Araştırma modelinden yola çıkarak ortaya konan hipotezler, gözlenen ve gizil değişkenler arasındaki ilişkiyi eş zamanlı olarak tahmin etmeye yarayan yapısal eşitlik modellemesi ile test edilmiştir.
3.7.1. Yapısal Eşitlik Modellemesi
Yapısal eşitlik modellemesi (YEM), faktör analizi ve çoklu regresyonu birleştirerek eş zamanlı olarak gözlenen ve gizil değişkenler arasındaki birbiriyle ilgili bir dizi bağımlı ilişkileri test eden çok değişkenli bir tekniktir (Hair, 2010: 634). Gözlenen değişkenler, araştırmacının ölçme araçlarından elde ettiği maddeler veya sorulardır ve gizil değişkenlerin belirleyicileri olarak kullanılır (Hair, 2010: 634; Şimşek, 2007: 8). Gizil değişkenler ise, doğrudan ölçülemeyen fakat bir ya da birkaç değişken (belirleyici) tarafından temsil edilen yapılardır (Hair, 2010: 632).
YEM ile amaç teoriden yola çıkılarak belirlenen ilişkilerin veri tarafından doğrulanıp doğrulanmadığını analiz etmektir (Şimşek, 2007: 1). Araştırma modelindeki değişkenler birbirlerine birden fazla şekilde ilişkilendirilebileceğinden, tasarlanan modellerin teoriye dayandırılması gerekmektedir.
Hair (2010: 654-675), YEM’in uygulanması için altı adım olduğunu ifade etmektedir:
1. Gözlenen değişkenlerin tanımlanması: Teoriden yola çıkarak değişkenler tanımlanır. Birçok araştırmada literatürde daha önce kullanılmış ölçekler kullanılmaktadır.
2. Ölçüm modelinin geliştirilmesi: Gözlenen değişkenler belirlenen gizil değişkenlere atanır. Her bir gözlenen değişkenin ilgili gizil değişkendeki faktör yükü hesaplanır.
3. Araştırmanın tasarımı: Örneklem büyüklüğünün yeterliliği hesaplanır. Tahmin yöntemi belirlenerek eksik veriler var ise tamamlanır.
4. Ölçüm modelinin geçerliliğinin değerlendirmesi: Ölçüm modelinin kabul edilebilir uyum iyiliğine sahip olup olmadığı incelenir. Yapı geçerliliği değerlendirilir.
5. Yapısal modelin tanımlanması: Ölçüm modeli tanımlandıktan sonra önerilen teorik modelde yer alan değişkenler arasındaki ilişkiler belirlenir.
6. Yapısal modelin geçerliliğinin değerlendirilmesi: Ölçme modelinde olduğu gibi uyum iyiliklerinden yararlanarak modelin geçerliliği hesaplanır. Yapısal modelin uyum iyiliğinin ölçüm modelinde elde edilen uyum iyiliğine yakın olması arzu edilir.
YEM’de ölçüm modeli doğrulayıcı faktör analizi (DFA) ile test edilir. DFA, açıklayıcı faktör analizinde (AFA) elde edilen ölçümlerinin hipotezler ile belirlenen faktör yapılarına uygunluğunu test eder. DFA’da faktör yapıları ve sayıları önceden belirlenirken, AFA’da değişkenler serbest biçimde tahmin edilerek birbirleri ile ilişkilerine göre faktörler oluşturulur (Kline, 2011). Kline (2011)’e göre açıklayıcı faktör analizi yapısal eşitlik modellemesi içerisinde var olan bir adım değildir. Ancak DFA’dan önce AFA uygulanarak da faktörler elde edilebilir (Şimşek, 2007: 4).
YEM, çevreye duyarlı davranışın ölçüldüğü çalışmalarda sıklıkla kullanılmaktadır (örn. Barber vd., 2009; Fransson & Garling, 1999; Kaiser vd., 1999: Polonsky vd., 2012). YEM’in yaygın kullanılmasının sebepleri arasında;
Gözlenen değişkenlerdeki ölçüm hatalarını hesaba katması, Çok değişkenli modelleri geliştirmeye izin vermesi,
Doğrudan ve dolaylı etkileri dikkate alması, Model uyum iyiliklerini hesaplaması sayılabilir.
3.7.2. Geçerlilik ve Güvenilirlik
Yapısal eşitlik modellemesi kullanılırken birincil amaçlardan birisi önerilen ölçme modelinin yapı geçerliliğini değerlendirmektir (Hair, 2010: 708). Geçerlilik; ölçümün doğruluğunu, bir başka ifadeyle ölçeğin ölçülmek istenen şeyi ölçme derecesini ifade eder (Kurtuluş, 2009: 108; Hair, 2010: 3). Güvenilirlik; ölçümün tutarlı olması, bir başka ifadeyle ölçeğin bileşenlerinin benzer olguyu ölçme derecesidir (Nunnally, 1994).
