Bağımsızlık için Ki-Kare Testi
Ki-kare (χ²) bağımsızlık testi, iki kategorik değişkenin (nominal veya sıralı ölçek) ilişkili olup olmadığını belirlemek için çok sık kullanılan parametrik olmayan bir istatistiksel yöntemdir. Birçok sosyal, sağlık, eğitim, pazarlama ve politika analizi çalışmasında araştırmacılar genellikle cinsiyet (erkek/kadın), sigara içme durumu (evet/hayır), eğitim düzeyi (lise/diploma/lisans), marka tercihleri (A/B/C) vb. gibi kategorik verilerle karşılaşırlar. Ki-kare bağımsızlık testi, temel soruyu yanıtlamaya yardımcı olur: Bir değişkenin dağılımı diğer değişken kategorilerinde anlamlı derecede farklı mıdır?
Temel Kavramlar: Bağımsızlık Nedir?
İki değişkenin bağımsız olduğu, birinci değişkendeki kategoriler hakkındaki bilgilerin ikinci değişkendeki kategorileri tahmin etmeye yardımcı olmaması durumunda söylenir. Örneğin, "cinsiyet" ve "içecek tercihi" bağımsız ise, içecek tercihlerinin oranı hem erkek hem de kadın gruplarında nispeten benzer olacaktır. Tersine, oranlar önemli ölçüde farklılık gösteriyorsa, bu iki değişkenin bağımsız (ilişkili) olmadığını gösterir.
Bağımsızlık için ki-kare testi, gözlemlenen frekansları (gerçekte gördüğümüz veriler) beklenen frekanslarla (iki değişken gerçekten bağımsız olsaydı "olması gereken" frekanslar) karşılaştırarak çalışır. Gözlemlenen ve beklenen değerler arasındaki fark ne kadar büyükse, χ² istatistiğinin değeri de o kadar büyük olur ve ilişkinin kanıtı o kadar güçlü olur.
Olasılık Tablosu
Bu test için veriler, iki değişkenin kategorik kombinasyonlarının frekanslarını gösteren bir olasılık tablosuna düzenlenmiştir. Örneğin, sigara içme durumu (Evet/Hayır) ile kronik öksürük görülme sıklığı (Evet/Hayır) arasındaki ilişkiyi inceleyelim. Her kombinasyondaki katılımcı sayısını içeren 2x2'lik bir tablo oluşturacağız.
Genel olarak, tablolar her değişkendeki kategori sayısına bağlı olarak 2×2, 2×3, 3×4 vb. olabilir. Bağımsızlık için ki-kare testi, belirli koşullar karşılandığı sürece her boyuttaki tablolar için kullanılabilir.
Hipotez Testi
Bağımsızlık için ki-kare testinde hipotez şöyledir:
– H0 (sıfır hipotezi): Her iki değişken de bağımsızdır (aralarında hiçbir ilişki/bağlantı yoktur).
– H1 (alternatif hipotez): İki değişken bağımsız değildir (aralarında bir ilişki/bağlantı vardır).
Bu testin amacı, verilerin H0 hipotezini reddetmek için yeterli kanıt sağlayıp sağlamadığını belirlemektir.
Ki-Kare İstatistiksel Formülü
Ki-kare test istatistiği şu formül kullanılarak hesaplanır:
\[
\chi^2 = \sum \frac{(O_{ij} – E_{ij})^2}{E_{ij}}
\]
Açıklamalar:
– \(O_{ij}\), i. satır ve j. sütundaki hücredeki gözlem sıklığıdır.
– \(E_{ij}\), i. satır ve j. sütundaki hücrede beklenen frekanstır.
Beklenen frekans, satır toplamı ve sütun toplamından hesaplanır:
\[
E_{ij} = \frac{(\text{i. satırın toplamı}) \times (\text{j. sütunun toplamı})}{\text{Genel toplam}}
\]
Bu formül, her satır ve sütundaki dağılımların birbirini etkilememesi (bağımsız olması) durumunda ne olacağı beklentisini yansıtır.
Serbestlik Dereceleri
Bu testin serbestlik dereceleri (df), tablonun boyutuna göre belirlenir:
\[
df = (r – 1)(c – 1)
\]
ile birlikte:
– \(r\) = satır sayısı (ilk değişken kategori)
– \(c\) = sütun sayısı (ikinci değişken kategorisi)
Serbestlik dereceleri, p-değerini belirlemek için kullanılan ki-kare dağılımının şeklini etkiler.
Ki-kare Bağımsızlık Testini Gerçekleştirme Adımları
Bu testin uygulanmasına ilişkin genel sıra şu şekildedir:
1. Verileri bir olasılık tablosuna yerleştirin.
Verilerin yüzdeler değil, frekanslar şeklinde olduğundan emin olun.
2. Her hücre için beklenen frekansı \(E_{ij}\) formülünü kullanarak hesaplayın.
3. Tüm hücreler için \((OE)^2/E\) bileşenlerini toplayarak χ² değerini hesaplayın.
4. \((r-1)(c-1)\) kullanarak df'yi belirleyin.
