Post Hoc Testleri: Tukey, Games-Howell ve Dunn

Basira Editör Ekibi · · 11 dk okuma · Güncellendi: 17 Kasım 2026 · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım

Aa Yazı boyutu
Yazı boyutu

Anahtar çıkarımlar

  • Post hoc testleri, üç ya da daha fazla grubu karşılaştıran bir testin ardından hangi grup çiftlerinin farklı olduğunu gösterir ve çok sayıda karşılaştırmanın şişirdiği birinci tür hata oranını denetler.
  • Welch ANOVA'nın ardından varsayılan yöntem Games-Howell'dir: her çifti yalnız o iki grubun varyansıyla değerlendirir. Tukey HSD bütün grupların varyansının eşit olduğunu varsayar.
  • Kruskal-Wallis H testinin ardından Dunn testi kullanılır; p değerleri Bonferroni ya da Holm ile düzeltilir ve hangi düzeltme kullanıldıysa raporda adıyla yazılır.
  • Varyanslar ve grup büyüklükleri birlikte farklıyken Tukey ile Games-Howell ters sonuç verebilir. Yöntem Levene sonucuna bakılarak değil, analiz planında baştan seçilir.

İçindekiler

İçindekiler

Post hoc testleri, üç ya da daha fazla grubu karşılaştıran bir analizin ardından hangi grup çiftlerinin birbirinden farklı olduğunu gösteren ikili karşılaştırma yöntemleridir. Çok sayıda karşılaştırmanın şişirdiği birinci tür hata oranını denetlerler. Welch ANOVA’dan sonra Games-Howell, Kruskal-Wallis H testinden sonra Dunn testi kullanılır; Tukey HSD ise varyansların eşit olduğunu varsayar.

Post hoc testi nedir?

Tek yönlü varyans analizi ve Kruskal-Wallis H testi gibi testler bütün grupları tek bir soruyla sınar: grupların hepsi aynı mı? Bu omnibus (genel) test anlamlı çıkarsa yalnız en az bir grubun ötekilerden farklı olduğu söylenebilir; hangi grupların farklı olduğu söylenemez. Post hoc testleri bu ikinci soruyu yanıtlar. Latince “bundan sonra” anlamına gelen ad, hangi karşılaştırmaların yapılacağına veriye bakıldıktan sonra, çoğu zaman da omnibus testin ardından karar verildiğini anlatır.

Post hoc karşılaştırmalar planlı karşılaştırmalardan ayrılır. Planlı (a priori) karşılaştırmada araştırmacı, veri toplanmadan önce hipotezinden çıkan az sayıda çifti belirler; örneğin iki yeni yöntemin her birini yalnız kontrol grubuyla karşılaştırır. Post hoc yaklaşımda bütün çiftler karşılaştırılır ve karşılaştırma sayısı arttıkça düzeltme de sıkılaşır. Hangi karşılaştırmaların yapılacağı, hipotezlerin yazıldığı aşamada analiz planına girer.

Omnibus testlerin kendisi (formülleri, varsayımları ve raporlanması) tek yönlü varyans analizi ve Kruskal-Wallis H testi yazılarındadır. Bu yazı yalnız onların ardından gelen ikili karşılaştırmaları ele alır.

Çoklu karşılaştırma sorunu: aile boyu hata oranı nedir?

Her karşılaştırma α = .05 ile yapılırsa, tek bir testte birinci tür hata olasılığı %5’tir. k grupta karşılaştırılabilecek çift sayısı m = k(k − 1) / 2’dir. En az bir yanlış anlamlı sonuç bulma olasılığı, yani aile boyu hata oranı, m arttıkça hızla büyür. Testleri birbirinden bağımsız sayan yaklaşık hesap şöyledir:

