Veri Analiz ve Karar Verme. A. Mohammed Abubakar, PhD

Transkript

1 Veri Analiz ve Karar Verme 1

2 Değişkenler (Constructs) Dersin Amacı Ikinci düzey değişkenler (second-order constructs) veya üst-düzey değişkenler (higher-order constructs) Anket tasarım, ortak yöntem sapması ve prosedür çözümler (Survey design, common method bias and procedural remedies) Açımlayıcı faktör analizi (Explanatory factor analysis) Doğrulayıcı faktör analizi (Confirmatory factor analysis) Ortak yöntem sapması ve istatistiksel çözümler (Common method bias and statistical remedies) Güvenirlik ve geçerlik - Reliability and validity Yakınsama geçerliği(convergent validity) Iraksama ve ayırt edici geçerlilik (discriminant validity) 2

3 Dersin Amacı Korelasyon analizi (Correlation analysis) Basit doğrusal regresyon analizi (Linear regression analysis) Yapısal eşitlik modellemesi - Structural equation modeling (SEM) Aracılık analizi (etkisi) Mediation analysis (indirect/mediating effect) Baron ve Kenny'nin (1986), 3 adımlı yöntemi (Baron and Kenny method) Bootstrapping yöntemi (Bootstrapping method) Düzenleyici analizi (etkisi) Moderation analysis (moderating effect) İki-yönlü etkileşim analizi - 2-way interaction effect analysis Üç-yönlü etkileşim analizi - 3-way interaction effect analysis Çok gruplu düzenleyici analizi Multi-group moderation analysis Aracılık-düzenleyici veya düzenleyici-aracılık analizi Mediatedmoderated and moderated-mediated analyses. 3

4 Değerlendirme Yöntemi Derse Katılım : %5'dir. Derste fikirlerini belirterek derse katkıda bulunan öğrencilere ek puan olarak %5 final projesine eklenecektir. Sunum: (%25) Vize/Ara sınav: Ders kapsamında anlatılanların uygulaması şeklinde örnek olay analizi şeklinde yapılacaktır. (%25) Final Projesi: Final projesi derste anlatılan analızları kapsayacak şekilde grup halinde yapılır. (%45) 4

5 Genel Bakış Uygun tekniğin seçimi ve analiz işlemi uzmanlık düzeyinde bilgi gerekir Çünkü bilimsel araştırmalarda ilgilenilen değişkenlere ilişkin gerçekleştirilen ölçümler sonucu elde edilen veriler, genellikle işlenmemiş verilerdir. Dolayısıyla veri analizi ise verilerden uygun istatistiksel teknikler kullanılarak bilimsel geçerliğe sahip sonuçlar çıkartma süreci olarak tanımlanabilir. 5

6 Genel Bakış İstatistik; örnek verilerden hareket ederek populasyon (ana kütle istatistik kütlesi- anakitle - evren) hakkında Yorumlama, Tahminleme veya genelleme Örnek verilerini inceleyerek populasyon hakkında karar vermek. 6

7 Anket Tasarım Adımları Konuyu Tanımla Populasyonu Tanımla Amaca yönelik sorular hazırlama Net, oz ve gerekli sorular yaratma Anlaşılır ifadeler kullanma Anket ön çalışma - küçük bir grup ile ön-testi (pilot veya pre-test anket) uygulaması Örneklem boyutunu ve metodunu belirleme 7

8 8

9 Anket Tasarım Adımları Populasyon: İlgilenilen veri YBS daki tüm Öğrenciler Örneklem: Populasyonun alt seti YBS daki 1'ci sinif Öğrenciler Değişken Her gözleme göre farklı değerler alabilen durumlara, objelere veya özelliklere denir. 9

10 Anket Tasarım Adımları Amacın Belirlenmesi (Aim of the study) Anket Dizaynı (Questionaire design) Örnek Dizaynı ve Tipi Seçimi (Sampling design and technique) Örnek Hacmi (Sample size) Veri Toplanması (Data collection) Kodlama (Coding) Veri Analizi (Data analysis) Sonuçların Yorumu (Interpretation of findings) Raporlama (Reports) 10

