Faktör Analizinde Koşullar

Faktör analizinde karşılanması gereken önemli varsayımlar bulunmaktadır. Bunlar, örneklem büyüklüğünün yeterliliği, kayıp ve aşırı uç değerler ve veri setinin normal dağılımdan gelmesidir (Aksu vd., 2017: 24). Bunların dışında veri setinin faktör analizine uygulanabilir olabilmesi için uygunluk testleri sonucu istenen değerleri karşılaması gerekmektedir.

a) Örneklem Büyüklüğü

Her veri seti faktör analizine uygun olmayabilir. Veri setinin faktör analizine uygunluğunun ön koşulu örneklem ve değişken sayısı kriterleridir. Bu bağlamda literatür incelendiğinde örneklem büyüklüğü yeterliliğine ilişkin doğrudan örneklem sayısı ve birey- madde oranı olmak üzere iki yaklaşımın olduğu görülmektedir. Doğrudan örnek sayısını ele alan yaklaşımlarda, örnek sayısının; Lawyer ve Maxwell (1971)’e göre değişken sayısından en az 51 fazlası olması, Kline (1979) ve Gorsuch (1983)’e göre en az 100 olması, Hatcher (1994)’e göre değişken sayısının en az beş katı olması, Guilford (1954)’e göre en az 200 olması, Cattell (1978)’e göre en az 250 olması, Norusis (2005)’e göre en az 300 olması önerilmektedir. Birey- madde oranını ele alan yaklaşımlarda ise; Hair, Anderson, Tatham and Black (1995)’e göre her değişkenin en az 20 katı denek olması gerektiği önerilmekle beraber bu oranın değişken sayısının 10 katı, 5 katı, 3-6 katı veya 2 katı olması gerektiğini öneren yazarlar da bulunmaktadır (Aksu vd., 2017: 25-26). Araştırma kapsamında, ölçekte yer alan 48 ifadeye karşılık 401 katılımcıyla, doğrudan örnek sayısını ele alan yaklaşımlarda belirtilen en üst örneklem büyüklüğü olan 300 sayısına ulaşıldığı, ayrıca birey-madde oranı (401/48=8) hesaplandığında 8:155 _{oran ile önerilen örneklem büyüklüğü oranına ulaşıldığı görülmektedir.}

55 _{Normallik testi sonucunda çıkarılan 14 ifade sonrasında birey-madde oranının (401/34) ise yaklaşık 12:1 olarak}

131

b) Kayıp Veriler ve Uç Değerler

Yapılan ampirik çalışmalarda kayıp verilerle sıklıkla karşılaşılabilmekte ve bu durum güvenilirlik katsayısını ve diğer analiz sonuçlarını önemli ölçüde etkileyebilmektedir (Aksu vd., 2017: 27). Bu sebeple veri setinde eksik verilerin olup olmadığının kontrol edilmesi gerekmektedir. Bu bağlamda, kayıp verilerin varlığına ilişkin inceleme yapılmış ve herhangi bir kayıp veri tespit edilmemiştir.

Veri setinin analiz öncesinde incelenmesinde bir diğer aşama uç değer araştırmasıdır. Bu araştırma, cevaplar arasındaki çelişkilerin incelenmesi, cevap aralığı dışında kalan değerlerin bulunması ve aşırı değere sahip verilerin temizlenmesi veya sebeplerinin araştırılması amacıyla gerçekleştirilmektedir. Uç değerler veri setine ilişkin bazı problemlerin işareti olabileceği gibi her zaman sorun olmayabilir (Coşkun vd., 2015: 157-158). Şöyle ki, algı ve tutum ölçeklerinde bu tür değerler, farklılıkların belirlenebilmesi açısından da önemli olabilmektedir.

Uç değer analizi SPSS programı yardımıyla yapılabilmektedir. Yapılan uç değer araştırması ile veri setiyle kıyaslandığında az sayıda uç değer tespit edilmiştir. En çok uç değere sahip örneklerin çıkarılmasıyla yeniden yapılan analizler ile güvenilirlik, geçerlik, normallik, çarpıklık ve basıklık değerlerinde araştırma sonuçlarını olumsuz etkileyecek bir durumun ortaya çıkmadığı tespit edildiğinden ilgili anketler uygulama kapsamından çıkarılmamıştır.

c) Normallik Testi

Faktör analizinde tüm değişkenlerin normal dağılımdan (çoklu değişkenli normal dağılım) geldiği varsayılmaktadır (Büyüköztürk, 2002: 480). Bu bakımdan öncelikle verilerin çok değişkenli normal dağılımlı olup olmadığının incelenmesi gerekmektedir. Veri setinin çoklu normal dağılımdan geldiği Bartlett testi ile sınanmaktadır (Polat, 2012: 21). Ancak çok değişkenli normalliği incelemeden önce tek değişkenli normalliğin incelenmesi gerektiği önerilmektedir (Aksu vd., 2017: 40). Ayrıca, araştırmada açımlayıcı faktör analizi yapılacağından normallik testinin yanı sıra çarpıklık ve basıklık değerlerine de bakılması gerekmektedir (Dalgakıran ve Öztürkoğlu, 2017: 152). Bu bağlamda araştırma kapsamında sorulan her bir ifadeye ait normallik test sonuçları ile çarpıklık ve basıklık değerleri ayrı ayrı incelenmiştir.

