P Değeri İstatistik İçin Ne İfade Ediyor?
P değeri istatistik analizi açısından vazgeçilmez bir yorumlama ölçüsü ve test sonuçlarımızın kararlarını daima p değerlerine bakarak veriyoruz. İstatistiksel açıdan sonuçların anlamlı olup olmadığını p değerlerine göre belirliyoruz.
Aslında p değeri anlamlılık değeri olarak da tanımlanmasına karşın, popüler olarak bu şekilde kullanılıyor.
Peki p değeri dediğimiz şey esas olarak neyi ifade ediyor? Ne amaçla kullanılıyor? Şimdi bu olguya göz atalım.
İstatistiksel analiz süreçlerinde ilk olarak, hipotez kavramını bilmemiz gerekiyor. Biz araştırmacılar, parametreler hakkında çıkarımlarda bulunmak için istatistiksel hipotezler kurgulamak zorundayız. Hipotezlerimiz de boş hipotez (Ho) ve alternatif hipotez (Hı) olmak üzere ikiye ayrılır.
Esas olarak tüm amacımız Ho hipotezini reddetmek ya da reddetmemek; istatistikçinin bütün meselesi de bu…
İşte tam bu noktada p değeri imdadımıza yetişiyor. Kısacası p değeri istatistik kapsamında Ho ya da Hı hipotezinin reddine karar vermemizi sağlıyor. Bunun için önce bir hata payı seçmemiz lazım. Genelde de hata payı α=0.05 olarak alınıyor.İstisnai durumlarda 0.01 ya da 0.10 da seçilebiliyor.
Karar verme süreci de gayet basit: Hata payından düşük bir p değeri elde edildiğinde, Ho hipotezini reddederiz. Bu adımı da aslında dağılımın kritik değerine göre karar veriyoruz. Aşağıdaki şekilde hipotezlerin kritik değerlere göre red bölgelerini göstermektedir.
Tanımlamamızı yaparken, p değeri istatistik için, doğru olan Ho hipotezini reddetmekle yapılacak olan hata düzeyi olarak ifade edilebilir. Mantık açısından düşündüğümüzde de, yaptığımız hata (yani p değeri) kendi belirlediğimiz hata payını aşarsa Ho hipotezini doğal olarak reddedebiliriz.
Örneğin bağımsız iki grup arasında t-testi ile bir karşılaştırma gerçekleştirdik. Bu karşılaştırma testi sonucunda hata payımızın da %5 olduğunu ve p değerinin de 0.043 olduğunu düşünelim. Bu durumda, iki grubun ortalamaları arasında anlamlı bir farklılığın var olduğu sonucuna varabiliyoruz. Kararı nasıl verdiğimiz son derece basit: p değerimiz hata payından düşük ve ortalamalar arasında anlamlı farkın olmadığı Ho hipotezi de reddediliyor!
Kısacası p değerini istatistiksel analiz literatüründeki tip 1 hata payı ile ifade edilebiliyor. Aslında p değerinin tam karşılığı da budur.
İstatistiksel analiz raporlarımızda p değerlerini birçok farklı analizde kullanmaktayız. ANOVA testinin sonuçlarında, regresyon katsayılarının yorumlanmasında, faktör analizinde küresellik testinin değerlendirmesinde hep p değerlerine muhtacız. İstatistiksel hipotezin oluşturulduğu her noktada p değeri imdadımıza yetişiyor ve test sonuçlarına yönelik kararları kolayca verebilmemizi sağlıyor.
Pratikte R-Project, SPSS, Stata, Minitab gibi tüm yazılımlar, analiz sonuçlarını sunarken p değerlerini de çıktılarda gösteriyor. Özetle istatistiksel analiz uygulamalarımızda kolayca karar vermemizi sağlayan anlamlılık, yani p değeri, hepimiz için vazgeçilmez bir ölçüdür.