11 Anket Tasarım Adımları Araştırmacının destekleyen kuruluşun adına, kendi ismi ve iletişim bilgilerine yer almalı Anketin sunuş yazısında çalışmanın amacına (kısaca/özlüce) yazılmalı Toplanacak verilerin sadece bilimsel amaçlarla kullanlacağına (gizliliğe), ilgi ve katkılar için teşekkür ifadelerine yazılmalı Sağlıklı yorum yapabilmek için anket geri dönüş oranının %70 in üzerinde olması beklenir. Anketlerin geri dönüş oranı büyük ölçüde uygulama biçimine bağlıdır. Ancak gerı dönüş oranın etkileyen faktörlar var 11

12 Değişkenler Kesikli Değişkenler - Yas Sürekli Değişkenler - bir aralıktaki tüm değerleri alabilen değişkenlerdir ( 1 5 Kategorik Değişkenler - Cinsiyet 12

13 Common Method Variance Anketi olabildiğince kısa ve öz tutunuz Sorular tek bir amaca yönelik olmalıdır. Basit ve tek anlama sahip sözcükler kullanınız, fazla teknik terimler kullanmaktan kaçınınız. Kişisel ve gizlilik gerektiren hassas soruları anketin sonuna yerleştiriniz Orta noktası - nötr/tarafsız (1= Katılıyorum; 2= Katılma Eğilimindeyim; 3= Kararsızım; 4= Katılmama Eğilimindeyim; 5= Katılmıyorum Sorular, cevaplayıcıyı yönlendirmemelidir İstatistik metodu (Harman tek faktör testi) 13

14 Neden Faktör Analiz? Faktör analizi çok değişkenli (multivariate) teknik olarak, değişkenler arasındaki ilişkileri belirlerme, bulmayı, ve keşfetmeyi amaçlayan bir istatistik yöntemidir. Alttaki faktörleri(ifadeler) açıklayarak veri yapısını basitleştirir Veri azaltma (Data reduction) - değişkenlerin sayısının daha az sayıda faktöre indirgenmesi Kuram geliştirme (structure) - değişkenlerin kendi aralarındaki ilişkileri kullanarak yapıyı tanımlamak. Yaygınlıkla da psikometrik araç geliştirme sürecinde kullanılmaktadır. Ölçek geliştirirken (gereksiz, belirsizlik içeren, ilgisiz, yapı ile ilişkili olmayan maddelerin elenmesine veya tanımlanmasına yardım eder) 14

15 Exploratory and Confirmatory Factor Analysis (EFA and CFA) EFA = Açımlayıcı Faktör Analizi - Bir veri kümesinin içerdiği ilişkili temel yapıları inceler ve özetler. Ek olarak veri azaltma konusunda yardım eder CFA = Doğrulayıcı Faktör Analizi - Bir veri kümesinin temel yapılarını, hipotetik olarak önceden tanımlanmış yapılara uygunluğu bağlamında denetler. NOT: Kategorik değişken veriler için faktör analizi uygun değildir 15

16 EFA ve CFA Kavramsal Modeli 16

17 Faktör yük değerlerinin 0.50 ya da daha yüksek olması seçim için iyi bir ölçüdür Önemli faktör sayısına karar vermede şu ölçütlerin dikkate alınması önerilebilir: Özdeğer (eigenvalue) > 1 Açıklanan varyans oranı <%50 Bartlett testi p<.05 Kaiser Meyer-Olkin (KMO ) testi: Bu test, örneklem yeterliliğini ölçer ve örneklem büyüklüğüyle ilgilenir. <.70 17

18 Yapısal eşitlik modellemesi Yapısal eşitlik modellemesi, ikinci nesil veri analiz tekniği birçok bağımlı ve bağımsız değişkenler arasındaki ilişkilerin modellenmesi ile karmaşık bir araştırma problemini tek bir süreçte, sistematik ve kapsamlı bir şekilde ele almayı sağlamaktadır (Anderson ve Gerbing, 1988). Karmaşık modellerin testinde, yanı aracılık (mediation) ve düzenleyicilik (moderasyon/moderation) etkilerini incelemeyi bir yöntemdir. Bağımlı ile bağımsız yer alan değişkenler arasındaki ilişkilerin tespit edilmesi, ölçme modelinin test edilmesi sağlamaktadır 18

19 Bağımlı değişken veya içsel değişken (endogenous variable) Bağımsız değişken veya dışsal (exogenous variable) Gözlenen değişken (observed variable) Örtük değişken (latent variable) NOT: First order construct and second order construct 19

