Doğrulayıcı Faktör Analizi (DFA)

Doğrulayıcı faktör analizi, hangi maddenin hangi örtük yapıyı ölçtüğünü araştırmacının önceden söylediği bir modeli veriye uydurur. Açımlayıcı yaklaşımın tersine burada yapı keşfedilmez, sınanır: kuramdan ya da önceki çalışmalardan gelen model, gözlenen kovaryans örüntüsünü ne kadar açıklıyor sorusu sorulur. Panelde model sözdizimi yazmanız gerekmez; her faktör için hangi maddelerin ona yükleneceğini seçersiniz ve ölçme modeli buradan kurulur. Sonuçta madde yükleri, uyum indeksleri ve yapı geçerliğine ilişkin ölçütler birlikte gelir.

• Türkçeye uyarlanan bir ölçeğin özgün üç faktörlü yapısı bu örneklemde de doğrulanıyor mu?
• Geliştirdiğimiz maddeler kuramsal olarak beklediğimiz iki boyuta ayrışıyor mu?
• Birbirine yakın iki yapı gerçekten ayrı mı, yoksa tek bir boyut olarak mı ölçülüyor?
• Ölçeğin kısa formu uzun formla aynı ölçme yapısını koruyor mu?

• Faktör yapısı kuram ya da önceki bulgularla önceden belirlenmişken.
• Bir ölçeğin uyarlama ya da geçerlik çalışmasında yapı geçerliği sınanırken.
• Açımlayıcı analizle elde edilen yapıyı bağımsız bir örneklemde doğrulamak gerektiğinde.
• Yapılar arasındaki ilişkileri modellemeden önce ölçme modelinin sağlamlığı gösterilmek istendiğinde.

• Göstergeler: sürekli ya da sürekli kabul edilen, sayısal olarak kodlanmış madde sütunları.
• Her faktör için en az iki gösterge; bir gösterge yalnız tek bir faktöre atanabilir.
• Her satır bir katılımcı; eksik değerler analiz öncesi temizlenir.

Önceden belirlenmiş model

Hangi maddenin hangi faktöre yükleneceği veriye bakılarak değil, kuramla ya da önceki çalışmayla belirlenir. Modeli veriye göre değiştirip aynı örneklemde yeniden sınamak, doğrulayıcı çalışmayı açımlayıcıya çevirir.

Göstergelerin sürekli ölçülmesi

Kestirim, göstergelerin sürekli ve yaklaşık normal dağıldığı varsayımıyla çalışır. Az kategorili sıralı maddelerde kestirimler yanlı olabilir.

Yeterli örneklem büyüklüğü

Alan yazında madde başına on gözlem ya da en az iki yüz katılımcı gibi ölçütler önerilir; küçük örneklemlerde uyum indeksleri kararsızlaşır.

Modelin tanımlanabilir olması

Serbest parametre sayısı, gözlenen kovaryans sayısını aşmamalıdır. İki göstergeli faktörler ve karmaşık modeller tanımlanma sorunları çıkarabilir.

• Önceden belirlenmiş model: Panel bu varsayımı otomatik denetlemez; değerlendirme araştırmacıya aittir.
• Göstergelerin sürekli ölçülmesi: Panel sayısal sütunlar ister ve sayıya çevrilemeyen etiketli sütunlarda analizi durdurup gerekçesini yazar.
• Yeterli örneklem büyüklüğü: Motor yalnız asgari bir geçerli satır sayısı arar; alan yazındaki örneklem ölçütlerini denetlemez, bu değerlendirme araştırmacıya aittir.
• Modelin tanımlanabilir olması: Her faktörde en az iki gösterge ve bir göstergenin tek faktöre atanması zorunlu tutulur; kestirim başarısız olursa motor hatayı doğrudan bildirir.