5. Ki-kare dağılımına göre df ile p-değerini hesaplayın (veya hesaplanan χ² değerini, örneğin 0,05 anlamlılık düzeyinde α'daki tablo χ² değeriyle karşılaştırın).
6. Bir karar verin.
– Eğer p değeri ≤ α ise → H0 hipotezi reddedilir → bir ilişki/bağımlılık vardır.
– Eğer p değeri > α ise → H0 hipotezi reddedilemez → ilişki olduğuna dair kanıt yok.
7. Esaslı yorum.
İlişkinin araştırma bağlamında ne anlama geldiğini açıklayın, sadece "anlamlı" veya "anlamlı değil" demekle yetinmeyin.
Yorum Örneği (Detaylı Hesaplamalar Olmadan)
Bir araştırmacının "çalışma yöntemi" (bağımsız/grup) ve "mezuniyet" (geçme/kalma) arasındaki ilişkiyi değerlendirdiğini varsayalım. Ki-kare testi yapıldıktan sonra p değeri 0,02 olarak bulunmuştur. α = 0,05 ile, çalışma yöntemi ile mezuniyet arasında bir ilişki olduğunu gösteren H0 hipotezinin reddedilmesi gerektiği sonucuna varılır. Araştırmacı daha sonra hangi hücrelerin en büyük farka katkıda bulunduğunu belirlemelidir (örneğin, grup çalışmasının mezun oranını artırıp artırmadığı). Uygulamada, analiz standartlaştırılmış artık değerler veya etki büyüklükleri incelenerek genişletilebilir.
Önemli Terimler ve Varsayımlar
Ki-kare testi parametrik olmayan bir test olmasına rağmen, bu testin birkaç önemli gereksinimi vardır:
1. Veriler sayılar (frekans) şeklinde olup her denek yalnızca bir kategoriye girer (birbirini dışlayan kategoriler).
2. Bağımsız gözlemler; yani bir katılımcı birden fazla kez sayılmayabilir ve gözlemler arasında eşleştirilmiş bir ilişki yoktur.
3. Beklenen frekans yeterince büyüktür. Genel bir kural olarak: \(E_{ij}\) değerlerinin çoğu ≥ 5 olmalıdır. Beklenen değerleri küçük olan hücre sayısı çok fazlaysa, ki-kare testi sonuçları geçersiz olabilir.
Frekansları düşük olan 2x2 tablolar için yaygın bir alternatif Fisher'ın Kesin Testidir. Eşleştirilmiş veriler için (örneğin, aynı katılımcı üzerinde öncesi-sonrası), bir alternatif McNemar testidir.
Etki Büyüklüğü: Sadece Anlamlı Değil
Anlamlı bir sonuç, mutlaka "güçlü" bir ilişki anlamına gelmez. Bu nedenle, etki büyüklüğünün raporlanması genellikle önerilir, örneğin:
– 2×2 tablo için Phi (φ)
– Daha büyük masalar için Cramér's V
Cramér'in V değeri 0 ile 1 arasında değişir ve daha büyük değerler daha güçlü bir ilişkiyi gösterir. Etki büyüklüklerinin raporlanması, okuyucuların ilişkinin sadece varlığını değil, gücünü de anlamalarına yardımcı olur.
Avantajlar ve Sınırlamalar
Avantajlar:
– Kategorik veriler için kullanımı kolaydır.
– Normallik varsayımını gerektirmez.
– Birçok araştırma alanı için uygundur.
Keterbatasan:
– Örneklem büyüklüğüne duyarlı: büyük örneklemler küçük farklılıkları "anlamlı" hale getirebilir.
– İlişkinin yönünü doğrudan göstermez, yalnızca bir ilişkinin varlığını/yokluğunu gösterir.
– Birçok hücrenin beklenen frekanslarının düşük olması sorun teşkil eder.
– Yorumlama, ek analizlerle (örneğin oranlara veya artık değerlere bakarak) desteklenmelidir.
Kapanış
Bağımsızlık için ki-kare testi, iki kategorik değişken arasında bir ilişkinin varlığını veya yokluğunu değerlendirmek için önemli bir araçtır. Bir olasılık tablosu oluşturarak, beklenen frekansları hesaplayarak ve bunları χ² istatistiğini kullanarak gözlemlenen frekanslarla karşılaştırarak, araştırmacılar bağımsızlık hipotezini objektif olarak test edebilirler. Bununla birlikte, sağlam bir analiz üretmek için araştırmacılar, anlamlı bir etkinin olup olmadığını belirlemenin ötesine geçmeli; etki büyüklüklerini de raporlamalı, beklenen frekans gereksinimlerini incelemeli ve bulguları çalışmanın temel bağlamıyla ilişkilendirmelidirler. Bu nedenle, ki-kare testi sadece matematiksel bir prosedür olmaktan öte, kategorik verilerdeki ilişki kalıplarını anlamaya yardımcı olan bilimsel akıl yürütmenin bir parçası haline gelir.
