Ki-kare testi nedir, ne zaman kullanılır?

Anket ve gözlem verileriyle çalışan araştırmacıların en sık ihtiyaç duyduğu testlerden biri ki-kare testidir. Cinsiyet, eğitim düzeyi, tercih, var-yok gibi kategorik değişkenler arasındaki ilişkiyi incelemek için kullanılır. Bu yazıda ki-kare testinin türlerini, varsayımlarını ve ne zaman kullanılması gerektiğini açıklıyoruz.

Ki-kare testi neyi inceler?

Ki-kare testi, kategorik değişkenler üzerinde çalışır. Sürekli verilerle (yaş, gelir gibi) değil, gruplara ayrılmış verilerle (kadın/erkek, evet/hayır, düşük/orta/yüksek) ilgilenir. Temel mantığı, gözlenen frekanslar ile belirli bir varsayım altında beklenen frekansları karşılaştırmaktır.

Gözlenen ve beklenen değerler arasındaki fark büyüdükçe, ki-kare istatistiği büyür ve sonuç anlamlı hale gelir. İki temel ki-kare testi vardır.

1. Bağımsızlık testi (chi-square test of independence)

En yaygın kullanılan biçimdir. İki kategorik değişkenin birbirinden bağımsız olup olmadığını test eder. Örneğin:

• Cinsiyet ile ürün tercihi arasında ilişki var mı?
• Eğitim düzeyi ile sigara içme durumu ilişkili mi?

Sıfır hipotezi "iki değişken bağımsızdır" der. Anlamlı bir p değeri (genellikle p < 0,05), değişkenler arasında istatistiksel bir ilişki olduğunu gösterir.

2. Uyum iyiliği testi (goodness-of-fit)

Bu biçim, tek bir kategorik değişkenin gözlenen dağılımının, beklenen (teorik) bir dağılıma uyup uymadığını test eder. Örneğin bir zarın hileli olup olmadığını ya da müşterilerin günlere eşit dağılıp dağılmadığını incelemek için kullanılır.

Sıfır hipotezi "gözlenen dağılım beklenen dağılıma uyar" der.

Çapraz tablo (crosstab) ile çalışma

Bağımsızlık testi, çapraz tablo üzerinden yürütülür. Çapraz tablo, iki kategorik değişkenin kesişimindeki frekansları gösterir. Örneğin satırlarda cinsiyet, sütunlarda tercih bulunur ve her hücre o kombinasyona düşen kişi sayısını verir.

SPSS'te bu analiz Analyze > Descriptive Statistics > Crosstabs yolundan yapılır ve ki-kare seçeneği buradan eklenir. Yorumlama sırasında satır/sütun yüzdelerini de incelemek, ilişkinin yönünü anlamayı kolaylaştırır.

Beklenen frekans varsayımı

Ki-kare testinin en kritik varsayımı beklenen frekanslarla ilgilidir. Genel kabul gören kural şudur:

• Hiçbir hücrenin beklenen frekansı 5'in altında olmamalıdır.
• Daha esnek bir yorumla, hücrelerin en fazla yüzde 20'sinde beklenen frekans 5'ten küçük olabilir.

Bu varsayım ihlal edildiğinde ki-kare testi güvenilir olmaktan çıkar. Bu durumda kategorileri birleştirmek ya da alternatif bir test kullanmak gerekir.

Beklenen frekans düşükse: Fisher kesin testi

Özellikle 2x2 tablolarda ve küçük örneklemlerde beklenen frekans varsayımı sık ihlal edilir. Bu durumda Fisher kesin testi (Fisher's Exact Test) kullanılır. Fisher kesin testi:

• Küçük örneklemlerde geçerli sonuç verir.
• Beklenen frekans şartına bağlı değildir.
• SPSS Crosstabs çıktısında genellikle ki-kare ile birlikte raporlanır.

2x2 tablolarda beklenen frekans düşükse, ki-kare yerine Fisher kesin testi sonucunu raporlamak daha doğrudur.

Etki büyüklüğünü unutmayın

Anlamlı bir p değeri ilişkinin var olduğunu söyler; ancak gücünü söylemez. İlişkinin büyüklüğünü göstermek için etki büyüklüğü ölçüleri kullanılır:

• Phi katsayısı: 2x2 tablolar için.
• Cramér's V: Daha büyük tablolar için.

Bu ölçüleri raporlamak, bulgunun yalnızca istatistiksel değil pratik anlamını da ortaya koyar.

Sık yapılan hatalar

• Sürekli veriyi kategoriye dönüştürmeden ki-kare uygulamaya çalışmak.
• Beklenen frekans varsayımını kontrol etmemek.
• Küçük örneklemde Fisher kesin testi yerine ki-kare raporlamak.
• Etki büyüklüğünü atlamak.

Profesyonel destek: Kategorik verilerinizde doğru testi seçmek, varsayımları kontrol etmek ve sonuçları savunulabilir biçimde raporlamak için İstatistik Atölyesi olarak 2012'den bu yana SPSS analiz desteği sunuyoruz. İletişim: +90 544 438 00 67.