BĐLĐMSEL ARAŞTIRMA YÖNTEMLERĐ
1. BĐLĐMSEL ARAŞTIRMA VE ÖZELLĐKLERĐ
Bilimsel araştırma, sistematik veri toplama ve analiz etme sürecidir. Bazı bilimsel araştırmalar, kuram (teori) üretmeyi ya da var olan kuramları sınamayı amaçlamaktadır. Kuram, bir olguyu açıklamaya, kestirmeye ve/veya kontrol etmeye yarayan ilişkili ilkeler bütünüdür. Örneğin, öğrenme olgusunu açıklayan kuramlar arasında bilişsel öğrenme kuramını ve davranışsal öğrenme kuramını sayabiliriz.
Kuram üretmeyi ve/veya sınamayı hedefleyen bilimsel araştırmalara, temel araştırma adı verilmektedir. Yukarıda örnek olarak verilen kuramlardan davranışsal öğrenme kuramındaki ödüllendirme ilkesini sorgulayan bir araştırma, temel araştırma özelliği göstermektedir.
Kuramlar, bilimin yapı taşlarıdır. Kuramlarla ilişkileri çerçevesinde ele aldığımızda bilim, yeni kuramlar üretmeye ve var olan kuramları sınamaya yarayan süreç olarak tanımlanabilir. Çok çeşitli bilim dalları vardır ve bu dallar genel olarak iki grupta toplanmaktadır: fen bilimleri ve sosyal (toplumsal) bilimler. Konumuzu oluşturan sosyal bilimler, toplumsal olayları ve insanların toplumsal yönlerini incelemektedir. Sosyal bilimlerin belli başlıları; antropoloji, eğitim, ekonomi, psikoloji, siyaset bilimi ve sosyolojidir.
Toplumsal olaylar ve insanların toplumsal özellikleri çok karmaşık bir yapıya sahiptir; bu nedenle de, sosyal bilimlerde genellenebilirliği yüksek kuram oluşturmak çok zordur.
Bazı bilimsel araştırmalar uygulamaya yönelik öneriler oluşturmayı amaçlamaktadır. Bu tür bilimsel araştırmalara, uygulamalı araştırma adı verilmektedir. Yukarıda, kuramsal araştırmalara örnek olarak verilen davranışsal öğrenme kuramındaki ödüllendirme ilkesi konusunu, uygulamalı araştırma biçimine şu şekilde dönüştürebiliriz: bir anasınıfında, küçük grup çalışmaları sırasında kullanılan iki farklı ödüllendirme yönteminin etkiliklerinin karşılaştırılması.
2. BĐLĐMSEL ARAŞTIRMALARININ AŞAMALARI
1. Problemi Görme – Gözlem ve Araştırma Konusunun Belirlenmesi 2. Araştırma Problemini Tanımlama
3. Konuyla Đlişkili Kaynakların Taranması 4. Hipotezlerin Yazılması
5. Araştırma Yöntem ve Modelini Belirleme 6. Verilerin Toplanması ve Analizi
7. Araştırmanın Sonuçlandırılması ve Araştırma Raporunun Yazılması
Problemi Görme – Gözlem ve Araştırma Konusunun Belirlenmesi
Bilimsel Yöntem en gerçekçi problem çözme yoludur. Bu çerçevede, problemin tespit süreci de en önemli aşamalardan biri olarak ifade edilebilir. Sağlanan doğru bakış, yani problemin doğru tespit edilmiş olması çözüm için ilk şarttır. Araştırma konusunun doğru tanımlanması sürecinde ilk yapılması gereken, doğru gözlem, değerlendirme ve ardından genel bir inceleme ile kaynak taraması, uzmanlarla görüşme gibi yöntemlerin kullanıldığı değerlendirme işlemidir.
Araştırma Problemini Tanımlama
Konu çerçevesi belirlendikten sonraki aşama, araştırma konusuyla ilgili olarak çözülmek istenen problemi, diğer bir deyişle, araştırma amacını ortaya koymaktır. Problem; kuramlardan, daha önceki araştırmaların bulgularından ve/veya kişisel gözlemlerden yola çıkarak oluşturulabilir.
Örneğin, ‘Araştırma teknikleri dersinde kullanılan örnek araştırma türünün ders öğrenme düzeyi üzerine etkisi ne kadardır?’ şeklinde bir problem ortaya konabilir.
