4.BÖLÜM UYGULAMA
4.6. RÜZGAR ENERJİSİ ÖLÇEĞİNİN DOĞRULAYICI FAKTÖR ANALİZİ SONUÇLARI
Doğrulayıcı faktör analizi modeli için rüzgar enerjisi ölçeğinin yapısındaki gözlenemeyen faktörler ile bu faktörler arasındaki karşılıklı bağımlı etkiler AMOS 16 programı aracılığıyla analiz edilmiştir.
Rüzgar enerjisi ölçeği iki boyuttan oluşmaktadır. Gözlenemeyen değişkenleri temsil eden F1 ve F2 elips şeklinde Şekil 4.2’de gösterilmiştir. Bu iki faktör birbiriyle ilişkili olup söz konusu ilişki çift yönlü okla gösterilmiştir. Gözlenemeyen değişkenlerin göstergeleri olarak belirlenen ölçülebilen değişkenler dikdörtgen sembollerle gösterilmiştir. Gözlenen değişkenler olarak modelde yer alan değişkenlere doğru tek yönlü okların ucundaki e değerleri modelde açıklanmayan varyansları temsil eden hata terimleridir. Ayrıca Şekil 4.2 ölçüm ve yapısal model bir arada sunulmuştur.
Modelde yer alan tüm katsayılar standardize edilmiş katsayılardır. Ayrıca tahmin edilen tüm katsayılar istatistiksel olarak anlamlı bulunmuştur. Modelin tahmin edilmesinde maksimum olabilirlik tahmin yöntemi kullanılmıştır.
60
Şekil 4.2: Birinci Düzey Doğrulayıcı Faktör Analizi
Şekil 4.2’de birinci düzey doğrulayıcı faktör analizi sonuçları yer almaktadır. Buna göre birinci faktöre ait faktör yükleri 0,57 ile 0,83 arasında elde edilmiştir. İkinci faktöre ait faktör yükleri ise 0,72 ile 0,86 arasında elde edilmiştir. İki faktör arasında ters yönlü bir
61
Tablo 4.9: Regresyon Ağırlıkları
Estimate S.E. C.R. P Label R5 <--- F1 1,000
R4 <--- F1 1,314 ,154 8,529 ***
R3 <--- F1 1,384 ,156 8,865 ***
R2 <--- F1 1,122 ,145 7,736 ***
R1 <--- F1 1,204 ,157 7,676 ***
R8 <--- F2 1,088 ,084 12,935 ***
R7 <--- F2 1,017 ,083 12,239 ***
R6 <--- F2 1,000
R9 <--- F2 ,821 ,075 11,017 ***
Tablo 4.9’da maksimum olabilirlik tahmincisi kullanılarak hesaplanan yol katsayılarının değerleri gösterilmektedir. Ayrıca elde edilen tüm katsayıların istatistiksel olarak anlamlı olduğu görülmektedir.
Tablo 4.10: Standartlaştırılmış Regresyon Katsayıları Estimate
R5 <--- F1 ,567 R4 <--- F1 ,754 R3 <--- F1 ,832 R2 <--- F1 ,639 R1 <--- F1 ,632 R8 <--- F2 ,865 R7 <--- F2 ,799 R6 <--- F2 ,737 R9 <--- F2 ,717
Tablo 4.10’da model için hesaplanan tüm yol katsayılarının standartlaştırılmış değerleri yer almaktadır. Bu değerler incelendiğinde, en yüksek değerin R8 (0,865)
62
maddesine ait olduğu ve en düşük değerin de R5 (0,567) maddesine ait olduğu görülmektedir.
Modele ait uyum iyiliği sonuçları aşağıdaki tablolarda ayrı ayrı sunulmuştur. Tüm bu değerler Tablo 2.2’de verilen uyum iyiliği sınırları ile kıyaslanmıştır.
Tablo 4.11: CMIN/df Değerleri
Model NPAR CMIN DF P CMIN/DF
Default model 19 77,034 26 ,000 2,963
Saturated model 45 ,000 0
Independence model 9 975,406 36 ,000 27,095
Tablo 4.11’de CMIN/df (Ki-Kare/df) değeri gösterilmiştir. Söz konusu değer 2,963 olarak hesaplanmıştır ve bu değer 2,963<3 olduğu için modelin verilerle kabul edilebilir bir uyum gösterdiği sonucuna ulaşılır.
Tablo 4.12: RMR, GFI, AGFI Değerleri
Model RMR GFI AGFI PGFI
Default model ,040 ,937 ,890 ,541 Saturated model ,000 1,000
Independence model ,262 ,492 ,365 ,394
Tablo 4.12 incelendiğinde, GFI değeri: 0,94, AGFI değeri: 0,89 olarak hesaplanmıştır. Bu değerler kabul edilebilir bir uyumu göstermektedir.
