p Değeri Nedir, Nasıl Yorumlanır?
p değeri, istatistiğin en çok kullanılan ama en çok yanlış anlaşılan kavramıdır. "p < 0.05 → anlamlı" kuralını ezberlemiş ama arkasındaki mantığı bilmeyen araştırmacılar hem kendi bulgularını yanlış yorumluyor hem de okudukları çalışmaları hatalı değerlendiriyor. Bu rehberde p değerini sıfırdan, tüm boyutlarıyla ele alıyoruz.
1. p Değeri Nedir?
p değerinin resmi tanımı şudur:
gözlemlenen test istatistiği kadar uç veya daha uç bir değer
elde etme olasılığı.
Bu tanım birçok insana soyut gelir. Somutlaştıralım:
Diyelim ki iki grup arasında bir fark olup olmadığını test ediyorsunuz. İki grubun gerçekte aynı olduğunu (H₀: fark yok) varsayıyorsunuz ve bu varsayım altında verilerinizden hesapladığınız test istatistiğini olasılık dağılımında değerlendiriyorsunuz. p değeri, "bu veriler veya daha uç veriler, iki grup gerçekten aynıysa kaç ihtimalle gelirdi?" sorusunun yanıtıdır.
Somut örnek: Bozuk olmayan bir madeni para attınız. 10 atıştan 9 tura geldi. "Para dürüst mü?" sorusunu test ediyorsunuz. p değeri = "Para dürüst olsaydı 10 atışta 9+ tura gelme olasılığı nedir?" sorusunun yanıtıdır. Bu olasılık yaklaşık %01 çıkar → "Bu kadar uç bir sonuç, şans eseri çok nadir gelir; para muhtemelen hileli" diyebiliriz.
p Değeri Ne DEĞİLDİR?
- H₀'ın doğru olma olasılığı değildir.
- Bulgunun tekrarlanabilirlik olasılığı değildir.
- Etkinin büyüklüğünü ölçmez.
- Araştırmanın kalitesini garantilemez.
2. p Değeri Nasıl Hesaplanır?
p değeri doğrudan hesaplanmaz; bir test istatistiği aracılığıyla türetilir. Süreç şu adımlardan oluşur:
- Test istatistiği hesaplanır. Hangi testi kullandığınıza göre t, F, χ², z veya başka bir istatistik elde edersiniz. Bu istatistik, gözlemlenen verinin null hipotezden ne kadar uzakta olduğunu sayısal olarak ifade eder.
- Teorik dağılım belirlenir. H₀ doğruysa test istatistiğinin hangi dağılıma uyacağı bilinir: t-testi → t-dağılımı, ANOVA → F-dağılımı, ki-kare testi → χ²-dağılımı.
- Dağılımda kuyruğa bakılır. Hesaplanan test istatistiğinin teorik dağılımda ne kadar uç kaldığı bulunur. Bu uç bölgenin alanı = p değeri.
Örnek — Bağımsız Örneklem t-Testi:
Grup A ortalaması = 72, Grup B ortalaması = 68, her grupta n = 50.
Hesaplanan t istatistiği = 2.14, serbestlik derecesi = 98.
t-dağılımında t ≥ 2.14 veya t ≤ −2.14 bölgesinin toplam alanı ≈ .035
→ p = .035
Pratikte bu hesaplamayı SPSS, R, Python veya Excel yapar; araştırmacının görevi sonucu doğru yorumlamaktır.
3. Nasıl Yorumlanır? Eşik Değerleri
p değerini yorumlamak için bir anlamlılık düzeyi (α) önceden belirlenir. Sosyal bilimlerde geleneksel standart α = .05'tir.
- p < α → H₀ reddedilir. Sonuç istatistiksel olarak anlamlıdır.
- p ≥ α → H₀ reddedilemez. Yeterli kanıt yok; H₀'ın doğru olduğu kanıtlanmıyor, yalnızca reddedilemiyor.
Kritik not: "H₀ reddedilemez" ifadesi "H₀ doğrudur" anlamına gelmez. Kanıt yetersizliği, yokluğun kanıtı değildir. "Fark bulunamadı" ile "fark yoktur" birbirinden farklı ifadelerdir.
p Değeri Düzeyleri ve Yıldız Sistemi
Farklı Alanlarda Farklı α Eşikleri
α = .05 evrensel değildir. Alan ve bağlama göre farklı eşikler kullanılır:
- Sosyal bilimler: α = .05 (standart)
- Tıp / klinik araştırma: α = .01 veya .05 (risk büyüklüğüne göre)
- Çok sayıda test yapıldığında (çoklu karşılaştırma): Bonferroni düzeltmesi: α / test sayısı
- Fizik (parçacık fiziği): "5 sigma" → p < 0.0000003
- Keşifsel / ön çalışma: Zaman zaman α = .10 kullanılır
4. Tek Kuyruklu ve Çift Kuyruklu Test
Hipotezinizin yönlü olup olmadığına göre farklı p değeri hesaplamaları kullanılır.