1. 1Madde sütunlarını içeren veri dosyanızı panele yükleyin.
2. 2Değişken sekmesinde madde sütunlarının sayısal okunduğunu ve ters kodlanan maddelerin düzeltildiğini doğrulayın.
3. 3Analiz sekmesinde Doğrulayıcı Faktör Analizi'ni seçin.
4. 4Parametre formunda faktörleri tanımlayın ve her faktöre yüklenecek maddeleri seçin.
5. 5Analizi çalıştırın; madde yükleri, uyum indeksleri, bileşik güvenilirlik, ortalama açıklanan varyans ve ayrışma geçerliği ayrı başlıklarda açılır.
6. 6Sonuçları Excel olarak indirin; künye kartı kullanılan kütüphaneyi ve sürümünü gösterir.

Madde yükleri

Her faktör için maddelerin yük kestirimleri. Kestirimler standartlaştırılmamış olarak döner; standartlaştırılmış değerler ayrıca istenmez.

Uyum indeksleri

Chi-kare değeri, serbestlik derecesi ve p değeri ile CFI, TLI, RMSEA, SRMR, AIC ve BIC.

Uyum yorumu

İndeksler eşiklere göre etiketlenir: CFI ve TLI için 0,95 ve üzeri mükemmel, 0,90 ve üzeri kabul edilebilir; RMSEA ve SRMR için 0,05 ve altı mükemmel, 0,08 ve altı kabul edilebilir.

Bileşik güvenilirlik

Her faktör için yüklerden hesaplanan güvenilirlik ölçüsü; Cronbach alfaya kıyasla ölçme modeline dayanır.

Ortalama açıklanan varyans

Her faktörün göstergelerindeki varyansın ne kadarını açıkladığını gösterir; yakınsak geçerlik değerlendirmesinde kullanılır.

Ayrışma geçerliği tablosu

Fornell-Larcker ölçütü: faktör korelasyonunun karesi ile ilgili faktörlerin ortalama açıklanan varyansı karşılaştırılır.

Bileşik güvenilirlik ve ortalama açıklanan varyans

Bu modelde etki büyüklüğünün karşılığı yapı kalitesi ölçütleridir. Alan yazında bileşik güvenilirlik için 0,70 ve ortalama açıklanan varyans için 0,50 eşikleri yaygın olarak anılır; eşiği karşılamayan bir faktör, maddelerinin ortak yapıyı zayıf ölçtüğünü düşündürür.

Madde yükleri

Yüksek yükler maddenin faktörle güçlü ilişkisini gösterir. Kestirimler standartlaştırılmamış olduğu için eşik karşılaştırması yapmadan önce ölçeklerin birimlerini dikkate almanız gerekir.

Yük kestirimleri, uyum indeksleri ya da güvenilirlik ölçütleri için güven aralığı döndürülmez. Düzeltme önerileri (modification indices) ve önyükleme ile elde edilen aralıklar da hesaplanmaz; model iyileştirmesi gerekiyorsa kuramsal gerekçeyle ve tercihen yeni bir örneklemle yapılmalıdır.

Aşağıdaki sayılar temsili bir örnektir; gerçek bir araştırmanın ya da gerçek bir kullanıcının verisi değildir.

Araştırma sorusu

Üç boyutlu olduğu varsayılan on iki maddelik bir iş doyumu ölçeğinin yapısı bu örneklemde doğrulanıyor mu?

Değişkenler

Birinci faktör: içsel doyum (dört madde) · İkinci faktör: yönetici ilişkisi (dört madde) · Üçüncü faktör: ücret ve olanaklar (dört madde)

Örnek sonuç

n = 412. Chi-kare(51) = 118,4, p < 0,001; CFI = 0,957; TLI = 0,944; RMSEA = 0,057; SRMR = 0,048. Bileşik güvenilirlik değerleri 0,84, 0,88 ve 0,79; ortalama açıklanan varyans 0,57, 0,64 ve 0,51. Fornell-Larcker ölçütü üç faktör çifti için de sağlandı.

Yorum

Chi-kare anlamlı çıkmış olsa da bu, büyük örneklemlerde beklenen bir durumdur; CFI ve SRMR iyi, TLI ve RMSEA kabul edilebilir aralıkta. Üç faktörlü yapı bu veriyle uyumlu görünüyor ve faktörler birbirinden ayrışıyor. Yükler standartlaştırılmamış olduğu için madde düzeyinde eşik karşılaştırması yapılmadan yorum yapılmamıştır.