Problem ortaya konduktan sonra, bu problemin önemi de tartışılır. Problem, kuramsal açıdan ve/veya uygulama açısından önemli olmalıdır. Bir araştırma problemi belirlerken, her şeyden önce, problemin araştırılabilir özellikte olmasına dikkat edilmelidir. Araştırılabilirlik, problemin veri toplama ve analiz etme yoluyla incelenebilecek özellikte olmasıdır. Đkinci olarak; problemin araştırmacının araştırma becerileri, kaynaklar, zaman vb. özelliklere uygun olmasına özen gösterilmelidir.
Konuyla Đlişkili Kaynakların Taranması
Problem ortaya konduktan sonra, konuyla ilişkili kaynaklar taranır; elde edilen kuramsal bulgulara ve araştırma bulgularına dayalı bilgiler bir araya getirilerek kaynak taraması yapılır.
Kaynaklar, problemle en az ilişkili olandan en çok ilişkili olana doğru, diğer bir deyişle, genelden özele doğru ele alınmalıdır. Bu çalışma hipotezin yazımı için önemlidir.
Hipotezlerin Yazılması
Hipotez, araştırmacının araştırmaya başlamadan önce, ön gözlemlerden, olayların irdelenmesinden, kaynak incelemeleri ve tecrübelerden yola çıkarak yürütülen tahmin olarak ifade edilebilir.
“Đstatistiksel anlamda hipotez bir veya daha fazla ana kütle hakkında ileri sürülen, doğru ya da yanlış olması mümkün olan iddia veya ifadedir. Hipotez testi bir hipotezin doğruluğundan veya yanlışlığından %100 emin olmak için değil, belli bir ölçüde hatayı içerecek şekilde yapılır. Zaten sınırlı bilgiden verilecek kararda hata payı vardır”. Hipotez kavramı ileride daha detaylı bir şekilde incelenecektir.
Araştırma Yöntem ve Modelini Belirleme
Bu aşamada, araştırmanın türüne göre verilerin nasıl elde edileceği ve bu süreçte uygulanması gereken esaslar bilimsel metotlara oturtulur. Bu çalışma sonunda veri elde etmede kullanılacak yöntem açıkça belirtilir. Ayrıca, verilerin hangi ana kütle içerisinden, hangi yöntemle, ne kadar olacağı gibi veri elde edilecek örneklem grubunun belirlenme süreci de bu çalışma kapsamındadır.
Bu süreçte araştırmanın türü temel kriterdir. Araştırma türleri kendi içerisinde farklı şekillerde sınıflanabilmekle birlikte temel olarak şu şekildedir;
1. Araştırma düzeyine göre
a. Kuram üreten araştırmalar – Temel araştırmalar
b. Teknoloji üreten araştırmalar – Uygulamalı araştırmalar
Temel Araştırmalar: Mevcut bilgi veri tabanını genişletmek ve bilinmeyenleri ortaya çıkarmak amacıyla yapılır.
Uygulamalı Araştırmalar: Đşlemsel türde araştırmalar daha çok Ar-Ge olarak bilinen iyileştirici ve problem çözücü türde araştırmalardır.
2. Araştırmanın amacına göre a. Nedir-nasıldır?
b. Neden?
3. Veri Toplama yöntemine göre a. Anket yöntemi
b. Gözlem yöntemi c. Görüşme yöntemi d. Deney yöntemi e. Tarama yöntemi f. Belgesel tarama g. Bilgi tarama
Verilerin Toplanması ve Analizi a- Veri toplama araçları
• Veri Toplama Aracını Belirleme
• Veri Toplama Aracını Oluşturma
• Veri Toplama Aracını Deneme (Ön Uygulama )
• Geçerlik Çalışmaları(Faktör Analizi) Güvenlik Çalışmaları (Uzman Görüşü Alma) b- Veri toplama
• Belirlenen örneklemden belirlenen bilimsel yöntemleri kullanarak gerekli verilerin toplanması sürecidir.
• Veri toplama için geliştirilen araç kadar veri toplamada kullanılan yöntem de önemlidir.
c- Evren ve örneklem
• Evren: Araştırma sonuçlarının genelleneceği hedef kitle, nüfus veya büyüklüğü ifade eder.
