Doğrulayıcı Faktör Analizi

Keşifsel Faktör Analizi sonucu kalan 28 soru ile birlikte örgütsel destek (Destek), takım özerkliği (Ozerklik), takım etkililiği (Etkililik), takım inovasyonu (Inovasyon), sosyal dayanışma (SosyalDayanisma), görev dayanışması (GorevDayanismasi) boyutları için AMOS 22 programı kullanılarak doğrulayıcı faktör modeli oluşturulmuştur. İlk oluşturulan doğrulayıcı faktör analizinde problemli soruların ölçekten çıkarılmasından sonrası doğrulayıcı faktör analizi tekrarlanmıştır.

Jöreskog ve Sörbom'a (1993) göre, mutlak uyum endeksleri önerilen teorinin veri setine uyma derecesini gösterir. Mutlak uyum endekslerinin hesaplanması, artan (karşılaştırmalı) uyum endekslerinin aksine bir başlangıç modeli ile karşılaştırmaya dayanmamaktadır. Ki-kare testi, RMSEA, GFI, AGFI, RMR ve SRMR sık kullanılan mutlak uyum indeksleri arasındadır. Hu ve Bentler (1999) 'a göre, ki-kare değeri, genel model uyumunu değerlendirmek için geleneksel bir ölçektir ve gözlemlenen ile tahmin edilen kovaryans matrisleri arasındaki varyansın büyüklüğünü değerlendirir. Ki-kare değerinin kullanımı bazı kısıtlamalar içermektedir, örn. normallik varsayımı (McIntosh, 2006), örneklem büyüklüğüne duyarlılık (Bentler ve Bonnet, 1980; Jöreskog ve Sörbom, 1993). Ki-Kare testinin sınırlamaları nedeniyle, model uyumu için farklı endeksler aranmıştır. Wheaton ve diğerlerinin (1977) karşılaştırmalı/ normlu ki-kare değeri (χ2 / df) örneklem büyüklüğünün etkilerini azaltan bir istatistik değeridir. (χ2 / df) oranları için belirli bir aralık yoktur. Wheaton ve diğer. (1977), azami 5.0'e kadar bir oran önerirken, Tabachnick ve Fidell (2007), asgari 2.0’ye kadar bir oran önermektedir. RMSEA ile ilgili olarak, son çalışmalar 0.06'ya yakın bir eşik değerinin (Hu ve Bentler, 1999) ya da 0.07’ye kadar kesin bir üst sınırın (Steiger, 2007) araştırmacılar tarafından kabul edilen değerler olduğunu göstermektedir (Hooper, Coughlan ve Mullen, 2008, s. 53-54).

Ayrıca, örneklem büyüklüğüne duyarlı olsa da, GFI ve AGFI, tarihsel önemi göz önüne alındığında, kovaryans yapı analizlerinde kullanılmaktadır. GFI uyum ölçeği, modelin açıkladığı varyans ve kovaryansın derecesini belirten bir uyum

ölçeğidir. Örneklem sayısı arttıkça, GFI değeri artmaktadır. Sharma ve diğerlerine (2005) göre, örneklem büyüklüğüne kıyasla çok sayıda serbestlik derecesi olduğunda, GFI'nin aşağı yönlü bir yanlılığı vardır. Miles ve Shevlin (1998), GFI için eşik değerin 0.90 olarak önerildiğini belirtir, ancak simülasyon çalışmaları faktör yükleri ve örneklem büyüklüğü düşük olduğunda 0.95'lik daha yüksek bir eşiğin daha uygun olduğunu göstermiştir. Sharma ve diğerlerine (2005) göre, bu endeksin duyarlılığı göz önüne alındığında, son yıllarda daha az popüler hale gelmiştir ve bu endeksin kullanılmaması gerektiği bile önerilmiştir. (Hooper, Coughlan ve Mullen, 2008, s. 54). AGFI uyum ölçeği, gözlenen değişken sayısına göre modelin serbestlik derecesi için GFI değerinin düzeltildiği bir testtir. GFI ile olduğu gibi, AGFI değerleri de genelde 0 ile 1 arasındadır. 0.90 veya daha büyük değerlerin temel modele göre iyi uyum gösterdiği kabul edilir. 0.85'in üzerindeki değerler kabul edilebilir bir uyum olarak düşünülebilir. Anderson ve Gerbing'e (1984) göre, özellikle küçük örneklemlerde, araştırma modeli karmaşık hale geldikçe her iki endeks de azalmaktadır (Schermelleh-Engel ve diğer., 2003, s. 43). Hu ve Bentler’e (1995) göre, 0,05'ten düşük SRMR değerleri iyi bir uyum gösterirken, 0,1'in altındaki değerler kabul edilebilir bir uyum göstermektedir (Schermelleh-Engel ve diğer., 2003, s. 38).

