Bağımsız Örneklem t-Testi Rehberi

1. Bağımsız Örneklem t-Testi Nedir?

Bağımsız Örneklem t-Testi (Independent Samples t-Test), parametrik hipotez testlerinden biridir. Birbirinden tamamen bağımsız iki farklı gruptan elde edilen sürekli bir bağımlı değişkene ait ortalamalar arasında istatistiksel olarak anlamlı bir fark olup olmadığını belirlemek için kullanılır. Bu test, evren (popülasyon) varyansının bilinmediği durumlarda örneklem standart sapmalarından faydalanarak Student's t-dağılımı üzerinden iki grubun evren ortalamalarının eşitliğini sınar.

2. Bağımsız Örneklem t-Testi Nerede Kullanılır?

Bağımsız örneklem t-testi şu şartlar bir araya geldiğinde tercih edilir:

İki Kategorili Bağımsız Değişken: İncelenen birimlerin veya kişilerin birbirini kapsamayan ve birbiriyle ilişkisi olmayan iki gruba ayrılması (örneğin: Kadın - Erkek, Deney Grubu - Kontrol Grubu, Kamu Sektörü - Özel Sektör).
Sürekli Bağımlı Değişken: Ölçülen bağımlı değişkenin en az eşit aralıklı veya oran ölçeğinde olması (örneğin: sınav notu, maaş, kan basıncı, reaksiyon süresi, memnuniyet skoru).

Kullanım Örnekleri:

Hibrit eğitim alan öğrenciler ile yüz yüze eğitim alan öğrencilerin genel akademik başarı ortalamalarının karşılaştırılması.
Özel sektör çalışanları ile kamu çalışanlarının haftalık ortalama çalışma süreleri arasında fark olup olmadığının incelenmesi.
Yeni bir diyet programına katılan grup ile standart beslenen grubun 1 ay sonundaki kilo kaybı miktarlarının karşılaştırılması.

3. Bağımsız Örneklem t-Testi Hipotezleri

Bağımsız örneklem t-testinde sınanan iki temel hipotez bulunur. Eşitlik 1'de iki grubun evren ortalamaları arasında fark olmadığını savunan Sıfır Hipotezi ( $H_0$ ) yer almaktadır.

H_0: \mu_1 = \mu_2 \quad \text{veya} \quad H_0: \mu_1 - \mu_2 = 0 \tag{1}

Eşitlik 1'de;
$\mu_1$ : Birinci grubun evren ortalamasını,
$\mu_2$ : İkinci grubun evren ortalamasını ifade etmektedir.

Eşitlik 2'de ise iki grubun evren ortalamaları arasında anlamlı bir fark olduğunu savunan Çift Yönlü (Two-Tailed) Alternatif Hipotez ( $H_1$ ) gösterilmektedir (farkın yönü belirtilmez).

H_1: \mu_1 \neq \mu_2 \quad \text{veya} \quad H_1: \mu_1 - \mu_2 \neq 0 \tag{2}

Eğer araştırmacı hangi grubun ortalamasının daha yüksek veya düşük olacağını önceden teorik olarak modelliyorsa Tek Yönlü (One-Tailed) Hipotez kurulur ( $H_1: \mu_1 > \mu_2$ veya $H_1: \mu_1 < \mu_2$ ).

4. Bağımsız Örneklem t-Testi Formülü

Test istatistiği olan $t$ değeri, iki örneklem ortalaması arasındaki farkın, bu farkın standart hatasına bölünmesiyle hesaplanır. Matematiksel hesaplama süreci varyansların eşitlik durumuna göre ikiye ayrılır.

4.1. Varyanslar Eşit Olduğunda (Birleştirilmiş Varyans - Pooled Variance)

Grupların varyanslarının homojen olduğu kabul edildiğinde ( $S_{1}^{2} \approx S_{2}^{2}$ ), grupların varyansları ağırlıklı olarak birleştirilerek Eşitlik 3 yardımıyla ortak varyans ( $S_{p}^{2}$ ) hesaplanır.

S_{p}^{2} = \frac{(n_1 - 1)S_{1}^{2} + (n_2 - 1)S_{2}^{2}}{n_1 + n_2 - 2} \tag{3}

Eşitlik 3'te;
$S_{p}^{2}$ : Birleştirilmiş ortak varyansı,
$n_1, n_2$ : Birinci ve ikinci grubun gözlem sayılarını,
$S_{1}^{2}, S_{2}^{2}$ : Birinci ve ikinci grubun örneklem varyanslarını göstermektedir.