Araştırma sorusu: Maddelerin iki ayrı yapıya ait olduğu varsayımı veriyle uyuşuyor mu?

Gizli yapılar ve maddeleri

[object Object]

Hesaplama künyesi: scipy 1.18.0 · statsmodels 0.14.6 · scikit-learn 1.9.0 · numpy 2.5.1 · pandas 3.0.5 · semopy 2.3.11 · 89fc29a · Veri tohumu: 20260915

Üç faktörlü ölçme modeli veriyle kabul edilebilir uyum gösterdi, chi-kare(51) = 118,4, p < 0,001, CFI = 0,957, TLI = 0,944, RMSEA = 0,057, SRMR = 0,048; bileşik güvenilirlik 0,79 ile 0,88 arasındaydı.

APA düzenine yakın örnek cümle; sayılar temsilidir.

• Yapı önceden belli değilse kullanılmamalıdır; keşif için açımlayıcı faktör analizi uygundur.
• Aynı örneklemde modeli veriye göre değiştirip yeniden sınamak doğrulayıcı iddiayı geçersiz kılar.
• Panel düzeltme önerisi üretmediği için kötü uyumun nereden geldiğini görmek ek çalışma gerektirir.
• Az kategorili sıralı maddelerde kestirim yanlılığı olabilir; bu durumda uygun kestiriciyi kullanan bir araç gerekir ve panelde kestirici seçimi yoktur.
• Küçük örneklemlerde uyum indeksleri kararsızdır; yapı hakkında güçlü bir sonuç çıkarılmamalıdır.
• Yapılar arasındaki nedensel yol ilişkileri bu modelde sınanmaz; onun için yapısal eşitlik modeli gerekir.

• Açımlayıcı Faktör Analizi (AFA)Neden: Faktör yapısı henüz bilinmiyorsa; maddelerin hangi boyutlara ayrıldığını keşfetmek için kullanılır.
• Yapısal Eşitlik Modeli (YEM)Neden: Ölçme modeli doğrulandıktan sonra yapılar arasındaki yol ilişkilerini sınamak gerektiğinde.
• McDonald OmegaNeden: Yalnız güvenilirlik sorusu varsa ve ölçme modelini sınamaya gerek yoksa; tek boyutlu bir güvenilirlik kestirimi verir.

• Açımlayıcı Faktör Analizi (AFA)
• Yapısal Eşitlik Modeli (YEM)
• Cronbach Alfa
• McDonald Omega

Chi-kare anlamlı çıktı, model reddedilmeli mi?

Chi-kare örneklem büyüklüğüne duyarlıdır ve birkaç yüz katılımcıda küçük sapmalarda bile anlamlı çıkar. Alan yazında karar yalnız ona değil, CFI, TLI, RMSEA ve SRMR gibi indekslerin birlikte değerlendirilmesine dayandırılır.

Uyum indeksleri birbiriyle çelişiyor, ne yapmalıyım?

İndeksler farklı yönlerden bakar: CFI ve TLI karşılaştırmalı uyumu, RMSEA ve SRMR artık hatayı ölçer. Çelişki varsa hepsini raporlayın, modelin hangi yönünün zayıf olduğunu tartışın ve karar gerekçenizi yazın.

Standartlaştırılmış yükleri nereden alabilirim?

Panel yükleri standartlaştırılmamış olarak döndürür; standartlaştırılmış değerler ayrıca hesaplanmaz. Standart yük raporlamanız gerekiyorsa bunu kendiniz hesaplamanız ya da başka bir araç kullanmanız gerekir.

Kaç katılımcı gerekir?

Panel yalnız asgari bir geçerli satır sayısı arar. Alan yazındaki yaygın ölçütler madde başına on gözlem ya da en az iki yüz katılımcı yönündedir; model karmaşıklaştıkça bu sayı artar.

• Brown, T. A. (2015). Confirmatory Factor Analysis for Applied Research
• Hu, L., & Bentler, P. M. (1999). Cutoff Criteria for Fit Indexes in Covariance Structure Analysis
• Fornell, C., & Larcker, D. F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error
• semopy belgeleri