Yıl: 4, Sayı: 10, Mart 2017, s

Transkript

1 Yıl: 4, Sayı: 10, Mart 2017, s Nagihan EVCĠ 1 Faruk AYLAR 2 DERLEME: ÖLÇEK GELĠġTĠRME ÇALIġMALARINDA DOĞRULAYICI FAKTÖR ANALĠZĠNĠN KULLANIMI Özet Sosyal bilimler ve eğitim bilimleri alanında yapılan çalıģmalarda veriler doğrudan gözlemlenemediği için ölçekler büyük önem taģımaktadır. ÇalıĢmalarda sağlıklı ve güvenilir veriye ulaģmak için uygun olan ölçeklerin geliģtirilmesi gerekmektedir. Bu aģamada Doğrulayıcı Faktör Analizi ortaya çıkmaktadır. Yapısal EĢitlik Modellemesinin (YEM) bir türü olan Doğrulayıcı Faktör Analizinin (DFA) önemi hızla artmakta ve yapılan çalıģmalarda, ölçeklerdeki yapı geçerliğinin sağlanması amacıyla yaygın olarak kullanılmaktadır. Geçerliğin sağlanması için doğrudan gözlenemeyen (gizli) ve gözlenebilen değiģkenler üzerine inģa edilen yapının veriler yardımıyla doğruluğunun belirlenmesi gerekmektedir. Bu çalıģmada ise; ölçek geliģtirme çalıģmalarında kullanılan doğrulayıcı faktör analizi üzerine bir derleme çalıģması yapmak amaçlanmaktadır. Derleme çalıģmasında; öncelikle ölçek ve ölçek çeģitleri açıklanarak bir ölçeğin nasıl geliģtirileceği hakkında bilgiler verilmiģtir. Ayrıca doğrulayıcı faktör analizinin anlaģılabilmesi için gerekli olan kavramlar açıklanarak, modelin uyumunu belirleyebilmek için uyum indeksleri hakkında bilgiler sunulmuģtur. Doğrulayıcı faktör analizi için gerekli koģullar açıklandıktan sonra analizin aģamaları üzerinde durulmuģtur. Doğrulayıcı faktör analizinin kullanımı ve aģamaları üzerine belirlenen çerçeveyi somutlaģtırmak amacıyla literatürden birkaç örneğe yer verilerek çalıģma sonlandırılmıģtır. Anahtar Kelimeler: Ölçek GeliĢtirme, Ölçek, Doğrulayıcı Faktör Analizi, Yapısal EĢitlik Modeli (YEM) 1 Yüksek Lisans Öğrencisi, Amasya Üniversitesi, Sosyal Bilimler Enstitüsü, Sosyal Bilgiler Eğitimi, nagihanevci1905@gmail.com 2 Yrd. Doç. Dr., Amasya Üniversitesi, Eğitim Fakültesi, farukaylar@gmail.com

2 Nagihan Evci_ Faruk Aylar USE OF CONFĠRMATORY FACTOR ANALYSIS IN SCALE DEVELOPMENT STUDIES Abstract The Ġmportance of Confirmatory Factor Analysis (CFA) which is a kind of Structural Equation Modeling (SEM) is increased. It is commonly used, especially, in the studies made in the areas of social sciences and with intend to be suppiied structure validity in the scales. The structure built on variances of directly unobservable (secret) and observable to be supplied validity has needed to be determined its truencess with help of datum. Being a theoretical Structure of Confirmatory Factor Analysis reveals that it is a difficult analysis in terms of practice. In this study, it is aimed to do compilation study on Confirmatory Factor Analysis used in the studies of scale development. The basis in the compilation study; it isdetermined to being combed the studies made the analysis in the areas of social Sciences and educational Sciences, the importance and the aim in the studies of scale development of Confirmatory Factor Analysis. Moreover, it is proffered information about fit indices to be to determine rapport of model, being explanied required terms to be understandable of Confirmatory Factor Analysis. After the required conditions to Confirmatory Factor Analysis have been explanied, it is given information about steps of the analysis. Some examples from literature are included with intend to embody frame about usage and steps of this analysis. Key words: Developing a Scale, Scale, Confirmatory Factor Analysis, Structural Equation Modeling (SEM) GĠRĠġ Bilimsel çalıģmalardaki alan araģtırmaları sırasında bilgi üretilirken; bu bilginin doğruluğuna, geçerli olup olmadığına ve objektifliğine dikkat edilmektedir. Sosyal bilimler alanında yapılan çalıģmalarda da bilimsel ve sağlam verilere ulaģmak hedeflenmektedir. Bu veriler doğrudan gözlemlenemediği için ölçekler büyük önem taģımaktadır. Ölçeklerin önemini bilimsel anlamdaki geliģmeler tetiklerken, bu geliģmeler farklı alanlara ait ölçeklerin geliģtirilmesine de hız vermektedir. Bilimsel temellere uygun olarak geliģtirilen ölçekler, sağlıklı veriye ulaģma aģamasında sıklıkla kullanılmaktadır (Baykul, 2000; Özgüven, 2011). Ölçekler, bilimsel açıdan güvenilir ve geçerli olan verilerin, kısa zamanda ve farklı bölgelerden büyük gruplara hızlı bir biçimde uygulanmasını sağlamak açısından da önem taģımaktadır. Ġhtiyaç duyulan ilgili alanlara yönelik uygun ölçme araçlarının geliģtirilmesi, ortaya çıkarılmak istenen verilere güvenli bir biçimde ulaģmayı sağlamaktadır (Cronbach, 1960). Türkiye de yapılan çalıģmalar incelendiğinde; ölçme aracının geliģtirilmesinde sırasıyla Ģu aģamalar izlenmektedir; problemi tanımlamak, araģtırmanın sınırlarını belirlemek, konuya iliģkin alanyazın taramasının yapılması ile ölçek maddelerini meydana getirerek uygun bir taslak form oluģturmaktır (TezbaĢaran, 1996; Karasar, 1999). Form oluģturulduktan sonra; kapsam ve görünüģ geçerliğinin sağlanması amacıyla uzman görünüģe sunularak, ölçeğe son hali verilmekte ve esas uygulamaya geçilmektedir (Tekin, 2004; Büyüköztürk ve diğ., 2012). Uygulama aģamasına gelen ölçekte, uygun örneklem sayısına ulaģılması durumunda analiz iģlemleri gerçekleģtirilmektedir (Büyüköztürk, 2015). Analiz esnasında araģtırmacının doğrudan ölçemediği (gizil- gözlenemeyen değiģken) teorik yapılar bulunabilmekte ve bu aģamada 390 Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

