ANOVA ile t Testi Arasındaki Fark: İki Grup mu, Daha Fazlası mı?
t testi iki ortalamayı karşılaştırır ve farkın yönünü de söyler; ANOVA ise ikiden fazla grubu tek bir testle sınar ve yalnız "en az biri farklı mı" sorusunu yanıtlar. Seçim çoğu zaman grup sayısıyla başlar, ama ölçümlerin eşleşik olup olmadığı ve varyansların eşitliği de kararı değiştirir.
Bir bakışta
- İki grup varsa t testi, ikiden fazla grup varsa ANOVA ile başlanır. Üç ya da daha çok grubu ikişer ikişer t testiyle karşılaştırmak, yanlış alarm olasılığını büyütür.
- İki grupta ikisi aynı kararı verir. Eşit varyans varsayan iki örneklem t testinde F istatistiği, t istatistiğinin karesine eşittir ve p değerleri aynı çıkar.
- ANOVA farkın nerede olduğunu söylemez. Anlamlı bir ANOVA sonucundan sonra hangi grupların ayrıştığını görmek için sonradan karşılaştırma testleri gerekir.
- Yönlü hipotez yalnız t testinde doğrudan kurulur. "A, B'den büyük mü" sorusu tek yönlü t testine uyar; ANOVA'nın F testi yön bilgisi taşımaz.
Aynı soru, farklı ölçek
t testi ve ANOVA aynı aileden gelir: ikisi de grupların ortalamaları arasındaki farkın tesadüfle açıklanıp açıklanamayacağını sorar. İkisinin de yokluk hipotezi "grupların ana kütle ortalamaları eşittir" cümlesidir; ikisi de bağımsız gözlem, gruplarda yaklaşık normal dağılım ve benzer varyans varsayımlarına dayanır. SciPy belgeleri tek yönlü ANOVA için bu üç varsayımı açıkça sıralar.
Fark, karşılaştırılan grup sayısında ve sonucun ne söylediğindedir. t testi iki grubu ele alır ve iki ortalamanın farkını kendi standart hatasına bölerek bir t istatistiği üretir. ANOVA ise istenen sayıda grubu bir arada inceler; gruplar arası değişkenliği grup içi değişkenliğe oranlayarak bir F istatistiği hesaplar.
Bu yüzden ikisi rakip değil, aynı fikrin iki ölçeğidir. Pratikte sorulması gereken "hangisi daha iyi" değil, "elimdeki tasarım kaç grup ve nasıl bir ölçüm içeriyor" sorusudur.
Ölçüt ölçüt karşılaştırma
Karar verirken şu ölçütlere bakın:
- Grup sayısı: t testi: iki grup. / ANOVA: iki ya da daha fazla grup, asıl kullanımı ikiden fazla grupta.
- Hesaplanan istatistik: t testi: t değeri, işaretiyle birlikte farkın yönünü gösterir. / ANOVA: F değeri, her zaman pozitiftir ve yön bilgisi taşımaz.
- Yanıtladığı soru: t testi: bu iki ortalama farklı mı, hangisi büyük? / ANOVA: grupların en az biri diğerlerinden farklı mı?
- Yönlü hipotez: t testi: tek yönlü kurulabilir. / ANOVA: F testi doğrudan yönlü kurulmaz; yönlü sorular planlı karşılaştırmalarla sınanır.
- Eşleşik ölçüm: t testi: eşleştirilmiş t testi aynı kişilerin önce/sonra ölçümü içindir. / ANOVA: aynı kişiler ikiden fazla koşulda ölçülüyorsa tekrarlı ölçümler ANOVA'sı kullanılır.
- Birden fazla faktör: t testi tek bir ayrımı inceler. / ANOVA, iki yönlü tasarımlarla iki faktörü ve etkileşimlerini birlikte inceleyebilir.
Görüldüğü gibi ANOVA daha genel bir çerçevedir; t testi ise iki grup için daha doğrudan ve yorumu daha kolay bir araçtır.
Üç grubu ikişer t testiyle karşılaştırmak neden yanlış?