• Örneklem: Hedef kitleyi (evren) temsil özelliğine sahip, bilimsel yöntemlere uygun olarak seçilmiş, araştırmacı tarafından üzerinde çalışılan grubu ifade eder.
Örneklem seçimi;
Hedef kitleyi temsilen örneklem belirleme prosesinin değişik yolları vardır.
Önemli olan husus seçilen örneklemin hedef kitle veya evreni mümkün olduğunca iyi bir şekilde yansıtabilmesidir.
Örneklem türleri;
Eleman Örnekleme:
- Basit tesadüfi örnekleme (Oransız-Kazandibi) - Tabakalı örneklem (Oranlı-Aşure)
Küme Örnekleme:
- Oransız küme örnekleme (Ankara’daki okullar)
- Oranlı küme örnekleme (A.O. Sosyo-ekonomik duruma göre ayrışması) d- Değişken Türleri
• Bağımlı Değişken (Olgu):Veri toplanan kişinin yaş, cinsiyet, milliyet, eğitim, meslek gibi önemli farklılıklarını gösterir.
• Bağımsız Değişken (Yargı): Veri toplanan kişinin bir konu hakkında görüş, kanaat ve değerlendirmelerini gösterir. Araştırmalarda genellikle bağımsız değişkenlerden elde edilen veriler değerlendirilir.
e- Verilerin Analizi (EK: Veri Analizinde Karar Süreçleri)
• Analiz programlarını tanıma ve kullanma.
• Analiz programları ve SPSS.
1. Betimsel ve tarama türü araştırmalarda frekans, yüzde ve aritmetik ortalama gibi genel eğilim ve dağılım ölçüleri kullanılır.
2. Gruplar arası desenlerde bağımlı değişken üzerinde etkisi gözlenecek değişken sayısının tek veya çok olmasına göre t-testi, tek yönlü varyans analizi veya diğer ANOVA ve MANOVA türleri kullanılır.
Araştırmanın Sonuçlandırılması ve Araştırma Raporunun Yazılması
Araştırma planlanan şekilde gerçekleştirildikten sonra, araştırmanın verilerinin analizi sonucunda elde edilen bulgular yazılır ve bu bulguların yorumları yapılır. Bilimsel araştırma sürecinin son aşamasında ise araştırma raporu hazırlanır. Araştırmalar araştırma özeliğine bağlı olarak
değişmekle birlikte genellikle aşağıdaki ana bölümlerden ve çeşitli alt bölümlerden oluşmaktadır.
Son yıllarda en yaygın kullanılan raporlaştırma biçimi şöyledir:
I. GĐRĐŞ Problem
Kaynak Taraması Önem
Hipotezler
II. YÖNTEM – MATERYAL METOD Evren ve Örneklem
Araştırma Modeli
Verilerin Toplanması ve Analizi III. BULGULAR
IV. TARTIŞMA veya SONUÇ VE ÖNERĐLER Bulguların Yorumu
Sınırlılıklar Öneriler
3.
VERĐ ANALĐZĐNDE KARAR SÜREÇLERĐ
Verilerin analizinde araştırma türüne göre, frekans, yüzde ve aritmetik ortalama gibi genel eğilim ve dağılım ölçüleri ile değişkenler arası ilişkilerin sorgulandığı önemlilik testleri çerçevesinde değerlendirme yapılarak araştırmada kullanılacak veri analiz yöntemi belirlenir. Bu bağlamda önemlilik testlerinin bilinmesi ve karar verme sürecindeki etken değişkenlerin yorumlanabilmesi önemlidir.
Temel Kavramlar:
Evren: Bir bilimsel çalışmada bütünü temsil eden toplum
Örneklem: Evreni temsilen çalışmaya alınan deneklerin oluşturduğu az sayıda birey ya da küçük topluluktan oluşan grup
Veri: Deneklere ait özellikler (Grup, yaş, cinsiyet, boy, ağırlık, uyku verimi vb.)
Varyans: Aynı deney üniteleri arasındaki farklılıkların karesi
4. ÖNEMLĐLĐK (HĐPOTEZ) TESTLERĐ
Önemlilik testleri hipotezleri test etmek için yapılır. Bu yüzden bazen önemlilik testi yerine“hipotez testi” de denmektedir.