3 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı araģtırmacı gözlenemeyen değiģkenleri gözlenebilen değiģkenlerle iliģkilendirerek ölçüm yapmaktadır (Öngen, 2010; Erkorkmaz, Etikan, Demir, Özdamar ve Sanisoğlu, 2011). Ölçüm için kullanılan faktör analizi; birbirleriyle iliģkili olan değiģkenleri az sayıda, anlamlı ve birbirleriyle iliģkisiz hale getirirerek nesneler arasındaki iliģkileri ortaya çıkarmayı hedeflemektedir (TavĢancıl, 2010) li yıllarda bilgisayar teknolojisinde meydana gelen değiģim ve geliģmeler, 20. Yüzyılın baģlarında Spearman öncülüğünde geliģtirilen faktör analizinin kullanımını yaygınlaģtırmaktadır. Faktör analizi ilk olarak psikoloji alanındaki zekâ testlerinin ölçülmesi için kullanılırken, sonraları insan davranıģ ve yeteneklerinin psikolojik açıdan belirlenmesi amacıyla yaygın olarak uygulanmaktadır. Yapılan uygulamalar baģarılı sonuçlar vermekte ve faktör analizinin psikoloji alanı dıģında diğer bilim dallarında da kullanımının yaygınlaģtığı görülmektedir (Öngen, 2010). Faktör analizi; açıklayıcı ve doğrulayıcı olarak iki gruba ayrılmıģtır. Açıklayıcı Faktör Analizi (AFA) değiģkenlerin temelindeki boyutları belirleyebilmek amacıyla bir araya getirilmiģ olan değiģkenlerin daha az değiģken aracılığı ile ifade edilmesini sağlamak amacıyla kullanılan bir analiz yöntemidir. Ayrıca değiģkenlerin temelindeki boyutları belirleyebilmek içinde kullanılmaktadır (Büyüköztürk, 2015). Doğrulayıcı Faktör Analizi (DFA); genellikle ölçme araçlarının geliģtirilmesi ve geçerlik analizleri esnasında kullanılmaktadır. Bu analizin hedefi, daha önce belirlenmiģ olan yapıyı doğrulamak ve bu yapının kuramsal bilgilere uygunluğunu belirleyebilmektir (Kline, 2005; Çapık, 2014). Bu çalıģma ile ölçek geliģtirme çalıģmalarında kullanılan doğrulayıcı faktör analizi üzerine bir derleme çalıģması yapmak amaçlanmaktadır. Derleme çalıģmasında esas olan; doğrulayıcı faktör analizini istatistiki açıdan incelemek değil, analiz üzerine yapılan sosyal bilimler ve eğitim bilimleri alanındaki çalıģmaların taranması ile doğrulayıcı faktör analizinin ölçek geliģtirme çalıģmalarındaki önemi, amacı ve kullanımı hakkında bilgiler sunmaktadır. 391 Ölçeğin Tanımı ve Önemi Ölçek, belirlenmiģ olan bir niteliğe ait gözlem sonuçlarının sayı ve semboller yardımı ile ifade edilmesini sağlayan bir ölçme aracı olarak tanımlanmaktadır. Ölçek kullanımı ile kiģilerin bilgileri, bireysel özellikleri, inançları ve sevinçlerinin yanında tutum, görüģ, yaģam Ģartları ve tercihlerinin de belirleneceği ifade edilmektedir (Aiken, 1997; Thomas, 1998). Bilimsel çalıģmalardaki yapılan alan araģtırmalarında güvenilir ve geçerli verilere ulaģmak hedeflenmekte iken bu verilerin doğrudan gözlemlenememesi ölçeklerin önemini artırmaktadır. Bu bağlamda ölçek kullanımı gerekli kılınmaktadır (Baykul, 2000; Azaltan, 2008). Ölçekler, bilimsel açıdan güvenilir ve geçerli olan verilerin, kısa zamanda ve farklı bölgelerden büyük gruplara hızlı bir biçimde uygulanmasını sağlamak açısından da önem taģımaktadır. Aynı zamanda diğer veri toplama araçlarına göre maliyet açısından çok daha avantajlı olmaktadır (Wolf, 1988). Ölçme sonucunda ulaģılan sayılar, semboller matematiksel olarak ifade edilmektedir. Bu sayısal verilerin analizleri için ölçümler öncesinde kullanılması gereken ölçek çeģidinin de belirlenmesi gerekmektedir ( den özetlenerek alınmıģtır). Bu açıdan ölçek çeģitlerinin açıklanması önem taģımaktadır. Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

4 Nagihan Evci_ Faruk Aylar Ölçek ÇeĢitleri Ölçme sonuçlarının göstermiģ olduğu özellikler, sonuçların farklı biçimlerde ölçülmesine ve ölçme esnasında da farklı ölçeklerin kullanılmasına yol açmaktadır. Varlıkların ya da olayların çeģitli özellik ve değiģkenlerinin ölçülmesinde sınıflama, sıralama, eģit aralıklı ve oranlı olarak adlandırılan ölçekler kullanılmaktadır (Karagöz ve Ekici, 2004). 1. Sınıflama Ölçeği (Nominal) Genel anlamda varlıkları belli bir yönden birbirine benzeyip benzememe durumlarına göre gruplara ayırarak, benzerleri aynı sınıf altında toplama iģlemine sınıflama ölçeği denilmektedir (Büyüköztürk ve diğ.,2012). Tanrıöğen (2014) sınıflama ölçeğini; cisimlerin veya olayların ölçümlerinin yapılabileceği özellikler doğrultusunda sınıflandırılarak isimlendirilmesi ve her bir sınıf içinde bir sayısal değerin uygun görülmesi iģlemi olarak tanımlamaktadır. Bu ölçek çok fazla kısıtlanmamıģ olmasına rağmen güçlü de bir ölçek değildir. Ölçekte ölçülen sayılar sadece dahil oldukları kiģi, olay ve durumları açıklamaktadır (Karagöz ve Ekici, 2004). Sınıflama ölçeğinde; veriler aynı isim altında toplandıktan sonra taģıdıkları özellik bakımından eģitlik sağlamaktadır. Ölçme sonuçlarında sembol ve iģaretler anlamlı bulunmazken sadece sınıfların frekansları ile iliģkili olan analiz iģlemleri anlamlı bulunmaktadır (Turgut, 1983). Örneğin; insanların kentsel kökenli olması ve olmaması durumu sınıflandığında, kentsel kökenli olanlar kendi içinde homojen iken kentsel kökenli olmayanlar ise kendi içinde homojendir aynı zamanda aralarında bağ yoktur (Büyüköztürk ve diğ., 2012). Bir baģka örnekte ise futbolda kullanılan 9 rakamı santraforu ifade ederken 1 rakamı ise kaleciyi belirtmektedir. Kullanılan bu rakamlarının sayısal herhangi bir değeri bulunmamaktadır. Fakat her bir rakam ile temsil etmiģ olduğu birey arasında bir bağ oluģmaktadır (KurtuluĢ, 1981). 2. Sıralama Ölçeği (Ordinal) Nesnelerin belirli bir özelliğe sahip oluģ derecesine göre sıralanması durumunun ölçülmesini sıralama ölçeği yapmaktadır (TavĢancıl, 2006). Bu ölçekle iģlem olarak nesneler en büyükten en küçüğe, en ağırdan en hafife veya tersi Ģeklinde sıralanmaktadır. Ölçekte verilen rakamların matematiksel anlamı yoktur. Sadece özelliğin azlık-çokluk ya da büyüklük-küçüklük sırasının verildiği ifade edilmektedir (Karagöz ve Ekici, 2004). Örneğin; holding çalıģanları gelirleri açısından düģük, orta ve yüksek olarak sınıflandırılabilir. SınıflandırılmıĢ olan bu gelir grupları da düģükse 1, orta ise 2, yüksek ise 3 Ģeklinde numaralandırılarak sıralanabilir. (Çömlekçi, 1994). Keza öğrencileri aldıkları puanlarına, subayları rütbelerine, okulları ise sahip oldukları öğrenci sayılarına göre sıralamakta bu ölçek çeģidi için örnek oluģturmaktadır (Büyüköztürk ve diğ., 2012). 3. Aralık Ölçeği (Interval) Birçok nesnenin, belli bir baģlangıç noktasına göre herhangi bir özelliğe sahip oluģ derecesi bakımından eģit aralıkla sıralanmasında aralık ölçeği kullanılmaktadır. Aynı zamanda bu ölçek türü, ölçmüģ olduğu nesneler arasında oluģan uzaklığın ölçülmesini de olanaklı duruma getirmektedir (Sencer, 1989). Aralık ölçeği, ölçülebilen özelliğe göre nesnelerin sıralanması ve bunun yanı sıra tüm değerler için aynı olan kesin aralığın gösterilmesini sağlamaktadır (Karagöz ve Ekici, 2004). Örneğin; Sosyal Bilgiler dersi için hazırlanan 50 soruluk bir test sınavı için her bir soru 2 puan (eģit) olarak belirlenmiģ olsun. Eğer bir öğrenci 40 soruyu doğru olarak cevaplamıģ ise yanlıģ doğruyu götürmediği sürece puanı 80 olacaktır. Yine öğrencilerin çeģitli özelliklerini belirlemek amacıyla üniversite sınavlarında kullanılan testlerin keyfi sıfır noktasının bulunması, ölçülmek istenen özelliğin yokluğunu belirtmez (Büyüköztürk ve diğ., 392 Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