| Test Türü | H₁ Örneği | p Hesabı | Ne Zaman? |
|---|---|---|---|
| Çift Kuyruklu (Two-tailed) | A ≠ B (yön belirtilmez) | Her iki kuyruğun alanı toplanır | Araştırmacı yönü bilmiyorsa — akademik çalışmalarda varsayılan |
| Tek Kuyruklu (One-tailed) | A > B veya A < B (yön önceden belirlenir) | Yalnızca bir kuyruğun alanı | Teorik gerekçe güçse ve yön önceden hipotezde belirtildiyse |
Tek kuyruklu testi sonuçları görünce seçmeyin. Çift kuyruklu test p = .07 verdiyse, "aslında yönlü bakacaktım" deyip tek kuyrukluya geçip p = .035 elde etmek ciddi bir metodolojik hatadır (p-hacking). Yön hipotezi veri toplanmadan önce belirlenmeli ve gerekçelendirilmelidir.
5. Yaygın Yanlış Anlamalar
2016 yılında Amerikan İstatistik Derneği (ASA), p değerinin ne olmadığını açıklayan resmi bir bildiri yayımladı. Çünkü bu kavramın yanlış anlaşılması akademik literatürde büyük sorunlara yol açmaktadır. İşte en yaygın beş hata:
"p = 0.03 → H₀'ın doğru olma olasılığı %3'tür."
p değeri, H₀'ın doğru olma olasılığını vermez. Bu hesaplama için Bayes teoremi ve önsel olasılık (prior) gerekir. p değeri, H₀ doğruysa bu verinin gelme olasılığını verir — H₀'ın kendisinin doğruluk olasılığını değil. Bu iki şey matematiksel olarak birbirinden tamamen farklıdır.
Doğrusu: "H₀ doğru olsaydı bu kadar uç bir veri rastlantıyla elde etme olasılığı %3'tür."
"p < 0.05 → büyük ve önemli bir etki var."
p değeri etkinin büyüklüğünü ölçmez; yalnızca rastlantıyla açıklanıp açıklanamayacağını söyler. 50.000 kişilik bir örneklemde iki grubun boy ortalaması 0.2 cm farklı olsa bile p < .001 çıkar. Bu istatistiksel olarak "anlamlı" ama pratikte anlamsız bir farktır.
Doğrusu: Etki büyüklüğü için Cohen's d, η² veya r kullanılır. p ve etki büyüklüğü birlikte raporlanmalıdır.
"p = 0.06 → hiç etki yok, tamamen anlamsız."
p = .049 ile p = .051 arasındaki fark matematiksel olarak minimumdur; ikisi de H₀'a karşı eşit güçte kanıt sunar. Ama araştırmacılar sıklıkla birine "anlamlı", diğerine "anlamsız" der. 0.05 eşiği bir doğa yasası değil, bilim camiasının tarihsel olarak benimsediği bir konvansiyondur.
Doğrusu: p = .06 "p < .05'e yaklaştı ama ulaşmadı" diye raporlanabilir; etki büyüklüğü ve güven aralığıyla desteklenmeli.
"p < 0.05 → sonuç tekrarlanacaktır."
p değeri tekrarlanabilirliği garanti etmez. α = .05 seçildiğinde, H₀ doğruyken bile 20 denemede bir kez yanlış pozitif (Tip I hata) beklenir. Tekrarlanabilirlik krizi tam da bu yüzden ortaya çıktı: birçok alanda p < .05 çıkmış bulgular, bağımsız laboratuvarlarda tekrarlanamadı.
Doğrusu: Tekrarlanabilirlik; çoğaltma çalışmaları (replication), geniş örneklem ve şeffaf veri paylaşımıyla sağlanır. p değeri tek başına yeterli değildir.
"p = 0.000 → kesin kanıt."
SPSS çıktısında gördüğünüz "p = .000", p'nin tam olarak sıfır olduğu anlamına gelmez; yalnızca SPSS'in üç ondalık basamakta gösterebildiğinden daha küçük bir değer olduğunu ifade eder. Bunun yerine APA standardına göre "p < .001" yazılır. Ayrıca p ne kadar küçük olursa olsun, yanlış hipotez kurulduysa veya ölçüm hatalıysa "kesin kanıt" söz konusu olmaz.
Doğrusu: SPSS'te "Sig. = .000" görünce raporunuzda "p < .001" yazın.
