AraútÕrma kapsamÕnda toplanan verilerin kullanÕlabilmesi için toplanan verilerin normal da÷ÕlÕma uymasÕ gerekir. Bu nedenle anket yardÕmÕ ile toplanmÕú olan verilerin normal da÷ÕlÕma uyup uymadÕ÷ÕnÕ anlayabilmek için bir analiz yapmak gerekir. Bu analizin yapÕlabilmesi için SPSS 16.0 paket istatistik programÕ kullanÕlmÕútÕr. Programda yapÕlan normallik testleri basÕklÕk (kurtosis) ve çarpÕklÕk (skewness) incelemeleridir. Normallik analizi için yapÕlan testler aúa÷Õdaki bölümlerde belirtildi÷i gibidir.
5.8.2.1 ùekilsel inceleme
Bu inceleme ile SPSS¶de verilerin analizi yapÕlarak, verilerin frekanslarÕ, ortalamalarÕ, standart sapmalarÕ, minimum ve maksimum de÷erleri bulunur. Bu analiz veriler hakkÕnda genel bir bilgi edinmek için önemlidir. Bilindi÷i gibi merkezi e÷ilim, de÷iúkenlik, çarpÕklÕk ve basÕklÕ ölçüleri bir da÷ÕlÕmÕ di÷erinden ayÕrt etmeye yarayan ölçülerdir. Sürekli veya süreksiz herhangi bir X tesadüfü de÷iúkeninin da÷ÕlÕmÕnÕn aritmetik ortalamasÕ o tesadüfü de÷iúkenin beklenen de÷erini verir. Bir tesadüfü de÷iúkenin sadece beklenen de÷erinin bilinmesi ço÷u zaman yeterli olmaz. Buna ek olarak beklenen de÷erden ne ölçüde sapmalar olabilece÷ini de bilmek gerekir. Tesadüfü de÷iúken de÷erlerinin beklenen de÷erden sapmalarÕnÕn karelerinin beklenen de÷eri úeklinde tanÕmlanan varyans de÷iúkenli÷in iyi bir ölçüsünü oluúturur (Kasap, Civelek, 2002, sy. 92). YapÕlan úekilsel incelemenin sonuçlarÕ Ek A.2¶de görülmektedir.
5.8.2.2 ÇarpÕklÕk ve basÕklÕk incelemesi
ÇarpÕklÕk ve basÕklÕk incelemeleri betimsel analizin bir alt grubudur. ÇarpÕklÕk ve basÕklÕk ölçülerini hesaplayarak da÷ÕlÕmÕn úekli konusunda bilgi sahibi olunabilir (Kasap, Civelek, 2002, sy. 92). ÇarpÕklÕk ve basÕklÕk de÷erleri ile verilerimizin normal da÷ÕlÕma uyup uymadÕ÷ÕnÕ anlayabiliriz. øyi bir uyum için çarpÕklÕk ve basÕklÕk de÷erlerinin %5 güven aralÕ÷Õnda ±2.58, % 1 güven aralÕ÷Õnda ±1.96 olmasÕ gerekir. Tüm sorularÕmÕza basÕklÕk ve çarpÕklÕk testi uygulanmÕútÕr. Tüm sorular testten geçmiútir.
5.8.3 Modelin güvenilirli÷i
Güvenirlik için, Cronbach Alpha iç tutarlÕlÕk katsayÕsÕ uygulanmÕútÕr. Tüm sorular için Cronbach alpha katsayÕlarÕnÕn 0,60¶Õn üzerinde olmasÕ ölçe÷in bütün olarak ve alt boyutlarÕn kendi içinde tutarlÕ olduklarÕnÕ iúaret etmektedir. Yani her grup soru kendi içinde istenilen de÷iúkeni ölçmektedir. ÇalÕúma sonucunda elde edilen Cronbach Alpha de÷erleri Ek A.3¶te verilmiútir.