5 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı 2012). Zaman kavramının takvimler kullanılarak, sıcaklığın termometre ile ölçülmesi, yüksekliğin ise deniz düzeyi ölçüt alınarak tanımlanması gibi durumlarda da aralık ölçeği kullanılmaktadır (ErkuĢ, 2012). 4. Oran Ölçeği (Ratio) Ölçülen özelliğin baģlangıç noktası gerçek sıfırsa ve birimleri arasında eģitlik söz konusu ise bu tür ölçekler oran ölçeği olarak adlandırılmaktadır. Oran ölçeğinin diğer ölçek türlerinden daha güçlü olduğu ifade edilmektedir. BaĢlangıç noktası ile ölçü birimi değiģmeyen bir özelliğe sahiptir. Bu ölçekle her türlü matematiksel ve istatistiksel iģlem yapılmaktadır. Oran ölçeğini aralıklı ölçekten ayıran en önemli fark, gerçek sıfır noktasına aynı zamanda mutlak yokluğu gösteren bir baģlangıç noktasına sahip olmasıdır (KurtuluĢ, 1985; Karagöz ve Ekici, 2004; Büyüköztürk ve diğ., 2012). Örneğin: Öğrencilere uygulanan test sınavlarında yapılmıģ olan hata sayılarında ya da sahip olunan arkadaģ sayısında bulunan sıfır değerinin gerçek yokluktan söz etmesidir (Büyüköztürk ve diğ., 2012). Yine boy uzunluğu, ders süresi gibi gerçek bir baģlangıç noktasının olması durumu bu ölçek çeģidine örnek olarak gösterilebilir (ErkuĢ, 2012). ÖLÇEKLERLE İLGİLİ BAZI TEMEL BİLGİLER Ölçek Adı Sağladığı Temel İşlemler Bazı Örnekler Kullanılan Bazı İstatistiksel Teknikler SINIFLAMA ÖLÇEĞİ (NOMİNAL) Benzerliğin ya da denkliğin belirlenmesi -Kişilerin cinslerine, dinlerine, mesleklerine göre gruplanması -İllere kod numarası verme -Futbolculara numara verme -Frekansların sayısı, tepe değer (mod) 393 SIRALAMA ÖLÇEĞİ (ORDİNAL) Daha az ya da daha çoğun belirlenmesi -Bireyleri boy sırasına koyma -Öğrencileri başarılarına göre sıralama -Madenleri sertliklerine ve özgül ağırlıklarına göre sıralama -Ortanca (medyan) yüzdelikler -Sıra farkları korelasyon katsayısı ARALIK ÖLÇEĞİ (INTERVAL) Araların eşitliğinin ve farklarının belirlenmesi -Fahrenhayt ve santigrat termometreler -Hicri, rumi ve miladi takvimler -Başarı testlerindeki standart puanlar -Ortalama -Standart kayma -Pearson-çarpım momentleri korelasyon katsayısı ORAN ÖLÇEĞİ (RATİO) Oranların eşitliğinin belirlenmesi -Uzunluk ölçmede kullanılan ölçme araçları (metre) -Ağırlık ölçüleri (kilogram) -Güç ölçüleri -Zaman ölçüleri (saat) -Varyasyon katsayısı -Logaritmik dönüşümler ve hemen her türlü istatistiksel işlemler Tablo 1. Sosyal Bilimlerde Kullanılan Ġstatistiksel Ölçekler ve Test Teknikleri Arasındaki ĠliĢkileri ( Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

6 Nagihan Evci_ Faruk Aylar Yukarıda belirtilen ölçek çeģitleri dıģında doğrudan ölçülemeyen tutum, inanç, tercih, tecrübe gibi psikolojik değiģkenler hakkında bilgi toplamak amacıyla özel ölçeklerde geliģtirilmiģtir. Bu ölçek tipleri Karagöz ve Ekici nin 2004 teki çalıģmasında Ģu Ģekilde sıralanmaktadır: 1) Thurstone Ayırma Ölçeği, 2) Osgood Boyutsal Ayırma Ölçeği, 3) Q Tekniği, 4) Likert Toplama Ölçeği. 1) Thurstone Ayırma Ölçeği: Bireylerin din, ölüm cezası, doğum kontrolü gibi konulara yönelik tutumlarının ölçek üzerindeki yerlerini belirlemek için kullanılmaktadır. Bu ölçekte; sorular için oluģturulan cevap puanları eģit aralıklı ve ağırlıklıdır (Özdamar, 2002). Her soru için ağırlıklı puanları 0-11 arasında eģit biçimde değiģen 7 ardıģık ağırlıklı seçenek bulunmaktadır. Normal puanın cevabı olacak biçimde düzenlenerek cevaplayıcı beğendiği iki seçeneği seçmekte ve seçeneklerin ortanca ağırlığı cevaplayıcının puanını ifade etmektedir. Bu puanlar dahilinde cevaplayıcılar birbirinden ayrılmaktadır. 2) Osgood Boyutsal Ayırma Ölçeği: Bir konu hakkında cevaplayıcının davranıģ derecesini ve içeriğini belirlemek amacıyla kullanılmaktadır. Osgood Boyutsal Ayırma Ölçeği; her yaģ grubuna ve kültüre uygulanabilen basit ve ekonomik ölçme aracı olarak kabul edilmektedir. Belirlenen konunun her boyutu için bir soru oluģturulmakta ve her soru içinde olumludan olumsuza doğru 7 seçenek belirlenmektedir. Nötr etki veren cevap ortanca olarak alınmaktadır. Bu ölçekte 2 veya daha fazla sorunun bir araya gelmesi ile faktörler grubu oluģturulduğu tahmin edilmektedir (Karagöz ve Ekici, 2004). 3) Q tipi Ölçek: Kullanımı oldukça yaygın olan Q tipi ölçeği, 7 bölümden oluģmaktadır. Bu ölçeğe en olumludan en olumsuza değerler verilmektedir. Verilen değerler ise 7 eģit aralıklı derecelendirmeden oluģmaktadır (Karagöz ve Ekici, 2004). Örneğin; alıģveriģ sırasında alınmak istenen ürünün tüketici açısından ne derece yeterli olduğunu belirlemek amacıyla kullanılmaktadır. "Yeterli" olma ve "Yetersiz" olma durumları iki zıt noktaları belirtmekte ve bu noktalar 7 eģit parçaya ayrılmaktadır (KurtuluĢ, 1981). 4) Likert Ölçeği: Rensis Likert tarafından geliģtirilen Likert Toplama ölçeği bireylerin belirli tutumlar karģısındaki tavırlarını derecelendirmek amacıyla kullanılmaktadır. Bu ölçekteki uygulama; hazırlanan maddelerin anlaģılabilirlik düzeylerini ve amacı ölçebilme derecelerini belirleyebilmek için benzer gruplar üzerinde yapılmaktadır (Karasar, 1986). Aynı zamanda bu maddelerin onaylanıp onaylanmama durumunun çeģitli düzeyleriyle gösterilmesi için kullanılmaktadır (DeVellis, 2014). Likert toplama ölçeğinde; dereceleme türleri 3, 5, 7, 9, 11 li olarak verilmektedir. Fakat 5li dereceleme yöntemi uygun değer olarak görüldüğü için bu yöntem çok fazla kullanılmaktadır (TavĢancıl, 2005). Dereceleme olarak; Kesinlikle Katılıyorum, Katılıyorum, Kararsızım, Katılmıyorum ve Kesinlikle Katılmıyorum Ģekilde ifadeler belirlenmektedir. Derecelemeler için oluģturulan kodlar ise; 5, 4, 3, 2, 1 biçiminde sıralanmaktadır (Uluçınar Sağır, 2014). Sosyal bilimler ve eğitim bilimleri alanında yapılan çalıģmalar, psikolojik özellik taģımakta olduğu için bu çalıģmalarda değiģkenlerin doğrudan ölçülemediği görülmektedir. Doğrudan ölçülemeyen değiģkenler için en uygun ölçek Likert ölçeğidir (Karagöz ve Ekici, 2004). Bu bağlamda özellikle sosyal bilimler ve eğitim bilimleri alanlarına yönelik ölçek geliģtirme çalıģmalarında Likert ölçeğinin kullanımı önem taģımaktadır. 394 Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

