Bir bilimsel makaleyi elinize aldığınızda, sonuçlar bölümünde mutlaka o küçük harfle yazılmış sembole rastlarsınız: p. Kimi zaman 0,05'in altında olduğu için parantez içinde gururla sergilenir, kimi zaman da 0,001 gibi minicik bir değerle çalışmanın ne kadar sağlam olduğu ima edilir. Ne var ki bu sayının ne anlattığı konusunda hem okuyucular hem de bizzat araştırmacılar arasında ciddi bir kafa karışıklığı var. Üstelik bu karışıklık, yalnızca istatistik derslerinden uzak duranların değil, aktif olarak deney yürüten bilim insanlarının da ortak sorunu.

P değerini doğru anlamak, aslında bilimin kendini nasıl denetlediğini anlamakla yakından ilişkili. Çünkü bu değer, bir bulgunun "doğru" olduğunu kanıtlayan bir mühür değil; yalnızca belirli bir olasılık hesabının sonucu. Bu yazıda p değerinin ne olduğunu, nasıl hesaplandığını, neden bu kadar popülerleştiğini ve nerede yanlış kullanıldığını adım adım ele alacağız.

P Değeri Tam Olarak Ne Anlatır?

En yalın tanımıyla p değeri, sıfır hipotezi doğru kabul edildiğinde, elimizdeki verilerin en az bu kadar uç bir sonuç üretme olasılığıdır. Sıfır hipotezi genellikle "iki grup arasında fark yok" ya da "bu değişkenin etkisi yok" gibi bir varsayımı ifade eder. Deneyden ya da gözlemden elde edilen veri, bu varsayım altında ne kadar beklenmedikse, p değeri o kadar küçük çıkar.

Yani p değeri, verinin sıfır hipoteziyle ne kadar uyumsuz göründüğünü sayısallaştırır. Küçük bir p, "bu sonuç şans eseri ortaya çıkmış olabilir ama bu pek olası değil" demenin bir yoludur. Büyük bir p ise verinin sıfır hipoteziyle rahatça bağdaşabileceğini gösterir.

Burada kritik bir ayrıntı var: p değeri, sıfır hipotezinin doğru olma olasılığı değildir. Sık yapılan hatalardan biri, "p = 0,03 çıktı, yani sıfır hipotezinin doğru olma olasılığı yüzde 3" demektir. Bu tamamen yanlış bir çıkarımdır. P değeri, hipotez hakkında değil, veri hakkında bir olasılık ifade eder. Yönü tersine çevirmek, istatistiğin en yaygın tuzaklarından biridir.

Bir Örnekle Somutlaştıralım

Diyelim ki yeni bir öğretim yönteminin öğrencilerin sınav başarısını artırıp artırmadığını test ediyorsunuz. Kontrol grubu ile deney grubunun ortalamalarını karşılaştırdınız ve arada bir fark buldunuz. Şimdi soru şu: Bu fark gerçek bir etkiden mi kaynaklanıyor, yoksa rastgele örnekleme kaynaklı bir dalgalanma mı?

Sıfır hipotezi "yöntemin hiçbir etkisi yok" der. P değeri, eğer gerçekten hiçbir etki olmasaydı, gözlemlediğiniz kadar büyük (ya da daha büyük) bir farkı görme olasılığınızı verir. Bu olasılık çok düşükse, verinin sıfır hipoteziyle pek de uyumlu olmadığını düşünürsünüz. Ama dikkat: Bu, yöntemin işe yaradığını kanıtlamaz. Sadece, verinin etkisizlik varsayımıyla zor bağdaştığını söyler.

0,05 Eşiği Nereden Geliyor?

Bilimsel yazında en sık karşılaştığımız eşik 0,05. P değeri bu sınırın altındaysa sonuç "istatistiksel olarak anlamlı" sayılıyor. Peki bu sayı neden 0,05? Aslında bu eşik, evrensel bir doğa yasasından değil, tarihsel bir gelenekten geliyor.

Yirminci yüzyılın başlarında istatistikçi Ronald Fisher, araştırmacıların keyfi kararlar vermesini engellemek için bir tür pratik kural önerdi. 0,05, işleri yürütmek için makul görünen bir uzlaşmaydı. Zamanla bu sayı, neredeyse kutsal bir sınır haline geldi. Oysa Fisher'in kendisi bile bunun katı bir kural olarak kullanılmasını değil, bir düşünme aracı olarak görülmesini istiyordu.

