ANOVA Nedir, Nasıl Yapılır? Kapsamlı Rehber
ANOVA (Analysis of Variance — Varyans Analizi), ikiden fazla grubun ortalamalarını aynı anda karşılaştırmak için kullanılan parametrik bir istatistiksel testtir. Adının "varyans analizi" olması ilk bakışta kafa karıştırıcı gelebilir — çünkü ANOVA aslında ortalamaları karşılaştırır. Bu kapsamlı rehberde ANOVA'nın neden varyansı kullanarak ortalama farkını test ettiğini, F istatistiğinin matematiksel mantığını, varsayımlarını, post-hoc testlerini, etki büyüklüğünü ve SPSS/Python uygulamalarını baştan sona ele alıyoruz.
1. ANOVA Nedir? Neden t-Testi Yetmez?
t-testi yalnızca iki grubun ortalamasını karşılaştırabilirken ANOVA üç veya daha fazla grubu tek seferde analiz eder. Neden üç grubu ikili t-testleriyle (A-B, A-C, B-C) karşılaştırmıyoruz? Çünkü her testin kendi %5 Tip I hata (yanlış pozitif) riski vardır; üç ayrı test yapıldığında en az bir yanlış pozitif bulma olasılığı yaklaşık 1-(0.95)³ ≈ %14'e çıkar. Grup sayısı arttıkça bu birikimli hata oranı daha da büyür. ANOVA, tüm grupları tek bir testte değerlendirerek bu hata birikimini kontrol altında tutar.
2. ANOVA'nın Mantığı: Varyansı Ayrıştırma
ANOVA'nın temel fikri, toplam varyansı iki bileşene ayırmaktır:
- Gruplar arası varyans (Between-group variance): Grup ortalamalarının genel ortalamadan ne kadar farklı olduğu.
- Grup içi varyans (Within-group variance): Her grubun kendi içindeki doğal değişkenlik (hata varyansı).
Eğer gruplar arası varyans, grup içi varyansa göre beklenenden çok büyükse, bu fark tesadüften öte, gerçek bir grup etkisine işaret eder.
3. ANOVA Türleri
Tek Yönlü ANOVA (One-Way ANOVA)
Tek bir bağımsız değişken (faktör) ile bir bağımlı değişken arasındaki ilişkiyi inceler. Örnek: Üç farklı diyet programının kilo kaybına etkisi.
Çift Yönlü ANOVA (Two-Way ANOVA)
İki bağımsız değişkenin etkisini ve bu iki değişken arasındaki etkileşimi (interaction) aynı anda inceler. Örnek: Cinsiyet ve eğitim düzeyinin gelir üzerindeki etkisi (bkz. Bölüm 10).
Tekrarlı Ölçümler ANOVA (Repeated Measures ANOVA)
Aynı katılımcıların farklı zamanlarda veya koşullarda ölçüldüğü durumlarda kullanılır. Bağımlı örneklem t-testinin üç veya daha fazla zaman noktasına genişletilmiş hâlidir (bkz. Bölüm 11).
MANOVA (Multivariate ANOVA)
Birden fazla bağımlı değişkenin aynı anda analiz edildiği çok değişkenli genişlemedir; ayrıntılı ele alış için Çok Değişkenli Testler yazımıza bakabilirsiniz.
4. ANOVA Varsayımları ve Kontrolü
| Varsayım | Kontrol Yöntemi | İhlal Edilirse |
|---|---|---|
| Bağımsızlık | Araştırma tasarımı (rastgele örnekleme) | Düzeltme yok; tasarım aşamasında sağlanmalı |
| Normallik | Shapiro-Wilk testi, Q-Q grafiği | n büyükse (>30/grup) Merkezi Limit Teoremi ile tolere edilebilir; değilse Kruskal-Wallis |
| Varyans Homojenliği | Levene testi | Welch's ANOVA veya Games-Howell post-hoc kullanılır |
💡 Varsayımlar karşılanmıyorsa parametrik olmayan alternatif olan Kruskal-Wallis testi kullanılmalıdır (bkz. Bölüm 12). Yalnızca varyans homojenliği ihlal edildiyse (normallik korunuyorsa) Welch's ANOVA tam parametrik alternatiftir.