Artan uyum indeksleri ki-kare değerini ham haliyle kullanmazlar, fakat ki- kare değerini bir başlangıç modeliyle karşılaştırırlar. Artan uyum endeksleri için Miles ve Shevlin (2007), karşılaştırmalı uyum endeksleri, McDonald ve Ho (2002), göreceli uyum endeksleri tanımını kullanır. McDonald ve Ho'ya (2002) göre, sıfır hipotezi bu modellerde değişkenler arasında korelasyon olmadığını öne sürmektedir. Genellikle, literatürde artan endeksler NFI ve NNFI (TLI), CFI olarak bildirilmektedir. NFI değeri, 0 ile 1 arasında değişmektedir ve Bentler ve Bonnet (1980), iyi bir uyum için 0.90'ın üzerindeki değerleri önermektedir. Hu ve Bentler (1999), NFI değeri için kesme noktasının 0.95 olması gerektiğini belirtmektedir. NNFI değeri için, 0.80 gibi düşük bir kesme noktası literatürde kabul edilebilir olarak önerilmiştir. Ancak, Bentler ve Hu (1999), NNFI için eşik olarak 0.95 değerini önermiştir. Yine CFI için, Hu ve Bentler (1999) 'a göre, başlangıçta yanlış tanımlanmış modellerin kabul edilme olasılığını ortadan kaldırmak için 0.90'lık bir

eşik kabul edilmiştir, ancak mevcut çalışmalarda 0.95'in üzerinde bir değer, iyi bir uyumu göstermektedir. (Hooper, Coughlan ve Mullen, 2008, s. 55)

Tekrarlanan doğrulayıcı faktör analizi sonuçları (Χ2 / df =2,213, GFI=0.88, AGFI=0,85, RMSEA = 0.060, RMR = 0.035, SRMR= 0.053, NFI= 0.89, NNFI (TLI) = 0.93, CFI = 0.94) modelin yeterli değerlere sahip olduğunu göstermektedir. Şekil 6’da nihai doğrulayıcı faktör analizi modeli gösterilmektedir.

Tablo 15’de doğrulayıcı faktör analizi sonucunda değişkenlere yüklenen faktör yükleri gösterilmektedir. Hesaplanan AVE değerleri, Fornell ve Larcker’in (1981) 0.5 eşik değeri üzerinde şekillenmiştir (Akgün, Keskin and Byrne, 2010, s. 1103). AVE değerleri Tablo 16’da sunulmuştur. Bu kapsamda, ölçüm modelinin yakınsama geçerliliği olduğu sonucuna ulaşılmıştır.

Tablo 15. Doğrulayıcı Faktör Analizi Sonuçları

Soru Değişken Standart olmayan Faktör Yükleri Standart Faktör Yükleri Standart Hata T- rasyosu (Kritik Oran) P- değeri Ozerklik1 Özerklik 1,00 _0,83 Ozerklik2 0,97 0,88 0,05 18,54 0,00 Ozerklik3 0,77 0,68 0,06 13,39 0,00 Ozerklik4 0,83 _0,77 0,05 15,72 0,00 Destek3 Destek 1,08 0,68 0,09 11,46 0,00 Destek4 1,28 0,88 0,09 14,26 0,00 Destek5 1,25 0,83 0,09 13,63 0,00 Destek7 1,00 0,69 0,00 SosyalDayanisma2 SosyalDayanışma 1,00 _0,71 0,00 SosyalDayanisma3 1,06 0,76 0,10 10,48 0,00 SosyalDayanisma4 1,04 0,72 0,10 10,39 0,00 GorevDayanismasi2 GorevDayanışması 1,00 0,82 0,00 GorevDayanismasi3 0,95 0,78 0,07 14,44 0,00 GorevDayanismasi4 0,85 0,73 0,06 13,52 0,00 Etkililik1 Etkililik 1,00 0,79 0,00 Etkililik2 1,01 0,84 0,06 17,42 0,00 Etkililik3 1,06 _0,87 0,06 18,21 0,00 Etkililik4 0,95 0,77 0,06 15,63 0,00 Etkililik5 1,05 0,82 0,06 16,93 0,00 Etkililik6 0,95 _0,79 0,06 16,18 0,00 Etkililik7 1,05 0,71 0,08 14,08 0,00 Inovasyon1 İnovasyon 1,00 _0,74 0,00 Inovasyon2 1,15 _0,77 0,09 13,44 0,00 Inovasyon3 1,22 _0,77 0,09 13,40 0,00 Inovasyon4 1,20 _0,82 0,08 14,29 0,00

Bir sonraki aşamada, ölçüm modelinin ayrışma geçerliliği test edilmiştir. Değişkenler arasında, düşük ila orta dereceli korelasyonlar, ayrışma geçerliliğine

kanıt sağlar (Akgün, Byrne, Keskin ve Lynn, 2006, s. 103). Fornell ve Larcker’a (1981) göre, ayrışma geçerliliğinin teyit edilmesi için, bir değişkenin ortalama varyansının (AVE) karekökü, modeldeki diğer örtük değişkenlerle arasında olan korelasyon katsayılarını aşmalıdır (Akgün, Erdil, Keskin ve Müceldilli, 2016, ss. 112-113). Tablo 16’da gösterildiği gibi, değişkenlerin hiçbirinin arasındaki korelasyonlar değişkenlerin ortalama varyansının (AVE) karekökünü aşmamıştır ve bu durum ayrışma geçerliliğine dair kanıt sağlamaktadır.