Bir perakende ekibinin üç farklı vitrin düzenini farklı mağazalarda denediğini düşünün. İlk akla gelen, düzenleri ikişer ikişer t testiyle karşılaştırmaktır: A ile B, A ile C, B ile C. Sorun şudur: her test belirlenen anlamlılık düzeyinde yanlış alarm verme riski taşır ve test sayısı arttıkça en az birinde tesadüfen "anlamlı" sonuç bulma olasılığı da artar. Grup sayısı büyüdükçe çift sayısı hızla çoğalır ve bu risk ciddi biçimde büyür.
ANOVA bu sorunu tek bir testle çözer: önce düzenlerin en az birinin farklı olup olmadığına bakar. Sonuç anlamlı değilse çiftleri incelemeye gerek kalmaz. Anlamlıysa, Tukey gibi çoklu karşılaştırma hatasını kontrol eden sonradan testlerle hangi düzenlerin ayrıştığı belirlenir.
İkişer t testinden vazgeçilemiyorsa, anlamlılık düzeyini test sayısına göre sıkılaştıran Bonferroni düzeltmesi bir seçenektir; ancak bu yöntem tutucudur ve gerçek farkları kaçırma riskini artırır.
Çok grupta önce genel test, sonra kontrollü çift karşılaştırma
İki grupta ikisi aynı sonucu verir
Sık sorulan bir soru, iki grup için ANOVA kullanmanın hata olup olmadığıdır. Hata değildir: eşit varyans varsayan bağımsız iki örneklem t testi ile iki gruplu tek yönlü ANOVA aynı kararı verir. Bu durumda F istatistiği, t istatistiğinin karesine eşittir ve iki testin p değeri aynı çıkar. Yalnız bu eşitlik, çift yönlü t testi için geçerlidir.
Farkı yaratan, raporlamadır. t testi, farkın yönünü ve ortalamalar arası farkın güven aralığını doğrudan verir; iki grubu karşılaştıran bir okur için bu daha anlaşılırdır. ANOVA tablosu ise aynı bilgiyi kareler toplamı ve serbestlik dereceleriyle sunar.
Varyanslar eşit değilse durum değişir. SciPy'nin bağımsız t testi fonksiyonunda equal_var=False seçeneği, varyans eşitliği varsaymayan Welch t testini çalıştırır. Çok grupta da benzer amaçla Welch ANOVA'sı bulunur. Grup büyüklükleri dengesizse ve varyanslar farklıysa standart testler yanıltıcı olabileceği için Welch türleri daha güvenli bir varsayılandır.
Tasarıma göre doğru testi seçmek
Seçimi tasarımdan başlatın, veriden değil. Önce kaç grubu karşılaştırdığınızı, sonra ölçümlerin aynı birimlerden mi farklı birimlerden mi geldiğini belirleyin. Aynı müşterilerin kampanya öncesi ve sonrası harcaması eşleşik bir tasarımdır; farklı müşteri gruplarının harcaması bağımsızdır.
Ardından varsayımları kontrol edin. Gruplarda belirgin çarpıklık ya da aykırı değer varsa ve örneklem küçükse, sıralamaya dayanan alternatifler düşünülür: iki bağımsız grup için Mann-Whitney U testi, ikiden fazla grup için Kruskal-Wallis testi. SciPy belgeleri, ANOVA varsayımları sağlanmadığında Kruskal-Wallis ve Alexander-Govern testlerini önerir, ancak bu alternatiflerin bir miktar güç kaybettirebileceğini de not eder.
Python'da iki fonksiyon aynı mantıkla çağrılır: iki grup için stats.ttest_ind(grup_a, grup_b, equal_var=False), üç grup için stats.f_oneway(grup_a, grup_b, grup_c). Kod kolaydır; zor olan, hangisinin tasarıma uyduğuna önceden karar vermektir.
Test seçimi grup sayısı ve ölçüm yapısıyla başlar
- İki bağımsız grupBağımsız t testi, varyans farklıysa WelchYönlü soru varsa tek yönlü kurulabilir.
- Aynı birimlerin iki ölçümüEşleştirilmiş t testiÖnce/sonra ölçümleri gibi eşleşik tasarımlar.
- İkiden fazla bağımsız grupTek yönlü ANOVA ve sonradan testVarsayımlar sağlanmıyorsa Kruskal-Wallis düşünülür.
