemine Null Hypothesis Significance Testing (NHST) de deniyor. Türkçe olarak “Sıfır Hipotezi Anlamlılık Testi” olarak ifade edilebilir. Hipotez testi, bilimsel araştırmalar sonucunda veri analizindeki karar verme süreçlerinde olasılık teorisini kullanarak hipotezlerin objektif bir şekilde değerlendirilmesini sağlar.

Hipotez Testinin Adımları

Hipotez Testinin Adımları Şunlardır:

1. Araştırma sorusunun belirlenmesi
2. Uygun istatistiksel testin yapılması
3. Anlamlılık düzeyinin (α) belirlenmesi
4. İstatistiksel test sonucu p-değerinin bulunması
5. Karar verme ve sonuçların yorumlanması

Bu adımları burada böyle kısa yazdım, havada kalmaması adına aşağıda her şeyi detaylıca açıklıyor olacağım.

Anlamlılık Düzeyi ve p-Değeri

Hipotez testi kavramını daha iyi anlamak için, anlamlılık düzeyi ve p-değeri kavramlarını da iyice öğrenmenin faydası vardır.

Anlamlılık Düzeyi

Anlamlılık düzeyi (α, alpha) bir araştırmada sonuçların istatistiksel olarak anlamlı olup olmadığını belirlemek için kullanılan bir eşiği ifade eder. Araştırmacılar, hipotez testini yaparken sonuçlarının ne kadar bir hata payı ile kabul edilebilir olduğunu önceden belirlerler ve bu da anlamlılık düzeyiyle ifade edilir. Genellikle kullanılan anlamlılık düzeyi %5 (0.05) olarak belirlenir, ancak bazı durumlarda %1 (0.01) gibi daha katı eşikler de kullanılabilir.

• %5 anlamlılık düzeyi (α = 0.05): Bu, araştırmada bir etki bulunur ise %5 hata payı ile bu etkinin tesadüfen bulunmuş olabileceği anlamına gelir. Yani %5’lik bir riskle yanlış pozitif sonuçlara ulaşılabileceği kabul edilir.

Anlamlılık Düzeyinin Önemi: Anlamlılık düzeyi, araştırmacının ne kadar bir riskle yanlış bir sonuca varabileceğini belirler. Örneğin, α = 0.05 demek, yanlışlıkla H₀ hipotezini reddetme (tip I hata) riskinin %5 olduğunu gösterir. Araştırmanın sonuçlarını bu risk düzeyinde değerlendiririz.

p-Değeri

p-değeri, elde edilen verilerin H₀ hipotezinin doğru olduğu varsayımı altında gözlemlenmesinin olasılığını temsil eder. Yani, p-değeri, mevcut verilere dayanarak H₀ hipotezinin doğru olup olmadığını anlamamıza yardımcı olur.

• p-değeri küçükse (örneğin, p < 0.05): Bu, elde edilen sonuçların H₀ hipoteziyle uyuşmadığını, dolayısıyla H₀ hipotezinin reddedilebileceğini gösterir. Sonuçlar istatistiksel olarak anlamlıdır.
• p-değeri büyükse (örneğin, p > 0.05): Bu, H₀ hipotezini reddetmek için yeterli kanıt olmadığını ve verilerin H₀ hipoteziyle tutarlı olduğunu gösterir.

p-Değerinin Yorumlanması: p-değeri, araştırmanın bulgularının anlamlı olup olmadığını gösterir. Eğer p-değeri, belirlenen anlamlılık düzeyinden (α) küçükse, H₀ hipotezi reddedilir ve bir etkinin var olduğu yönünde sonuca ulaşılır. Eğer p-değeri, anlamlılık düzeyinden büyükse, H₀ hipotezi reddetmek için yeterli kanıt yoktur.

