Normallik testi ve parametrik test seçimi

Bir veri setiyle çalışmaya başladığınızda sorulacak ilk sorulardan biri şudur: "Verim normal dağılıyor mu?" Bu sorunun yanıtı, hangi istatistiksel testi kullanacağınızı doğrudan belirler. Bu yazıda normallik kontrolünün yöntemlerini ve sonucuna göre parametrik mi yoksa parametrik olmayan test mi seçeceğinizi açıklıyoruz.

Normallik neden önemli?

Birçok yaygın istatistiksel test (t-testi, ANOVA, Pearson korelasyonu gibi), verinin yaklaşık olarak normal dağıldığı varsayımına dayanır. Bu varsayım karşılanmadığında, test sonuçları yanıltıcı olabilir. Bu nedenle analiz öncesinde normallik kontrolü, sağlam bir çalışmanın temel adımlarından biridir.

Önemli bir nokta: Normallik genellikle ham verinin değil, grupların ya da artıkların dağılımıyla ilgilidir. Hangi değişkenin normalliğine bakılacağı, kullanacağınız teste göre değişir.

Shapiro-Wilk ve Kolmogorov-Smirnov testleri

SPSS'te normalliği sayısal olarak değerlendirmek için iki temel test kullanılır:

• Shapiro-Wilk testi: Küçük ve orta büyüklükteki örneklemlerde (genellikle 50'nin altında, ama daha büyük örneklemlerde de) güçlü kabul edilir. Çoğu durumda tercih edilen testtir.
• Kolmogorov-Smirnov testi: Daha büyük örneklemlerde kullanılır; genellikle Lilliefors düzeltmesiyle raporlanır.

Her iki testte de hipotez aynıdır: Sıfır hipotezi "veri normal dağılır" der. Dolayısıyla:

• p > 0,05 ise normallikten anlamlı sapma yoktur (normal kabul edilebilir).
• p < 0,05 ise dağılım normalden anlamlı biçimde sapar.

Örneklem büyüklüğünün etkisi

Normallik testlerinin önemli bir sınırlılığı vardır: Örneklem büyüklüğüne çok duyarlıdırlar.

• Çok büyük örneklemlerde, küçük ve önemsiz sapmalar bile "anlamlı" çıkabilir; yani test gereksiz yere normalliği reddedebilir.
• Çok küçük örneklemlerde ise gerçek sapmaları yakalayamayabilir.

Bu nedenle yalnızca p değerine güvenmek yerine, normalliği görsel ve tanımlayıcı yöntemlerle birlikte değerlendirmek daha doğrudur.

Çarpıklık ve basıklık (skewness, kurtosis)

Dağılımın şeklini sayısal olarak özetleyen iki ölçü vardır:

• Çarpıklık (skewness): Dağılımın simetriden ne kadar saptığını gösterir. Pozitif değer sağa, negatif değer sola çarpıklığı belirtir.
• Basıklık (kurtosis): Dağılımın tepesinin sivrilik ve kuyrukların kalınlığını gösterir.

Genel bir pratik kural olarak, çarpıklık ve basıklık değerlerinin yaklaşık -2 ile +2 aralığında olması, normalden ciddi bir sapma olmadığına işaret eder. Ancak bu eşikler kesin kurallar değil, yorumlama rehberleridir.

Görsel yöntemler: histogram ve Q-Q grafiği

Sayıların yanında grafikler de normallik hakkında güçlü ipuçları verir:

• Histogram: Verinin çan eğrisine benzeyip benzemediğini gösterir.
• Q-Q grafiği (Normal Q-Q Plot): Gözlemlenen değerleri beklenen normal değerlerle karşılaştırır. Noktalar köşegen çizgiye yakın hizalanıyorsa dağılım normale yakındır.

Özellikle Q-Q grafiği, normallik değerlendirmesinde en bilgilendirici araçlardan biridir ve büyük örneklem sorunundan etkilenmez.

Karar: parametrik mi, parametrik olmayan mı?

Normallik değerlendirmesinin sonucuna göre uygun test ailesini seçersiniz:

• Veri normal dağılıyorsa (parametrik testler): Bağımsız örneklem t-testi, eşleştirilmiş t-testi, tek yönlü ANOVA, Pearson korelasyonu.
• Veri normal dağılmıyorsa (parametrik olmayan testler): Mann-Whitney U, Wilcoxon işaretli sıra, Kruskal-Wallis, Spearman korelasyonu.

Karar verirken örneklem büyüklüğünü, çarpıklık-basıklık değerlerini ve grafikleri birlikte değerlendirin. Tek bir p değerine dayanarak karar vermek çoğu zaman eksik kalır.

Sık yapılan hatalar

• Normalliği yanlış değişken üzerinde test etmek.
• Büyük örneklemde yalnızca Shapiro-Wilk p değerine bakıp veriyi gereksiz yere "normal değil" saymak.
• Grafik kontrolünü atlamak.
• Varsayım sağlanmadığı halde parametrik test uygulamak.

Profesyonel destek: Verinizin yapısına uygun normallik kontrolü ve doğru test seçimi için İstatistik Atölyesi olarak 2012'den bu yana SPSS analiz desteği sunuyoruz. Doğru ve savunulabilir sonuçlar için bizimle iletişime geçebilirsiniz: +90 544 438 00 67.