Türkiye ekonomisi içinde önemli bir paya sahip olan imalat sanayi’nin krizlerden ne derece etkilendiğini ortaya koymaktır. Bu amaçla, 1991 sonrası İMKB’ye kayıtlı 135 işletmenin mali oranları hesaplanmış, ardından bu oranların barındırdıkları ortak özelliklere bağlı olarak sınıflandırılması amacıyla faktör analizi uygulanmıştır. Faktör analizi sonucu elde edilen faktörlere kriz öncesinde ve sonrasında hangisinin daha etkin olduğunu belirlemek amacıyla ayırma analizi uygulanmıştır.
Aşağıda çalışmada kullanılan istatistik tekniklerinin kısa açıklamaları yapılmıştır.
4.3.1. Faktör Analizi
Faktör analizi, başlıca amacı aralarında ilişkili, yorumlanması zor ve çok sayıdaki değişken arasındaki ilişkilerin anlaşılmasını ve yorumlanmasını kolaylaştırmak için bu yapıyı temsil eden bağımsız daha az sayıdaki temel boyuta indirgemek veya özetlemek olan bir grup çok değişkenli analiz tekniğine verilen genel bir isimdir. Diğer bir ifade ile faktör analizi, aralarında ilişki bulunan çok sayıda değişkenden oluşan bir veri setine ait temel faktörlerin (ilişkinin yapısının) ortaya çıkarılarak araştırmacı tarafından veri setinde yer alan kavramlar arasındaki ilişkilerin daha kolay anlaşılmasına yardımcı olmaktır.
Faktör analizinde, bazı analizlerde olan bağımlı değişken ve bu değişkeni açıklamaya çalışan bağımsız değişken veri seti bulunmamaktadır. Faktör analizi, bir oluşumun nedenini açıkladıkları varsayılan değişkenleri(faktörleri/bileşenleri/boyutları) ortaya çıkarmak ve adlandırmak amacıyla kullanılan bir yöntemdir. Bu yönüyle bağımlı değişken ile bağımsız değişken arasındaki ilişkiyi inceleyen yöntemlerden ayrılır.
Faktör analizi terimi, birbirinden farklı fakat aynı zamanda birbiriyle ilişkili teknikleri içerir (Kalaycı, 2010:321).
Faktör analizinin iki temel amacı vardır. Bunlar: Boyut indirgemek(veya değişken sayısın indirmek) ve değişkenleri sınıflandırmak, diğer bir deyişle değişkenler arası ilişkilerdeki yapıyı oluşturmaktır (Alpar, 2011: 261).
Faktör analizi çeşitli aşamalardan oluşan bir analiz tekniğidir. Tipik bir faktör analizinde yer alan aşamalar aşağıdaki şekilde özetlenebilir.
1. Veri setinin faktör analizi için uygunluğunun değerlendirilmesi: Veri setinin faktör analizi için uygunluğunu değerlendirmek amacıyla korelasyon matrisinin oluşturulması, Barlett testi ve Kaiser-Meyer-Olkin(KMO) testi olmak üzere üç test kullanılır.
a) Korelasyon matrisinin oluşturulması: Faktör analizine alınan tüm değişkenler arasındaki ilişkiyi gösteren matristir. Değişkenler arasındaki korelâsyonların yüksek olması arzulanır. Çünkü değişkenler arasındaki korelâsyonlar ne kadar yüksek ise, değişkenlerin ortak faktör oluşturma olasılıkları o kadar yüksektir.
b) Barlett Küresellik Testi: Barlett küresellik testi bize değişkenler arasında yeterli oranda ilişki olup olmadığını gösterir. Bu testin p değeri 0.05 anlamlılık derecesinden düşük ise değişkenler arasında faktör analizi yapmaya yeterli düzeyde bir ilişki vardır. Eğer testin sonucu anlamlı değilse değişkenler faktör analizi yapmaya uygun değildir (Sipahi, Yurtkoru ve Çinko, 2010:79).
c) KMO Testi: Gözlenen korelasyon katsayıları ile kısmi korelasyon katsayılarını karşılaştırır. KMO oranı 0.5’in üzerinde olmalıdır.
2. Faktörlerin Elde Edilmesi: değişkenler arasındaki ilişkileri temsil edecek az sayıda faktör elde edilmesidir. Özdeğer (Eigenvalues) istatistiği 1’den büyük olan
faktörler anlamlı olarak kabul edilir. Özdeğer istatistiği 1’den küçük olanlar dikkate alınmaz.
