Tez araştırmalarında sıklıkla karşılaşılan en temel istatistiksel sorulardan biri, iki grup arasındaki farkı test ederken hangi yöntemin kullanılması gerektiğidir. Bu noktada araştırmacıların karşısına iki temel seçenek çıkar: bağımsız örneklem t-testi ve Mann–Whitney U testi. İlk bakışta bu iki yöntem aynı amaca hizmet ediyor gibi görünse de, aslında verilerin doğasına, dağılım özelliklerine ve örneklem büyüklüğüne bağlı olarak seçilmesi gereken test farklıdır.
t-testi, parametrik bir yöntemdir ve güçlü sonuçlar verir. Ancak varsayımları oldukça katıdır: verilerin normal dağılıma sahip olması, grupların varyanslarının homojen olması ve ölçümlerin en az aralık ölçeğinde yapılmış olması gerekir. Bu varsayımlar sağlanmazsa, test sonuçları yanıltıcı olabilir.
Mann–Whitney U testi ise nonparametrik bir alternatiftir. Verilerin normal dağılıma sahip olmadığı, küçük örneklemlerle çalışıldığı veya ordinal verilerin analiz edilmek istendiği durumlarda güvenilir sonuçlar üretir. Ancak istatistiksel gücü t-testine göre daha düşüktür.
Tez yaptırma sürecinde araştırmacıların sık yaptığı hatalardan biri, dağılım testlerini uygulamadan doğrudan t-testi kullanmak veya uygun olduğu halde parametrik testleri terk edip daha az güçlü yöntemlere yönelmektir. Bu nedenle, hangi testin kullanılacağına karar verirken “veri yapısı, örneklem büyüklüğü ve varsayımlar” dikkatle incelenmelidir.
Bu yazıda, tez yaptırma sürecinde t-testi ile Mann–Whitney U testinin farkları, hangi koşullarda tercih edilecekleri, avantajları–dezavantajları, uygulama örnekleri ve stratejik ipuçları ayrıntılı şekilde ele alınacaktır.
1. Bağımsız Örneklem t-Testinin Tanımı
Bağımsız örneklem t-testi, iki farklı grubun ortalamaları arasında anlamlı bir fark olup olmadığını test etmek için kullanılan parametrik bir yöntemdir.
2. Mann–Whitney U Testinin Tanımı
Mann–Whitney U testi, iki bağımsız grubun medyanları arasında fark olup olmadığını inceleyen nonparametrik bir yöntemdir.
3. t-Testinin Varsayımları
-
Normal dağılım.
-
Varyans homojenliği (Levene testi ile kontrol edilir).
-
Ölçüm ölçeği aralık/oran düzeyinde olmalıdır.
-
Bağımsız gözlemler.
4. Mann–Whitney U Testinin Özellikleri
-
Normal dağılım varsayımı gerekmez.
-
Küçük örneklemler için uygundur.
-
Ordinal verilerle kullanılabilir.
-
Gruplar arasındaki sıralamalara dayanır.
5. Karar Kriterleri
-
Örneklem büyük ve dağılım normalse → t-testi.
-
Örneklem küçük ve dağılım normalse bile temkinliyseniz → t-testi + doğrulama.
-
Örneklem küçük ve dağılım normal değilse → Mann–Whitney U.
-
Veriler ordinal ise → Mann–Whitney U.
6. İstatistiksel Güç Karşılaştırması
-
t-testi, varsayımlar sağlandığında daha güçlüdür.
-
Mann–Whitney, esneklik sağlar ama hassasiyeti daha düşüktür.
7. Uygulama Alanları
-
t-testi: Eğitim araştırmaları (iki yöntem karşılaştırması), sağlık araştırmaları (iki tedavi grubu), psikoloji (deney–kontrol grubu).
-
Mann–Whitney: Küçük örneklemli çalışmalar, klinik araştırmalar, ordinal ölçekli veriler.
8. Avantajları – t-Testi
-
Daha güçlüdür.
-
Ortalama farklarını net gösterir.
-
Büyük örneklemlerde daha güvenilir.
9. Avantajları – Mann–Whitney
-
Varsayım gerektirmez.
-
Küçük örneklemler için uygundur.
-
Medyan farklılıklarını inceler.