20 Modele ait uyum iyiliği istatistiklerinin incelenmesi Goodness-Of-Fit Index (GFI): GFI, varsayılan modelce hesaplanan gözlenen değişkenler arasındaki genel kovaryans miktarım gösterir. GFI 1'e yaklaştıkça iyi bir model göstergesi olarak alınmaktadır. Adjusted Goodness-Of-Fit Index (AGFI): GFI testinin yüksek örnek hacmindeki eksikliğini gidermek amacıyla kullanılan bir indekstir. Değeri 0-1 arasında değişir ve 1'e yaklaştıkça iyi bir model göstergesidir. 20

21 Chi Square Index: Orijinal değişken matrisinin varsayılan matristen farklı olup olmadığını test eder. Bu test regresyon katsayılarının işaretine ve anlamlılık düzeyine bakar ve modelin ayrı ayrı parçaları hakkında bilgi verir. Aynı zamanda bu testle modelin tamamının doğruluğu da ölçülebilir. Relative Chi Square Index: Bu test ki-kare'yi daha az örnek büyüklüğüne bağımlı hale getiren bir yöntem olup ki-kare'nin serbestlik derecesine bölümünden elde edilir. AMOS'ta bu değer CMIN/DF(Ki-kare/Serbestlik Derecesi) olarak verilir. Bu değerin 1 ve 5 aralığında olması gerekir. 21

22 Comparative Fit Index (CFI): Mevcut modelin tahmin edilen kovaryans matrisi ile sıfır hipotezli modelin kovaryans matrisini karşılaştırır. CFI 1'e yaklaştıkça modelin daha güçlü uyum içinde olduğunu vurgular. Normed Fit Index (NFI): Mevcut modelin varsayılan ile sıfır hipoteziyle olan uygunluğunu araştırır. Amaç varsayılan modelin kullanılmasıyla iyileşen uygunluk miktarını belirlemektir. NFI 1'e yaklaştıkça modelin daha güçlü uyum içinde olduğunu vurgular. Root Mean Square Residual (RMSR): Bu değer 0'a yaklaştıkça test edilen modelin daha iyi uyum iyiliği gösterdiği anlaşılır. Değeri 0.08 altında iyi bir model göstergesidir. 22

23 Korelasyon analizi nedir? Korelasyon bir değişkenin çok değişken(ikiden fazla) ile olan ilişkisini test etmek ve varsa bu ilişkinin derecesini ölçmek için kullanılan bir istatiksel yöntemdir. Değişkenlerden en az birinin parametrik olması gerekir (Ortalam/Mean Score). r= -1 ise tam negatif doğrusal bir ilişki r= +1 ise tam pozitif doğrusal bir ilişki r=0 ise ilişki yoktur 23

24 Katsayının -1 e doğru yaklaşması,değişkenler arasında ters yönlü kuvvetli bir ilişkiyi gösterirken, 1 e yaklaşması değişkenler arasında doğru yönlü kuvvetli bir ilişkiyi ifade eder. Korelasyon katsayısının işareti, regresyon doğru veya eğrisine ait eğim katsayısının işaretidir. Korelasyon hesaplamada iki değişkenden birindeki değişmenin diğerindeki değişmeye bağlı olduğunu öne sürmek için yeterli temel her zaman bulunamaz. Bu nedenle Regresyon analizi yapılır. 24

25 Regression Analysis (Regresyon Analizi) Regresyon analizi, iki veya daha fazla değişken arasındaki ilişkiyi belirlemek ve bu ilişkiyi kullanarak o konu ile ilgili tahminler (estimation) ya da kestirimler (prediction) yapabilmek amacıyla yapılır. Bağımsız (Açıklayıcı) değişken sayısı birden fazla olabilir, bağımlı (Açıklanan yada Etkilenen) değişken sayısı tek olmalı. Ancak tek bağımsız değişken var ise Basit Doğrusal Regresyon iki ve daha fazla bağımsız değişken var ise Çoklu Doğrusal Regresyon adı verilmektedir. 25

