İstatistiksel analizlerde yalnızca bir sonucun “anlamlı” olup olmadığına bakmak çoğu zaman yeterli değildir. Çünkü bir araştırmada elde edilen farkın, ilişkinin veya etkinin gerçekten ne kadar güçlü olduğunu anlamak için etki büyüklüğü değerlendirilmelidir. Etki büyüklüğü, araştırma sonucunun yalnızca istatistiksel olarak anlamlı olup olmadığını değil, aynı zamanda pratik, klinik veya bilimsel açıdan ne kadar önemli olduğunu gösteren önemli bir ölçüttür.
Özellikle akademik çalışmalarda, tezlerde, makalelerde ve sağlık bilimleri araştırmalarında etki büyüklüğü, sonuçların daha doğru yorumlanmasını sağlar. Bu nedenle p değeri ile birlikte etki büyüklüğünün de raporlanması önerilir.
Etki Büyüklüğü Ne Anlama Gelir?
Etki büyüklüğü, iki grup arasındaki farkın, iki değişken arasındaki ilişkinin veya bir uygulamanın sonucundaki değişimin büyüklüğünü sayısal olarak ifade eder. Başka bir ifadeyle, araştırmada gözlenen etkinin ne kadar güçlü olduğunu gösterir.
Örneğin bir çalışmada yeni bir eğitim programının öğrencilerin başarı puanını artırıp artırmadığı incelensin. Analiz sonucunda p değeri 0,05’ten küçük bulunursa, eğitim programının başarı üzerinde istatistiksel olarak anlamlı bir etkisi olduğu söylenebilir. Ancak bu sonuç tek başına yeterli değildir. Çünkü fark istatistiksel olarak anlamlı olsa bile, başarı puanındaki artış çok küçük olabilir. İşte bu noktada etki büyüklüğü devreye girer.
Etki büyüklüğü bize şu soruların cevabını verir:
- Gruplar arasındaki fark küçük mü, orta düzeyde mi, yoksa büyük mü?
- Değişkenler arasındaki ilişki zayıf mı, orta mı, güçlü mü?
- Uygulanan müdahalenin etkisi pratik olarak önemli mi?
- İstatistiksel anlamlılık gerçek dünyada anlamlı bir değişime karşılık geliyor mu?
P Değeri ile Etki Büyüklüğü Arasındaki Fark
İstatistiksel analizlerde en sık kullanılan ölçütlerden biri p değeridir. P değeri, elde edilen sonucun tesadüfen ortaya çıkma olasılığı hakkında bilgi verir. Genellikle p<0,05 olduğunda sonuç istatistiksel olarak anlamlı kabul edilir.
Ancak p değeri, etkinin büyüklüğünü göstermez. Yani p değeri bize “bir fark veya ilişki var mı?” sorusuna yanıt verirken, etki büyüklüğü “bu fark veya ilişki ne kadar güçlü?” sorusuna yanıt verir.
Örneğin büyük örneklemli bir çalışmada çok küçük farklar bile istatistiksel olarak anlamlı çıkabilir. Buna karşılık küçük örneklemli bir çalışmada klinik açıdan önemli bir fark olsa bile p değeri anlamlı çıkmayabilir. Bu nedenle yalnızca p değerine bakarak sonuç yorumlamak yanıltıcı olabilir.
Kısaca ifade etmek gerekirse:
P değeri: Sonuç istatistiksel olarak anlamlı mı?
Etki büyüklüğü: Sonuç ne kadar güçlü ve önemli?
Bu nedenle modern bilimsel raporlamada p değeri ile birlikte etki büyüklüğünün de verilmesi beklenir.
Etki Büyüklüğü Neden Önemlidir?
Etki büyüklüğü, araştırma sonuçlarının daha anlamlı ve güvenilir biçimde yorumlanmasını sağlar. Özellikle sağlık bilimleri, sosyal bilimler, eğitim bilimleri ve biyostatistik alanlarında etki büyüklüğü oldukça önemlidir.
Etki büyüklüğünün önemli olmasının başlıca nedenleri şunlardır:
1. Sonucun Pratik Önemini Gösterir
Bir analiz sonucunda p değeri anlamlı çıkabilir. Ancak bu fark gerçek hayatta önemli bir fark yaratmayabilir. Etki büyüklüğü, istatistiksel anlamlılığın pratik açıdan değerli olup olmadığını değerlendirmeye yardımcı olur.
Örneğin bir ilaç tedavisi kan basıncını istatistiksel olarak anlamlı düzeyde düşürebilir. Fakat bu düşüş klinik açıdan çok küçükse, tedavinin gerçek yaşamda anlamlı bir fayda sağladığı söylenemeyebilir.