αaile=1−(1−α)m\alpha_{\text{aile}} = 1 - (1 - \alpha)^m
m=k(k−1)2m = \frac{k(k - 1)}{2}
Grup sayısı (k)İkili karşılaştırma sayısı (m)Düzeltmesiz aile boyu hata oranı (yaklaşık)
33.14
46.26
510.40
615.54

Post hoc testleri bu oranı seçilen α düzeyinde tutar. Bunu iki yoldan yaparlar. Tukey ve Games-Howell bütün çiftleri birlikte değerlendiren studentize aralık (studentized range) dağılımını kullanır. Dunn testi ise her çift için ayrı bir p değeri hesaplar; bu p değerleri Bonferroni ya da Holm gibi bir düzeltmeyle karşılaştırma sayısına göre büyütülür.

Hangi post hoc testi ne zaman kullanılır?

Post hoc testi, önündeki omnibus testle birlikte seçilir. Varsayılan yol parametriktir: üç ya da daha fazla bağımsız grupta Welch ANOVA, ardından Games-Howell karşılaştırmaları. Parametrik olmayan yol yalnız iki durumda birincildir:

  • bağımlı değişken sıralıysa (sıralı olarak tanımlanmışsa ya da tanım yoksa en çok 7 farklı tam sayı alıyorsa);
  • bir grup belirgin biçimde normal dışıysa: ∣c¸arpıklık∣>2{|\text{çarpıklık}| > 2} ya da ∣fazla basıklık∣>7{|\text{fazla basıklık}| > 7} (yanlılığı düzeltilmiş G1 ve G2; West vd., 1995).

Bu iki durumda Kruskal-Wallis H testi ve Dunn testi kullanılır. Hangi yol birincil olursa olsun öteki yol duyarlılık analizi olarak raporlanır; gerekçesi parametrik ve parametrik olmayan testler yazısındadır.

Omnibus testPost hoc testi (hata denetimi; karşılaştırılan çiftler)
Welch ANOVA (varsayılan)Games-Howell (studentize aralık dağılımı; her çift için ayrı Welch serbestlik derecesi); karşılaştırılan çiftler: bütün çiftler
Klasik F; varyans eşitliği desenle ya da önceki çalışmalarla baştan gerekçelendirilmişTukey HSD; grup büyüklükleri farklıysa Tukey-Kramer (studentize aralık dağılımı; havuzlanmış varyans); karşılaştırılan çiftler: bütün çiftler
Welch ANOVAWelch t-testleri (Holm ya da Bonferroni düzeltmesi); karşılaştırılan çiftler: yalnız kontrol grubuyla ya da önceden planlanmış birkaç çift
Klasik F; varyans eşitliği baştan gerekçelendirilmişDunnett testi (kontrol grubuyla karşılaştırmaya özgü dağılım); karşılaştırılan çiftler: yalnız kontrol grubuyla
Kruskal-Wallis H testiDunn testi (Bonferroni ya da Holm düzeltmesi; yöntem raporda yazılır); karşılaştırılan çiftler: bütün çiftler
Friedman testi ya da tekrarlı ölçümler ANOVAEşleştirilmiş ikili karşılaştırmalar (Bonferroni ya da Holm düzeltmesi); karşılaştırılan çiftler: aynı kişilerin ölçümleri

Dikkat

Levene testine bakıp sonucuna göre Tukey ile Games-Howell arasında seçim yapmak önerilmez. Varyans eşitliği testleri gerçekte var olan farkları çoğu zaman yakalayamaz ve bu iki aşamalı yol hata oranlarını bozar; bu iki örneklemli t-testinde gösterilmiştir (Zimmerman, 2004), çok gruplu ANOVA için de savunulur (Delacre vd., 2019). Levene testi yine de raporlanır, çünkü grupların yayılımının farklı olması kendi başına bir bulgudur; ayrıntı varyans homojenliği yazısındadır.

Tukey HSD testi nasıl çalışır?

