Tek Yönlü ANOVA: Uygulama, F Değeri ve Post-hoc Yorumu

ANOVA hangi soruyu cevaplar?

Bir değişkenin ortalaması birden fazla grupta farklı mı? Örneğin üç farklı mağaza formatının günlük satış ortalaması, farklı eğitim yöntemleriyle alınan sınav puanları ya da dört farklı reklam görseli için tıklama süreleri. İki grup olsaydı t testi kullanırdınız; ikiden fazla grup olduğunda tek yönlü ANOVA devreye girer. Tek yönlü, grupları belirleyen tek bir faktörün (mağaza formatı gibi) olduğu anlamına gelir.

Yokluk hipotezi, tüm grup ortalamalarının eşit olduğunu söyler. Alternatif hipotez, en az bir grubun ortalamasının farklı olduğunu söyler. Burada dikkat edilecek nokta alternatifin neyi içermediğidir: tüm grupların birbirinden farklı olduğunu iddia etmez, yalnızca eşitliğin bozulduğunu söyler.

Neden her çifti t testiyle sınamıyoruz? Çünkü her ek test, tesadüfen anlamlı çıkma ihtimalini yükseltir. Grup sayısı arttıkça ikili karşılaştırma sayısı hızla çoğalır ve yanlış bir fark bulma olasılığı kontrolden çıkar. ANOVA, tek bir genel testle bu riski sınırlandırır.

F değeri: değişkenliğin oranı

ANOVA'nın mantığı, toplam değişkenliği iki parçaya ayırmaktır. Birinci parça gruplar arası değişkenliktir: grup ortalamaları birbirinden ve genel ortalamadan ne kadar uzak? İkinci parça grup içi değişkenliktir: her grubun gözlemleri kendi ortalaması etrafında ne kadar dağılıyor?

F değeri bu iki değişkenliğin oranıdır. Sözel olarak: F, gruplar arası ortalama kareyi grup içi ortalama kareye böler. Gruplar arası fark, grup içi dalgalanmaya göre büyükse F büyür; fark yalnız rastgele dalgalanma düzeyindeyse F küçük kalır.

Bu oran, serbestlik derecelerine bağlı bir F dağılımıyla karşılaştırılır ve bir p değeri elde edilir. p değeri küçükse, yokluk hipotezi doğru olsaydı bu kadar büyük bir F görmek olası olmazdı; bu yüzden yokluk hipotezi reddedilir. Gruplar arası serbestlik derecesi grup sayısından bir eksiktir; grup içi serbestlik derecesi ise toplam gözlem sayısından grup sayısı çıkarılarak bulunur.

Tek başına F büyük görünüyor diye kesin sonuca varmayın. Büyüklüğü serbestlik dereceleri ve örneklem büyüklüğü ile birlikte okumak gerekir.

Varsayımlar: ANOVA'yı güvenle kullanmanın koşulları

Tek yönlü ANOVA üç temel varsayıma dayanır.

• Bağımsızlık: gözlemler birbirinden ve gruplar arasında bağımsız olmalı. Aynı kişiyi birden fazla grupta ölçtüyseniz tekrarlı ölçümler için başka bir ANOVA türü gerekir.
• Normallik: her grubun içindeki değerler yaklaşık normal dağılmalı. Küçük örneklemde grafikle ve normallik testiyle bakılır; büyük örneklemde test ortalamadaki hafif sapmalara dayanıklıdır.
• Varyans eşitliği: grupların yayılımları benzer olmalı. Bunu görmek için gruplara göre kutu grafiği çizin; Levene gibi bir testle de sınayabilirsiniz.

Varsayımlar bozulduğunda seçenekler vardır. Varyanslar eşit değilse Welch ANOVA, normallik ciddi bozuksa ve örneklem küçükse sıralara dayalı Kruskal-Wallis testi tercih edilir. Grup büyüklükleri çok farklıysa varsayım ihlalleri sonucu daha fazla etkiler; bu yüzden mümkünse grupları dengeli toplayın. Varsayımı kontrol edip kararı rapora yazmak, sonucun güvenilirliğini gösterir.

Python ile uygulama

SciPy kütüphanesinde tek yönlü ANOVA tek çağrıyla yapılır. Her grubun değerlerini ayrı bir dizi olarak verirsiniz:

from scipy.stats import f_oneway

f_degeri, p_degeri = f_oneway(grup_a, grup_b, grup_c) print(f_degeri, p_degeri)

Çıktıda F değerini ve p değerini alırsınız. p değeri seçtiğiniz anlamlılık düzeyinin altındaysa genel ANOVA anlamlıdır ve en az bir grup farklıdır.