26 Regresyon analizinde genellikle bağımsız değişkenler (X), bağımlı değişkenler (Y) ile gösterilirler. Regresyon doğrusunun ne derece iyi tahminlenmiş olduğunu regresyon kareler toplamının ortalama etrafındaki kareler toplamına oranına bakarak söyleyebiliriz. Bu orana BELİRLEME KATSAYISI adı verilir ve R2 ile gösterilir. R2 nin 1 e yaklaşan değerleri bize uyumun iyi olduğunu belirtir. (0<R2<1) Değişkenler arasındaki ilişkiler aşağıdaki gibi sınıflandırılabilir: i) Belirleyici (deterministik) ilişkiler ii) Yarı belirleyici ilişkiler - ara iii) Deneysel (ampirik) ilişkiler - moderasyon 26

27 β yı Etkileyen Faktörler Önem derecesi/seviyesi α Örnekleme dağılımının RET bölgesinin büyüklüğünü gösterir. Tipik değerleri: 0.01, 0.05, 0.10 α azalırken β artar. Populasyon standart sapması σ (σ arttıkça β artar) Örnek hacmi n (n azaldıkça β artar) 27

28 β ve α Ters yönlü ilişki içindedir Her iki hatayı da aynı anda azaltamazsınız! β α 28

29 29

30 Meditiation effect (Aracılık etkisi) Aracılık etkisi sosyal bilimler araştırmalarında sıklıkla kullanılan bir yöntemdir. Baron ve Kenny'nin (1986), 3 adımlı yöntemi (Baron and Kenny steps). Bootstrapping yöntemi (Bootstrapping method) - Yapısal Eşitlik Modeli ile birlikte bootstrap yönteminin kullanılmasının daha iyi sonuçlar veriyor. Özellikle küçük örneklemlerde yapılan aracılık analizlerinde klasik yöntemlerin aracılık etkisini tespit edemediği gözlenmiştir. 30

31 31

32 Baron ve Kenny Aracılık etkisinden söz edebilmek için bazı koşulların sağlanması gerekir. Baron ve Kenny nin adımları 1. Bağımsız değişkenin, aracı değişken üzerinde bir etkisi olmalıdır. 2. Bağımsız değişken, bağımlı değişken üzerinde etkili olmalıdır. 3. Aracı değişken, ikinci adımdaki regresyon analizine dâhil edildiğinde; bağımsız değişkenle bağımlı değişken arasında anlamlı olmayan ilişki ortaya çıkarsa tam aracılık etkisinden; bağımsız değişken ile bağımlı değişken arasındaki ilişkide azalma meydana gelirse kısmi aracılık etkisinden söz edilebilir 32

33 Düzenleyici Etkisi Düzenleyici değişken, üçüncü değişken olarak diğer iki değişken ile sıfır sıralı korelasyona sahip değişken olarak tanımlanmaktadır. 33

34 34

35 Sunum Kavramı 1. GİRİŞ (INTRODUCTION) 1.1 Çalışma amacı (Contribution of the study/objectives) 2. KURAMSAL TEMELLER (THEORETICAL FOUNDATIONS) 3. YÖNTEM (METHODOLOGY) 3.1. Örneklem 3.2. Ön çalışma (pilot study) 3.2. Geri/tekrar çevirme (Back-translation) 3.3. Kullanılan Ölçüm Araçları (Instruments/Measures) 4. Veri Analizi (Data Analysis) 4.1. Ortak yöntem sapması (Common method bias) 5. SONUÇ VE ÖNERİLER (CONCLUSIONS AND RECOMMENDATIONS) 5.1 Bazi kisitlar ve izleyen çalişmalar için öneriler (Limitations and future research direction) 35

36 KAYNAKÇA Ali, H., & Birley, S. (1999). Integrating deductive and inductive approaches in a study of new ventures and customer perceived risk. Qualitative Market Research: An International Journal. 2(2), Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), Blair, E., & Zinkhan, G. M. (2006). Nonresponse and generalizability in academic research. Journal of the Academy of Marketing Science, 34(1), 4-7. Churchill, G. A., Jr. (1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16(1), Collier, J. E., & Bienstock, C. C. (2007). An analysis of how nonresponse error is assessed in academic marketing research. Marketing Theory, 7(2), McGorry, S. Y. (2000). Measurement in a cross-cultural environment: Survey translation issues. Qualitative Market Research: An International Journal, 3(2), O Leary-Kelly, S. W., & Vokurka, R. J. (1998). The empirical assessment of construct validity. Journal of Operations Management, 16(4), Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5),