2. Çalışmaların Karşılaştırılmasını Sağlar
Farklı çalışmaların sonuçlarını karşılaştırırken yalnızca p değerlerine bakmak yeterli değildir. Çünkü p değeri örneklem büyüklüğünden etkilenir. Etki büyüklüğü ise farklı çalışmaların bulgularını daha standart bir şekilde karşılaştırmaya yardımcı olur.
Bu nedenle meta-analiz çalışmalarında etki büyüklüğü temel ölçütlerden biridir.
3. Örneklem Büyüklüğü Hesaplamasında Kullanılır
Bir araştırmaya başlamadan önce kaç kişiyle çalışılması gerektiğini belirlemek için güç analizi yapılır. Güç analizinde en önemli parametrelerden biri beklenen etki büyüklüğüdür.
Beklenen etki büyüklüğü küçükse daha büyük örneklem gerekir. Beklenen etki büyüklüğü büyükse daha küçük örneklemle anlamlı sonuç elde etmek mümkün olabilir.
Bu nedenle araştırma tasarım aşamasında etki büyüklüğünün doğru belirlenmesi oldukça önemlidir.
4. Klinik ve Bilimsel Yorumlamayı Güçlendirir
Özellikle sağlık alanındaki araştırmalarda istatistiksel anlamlılık ile klinik anlamlılık her zaman aynı anlama gelmez. Etki büyüklüğü, elde edilen sonucun klinik olarak değerli olup olmadığını anlamaya yardımcı olur.
Örneğin bir tedavinin hastaların ağrı düzeyini azaltması istatistiksel olarak anlamlı olabilir. Ancak ağrı skorundaki değişim çok düşükse, bu sonuç hasta açısından hissedilir bir iyileşme sağlamayabilir.
Etki Büyüklüğü Hangi Durumlarda Kullanılır?
Etki büyüklüğü birçok farklı istatistiksel analiz türünde kullanılabilir. Kullanılacak etki büyüklüğü ölçütü, yapılan analizin türüne göre değişir.
Başlıca kullanım alanları şunlardır:
- İki grup ortalamasının karşılaştırılması
- Bağımlı gruplarda ön test ve son test karşılaştırmaları
- Üç veya daha fazla grubun karşılaştırılması
- Korelasyon analizleri
- Regresyon analizleri
- Ki-kare analizleri
- Varyans analizi
- Klinik araştırmalar
- Deneysel ve yarı deneysel çalışmalar
- Meta-analiz çalışmaları
En Sık Kullanılan Etki Büyüklüğü Ölçütleri
Etki büyüklüğü için kullanılan farklı ölçütler vardır. Hangi ölçütün kullanılacağı, araştırma sorusuna ve istatistiksel analiz yöntemine göre belirlenir.
1. Cohen’s d
Cohen’s d, iki grup ortalaması arasındaki farkın standart sapma cinsinden büyüklüğünü gösterir. Genellikle bağımsız iki grup karşılaştırmalarında kullanılır.
Örneğin bir çalışmada kadın ve erkeklerin bir ölçek puanı karşılaştırılıyorsa, gruplar arasındaki farkın büyüklüğü Cohen’s d ile ifade edilebilir.
Genel formül şu şekildedir:
Cohen’s d = İki grup ortalaması arasındaki fark / Birleştirilmiş standart sapma
Cohen’s d değeri arttıkça iki grup arasındaki farkın büyüklüğü de artar.
Genel yorumlama şu şekildedir:
- 0,20 civarı: Küçük etki
- 0,50 civarı: Orta etki
- 0,80 ve üzeri: Büyük etki
Ancak bu sınırlar her araştırma alanı için mutlak kabul edilmemelidir. Klinik, sosyal veya eğitim alanındaki bağlama göre yorum yapılmalıdır.
2. Pearson Korelasyon Katsayısı r
Korelasyon analizlerinde iki değişken arasındaki ilişkinin yönü ve gücü değerlendirilir. Pearson korelasyon katsayısı olan r, aynı zamanda bir etki büyüklüğü ölçütü olarak kabul edilir.
r değeri -1 ile +1 arasında değişir.
- r pozitif ise değişkenler arasında pozitif ilişki vardır.
- r negatif ise değişkenler arasında negatif ilişki vardır.
- r sıfıra yakınsa ilişki zayıftır.
- r mutlak değer olarak 1’e yaklaştıkça ilişki güçlenir.