4.1. Hipotez Testi ile Đlgili Kavramlar 4.1.1.Sıfır hipotezi ve alternatif hipotez Đstatistikte kullanılan iki tür hipotez vardır.
H0 Farksızlık hipotezi, Sıfır hipotezi, H1 Alternatif hipotez, Seçenek hipotez
Test sonucunda Ho kabul edilirse H1 rededilir. Ho red edilirse H1 kabul edilir.
Hipotezler tek yönlü (one-sided) ya da çift yönlü (two-sided) olarak kurulabilir.
Tek yönlü hipoteze örnek;
H0: µ =20 ya da H0: µ =20 H1: µ <20 H1: µ >20 Đki yönlü hipoteze örnek;
H0: µ =20
H1: µ ≠ 20
Đddia her ne olursa olsun sıfır hipotezi her zaman eşitlik olarak yazılacaktır.
4.1.2. I. Tip ve II. tip hatalar
Bir hipotez testi sonucunda iki tip hata yapma riski vardır;
Gerçekte doğru olan bir sıfır hipotezinin reddedilmesidir buna 1. tip hata denir.
Gerçekte yanlış olan bir sıfır hipotezinin kabul edilmesi durumudur buna 2. tip hata denir.
Bir hipotezin gerçekte doğru olup olmadığını bilmek için ana kütlenin tüm elemanlarının ölçüme tabi tutulması gerekir. Bu ise çoğu kez mümkün olmadığından ve ya tavsiye edilmeyen bir yol olduğundan hata yapma riski daima olacaktır.
Hipotez testlerinin daha güvenilir olması için hataların en aza indirilmesi gerekir. Ancak bu kolay bir iş değildir. Böyle durumlarda hangi tip hatanın daha önemli olduğuna karar vermek gerekir.
Örnek: Bir ilacın zehirleme tesiri yapmadığı iddia edilmektedir.
Ho: Đlacın zehirleme tesiri vardır.
1.tip hata: Đlacın zehirleme tesiri var iken Ho reddedildi. Yani ilacın zehirleme tesiri olmadığına karar verildi.
Sonuç: Đlacın zehirleme tesiri yok diye hastaya verildi ve hasta zehirlendi.
2.Tip hata: Đlacın zehirleme tesiri yok iken Ho kabul edilerek ilacın zehirleme tesiri olduğuna karar verildi.
Sonuç: Đlaç hastaya verilmedi zehirleme olmadı. Belki tedavi süresi biraz gecikti.
4.1.3. Önem seviyesi
Yanılma düzeyi / Önemlilik seviyesi, doğru sıfır hipotezinin reddedilmesi (Tip I hata) olup buna α denir ve genellikle 0.05 ve ya 0.01 olarak alınır.
4.1.4. Testin gücü
Bir testin gücü yanlış olan bir H0 hipotezinin reddedilmesi olarak tarif edilir. Yani, Testin gücü=1-p(II. Tip hata)=1- β
Görüldüğü gibi II. Tip hata ihtimali ne kadar küçülürse testin gücü o kadar artar. Örnek hacmi n’nin büyümesi β’nın küçülmesine sebep olacağından, n büyüdükçe testin gücü de artacaktır.
Bazen bir hipotez birden fazla test ile kontrol edilebilir. Bu durumda bu testlerden en güçlüsü tercih edilmelidir.
4.2. Hipotez Testinin Aşamaları
Bir hipotez testi ana hatlarıyla dört aşamada gerçekleştirilir:
1) Sıfır ve alternatif hipotezlerin oluşturulması 2) Test istatistiğinin hesaplanması
3) Karar modelinin kurulması 4) Karar verme
Bu aşamalar aşağıda açıklanmaktadır.
4.2.1. Sıfır ve alternatif hipotezlerin oluşturulması
Aşağıdaki tabloda testin yönüne göre çeşitli ana kütle parametreleri için sıfır ve alternatif hipotezlerin nasıl kuruldukları gösterilmiştir.