6. p Değeri ve Örneklem Büyüklüğü
p değeri, örneklem büyüklüğünden doğrudan etkilenir. Bu ilişki anlaşılmadan p değerleri yanlış yorumlanır.
| Durum | Etki | Sonuç |
|---|---|---|
| Çok küçük örneklem (n < 30) | Gerçek olsa bile | p büyük çıkar, etki "anlamsız" görünür → Tip II hata riski yüksek |
| Orta büyüklükte örneklem | Anlamlı etkiler | p ve etki büyüklüğü uyumlu sonuç verir |
| Çok büyük örneklem (n > 5000) | Her fark | p çok küçük çıkar, pratikte önemsiz farklar bile "anlamlı" → Etki büyüklüğü zorunlu |
Kural: n büyüdükçe p küçülür. Bu yüzden büyük veri setlerinde p değerinden çok etki büyüklüğüne odaklanın. Küçük örneklemlerde ise p > .05 çıkması "etki yok" anlamına gelmeyebilir — istatistiksel güç yetersiz olabilir.
İstatistiksel Güç (Power)
İstatistiksel güç (1 − β), gerçek bir etkiyi tespit etme olasılığıdır. Sosyal bilimlerde %80 güç standart hedef olarak kabul edilir. Güç analizi, çalışmayı planlamadan önce kaç katılımcı gerektiğini hesaplar — p değeri anlamlı çıkmazsa bunun "güç yetersizliğinden mi, gerçekten etki olmadığından mı" kaynaklandığını anlamak için elzemdir.
7. İstatistiksel Anlamlılık ≠ Pratik Anlamlılık
İstatistiksel anlamlılık "bu fark rastlantı değil" der; pratik anlamlılık "bu fark önemli mi?" sorusunu yanıtlar. İkisi çoğu zaman örtüşmez.
Gerçek dünyadan örnek:
Bir diyet programı değerlendiriliyor. 10.000 kişilik örneklemde kontrol grubu ile diyet grubu arasındaki kilo farkı: 0.3 kg.
t(9998) = 4.21, p < .001 → İstatistiksel olarak anlamlı.
Ama 0.3 kg kilo kaybı klinik açıdan anlamlı mı? Hayır. Bu diyet programı "işe yaramıyor" demek daha doğru.
Tersine, küçük örneklemde etki büyük ama p > .05 çıkabilir:
Örnek:
Yeni bir eğitim yöntemi 20 öğrencide test edildi. Kontrol grubuna göre sınav puanı 12 puan daha yüksek.
t(18) = 1.88, p = .076 → İstatistiksel olarak anlamlı değil.
Ama 12 puanlık fark eğitim açısından çok önemli. Örneklem büyütülse sonuç anlamlı çıkabilir.
8. Etki Büyüklüğü ile Birlikte Kullanım
Modern araştırmalarda p değeri, etki büyüklüğü ölçütleriyle birlikte raporlanması beklenir. En yaygın etki büyüklüğü ölçütleri:
| Ölçüt | Kullanıldığı Test | Küçük | Orta | Büyük |
|---|---|---|---|---|
| Cohen's d | t-testi | 0.20 | 0.50 | 0.80 |
| η² (Eta-kare) | ANOVA | .01 | .06 | .14 |
| r (Korelasyon) | Korelasyon | .10 | .30 | .50 |
| Cramér's V | Ki-Kare | .10 | .30 | .50 |
| Odds Ratio | Lojistik regresyon | 1.5 | 2.5 | 4.0 |
Altın kural: p değeri "anlamlı mı?" sorusunu, etki büyüklüğü "ne kadar büyük?" sorusunu yanıtlar. İkisini birlikte raporlamak hem akademik standart hem de okuyucu için çok daha bilgilendiricidir.
9. Güven Aralığı ile İlişki
%95 güven aralığı (CI) ile p değeri birbiriyle doğrudan ilişkilidir:
- İki grubun ortalaması karşılaştırılıyorsa ve farkın %95 CI'si sıfırı kapsamıyorsa → p < .05
- CI sıfırı kapsıyorsa → p ≥ .05
- Korelasyon için: CI sıfırı kapsamıyorsa r anlamlıdır.
- Odds ratio için: CI 1'i kapsamıyorsa OR anlamlıdır.
Güven aralığı, p değerine kıyasla çok daha fazla bilgi verir: hem anlamlılığı hem de etkinin olası aralığını gösterir. Bu yüzden APA 7. baskısı ve pek çok dergi artık güven aralığı raporlanmasını zorunlu tutuyor.
10. SPSS'te p Değeri Nerede Bulunur?
SPSS çıktılarında p değeri "Sig." veya "Asymp. Sig." sütununda gösterilir. Her test için konumu farklıdır:
Çıktı: Independent Samples Test tablosu
Sütun: Sig. (2-tailed)
Not: Önce Levene testi Sig.'e bakın. Sig. > .05 ise "Equal variances assumed" satırını kullanın.