Hipotez Testinde Anlamlılık Düzeyi ile P-Değeri Arasındaki İlişki:

Anlamlılık düzeyi (α) ve p-değeri bir hipotez testi sırasında birlikte değerlendirilir:

• Eğer p-değeri ≤ anlamlılık düzeyi (α) ise, null hipotezi reddederiz ve sonuçların istatistiksel olarak anlamlı olduğunu kabul ederiz.
• Eğer p-değeri > anlamlılık düzeyi (α) ise, null hipotezi reddetmeyiz ve sonuçların istatistiksel olarak anlamlı olmadığını kabul ederiz.

Örneğin, α = 0.05 olarak belirlenmişse ve bir test sonucunda p = 0.03 elde edildiyse, bu p-değeri anlamlılık düzeyinden küçük olduğu için sonuçlar anlamlı kabul edilir, H₀ hipotezi reddedilir ve bir etkinin var olduğu yönünde sonuca ulaşılır.

Hipotez Testi Örnek

Bir örnek üzerinden anlatırsam daha açık şekilde anlaşılacak.

Örneğin, bir okulda yeni bir eğitim metodunun öğrencilerin matematik başarısını artırdığını test etmek isteyelim. Bu durumda:

1. Null hipotezi (H₀): Yeni eğitim metodu öğrencilerin matematik başarısını etkilemez.
2. Alternatif hipotez (H₁): Yeni eğitim metodu öğrencilerin matematik başarısını arttırır.

Öğrencileri deney grubu ve kontrol grubu olmak üzere 2 gruba ayırırız. Deney grubuna yeni eğitim metodunu uygularız, kontrol grubuna da eski eğitim metoduyla eğitim vermeye devam ederiz. Sonra öğrencileri bir matematik testine sokup, deney ve kontrol grubundaki öğrencilerin test sonuçlarını karşılaştırıp analiz ederiz.

İstatistiksel testler kullanarak, gözlemlediğimiz farkın rastgele şansa mı yoksa gerçekten yöntemin etkisine mi bağlı olduğunu belirleriz. Eğer analiz sonucunda null hipotezi (H₀) reddetmek için yeterli kanıt bulursak, alternatif hipotezi (H₁) kabul eder ve “Yeni öğretim yöntemi matematik başarısını artırıyor” diyebiliriz. Bu hipotez testi süreci, kararlarımızı veriye dayalı ve objektif bir şekilde almamızı sağlar.

Sosyal Bilimlerde Hipotez Testi Örneği

Sosyal bilimlerde hipotez testi, genellikle insan davranışlarını, toplumsal yapıdaki değişkenler arasındaki ilişkileri ve sosyal olguları incelemek için kullanılır. Örneğin, “Eğitim seviyesi ile gelir düzeyi arasında pozitif bir ilişki vardır” hipotezi test edilmek istenebilir. Araştırmacı, farklı eğitim seviyelerine sahip bireylerin gelir düzeylerini karşılaştırarak bu ilişkiyi analiz eder. Sonuçlara göre, hipotez kabul edilebilir veya reddedilebilir. Bu tür testler, anketler ve sosyolojik veriler üzerinde analizler yapılarak gerçekleştirilir.

Sağlık Bilimlerinde Hipotez Testi Örneği

Sağlık bilimlerinde hipotez testleri, genellikle hastalıkların nedenleri, tedavi yöntemlerinin etkinliği veya risk faktörleri arasındaki ilişkileri incelemek için yapılır. Örneğin, bir araştırmacı “Egzersiz yapmak kalp hastalığı riskini azaltır” hipotezini test etmek isteyebilir. Bu hipotez, egzersiz yapan ve yapmayan grupların sağlık verilerinin karşılaştırılmasıyla test edilir. İstatistiksel analizler sonucunda, egzersizin kalp hastalığı üzerindeki etkisi belirlenir. Bu tür testler genellikle klinik çalışmalara dayanır.

Gerçek Pozitif – Gerçek Negatif – Yanlış Pozitif – Yanlış Negatif

Gerçek Pozitif (True Positive):

Bir testin veya modelin, gerçekten olumlu olan bir durumu doğru bir şekilde olumlu olarak tespit etmesidir. Yani, var olan bir durumu doğru bir şekilde belirler.

