Araştırmalarda en önemli konulardan biri, örneklem büyüklüğünün doğru belirlenmesidir. Çok küçük örneklemle çalışıldığında gerçek etkiler gözden kaçabilir; çok büyük örneklemle çalışıldığında ise zaman, emek ve maliyet boşa harcanır. Güç analizi kullanılarak örneklem büyüklüğünün belirlenmesi, ihtiyacımız olan örneklem büyüklüğü konusunda bize rehberlik ederek, araştırmalarımızda bilimsel bir tutum izlemiş olmamızı sağlar.
Güç analizi, araştırmamızda kullanacağımız bir istatistiksel testin, gerçekten var olan bir etkiyi tespit etme olasılığını hesaplamaya yarar. Peki güç analizi neden önemlidir?
-
Uygun örneklem büyüklüğünü belirlememizi sağlar.
-
Yanlış karar riskini azaltır. Tip I hata (olmayan etkiyi var sanmak) ve Tip II hata (olan etkiyi görememek) olasılıklarını dengelemeye yardımcı olur.
-
Araştırmanın güvenilirliğini artırır. İstatistiksel testlerin sadece anlamlı değil, aynı zamanda güvenilir sonuçlar vermesini sağlar.
-
Kaynakları verimli kullanmamıza katkı sağlar. Katılımcı, zaman ve maliyet açısından en uygun planlamayı yapma imkânı verir. Etik açıdan da bizi güçlü kılar. Çünkü gereğinden fazla katılımcıdan veri toplamanın etik sorumluluğu da vardır 🙂
-
Tez, makale ve proje değerlendirmelerinde güç analizi, araştırmanın bilimsel gücünü gösteren önemli bir ölçüttür.
Güç Analizi Türleri: A priori, Post hoc, Comprimise, Criterion ve Sensitivity
Güç analizi farklı araştırma aşamalarında farklı amaçlarla kullanılabilir. Bu nedenle üç temel yaklaşım vardır:
1. A priori güç analizi (önceden örneklem hesabı)
Araştırmaya başlamadan önce yapılır. Belirli bir etki büyüklüğü (effect size), anlamlılık düzeyi (α) ve hedeflenen güç (1-β) girilerek gerekli örneklem büyüklüğü hesaplanır. En çok kullanılan yöntemdir.
2. Post hoc güç analizi (gerçekleşen gücü hesaplama)
Araştırma bittikten sonra, elde edilen örneklem büyüklüğü ve etki büyüklüğüne bakılarak gerçekleşen güç hesaplanır. Daha çok geriye dönük değerlendirme amaçlıdır. Artık SPSS bazı analizler için, gerçekleşen etki büyüklüğünü hesaplama seçeneğini eklediğinden işimiz bu aşamada kolaylaştı 🙂
3. Sensitivity analizi (duyarlılık analizi)
Mevcut örneklem büyüklüğüne göre elde edilebilecek en küçük etki büyüklüğünün ne olduğunu gösterir. “Benim elimde şu kadar katılımcıya ait veri var; en küçük etki büyüklüğünde hangi farkı ya da ilişkiyi yakalayabilirim” sorusuna yanıt verir.
Biz bu yazıda kullanmayı planladığımız test için gereksinim duyduğumuz örneklem büyüklüğünün ne olduğu sorusuna odaklanacağız. Temel kavramlarla devam etmek istiyorum. Aralara slaytlardaki görselleri eklemenin bilgileri zihnimizde organize etmemize yardım edeceğini düşünerek görselleri de eklemeyi uygun buldum.
Güç Analizinde Temel Kavramlar
Güç analizinin mantığını anlayabilmek için, Tip I ve Tip II hata, etki büyüklüğü, güç ve örneklem büyüklüğü gibi temel kavramları anlamak gerekir.
Tip I Hata (α, Alfa):
Aslında ortada bir etki yokken, yanlışlıkla “ etki var” demektir. Yani olmayan bir farkı ya da ilişkiyi varmış gibi kabul etme olasılığıdır. Genellikle %5 (α = 0.05) olarak alınır.
Tip II Hata (β, Beta):
Gerçekte bir etki olduğu halde, bunu görememektir. Yani var olan bir farkı ya da ilişkiyi gözden kaçırma olasılığıdır.
