p değeri ne demek, nasıl yorumlanır?

İstatistiksel analizlerin belki de en çok bilinen ama en çok yanlış anlaşılan kavramı p değeridir. Bir tezin ya da makalenin kaderi çoğu zaman "p < 0,05" satırına bağlanır; oysa p değerinin ne söylediği ve ne söylemediği çoğu kez karıştırılır. Bu yazıda "p değeri ne demek" sorusunu doğru biçimde yanıtlıyor, yaygın yanlış anlamaları ve etki büyüklüğüyle birlikte nasıl yorumlanması gerektiğini açıklıyoruz.

Hipotez testinin mantığı

p değerini anlamak için önce hipotez testinin temel mantığını bilmek gerekir. Bir analizde genellikle iki hipotez vardır:

• Sıfır hipotezi (H0): "Fark yok" ya da "ilişki yok" varsayımıdır.
• Alternatif hipotez (H1): "Fark var" ya da "ilişki var" iddiasıdır.

Hipotez testi, sıfır hipotezinin doğru olduğunu varsayarak başlar ve elimizdeki verinin bu varsayımla ne kadar uyumlu olduğunu sorar. p değeri tam da bu noktada devreye girer.

p değeri tam olarak ne demek?

p değeri, sıfır hipotezi doğruyken, eldeki veriyi (ya da daha uç bir sonucu) gözlemleme olasılığıdır. Yani "eğer gerçekte hiçbir fark yoksa, böyle bir sonucu ne sıklıkla görürüz?" sorusunun yanıtıdır.

• Küçük bir p değeri (ör. 0,01), bu verinin sıfır hipotezi altında oldukça beklenmedik olduğunu gösterir; bu da sıfır hipotezine karşı kanıt olarak yorumlanır.
• Büyük bir p değeri (ör. 0,40), verinin sıfır hipoteziyle uyumlu olduğunu, yani onu reddetmek için yeterli kanıt bulunmadığını gösterir.

Yaygın eşik olan 0,05, p bu değerin altındaysa sonucu "istatistiksel olarak anlamlı" saymak için kullanılan bir uzlaşıdır; sihirli ya da mutlak bir sınır değildir.

En yaygın yanlış anlamalar

p değeri hakkındaki yanlış inançlar, literatürde bile sık görülür. En önemlileri:

• "p değeri, sıfır hipotezinin doğru olma olasılığıdır." Yanlış. p, hipotezin olasılığını değil, hipotez doğruyken verinin olasılığını verir.
• "p < 0,05 ise etki büyüktür/önemlidir." Yanlış. p, etkinin büyüklüğü hakkında bilgi vermez.
• "p > 0,05 ise fark yoktur (kanıtlanmıştır)." Yanlış. Kanıt yokluğu, yokluğun kanıtı değildir; sonuç güçsüz örneklemden de kaynaklanabilir.
• "p = 0,049 ile p = 0,051 taban tabana zıttır." Yanlış. Bu iki değer pratikte neredeyse aynıdır; 0,05 keskin bir eşik gibi davranmak yanıltıcıdır.

Anlamlılık ile önem aynı şey değildir

Belki de en kritik ayrım budur: istatistiksel anlamlılık, pratik (klinik ya da kuramsal) önem demek değildir. Çok büyük bir örneklemde, gerçek hayatta hiçbir anlam taşımayan minik bir fark bile "anlamlı" çıkabilir. Tersine, küçük bir örneklemde gerçekten önemli bir etki, yeterli güç olmadığı için "anlamsız" görünebilir.

Bu yüzden bir sonucu yalnızca p değeriyle değerlendirmek eksiktir; farkın büyüklüğünü de görmek gerekir.

Etki büyüklüğüyle birlikte yorumlayın

p değerinin eksiğini etki büyüklüğü tamamlar. Etki büyüklüğü, farkın ya da ilişkinin gerçekte ne kadar büyük olduğunu gösterir:

• t-testi için Cohen's d
• ANOVA için eta-kare (η²)
• Korelasyon için r
• Ki-kare için Cramér's V

Ayrıca güven aralıkları, tahmininizin kesinliğini gösterdiği için p değerine değerli bir tamamlayıcıdır. İyi bir raporlama; p değerini, etki büyüklüğünü ve güven aralığını birlikte sunar.

Doğru yorum için pratik öneriler

Analiz sonuçlarınızı yorumlarken şu yaklaşımı benimseyin:

• p değerini ikili bir "geçti/kaldı" kararı gibi değil, kanıtın gücünün bir göstergesi olarak görün.
• Her zaman etki büyüklüğü ve güven aralığıyla birlikte raporlayın.
• "Anlamlı" kelimesini yalnızca istatistiksel anlamda kullanın; pratik önemi ayrıca tartışın.
• Anlamsız bir sonucu "fark yoktur" diye kesinleştirmek yerine "yeterli kanıt bulunamadı" biçiminde ifade edin.

Türkçe metinde ondalık ayraç olarak virgül kullanılması imla açısından doğrudur (ör. p = 0,03).

Profesyonel destek: İstatistik Atölyesi, 2012'den bu yana 6000'den fazla çalışmada analiz ve sonuçların doğru yorumlanması konusunda danışmanlık sunmuştur. SPSS İstatistik Analizi hizmetimizle bulgularınızı yalnızca p değerine indirgemeden, bütüncül ve savunulabilir biçimde yorumlamanıza yardımcı oluyoruz.