Analiz Öncesi Veri Tarama

Verilerden geçerli sonuçlar elde edebilmek için, öncelikle verilerin kalitesinin incelenmesi gerekir (Çokluk vd., 2010: 9). Bu analizlerin amacı eldeki verilerin, uygulanacak istatistiksel yöntemler için uygun olup olmadığı ile ilgili bilgi elde etmektir. Bu aşamada veri girişinde hata yapılıp yapılmadığı, kayıp değerlerin belirlenmesi, uç değerlerin etkilerinin değerlendirilmesi, veriler ve uygulanacak analiz tekniğinin sayıltılarının incelenmesi işlemleri yapılmıştır.

3.5.1.1.1. Verilerin Hatasızlığı

İlk olarak verilerin hatasızlığı incelenmiştir. Bu amaçla, veri girişinde herhangi bir hata yapılıp yapılmadığı kontrol edilir. Bunun için nicel değişkenlerde verilerin olası sınırlar içinde olup olmadığına (ranj); ortalama, standart sapma, minimum ve maksimum değerlerine bakılır (Tabachnick ve Fidell, 2007: 61). Araştırma bağlamında betimsel istatistik sonuçlarına göre bazı verilerin hatalı girildiği

belirlenmiş ve bu veriler düzeltilerek, bütün verilerin analiz için uygun olduğu görülmüştür.

3.5.1.1.2. Kayıp Değer

Bu adımda veri setinde yer alan kayıp değerler (eksik veriler) ve bunların etkileri değerlendirilmiştir. Veri setinde az sayıda kayıp veri varsa, kayıp değerlerde farklı yöntemlerin kullanılması benzer sonuçlar verecektir. Kayıp değerlerin ele alınmasında farklı yöntemler vardır. Bunlar kayıp değer içeren deneklerin silinmesi, daha önceki bilgileri kullanarak kayıp değerlere ilişkin yeni değerler atama, kayıp değere ortalama değer atamak ve regresyon yöntemiyle kayıp değeri tahmin etmedir. Kayıp veri içeren değişkenleri ya da denekleri silmek, örneklem büyüklüğünü ciddi oranda düşüreceğinden, bazı temel analiz sonuçlarını tehlikeye sokabilir (Mertler ve Vannatta, 2005’den Aktaran: Çokluk vd. , 2010: 11). Bundan dolayı, yapısal eşitlik modellerinde, kayıp veri içeren değişkenleri ya da denekleri silmek önerilmemektedir. Bunun yerine az sayıda veri kaybı içeren araştırmalarda, kayıp veri yerine “ortalama değer atama” önerilmektedir (Schumacker ve Lomax, 2004).

Bu araştırmada, değişkenlerin kayıp değerlerinin oranı %5’i aşmadığından, veri kaybını önlemek amacıyla, her bir kayıp değer için ortalama değer atanmıştır. Geometri başarı testi ve uzamsal görselleştirme testinde ise boş bırakılan maddeler öğrencilerin cevaplayamadığı maddeler olduğundan, boş bırakılan her bir soru “0” olarak kodlanmıştır.

3.5.1.1.3. Uç Değerler

Bu aşamada, veri seti içerisinde alışılageldik değerlerin dışında bulunan ya da aşırı değerlere sahip deneklerin olup olmadığı araştırılmıştır. Uç değerlerin belirlenmesinde, her bir ölçek ve ölçeklerin alt boyutlarından elde edilen toplam değerlere ait histogramlar, kutu grafiği, %5 anlamlılık düzeyinden yararlanılmıştır.

Çok yönlü uç değerler Mahalanobis uzaklığı olarak bilinen bir istatistiki işlemle belirlenebilir. Çok yönlü uç değerler, uç değerlerin tespit edilmesinde kullanılan istatistik metotlardan, Mahalanobis uzaklığı incelenerek tespit edilmeye çalışılmıştır (Tabachnick ve Fidell, 2007: 74). Çok yönlü uç değerler için kabul

edilen ölçüt p < ,001 düzeyinde manidar Mahalanobis uzaklığı değeridir (Çokluk vd., 2010:15). Buna göre en yüksek ve en düşük puana sahip ikişer denek çalışmadan çıkarılmıştır (109, 116, 171 ve 369. denekler).