5.8.4 YapÕsal eúitlik modeli analizleri
YapÕsal Eúitlik Modeli (YEM) son dönemlerde sosyal bilimlerde en önemli veri analiz tekniklerinden biri olmuútur. YEM, teorilerin formüle edilmesi ve de÷iúkenler arasÕndaki karmaúÕk iliúki yapÕlarÕnÕn bir model yardÕmÕyla açÕklanmasÕnda yaygÕn bir biçimde kullanÕlmaktadÕr. Temel olarak YEM ekonometrideki eúanlÕ eúitlik sistemlerinin bir uzantÕsÕdÕr. Günümüzde YEM, teorik ve uygulamalÕ istatistiksel araútÕrmalarda etkin bir araç olarak kullanÕlmaktadÕr (Çelik ve YÕlmaz, 2009).
YEM, istatistiksel ba÷ÕmlÕlÕ÷a dayalÕ modellerle ilgili bütünleúik hipotezler içindeki de÷iúkenlerin sebep-sonuç iliúkisini açÕklayabilen ve kuramsal modellerin bir bütün olarak test edilmesine olanak veren etkili bir model test etme ve geliútirme yöntemidir. AyrÕca YEM modelleri, araútÕrmacÕlara de÷iúkenler arasÕnda do÷rudan ve dolaylÕ etkileri belirleme olana÷Õ da sa÷lamaktadÕr. YEM, di÷er istatistiksel tekniklere üstün olarak; modellemede yer alan kuramsal yapÕlar arasÕndaki etkileúimleri, yapÕlara ölçme hatalarÕnÕ ve hatalar arasÕndaki iliúkileri dâhil ederek modelleyen çok de÷iúkenli istatistiksel bir yaklaúÕmdÕr (Çelik ve YÕlmaz, 2009). YapÕsal Eúitlik Modeli (YEM) kavram olarak faktör analizi ve çoklu regresyon gibi
ba÷ÕmsÕz de÷iúken ile bir veya birden fazla ba÷ÕmlÕ de÷iúken arasÕndaki iliúkileri incelemek ve ortaya koymaktÕr. Ba÷ÕmlÕ ve ba÷ÕmsÕz de÷iúkenle sürekli veya kesikli olabilirler (Nokelainen, 2007).
Son yÕllarda sosyal bilimler ve davranÕú bilimlerindeki önemi ve kullanma sÕklÕ÷Õ gittikçe artan YapÕsal Eúitlik Modeli (structural equation modeling) uygulamalarÕ oldukça fazla sayÕdaki bilimsel araútÕrma giriúiminin ayrÕlmaz bir parçasÕ haline gelmeye baúlamÕútÕr. ArtÕk neredeyse bir araútÕrma yöntemi olarak da kolaylÕkla adlandÕrÕlabilecek olan yapÕsal eúitlik modeli, araútÕrmacÕlara oldukça de÷iúik avantajlar sa÷lamaktadÕr (ùimúek, 2007).
Bollen (1989), yapÕsal eúitlik modellemesinin tarihi seyrinde baúlÕca üç bileúenin bulundu÷unu ifade etmektedir. Bunlar: (1) Yol (path) analizi, (2) yapÕsal model ve ölçüm modellerinin kavramsal analizi, (3) genel tahmin süreçleridir. Nedensel modeller tarihsel bir düzende geliúme göstermiútir. Bu modeller; regresyon analizi, yol (path) analizi, do÷rulayÕcÕ faktör analizi (DFA) , (Confirmatory Factor Analysis- CFA) ve yapÕsal eúitlik modellemesidir (Schumaker ve Lomax, 20004).
ølk model do÷rusal regresyon modellerini içermektedir. Do÷rusal regresyon modelleri regresyon a÷ÕrlÕklarÕnÕ hesaplamak için en küçük kareler ölçütünü ve bir korelasyon katsayÕsÕnÕ kullanÕr. Regresyon modelleri 1896¶da iki de÷iúken arasÕndaki iliúkilere dair bir standart büyüklü÷ün sa÷lanmasÕ amacÕyla Karl Pearson tarafÕndan korelasyon katsayÕsÕna iliúkin bir formülün ortaya konulmasÕ ile mümkün olmuútur (Schumaker ve Lomax, 2004). Regresyon analizi teorik bir modeldin test edilmesini sa÷lamaktadÕr. Regresyon modeli, gözlenen ba÷ÕmsÕz de÷iúkenler ile ba÷ÕmlÕ de÷iúkenler arasÕndaki ortalama iliúkinin matematiksel bir fonksiyonla ifadesidir (Akkaya ve PazarlÕo÷lu, 1995).