Genel yorumlama şu şekildedir:
- 0,10 civarı: Küçük ilişki
- 0,30 civarı: Orta düzey ilişki
- 0,50 ve üzeri: Güçlü ilişki
Örneğin egzersiz süresi ile yaşam kalitesi arasında r=0,45 bulunursa, bu iki değişken arasında orta düzeye yakın pozitif bir ilişki olduğu söylenebilir.
3. Eta Kare
Eta kare, varyans analizlerinde kullanılan bir etki büyüklüğü ölçütüdür. Özellikle ANOVA analizinde gruplar arasındaki farkın toplam varyansın ne kadarını açıkladığını gösterir.
Eta kare değeri 0 ile 1 arasında değişir. Değer 1’e yaklaştıkça açıklanan varyans oranı artar.
Örneğin eta kare değeri 0,12 ise, bağımsız değişkenin bağımlı değişkendeki toplam değişimin yaklaşık %12’sini açıkladığı söylenebilir.
Genel yorumlama şu şekildedir:
- 0,01: Küçük etki
- 0,06: Orta etki
- 0,14: Büyük etki
4. Partial Eta Kare
Partial eta kare, özellikle çok faktörlü varyans analizlerinde ve tekrarlı ölçüm analizlerinde sık kullanılan bir etki büyüklüğü ölçütüdür. Bir değişkenin etkisini, diğer değişkenlerin etkileri kontrol edildikten sonra gösterir.
SPSS gibi istatistik programlarında ANOVA sonuçlarında genellikle partial eta kare değeri raporlanır.
5. Odds Ratio
Odds Ratio, özellikle lojistik regresyon analizlerinde ve vaka-kontrol çalışmalarında kullanılan bir etki büyüklüğü ölçütüdür. Bir olayın bir grupta görülme olasılığının diğer gruba göre kaç kat fazla veya az olduğunu gösterir.
Örneğin sigara içenlerde belirli bir hastalığın görülme odds oranı, sigara içmeyenlere göre 2,5 kat yüksek bulunabilir. Bu durumda Odds Ratio=2,5 olarak raporlanır.
Odds Ratio değeri:
- 1 ise gruplar arasında fark yoktur.
- 1’den büyükse olayın görülme olasılığı artmıştır.
- 1’den küçükse olayın görülme olasılığı azalmıştır.
6. Risk Ratio
Risk Ratio, özellikle kohort çalışmaları ve klinik araştırmalarda kullanılan bir ölçüttür. Bir olayın iki grup arasındaki risk oranını gösterir.
Örneğin bir komplikasyonun tedavi grubunda %10, kontrol grubunda %20 görülmesi durumunda risk ratio 0,50 olabilir. Bu sonuç, tedavi grubunda komplikasyon riskinin kontrol grubuna göre daha düşük olduğunu gösterir.
7. Cramer’s V
Cramer’s V, kategorik değişkenler arasındaki ilişkinin gücünü değerlendirmek için kullanılır. Ki-kare analizlerinde etki büyüklüğü ölçütü olarak tercih edilir.
Örneğin cinsiyet ile tercih edilen tedavi yöntemi arasında ilişki olup olmadığı inceleniyorsa, ilişkinin gücü Cramer’s V ile ifade edilebilir.
Cramer’s V değeri 0 ile 1 arasında değişir. Değer 1’e yaklaştıkça kategorik değişkenler arasındaki ilişki güçlenir.
Analiz Türüne Göre Etki Büyüklüğü Seçimi
Her analiz için aynı etki büyüklüğü ölçütü kullanılmaz. Bu nedenle araştırmacının yaptığı analize uygun etki büyüklüğü değerini seçmesi gerekir.
Örneğin:
| Analiz Türü | Kullanılabilecek Etki Büyüklüğü |
|---|---|
| Bağımsız iki grup t testi | Cohen’s d |
| Bağımlı gruplar t testi | Cohen’s dz veya standartlaştırılmış ortalama farkı |
| Korelasyon analizi | r |
| Tek yönlü ANOVA | Eta kare veya partial eta kare |
| Ki-kare testi | Phi veya Cramer’s V |
| Lojistik regresyon | Odds Ratio |
| Kohort çalışmaları | Risk Ratio |
| Regresyon analizi | R² veya f² |
| Meta-analiz | Standardized Mean Difference, Odds Ratio, Risk Ratio |
Küçük, Orta ve Büyük Etki Ne Demektir?
Etki büyüklüğü yorumlanırken genellikle küçük, orta ve büyük etki şeklinde sınıflandırma yapılır. Ancak bu sınıflandırmalar yalnızca genel rehber niteliğindedir.
Örneğin Cohen’s d için:
- 0,20 küçük etki
- 0,50 orta etki
- 0,80 büyük etki
olarak kabul edilir.