Bugün pek çok disiplinde 0,05 hâlâ baskın olsa da, fizik gibi alanlarda çok daha sıkı eşikler (örneğin 5 sigma) kullanılıyor. Bu da gösteriyor ki "anlamlılık" eşiği, alanın geleneklerine ve hata maliyetine göre değişebilir. Tek bir sayıyı evrensel doğru ölçütü sanmak yanıltıcı olur.

P Değeri Ne Değildir?

P değerinin sıkça yanlış anlaşılmasının nedeni, ona yüklenen anlamların abartılması. Şu ifadelerin hiçbiri doğru değil:

  • P değeri, bulgunun doğru olma olasılığı değildir.
  • P değeri, etkinin büyüklüğünü göstermez.
  • P değeri, sonucun pratikte ne kadar önemli olduğunu söylemez.
  • P değeri, çalışmanın kalitesini ya da tasarımının sağlamlığını ölçmez.
  • Küçük bir p değeri, sonucun başka araştırmalarda tekrarlanacağını garanti etmez.

Bu maddeler, p değerini küçümsemek için değil, ona hak ettiği sınırlı rolü vermek için önemli. Çünkü bir bulgunun bilimsel değeri, tek bir sayıya indirgenemeyecek kadar çok boyutlu.

İstatistiksel Anlamlılık ile Pratik Önem Arasındaki Fark

Bir çalışmada p değeri 0,001 çıkabilir ama etki o kadar küçüktür ki günlük hayatta hiçbir fark yaratmaz. Tersine, p değeri 0,08 gibi "anlamlı" sınırın hemen üstünde kalan bir sonuç, aslında önemli bir etkiyi işaret ediyor olabilir; sadece örneklem küçük olduğu için istatistiksel güç yetersiz kalmıştır.

Bu nedenle modern istatistik pratiğinde, p değerinin yanına etki büyüklüğü ve güven aralığı gibi ek bilgiler koymak giderek yaygınlaşıyor. Etki büyüklüğü, farkın ne kadar büyük olduğunu; güven aralığı ise bu tahminin ne kadar belirsiz olduğunu gösterir. P değeri tek başına, bu iki bilgiyi içermez.

Örneğin bir ilacın kan basıncını düşürdüğünü düşünelim. P değeri 0,01 çıksın. Ama ortalama düşüş yalnızca 0,5 mmHg ise, bu istatistiksel olarak anlamlı olsa da klinik olarak önemsiz olabilir. Doktorlar ve hastalar için anlamlı bir fayda sağlamaz. İşte bu yüzden "anlamlı" kelimesi, istatistiksel anlamlılık ile pratik anlamlılık arasında tehlikeli bir karışıklığa yol açabiliyor.

Tekrarlanabilirlik Sorunu ve P Değerinin Rolü

Son yıllarda bilim dünyasında en çok tartışılan konulardan biri, psikolojiden tıbba kadar pek çok alanda yürütülen çalışmaların sonuçlarının başka ekipler tarafından tekrarlanamaması. Buna "tekrarlanabilirlik krizi" deniyor. P değerinin bu krizdeki payı, onun tek başına bir kanıt ölçütü gibi kullanılmasından kaynaklanıyor.

Araştırmacılar, yayın baskısı nedeniyle yalnızca anlamlı sonuçları raporlamaya yönelebiliyor. Anlamlı çıkmayan sonuçlar dosyalarda kalıyor, yayımlanmıyor. Bu durum, literatürde gerçekte olduğundan daha fazla "anlamlı" bulgu varmış izlenimi yaratıyor. Ayrıca veri toplama sürecinde esneklikler (örneğin analiz yöntemini sonuçlara göre değiştirmek) p değerinin şişmesine yol açabiliyor.

Bu sorunlara çözüm olarak bazı dergiler, p değerini tamamen yasaklama ya da onu yalnızca yardımcı bir bilgi olarak sunma yoluna gitti. Bazı araştırma toplulukları ise çalışmalarını önceden kayıt altına alarak, veri toplanmadan önce hipotezlerini ve analiz planlarını açıklıyor. Böylece sonradan yapılan değişikliklerin önüne geçilmeye çalışılıyor.

P Değeri Neden Hâlâ Kullanılıyor?

Tüm eleştirilere rağmen p değeri, bilimsel makalelerde varlığını sürdürüyor. Bunun birkaç nedeni var. Öncelikle, hesaplanması görece kolay ve yorumlanması (doğru yapıldığında) basit. İkincisi, hakem değerlendirme süreçlerinde araştırmacılara ortak bir dil sağlıyor. Üçüncüsü, alternatif yaklaşımlar (Bayesçi istatistik gibi) daha karmaşık ve alışılmadık olduğu için yaygınlaşması zaman alıyor.