Tukey’nin “dürüstçe anlamlı fark” (honestly significant difference, HSD) yöntemini 1953 tarihli, yayımlanmamış bir çalışmasında önerdiği bilinir (Benjamini ve Braun, 2002). Yöntem her çiftin ortalama farkını, bütün grupların havuzlanmış grup içi varyansıyla, yani ANOVA tablosundaki grup içi kareler ortalaması KOic¸iKO_{\text{içi}} ile ölçeklendirir:

q=∣xˉi−xˉj∣KOic¸i2(1ni+1nj)q = \frac{|\bar{x}_i - \bar{x}_j|}{\sqrt{\dfrac{KO_{\text{içi}}}{2}\left(\dfrac{1}{n_i} + \dfrac{1}{n_j}\right)}}

Burada xˉi\bar{x}_i ve xˉj\bar{x}_j karşılaştırılan iki grubun ortalaması, nin_i ve njn_j bu iki grubun büyüklüğü, N toplam gözlem sayısıdır.

q değeri, k grup ve N − k serbestlik dereceli studentize aralık dağılımıyla karşılaştırılır. Grup büyüklükleri eşitse payda KOic¸i/n\sqrt{KO_{\text{içi}} / n} olur ve bu Tukey’nin özgün biçimidir. Grup büyüklükleri farklıysa yukarıdaki biçim kullanılır; buna Tukey-Kramer yöntemi denir (Kramer, 1956).

Tukey’nin varsayımı bütün grupların kitle varyansının eşit olmasıdır. Havuzlanmış varyans kalabalık grupların varyansına daha çok ağırlık verir.

  • Küçük bir grubun varyansı ötekilerden belirgin biçimde büyükse, o grubu içeren çiftlerin standart hatası küçük tahmin edilir ve test gereğinden kolay anlamlı sonuç verir.
  • Aynı büyük varyans havuza karışınca öteki çiftlerin standart hatası şişer ve gerçek bir fark gizlenebilir.

Aşağıdaki çözümlü örnekte ikisi birden görülür.

Games-Howell testi neden varsayılandır?

Games ve Howell (1976), grup büyüklüklerinin ve varyanslarının eşit olmadığı durumlar için ikili karşılaştırma yöntemlerini Monte Carlo benzetimiyle karşılaştırmış ve her çifti yalnız kendi iki grubunun varyansıyla değerlendiren bu yöntemi önermiştir. Her çift için bir Welch t-testinin studentize aralık dağılımına taşınmış biçimidir:

q=∣xˉi−xˉj∣12(si2ni+sj2nj)q = \frac{|\bar{x}_i - \bar{x}_j|}{\sqrt{\dfrac{1}{2}\left(\dfrac{s_i^2}{n_i} + \dfrac{s_j^2}{n_j}\right)}}

Burada si2s_i^2 ve sj2s_j^2 iki grubun örneklem varyansıdır. Serbestlik derecesi her çift için ayrı hesaplanır (Welch-Satterthwaite yaklaşımı):

ν=(si2/ni+sj2/nj)2(si2/ni)2ni−1+(sj2/nj)2nj−1\nu = \frac{\left(s_i^2 / n_i + s_j^2 / n_j\right)^2}{\dfrac{(s_i^2 / n_i)^2}{n_i - 1} + \dfrac{(s_j^2 / n_j)^2}{n_j - 1}}

q değeri k grup ve ν serbestlik dereceli studentize aralık dağılımıyla karşılaştırılır. Varyanslar eşitken Games-Howell ile Tukey yakın sonuç verir; eşit değilken Games-Howell her çiftin belirsizliğini o çiftin kendi verisinden ölçer. Delacre vd. (2019) omnibus testte Welch ANOVA’nın varsayılan olarak kullanılmasını önerir; Games-Howell aynı yaklaşımı, yani varyansların eşit olmasını gerektirmeyen yapıyı, ikili karşılaştırmalara taşır.

Dunn testi nedir, hangi düzeltmeyle raporlanır?