10. Dezavantajları – t-Testi
-
Varsayımlar ihlal edilirse yanıltıcıdır.
-
Normal dağılım testini yapmadan uygulanmamalıdır.
11. Dezavantajları – Mann–Whitney
-
Daha az güçlüdür.
-
Ortalama farklarını değil, sıralamaları değerlendirir.
-
Büyük örneklemlerde t-testi kadar hassas değildir.
12. Uygulamalı Örnek 1: Eğitim
Araştırma: “Geleneksel öğretim ile dijital öğretim yöntemleri öğrencilerin başarı puanlarını farklılaştırıyor mu?”
-
Veri: İki grup test puanları.
-
Normal dağılım sağlandı → t-testi.
-
Normal dağılım sağlanmadı → Mann–Whitney U.
13. Uygulamalı Örnek 2: Psikoloji
Araştırma: “Bilişsel terapi gören ve görmeyen bireylerin kaygı düzeyleri farklı mı?”
-
Veri: İki grup kaygı ölçeği puanları.
-
Normal dağılım sağlandı → t-testi.
-
Normal dağılım sağlanmadı → Mann–Whitney U.
14. Uygulamalı Örnek 3: Sağlık
Araştırma: “İki farklı ilaç tedavisinin etkinliği.”
-
Veri: Tedavi süresi.
-
Normal dağılım sağlandı → t-testi.
-
Normal dağılım sağlanmadı → Mann–Whitney U.
15. Uygulamalı Örnek 4: Sosyoloji
Araştırma: “Kadın ve erkek öğrencilerin sosyal medya kullanım süreleri farklı mı?”
-
Veri: Günlük kullanım süresi.
-
Normal dağılım sağlandı → t-testi.
-
Normal dağılım sağlanmadı → Mann–Whitney U.
16. Uygulamalı Örnek 5: İşletme
Araştırma: “İki farklı mağazanın müşteri memnuniyet puanları.”
-
Veri: Memnuniyet puanları.
-
Normal dağılım sağlanmadı → Mann–Whitney U.
17. Türkiye’de Tezlerde Kullanımı
Türkiye’de eğitim bilimleri, sağlık ve psikoloji alanında t-testi yaygın olarak kullanılmaktadır. Ancak örneklem büyüklüğünün küçük olduğu durumlarda, özellikle klinik çalışmalarda Mann–Whitney testi tercih edilmektedir.
18. Etik Boyutlar
-
Yanlış test seçimi sonuçların güvenilirliğini zedeler.
-
Varsayımlar dürüstçe raporlanmalıdır.
-
Hem t-testi hem Mann–Whitney sonuçları karşılaştırmalı sunulabilir.
19. Yaygın Hatalar
-
Normal dağılım testi yapılmadan t-testi kullanmak.
-
Küçük örneklemlerde parametrik testlere güvenmek.
-
Mann–Whitney sonuçlarını ortalama farkı gibi yorumlamak.
20. Kontrol Listesi
-
Gruplarım bağımsız mı?
-
Veri tipim aralık/ordinal mi?
-
Dağılım normal mi?
-
Örneklem büyüklüğü yeterli mi?
21. Stratejik İpuçları
-
Önce normal dağılım testlerini yapın.
-
Küçük örneklemlerde Mann–Whitney’i tercih edin.
-
Sonuçları sadece p-değeriyle değil, etki büyüklüğüyle raporlayın.
-
Karşılaştırmaları tablolarla görselleştirin.
Sonuç
Tez yaptırma sürecinde t-testi mi, Mann–Whitney mi sorusu, en sık karşılaşılan metodolojik kararlardan biridir. Eğer veriler normal dağılıyorsa ve örneklem büyüklüğü yeterliyse, t-testi daha güçlü ve tercih edilebilir bir yöntemdir. Ancak varsayımlar sağlanmıyorsa, Mann–Whitney U testi güvenilir bir alternatiftir.
Araştırmacıların doğru karar vermeleri, yalnızca istatistiksel doğruluk için değil, aynı zamanda akademik etik açısından da önemlidir. Varsayımların raporlanması, test seçiminin gerekçelendirilmesi ve sonuçların şeffaf biçimde sunulması, çalışmanın güvenilirliğini artıracaktır.