Ortak varyans bulunduktan sonra standart $t$ -testi istatistiği Eşitlik 4 üzerinden uygulanır. Bu durum için serbestlik derecesi hesaplaması $df = n_1 + n_2 - 2$ şeklindedir.

t = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{S_{p}^{2} \left( \frac{1}{n_1} + \frac{1}{n_2} \right)}} \tag{4}

Eşitlik 4'te;
$\bar{X}_1, \bar{X}_2$ : Birinci ve ikinci grubun örneklem ortalamalarını,
$t$ : Hesaplanmış test istatistiğini ifade etmektedir.

4.2. Varyanslar Eşit Olmadığında (Welch t-Testi)

Varyansların homojenliği ihlal edildiğinde (Levene testi $p < .05$ olduğunda), Tip I hata oranını dengede tutmak amacıyla Eşitlik 5'te yer alan Welch t-testi kullanılır.

t = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{\frac{S_{1}^{2}}{n_1} + \frac{S_{2}^{2}}{n_2}}} \tag{5}

5. Bağımsız Örneklem t-Testi Hipotez Kararı

Hesaplanan test istatistiği üzerinden istatistiksel karara varmak için iki temel yaklaşım kullanılır.

5.1. p Değerine Göre Karar

Yazılım çıktılarında elde edilen $p$ (anlamlılık / significance) değeri, analiz öncesinde belirlenen anlamlılık düzeyi (genellikle $\alpha = 0.05$ ) ile karşılaştırılır:

$p \leq .05$ : $H_0$ hipotezi reddedilir. Gruplar arasındaki fark istatistiksel olarak anlamlıdır.
$p > .05$ : $H_0$ hipotezi reddedilemez. Gruplar arasındaki fark istatistiksel olarak anlamlı değildir.

5.2. Test İstatistiği ve Kritik Değer Tablosunun Karşılaştırılması

Hesaplanan test istatistiğinin mutlak değeri ( $\vert{}t_{hesap}\vert{}$ ), serbestlik derecesi ve anlamlılık düzeyine ( $\alpha$ ) göre t-Kritik Değer Tablosundan bulunan $t_{kritik}$ değeri ile karşılaştırılır:

$\vert{}t_{hesap}\vert{} \geq t_{kritik}$ : $H_0$ hipotezi reddedilir.
$\vert{}t_{hesap}\vert{} < t_{kritik}$ : $H_0$ hipotezi reddedilemez.

6. Bağımsız Örneklem t-Testi Tablo Oluşturma (APA)

Amerikan Psikoloji Derneği (APA 7) standartlarına uygun bağımsız örneklem t-testi tablosu yapısı aşağıda sunulmuştur.

Tablo 1

Cinsiyete Göre Matematik Dersi Başarı Puanlarının Bağımsız Örneklem t-Testi Sonuçları

Grup	N	Ortalama	Standart Sapma	df	t	p	Cohen's d
Kadın	35	82.40	7.50	68	3.12	.003	0.75
Erkek	35	76.10	9.20

Not. $N$ = katılımcı sayısı; $df$ = serbestlik derecesi; $t$ = test istatistiği; $p$ = anlamlılık değeri.

7. Bağımsız Örneklem t-Testi Nasıl Yorumlanır? (APA)

APA formatında raporlama yapılırken betimleyici istatistikler, serbestlik derecesi, test istatistiği, anlamlılık değeri ve etki büyüklüğü metin içine entegre edilmelidir.

APA Formatında Raporlama Örneği:
Öğrencilerin matematik dersi başarı puanlarının cinsiyete göre farklılaşıp farklılaşmadığını belirlemek amacıyla bağımsız örneklem t-testi uygulanmıştır. Yapılan analiz sonucunda, kadın öğrencilerin başarı puan ortalamasının ( $\bar{X} = 82.40, S = 7.50$ ), erkek öğrencilerin başarı puan ortalamasından ( $\bar{X} = 76.10, S = 9.20$ ) istatistiksel olarak anlamlı derecede yüksek olduğu tespit edilmiştir, $t(68) = 3.12, p = .003$ . Elde edilen etki büyüklüğü skoru ( $d = 0.75$ ), cinsiyet değişkeninin başarı puanı üzerinde pratik olarak orta-yüksek düzeyde bir etkiye sahip olduğunu göstermektedir (Cohen, 1988).