Dunn (1964) testi, Kruskal-Wallis H testinin bütün gözlemleri birlikte sıralamasıyla elde edilen Rˉ\bar{R} sıra ortalamalarını çift çift karşılaştırır. N toplam gözlem sayısıdır:

z=Rˉi−RˉjN(N+1)12(1ni+1nj)z = \frac{\bar{R}_i - \bar{R}_j}{\sqrt{\dfrac{N(N + 1)}{12}\left(\dfrac{1}{n_i} + \dfrac{1}{n_j}\right)}}

z standart normal dağılımla karşılaştırılır; bağlı sıralar varsa paydadaki varyans küçük bir düzeltmeyle azaltılır. Dunn testi, her çifti ayrıca yeniden sıralayan ikili Mann-Whitney U testlerinden bu yönüyle ayrılır: bütün karşılaştırmalar Kruskal-Wallis’in kullandığı aynı sıralamaya dayanır.

Dunn testinin p değerleri ayrıca düzeltilir. Bonferroni düzeltmesinde her p değeri karşılaştırma sayısıyla çarpılır ve 1’i aşan sonuç 1 olarak yazılır:

pBonf=min⁡(m⋅p, 1)p_{\text{Bonf}} = \min(m \cdot p,\ 1)

Holm (1979) düzeltmesinde p değerleri küçükten büyüğe sıralanır. En küçüğü α / m ile, ikincisi α / (m − 1) ile karşılaştırılır ve ilk anlamsız sonuçta durulur; ondan büyük p değerlerinin hiçbiri anlamlı sayılmaz:

p(i)≤αm−i+1p_{(i)} \le \frac{\alpha}{m - i + 1}

Burada p(i)p_{(i)}, küçükten büyüğe sıralanmış p değerlerinin i’incisidir. Holm, aile boyu hata oranını Bonferroni kadar sıkı denetler ve her zaman en az onun kadar güçlüdür; bu yüzden çoğu durumda Bonferroni’ye tercih edilir.

Dikkat

Hangisi kullanılırsa kullanılsın düzeltme raporda adıyla yazılır: “Dunn testi” ifadesi tek başına okura p değerlerinin nasıl düzeltildiğini söylemez.

Dunn testinin birincil olduğu tipik durum, sıralı bir bağımlı değişkendir; örneğin tek bir Likert ölçeği maddesinde üç ya da daha fazla grubun karşılaştırılması.

Çözümlü örnek: üç ders biçiminde sınav puanı

Bir dil okulu, aynı kurun üç biçiminde okuyan öğrencilerin kur sonu sınav puanlarını (0–100) karşılaştırıyor: yüz yüze (22 öğrenci), karma (14 öğrenci) ve tamamen çevrim içi (10 öğrenci). Öğrenciler ders biçimini kendileri seçmiş. Grup büyüklükleri farklı; çevrim içi grupta puanlar çok daha dağınık: bazı öğrenciler çok yüksek, bazıları düşük puan almış. Veri öğretici amaçla hazırlanmıştır; aşağıdan indirip aynı analizi kendiniz yapabilirsiniz.