Örnek: Bir COVID-19 testi düşünelim. Virüsü taşıyan bir kişinin test sonucunun pozitif çıkması gerçek pozitiftir. Test, hastalığı doğru bir şekilde tespit etmiştir.

Gerçek Negatif (True Negative):

Bir testin veya modelin, gerçekten olumsuz olan bir durumu doğru bir şekilde olumsuz olarak tespit etmesidir. Yani, olmayan bir durumu doğru bir şekilde belirler.

Örnek: COVID-19 virüsünü taşımayan bir kişinin test sonucunun negatif çıkması gerçek negatiftir. Test, kişinin sağlıklı olduğunu doğru bir şekilde göstermiştir.

Yanlış Pozitif (False Positive):

Bir testin veya modelin, aslında olumsuz olan bir durumu yanlışlıkla olumlu olarak tespit etmesidir. Yani, olmayan bir durumu varmış gibi gösterir.

Örnek: COVID-19 virüsünü taşımayan bir kişinin test sonucunun pozitif çıkması yanlış pozitiftir. Test, sağlıklı bir kişiyi hasta olarak göstermiştir.

Yanlış pozitif hakkında çok ayrıntılı bilgi için diğer yazımı okuyabilirsiniz bu arada.

Yanlış Negatif (False Negative):

Bir testin veya modelin, aslında olumlu olan bir durumu yanlışlıkla olumsuz olarak tespit etmesidir. Yani, var olan bir durumu yokmuş gibi gösterir.

Örnek: COVID-19 virüsünü taşıyan bir kişinin test sonucunun negatif çıkması yanlış negatiftir. Test, hasta olan bir kişiyi sağlıklı olarak göstermiştir.

Hipotez Testinin Sınırlılıkları ve Eleştiriler

Hipotez testleri, bilimsel araştırmalarda yaygın olarak kullanılsa da bazı sınırlılıklara ve eleştirilere tabidir. Bu testler, verilerden istatistiksel sonuçlar elde etmek için kullanılır, ancak sonuçların yorumlanması ve uygulanmasında dikkat edilmesi gereken noktalar vardır.

İstatistiksel anlamlılık vs. pratik anlamlılık

Bir hipotez testinde istatistiksel anlamlılık elde etmek, verilerdeki bir sonucun rastgele oluşmadığını gösterir. Ancak bu, sonucun pratik veya gerçek dünyada anlamlı olduğu anlamına gelmez. Örneğin, çok büyük örneklem boyutlarıyla küçük farklar bile istatistiksel olarak anlamlı çıkabilir, ancak bu farklar gerçek hayatta önemsiz olabilir. Bu nedenle, araştırmacıların sadece p-değerine odaklanmak yerine, bulguların pratikteki etki büyüklüklerini de değerlendirmesi gerekir.

p-değerinin yanlış yorumlanması

p-değeri, istatistiksel analizlerde bir hipotezin doğru olup olmadığına karar vermede yaygın olarak kullanılır, ancak bu değerin yanlış yorumlanması sık rastlanan bir hatadır. p-değeri, elde edilen sonuçların null hipotezin gerçeği yansıttığı koşul altında gözlenme olasılığını ifade eder, ancak birçok kişi bunu yanlışlıkla hipotezin doğru olma olasılığı olarak yorumlar. İstatistikte p-değerinin doğru yorumlanma şeklini anlattığım diğer yazıma göz atabilirsiniz.

Replikasyon krizleri ve güvenilirlik sorunları

Son yıllarda bilim dünyasında birçok çalışmanın sonuçlarının tekrarlanamaması, replikasyon krizi adıyla sık sık gündeme gelmeye başlamıştır. Replikasyon krizinin ortaya çıkması, hipotez testlerine yaklaşımımızın güvenilirliğini sorgulatmıştır. İstatistiksel anlamlı sonuçlar elde etmek için yapılan aşırı testler veya verilerin seçici raporlanması, sonuçların tekrarlandığında aynı etkileri vermemesine neden olabilmektedir. Bu durum, araştırmaların güvenilirliğini düşürmekte ve hipotez testlerinin daha dikkatli bir şekilde kullanılması gerektiğini göstermektedir.