Veri setinin normallik testi, örneklem sayısına göre Kolmogrov-Simirnov (Lilliefors) veya Shapiro Wilk testleri yardımıyla yapılabilir. Shapiro Wilk normallik varsayımını test eden en güçlü test olarak kabul edilmektedir (Aksu vd., 2017: 41). Ancak gözlem sayısı 30 ve

132 üzerinde olduğu durumlarda Lilliefors testinin yapılması daha anlamlı sonuçlar vermektedir (Kalaycı, 2018: 10). Normallik test sonuçlarının 0,05 anlamlılık düzeyinden küçük çıkması durumunda verilerin normallik koşulunu ihlal ettiği varsayılmaktadır (Coşkun vd., 2015: 166). Çalışma kapsamında veri seti her iki test ile de sınanmıştır. Ek-2’de görüleceği üzere hem Lilliefors hem de Shapiro Wilk ile yapılan test sonucunda ölçekte yer alan tüm ifadeler için normal dağılım değeri 0,05 anlamlılık düzeyinden küçük çıkmış ve veri setinin normallik koşulunu ihlal ettiği belirlenmiştir. Ancak bu durum veri setinin analize uygun olmadığı anlamına gelmemelidir. İfadelere katılım düzeyinin ikili ya da sıralı (örneğin; Likert ölçeği) olması normal dağılıma engel olmakta ve yanıltıcı sonuçlar ortaya koymaktadır (Schmitt, 2011: 307). Bu bakımdan normallik testinin yapılamadığı veya normal dağılıma engel olan durumların varlığı halinde verilerin normal dağılımdan gelip gelmediğinin tespit edilebilmesi için çarpıklık ve basıklık katsayılarına bakılması gerekmektedir (Polat, 2012: 21).

Ek-2’de Likert ölçekli sorulan her bir ifadeye ait ortalama değer, standart sapma, varyans, normallik testi sonuçları, çarpıklık ve basıklık katsayılarının özeti yer almaktadır. Analize tabi tutulacak ifadelerin likert ölçekli olması normallik testini etkilediğinden dolayı her bir ifadeye ait normal dağılımın göstergesi olan çarpıklık (skewness) ve basıklık (kurtosis) katsayıları incelenmiştir. Çarpıklık ve basıklık katsayısı, -∞ ile +∞ arasında değerler alabilmektedir. Bu değerlerin sıfıra yakın olması verilerin normal dağıldığının bir göstergesidir. Bu bağlamda 1’in üzerinde değerlere sahip olan değişkenlerin istatistiksel yöntemlerle dönüştürülmesi gerektiği belirtilmektedir. Ancak sosyal ve davranışsal bilimlerindeki uygulamalarda normal dağılım gösteren veri bulmak oldukça zordur (Coşkun vd., 2015: 165- 166). Bu sebeple uygulamada çarpıklık ve basıklık değerlerine ilişkin bazı yazarlara göre ±1,5 (Tabachnick ve Fidell, 2013) bazılarına göre ±2 (Dalgakıran ve Öztürkoğlu, 2017: 152; Kalaycı, 2018: 6) bazılarına göre ise ±3’e kadar (Shao ve Zhou, 2002)çeşitli katsayıların 0,05 güven aralığı düzeyinde normal kabul edildiği görülmekle birlikte bu çalışmada 1’e en yakın değer olan ±1,5 katsayısı esas alınmıştır.

Ek-2’den de görüleceği üzere, 5’inci, 6’ncı, 12’nci, 19’uncu, 21’inci, 22’nci, 34’üncü, 35’inci, 36’ncı, 37’nci, 38’inci, 39’uncu, 40’ıncı ve 42’nci ifadeler olmak üzere, toplamda 14 ifade 0,05 güven aralığında ±1,5 normal dağılım değerlerinin dışında kalmıştır. Bu ifadeler faktörleştirme kapsamında yapılacak olan analizlere ve faktör boyutlarına olumsuz etki edeceğinden analiz kapsamı dışında tutulmuştur. Çıkarılan ifadeler sonrasında analize tabi tutulacak 34 ifade kalmıştır.