7 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı Ölçek GeliĢtirme AĢamaları Ölçek geliģtirme çalıģması için gerekli aģamalara geçmeden önce; çalıģma yapmak için belirlenen konu ile ilgili daha önceden yapılmıģ olan ölçek çalıģmalarının literatürdeki varlık durumu incelenmektedir. Konu kapsamında herhangi bir ölçek geliģtirilmiģ ise hâlihazırdaki bu ölçeklere göz atılmaktadır. Ġncelemeler sonunda ölçek geliģtirmenin mi yoksa uyarlamanın mı daha doğru olacağı konusundaki fikir birliği için değerlendirmeler yapılmaktadır (Karakoç ve Dönmez, 2014). Yeni bir ölçeğin geliģtirilmesi konusu doğru olarak belirlenmiģ ise kapsamlı olarak literatür taraması yapılmalıdır. Tarama esnasında konu ayrıntılarına dikkat edilmesi ölçeğin sınırlarının belirlenmesi açısından önem arz etmektedir (Büyüköztürk, 2015; DeVellis, 2014). Ölçek geliģtirmeye karar verildikten sonra çalıģmanın çeģitli aģamalardan geçmesi gerekmektedir. Ölçek; a) Madde Havuzunun OluĢturulması b) Uzman GörüĢünün Alınması c) Pilot ÇalıĢma AĢaması d) Ölçeğin Uygulanması e) Geçerlilik ve Güvenirlik Hesaplama AĢaması basamaklarının yerine getirilmesi ile oluģturulmaktadır (Karasar, 1999). a) Madde Havuzunun OluĢturulma AĢaması Madde havuzunun oluģturma aģamasında; tümevarım ve tümdengelim yöntemleri kullanılmaktadır. Genellikle alandaki çalıģmalar yetersiz bulunduğu vakit tümevarım yöntemine baģvurulmakta ve bu yöntem kullanılırken nitel çalıģmalar yardımı ile açık uçlu sorular hazırlanmaktadır. Tümdengelim yönteminde ise; alana iliģkin literatürdeki bilgilerden faydalanılarak sorular oluģturulmakta ve madde havuzu meydana getirilmektedir (Hinkin, 1998). 395 b) Uzman GörüĢü Alma AĢaması Madde havuzu sonucunda oluģturulan deneme formunun kapsam geçerliği yönüyle incelenmesi için uzman görüģüne sunulması gerekmektedir. Kapsam geçerliği, ölçek maddelerinin amaca hizmet etme düzeylerini belirlemek için yapılmaktadır (Tekin, 2004). Uzman görüģü ile ölçek maddelerinin ölçülmek istenen davranıģı ne düzeyde yansıttığı belirlenmeye çalıģılmaktadır (Büyüköztürk ve diğ., 2012). Aynı zamanda ölçeğin amaca ve hedef kitleye uygunluk derecesi, dil bakımından kolay anlaģılabilirlik düzeyi ve madde yazımındaki hatalar belirlenmektedir (DeVellis, 2014). GörünüĢ geçerliği ise; ölçeğin baģlık, açıklama, madde düzeni, kenar boģluklarının ele alınması durumu olarak nitelendirilmektedir (Büyüköztürk, 2015). Ölçme aracının görünüģ ve kapsam geçerliğinin belirlenmesinin ardından taslak form oluģturularak pilot uygulama aģamasına geçilmektedir. c) Pilot ÇalıĢma ÇalıĢma için belirlenen hedef kitlesine paralel özellikler taģıyan, hedef kitlesinin yaklaģık olarak % 5 i kadar olan küçük bir grup üzerinde, geçerli ve güvenilir sonuçlara ulaģmak açısından anketin uygulandığı aģamadır. Geçerlik ve güvenirliği sağlayabilmek için gözlem aracılığı ile oluģturulmuģ verilerin sorgulanması iģlemi gerçekleģtirilmektedir. Bu çalıģma sonunda dönütler yardımı ile ölçeğe son Ģekli verilmektedir (Mertens, 1998; Büyüköztürk, 2015). Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

8 Nagihan Evci_ Faruk Aylar d) Ölçek Uygulaması Yapılan pilot çalıģma sonrasında ve uzman görüģlerinin uyarıları dahilinde ölçeğin son hali hazırlanmıģtır. Hazırlanan ölçek formu esas uygulama için kullanılmaktadır. Ġncelemeler sonucunda oluģturulan ölçek formu belirlenen çalıģma grubuna uygulanmaktadır. Örneklem büyüklüğü hakkında en yaygın kullanım, çalıģma grubunun ölçek maddelerinden 5 kat fazla olması ölçeğin güvenirliğinin artırılması ve faktör analizinin yapılması için yeterli olduğu ifade edilmektedir (Tabachnick ve Fidell, 1996). e) Geçerlik ve Güvenirlik Hesaplama AĢaması Ölçek formunun uygulanması sonrasında analize tabii tutulan veriler SPSS paket programına aktarılarak analiz çalıģmaları yürütülmektedir. Analiz çalıģmalarında ölçeğin yapı geçerliğini belirlemek amacıyla Açıklayıcı Faktör Analizi (AFA) ve Doğrulayıcı Faktör Analizi (DFA) uygulanmaktadır. Açıklayıcı faktör analizi ile ölçülmek istenen boyutlar hakkında kapsamlı bilgi toplamak amaç edinilmiģtir (TavĢancıl, 2010). Ölçeğin açıklayıcı faktör analizine uygun olup olmama durumunun belirlenebilmesi için Kaiser-Mayer-Olkin (KMO) katsayısı ve Barlett Sphericity testleri uygulanmaktadır. Faktör analizinin yapılabilmesi için de Temel BileĢen Analizi ve Varimax Dik Döndürme Tekniğinin kullanılması gerekmektedir. Faktör analizi esnasında ölçek maddelerinin sahip oldukları faktör yük değerinin 0.30 dan yüksek olması gerektiği belirtilmektedir. Faktör yük değeri 0.30 un altında olan maddeler ve birden fazla faktöre yüksek yük değeri veren maddeler (biniģik madde) ölçekten çıkarılır. Bu maddelerin değerlendirilmesi esnasındaki yük değerleri arasındaki farkın en az 0.10 olması gerektiği ifade edilmektedir (Büyüköztürk, 2015). Faktör analizi sonrasında maddelerin hangi boyut altında toplandığını belirleyebilmek, maddelerin bir faktördeki yükünü artırarak faktörlerin kendileriyle en yüksek iliģkideki maddeyi bulmalarını sağlayıp yorumlamayı kolaylaģtırmak için döndürme tekniği kullanılmaktadır. Faktörlerin öz değeri 1 ve 1 den büyük ise önemli olarak kabul edilmekte ve analizler bu faktörlerle sürdürülmektedir. Öz değeri 1 den büyük faktörlerin varyansının toplam varyansı açıklama yüzdeleri hesaplanmaktadır. Açıklanan varyansın % 40 ın üzerinde olması uygun kabul edilmektedir (Büyüköztürk, 2015). Faktör grupları içerisinde bulunan maddelerin sahip oldukları ortak özellikler yardımı ile her bir faktör grubuna uygun bir ad verilmektedir (Karagöz ve Kösterelioğlu 2008). Açıklayıcı faktör analizi ile hangi maddelerin hangi faktörlerle iliģkili olduğu belirlendikten sonra, oluģturulan maddelerin belirlenen faktörler ile gerekli ölçüde temsil edilme durumlarını belirlemek amacıyla da doğrulayıcı faktör analizi kullanılmaktadır (Öngen, 2010). Doğrulayıcı Faktör Analizi (DFA); Açıklayıcı Faktör Analizi kullanılarak belirlenmiģ olan alt boyutların (faktör), hipotez yardımı ile oluģturulmuģ alt boyutlara uygunluk derecesini belirleyebilmek üzere kullanılmaktadır. Ölçek maddelerinin belirlenen faktörler ile gerekli ölçüde temsil edilme durumlarını da belirlemektedir (Öngen, 2010). Aynı zamanda, ölçek maddelerindeki yanıtların tutarlılık derecesini belirleyebilmek için güvenirlik analizi yapılmaktadır. Güvenirlik analizi Cronbach Alpha katsayısı ve madde-toplam korelasyon katsayısı hesaplanarak belirlenmektedir. Cronbach Alpha (α) katsayısının kabul edilmesi için değerin 0.70 ve üzeri olması gerekmektedir. Yapılan analizler sonucunda geçerlik ve güvenirlik yönünden uygun bulunan bir ölçek geliģtirilmiģ olmaktadır. 396 Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