3. Faktörlerin Rotasyonu (Factor Rotation): Bir faktör analizi tekniği kullanılarak elde edilen faktörleri “bağımsızlık, yorumlamada açıklık ve anlamlılık” sağlamak amacıyla rotasyon(eksen döndürmesi)’na tabi tutulmasıdır. Faktörlerin döndürülmesinde orthogonal(dik) ve oblique(Eğik) olmak üzere iki yöntem kullanılır. En çok kullanılan yöntem orthogonal yöntemdir. Ortgohonal yöntemde sırasıyla, varimax(en çok kullanılan teknik), equamax ve quartimax olmak üzere üç teknik vardır. Matriste orijinal değişken ve onun faktörü arasındaki korelasyonlar görülmektedir. Bir değişkenin hangi faktör altında mutlak değer olarak büyük ağırlığa sahipse o değişken o faktör ile yakın ilişki içerisindedir demektir. 350 ve üzerindeki veri sayısı için faktör ağırlığının 0.30 ve üzerinde olması gerekir. 0.50 ve üzerindeki ağırlıklar ise oldukça iyi olarak kabul edilir.
4. Faktörlerin İsimlendirilmesi: Faktör analizinin en zor aşamasıdır. Çünkü faktör analizi, oluşturulan faktörler ile faktörleri oluşturan değişkenler arasında bir ipucunun olmamasına neden olabilir. Bu bağlamda birkaç değişik ipucu kullanılabilir. Birincisi, faktörleri oluşturan değişkenler arasındaki ortak özelliklerinin belirlenerek isimlendirilmesidir. İkincisi ise değişkenler arasında faktör yük değeri en çok olana bakılarak isimlendirme yapılmasıdır. Üçüncüsü, faktörleri oluşturan değişkenleri en iyi ifade edebilecek bir isim verilerek isimlendirilme yapılmasıdır.
4.3.2. Güvenilirlik Analizi
Ölçmede kullanılan testlerin, anketlerin ya da ölçeklerin özelliklerini ve güvenilirliklerini değerlendirmek üzere geliştirilmiş yöntemdir. Faktör analizi
sonrasında elde edilen faktörlerinin güvenilirliğinin bulunması gerekir. Güvenilirlik analizi yapmak için Alpha modeli kullanılmıştır. Cronbach’s Alpha sorular arasındaki korelasyona bağlı uyum değeridir. Bu değer, faktör altındaki değişkenlerin toplamdaki güvenilirlik seviyesini göstermektedir. Alpha katsayısına bağlı olarak ölçeğin güvenilirliğini aşağıdaki gibi yorumlanır:
0.00≤α<0.40 ise ölçek güvenilir değildir, 0.40≤α<0.60 ise ölçeğin güvenilirliği düşük, 0.60≤α<0.80 ise ölçek oldukça güvenilir,
0.80≤α<1.00 ise ölçek yüksek derecede güvenilir bir ölçektir.
4.3.3. Diskriminant (Ayırma) Analiz
Ayırma analizi, kategorik bağımlı değişken(ler) ile metrik bağımsız değişkenler arasındaki ilişkileri tahmin etmeyi amaçlayan çok değişkenli istatistik tekniklerinden biridir. Ayırma analizi için gerekli veri seti büyüklüğü, her bir değişken için minimum 20 olmak üzere en az 100 veri olmalıdır. Ayırma analizinin en önemli varsayımları eşit kovaryans, çoklu bağlantı ve normal dağılım varsayımlarıdır. Eşit kovaryans varsayımını test etmek için Box’s M testi kullanılır. Disciriminant fonksiyonlarının ne kadar önemli olduğunu belirlemek için Canonical correlation, Eigenvalue(öz değer) ve Wilks’s Lambda istatistiklerine bakılır.
Canonical Correlation: Ayırma skorları ve gruplar arasındaki ilişkiyi ölçer ve açıklanan toplam varyansın gösterir. Bu değerin karesi alınarak açıklanan toplam varyans bulunur.
Eigenvalue(öz değer)istatistiği: Bu değer ne kadar büyükse, bağımlı değişkendeki varyansın büyük bir kısmı o fonksiyon tarafından açıklanacak demektir. 0,40’tan büyük öz değerler iyi olarak kabul edilir.
Wilks’s Lambda istatistiği: Ayırma skorlarındaki toplam varyansın gruplar arasındaki farklar tarafından açıklanamayan oranını (kısmını) gösterir.