Path analizini bir biyometrisyen olan Wright (1918) geliútirmiútir (Bollen, 1989). Path modelleri, gözlenen de÷iúkenler arasÕndaki daha karmaúÕk iliúkilerin modellenmesi için regresyon analizini ve korelasyon katsayÕlarÕnÕ kullanÕr. Path analizi, de÷iúkenler arasÕnda neden-sonuç iliúkisine dayalÕ modeller kurar. Kurulan model gözlenen korelasyonlar uygun açÕklama getirmek ve bir dÕúsal de÷iúkenin modelde yer alan di÷er bir de÷iúken ile arasÕndaki korelasyonu ve nedensel etkisini ne ölçüde yansÕttÕ÷ÕnÕ de÷erlendirmek amacÕyla kullanÕlmaktadÕr (Çelik ve YÕlmaz, 2009). Maruyama (1998), path analizini ba÷ÕmlÕ de÷iúkenler üzerindeki ba÷ÕmsÕz
de÷iúkenlerin kÕsmi etkilerini standartlaúmÕú regresyon katsayÕlarÕ ile gösteren bir analiz olarak tanÕmlamaktadÕr.
Do÷rulayÕcÕ faktör analizi (DFA) kavramÕ, Howe (1955), Anderson ve Rubin (1956) ve Lawley¶in (1958) çalÕúmalarÕnÕn temelinde ortaya çÕkmÕútÕr (Bollen, 1989). DFA metodunun tamamen geliútirilmesi 1960 yÕlÕnda Karl Jöreskog tarafÕndan sa÷lanmÕútÕr. Karl Joreskog, tanÕmlÕ bir yapÕnÕn maddelerinin oluúturdu÷u veri setinin test edilip edilemeyece÷ine iliúkin kuramsal çalÕúmalarÕ ile DFA¶yÕ geliútirmiútir. Jöreskog bilimsel incelemelerini 1963¶te tamamlamÕú ve 1969 yÕlÕnda DFA hakkÕndaki ilk çalÕúmasÕnÕn yayÕnlamÕú, sonradan ilk DFA hazÕr yazÕlÕmÕnÕn geliútirilmesinde yer almÕútÕr. AçÕklayÕcÕ faktör analizi (AFA) pek çok akademik disiplinde kullanÕlan ölçme araçlarÕ için 100 yÕlÕ aúkÕn bir süredir kullanÕlÕrken, DFA günümüzde kuramsal yapÕlarÕn var oluúunu test etmek için kullanÕlmaktadÕr (Bollen, 1989).
YEM; nedensel iliúkiler hakkÕnda varsayÕlan modelleri göstermek için path diyagramlarÕnÕ kullanmaktadÕr. YEM aslÕnda genel bir istatistiksel metodolojidir (Kline, 1998). ølk genel yapÕsal eúitlik modellemesi Karl Jöreskog (1970,1973), Kess (1972) ve Wiley (1973) tarafÕndan geliútirilmiútir. Path analizine ek olarak, gizil de÷iúken ve ölçüm modellerinin kavramsal sentezi, ça÷daú YEM¶in temelini oluúturmaktadÕr. YEM modelleri gerçekte do÷rulayÕcÕ faktör modelleri ve path modellerini birleútirmektedir (Çelik ve YÕlmaz, 2009).