Bir dil okulunda üç ders biçiminde kur sonu sınav puanı: Welch ANOVA, Games-Howell ve Tukey-Kramer (öğretici veri; 22 yüz yüze, 14 karma, 10 çevrim içi öğrenci)
Gruplara göre veri noktaları ve ortancalar Bir dil okulunda üç ders biçiminde kur sonu sınav puanı: Welch ANOVA, Games-Howell ve Tukey-Kramer (öğretici veri; 22 yüz yüze, 14 karma, 10 çevrim içi öğrenci) 50 60 70 80 90 100 yuz_yuzekarmacevrim_ici Sınav puanı (0–100) yuz_yuze: 68yuz_yuze: 72yuz_yuze: 65yuz_yuze: 74yuz_yuze: 70yuz_yuze: 63yuz_yuze: 77yuz_yuze: 71yuz_yuze: 69yuz_yuze: 66yuz_yuze: 75yuz_yuze: 70yuz_yuze: 62yuz_yuze: 73yuz_yuze: 68yuz_yuze: 79yuz_yuze: 67yuz_yuze: 71yuz_yuze: 64yuz_yuze: 72yuz_yuze: 76yuz_yuze: 69karma: 74karma: 81karma: 70karma: 77karma: 85karma: 72karma: 79karma: 68karma: 76karma: 83karma: 73karma: 78karma: 66karma: 82cevrim_ici: 58cevrim_ici: 95cevrim_ici: 71cevrim_ici: 88cevrim_ici: 64cevrim_ici: 99cevrim_ici: 82cevrim_ici: 60cevrim_ici: 93cevrim_ici: 80 Ortanca 70Ortanca 76.5Ortanca 81
yuz_yuzekarmacevrim_ici
687458
728195
657071
747788
708564
637299
777982
716860
697693
668380
7573
7078

İlk 12 satır (toplam 22) · Bu örnekteki tüm sayılar SciPy 1.16.3 ve statsmodels 0.14.6 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)

Grupların betimsel istatistikleri Tablo 1’dedir.

Tablo 1

Ders Biçimine Göre Sınav Puanlarının Betimsel İstatistikleri

GrupnOrtalamaStandart sapma (SS)
Yüz yüze2270.054.55
Karma1476.005.78
Çevrim içi1079.0015.03

Puanlar sürekli bir ölçümdür ve hiçbir grubun çarpıklığı ya da basıklığı belirgin normal dışılık eşiğine yaklaşmıyor. Bu yüzden birincil analiz Welch ANOVA ve Games-Howell karşılaştırmalarıdır. Shapiro-Wilk testi de belirgin bir sapma göstermiyor (yüz yüze p = .988, karma p = .949, çevrim içi p = .418); test raporlanır ama seçimi belirlemez.

Grupların yayılımı belirgin biçimde farklı; bunu ortalamaya göre merkezlenmiş Levene testi gösteriyor (Levene F(2, 43) = 17.49, p < .001; ortancaya göre merkezlenen sürüm biraz farklı bir değer verir). Bu sonuç test seçimini değiştirmez; yalnız Tukey’nin eşit varyans varsayımının bu veride karşılanmadığını betimler. Omnibus sonuçlar:

  • Welch F(2, 17.82) = 6.23, p = .009
  • Etki büyüklüğü η² = .18 (klasik ANOVA tablosundaki kareler toplamlarından)
  • Karşılaştırma için klasik F(2, 43) = 4.80, p = .013

Duyarlılık analizi olarak aynı veriye Kruskal-Wallis H testi ve Bonferroni düzeltmeli Dunn testi uygulandı: H(2) = 7.65, p = .022, ηH2=.13\eta^2_H = .13.

Aynı veride duyarlılık analizi: Kruskal-Wallis H testi ve Bonferroni düzeltmeli Dunn testi (öğretici veri; 22 yüz yüze, 14 karma, 10 çevrim içi öğrenci)
Gruplara göre veri noktaları ve ortancalar Aynı veride duyarlılık analizi: Kruskal-Wallis H testi ve Bonferroni düzeltmeli Dunn testi (öğretici veri; 22 yüz yüze, 14 karma, 10 çevrim içi öğrenci) 50 60 70 80 90 100 yuz_yuzekarmacevrim_ici Sınav puanı (0–100) yuz_yuze: 68yuz_yuze: 72yuz_yuze: 65yuz_yuze: 74yuz_yuze: 70yuz_yuze: 63yuz_yuze: 77yuz_yuze: 71yuz_yuze: 69yuz_yuze: 66yuz_yuze: 75yuz_yuze: 70yuz_yuze: 62yuz_yuze: 73yuz_yuze: 68yuz_yuze: 79yuz_yuze: 67yuz_yuze: 71yuz_yuze: 64yuz_yuze: 72yuz_yuze: 76yuz_yuze: 69karma: 74karma: 81karma: 70karma: 77karma: 85karma: 72karma: 79karma: 68karma: 76karma: 83karma: 73karma: 78karma: 66karma: 82cevrim_ici: 58cevrim_ici: 95cevrim_ici: 71cevrim_ici: 88cevrim_ici: 64cevrim_ici: 99cevrim_ici: 82cevrim_ici: 60cevrim_ici: 93cevrim_ici: 80 Ortanca 70Ortanca 76.5Ortanca 81
yuz_yuzekarmacevrim_ici
687458
728195
657071
747788
708564
637299
777982
716860
697693
668380
7573
7078

