Doğrulayıcı Faktör Analizi Aşaması

Doğrulayıcı Faktör Analizi (DFA) Açıklayıcı Faktör Analizinin (AFA) doğal bir uzantısıdır. DFA, özellikle gizil değişkenler (veya faktörler) ve gözlenen ölçümler arasındaki ilişkilerin ölçüm modelleriyle ilgilenen yapısal eşitlik modelinin bir türüdür.

DFA’nın temel bir özelliği onun hipotez edebilme olasılığıdır. DFA bir ölçme aracının gizil yapısını incelemek için ölçek geliştirme süreci boyunca kullanılır. Uygulamalı araştırmalarda, faktör analizi genellikle, çok maddeli ölçme araçlarının psikometrik değerlendirmesi için kullanılır.

Değişkenlerin gözlenen vektörü, ilişkisiz hatalar ile doğrusal bir modelde kullanılan gizil bir faktörle ilgilidir. Analizin amacı p tane gözlenen değişken arasında gözlenen kovaryansı (korelasyonları) açıklamak için gizil faktörlerin küçük bir sayısını bulmaktır. Gizil faktörlerin küçük bir sayısı bulunduğunda tüm faktörler eğik (oblique) ya da dikey (orthogonal) faktörlerin basit yapısını aynı anda tanımlamaya çalışmak için dönüştürürler.

AFA yapıldığında araştırmacı, ortak faktörlerin sayısı, değişkenlere göre gizil faktörlerin sayısı, regresyon katsayılar, modelinin ve faktörlerin ilişkili ya da dikey olup olmadığı hakkında bilgiye sahip değildir. AFA genellikle, bir tanımlayıcı veya açıklayıcı

süreç iken, DFA’da araştırmacı faktör modelinin önceden belirlenmiş tüm durumlarına: faktör sayısı, faktör yükleri vb. bakmalıdır.

2.1.6.1.DFA Modelinin Tanımlanması

DFA’da parametreleri tahmin etmek için ölçüm modeli tanımlı olmalıdır. Model tanımlanması, serbestçe tahmin edilen model parametrelerinin miktar arasındaki kısmi fark ve varyans-kovaryans girdi matrisindeki bilgi parçacıklarının sayısı ile ilgilidir. DFA’nın yapılabilmesi için tüm gizil değişkenler tanımlanmış bir ölçeğe sahip olmalıdır. Gizil değişkenler gözlemlenemezler ya da tanımlanmış bir ölçüye sahip değildirler. Bu ölçü birimleri araştırmacı tarafından belirlenmelidir. Bunun iki yolu vardır. İlki ve en popüler olanı, araştırmacı gizil değişkenin göstergelerinden birisinin sahip olduğu ölçü birimini, gizil değişkenin ölçü birimi olarak tanımlar. Gizil değişkenlerin ölçü birimlerine geçiş için seçilen gösterge sıklıkla biri “işaretleyici” veya “referans göstergesi” olarak adlandırılır. Bu yaklaşım kullanıldığında, gözlenen ölçümlerin, işaretleyici göstergeler gibi sunulmasına karar verilir. Pratikte, işaretli göstergeler sıklıkla hazır yazılımlar tarafından kullanılmaktadır. Gizil değişkenlerin varyansı belirli bir değer olarak alınır (genellikle bu değer 1’dir). Bu metod işaretleyici gösterge yaklaşımından daha az kullanılmaktadır. Sonuç olarak her iki yaklaşımdan biri standartlaşmış ve biride tamamen standartlaştırılmış çözüm sürecinden oluşmaktadır (Çelik ve Yılmaz, 2013:51).

2.1.6.1.1. DFA’da Üç Gösterge Kuralı

Modelin tanımlanması için gerekli koşulun diyagonal ve sıfır olmayan yükler ile en az üç göstergeye sahip olunması şeklinde tanımlanmaktadır. Üçten fazla göstergenin olduğu durumda, modelde yer alan tek faktör tanımlanabilir durumdadır. Çoklu faktör modeli ile her bir gizil değişkeni için 3 veya daha fazla gösterge, yalnızca 1 tane 0 olmayan eleman ile Ʌ𝒙’in her bir satırı, 𝜣𝜹 diyagonal olduğunda tanımlanabilir

durumdadır. Üç gösterge kuralı yeterli ancak gerekli bir koşul değildir.