Yani p değeri, tek başına yeterli olmasa da tamamen terk edilmesi de gerçekçi görünmüyor. Önemli olan, onu bir kanıt değil, bir uyarı sinyali olarak görmek. Küçük bir p, "burada dikkate değer bir şey olabilir" der; ama ne olduğunu ve ne kadar önemli olduğunu söylemek için başka araçlara ihtiyaç vardır.

P Değerini Doğru Okumak İçin Pratik İpuçları

Bir makale okurken p değeriyle karşılaştığınızda, şu soruları sormak size ciddi bir avantaj sağlar:

  1. Etki büyüklüğü ne? Sadece p değeri değil, farkın ya da ilişkinin ne kadar güçlü olduğu da raporlanmış mı?
  2. Güven aralığı verilmiş mi? Aralık çok genişse, tahmin belirsiz demektir.
  3. Örneklem büyüklüğü ne? Küçük örneklemlerde anlamlı sonuç bulmak zordur; büyük örneklemlerde ise önemsiz farklar bile anlamlı çıkabilir.
  4. Çalışma önceden kayıtlı mı? Hipotezler veri toplanmadan önce mi belirlenmiş?
  5. Sonuçlar başka çalışmalarla tutarlı mı? Tek bir çalışma nadiren kesin bir yargı oluşturur.

Bu sorular, p değerini bağlamına yerleştirmenize yardımcı olur. Unutmayın: Bilim, tek bir çalışmanın tek bir sayısıyla değil, biriken kanıtların bütünüyle ilerler.

Sıkça Sorulan Sorular

P değeri 0,05'in altındaysa sonuç kesin doğru mudur?

Hayır. P değerinin 0,05'in altında olması, sonucun doğru olduğunu kanıtlamaz. Yalnızca, sıfır hipotezi doğruysa bu kadar uç bir sonucun gözlenme olasılığının düşük olduğunu gösterir. Yanlış pozitif sonuçlar, yani gerçekte etki yokken anlamlı çıkan bulgular, her zaman mümkündür. Bu yüzden tek bir çalışmaya dayanarak kesin yargıya varmak risklidir.

P değeri ile etki büyüklüğü arasındaki fark nedir?

P değeri, gözlenen sonucun şans eseri ortaya çıkma olasılığını ölçer. Etki büyüklüğü ise farkın ya da ilişkinin ne kadar güçlü olduğunu gösterir. Küçük bir p değeri, büyük bir etki anlamına gelmez. Çok büyük örneklemlerde önemsiz bir fark bile düşük p değeri üretebilir. Bu nedenle iki ölçütü birlikte değerlendirmek gerekir.

Neden bazı araştırmacılar p değerinin kaldırılmasını istiyor?

Eleştirmenler, p değerinin bilimsel sonuçları fazla basitleştirdiğini ve yanlış yorumlamalara yol açtığını savunuyor. Özellikle tekrarlanabilirlik krizinde, yalnızca anlamlı sonuçların yayımlanması ve p değerinin bir onay mührü gibi görülmesi sorunları derinleştirdi. Bu nedenle bazı dergiler p değerini yasakladı ya da kullanımını sınırlandırdı. Ancak tamamen kaldırmak yerine, onu diğer istatistiksel araçlarla birlikte sunmak daha dengeli bir yaklaşım olarak öne çıkıyor.

Bir çalışmada p değeri 0,06 çıktıysa bu sonuç tamamen değersiz midir?

Hayır, değersiz değildir. 0,05 eşiğinin hemen üzerindeki sonuçlar, dikkatle yorumlanması gereken bir belirsizlik alanına işaret eder. Belki örneklem küçüktür, belki ölçüm hatası yüksektir ya da gerçekten etki zayıftır. Bu tür sonuçlar, daha büyük ve daha iyi tasarlanmış çalışmalar için bir davettir. Onları görmezden gelmek yerine, neden anlamlı çıkmadığını sorgulamak bilime daha çok katkı sağlar.

P değeri yerine hangi yöntemler kullanılabilir?

Bayesçi istatistik, güven aralıkları, etki büyüklüğü ölçütleri ve ön kayıtlı analiz planları p değerine alternatif ya da tamamlayıcı yaklaşımlar arasında sayılabilir. Bayesçi yöntemler, önceki bilgileri hesaba katarak olasılıkları doğrudan hipotezler üzerinden ifade eder. Güven aralıkları ise tahminin belirsizliğini daha zengin biçimde gösterir. Hiçbiri tek başına mükemmel değildir; önemli olan, bulguları tek bir sayıya indirgemeden sunmaktır.