Güç (1 – β):
Gerçek bir etkiyi doğru biçimde yakalama olasılığıdır. Araştırmalarda en az %80 (0.80), daha güvenli çalışmalarda ise %95 (0.95) güç hedeflenir.
Etki Büyüklüğü (Effect Size):
Bir ilişkinin ya da farkın “büyüklüğünü” ifade eder. Yani istatistiksel olarak farkın var olup olmadığını değil, bu farkın ne kadar güçlü olduğunu gösterir. Örneğin:
-
Cohen’s d = 0.20 → küçük etki
-
Cohen’s d = 0.50 → orta etki
-
Cohen’s d = 0.80 → büyük etki
Atıfa ihityacınız olursa diye Cohen’in kitabına ait bilgileri de bırakayım şuraya 🙂
(Kaynak: Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Lawrence Erlbaum Associates.)
Örneklem Büyüklüğü (Sample Size):
Araştırmada yer alan katılımcı sayısıdır. Çok küçük olursa güç düşer, çok büyük olursa gereksiz kaynak tüketimi olur. Güç analizi, ideal dengeyi kurmak için kullanılır.
Şimdi bu kavramlar arasındaki ilişkiyi aşağıdaki görsel üzerinde inceleyelim.
Yukarıdaki grafikte iki farklı dağılım olduğunu görüyoruz. Grafikte soldaki mavi eğri, gerçekte bir fark olmadığını (H₀ doğru), sağdaki yeşil eğri ise gerçekte fark olduğunu (H₁ doğru) gösteriyor. İki eğrinin arasındaki kesikli çizgi bizim karar sınırımızı, yani “kritik değeri” temsil ediyor. Bu çizginin sağındaki kırmızı alan Tip I hata, yani aslında fark yokken biz fark varmış gibi kabul ettiğimiz durumdur. Turuncu alan Tip II hata, yani fark gerçekten varken bunu göremediğimiz durumdur. Yeşil alan ise gücü, yani gerçek farkı doğru biçimde yakalayabilme olasılığımızı gösterir. Görüldüğü gibi bu üç kavram birbirine bağlıdır; örneklem büyüklüğü arttıkça eğriler daha net ayrılır, Tip II hata azalır ve testin gücü artar.
Peki güç analizi ile gerekli örneklem büyüklüğünü nasıl hesaplarız? Eminim pek çoğunuz bu sayfayı bu amaçla ziyaret ediyorsunuz 🙂 Biraz da bundan söz edelim. Güç analizi yaparken elimizde mutlaka bir etki büyüklüğü (effect size) tahmini olması gerekir. Bu tahminin en sağlam yolu, daha önce yapılmış çalışmalardan elde edilen bulguları kullanmaktır. Örneğin siz “kahve tüketiminin odaklanma düzeyi üzerindeki etkisini” araştırmak istiyorsunuz. alan yazınını taradığınızda benzer bir çalışmada elde edilen bulgulara göre Cohen’s d = 0.45 olarak rapor edilmiş. Yani araştırmacılar kahve içenlerle içmeyenler arasında orta düzeyde bir fark bulmuşlar. Siz de kendi çalışmanızda güç analizi yaparken bu etki büyüklüğünü başlangıç noktası olarak kullanabilirsiniz: Etki büyüklüğünü (d) 0.45, anlamlılık düzeyini (α) 0.05, gücü (1-β) ise 0.80 olarak belirleyebilir ve hesaplamayı buna göre yapabilirsiniz. Tabi etki büyüklüğünü neden .45 olarak aldığınızı da atıflarıyla gerekçelendirmelisiniz. Bu değerleri G*Power’a girdiğinizde program size gerekli örneklem büyüklüğünü verecektir. Videoda bir örneğini gösterdim.
Eğer araştırma konunuzla ilgili benzer bir çalışma bulamazsanız, Cohen’in (1988) önerdiği standart değerleri (küçük = 0.20, orta = 0.50, büyük = 0.80) kullanabilir ya da küçük bir pilot çalışma yaparak etki büyüklüğünü tahmin edebilirsiniz. Kaynağını da yukarıda vermişimdir:)
Şimdilik benden bu kadar. Sevgiler. Betül.