9 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı Ölçek GeliĢme ÇalıĢmalarında Doğrulayıcı Fakrör Analizinin Yeri Sosyal bilimler ve davranıģ bilimleri alanında yapısal eģitlik modellemesinin bir türü olan doğrulayıcı faktör analizinin önem derecesi artmıģ ve ölçek geliģtirme çalıģmalarında daha sık kullanılmaya baģlanmıģtır (ġimģek, 2007; Hooper ve Mullen, 2008; Erkorkmaz, Etikan, Demir, Özdamar ve Sanisoğlu, 2011). Karl Joreskog (1960) tarafından geliģtirilmiģ ve 1969 da ilk makalesi yazılmıģ olan Doğrulayıcı faktör analizi yönteminin yapılabilmesi için önceden belirlenen bir yapıya ihtiyaç vardır (Schumacker ve Lomax, 2004; Brown, 2006). Doğrulayıcı faktör analizi bir hipotezin test edilmesi ve yapısal geçerliğin sağlanabilmesi amacıyla kullanılmakta iken aynı zamanda ölçek geliģtirme çalıģmalarında, belirlenen bir yapının doğruluğunun incelenmesinde de sıklıkla kullanılmaktadır (Bayram, 2009; Öngen, 2010). Bu yönleri ile avantaj sunmaktadır. Doğrulayıcı faktör analizi kısaca doğruluğu test edilen yapı üzerinde alternatif modeller önermektedir. ÖnerilmiĢ olan yeni modeller yardımı ile test edilen model geliģtirilmektedir. Bu yönü ile doğrulayıcı faktör analizi önem arz etmektedir (Öngen, 2010). Açıklayıcı faktör analizi değiģken grupları ile faktörler arasındaki iliģkiyi test edebilmeyi hedeflerken, değiģken gruplarının bu faktörler ile yeterince temsil edilme derecelerinin belirlenmesi için doğrulayıcı faktör analizinden faydalanılır (Çapık, 2014). Ölçek geliģtirme çalıģmalarının analizleri sürecinde, uygulanan faktör analizlerinin önemine kısaca değinilmiģtir. Doğrulayıcı Faktör Analizi ve Önemi Doğrulayıcı Faktör Analizi(DFA); gözlenen değiģkenlerin, gizli değiģkenleri nasıl ve ne kadar açıkladığını belirleyerek aralarındaki iliģkiyi ortaya koymayı amaçlayan yapısal eģitlik modellemesinin bir türü olarak tanımlanmaktadır (ġimģek, 2007). Yapısal EĢitlik Modellemesi (YEM); gizli ve gözlenen değiģken arasındaki iliģkiyi inceleyen ve genellikle bir yapıyı test etmek amacıyla kullanılan istatistiki bir yaklaģımdır. Doğrulayıcı faktör analizi ile önceden oluģturulan bir ölçeğin faktör yapısını incelemek ve bu yapının kuramsal bilgilere uygunluğunu belirlemek amaçlanmaktadır (Eroğlu, 2005). Bir ölçeğin faktör yapısının kuramsal açıdan uygun olması geçerlik ve güvenirlik çalıģmaları açısından önem taģımaktadır. Çünkü ölçek için oluģturulan soruların neyi ölçtüğünü bir araģtırmacının kuramsal olarak bilmesi gerekmektedir (Çapık, 2014). 397 Karl Joreskog (1960) tarafından geliģtirilmiģ ve 1969 da ilk makalesi yazılmıģ olan doğrulayıcı faktör analizi yönteminin yapılabilmesi için önceden belirlenen bir yapıya ihtiyaç vardır (Schumacker ve Lomax, 2004; Brown, 2006). ÇalıĢmalardan elde edilen bulgular bağlamında, değiģkenlerin ölçmek istedikleri bu yapı ile uyumlu olması gerekmekte ve uyum derecesi de doğrulayıcı faktör analizi ile belirlenmektedir (Sümer, 2010; Çapık, 2014). Doğrulayıcı faktör analizi bir hipotezin test edilmesinde, yapısal geçerlik çalıģmalarında, ölçek geliģtirme çalıģmalarında ve belirlenen bir yapının doğruluğunun incelenmesinde sıklıkla kullanılmaktadır (Bayram, 2009; Öngen, 2010). Bu yönleri ile avantaj sunmaktadır. Doğrulayıcı faktör analizi kısaca doğruluğu test edilen yapı üzerinde alternatif modeller önermektedir. ÖnerilmiĢ olan yeni modeller yardımı ile test edilen model geliģtirilmektedir (Öngen, 2010). Modelde ölçek maddeleri ve alt boyutlar LISREL veya AMOS gibi bilgisayar programları vasıtası ile Ģemalandırılmaktadır. Analiz sırasında; LISREL, AMOS, Mplus, EQS, SAS/CALIS gibi paket programlar kullanılmaktadır (Gizir ve Gizir, 2005). Doğrulayıcı faktör analizinde kullanılan PATH diyagramı ya da modeli, gözlenen ve gizli (örtük) değiģkenler Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

10 Nagihan Evci_ Faruk Aylar arasındaki iliģkiyi görsel olarak aktarmaktadır. Diyagramda bulunan dikdörtgenler gözlenen değiģkenleri (ölçek maddelerini), oval olan Ģekiller ise gizli (örtük) değiģkenleri (alt boyutları) ifade etmektedir. Ölçekteki açıklanamayan varyansı ve hatayı e harfi belirtmektedir (Bruce, Pugesek ve Eye, 2003). Doğrulayıcı faktör analizi, modelin oluģturulma biçimi ile ilgili herhangi bir bilgi vermezken bu bilgiye araģtırmacı, uyum indekslerini ve kuramsal bilgisini kullanarak ulaģabilmektedir. Bu bilgiler sayesinde uygun modeli Ģekillendirilmektedir (Schumacker ve Lomax, 2010). Bu model ölçüm modeli olarak adlandırılmaktadır (Sümer, 2000). Doğrulayıcı Faktör Analizi (DFA); Açıklayıcı Faktör Analizi (AFA) kullanılarak belirlenmiģ olan alt boyutların (faktör), hipotez yardımı ile oluģturulmuģ alt boyutlara uygunluk derecesini belirleyebilmek üzere kullanılmaktadır. Açıklayıcı faktör analizi hangi maddelerin hangi faktörlerle iliģkili olduğunu belirleyebilmek amacıyla kullanılırken, Doğrulayıcı faktör analizi ise oluģturulan maddelerin belirlenen faktörler ile gerekli ölçüde temsil edilme durumlarını belirlemektedir (Öngen, 2010). Doğrulayıcı Faktör Analizinin Amacı Doğrulayıcı faktör analizi, diğer analiz yöntemlerinden farklıdır. AraĢtırmacı tarafından önceden belirlenmiģ olan yapının doğruluğunu belirlemek ve değiģken grupları ile faktörlerin ne derece temsil edildiklerini ortaya koymak amacıyla bu analiz yapılmaktadır. Esas alınan faktörlerin ne derece uygun bir model olduğunu test etmek için de bu analiz kullanılmaktadır (Çolakoğlu, 2009; Aytaç ve Öngen, 2012). Analizde yer alan faktörler, doğrudan ölçülemeyen bir yapıya sahiptir (Yılmaz ve Çelik, 2009). Doğrulayıcı faktör analizi, aynı zamanda değiģkenlerin faktörlerle ve faktörlerin birbirleriyle iliģki derecelerini, faktörlerin modeli açıklama durumunu belirlemeyi de amaç edinmektedir (Özdamar, 2004). Yani, gizli değiģkenler ile gözlenen değiģkenler arasında bulunan tahmini iliģkileri belirleyerek, doğrulayıcı faktör analizinde kullanılan bilgisayar programları yardımıyla path diyagramı üzerinde gösterilmesini ve modelin test edilmesini sağlamaktadır (Nakıboğlu, 2008). 398 Doğrulayıcı Faktör Analizine ĠliĢkin Kavramlar Doğrulayıcı Faktör Analizinde (DFA) yöntemi açıklayan belirli kavramlar bulunmaktadır. Doğrulayıcı faktör analizinin doğru olarak anlaģılabilmesi için bu kavramların tanınmasına ihtiyaç duyulmaktadır. Bu sebeple önce bu kavramlar hakkında bilgi verilerek kavramların tanıtılması gerekmektedir. Gözlenen ve Gizli (örtük) DeğiĢken AraĢtırmacı çoğu kez gizli (örtük) değiģken olarak adlandırılan ve doğrudan ölçemeyeceği bilgi, zeka, inanç gibi kavramlarla çalıģmak durumunda kalır. Doğrulayıcı faktör analizi ile ölçek maddelerinin bir Ģeyi ölçüp ölçmeme durumuna bakılır. O halde ölçek maddeleri gözlenen değiģken olarak ifade edilirken, ölçek maddelerinin ölçmüģ olduğu ölçümyapı ise gizli (örtük) değiģken olarak adlandırılmaktadır. 1-5 arasında puanlama yapılan bir Likert tipi ölçekte her bir madde gözlenen değiģkendir. Bu maddelerin iliģkilendirilmiģ oldukları alt boyutlar (faktörler) ise gizli (örtük) değiģken olarak ifade edilmektedir (Schreiber, Nora, Stage, Barlow ve King, 2006). Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