Korelasyon için:
- 0,10 küçük ilişki
- 0,30 orta ilişki
- 0,50 güçlü ilişki
olarak yorumlanabilir.
Eta kare için:
- 0,01 küçük etki
- 0,06 orta etki
- 0,14 büyük etki
olarak değerlendirilebilir.
Ancak etki büyüklüğü mutlaka çalışmanın bağlamına göre yorumlanmalıdır. Bazı klinik araştırmalarda küçük görünen bir etki bile önemli olabilir. Örneğin ölüm oranını az da olsa azaltan bir tedavi, toplum sağlığı açısından büyük bir öneme sahip olabilir.
Etki Büyüklüğü ve Örneklem Büyüklüğü İlişkisi
Etki büyüklüğü ile örneklem büyüklüğü arasında önemli bir ilişki vardır. Küçük etki büyüklüklerini tespit edebilmek için daha büyük örnekleme ihtiyaç duyulur. Büyük etki büyüklükleri ise daha küçük örneklemlerle tespit edilebilir.
Güç analizi yapılırken genellikle şu bilgiler kullanılır:
- Anlamlılık düzeyi
- Test gücü
- Beklenen etki büyüklüğü
- Kullanılacak istatistiksel test
- Grup sayısı veya ölçüm sayısı
Örneğin araştırmacı küçük bir etki bekliyorsa, çalışmada daha fazla katılımcıya ihtiyaç duyacaktır. Orta veya büyük etki beklenen çalışmalarda ise daha az örneklem yeterli olabilir.
Bu nedenle araştırma planlanırken etki büyüklüğünün doğru tahmin edilmesi, çalışmanın bilimsel kalitesi açısından önemlidir.
Etki Büyüklüğü Nasıl Raporlanır?
Etki büyüklüğü raporlanırken yalnızca p değeri verilmemeli, ilgili analiz sonucuyla birlikte uygun etki büyüklüğü ölçütü de sunulmalıdır.
Örnek raporlama:
“Deney grubu ile kontrol grubu arasında son test puanları açısından istatistiksel olarak anlamlı fark bulundu. Farkın etki büyüklüğü orta düzeydedir.”
Daha teknik bir raporlama örneği:
“Deney grubunun son test puanları kontrol grubuna göre anlamlı düzeyde yüksek bulunmuştur, t(98)=2,85, p=0,005, Cohen’s d=0,57.”
Korelasyon için örnek:
“Yaş ile yaşam kalitesi puanı arasında negatif yönde orta düzeyde anlamlı ilişki saptanmıştır, r=-0,34, p=0,012.”
ANOVA için örnek:
“Gruplar arasında ölçek puanı açısından anlamlı fark bulunmuştur, F(2,147)=6,42, p=0,002, partial eta kare=0,08.”
Bu tür raporlama, okuyucunun sonucun hem istatistiksel hem de pratik önemini değerlendirmesini sağlar.
Etki Büyüklüğü Yorumlanırken Dikkat Edilmesi Gerekenler
Etki büyüklüğü yorumlanırken bazı noktalara dikkat edilmelidir.
İlk olarak, etki büyüklüğü tek başına yorumlanmamalıdır. Güven aralığı, örneklem büyüklüğü, araştırma tasarımı ve klinik bağlam birlikte değerlendirilmelidir.
İkinci olarak, genel sınıflandırmalar her çalışma için aynı anlama gelmez. Küçük, orta ve büyük etki sınırları araştırma alanına göre değişebilir.
Üçüncü olarak, istatistiksel anlamlılık ile pratik anlamlılık birbirinden ayrılmalıdır. Bir sonuç p<0,05 olsa bile etki büyüklüğü çok küçükse, bu sonucun pratik önemi sınırlı olabilir.
Dördüncü olarak, örneklem büyüklüğü p değerini etkileyebilir. Büyük örneklemlerde küçük etkiler anlamlı çıkabilirken, küçük örneklemlerde orta düzeyde etkiler bile anlamlı çıkmayabilir.
Son olarak, kullanılan etki büyüklüğü ölçütünün analiz türüne uygun olması gerekir. Yanlış etki büyüklüğü seçimi, sonuçların hatalı yorumlanmasına neden olabilir.
Etki Büyüklüğü ile Güven Aralığı Birlikte Değerlendirilmelidir
Etki büyüklüğünün yanında güven aralığı verilmesi, sonucun kesinliği hakkında bilgi sağlar. Güven aralığı dar ise tahmin daha hassastır. Güven aralığı geniş ise sonuç daha belirsizdir.
