Tezde Yapılan 10 Yaygın İstatistik Hatası

Tezde Yapılan 10 Yaygın İstatistik Hatası

Yüzlerce tezi inceledikten sonra en sık gördüğümüz hatalar bunlar.

1. Varsayımları Kontrol Etmeden Test Yapmak

Her istatistiksel testin varsayımları vardır (normallik, varyans homojenliği vb.). Varsayımlar ihlal edildiğinde parametrik test yapmak güvenilmez sonuçlar üretir.

2. p Değerini Yanlış Yorumlamak

p < ,05, H₀ doğruysa bu sonuçları elde etme olasılığının %5'ten az olduğu anlamına gelir. Hipotezinizin %95 doğru olduğu ANLAMINA GELMEZ.

3. İstatistiksel ve Pratik Anlamlılığı Karıştırmak

Büyük bir örneklemle küçük bir etki istatistiksel olarak anlamlı olabilir. Her zaman etki büyüklükleri (Cohen d, η², R²) raporlayın.

4. Etki Büyüklüğünü Raporlamamak

APA 7, tüm çıkarımsal testler için etki büyüklüklerini zorunlu kılar.

5. Yanlış Test Kullanmak

Parametrik testler aralıklı/oranlı veri ve karşılanan varsayımlar gerektirir. Ordinal veya normal olmayan veriler için non-parametrik alternatiflere başvurun.

6. Veri Madenciliği (p-hacking)

Anlamlılık bulana kadar pek çok test yapmak Tip I hata oranını şişirir. Analizleri önceden planlayın.

7. Yanlış Örneklem Büyüklüğü

Çok küçük örneklem gerçek etkileri kaçırır. Çok büyük örneklem önemsiz etkileri anlamlı gösterir.

8. p = ,000 Raporlamak

Bu SPSS'in p < ,001 anlamına gelen gösterimidir. Her zaman p < ,001 yazın, p = ,000 değil.

9. Likert Maddelerini Sürekli Kabul Etmek

Tek Likert maddeleri ordinal veridir. Ancak ≥5 maddelik Likert ölçekleri çoğunlukla sürekli kabul edilebilir.

10. Kayıp Veriyi Görmezden Gelmek

Kayıp veriyi asla görmezden gelmeyin. Kayıp veri örüntülerini raporlayın ve uygun yönetimi kullanın.