11 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı Doğrulayıcı Faktör Analizinde Kullanılan Matris ÇeĢitleri Yapısal eģitlik modellemesi (YEM) nin içinde bulunan doğrulayıcı faktör analizi esnasında verilerden elde edilmiģ olan korelasyon veya kovaryans matrisleri kullanılır. Önce veriler kullanılarak matris üretilir, üretilen matris üzerinde analiz yapılır. Eğer ki matris standardize edilmiģ değerler üzerinden hesaplanırsa korelasyon matrisi, standardize edilmemiģ değerler üzerinden hesaplanırsa kovaryans matrisi olarak ifade edilir (Harrington, 2009). ÇalıĢmalarında gizli değiģkenleri ortaya çıkarmayı amaçlayan araģtırmacılar, ölçek maddeleri arasındaki iliģkiyi belirleyebilmek amacıyla kovaryans matrisi kullanmaktadır (ġencan, 2005). Doğrulayıcı faktör analizinde sürekli ve normal dağılım gösteren veriler için kovaryans matrisi üretilerek analizler yapılır (Joreskog ve Sörbom, 1999). Matrisin üretilme iģlemi analiz esnasında kullanılan programlar (AMOS, LISREL vb.) ile yapılmaktadır. Kestirim (Tahmin) Yöntemleri Doğrulayıcı faktör analizi içerisinde yer alan programlar kullanılarak matris üretilmektedir. OluĢturulan matris ise bir kestirim yöntemi seçilerek incelenir. Sürekli olan ve normal dağılım gösteren verilerde en çok Maximum Likelihood- ML ve Generalized Least Squares- GLS kestirim (tahmin) yöntemleri kullanılmaktadır. Bu yöntemlerde verilerin sürekli ve normal dağılım göstermesi ve sonuçların birbirine yakın olması gerekmektedir (SAS Institute Inc. 2009). Kestirim yöntemleri sürekli verilere göre analiz yapmaktadır. Likert tipi ölçeklerde bu yöntemler kullanılırken Wang ve Wang (2012) a göre; Likert ölçeğinin kategorik olduğu bilinmekte ve sürekli veriymiģ gibi ele alınmaktadır. Fakat Likert ölçeklerinde veriler sürekli kabul edilseler de, verilerin normal dağılım gösterip göstermemesi açısından tekrar incelenmesi gerekmektedir. Doğrulayıcı faktör analizi yapıldıktan sonra, elde edilen sonuçlar yazılırken kullanılan kestirim (tahmin) yöntemi de özellikle belirtilmesi gerekmektedir (Cromer, 2003). 399 Uyum Ġndeksleri Kestirim (tahmin) yönteminin seçilmesinin ardından modele ait sonuçlar için uyum indekslerinin incelenmesi gerekmektedir (Albright ve Park 2009). Doğrulayıcı faktör analizinde kullanılmakta olan uyum indeksleri; χ2, χ2/sd, GFI, AGFI, RMSEA, RMR, SRMR, NFI, CFI olarak adlandırılmıģlardır. Analizde tüm uyum indeksleri otomatik seçildiği ve analiz sonrasında uyum indeksleri sonuç sayfasında belirtildiği için ayrı ayrı analiz yapılmaz (Çapık, 2014). Ayrıca bu uyum indeksleri doğrulayıcı faktör analizi için büyük önem taģımaktadır. Uyum indekslerinin belirtmiģ olduğu değerler incelenerek önceden verilmiģ olan yapının doğrulanması sırasında kullanılmaktadır (ġimģek, 2007). 1. χ2 Değeri AraĢtırmalarda en çok verilen uyum indeksi χ2 değeridir. Ki kare; örneklem kovaryans matrisi ile evren kovaryans matrisi arasındaki uyumu inceleyen bir istatistiktir. Matrisler arasında uyuma ulaģmak için testin anlamsız çıkması gerekmektedir. Yani modelin uyuma ulaģması, X 2 değerinin azalması anlamına gelmektedir. X 2 değeri doğrulayıcı faktör analizinin yapılıp yapılamayacağını belirlediği için önem taģımaktadır (Munro, 2005; ġimģek, 2007). χ2 ye ait olan P değeri örneklemden etkilenir. Örneklem çok büyük olursa model reddedilmez. Diğer uyum indeksleri ise χ2 kadar örneklem büyüklüğünden etkilenmemektedir (Waltz, Strickland ve Lenz 2010). Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

12 Nagihan Evci_ Faruk Aylar 2. χ2/sd Değeri Ki kare (X 2 ) istatistiğine göre örneklem büyüklüğünden daha az etkilendiği için bu değer ki kare nin yerine kullanılmaktadır (ġimģek 2007). X 2 nin serbestlik derecesine (sd) bölünmesi sonucu ortaya çıkan değer iki veya daha küçük olmalıdır. BeĢ veya daha az ise bu değerin kabul edileceği ifade edilmektedir (Munro 2005; ġimģek 2007). 3. GFI (Goodness of Fit Index) GFI, uyum iyiliği indeksi olarak adlandırılmaktadır (Yılmaz ve Çelik 2009). Örneklemdeki kovaryans matrisinin model tarafından ne derece ölçüldüğünü belirtmektedir (Çokluk, ġekercioğlu ve Büyüköztürk, 2010). GFI değeri örneklemin büyüklük derecesinden etkilenmektedir. Örneklemdeki büyüklük derecesi arttıkça, GFI değeri de artmaktadır. Bu bağlamda oluģan sonuç doğru ve etkili olmamaktadır. Genel değeri 0 ile 1 arasında olmakla birlikte GFI nın arasında değer sergilemesi kabul edilebilir bir uyum gösterdiğini ifade etmektedir (Munro, 2005). 4. AGFI (Adjusted Goodness of Fit Index) AGFI; DüzeltilmiĢ uyum iyiliği indeksi olarak adlandırılmaktır. GFI (uyum iyiliği indeksi) nın yüksek örneklem seviyesinde meydana gelen eksikliğini yok etmek maksadı ile kullanılmaktadır. AGFI nın hesaplanmasında serbestlik derecesi önem taģımaktadır. Değeri 0 ile 1 arasında değiģirken, 0.90 ın üzerinde olması uygunluğu sağlamaktadır (Çokluk, ġekercioğlu ve Büyüköztürk 2010). 5. RMSEA (Root Mean Square Error of Approximation) RMSEA yaklaģık ortalamaların karekökü olarak tanımlanmaktadır. 0-1 arasında değer almaktadır (Yılmaz ve Çelik 2009; Çokluk, ġekercioğlu ve Büyüköztürk 2010). RMSEA değeri, 0.05 in altında ise mükemmel uyum göstermekte, 0.08 in altında ise kabul edilebilir uyum göstermektedir. Değerler arasında ise orta dereceli uyum sergilemekte iken 0.10 un altında yer alan değerler ise kabul edilebilir değer olarak görülmemektedir (Kline, 2005). 6. CFI (Comparative Fit Index) CFI; KarĢılaĢtırmalı uyum indeksi olarak adlandırılmaktadır. DeğiĢkenler arasında herhangi bir iliģkinin olmadığını ifade etmekte ve bu durumu baz alarak oluģturulan modelin, null (yokluk) modelinden farkını ortaya çıkarmayı amaç edinmektedir. Değeri 0-1 arasında değiģmektedir. Değer 1 e yaklaģtıkça uyum iyiliği derecesinin arttığı aynı zamanda yüksek değerli CFI ya sahip modelin güçlü uyum sergilediği sonucuna ulaģılmaktadır (Munro 2005; Çokluk, ġekercioğlu ve Büyüköztürk 2010). 7. NFI (Normed Fit Ġndex) NFI (NormlaĢtırılmıĢ uyum indeksi), CFI ya alternatif indeks olarak geliģtirilmiģ fakat CFI nın karģılaģtırdığı modeller gibi karģılaģtırma yapmaktadır. Ki kare dağılımının ihtiyaç duymuģ olduğu tahminlere uyma zorunluluğu olmadan modeller arasında karģılaģtırma yapmaktadır. 0-1 arasında değer almaktadır. Değerler arasında yer alıyorsa bu değerlerin kabul edilebilir uyum gösterdiği belirtilmektedir arasında değer gösteriyor ise mükemmel uyum gösterdiği ifade edilmektedir (Bentler, 1990). 8. RMR (Root Mean Square Residual) ve SRMR (Standardized Root Mean Square Residual) 400 Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

