Uygun İstatistiksel Test Seçimi

Günümüzde bilimsel araştırmaların çoğunda çıkarımsal istatistikler kullanılmaktadır. Bu doğrultuda araştırmacılar belirlenen hipotezleri istatistiksel testler ile test etmektedir. Çoğu zaman birçok istatistiksel test arasından hipotez testi için uygun test bulmakta zorlanırız. Birkaç temel husus, kişinin hipotez testi için uygun istatistiksel testi seçmesine yol açacaktır. Ancak bilimsel araştırma için çalışmaya başlamadan önce uygun istatistiksel yöntemlere planlama aşamasında karar verilmesi gerekir. Bununla birlikte optimum örneklem büyüklüğünün seçilmesi gerekir. Belirlenen örneklem ile çalışma bittikten ve veriler toplandıktan sonra istatistiksel analizlere başlayabiliriz. İstatistiksel analiz için kullanılan testler sorulan araştırma sorusunun türüne bağlıdır. Diğer belirleyici faktörler, analiz edilen verilerin türü ve çalışmaya dahil olan grupların veya veri setlerinin sayısıdır. Bu yazı araştırma hipotezlerine göre istatistiksel test seçimini anlatacaktır.

Çalışmaya başlamadan önce normal dağılım varsayımı söz konusu olup olamadığını belirlemek temel bir adımdır. Bu bağlamda, normallik testleri örneğin Kolmogorov-Smirnov testi veya Shapiro-Wilk uyum iyiliği testi uygulanabilir.

Bağımsız Grupların Karşılaştırılması

Eşleştirilmemiş (bağımsız) grupların arasında bir fark olup olmadığını araştırıyorsak, nicel veya sayısal veriler ve nitel veya kategorik veriler için farklı testler gereklidir. Sayısal veriler için, normal dağılım eğrisinin söz konusu olup olmadığına karar vermek önemlidir; veriler normal dağılıma uyuyorsa parametrik testler uygulanmaktadır. Verilerin dağılımı normal değilse veya dağılımdan emin değilsek parametrik olmayan testlerin kullanılması daha güvenlidir. Bu doğrultuda iki grup karşılaştırması durumuna t testinin veya parametrik olmayan karşılığı olan Mann-Whitney U testinin yapılması gerekir. İkiden fazla sayısal veri setini karşılaştırıyorsak, ilk olarak tek yönlü varyans analizi (ANOVA) veya parametrik olmayan Kruskal-Wallis testi gibi çoklu grup karşılaştırma testi kullanılmalıdır. İstatistiksel olarak anlamlı bir p değeri elde ettiysek (genellikle p <0,05 anlamına gelir), farkın tam olarak hangi iki grup arasında olduğunu belirlemek için bir post hoc testi takip edilmelidir. Kategorik veriler için ise Chi-square testi veya Fisher’s exact testi yapılması gerekmektedir.

Bağımlı Grupların Karşılaştırılması

Eşleştirilmiş gruplar arasında bir fark olup olmadığını araştırıyorsak, farklı müdahalelerin aynı konular üzerindeki etkilerini karşılaştırmak için eşleştirilmiş grup testlerinin uygulanması gerekir. Eşleştirme, örneğin denek grupları farklıysa, ancak bir gruptaki değerler diğer gruptaki değerlerle bir şekilde bağlantılı veya ilişkili ise (örneğin, ikiz çalışmaları, kardeş çalışmaları, ebeveyn-çocuk çalışmaları) veya öncesi-sonrası ölçümler veya zaman boyunca çoklu ölçümler varsa eşleştirme meydana gelecektir. Bu doğrultuda iki grup karşılaştırması durumuna eşleştirilmiş(paired) t testinin veya parametrik olmayan karşılığı Wilcoxon testinin yapılması gerekir. İkiden fazla sayısal eşleştirilmiş (tekrarlanan) veri setini karşılaştırıyorsak, ilk olarak Repeated measures ANOVA veya parametrik olmayan karşılığı Friedman testi kullanılmalıdır. Bir kez daha, uygun çoklu grup testleri ve ardından post hoc testleri yoluyla çoklu veri seti karşılaştırması yapılmalıdır. Kategorik veriler için iki grup karşılaştırması söz konusu ise McNemar testi ve çoklu eşleştirilmiş grup söz konu ise Cochran Q testi yapılması gerekmektedir.

İlişki Testleri

Değişkenler arasında bir ilişki varlığını araştırıyorsak çeşitli testler yapılabilir. Sayısal verilere yönelik testlerin iki değişken arasındaki ilişkiyi test etmek için korelasyon testleri yapılabilir. Normal dağılım söz konusu ise, Pearson korelasyon testi, değilse Spearman korelasyon testi yapılmalıdır. İlişkinin gücü bir korelasyon katsayısı olarak ifade edilir, iki değişken arasındaki ters bağlantı, bir eksi işareti ile gösterilir. Tüm korelasyon katsayılarının büyüklükleri 0 (hiç korelasyon yok) ile 1 (mükemmel korelasyon) arasında değişir. Kategorik verilerde ise, 2*2 tablolarda relative risk veya odds ratio rapor edilir. P*q tablolarda ise Chi-square test for trend veya lojistik regression yapılabilir.

Veri Setleri Arasında Anlaşma

Veri setleri arasında bir anlaşma olup olmadığı hipotezini araştırılabilir. Bu, standart testle yeni bir tarama tekniği, mevcut altın standartla yeni tanı testi veya farklı gözlemciler tarafından verilen derecelendirmeler veya puanlar arasındaki anlaşma arasında bir karşılaştırma olabilir. Sayısal değişkenler arasındaki anlaşma, sınıf içi korelasyon katsayısı (Intraclass correlation coefficient) ile niceliksel olarak veya iki değişken x ve y arasındaki farkın x ve y ortalamasına göre çizildiği bir Bland-Altman grafiği ile grafiksel olarak ifade edilebilir. Kategorik veriler söz konusu olduğunda, Cohen’in Kappa istatistiği sıklıkla kullanılır ve kappa (hiç uyuşmama durumunda 0’dan mükemmel uyum için 1’e değişir)> 0,7 olduğunda güçlü uyumu gösterir.

Hayatta Kalma Analizi

Olaya kadar geçen zaman eğilimleri veya hayatta kalma planları arasında bir fark araştırıyorsak, bu hipotez, verilerin sansürlenmesiyle karakterize edilen hayatta kalma analizine özgüdür. İki grup varsa, uygulanabilir testler Cox-Mantel testi, Gehan’ın (genelleştirilmiş Wilcoxon) testi veya log-rank testidir. İkiden fazla grup olması durumunda, Peto ve Peto‘nun testi veya log-rank testi, olaya kadar geçen zaman eğilimleri arasındaki önemli farkı aramak için uygulanabilir.

Sonuç olarak yapılan istatistiksel test raporlamalarında tanımlayıcı istatistikler, p-değerleri, tek kuyruklu veya iki kuyruklu testlere dikkat edilmesi gerekir.