5. F İstatistiği ve ANOVA Tablosu
ANOVA tablosu, toplam kareler toplamını (Sum of Squares) gruplar arası ve grup içi bileşenlere ayırır:
Burada SS = kareler toplamı (Sum of Squares), MS = ortalama kareler (Mean Square), df = serbestlik derecesi. dfarası = k−1 (k = grup sayısı), dfiçi = N−k (N = toplam gözlem sayısı).
| Kaynak | SS | df | MS | F |
|---|---|---|---|---|
| Gruplar Arası | SSarası | k−1 | SSarası/dfarası | MSarası/MSiçi |
| Grup İçi (Hata) | SSiçi | N−k | SSiçi/dfiçi | — |
| Toplam | SStoplam | N−1 | — | — |
F değeri 1'e yakınsa gruplar arası ve grup içi varyans benzer büyüklüktedir (fark yok); F büyüdükçe gruplar arası farkın tesadüften kaynaklanma olasılığı azalır.
6. SPSS'te Tek Yönlü ANOVA Adım Adım
Bağımlı değişkeni Dependent List'e, grup değişkenini Factor'a ekleyin
Options → Descriptive ve Homogeneity of variance test işaretleyin
Post Hoc → Tukey veya Games-Howell seçin
→ OK
7. Çıktıyı Yorumlama
ANOVA tablosunda F değeri ve p değerine bakılır:
- p < 0.05 → Gruplar arasında en az bir anlamlı fark var
- p ≥ 0.05 → Gruplar arasında anlamlı fark yok
ANOVA yalnızca "bir fark var" der, hangi gruplar arasında olduğunu söylemez. Bunun için post-hoc testler gereklidir.
8. Post-Hoc Testler: Hangisi Ne Zaman?
| Test | Kullanım Durumu |
|---|---|
| Tukey HSD | Eşit örneklem boyutları, varyans homojen — en yaygın kullanılan |
| Bonferroni | Karşılaştırma sayısı azsa, daha tutucu (konservatif) |
| Games-Howell | Varyanslar homojen değilse (Levene p<0.05) |
| Scheffe | Karmaşık/planlanmamış karşılaştırmalar için, en tutucu |
| Dunnett | Tüm grupları tek bir kontrol grubuyla karşılaştırmak için |
🔷 Tukey HSD kullanın, eğer…
- Levene testi p≥0.05 (varyanslar homojen)
- Grup boyutları birbirine yakınsa
- Tüm ikili karşılaştırmalar ilginizi çekiyorsa
🟩 Games-Howell kullanın, eğer…
- Levene testi p<0.05 (varyanslar heterojen)
- Grup boyutları eşitsizse
- Normallik korunuyor ama varyans homojenliği yoksa
9. Etki Büyüklüğü: Eta-Kare ve Omega-Kare
p-değeri yalnızca "anlamlı mı" sorusuna yanıt verir; farkın büyüklüğünü göstermez. ANOVA'da etki büyüklüğü için eta-kare (η²) veya daha az yanlı bir tahminci olan omega-kare (ω²) raporlanır:
| η² / ω² | Yorum (Cohen, 1988) |
|---|---|
| 0.01 | Küçük etki |
| 0.06 | Orta etki |
| 0.14 | Büyük etki |
η² vs ω²: Eta-kare, örneklem büyüklüğü küçükken popülasyon etki büyüklüğünü sistematik olarak abartma eğilimindedir (pozitif yanlılık). Omega-kare bu yanlılığı düzeltir ve özellikle küçük örneklemlerde (n<30/grup) tercih edilmelidir.