- Aynı birimler ikiden fazla koşuldaTekrarlı ölçümler ANOVA'sıAynı kişinin farklı dönemlerdeki ölçümleri gibi.
Birlikte kullanım: ANOVA'dan planlı t karşılaştırmalarına
Gerçek analizlerde iki yöntem çoğu zaman ardışık kullanılır. Önce ANOVA ile grupların genel olarak farklılaşıp farklılaşmadığına bakılır. Ardından ya tüm çiftleri tarayan sonradan testler ya da analizden önce belirlenmiş birkaç planlı karşılaştırma yapılır. Planlı karşılaştırmalar özünde t testi mantığıyla çalışır, ancak ANOVA'nın ortak hata varyansını kullanır.
Örneğin vitrin denemesinde asıl soru "yeni düzenler eski düzenden iyi mi" ise, bu soru analizden önce yazılır ve yalnız yeni düzenlerle eski düzen karşılaştırılır. Böylece gereksiz çift karşılaştırmalar yapılmaz, hem yön bilgisi hem de hata kontrolü korunur.
Raporlamada her iki adımı da gösterin: ANOVA sonucunu, ardından hangi karşılaştırmanın neden yapıldığını ve etki büyüklüğünü. Yalnız p değerini yazmak, farkın iş açısından anlamlı olup olmadığını söylemez.
Mindset programlarında ortalama karşılaştırma
Veri Bilimi için İstatistik Eğitimi'ndeki Hipotezlerin Sınanması ve T Dağılımı modülleri, t testinin dayandığı dağılımı ve karar mantığını ele alır; Temel İstatistik Hataları modülü de çoklu karşılaştırma gibi tuzakları tanımaya yardım eder. Bu temel, bir analistin "hangi testi kullanmalıyım" sorusunu tasarımdan yola çıkarak yanıtlamasını sağlar.
Data Science Bootcamp ise doğrulayıcı veri analizi ve hipotez testini Python ile gerçek veri setleri üzerinde uygulamaya taşır.
İlgili Mindset programı
Veri Bilimi için İstatistik Eğitimi
Sık sorulan sorular
Tek yönlü ANOVA ile tek yönlü t testi aynı şey mi?
Hayır, iki terimdeki "tek yönlü" farklı anlamdadır. Tek yönlü ANOVA, tek bir faktörün, örneğin yalnız vitrin düzeninin, gruplarını karşılaştırdığını anlatır. Tek yönlü t testi ise hipotezin yönlü olduğunu, yani yalnız "büyüktür" ya da yalnız "küçüktür" seçeneğinin sınandığını anlatır. İngilizcede bu ikisi one-way ve one-tailed diye ayrılır.
Welch t testini her zaman kullanmak doğru mu?
Birçok istatistikçi bağımsız iki grup için Welch t testini varsayılan olarak önerir, çünkü varyanslar eşit olduğunda da standart teste yakın sonuç verir, eşit olmadığında ise daha güvenilirdir. Grup büyüklükleri dengesizse bu fark daha da önem kazanır. Önceden varyans eşitliği testi yapıp ona göre seçmek yerine doğrudan Welch ile başlamak yaygın bir uygulamadır.
İki faktörüm varsa t testi kullanabilir miyim?
Örneğin hem vitrin düzeninin hem de mağaza bölgesinin satışa etkisini inceliyorsanız, faktörleri ayrı ayrı t testleriyle sınamak etkileşimi gözden kaçırır. Düzenin etkisi bölgeye göre değişebilir. Bu tür tasarımlarda iki yönlü ANOVA ya da regresyon modeli, iki faktörü ve etkileşimlerini birlikte değerlendirir.
ANOVA sonucu anlamlı değilse çiftlere yine de bakılır mı?
Genel kural olarak bakılmaz; genel test fark bulmadıysa çiftleri taramak, yanlış alarm riskini geri getirir. İstisna, analizden önce yazılmış ve gerekçesi olan planlı karşılaştırmalardır. Bunlar genel ANOVA sonucundan bağımsız olarak raporlanabilir, ama sonuç görüldükten sonra seçilen karşılaştırmalar bu kapsama girmez.