Post-hoc karşılaştırma için statsmodels kütüphanesindeki Tukey işlevi kullanılabilir:

from statsmodels.stats.multicomp import pairwise_tukeyhsd

sonuc = pairwise_tukeyhsd(degerler, gruplar) print(sonuc)

Burada degerler tüm ölçümleri, gruplar ise her ölçümün hangi gruba ait olduğunu tutan bir dizidir. Çıktı, her grup çifti için ortalama farkı, düzeltilmiş p değerini ve çiftin farklı sayılıp sayılmayacağını gösterir. Aynı işi R, Excel eklentileri ya da başka istatistik yazılımlarıyla da yapabilirsiniz; mantık değişmez. Kodu çalıştırmadan önce verinizin gerçekten sürekli bir sonuç değişkeni ve grup etiketi içerdiğinden emin olun.

Post-hoc testler: hangi gruplar farklı?

Anlamlı ANOVA, yalnızca grup ortalamalarının hepsinin eşit olmadığını söyler. Hangi gruplar arasında fark olduğunu bulmak için post-hoc test yapılır. En bilinen seçenek Tukey testidir; tüm grup çiftlerini karşılaştırır ve çoklu karşılaştırmanın yarattığı yanlış alarm riskini kontrol altında tutar. Bonferroni gibi düzeltmeler ya da bir kontrol grubuna karşı karşılaştırma yapan Dunnett testi de kullanılır. Varyanslar eşit değilse Games-Howell gibi buna uygun bir test seçilir.

Post-hoc sonucu okurken yalnız hangi çiftin anlamlı olduğuna değil, farkın yönüne ve büyüklüğüne bakın. Örneğin A grubu B grubundan anlamlı biçimde yüksek ama C grubundan farksız olabilir. Bu durumda ilk grubun üstünlüğünü bütün gruplara genellemeyin.

Genel ANOVA anlamlı değilse post-hoc yapılması gerekmez; anlamlı çıkmayan bir genel testin ardından aranan farklar tesadüf olma olasılığı yüksek bulgulara götürür. Karşılaştırmaları baştan planlıyorsanız, genel testi beklemeden planlı karşılaştırma yapmak da mümkündür, ama bu karar veriye bakmadan verilmelidir.

Sonucu raporlamak ve sık yapılan hatalar

İyi bir rapor yalnız p değeriyle bitmez. Gruplar, her grubun ortalaması ve yayılımı, F değeri, iki serbestlik derecesi, p değeri ve etki büyüklüğü birlikte verilir. Etki büyüklüğü olarak eta kare gibi ölçüler kullanılır; bu, toplam değişkenliğin ne kadarının gruplara bağlandığını gösterir. Büyük örneklemde çok küçük farklar bile anlamlı çıkabilir; etki büyüklüğü farkın pratik değerini ayırt etmenizi sağlar.

Örnek bir rapor kurgusu: gruplar listelenir, ortalama ve yayılım tabloda yer alır, ardından ANOVA sonucu, post-hoc sonucu ve yorum gelir. Yorumda hangi grubun diğerinden farklı olduğu, farkın yönü ve büyüklüğü, varsayımların nasıl kontrol edildiği yazılır.

Sık yapılan hatalar:

• Çok grubu ikili t testleriyle karşılaştırmak.
• Varsayımları kontrol etmeden sonuç yorumlamak.
• Anlamlı ANOVA'dan sonra post-hoc yapmamak ya da anlamsız ANOVA'dan sonra yine de çift aramak.
• Anlamlılığı önem ya da büyüklükle karıştırmak.
• Tekrarlı ölçümleri bağımsız gruplar gibi analiz etmek.
• Sonucu nedensellik olarak yorumlamak; gözlemsel veride fark, nedensellik kanıtı değildir.

Bu beceriyi Mindset programlarında nerede çalışırsınız?

Veri Bilimi için İstatistik Eğitimi, hipotezlerin sınanması, t dağılımı, korelasyon ve regresyon konularını sırayla işler. ANOVA'ya gelmeden önce yokluk hipotezi ve p değeri mantığını oturtmak isteyen analistler için uygundur.

Data Science Bootcamp, Python'a giriş ve veri ediniminden başlar; testleri kodla uygulayacak ekipler için programlama temelini sağlar.