Bağımsız mı Bağımlı mı t-Testi? Fark Ne Zaman Önemli?

Bağımsız mı Bağımlı mı t-Testi? Fark Ne Zaman Önemli?

Gruplar arası karşılaştırma yapmak isteyen her araştırmacının karşılaştığı ilk soru şudur: "Acaba bağımsız örneklem (Independent Samples) t-testi mi yapmalıyım, yoksa bağımlı örneklem (Paired Samples) t-testi mi?" Özellikle yüksek lisans öğrencileri veri setlerini kurarken bu iki test arasındaki yapısal farkı sıklıkla karıştırır. Yanlış testi seçmek, sadece p-değerinin hatalı çıkmasına değil, tüm tezin metodolojisinin çökmesine neden olabilir.

Kısa Tanım: İki Testin Mantığı

Bağımsız Örneklem t-Testi: Birbiriyle tamamen ilgisiz, ayrı bireylerden oluşan iki farklı grubun ortalamalarını karşılaştırmak için kullanılır. Bir gruptaki kişinin skoru diğer gruptaki kişiyi hiçbir şekilde etkilemez.

Bağımlı (Eşleştirilmiş) Örneklem t-Testi: Aynı katılımcı grubundan farklı zamanlarda veya farklı durumlarda alınan iki ölçümü (çiftleri) karşılaştırmak için kullanılır. Kişi kendi kendisiyle karşılaştırılır.

Ne Zaman Kullanılır?

Eğer çalışmanızda Kesitsel Tasarım (Cross-sectional) varsa ve katılımcıları iki kategoriye ayırıp (örneğin kontrol ve deney grubu veya kadın ve erkek) belirli bir değişken üzerindeki farklarını arıyorsanız, mutlaka "Bağımsız Örneklem" testini kullanmalısınız.

Buna karşılık, çalışmanızda Boylamsal (Longitudinal) veya Deneysel bir tasarım varsa ve bir gruba eğitim verip öncesindeki ve sonrasındaki durumları gözlemliyorsanız "Bağımlı Örneklem" testini kullanmalısınız.

Örnek Senaryo Tablosu

Tezde Nasıl Yazılır (APA Formatı)

Bağımsız Örneklem: "Kadın katılımcıların algılanan stres düzeyleri (M = 45.2, SD = 8.1), erkek katılımcıların stres düzeylerinden (M = 39.4, SD = 9.3) istatistiksel olarak anlamlı düzeyde daha yüksek bulunmuştur, t(102) = 3.41, p = .001."

Bağımlı Örneklem: "Öğrencilerin eğitim sonrası başarı puanları (M = 85.6, SD = 5.2), eğitim öncesi puanlarına (M = 65.4, SD = 7.1) kıyasla anlamlı düzeyde artış göstermiştir, t(49) = 12.35, p < .001."

Hangi testin verinize uygun olduğunu hesaplamak için → Analizus t-Testi aracını kullanın.

SPSS'te Bağımsız t-Testi Adım Adım

Analyze → Compare Means → Independent-Samples T Test yolunu izleyin. Bağımlı değişkeninizi (test edilecek puan) Test Variable(s) kutusuna, grup değişkeninizi (örn. cinsiyet: 1=Kadın, 2=Erkek) Grouping Variable kutusuna girin. Define Groups'ta grup kodlarını (1 ve 2) belirleyin → OK. Çıktıda önce Levene testini kontrol edin; p > .05 ise "Equal variances assumed" satırını kullanın, p ≤ .05 ise "Equal variances not assumed" (Welch düzeltmesi) satırını kullanın.

SPSS'te Bağımlı t-Testi Adım Adım

Analyze → Compare Means → Paired-Samples T Test yolunu izleyin. İki ölçümü (örn. ön-test ve son-test değişkenlerini) yan yana seçerek Paired Variables listesine ekleyin → OK. Çıktıda Paired Differences bölümündeki Mean (fark ortalaması), Std. Deviation, t, df ve Sig.(2-tailed) değerlerini raporlayın.

