İstatistiklerle ilgili yanlış anlamalar deneyimli araştırmacılar arasında bile yaygın

İstatistik konusunda kapsamlı eğitim almış araştırmacılar ve kişiler bile istatistiksel sonuçları doğru şekilde yorumlamakta sıklıkla zorluk çekerler. Bu, Uppsala Üniversitesi ve diğerleri tarafından yürütülen ve araştırmacıların 15.000’den fazla katılımcıyı içeren 55 çalışmayı analiz ettiği yeni bir sistematik incelemeyle gösterilmiştir. Çalışma şu adreste yayınlandı: PLOS Bir.

İstatistikler birçok bilimsel alanda önemli bir araçtır. Araştırmacılar istatistiksel yöntemleri kullanarak yalnızca gözlemlenenleri tanımlamakla kalmaz, aynı zamanda daha genel sonuçlar da çıkarabilirler. Örneğin bu, bir ilacın etkili olup olmadığının veya hava kirliliği ile insan sağlığı arasında bir bağlantı olup olmadığının araştırılmasını içerebilir.

İstatistiksel sonuçlardan sonuç çıkarmak istatistiksel çıkarım olarak bilinir. İstatistiksel analiz sonuçlarının tanımlanma ve anlaşılma şekli, gerçekte varılan sonuçları etkiler. P değeri, istatistiksel anlamlılık ve güven aralıkları gibi kavramlar burada merkezi bir rol oynamaktadır.

Peki bu kavramları gerçekte ne kadar iyi anlıyoruz?

Uppsala Üniversitesi Halk Sağlığı ve Bakım Bilimleri Bölümü’nden araştırmacı Per Lytsy, “Bunu çeşitli şekillerde inceleyen birçok çalışma bulduk. Çarpıcı olan, farklı yöntemler kullanmalarına rağmen araştırmacıların benzer sonuçlara ulaşmış olmaları: istatistiksel sonuçlardan gerçekte ne çıkarılabileceğinin anlaşılması yetersiz ve yanlış anlamalar yaygın” diyor.

İstatistik bilgisi olanlarda bile kavram yanılgıları

Sistematik inceleme, 1963 ile 2024 yılları arasında yayınlanan 55 çalışmayı içermektedir. Çalışmaların çoğu, katılımcılardan istatistiksel sonuçları yorumlamalarının veya çeşitli ifadelerin doğru veya yanlış olup olmadığına karar vermelerinin istendiği anket araştırmalarıydı. Diğer çalışmalar istatistiksel sonuçların bilimsel sonuçlara olan güveni nasıl etkilediğini inceledi. Katılımcılar arasında öğrenciler, araştırmacılar, sağlık profesyonelleri, istatistikçiler ve istatistik öğretmenleri vardı.

Yaygın bir yanılgı, istatistiksel anlamlılığın, bir hipotezin doğru olduğunun veya bir etkinin anlamlı olduğunun kanıtı olarak görülmesidir. Örneğin bir ilaç, hastalar için herhangi bir pratik öneme sahip olmasa da istatistiksel olarak anlamlı bir iyileşme sağlayabilir.

Yanlış anlamaların bu kadar yaygın olmasının bir nedeni, istatistiksel kavramların anlaşılmasının genellikle zor olması ve olasılıklar ve belirsizlik hakkında sezgisel olarak akıl yürütme şeklimize her zaman karşılık gelmemesi olabilir. Ayrıca, istatistiksel yöntemler farklı teorik temellere dayanır ve bazen bir arada kullanılır; bu da hangi sonuçların doğrulandığının anlaşılmasını daha da zorlaştırabilir.

Uppsala Üniversitesi İstatistik Bölümü’nde kıdemli öğretim görevlisi Ronnie Pingel, “P-değerini, test ettiğimiz hipotezin doğru veya yanlış olma olasılığı olarak yorumlamak yaygın bir örnektir. Ancak bu sonuca p-değeri temelinde ulaşılamaz. Bu tür yanlış yorumlamalar, araştırma bulgularına garanti edilenden daha fazla kesinlik atfetmemize yol açabilir” diyor.

Eğitim ve kararlar için önemli

On yıllara yayılan çalışmaları derleyen yeni inceleme, istatistik konusunda kapsamlı eğitim almış kişiler arasında bile bu yanlış anlamaların ne kadar yaygın ve kalıcı olduğuna dair daha geniş bir resim sunuyor. Araştırmacılar, incelemenin istatistiğin yanlış yorumlanmasına ilişkin farkındalığı artırmaya, istatistik öğretimini geliştirmeye ve bilimsel bulguların daha eleştirel bir şekilde incelenmesini teşvik etmeye yardımcı olacağını umuyor.

Lytsy, “İstatistiksel yöntemleri kullanabilmek, sonuçların ne anlama geldiğini anlamakla aynı şey değil. İncelememiz, yanlış anlamaların deneyimli araştırmacılar arasında bile yaygın olduğunu gösteriyor. Bu, yanlış sonuçlara ve sonuçta daha kötü kararlara yol açma riskini taşıyor” diyor.