Yapı geçerliliği (construct validity), ölçme ifadelerinin ölçmek için tasarlanan teorik gizil değişkeni gerçek anlamda ölçüp ölçmediğini, bir başka ifadeyle ölçümün doğruluğunu ifade eder (Hair, 2010: 708-709). Çalışmada yapı geçerliliğini değerlendirmek için Hair (2010: 709)’in önermiş olduğu uyum geçerliliği (convergent validity) ve ayırıcı geçerlilik (discriminant validity) incelenmiştir.
Uyum geçerliliği; yüksek faktör yükleri, açıklanan ortalama varyans ve güvenirlilik ile değerlendirilebilir. Faktör yükleri değerlendirilirken tüm faktör yükleri istatistiki olarak anlamlı ve standardize edilmiş faktör yükleri minimum 0,50 veya 0,50’den büyük veya ideal olarak 0,70 veya 0,70’den büyük olmalıdır. Açıklanan ortalama varyans, gözlenen değişkenlerde gizil değişken tarafından açıklanan ortalama varyansı ifade eder (Şimşek, 2007: 18) ve en az 0,50 olması beklenir (Hair, 2010: 709). Güvenilirlik de bir uyum geçerliliği göstergesidir. Hangi güvenililirlik katsayısının kullanılmasının konusunda halen ortak bir görüş olmasa da Alfa katsayısı hala en sık kullanılan istatistiktir.
Ayırıcı geçerlilik, ölçümlerin birbirinden yeterince ayırt edilme derecesidir. Ayırt edici geçerliliğin sağlanması için faktörler arası korelasyonun 0,90’dan küçük ve iki faktör arasındaki korelasyonların karesinin her iki faktör yapısının açıklanan ortalama varyansından düşük olması gerekmektedir (Kline, 2011: 116).
Çalışmada kullanılan ölçeklerin güvenilirliği Cronbach’s alfa katsayısı ve yapı güvenilirliği (composite reliability) ile ölçülmüştür. Bir yapının güvenilir olması için Cronbach’s alfa katsayısının (Nunnally, 1994) ve yapı güvenilirliğinin minimum 0,70 (Fornell & Larcker, 1981) olması beklenir.
3.7.3. Model Uyum İndeksleri
YEM’de modelin veri ile uygunluğunu belirlemek için bir dizi uyum iyiliği indeksi kullanılmaktadır. Hair (2010);
X2 değeri ve serbestlik derecesi,
Uyum iyiliği indekslerinden biri (GFI, CFI, TLI) Uyum kötülüğü indekslerinden biri (RMSEA, SRMR)
olmak üzere birden fazla uyum iyiliğinin kullanılması gerektiğini ifade etmiştir.
Çalışmada kullanılan uyum istatistikleri Tablo 11’de yer almaktadır. Araştırmadaki örnek büyüklüğü 250’den ve kullanılan gözlenen değişken sayısı 30’dan büyük olduğu için ilgili kabul edilebilirlik uyum istatistiklerine yer verilmiştir.
Tablo 11. Uyum İstatistikleri
İndeksin adı Açıklama Kabul edilebilir uygunluk
X2 Gözlenen ve tahmin edilen
kovaryans matrisleri arasındaki farkın ölçümüdür. Örnek büyüklüğüne duyarlıdır. Örnek büyüklüğü arttıkça artar.
Tek başına yorumlanmaması gerekir
Anlamlı p değeri beklenir.
X2/df Her bir serbestlik derecesi için X2 hesaplanır. Örneklem büyüklüğünü ve modelin karmaşıklığını dikkate alır. 1,00< X2/df<3,00 RMSEA (Yaklaşık hataların ortalama karekökü)
Kötü uyum indeksidir. Sıfıra yakın değerler iyi uyumu ifade eder. Örneklem büyüklüğünden bağımsız tahmin edilir.
0,070’den küçük (CFI’nın 0,90 veya büyük olması)
GFI
(İyilik uyum indeksi)
Örneklem büyüklüğüne duyarlı değildir.
0,90’dan büyük
CFI
(Karşılaştırmalı uyum indeksi)
Araştırma modelinin bağımsız tahmin edilen modeline göre veri ile uyumundaki göreceli iyileşmeyi ölçer.
0,90’dan büyük
TLI
(Tucker-Lewis indeksi)
Modelin karmaşıklığını dikkate alır. Değişkenlerdeki ortalama korelasyon büyüklüğünü dikkate alır.
0,90’dan büyük SRMR (Standardize edilmiş artık ortalamaların karekökü)
Kötü uyum indeksidir. Gözlenen ve tahmin edilen kovaryanslar arasındaki farkı ifade eder. Sıfıra yakın değerler iyi uyumu ifade eder.
0,08’den küçük (CFI’nın 0,92’den büyük olması)
N>250, m≥30 olduğunda
N=Örnek büyüklüğü, m=Gözlenen değişken sayısı
DÖRDÜNCÜ BÖLÜM ANALİZ ve SONUÇLAR
4.1. Giriş
Bu bölümde verilerin kodlanması ve analize hazırlanması aşaması, ön test sonuçları, örneklemin yapısı ve verilerin analiz sonuçları açıklanacaktır.