Çıktı: ANOVA tablosu
Sütun: Sig. (Between Groups satırında)
Çıktı: Chi-Square Tests tablosu
Sütun: Asymp. Sig. (2-sided) — Pearson Chi-Square satırında
Çıktı: Correlations tablosu
Sütun: Sig. (2-tailed) — her değişken çifti için ayrı hücrede
İki ayrı p değeri bulunur:
1. ANOVA tablosu → Sig.: Modelin bir bütün olarak anlamlılığı
2. Coefficients tablosu → Sig.: Her bağımsız değişkenin ayrı anlamlılığı
SPSS'te "Sig. = .000" görünce: Bu p'nin sıfır olduğu anlamına gelmiyor; yalnızca .000'den küçük. Raporunuzda p < .001 yazın.
11. APA Formatında p Değeri Raporlama
APA 7. baskısına göre p değeri raporlama kuralları:
| Kural | Yanlış | Doğru |
|---|---|---|
| Küçük harf, italik | P = .05, p=.05 | p = .05 |
| .001'den küçük değerler | p = .000, p = 0.0002 | p < .001 |
| Sıfır öneki kullanılmaz | p = 0.043 | p = .043 |
| Tam değer (mümkünse) | p < .05 | p = .032 (tam değer verilmeli) |
Tam Raporlama Örnekleri
t-Testi: t(48) = 2.34, p = .023, d = 0.67
ANOVA: F(2, 147) = 8.12, p < .001, η² = .10
Ki-Kare: χ²(1) = 5.89, p = .015, V = .24
Korelasyon: r(98) = .41, p < .001
Regresyon (tüm model): F(3, 196) = 14.3, p < .001, R² = .18
Regresyon (tek değişken): B = 0.42, SE = 0.11, β = .31, t = 3.82, p < .001
12. Hızlı Referans Tablosu
| p Değeri | Anlamlılık | Yorum | Raporda |
|---|---|---|---|
| p ≥ .05 | Anlamlı değil (ns) | H₀ reddedilemez; yeterli kanıt yok | p = .XX |
| .01 ≤ p < .05 | Anlamlı (*) | H₀ reddedilir; zayıf-orta kanıt | p = .0X |
| .001 ≤ p < .01 | Yüksek anlamlı (**) | H₀ reddedilir; güçlü kanıt | p = .00X |
| p < .001 | Çok yüksek anlamlı (***) | H₀ reddedilir; çok güçlü kanıt | p < .001 |
13. p Değerinin Eleştirisi ve Geleceği
2016 yılında ASA, p değerinin yanlış kullanımına ilişkin altı ilke yayımladı. 2019'da Nature dergisinde 800'den fazla bilim insanı "istatistiksel anlamlılık" teriminin kullanımdan kaldırılması için çağrıda bulundu. Bu tartışmaların temelinde şu sorunlar yatıyor:
- p-hacking: Araştırmacılar p < .05 çıkana kadar veriyi farklı şekillerde analiz ediyor.
- Publication bias: Anlamlı sonuçlar yayımlanıyor, anlamlı olmayanlar "dosya çekmecesinde" kalıyor.
- Yanlış genelleme: "Anlamlı değil" ile "etki yok" eş tutulduğunda yanlış klinik kararlar alınıyor.
- Mekanik kullanım: "p < .05 → bitti, yayımla" anlayışı araştırma kalitesini düşürüyor.
Alternatifler ve Tamamlayıcılar
- Güven aralıkları: Etki büyüklüğünün olası aralığını gösterir; p değerinden daha bilgilendirici.
- Etki büyüklüğü ölçütleri: Cohen's d, η², r — pratik anlamlılığı değerlendirir.
- Bayes faktörü: H₀'a karşı H₁'in göreli kanıt gücünü verir; "H₀ olası mı?" sorusuna daha doğrudan yanıt verir.
- Çoğaltma çalışmaları: En güvenilir kanıt; bağımsız örneklemde aynı bulgunun tekrarlanması.
Pratik tavsiye: p değerini kullanmaya devam edin — standart olmaya devam ediyor. Ama her zaman etki büyüklüğü ve güven aralığıyla birlikte raporlayın. "p = .032, d = 0.21 (küçük etki)" yazmak "p = .032" yazmaktan çok daha dürüst ve bilgilendirici bir bulgudur.
Tezinizde p Değerini Doğru Yorumlamak İster misiniz?
SPSS çıktılarını yorumlamakta zorlananlar için uzman destek. Analiz seçimi, sonuç yorumu ve APA raporlama bir arada.
Ücretsiz Danışmanlık AlınKaynaklar
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: context, process, and purpose. The American Statistician, 70(2), 129–133.
- Amrhein, V., Greenland, S., & McShane, B. (2019). Scientists rise up against statistical significance. Nature, 567, 305–307.
- Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5. Baskı). SAGE.
- Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155–159.
- American Psychological Association. (2020). Publication Manual of the APA (7. Baskı).