Testin yönü Tek yönlü test Parametre
Đki yönlü test
Sağ kuyruk Sol kuyruk
Ortalama(µ) H0: µ= µ0
H1: µ≠ µ0
H0: µ= µ0
H1: µ> µ0
H0: µ= µ0
H1: µ< µ0
Oran(p) H1: p= p0
H1: p≠ p0
H1: p= p0 H1: p> p0
H1: p= p0 H1: p< p0 Ortalamaların farkı(µ1- µ2) H0: µ1= µ2
H1: µ1≠ µ2
H0: µ1= µ2
H1: µ1> µ2
H0: µ1= µ2
H1: µ1< µ2 Oranların farkı(p1-p2) H1: p1= p2
H1: p1≠ p2
H1: p1= p2 H1: p1> p2
H1: p1= p2 H1: p1< p2
* µ0 ve p0 parametrelerin örneklemeden önce farz edilmiş olan spesifik değerleridir.( µ0 =250, p0=250 gibi.)
4.2.2. Test istatistiğinin hesaplanması
Hipotez testinde ikinci adım uygun bir test istatistiğinin seçimi ve hesaplanmasıdır. Bu test istatistiği ana kütleden alınan basit şans örneğinden hesaplanmış istatistik tipidir ve H0 hipotezinin doğru veya yanlış olma ihtimallerinin tespiti için kullanılır.
Her örnek istatistiğinin kendine has bir örnekleme dağılımı vardır. Böyle bir dağılım büyük örnekler için (n≥30 veya np≥5 durumunda) normal dağılıma yaklaştırılabilir. Ana kütle değerlerinin normal dağılım göstermesi durumunda veya ana kütlenin en azından tek modlu ve oldukça simetrik olması halinde, küçük örnekler için, student t (t-testi) dağılımından faydalanılabilir. Böylece örnek istatistiğinin örnekleme dağılımı normale yaklaştırılabiliyorsa test istatistiği olarak Z değeri; student-t değerine yaklaştırılabiliyorsa test istatistiği olarak t değeri alınır. Z veya t değerlerinin hesaplanması ise aşağıdaki genel formülle yapılır.
Z (veya t) = (istatistik-parametre)/standart hata
Örnek istatistiğinin örnekleme dağılımı Z veya t dağılımlarına yaklaştırılamıyorsa, böyle durumlar için özel test istatistiği hesaplama metotları geliştirilmiştir.
4.2.3. Karar modelinin kurulması
Karar modeli test istatistiğinin hesaplanan değerinin hangi bölgeye düşmesi halinde H0
hipotezinin kabul veya reddedileceğini gösteren bir şemadır. Bu şemada H0 hipotezi için “kabul bölgesi” ve “red bölgesi” olmak üzere iki bölge vardır. Test istatistiğinin red bölgesine düşme ihitimali α önem seviyesine eşit, kabul bölgesine düşme ihtimali ise 1-α’ya eşittir.
Kabul ve red bölgelerini ayıran değerlere “kritik değerler” denir. Kritik değerler örnek istatistiğinin dağılış tipine göre özel olarak hazırlanmış tablolardan tespit edilir.
Karar modeli, testin yönüne göre farklı şekilde kurulur. Test iki yönlü ise red bölgesi karar şemasının her iki tarafında da eşit şekilde yer alır. Test tek yönlü ise yani dağılımın sadece bir ucuyla ilgileniliyorsa red bölgesi ya dağılımın sağ ucunda(sağ kuyruk testi) veya dağılımın sol ucunda(sol kuyruk testi) yer alır.
Örnek istatistiğinin normal dağılım göstermesi halinde karar modeli şemaları aşağıdaki gibi gösterilir.
Đki yönlü test için;
Kritik değerler: α=0.05 için ±Zα/2 =±1.96 α=0.01 için ±Zα/2 =±2.58
(Tek yönlü sağ kuyruk testi için)
Kritik değerler: α=0.05 için Zα =±1.645 α=0.01 için Zα =±2.33
(tek yönlü sol kuyruk testi için)
Kritik değerler: α=0.05 için -Zα =±1.645 α=0.01 için -Zα =±2.33
Örnek istatistiğin farklı dağılışa sahip olması veya dağılış şeklinin bilinmemesi durumlarında farklı karar şemaları benzer şekilde kurulabilir.
4.2.4. Karar verme
Testin ikinci aşamasında hesaplanan test istatistiğinin değeri, karar modelindeki kabul bölgesine düşmüş ise H0 hipotezinin α önem seviyesinde kabul edilmesine karar verilir. Bu durumda H1
alternatif hipotezi reddedilmiş olur. Bunun aksi olarak test istatistiği değerinin red bölgelerine düşmesi halinde H0 hipotezi reddedilerek H1 hipotezinin kabul edilmesine α önem seviyesinde karar verilir.