İlk 12 satır (toplam 22) · Bu örnekteki tüm sayılar SciPy 1.16.3 ve scikit-posthocs 0.17.0 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)

Üç yöntemin ikili karşılaştırmaları (düzeltilmiş p değerleri) Tablo 2’dedir.

Tablo 2

Games-Howell, Tukey-Kramer ve Dunn Testlerinde İkili Karşılaştırmaların Düzeltilmiş p Değerleri

ÇiftGames-Howell pTukey-Kramer pDunn p (Bonferroni)
Yüz yüze ile karma.009.098.043
Yüz yüze ile çevrim içi.206.018.120
Karma ile çevrim içi.823.6551.000

Tukey ile Games-Howell neden ayrışıyor?

İki test iki çiftte ters sonuç veriyor. Games-Howell yüz yüze ile karma arasındaki farkı anlamlı buluyor, Tukey-Kramer bulmuyor; yüz yüze ile çevrim içi arasında ise Tukey-Kramer anlamlı fark buluyor, Games-Howell bulmuyor. İki test aynı ortalama farklarını kullanır; ayrışma esas olarak standart hatadan gelir.

Tukey-Kramer her çifte aynı havuzlanmış varyansı uygular.

  • Çevrim içi grubun büyük varyansı havuza karışınca yüz yüze ile karma arasındaki farkın standart hatası büyür; iki tutarlı grup arasındaki fark bu yüzden görünmez olur.
  • Tersine, havuzlanmış varyans çevrim içi grubun gerçek dağınıklığından küçük kaldığı için yüz yüze ile çevrim içi arasındaki farkın standart hatası küçük tahmin edilir: 10 kişilik, çok dağınık bir grubun ortalaması olduğundan daha kesin sayılır.

Games-Howell her çifte yalnız kendi iki grubunun varyansını uyguladığı için bu iki yanılgıdan büyük ölçüde kaçınır. Birincil sonuç Games-Howell’inkidir; Tukey-Kramer’in sonucu burada yalnız varsayımın neden önemli olduğunu göstermek için verilmiştir.

Duyarlılık analizi birincil sonuçla aynı yöndedir: Bonferroni düzeltmeli Dunn testi de yalnız yüz yüze ile karma arasındaki farkı anlamlı bulur. Karma ile çevrim içi satırındaki 1.000, Bonferroni çarpımının 1’i aşıp 1’e eşitlenmesidir. Dunn testi burada hesabı en basit düzeltme olan Bonferroni ile verildi; Holm düzeltmesi bu veride aynı kararlara götürür, yalnız yüz yüze ile karma arasındaki fark anlamlı kalır.

Sonucun yorumu

Karma gruptaki öğrencilerin puanları yüz yüze gruptakilerden anlamlı biçimde yüksektir. Çevrim içi grubun ortalaması en yüksek olsa da öteki iki gruptan anlamlı biçimde ayrılmaz: 10 kişilik ve çok dağınık bir grubun ortalaması kesin tahmin edilemez. Bu, çevrim içi grubun ötekilerle aynı olduğunu göstermez; yalnız bu örneklemle bir fark gösterilemediğini söyler.