Etki Büyüklükleri: İki Test Karşılaştırması

Bağımlı t-testinde Cohen's d genellikle bağımsız t-testindeki d değerinden büyük çıkar; çünkü bireyler arası varyans kontrol altına alınır. Bu nedenle iki tür d değerini doğrudan karşılaştırmak yanıltıcıdır.

Araştırma Tasarımını Doğru Eşleştirmek

Yanlış t-testi seçimi yalnızca p değerini değil, yorumun bütününü etkiler. Kontrol-deney grubu karşılaştırmasında katılımcılar rastgele iki gruba atanmış ve ölçümler eş zamanlı yapılmışsa bağımsız t-testi doğru seçimdir. Aynı kişi üzerinde iki farklı koşul veya iki farklı zaman noktasında ölçüm varsa bağımlı t-testi tek geçerli seçenektir. Karışık tasarımlarda (mixed design) bazı faktörler bağımsız, bazıları bağımlı olabilir; bu durumda karışık ANOVA tercih edilir.

Non-Parametrik Alternatifler

Normallik varsayımı karşılanmadığında iki teste de non-parametrik alternatif mevcuttur:

• Bağımsız t-Testi → Mann-Whitney U Testi
• Bağımlı t-Testi → Wilcoxon İşaretli Sıralar Testi

SPSS'te bu alternatiflere Analyze → Nonparametric Tests → Legacy Dialogs yolundan ulaşılır.

Yanlış Test Seçiminin Sonuçları

Araştırma tasarımına uymayan t-testi seçmek yalnızca p değerini değiştirmekle kalmaz; etki büyüklüğü tahminini ve güven aralıklarını da etkiler. Bağımlı tasarımda bağımsız t-testi uygulamak varyansı şişirerek gücü düşürür ve gerçek bir etkiyi gözden kaçırabilir. Tersine, bağımsız tasarımda bağımlı t-testi uygulamak (yani bireyler arasındaki eşleştirme bulunmadığı hâlde çiftler oluşturmak) analizi temelden geçersiz kılar. Bu nedenle veri toplama aşaması tamamlanmadan tasarımın bağımsız mı bağımlı mı olduğunu kesin biçimde belirleyip veri girişini buna göre yapmak kritik bir ön adımdır.

Bağımlı Tasarımın Güç Avantajı

Bağımlı (eşleştirilmiş) t-testi, bağımsız t-testine kıyasla genellikle daha yüksek istatistiksel güce sahiptir. Bunun nedeni, bireyler arası farklılıkların (bireyden bireye değişen taban puan farkları) hesaplamadan çıkarılmasıdır; bu sayede hata varyansı azalır ve aynı etki büyüklüğünü daha küçük bir örneklemle tespit etmek mümkün hâle gelir. Bu güç avantajı, boylamsal ve müdahale çalışmalarında bağımlı tasarımı tercih etmenin istatistiksel gerekçesini oluşturur. Araştırma sorunuz ön-test/son-test karşılaştırmasına izin veriyorsa bağımlı tasarımı seçmek hem metodolojik hem de pratik açıdan daha verimlidir.

Sonuç: Tasarım Analizi Belirler

Bağımsız ve bağımlı t-testi arasındaki seçim, yalnızca istatistiksel bir karar değil; araştırma tasarımının doğrudan bir yansımasıdır. Veri toplamadan önce hangi t-testinin uygulanacağını belirlemek ve veri girişini bu tasarıma göre yapılandırmak, analizin bütünlüğü açısından kritiktir. Tasarım netleştiğinde doğru test, tek ve açık bir seçenek olarak kendini gösterir; hangi testi kullanacağınızı bilmiyorsanız tasarımınızı yeniden netleştirmeniz gerekiyordur.

Kaynakça:
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage.
Büyüköztürk, Ş. (2018). Sosyal Bilimler İçin Veri Analizi El Kitabı. Pegem Akademi.