Gizil de÷iúkenler YEM¶in en önemli kavramlarÕndan biridir ve araútÕrmacÕlarÕn gerçekte ilgilendikleri zeka, güdü, duygu, tutum gibi soyut kavramlara ya da psikolojik yapÕlara karúÕlÕk gelir. Bu yapÕlara ancak dolaylÕ olarak belirli davranÕúlar ya da göstergeler temelinde ölçülen de÷iúkenler yardÕmÕyla gözlenebilir. Psikoloji, sosyoloji, e÷itim, ekonomi ve pazarlama gibi ço÷u alanda asÕl ilgilenilen kavramlarÕn do÷rudan ölçülmesi bazen mümkün olmaz. Psikolojide, kiúinin kendine bakÕú açÕsÕ ve motivasyon; sosyolojide, çaresizlik ve huzursuzluk; e÷itimde sözlü yetenek ve e÷iticinin beklentisi; ekonomi de ise davranÕúlar, müúteri memnuniyeti, kalitenin algÕlanÕúÕ gibi kavramlar gizil de÷iúkenlere örnek olarak verilebilir. Sözü edilen gizil de÷iúkenler gözlenmedi÷i için do÷rudan ölçülemezler. Bu yüzden, araútÕrmacÕ, gizil de÷iúkeni iúlemsel olarak tanÕmlamak için varsayÕlan yapÕ açÕsÕndan gizil de÷iúkeni gözlenebilir de÷iúkenlerle iliúkilendirmek zorundadÕr. YapÕsal eúitlik modellemesi,
ba÷lÕ oldu÷unu betimleyen bir ya da daha fazla do÷rusal regresyon eúitliklerini içerir (Çelik ve YÕlmaz, 2005).
5.8.4.1 Yol diyagramÕ
Daha önce de belirtildi÷i gibi, ölçme modelleri tarafÕndan do÷rulanan yapÕlar arasÕnda iliúkilerin araútÕrÕldÕ÷Õ durumlar yapÕsal eúitlik modelleri olarak adlandÕrÕlÕrlar. YapÕsal eúitlik modeli çalÕúmalarÕnda, araútÕrmacÕnÕn elinde teorik bir model vardÕr, ancak bu kez modelin temel iúlevi bir dizi teorik yapÕ (örtük de÷iúken) arasÕndaki neden sonuç iliúkilerinin açÕ÷a kavuúturulmasÕdÕr. Ancak bu tür çalÕúmalarda da araútÕrmacÕ de÷iúkenler arasÕ iliúkilerin araútÕrÕlmasÕndan önce söz konusu de÷iúkenlerin meydana getirdi÷i ölçme model(ler)ini test etmek zorundadÕr. Bir baúka deyiúle, tÕpkÕ do÷rulayÕcÕ faktör analizinde oldu÷u gibi, her bir de÷iúkenin ölçme modelinin veri tarafÕndan do÷rulanÕp do÷rulanmadÕ÷Õ test edildikten sonra, bu de÷iúkenler arasÕndaki iliúkilerin teorik olarak tahmin edildi÷i gibi olup olmadÕ÷Õ sorusuna yanÕt aranÕr. Literatürde tüm de÷iúkenlerin ölçme modellerinin ayrÕ ayrÕ test edilmesinin yanÕ sÕra, tüm de÷iúkenlere ait ölçme modellerinin tek bir model içinde test edildi÷i de görülmektedir (ùimsek, 2007).
YapÕlan araútÕrma için kurulan model úekil 5.4¶te gösterildi÷i gibidir. Modelde yol diyagramÕnÕn yanÕ sÕra, model uygunluk de÷erleri ve hipotezlerin sonuçlarÕ görülebilmektedir.
5.8.4.2 Modelin sonuçlarÕnÕn de÷erlendirilmesi
Model uygunlu÷unun de÷erlendirilmesinde kullanÕlan birbirinden farklÕ uyum iyili÷i indeksleri ve bu indekslerin sahip oldu÷u istatistiksel fonksiyonlar vardÕr. Önerilen indeksler arasÕnda en çok kullanÕlanlarÕ benzerlik oranÕ ki-kare istatisti÷i ( Ȥ2 ), RMSEA (Ortalama hata karakök yaklaúÕmÕ - Root-mean-squared error approximation), GFI (Uyum iyili÷i indeksi - Goodness-of-fit index) ve AGFI (UyarlanmÕú uyum iyili÷i indeksi - Adjusted Goodness-of-fit index )¶dir. Di÷er uygunluk ölçüleri; PNFI (NormlandÕrÕlmÕú basitlik uyum indeksi - Parsimony Normed Fit Index), PGFI (Basitlik uyum indeksi - Parsomany Goondness of Fit Index), CFI (KarúÕlaútÕrmalÕ uyum indeksi - Comparative Fit Index), IFI (FazlalÕk uyum indeksi - Incremental Fit Index), RFI (Göreli uyum indeksi - Relative Fit Index), NFI (NormlandÕrÕlmÕú uyum indeksi - The Normed Fit Index)¶dir.