Her anlamlı çift için ortalama fark ve güven aralığı ya da standartlaştırılmış bir etki büyüklüğü de raporlanır. Bu örnekte tek anlamlı çiftte karma grubun ortalaması yüz yüze grubunkinden 5,95 puan yüksektir (Games-Howell %95 GA [1.39, 10.52]). Öğrenciler ders biçimini kendileri seçtiği için fark ders biçiminin etkisine bağlanamaz; sonuç bir ilişkiyi gösterir.

Hangi karşılaştırmaların bir aile oluşturduğu, hangi düzeltmenin kullanılacağı ve testler ayrıştığında hangi sonucun birincil sayılacağı analiz planında önceden yazılır. Uzmanla Çalış analiz ve yöntem desteğidir; tezi ya da bölümlerini yazmak, bulguları yorumlamak ve savunmak araştırmacının kendi işidir.

Post hoc sonuçları APA 7’ye göre nasıl raporlanır?

Raporda önce omnibus test, ardından post hoc testinin ve düzeltmenin adı, sonra her çiftin tam p değeri verilir. Grupların ortalama ve standart sapmaları metinde ya da bir tabloda yer alır; çift sayısı arttıkça ikili karşılaştırmalar da tabloya taşınır. Duyarlılık analizinin sonucu, birincil sonuçla aynı yönde olsa da kısaca yazılır.

Sayı ve tablo biçimi APA 7’ye göre istatistik raporlama yazısında, bulguların tezdeki sırası bulgular bölümü yazısındadır. Örnekteki sonuç şöyle raporlanabilir:

Tezde nasıl yazılır

Sınav puanları ders biçimine göre anlamlı biçimde farklıdır, Welch F(2, 17.82) = 6.23, p = .009, η² = .18 (kareler toplamı tabanlı). Games-Howell karşılaştırmalarına göre karma gruptaki öğrencilerin puanları (M = 76.00, SS = 5.78) yüz yüze gruptakilerden (M = 70.05, SS = 4.55) yüksektir (p = .009). Çevrim içi grubun puanları (M = 79.00, SS = 15.03) ne yüz yüze (p = .206) ne de karma grubunkilerden (p = .823) anlamlı biçimde farklıdır. Duyarlılık analizi olarak yapılan Kruskal-Wallis H testi, H(2) = 7.65, p = .022, ve Bonferroni düzeltmeli Dunn karşılaştırmaları aynı örüntüyü göstermiştir.

Sık yapılan hatalar

Aşağıdaki hataların her biri ya aile boyu hata oranının denetimini bozar ya da sonucun yanlış okunmasına yol açar.

  • Bütün çiftleri düzeltmesiz t-testleriyle karşılaştırmak. Fisher LSD (anlamlı omnibus testten sonra yapılan düzeltmesiz t-testleri) de aynı sorunu taşır: üçten fazla grupta aile boyu hata oranını denetlemez (Hayter, 1986).
  • Levene sonucuna göre Tukey ya da Games-Howell seçmek. Games-Howell baştan kullanılır; Levene yayılım farkını betimlemek için raporlanır.
  • Dunn testinde düzeltme yöntemini yazmamak. “Dunn testi” ifadesi düzeltilmemiş, Bonferroni ya da Holm ile düzeltilmiş p değerlerinden herhangi birini anlatabilir.
  • Birkaç post hoc testi deneyip istenen sonucu vereni raporlamak. Örnekteki gibi testler ayrışabilir; test analiz planında, veriye bakmadan seçilir.
  • Anlamlı olmayan çifti “eşit” diye okumak. Özellikle küçük ve dağınık gruplarda anlamsız sonuç çoğu zaman yetersiz kesinliktir.
  • Büyük varyansın kaynağına bakmamak. Tek bir uç değer bir grubun varyansını büyütebilir; önce bir veri girişi hatası olup olmadığı incelenir (aykırı değer yazısı). Yöntem seçimi bu incelemenin yerini tutmaz.