13 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı RMR; Kök artık kareler ortalaması olarak adlandırılmaktadır. Test edilen modelin iyi uyum göstermesini belirleyebilmek için bu değerin 0 a yaklaģması gerekmektedir. RMR değeri; 0-1 arasında yer almaktadır. Ki kare değerine benzer biçimde değer yükseldikçe uyum düzeyi kötüleģmektedir. Standardize edilen Ģekli olan SRMR ise standartlaģtırılmıģ artık kareler ortalaması olarak adlandırılmaktadır (Çokluk, ġekercioğlu ve Büyüköztürk 2010). SRMR ise gözlenen değiģkenlerin yorumlanmaları aģamasında daha uygun görülmektedir. Aldığı değer 0-1 arasında olmakla birlikte değerin 0 a yaklaģması uyum iyiliğini artırmaktadır. Ki kare değeri gibi değer yükseldikçe uyum düzeyi kötüleģmektedir (Kline, 2005). 9. IFI (Incremental Fit Index) IFI; Artan uyum indeksi olarak ifade edilmektedir. 0-1 arasında değer almakla birlikte alınan değer 1 e yaklaģtıkça mükemmel uyum gösterdiği belirtilmektedir. IFI değeri 0.90 üzerinde ise kabul edilebilir uyum, 0.95 ve üzeri ise mükemmel uyum sergilediği ifade edilmektedir (Kline, 2005). ÇalıĢmaların analizleri esnasında sıklıkla kullanılan bu uyum indekslerinin mükemmel ve kabul edilebilir değerlerini Tablo 2 görmekteyiz (Kline, 2005; ġimģek, 2007). UYUM DEĞERLERĠ MÜKEMMEL UYUM KABUL EDĠLEBĠLĠR UYUM X 2 /sd <3 <5 RMSEA 0<RMSEA< RMSEA<0.08 S-RMR 0 S-RMR S-RMR 0.08 NNFI 0.97 NNFI NNFI 0.96 CFI 0.97 CFI CFI 0.96 GFI 0.95 GFI GFI 0.96 AGFI 0.95 AGFI AGFI 0.96 IFI 0.95 IFI IFI Tablo 2. DFA da Kullanılan Mükemmel Değerler ve Uyum Ġyiliği Ġndeksleri Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

14 Nagihan Evci_ Faruk Aylar PATH Diyagramı 402 Yapısal EĢitlik Modelinde (YEM) yapılan analizlerin yardımıyla yol Ģemalarına (path diagrams) ulaģılmaktadır. OluĢturulan path diyagramı ile modele ait değiģkenler, t değerleri, faktör yükleri, açıklanamayan varyans ve bazı uyum iyiliği değerlerine ulaģılmaktadır. Modele ait veriler Ģemalandırılmasında kullanılmaktadır (Gatignon, 2011). AvĢar (2007) nin çalıģmasından alınmıģ olan bir path diyagramı örnek olarak ġekil 2 de verilmektedir. ġekil 1. Örnek Bir PATH Diyagramı Çıktısı (AvĢar, 2007). Yapısal EĢitlik Modellemesi (YEM) Sosyal bilimler, davranıģ bilimleri, eğitim bilimleri gibi pek çok farklı alanda gözlenen ve gizli değiģken arasındaki iliģkileri test edebilmek için kullanılan istatistiki bir yaklaģımdır. Bu yaklaģımın gözlenen değiģkenlere ait ölçüm hatalarını dikkate alması farklı alanlarda çok sık kullanılmasına neden olmaktadır (Schumacker ve Lomax, 2004). Modifikasyonlar ÇalıĢmada analize uygun model oluģturulup test edildikten sonra doğrulayıcı faktör analizi bu modelin değiģtirilmesini gerekli bulabilmektedir. Analiz sonrasında bu düzeltmeler Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

15 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı modelin iyileģtirilmesi açısından önem arz etmektedir (Schreiber, Nora, Stage, Barlow and King, 2006). Örneğin; LISREL programı, modelde bulunan bir maddeyi ait olduğu alt boyut ile uygun görmeyerek baģka bir alt boyut ile eģleyebilir. Bu eģlemede madde ile yeni alt boyutun uygun olması gerekmektedir (Çapık, 2014). Doğrulayıcı Faktör Analizi Ġçin Gerekli Olan KoĢullar Doğrulayıcı faktör analizinin uygulanabilmesi için belirli koģulların dikkate alınması gerekmektedir. Bu bağlamda koģullar, analizden doğru ve beklenilen sonuçlar elde edilmesi açısından önem taģımaktadır. Harrigton (2009, 36) tarafından doğrulayıcı faktör analizi için aģağıdaki koģullar belirlenmiģtir. Kayıp Veri: Ġstatistiki analizlerde önemli bir yere sahip olan kayıp veriler, doğrulayıcı faktör analizi içinde çok önemli bir yere sahiptir. Kayıp veriler analizden çıkarılmadığında analizin gücünü zayıflatmaktadır. Bu bağlamda analizin sağlıklı ve doğru sonuçlar verebilmesi için belirlenen kayıp verilerin analizden temizlenmesi gerekmektedir. Kayıp verilerin algılanması iģlemi maksimum likelihood kestirim yöntemi kullanılarak belirlenmektedir. Çok DeğiĢkenli Normallik: Çok değiģkenli normal dağılımda, belirlenen tüm değiģkenler en çok olabilirlik tahmincisiyle (Maximum Likelihood, ML) tahmin edilir. Bu değiģkenlerin normal olarak dağılım gösterdikleri ifade edilirken değerlendirilmeleri de bir o kadar zordur. Tek değiģkenli normal dağılım ile aykırı değerleri değerlendirme iģlemi ise normal olmayan hallerde daha kolay yapılmaktadır. Aykırı Değerler: Tüm istatistiki analizlerde olduğu gibi doğrulayıcı faktör analizi esnasında da aykırı değerlerin bulunması modeldeki anlamlılık durumunu etkilemektedir. Normal Olmayan Verilerin Tahmin ĠĢlemi: Verilerin çok değiģkenli normal dağılım gösterdiklerine, en çok olabilirlik tahmincisi (Maximum Likelihood-ML) kestirim yöntemi ile ulaģılmaktadır. Fakat verilerin çarpıklık değerinin 0.20 den fazla olması en çok olabilirlik tahminci için sorun oluģturmaktadır. Bu sebeple çarpıklık değeri, 0.20 den fazla olan değerler için en çok olabilirlik tahmincisi yerine farklı kestirim yöntemleri kullanılmalıdır. Veri Ölçümü: Doğrulayıcı faktör analizinde kullanılan birçok kestirim (tahmin) yöntemi için sürekli veriler kullanılmaktadır. Bazı araģtırmalarda ise likert tipi ölçeklere yer verilmektedir. Ölçekte bulunan veriler sürekli değiģkenler olarak ele alınmakta fakat bu durum her zaman için geçerli olmamaktadır. Çünkü 5 li likert tipi ölçeklerin sürekli değiģken olarak kabul edilebilmesi için örneklemin yeterli düzeyde olması ve normal dağılım göstermesi gerekmektedir. Sürekli olan veriler için en çok olabilirlik kestirim yöntemi (Maksimum Likelihood-ML) kullanılmaktadır. Örneklem Durumu: Örneklem büyüklüğü, doğrulayıcı faktör analizinde kestirim (tahmin) yönteminden doğru sonuçlar elde edilebilmesi için önem arz ermektedir. Örneklem sayısı hakkında net bir fikir birliği yoktur (Waltz, Strickland ve Lenz, 2010). Kline (2005); örneklem sayısının, madde sayısından 10 kat fazla olmasını uygun görürken belirtilen bu sayının ise 200 den az olması gerektiğini ifade etmektedir. Harrigton (2009) a göre ise; çok değiģkenli analizler için örneklem durumu 100 den az ise küçük, arasında orta ve 200 den fazla olduğunda büyük örneklem durumu olarak değerlendirilmektedir. Doğrulayıcı Faktör Analizinin AĢamaları Model araģtırmacı tarafından tamamen teorik olarak belirlenip Doğrulayıcı Faktör Analizi (DFA) ile test edilmiģ olabileceği gibi, Açıklayıcı Faktör Analizi sonucunda elde 403 Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