8. Bağımsız Örneklem t-Testi Varsayımları Nelerdir?

Testin parametrik tahmincilerinin doğru sonuç verebilmesi için (Field, 2018) şu varsayımların karşılanması gerekir:

Ölçek Düzeyi: Bağımlı değişken en az eşit aralıklı veya oran ölçeğinde (sürekli) olmalıdır.
Kategorik Bağımsız Değişken: Bağımsız değişken, iki ayrı kategoriden (gruptan) oluşmalıdır.
Gözlemlerin Bağımsızlığı: Bir gruptaki katılımcının ölçüm sonucu, diğer gruptaki katılımcıların puanlarından tamamen bağımsız olmalıdır.
Normallik Varsayımı: Bağımlı değişken her iki grupta da normal dağılım sergilemelidir (Shapiro-Wilk veya Kolmogorov-Smirnov testi ile sınanır). Örneklem büyüklüğü yeterli olduğunda ( $n > 30$ ) Merkezi Limit Teoremi gereği normallik varsayımı ihlaline karşı test dirençlidir.
Varyansların Homojenliği: İki grubun varyansları birbirine eşit olmalıdır. Bu durum yazılımlarda Levene Testi ile sınanır:

Levene $p > .05$ ise varyanslar eşittir (Standart t-testi uygulanır).
Levene $p \leq .05$ ise varyanslar eşit değildir (Welch t-testi sonuçları esas alınır).

9. SPSS'te Bağımsız Örneklem t-Testi Nasıl Yapılır?

Menüden Analyze > Compare Means > Independent-Samples T Test... adımlarını izleyin.
Sürekli olan bağımlı değişkeninizi Test Variable(s) kutusuna aktarın.
İki kategorili bağımsız değişkeninizi Grouping Variable kutusuna aktarın.
Define Groups butonuna tıklayarak gruplarınızın veri setindeki kodlarını girin (örneğin: Group 1: 1, Group 2: 2) ve analizi çalıştırın.
Çıktı Okuma: İlk olarak Levene's Test tablosundaki Sig. ( $p$ ) değerine bakın. Eğer $p > .05$ ise birinci satırdaki (Equal variances assumed) $t$ ve $Sig. (2-tailed)$ değerlerini okuyun. Eğer $p \leq .05$ ise varyanslar homojen olmadığı için ikinci satırdaki (Equal variances not assumed / Welch) değerleri okuyun.

10. Stata'da Bağımsız Örneklem t-Testi Nasıl Yapılır?

Stata'da standart t-testi komutu doğrudan değişken isimleri belirtilerek çalıştırılır.

* Standart t-Testi Komutu
ttest basari_notu, by(cinsiyet)

Varyans homojenliği ihlal edildiğinde ise (Welch t-testi), komutun sonuna unequal seçeneği eklenmelidir:

* Welch t-Testi Komutu
ttest basari_notu, by(cinsiyet) unequal

Stata çıktısında, Ha: diff != 0 satırı altındaki Pr(|T| > |t|) değeri, çift yönlü hipotezin $p$ (anlamlılık) değerini gösterir.

11. R'de Bağımsız Örneklem t-Testi Nasıl Yapılır?

R yazılımında t.test() fonksiyonu, varsayılan olarak varyansların eşit olmadığını kabul ederek doğrudan Welch düzeltmesini uygular.

# Standart Welch t-Testi (R Varsayılanı - Varyanslar eşit olmadığında)
t.test(basari_notu ~ cinsiyet, data = veri_seti)

Varyans eşitliği varsayımı sağlandığında (Levene testi anlamsız çıktığında), fonksiyona var.equal = TRUE parametresi eklenerek standart test çalıştırılır.

# Birleştirilmiş t-Testi (Varyanslar eşit olduğunda)
t.test(basari_notu ~ cinsiyet, data = veri_seti, var.equal = TRUE)

Kaynakça

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
Student. (1908). The probable error of a mean. Biometrika, 6(1), 1-25.
Welch, B. L. (1947). The generalization of 'Student's' problem when several different population variances are involved. Biometrika, 34(1/2), 28-35.