Dergiler / Black Sea Journal of Engineering and Science / 2026 / Cilt: 1 Sayı: 1

PARAMETRİK VE PARAMETRİK OLMAYAN ÇOKLU KARŞILAŞTIRMA TESTLERİ

Parametric and nonparametric post hoc tests

Serdar Genç(Ahi Evran Üniversitesi, Ziraat Fakültesi, Tarımsal Biyoteknoloji Bölümü)
Mehmet İhsan Soysal(Namık Kemal Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü)
Sayfa
18–27
Yayın Tarihi
2018-01-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ancak, bazı araştırmalar parametrik çoklu karşılaştırma testlerinin de parametrik olmayan testlerden sonrada kullanılabileceğini göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Parametrik ve parametrik olmayan (non-parametrik) çoklu karşılaştırma testlerinin kullanım alanları detaylı anlatılmıştır.
📊
Temel Bulgular & Veri:Çalışmada bu testlerden; Asgari Önemli Fark, Duncan, Tukey (a), Student Newman Keuls, Lineer Bağıntılar (Linear contrasts), Bonferroni, Scheffe ve Dunnet Metodları incelenmiştir.
💡
Sonuç & Katkı:Ancak, bazı araştırmalar parametrik çoklu karşılaştırma testlerinin de parametrik olmayan testlerden sonrada kullanılabileceğini göstermiştir.
🔬Tür:Derleme
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Parametrik Çoklu Karşılaştırma Testleri · Parametrik Olmayan (Non-Parametrik) Çoklu Karşılaştırma Testleri · Dunnet

Özet

Bu çalışmada, Parametrik ve parametrik olmayan (non-parametrik) çoklu karşılaştırma testlerinin kullanım alanları detaylı anlatılmıştır. Parametrik testlerin kullanılması istatistik olarak testin gücü bakımından önemlidir. Bu sebeple parametrik testlerden sonra grup ortalamaları parametrik çoklu karşılaştırma testleriyle karşılaştırılır. Çalışmada bu testlerden; Asgari Önemli Fark, Duncan, Tukey (a), Student Newman Keuls, Lineer Bağıntılar (Linear contrasts), Bonferroni, Scheffe ve Dunnet Metodları incelenmiştir. Bilindiği üzere varyans analizinin varsayımları sağlanamamışsa parametrik testler yerine, parametrik olmayan (non-parametrik) testlerin kullanılması gerekmektedir. Bu amaçla parametrik olmayan (non-parametrik) çoklu karşılaştırma testlerinden; Hollander-Wolfe, Parametrik Olmayan Bonferroni (Nonparametrik Dunn’s), Parametrik Olmayan Dunnet, Parametrik Olmayan S-N-K (Student-Newman-Keuls) ve Parametrik Olmayan Tukey HSD (Tukey’s Honestly Significan Difference) metotları irdelenmiştir. Ancak, bazı araştırmalar parametrik çoklu karşılaştırma testlerinin de parametrik olmayan testlerden sonrada kullanılabileceğini göstermiştir.

Abstract

In this study, usage of parametric and nonparametric post hoc tests was explained. Use of parametric tests is statistically important in point of power of the test. So after parametric tests, group means were compared by parametric post hoc tests. In this study, Least Significant Difference, Duncan, Tukey (a), Student Newman Keuls, Linear Contrasts, Bonferroni, Scheffe and Dunnet Methods were examined. Traditionally, nonparametric tests were used instead of parametric tests, if assumptions of parametric tests not ensured. For this aim, Hollander-Wolfe, Nonparametrik Dunn’s, nonparametric Dunnet, nonparametric S-N-K (Student-Newman-Keuls) and nonparametric Tukey HSD methods were examined as nonparametric post hoc test. However, some research findings argued that after nonparametric tests, parametric post hoc tests can be used.

🔖

Bu Makaleye Atıf Yap

Genç, S., Soysal, M. İ. (2018). PARAMETRİK VE PARAMETRİK OLMAYAN ÇOKLU KARŞILAŞTIRMA TESTLERİ. Black Sea Journal of Engineering and Science, Cilt: 1 Sayı: 1, 18–27. https://ajindex.com/articles/1467554

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (19)

  1. Anonim 1994. FORTRAN Subroutines for Mathematical Applications. IMSL MATH/LIBRARY. Vol.1-2, Houston: Visual Numerics, Inc.
  2. Albayrak R. 2009. Bağımsız İki Grup Karşılaştırılmasında Grup Ortalamaları Arasındaki Muamele Öncesi Farkın İrdelenmesi. Ankara Üniversitesi Fen Bilimleri Enstitüsü, Zootekni ABD, Ankara.
  3. Duncan D B. 1955. Multiple Range and Multiple F Tests. Biometrics, 11: 1-42.
  4. Düzgüneş O, Kesici T, Kavuncu O, Gürbüz F. 1987. Araştırma ve Deneme Metotları. Ankara Üniversitesi Ziraat Fakültesi Yayınları, Ankara.
  5. Houle T T, Penzien D B, Houle C K. 2005. Statistical Power and Sample Size Estimation for Headache Research: An Overview and Power Calculation Tools Headache, 45: 414-418.
  6. Kaps M, Lamberson W R. 2004. Biostatistics for Animal Science. CABI Publishing, 93-104.
  7. Koşkan Ö. 2008. Yeniden örnekleme (Resampling) Yaklaşımı ve t-Testinin Gücü ve I. Tip Hata Bakımından Karşılaştırılması. Hayvansal Üretim, 49(1): 29-37.
  8. Kesici T, Kocabaş Z. 2007. Biyoistatistik. Ankara Üniversitesi Eczacılık Fakültesi. Yayın No:94., sf: 159-161.
  9. Kuehl R O. 2000. Design of Experiment: Principles of Research Design and Analysis. Dugsburg, Pasifig Grove.
  10. May J M. 1952. Extended and Corrected Tables of teh Upper Percentage Points of the Studentized Range. Biometrica 39: 192-193.
  11. Mendeş M, Mendeş E. 2002. Varayns Analizi ve Welch Testi ile Bunların Permutasyon Versiyonlarının I. Tip Hata ve Testin Gücü Bakımından Karşılaştırılması. 6. Zootekni Bilim Kongresi, Erzurum.
  12. Milliken G A, Johnson D E. 1992. Analyis of Messy Data. Designed Experiments Vol I., Chapman ve Hall, New York.
  13. Montgomery D C. 2008. Design and Analysis of Experiments. John Wiley Sons Publishing, 656, United States.
  14. Özdamar K. 2004. Paket Programlar İle İstatistiksel Veri Analizi (Çok Değişkenli Analizler). Kaan Kitabevi, 528s, ESKİŞEHİR.
  15. Sheskin D J. 2000. Handbook of Parametric and Nonparametric Statistical Procedures. Second Ed., Chapman 8 Hall/CRC.
  16. Soysal M İ. 2000. Biyometrinin Prensipleri (İstatistik I ve II Ders Notları). Namık Kemal Üniversitesi, Ziraat Fakültesi Yayın No:95, Ders Notu No:64, Tekirdağ.
  17. Şenoğlu B, Acıtaş Ş. 2010. İstatistiksel Deney Tasarımı: Sabit Etkili Modeller. Nobel yayın Dağıtım, Sf 51-62, 1. Basım. ISBN: 978-605-395-394-4.
  18. Zar J H. 1999. Biostatistical Analysis. Prentice Hall, 663, New Jersey.
  19. Kesici T, Kocabaş Z. 2007. Biyoistatistik. Ankara Üniversitesi Eczacılık Fakültesi. Yayın No:94., sf: 159-161.