Sık sorulan sorular

ANOVA anlamlı değilse post hoc testi yapılır mı?

Tukey ve Games-Howell aile boyu hata oranını kendi dağılımlarıyla (studentize aralık) denetler; bu yüzden anlamlı bir omnibus test matematiksel bir önkoşul değildir. Yaygın uygulama yine de ikili karşılaştırmaları anlamlı bir omnibus testten sonra raporlamaktır. Belirli çiftler araştırmanın asıl sorusuysa, bunlar planlı karşılaştırma olarak baştan belirtilir ve omnibus testten bağımsız yapılır.

Tukey mi, Games-Howell mi kullanılmalı?

Games-Howell. Varyanslar eşitken iki test yakın sonuç verir; varyanslar ve grup büyüklükleri birlikte farklıyken Tukey yanıltabilir. Tukey yalnız varyansların eşitliği desenle ya da önceki çalışmalarla baştan gerekçelendirilebiliyorsa uygundur.

Bonferroni mi, Holm mu?

Holm. İkisi de aile boyu hata oranını denetler; Holm her zaman en az Bonferroni kadar güçlüdür. Bonferroni’nin üstünlüğü hesabının basitliğidir.

Kruskal-Wallis’ten sonra ikili Mann-Whitney U testleri kullanılabilir mi?

Kullanılabilir, ama p değerleri Bonferroni ya da Holm ile düzeltilmelidir. Dunn testi daha yaygındır, çünkü bütün çiftleri Kruskal-Wallis’in kullandığı aynı sıralamayla karşılaştırır.

Post hoc testlerinde etki büyüklüğü raporlanır mı?

Evet. Omnibus testin η² ya da ηH2\eta^2_H değeri bütün gruplar için tek bir özettir; hangi çiftin ne kadar farklı olduğunu söylemez. Anlamlı çiftler için ortalama fark ve güven aralığı ya da standartlaştırılmış bir fark verilir.

  • #post-hoc-testler
  • #anova
  • #kruskal-wallis
  • #parametrik-testler
  • #parametrik-olmayan-testler

Bilimsel inceleme

Doç. Dr. Hasan Yıldırım

Karamanoğlu Mehmetbey Üniversitesi Öğretim Üyesi

İnceleme tarihi:

Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.

Kaynakça

  1. Benjamini, Y., & Braun, H. (2002). John W. Tukey's contributions to multiple comparisons. The Annals of Statistics, 30(6), 1576–1594.
  2. Delacre, M., Leys, C., Mora, Y. L., & Lakens, D. (2019). Taking parametric assumptions seriously: Arguments for the use of Welch's F-test instead of the classical F-test in one-way ANOVA. International Review of Social Psychology, 32(1), Article 13.
  3. Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241–252.
  4. Games, P. A., & Howell, J. F. (1976). Pairwise multiple comparison procedures with unequal N's and/or variances: A Monte Carlo study. Journal of Educational Statistics, 1(2), 113–125.
  5. Hayter, A. J. (1986). The maximum familywise error rate of Fisher's least significant difference test. Journal of the American Statistical Association, 81(396), 1000–1004.
  6. Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70.
  7. Kramer, C. Y. (1956). Extension of multiple range tests to group means with unequal numbers of replications. Biometrics, 12(3), 307–310.
  8. West, S. G., Finch, J. F., & Curran, P. J. (1995). Structural equation models with nonnormal variables: Problems and remedies. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 56–75). Sage.
  9. Zimmerman, D. W. (2004). A note on preliminary tests of equality of variances. British Journal of Mathematical and Statistical Psychology, 57(1), 173–181.

Kendi verinizde görün

Kavramı kendi verinizde görmek isterseniz Tek Yönlü ANOVA (K Bağımsız Grup) modülünü örnek veriyle açabilirsiniz. Basira’yı deneyin

İlgili yazılar