10. Çift Yönlü ANOVA ve Etkileşim Etkisi
Çift yönlü ANOVA üç ayrı F testi üretir: iki ana etki (main effect) ve bir etkileşim etkisi (interaction effect). Etkileşim etkisi, bir faktörün etkisinin diğer faktörün seviyesine göre değişip değişmediğini test eder — genellikle en ilginç ve en çok yanlış yorumlanan sonuçtur.
Kritik kural: Etkileşim etkisi anlamlıysa (p<0.05), ana etkileri doğrudan yorumlamak yanıltıcı olabilir — önce etkileşimi, ardından basit etkileri (simple effects analysis) her bir faktör seviyesinde ayrı ayrı incelemeniz gerekir.
11. Tekrarlı Ölçümler ANOVA ve Sphericity
Tekrarlı ölçümler ANOVA'sında ekstra bir varsayım vardır: sphericity (küresellik) — tüm zaman noktası çiftleri arasındaki fark skorlarının varyansının eşit olması gerekir. Bu, Mauchly's Test ile kontrol edilir.
Sphericity ihlal edilirse: Mauchly testi p<0.05 çıkarsa, F testinin serbestlik dereceleri Greenhouse-Geisser (ihlal ciddiyse) veya Huynh-Feldt (ihlal hafifse) düzeltmesiyle küçültülür ve p-değeri yeniden hesaplanır. SPSS bu düzeltmeleri "Tests of Within-Subjects Effects" tablosunda otomatik sunar.
12. Kruskal-Wallis: Parametrik Olmayan Alternatif
Normallik veya varyans homojenliği ciddi biçimde ihlal edildiğinde, Kruskal-Wallis H testi verileri sıraya (rank) dönüştürerek ortalama yerine medyan bazlı bir karşılaştırma yapar. Anlamlı çıkarsa, hangi grupların farklı olduğunu bulmak için Dunn's testi ile post-hoc karşılaştırma yapılır (Bonferroni düzeltmesiyle).
13. Python ile ANOVA
14. APA Raporlama Örneği
"Tek yönlü ANOVA sonuçlarına göre üç grup arasında istatistiksel olarak anlamlı bir fark bulunmuştur, F(2, 87) = 8.34, p = .001, η² = .16. Tukey post-hoc testi, A grubu ile C grubu arasındaki farkın anlamlı olduğunu ortaya koymuştur (p = .002), ancak A-B ve B-C karşılaştırmaları anlamlı bulunmamıştır (p > .05)."
15. Yaygın Hatalar
- ANOVA anlamlı çıktığında post-hoc yapmadan durmak: ANOVA yalnızca "bir yerde fark var" der; hangi gruplar arasında olduğunu belirlemek post-hoc testler gerektirir.
- Levene testini atlayıp otomatik Tukey kullanmak: Varyanslar homojen değilse Tukey yanıltıcı sonuç verebilir; Games-Howell'e geçilmeli.
- Etkileşim etkisini göz ardı edip ana etkileri yorumlamak: Çift yönlü ANOVA'da etkileşim anlamlıysa, ana etki yorumları basit etkiler analizine dayandırılmalıdır.
- Yalnızca p-değeri raporlayıp etki büyüklüğünü atlamak: Büyük örneklemlerde çok küçük, pratik önemi olmayan farklar bile p<0.05 çıkabilir; η²/ω² olmadan sonuç eksik kalır.
- Tekrarlı ölçümlerde sphericity kontrolünü atlamak: Mauchly testi anlamlıysa düzeltilmemiş F ve p değerleri yanlış sonuca götürebilir.
Kaynaklar
- Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics (4th ed.). SAGE.
- Pallant, J. (2020). SPSS Survival Manual (7th ed.). Open University Press.
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum.
- Mauchly, J. W. (1940). Significance Test for Sphericity of a Normal n-Variate Distribution. The Annals of Mathematical Statistics, 11(2), 204–209.
ANOVA Analizinizi Bize Bırakın
Varsayım kontrolleri, post-hoc testler ve APA formatında raporlama. 24-48 saat içinde teslim.
Hemen Sipariş Ver Teklif Al