Örneğin Cohen’s d=0,60 bulunmuş olabilir. Ancak bu değerin güven aralığı 0,10 ile 1,10 arasında ise, etkinin gerçek büyüklüğü konusunda belirsizlik vardır. Buna karşılık güven aralığı 0,48 ile 0,72 arasında ise, etki tahmini daha güvenilirdir.
Bu nedenle özellikle akademik yayınlarda etki büyüklüğü ile birlikte güven aralığının da verilmesi önerilir.
Sağlık Araştırmalarında Etki Büyüklüğünün Önemi
Sağlık bilimlerinde etki büyüklüğü yalnızca istatistiksel bir değer değildir. Aynı zamanda klinik karar verme sürecine katkı sağlayan önemli bir göstergedir.
Örneğin bir tedavi yönteminin ağrıyı azaltması, kan basıncını düşürmesi, yaşam kalitesini artırması veya komplikasyon riskini azaltması istatistiksel olarak anlamlı olabilir. Ancak bu değişimin hasta açısından gerçekten hissedilebilir ve anlamlı olup olmadığı etki büyüklüğü ile daha iyi değerlendirilir.
Bu nedenle sağlık alanında yapılan çalışmalarda şu sorular mutlaka sorulmalıdır:
- Sonuç istatistiksel olarak anlamlı mı?
- Etki büyüklüğü ne düzeyde?
- Bu etki klinik olarak önemli mi?
- Sonucun hasta bakımına veya tedavi kararına katkısı var mı?
Sosyal Bilimlerde Etki Büyüklüğü
Sosyal bilimlerde de etki büyüklüğü oldukça önemlidir. Eğitim, psikoloji, davranış bilimleri ve yönetim araştırmalarında değişkenler arasındaki ilişkilerin yalnızca anlamlı olup olmadığı değil, ilişkinin gücü de değerlendirilmelidir.
Örneğin bir eğitim yönteminin başarı üzerinde anlamlı etkisi olabilir. Ancak etki büyüklüğü düşükse, bu yöntemin uygulamada büyük bir fark yaratmayacağı düşünülebilir. Buna karşılık orta veya büyük etki büyüklüğü, uygulamanın daha değerli olduğunu gösterebilir.
Sonuç
Etki büyüklüğü, istatistiksel analiz sonuçlarının daha doğru ve anlamlı yorumlanmasını sağlayan temel bir ölçüttür. P değeri sonucun istatistiksel olarak anlamlı olup olmadığını gösterirken, etki büyüklüğü bu sonucun ne kadar güçlü ve önemli olduğunu ortaya koyar.
Araştırmalarda yalnızca “p<0,05” sonucuna odaklanmak yeterli değildir. Etki büyüklüğü, güven aralığı, örneklem büyüklüğü ve araştırmanın bağlamı birlikte değerlendirilmelidir.
Bilimsel çalışmaların daha güçlü, daha şeffaf ve daha yorumlanabilir olması için etki büyüklüğünün mutlaka raporlanması gerekir. Özellikle tez, makale, klinik araştırma ve akademik rapor hazırlayan araştırmacılar için etki büyüklüğü, istatistiksel sonuçların bilimsel değerini artıran önemli bir göstergedir.
Sık Sorulan Sorular
Etki büyüklüğü p değerinden farklı mıdır?
Evet. P değeri sonucun istatistiksel olarak anlamlı olup olmadığını gösterir. Etki büyüklüğü ise bu sonucun ne kadar güçlü olduğunu gösterir.
P değeri anlamlı değilse etki büyüklüğü önemli olabilir mi?
Evet. Özellikle küçük örneklemli çalışmalarda p değeri anlamlı çıkmayabilir. Ancak etki büyüklüğü orta veya büyük düzeyde olabilir. Bu durumda sonucun dikkatle yorumlanması gerekir.
Etki büyüklüğü küçükse sonuç önemsiz midir?
Her zaman değil. Bazı alanlarda küçük etkiler bile önemli olabilir. Özellikle halk sağlığı, klinik araştırmalar ve büyük popülasyonları ilgilendiren çalışmalarda küçük etkilerin önemli sonuçları olabilir.
Etki büyüklüğü her analizde raporlanmalı mı?
Mümkün olduğunca evet. Özellikle t testi, ANOVA, korelasyon, regresyon ve ki-kare gibi analizlerde uygun etki büyüklüğü ölçütü raporlanmalıdır.
Hangi etki büyüklüğü değerini kullanmalıyım?
Bu, yaptığınız analize bağlıdır. İki grup karşılaştırmasında Cohen’s d, korelasyon analizinde r, ANOVA’da eta kare veya partial eta kare, ki-kare analizinde Cramer’s V, lojistik regresyonda Odds Ratio kullanılabilir.