H0 hipotezinin kabul edilmesi anakütle parametresinin gerçek değeri ile sıfır hipotezinde
belirtilen spesifik değer arasındaki farkın istatistiki açıdan “önemsiz” olduğu anlamına gelir. Bu durum sembolik olarak “p>α” şeklinde ifade edilebilir. Benzer şekilde farkın istatistiki açıdan önemli olması durumu ise (H0’ın reddedilmesi durumu) “p<α”şeklinde sembolize edilebilir.
Mesela, α=0.05 önem seviyesinde yapılan bir testte, test istatistiğinin değeri karar modelindeki red bölgesine düşmüş ise bu değerin istatistiki açıdan %5 önem seviyesinde önemli olduğu anlamına gelen p<0.05 ifadesi kullanılır. Yani H0 hipotezinin belirttiği ifadenin gerçekte doğru olması halinde reddedilmesi ihtimalinin 0.05’ten daha küçük olduğu anlaşılır.
Karar vermede özel bir durum vardır. Hesaplanan test istatistiğinin değeri tam kritik değere eşit çıkabilir. Bu durumda ya önem seviyesi değiştirilerek bir karara varılır veya örnek hacmi büyütülerek test yeniden yapılır.
4.3. Uygun Test Seçimi
Bir araştırma için birden fazla uygun istatistiki test olabilir. Böyle bir durumda en rasyonel testi seçmek gerekir. Hangi testin tercih edilmesi yolundaki bir kriter testin gücüdür.
Bir istatistiki testte H0 hipotezi gerçekte doğru iken H0’ın reddedilmesi ihtimali ne kadar küçük olursa, bu testinde o kadar iyi olduğu anlaşılır. Buna paralel olarak H0 yanlışken H0’ın reddedilmesi ihtimalinin büyük olması da testin iyi olduğuna işarettir. A ve B testlerinin her ikisi içinde H0 doğruyken, H0’ın reddedilmesi ihtimalinin aynı olduğunu farz edelim. Bu durumda hangi test için H0 yanlışken red ihtimali fazla ise onu tercih etmek gerekir.
Bununla beraber bir istatistiksel testin seçiminde testin gücünden daha başka kriterler de vardır.
Bunlar içinde anakütleden alınmış örneğe ait skorlar, örneğin alındığı anakütlenin yapısı, değişkenin ölçek veya ölçüm tipleri önemli kriterlerdir. Bu kriterlere göre nasıl seçim yapılması gerektiği aşağıda anlatılacaktır.
4.4. Đstatiksel Model
Anakütlenin yapısı örnekleme usulü belirlenmiş ise bir istatistiksel model tespit edilmiş demektir. Đstatistiksel model ve gerekli ölçek tipi testin önemli iki unsurudur. Bir test ancak belirli şartlar altında geçerlidir ve bu şartları model ve ölçek belirler. Bazen özel bir istatistiksel modelin şartlarının mevcut olup olmadığını test etsek de çoğu zaman bu şartların mevcudiyetini farz ederiz. Đstatistiki modelin bu şartlarına testin faraziyeleri denir. Faraziyeler ne kadar az veya zayıf olursa nihai kararlar o derece genel olur. En güçlü testler en kuvvetli veya en yaygın
faraziyelere sahip olan testlerdir.
Önemlilik testleri en genel anlamda ikiye ayrılır:
1- Parametrik testler
2- Parametrik olmayan testler
• Parametrik testlerde ham veriler üzerinden ortalama, varyans gibi ölçütler elde edilerek işlemler yapılır.
• Parametrik olmayan testlerde ise ham veriler sıralanır ve sıra numaraları verilir.
Đşlemler bu sıra numaraları üzerinden yapılır.
• Ana kütle parametreleri hakkında herhangi faraziyelere dayanmayan testlere Non- parametrik testler denir.
• Parametrik testler, parametrik olmayan testlere göre daha güçlü testlerdir. Fakat kullanılabilmeleri için bazı varsayımların sağlanması gerekir.