133

d) Faktör Analizi Uygunluk Testleri

Veri setinin faktör analizine uygun olup olmadığının değerlendirilmesinde; korelasyon matrisi, Bartlett testi ve KMO testleri olmak üzere üç yöntem kullanılır. İlk olarak değişkenler arasındaki korelasyon katsayıları incelenir. Burada istenen, değişkenler arasındaki korelasyonların yüksek çıkmasıdır. Değişkenler arasındaki korelasyon ne kadar yüksek ise aralarında ortak faktör çıkarma olasılığı da aynı oranda artmaktadır (Kalaycı, 2018: 321). İşaretine bakılmaksızın 0,30-0,59 arası yük değeri orta, 0,60 ve üstü yük değeri ise yüksek düzeyde kabul edilir ve değişken çıkarmada dikkate alınır (Büyüköztürk, 2002: 474). Ancak, korelasyonların katsayılarının önemli kısmının 0,30’dan düşük çıkması kural olarak veri setinin faktör analizine uygun olmadığını gösterir (Yaşlıoğlu, 2017: 75). Korelasyon katsayılarının incelenmesi amacıyla yapılan analiz sonucunda veri setinde yer alan değişkenlerin uygun sayıda kısmının 0,30 yük değerinden yüksek çıktığı ve faktör analizine uygun olduğu tespit edilmiştir.

Faktör analizine devam edilebilmesi için verilerin çoklu normal dağılımdan gelmiş olması gerekir. Bunun tespit edilebilmesi için Bartlett küresellik testi yapılır. Bartlett testi gözlenen değişkenler arasında yeterli düzeyde doğrusal ilişki olup olmadığını sınamaktadır (Bektaş, 2015: 132). Sıfır hipotezi, değişkenler arasında ilişkinin olmadığını gösterir. Korelasyon matrisi birim matristir test sonucunda sıfır hipotezi reddedilmezse faktör analizine devam edilemez (Karagöz ve Kösterelioğlu, 2008: 86). Test sonucunda elde edilen değerin %95 güven aralığında 0,05’ten küçük çıkması istenmektedir (Aksu vd., 2017: 47). Tablo 3.5.’te görüleceği üzere yapılan Bartlett küresellik testi sonucuda elde edilen ki-kare değerinin 0,01 düzeyinde anlamlı olduğu ve verilerin çok değişkenli normal dağılıma sahip olduğu görülmektedir.

Tablo 3.5. İlk KMO ve Bartlett Testi Sonuçları

KMO ve Bartlett Testi

Kaiser-Meyer-Olkin Örneklem Yeterliliği Testi _,845

Bartlett Küresellik Testi Yaklaşık Ki-Kare _3925,484

Serbestlik Derecesi ₅₆₁

Anlam _,000

Bartlett testi örneklem büyüklüğüne duyarlı olduğundan değişkenler arasındaki korelasyon düşük olsa da özellikle büyük örneklerde (n>50) genellikle temel hipotez reddedilebilmektedir (Yaşlıoğlu, 2017: 80). Dolayısıyla bu testin yanı sıra diğer kriterlerin de

134 değerlendirilmesi gerekmektedir (Bektaş, 2015: 45). Bu bağlamda faktör analizinin uygulanabilirliğinin değerlendirilmesi aşamasında dikkate alınması gereken diğer bir kriter ise KMO örneklem yeterliliği ölçütüdür. KMO değerinin 0,50’nin altında olması veri setinin faktör analizine uygun olmadığını göstermektedir (Coşkun vd., 2015: 268). Bu oran ne kadar yüksek olursa faktör analizine uygunluk o derecede artmaktadır (Kalaycı, 2018: 322). KMO değerleri ve yorumları aşağıdaki gibidir.

Tablo 3.6. KMO Değeri Sonuçlarına Göre Yorumlar

KMO Değeri Yorumu

0,90 ve üzeri Mükemmel

0,80-0,89 arası Çok iyi

0,70-0,79 arası İyi

0,60-,069 arası Orta

0,50-,059 arası Zayıf

0,50’nin altında Kabul Edilemez

Kaynak: Kaiser ve Rice, (1974: 112).

Tablo 3.6.’da görüleceği üzere normallik testleri neticesinde analiz kapsamında değerlendirilen 34 ifade için, KMO örneklem yeterliliği testi sonucu %84,5 (0,845) olarak belirlenmiş ve beklenen en düşük değerden (0,50) yüksek çıktığı için faktör analizine uygun olduğu tespit edilmiştir. Bu oranın Tablo 3.6.’daki yorumlar dikkate alındığında çok iyi bir sonuç olduğu düşünülmektedir. Gerek Bartlett testi sonuçlarının gerekse KMO oranının faktör analizi yapılabilmesi için gerekli değerlere sahip olduğunun tespit edilmesiyle birlikte faktör analizinin uygulanmasına geçilmiştir.