16 Nagihan Evci_ Faruk Aylar edilmiģ bir modelde olabilir. Her bir maddenin sadece kendisini açıkladığı varsayılan gizil değiģkeni ile iliģkisi modelde tanımlanmıģ, diğer gizil değiģkenlerle iliģkisinin 0 olduğu Ģeklinde teorik varsayımla model oluģturulmuģtur. Modelin aģamaları aģağıdaki gibi verilmiģtir. 1. Modelin Belirlenme Durumu Doğrulayıcı faktör modelinde ortak faktörlerin ve gözlenen değiģkenlerin sayısı, özgün faktörler arasındaki varyans ve kovaryans iliģkisi, ortak faktörler arasındaki iliģki, gözlenen ve ortak faktörler arasındaki iliģkilerin belirtilmesi gerekir (Long, 1989). Bu aģamada path (yol) diyagramı kullanılarak gözlenen ve gizil değiģkenlerin ĢemalaĢtırılmıĢ Ģekli ve bu değiģkenler arsındaki iliģkiyi belirlemek amacıyla model oluģturulmaktadır ( Aytaç ve Öngen, 2012). 404 ġekil 2. DeğiĢkenler ve ĠliĢkilerinin Model Ġçerisinde Gösterimi (Öngen, 2010). ġekil 2.de de belirtildiği üzere modeldeki gizil değiģken oval, gözlenen değiģken ise dikdörtgen Ģekillerle ifade edilmektedir. DeğiĢkenler arasındaki iliģkiler ise tek taraflı veya çift taraflı oklarla gösterilmektedir. 2. Modelin Tanımlanma Durumu Doğrulayıcı faktör analizinde model tanımlanırken, belirlenen her bir faktör için gizli özelliğe sahip olduğu ve içsel özelliklere sahip olmadığından dolayı bir tane çözüm yolu bulunmaktadır. Bu yüzden her bir faktör kendisine özgü ölçek ile ölçülmektedir (Schumacker, Randall ve Lomax, 1996). Model tanımlamasının ardından; modeldeki faktör yükleri ve faktör korelasyonu, ölçüm hatası varyansı kestirim (tahmin) yöntemleri ile bulunmaktadır. Ana kütle parametreleri ise örnek veriler yardımı ile tahmin edilmektedir. Bu parametrelerin her birinin tanımlanmasına ihtiyaç duyulmaktadır (Thapa, 1999). 3. Modelin Tahmin Edilme Durumu Modelin tanımlanması ile birlikte matris oluģturulmaktadır. OluĢturulan bu matris kestirim (tahmin) yöntemleri kullanılarak incelenmektedir. Bu aģamada en çok kullanılan kestirim yöntemleri; Maksimum Likelihood-ML (en çok olabilirlik tahmincisi), Generalized Least Squares- GLS (genelleģtirilmiģ en küçük kareler), Weighted Least Squares- WLS (ağırlıksız en küçük kareler) dir (Çapık,2014). Kestirim (tahmin) yönteminin kullanıldığı her bir parametrenin, tahmin edilen varyans-kovaryans matrisi ile örneklem varyans-kovaryans Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

17 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı matrisi arasında olabildiğince yakın değerlere ulaģması hedeflenmektedir (Aytaç ve Öngen, 2012). Kestirim (tahmin) yöntemlerinden maksimum likelihood un (en çok olabilirlik tahmincisi) doğrulayıcı faktör analizinde kullanım nedeni, parametreler için yapılan tahmin sırasındaki standart hataları belirlemektir. Aynı zamanda bu kestirim yönteminin kullanılması için normal dağılım özelliği göstermesi gerekmektedir. Eğer normal dağılım özelliği sağlamıyorsa diğer kestirim yöntemleri kullanılması gerektiği ifade edilmektedir (Harrington, 2009; Öngen, 2010). Modelin tahmin edilmesinin ardından, modelin değerlendirilmesi aģamasına geçilmektedir. 4. Modelin Değerlendirilme Durumu Bilinmeyen parametrelerin tahminlerine ulaģabilmek için önerilmiģ olan modellerin değerlendirilmesi gerekmektedir. Uygun bulunan modellerde yer alan veriler kabul edilmekte iken modeldeki iliģkilerin veriler ile uyuģmayabileceği ifade edilmektedir (Aytaç ve Öngen, 2012). 5. Uyum Ġndekslerinin Ġncelenmesi Modelin veri ile uyumuna ulaģabilmek için çeģitli yöntemler uygulanmaktadır. Uyum iyiliği indekslerinin en çok kullanılanları; X 2 (Ki kare), GFI, CFI ve RMSEA dır. Ki kare; X 2 / df<2 uyumu için mükemmel ve X 2 / df<3 kabul edilebilen uyum olarak ifade edilmektedir (Kelloway, 1998). Uyum iyiliği incelendikten sonra PATH diyagramı oluģturulup incelenmektedir. 6. Model Modifikasyonunun Ġncelenmesi Modele uygulanan uyum indeksleri iyi sonuçlar vermediyse modelde uyumu sağlayabilmek amacıyla değiģiklikler yapılmaktadır. Bu durumda teorik yapı esas alınır. DeğiĢkenler arasındaki iliģkileri doğru bir biçimde belirleyebilmek için değiģiklikler yapılmaktadır. DeğiĢim indekslerinde kısıtlanmıģ parametrelerin tahmini ile X 2 istatistiğindeki azalma derecesi belirlenmektedir. OluĢturulan iki modelde kısıtlanan parametre, diğer modelde serbest bırakıldığında X 2 istatistikleri arasında meydana gelen farkın değiģim indeksini oluģturduğu ifade edilmektedir (IĢıldar, 2008) 405 ġekil 3. Doğrulayıcı Faktör Analizinin (DFA) AĢamaları (Çapık, 2014) Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s

18 Nagihan Evci_ Faruk Aylar Doğrulayıcı Faktör Analizinin Uygulama Örnekleri Ölçek geliģtirme çalıģmaları esnasında kullanılan Doğrulayıcı Faktör Analizinin uygulama aģamalarını detaylı inceleyebilmek amacıyla, iki farklı ölçek geliģtirme çalıģması örnek olarak incelenmiģtir. 1. Örnek olarak; Demir ve Koç un 2013 yılında yapmıģ oldukları Coğrafya Dersi Tutum Ölçeği: GeliĢtirilmesi, Geçerlik ve Güvenirlik ÇalıĢması isimli ölçek geliģtirme çalıģmasındaki doğrulayıcı faktör analizi kullanımının uygulama basamakları ele alınmıģtır. Ġki faktörlü yapıya sahip olan Coğrafya Dersi Tutum Ölçeği: GeliĢtirilmesi, Geçerlik ve Güvenirlik ÇalıĢması isimli ölçeğe önce açıklayıcı faktör analizi uygulanmıģ ve analiz sonucunda ortaya çıkarılan yapının geçerliğini incelemek amacıyla doğrulayıcı faktör analizi (DFA) uygulanmıģtır. Analiz sonucunda ulaģılan bulgular Tablo 3 ve ġekil 4 te yer almaktadır. 406 Tablo 3:CD-TÖ nün DFA Sonucu DFA da X 2 /sd değerinin 3,10 olması halinde, kabul edilebilir uyum, RMSEA değerinin 0.066, GFI nin 0.93, SRMR değerinin 0.041, AGFI nın 0.90 olması iyi uyum gösterdiği anlamına gelmektedir. CFI nın 0.98, NNFI nın 0.97 olması ise mükemmel uyum gösterdiği anlaģılmaktadır. Diğer uyum değerleri ise kabul edilebilir sınırlar içerisinde değerlendirilmektedir. Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı: 10, Mart 2017, s

19 Derleme: Ölçek Geliştirme Çalışmalarında Doğrulayıcı Faktör Analizinin Kullanımı ġekil 4:CD-TÖ nün Doğrulayıcı Faktör Analizi (Path Diagram) 2. Örnek olarak; Delican ın 2016 yılında yapmıģ olduğu Ġlk Okuma Yazma Öğretimine Yönelik Öz Yeterlik Ölçeğinin GeliĢtirilmesi isimli ölçek geliģtirme çalıģmasındaki doğrulayıcı faktör analizi kullanımının uygulama basamakları ele alınmıģtır. Ölçeğin uygulanması sonucunda elde edilen veriler üzerinde açıklayıcı faktör analizi uygulanmıģtır. Elde edilen modelin, doğruluk ve uyum düzeyini belirlemek amacıyla da doğrulayıcı faktör analizi uygulanmıģtır. Analiz sonrası modelde herhangi bir değiģiklik yapmadan ulaģılan uyum indeksleri Ģu Ģekilde belirtilmektedir; x2/df =1.55 (p=.000); RMSEA=.05; GFI=.88; AGFI=.86; CFI=.98; NFI=.94; SRMR=.05. ġekil 5 te üç faktörlü yapıya iliģkin model sunulmaktadır. 407 ġekil 5.Üç Faktörlü Yapıya ĠliĢkin Model Modelin uyum iyiliği indeksleri incelendiğinde, x2/df değerinin 1.55 olması 3 ün altında olduğu için mükemmel uyum gösterdiği anlamına gelmektedir. RMSEA değerinin 0.05 olarak bulunması 08 den küçük olduğu için iyi uyum gösterdiği, GFI değerinin 0.88 ve AGFI değerinin 0.86 olması, GFI için 0.85 ve üzerinin, AGFI için ise 0.80 ve üzerinin kabul edilebilir Sosyal Bilimler Dergisi / The Journal of Social Science / Yıl: 4, Sayı:10, Mart 2017, s