Parametrik testlerden t veya F testleri güçlü faraziyeler altında yapılır. Faraziyelerin geçerli olması halinde en güçlü testler parametrik testlerdir. Parametrik istatistiksel model için aşağıdaki şartların sağlanması gerekir.
1. Gözlemler bağımsız olmalı. Yani örneği oluşturmak için ana kütleden alınan birimler önyargısız seçilmelidir. Bir birimin skoru başka birimi etkilememelidir.
2. Gözlemler normal dağılım gösteren bir ana kütleden çekilmiş olmalı.
3. Ana kütle varyansları aynı olmalı(veya özel durumlarda ana kütle varyansları bilinmelidir).
4. (t testi için ayrıca ) Değişkenler en azından bir aralık ölçekte olmalıdır. Böylece skorlar üzerinde aritmetik işlemlerin yapılabilmesi mümkün olacaktır.
5. (F testi için ayrıca ) Normal veya eş varyanslı ana kütlelerin ortalamaları sütun ve/veya satırdan doğan etkilerin doğrusal bileşkeleri olmalıdır. Yani etkiler toplanabilir olmalıdır.
Bu şartlar parametrik istatistiksel modelin elementleridir. Bir istatistiksel analizin performansı yolunda varyansların eşitliği kuramı hariç diğer kuramlar genellikle test edilmez. Aksine onların varlığı kabul edilir. Varlığı kabul edilen bu kuramların doğruluk veya yanlışlıkları parametrik test vasıtasıyla varılan ihtimal ifadesinin anlamlılık veya anlamsızlığını belirler. Bu şartların varlığına inanıldığında verileri analiz etmek için t veya F gibi parametrik bir istatistiksel test seçilmelidir. Böyle bir seçim optimal yani uygun seçimdir. Çünkü H0’ın gerçekte yanlış olması halinde reddedilmesi için en güçlü test parametrik testtir.
Ancak yukarıdaki şartlar gerçekleşmiyorsa ne yapılacak? Yani ana kütle normal dağılıma sahip değilse ve/veya ölçek, bir aralık ölçek kadar güçlü değilse ve/veya ana kütle varyansları eşit değilse ne olur?
Parametrik testlerin faraziyelerinin sağlanmadığı durumlarda istatistiksel bir karara varabilmek için çeşitli non-parametrik testler geliştirilmiştir. Bir non-parametrik istatistiksel test, örneğin alındığı ana kütle parametreleri için özel şartlara ihtiyaç duymaz. Bir çok non-parametrik test gözlemlerin bağımsızlığı ve dağılımın sürekliliği gibi belirli faaliyetlere sahip olmakla beraber bu faraziyeler parametrik testlerdekilere göre daha az ve daha zayıftır. Ayrıca non-parametrik
testler parametrik testler için ihtiyaç duyulduğu kadar güçlü ölçeklere gerek duymaz. Çoğu non- parametrik test zayıf ölçeklerdek i(nominal ve ordinal ölçekler) verilere uygulanır. Non-
parametrik testlerin parametrik testlere göre avantaj ve dezavantajları şu şekilde sıralanabilir:
Avantajlar
1. Ana kütlenin nasıl bir dağılım gösterdiğini bilmek gerekmez.
2. Ana kütle dağılımının şekli kesin olarak bilinmedikçe n=6 kadar küçük örnek hacimleri için non-parametrik testler kullanılır.
3. Birkaç farklı ana kütleden alınmış gözlemlerin bir araya getirilmesiyle oluşturulmuş örnekler üzerinde işlem yapılabilen non-parametrik testler vardır. Bu gibi verileri kullanabilen hiçbir parametrik test yoktur.
4. Sınıflama ve sıralama ölçeklerindeki verilere parametrik testler uygulanamadığı halde non-parametrik testler uygulanabilir.
5. Non-parametrik testler uygulama ve öğrenme bakımından parametrik testlerden daha kolaydır.
Dezavantajları
1. Parametrik istatistiksel testin sağlanması durumunda non-parametrik modelin uygulanması bir kısım verinin israfına ve bilgi kaybına sebep olur.
2. Aynı şartlar altında parametrik test parametrik test, non-parametrik testten daha güçlüdür.
3. Aynı örnekleme için uygulandığında farklı non-parametrik testlerden farklı sonuçlar ortaya çıkabilir.