2.1.6.1.2. DFA’da İki Gösterge Kuralı

İki gösterge kuralı ξ’nin birden daha fazla olduğu modeller için yeterli alternatif bir koşuldur. Üç gösterge kuralında olduğu gibi 𝜣𝜹’nın diyagonal olduğu

varsayılmaktadır. Her bir gizil değişken aynı ölçeklidir. Bu koşullar altında her bir gizil değişken iki göstergeye sahip olduğunda tanımlama için yeterli durum söz konusudur. İki değişkenli basit bir yapı göz önünde bulundurulduğunda, bu model için 𝜣𝜹 matrisi

diyagonaldir.

Model tanımlaması için; Ʌ𝒙’in her bir satırı sadece bir tane sıfır olmayan değere

diyagonal dışında en az bir tane sıfır olmayan elemana sahip olmalı ve 𝜣𝜹 diyagonal

olması model tanımlaması için yeterlidir (Çelik ve Yılmaz, 2013, 54).

Model A: Yetersiz Tanımlanmış (Under Identified)

Aşağıdaki modelde serbestçe tahmin edilen model parametre sayısı 2 tanesi faktör yükü, 2 tanesi hata varyansı olmak üzere toplam 4’tür.

Şekil 2.3: Yetersiz Tanımlanmış Model Model B: Tam tanımlanmış (Just- Identified)

Aşağıdaki modelde serbestçe tahmin edilen model parametre sayısı 3 tanesi faktör yükü, 3 tanesi hata varyansı olmak üzere toplam 6’tür.

Şekil 2.4: Tam Tanımlanmış Model

Bir modelde yer alan bilinenlerin (girdi matrisindeki varyans ve kovaryanslar) sayısı serbestçe tahmin edilen parametrelerin sayısından fazla ise model “fazla tanımlanmış” modeldir.

Şekil 2.5: Fazla Tanımlanmış Model

Yukarıdaki modelde serbestçe tahmin edilen model parametre sayısı 4 tanesi faktör yükü, 4 tanesi hata varyansı olmak üzere toplam 8’dir.Ancak girdi matrisi incelendiğinde girdi sayısı 10’dur.

2.1.6.2. DFA ile AFA Arasındaki Temel Farklar

AFA ile DFA arasında ayrım oldukça önemlidir. Analizlerde kesin bir model tanımlanmadan, değişkenler arasında dikkat çeken ilişkileri ve değişkenlere ait karakteristik özellikleri bulmak ya da keşfetmek için, deneysel bir veri seti üzerinde araştırma yapılması AFA ile gerçekleştirilir. AFA’da ilk amaç bir modele ya da kurama ulaşmadan önce kuramlara ilişkin temel bilgiler elde etmektir. Diğer taraftan DFA’da ise daha önceki kapsamlı araştırmalardan elde edilen bilgi ya da tecrübeye dayanan durumlar ve gözlemler çerçevesinde varsayımlar için model oluşturulur. Bu varsayımlar temelinde önceden kurulan modelin bazı parametreler açısından doğruluğu test edilir.

Faktör analizine ilk olarak hangi yöntemin kullanılması gerektiği ile ilgili olarak birbirinden farklı sonuçlara ulaşılmıştır. DFA’da varsayımsal model analiz öncesinde kuramsal olarak kurulur ve bazı parametreler açısından kurulan bu modelin tanımlaması yapılır. Bu analizlerde modelin kurulması ve tanımlanması, daha önceden yapılan kapsamlı araştırmalardan elde edilen bilgi, tecrübeye dayanan durumlar ve gözlemler çerçevesinde yapılır. Bu çerçevede araştırmacı, analiz öncesinde ölçeğin faktör yapısına dair kuramsal bilgi ve varsayıma sahiptir. Dolayısıyla araştırmacı bu bilgi temelinde tanımladığı modeli doğrulayıcı tekniklerle test eder. Ancak pek çok araştırma bilinen ve bilinmeyen durumlara ilişkin değişkenleri içermesi nedeniyle hem açımlayıcı hem de

doğrulayıcıyı kapsar. Bu açıdan kurulan varsayımların açımlayıcı tekniklerle test edilmesinin ardından doğrulayıcı tekniklerle doğrulanması ya da reddedilmesi arzu edilen bir durumdur (Çokluk vd., 2014)