3.5.1.1.4. Çok Değişkenli İstatistik Sayıltıları 3.5.1.1.4.1. Normallik

Yapısal eşitlik modellemesinin en önemli sayıltılarından biri normalliktir. Normallik varsayımı hipotezlerin test edilmesinde kullanılan tahmin metodunun belirlenmesi açısından da önem taşımaktadır. Araştırmada normallik varsayımının sağlanıp sağlanmadığını kontrol etmek amacıyla veri setinin tek değişkenli ve çok değişkenli normalliği değerlendirilmiştir. İlgili değişkenlere ait tek değişkenli normallik testi sonuçları Tablo 3.22’de gösterilmiştir.

Tablo 3.22. Tek Değişkenli Normallik Varsayımının Test Edilmesi

Çarpıklık Basıklık Çarpıklık ve Basıklık z p z p Ki kare p İLGİ -2,23 0,02 -1,37 0,17 6,86 0,03 SEVGİ -2,36 0,01 -2,25 0,02 10,64 0,00 YARAR -4,07 0,00 -1,36 0,17 18,44 0,00 GÜVEN -0,08 0,93 -0,96 0,33 0,92 0,62 OLUMLU ÖZYETERLİK -2,32 0,02 -0,73 0,46 5,96 0,05 GEOMETRİ BİLGİSİNİN KULLANILMASI -1,26 0,20 -1,76 0,07 4,69 0,09 OLUMSUZ ÖZYETERLİK -1,12 0,26 -6,48 0,00 43,25 0,00 ÖĞRENME KAYGISI 2,52 0,01 -3,58 0,00 19,21 0,00 DEĞERLENDİRİLME KAYGISI 0,59 0,55 -6,66 0,00 44,75 0,00 ÇEVRE KAYGISI 0,56 0,57 -5,25 0,00 27,90 0,00 UZAMSAL GÖRSELLEŞTİRME BECERİSİ 4,84 0,00 -1,32 0,18 25,21 0,00 GEOMETRİ BAŞARISI -1,18 0,23 -6,32 0,00 43,01 0,00

Tablo 3.22 incelendiğinde, güven değişkeninin tek değişkenli normallik varsayımını karşıladığı; diğer değişkenlerin tek değişkenli normallik varsayımını karşılamadığı görülmüştür. Tek değişkenli normallik varsayımının karşılanması, çok değişkenli normallik varsayımının karşılanacağı anlamına gelmemektedir.

Çok değişkenli normallik koşulunun sağlanabilmesi için;

1. Her bir değişken tek başına normal dağılmalıdır.

2. Değişkenlerin doğrusal kombinasyonları normal dağılmalıdır.

3. Değişken setlerinin tüm ikili kombinasyonları çok değişkenli normalliğe sahip olmalıdır (Mertler ve Vannatta, 2005’den Aktaran: Çokluk vd. 2010:16).

Bu amaçla çok değişkenli normallik sınaması yapılmıştır. İlgili değişkenlere ait çok değişkenli normallik testi sonuçları Tablo 3.23’te gösterilmiştir.

Tablo 3.23. Çok Değişkenli Normallik Varsayımının Test Edilmesi

Çarpıklık Basıklık Çarpıklık ve Basıklık Değer z p Değer z p Ki-kare P

15,022 11,67 0,00 276,47 8,32 0,00 205,52 0,00

Tablo 3.23’ teki veriler incelendiğinde, veri setinin çok değişkenli normallik varsayımını karşılamadığı görülmüştür (χ2= 205,52, p < 0.05). Çok değişkenli normallik varsayımı karşılanmadıysa veriler normalleştirilmeye çalışılır. Bu işlem adımı Lisrel 9.1 programı ile uygulanmış fakat veriler normalleştirilememiştir. Verilerin normal dağılmadığı durumlarda Robust En Çok Olabilirlik ya da Ağırlıklandırılmış En Küçük Kareler tahmin tekniklerinden biri kullanılır. Bu araştırmada Robust En Çok Olabilirlik tahmin metodu kullanılmıştır.

3.5.1.1.4.2. Doğrusallık

Çok değişkenli doğrusallığın test edilmesi için saçılma diyagramı matrisinden yararlanılır (Tabachnick ve Fidell, 2001:683). Eğer elips şeklinde dağılımlar elde edilirse, çok değişkenli normalliğin ve doğrusallığın sağlandığı söylenebilir.