Tablo 4.13: NFI, RFI, IFI, TLI, CFI Değerleri
Model NFI
63
Tablo 4.13 incelendiğinde, NFI değeri 0,92 ve CFI değerinin 0,95 olarak hesaplandığı görülmektedir. Bu sonuçlar da kabul edilebilir uyuma işaret etmektedir.
Tablo 4.14: RMSEA değeri
Model RMSEA LO 90 HI 90 PCLOSE
Default model ,086 ,064 ,109 ,004
Independence model ,315 ,298 ,332 ,000 Independence model ,312 ,295 ,329 ,000
Tablo 4.14 incelendiğinde RMSEA değerinin 0,086 olarak hesaplandığı görülmektedir. Bu değer modelin veri ile kabul edilebilir uyum sergilediğini ifade etmektedir. Ayrıca SRMR =0,049 olarak bulunmuştur. Bu değer ise modelin iyi uyuma sahip olduğunu göstermektedir.
64
SONUÇ
Sosyal bilimler ve davranış bilimleri başta olmak üzere pek çok alanda yaygın olarak kullanılan ve çok değişkenli istatistiksel yöntemlerden biri olan açıklayıcı faktör analizinin temel amacı, birbiriyle ilişkili çok sayıdaki değişkenleri bir araya getirerek, az sayıda anlamlı ve birbirinden bağımsız yeni faktörler oluşturmaktır.
Doğrulayıcı faktör analizi, açıklayıcı faktör analizi ile ortaya konan faktör yapısının doğrulanmasını ve/veya uygunluğunu test etmek için kullanılan bir analizdir. Doğrulayıcı faktör analizi ölçme modellerinin geliştirilmesinde sıklıkla başvurulan bir yöntemdir.
Bu çalışmada hem açıklayıcı hem de doğrulayıcı faktör analizi teorik açıdan incelenmiş ve Rüzgar Enerjisi Ölçeği için geçerlilik ve güvenirlik analizleri uygulanarak ölçeğin geçerli ve güvenilir bir ölçme aracı olup olmadığının değerlendirilmesi yapılmıştır.
Ölçek için birinci-düzey doğrulayıcı faktör analizi modeli oluşturulmuştur.
Uludağ Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Ekonometri 1. , 2. , 3. ve 4.
sınıf öğrencilerinden oluşan 270 öğrenciye kolayda örneklem yöntemiyle anket çalışması yapılmıştır. 6 anket formunda tutarsız cevaplara rastlandığından ve ölçek soruları eksik cevaplandığından dolayı 264 anket analize alınmıştır. Araştırmada Fergen & Jacquet (2016) tarafından geliştirilen 10 maddelik Rüzgar Enerjisi Ölçeği ele alınmıştır.
Öncelikle 264 veriye ilişkin betimsel istatistiklere yer verilmiş, ardından da açıklayıcı faktör analizi ile doğrulayıcı faktör analizi uygulanmıştır. Varimax döndürme tekniği kullanılarak yapılan açıklayıcı faktör analizi sonucunda rüzgar enerjisi ölçeğinin iki boyuttan oluştuğu belirlenmiştir. İki boyut için C. Alfa değerleri 5 maddeden oluşan olumlu tutum boyutu için 0,81; 4 maddeden oluşan olumsuz tutum boyutu için ise 0,86 olarak bulunmuştur. Ayrıca örneklem büyüklüğünün yeterliliğini ölçmek için başvurulan KMO değeri 0,79 olarak hesaplanmış olup p<0,05 olduğundan örneklem büyüklüğü yeterli bulunmuştur.
Rüzgar enerjisi ölçeğinin yapı geçerliliğini ölçmek için ölçekte yer alan maddelere doğrulayıcı faktör analizi uygulanmıştır. Doğrulayıcı faktör analizi için gözlenemeyen değişkenler ile gözlenen değişkenler arasında yer alan ilişkiler AMOS programı aracılığıyla analiz edilmiştir. Analiz sonucunda elde edilen tüm katsayılar istatistiksel olarak anlamlı
65
bulunmuştur. Modelin tahmin edilmesinde maksimum olabilirlik tahmin yöntemi kullanılmıştır.
Doğrulayıcı faktör analizinin temel amaçlarından biri de en iyi uyum gösteren sonuçlara ulaşmaktır. Bunun için sıklıkla başvurulan birkaç uyum indeks değeri araştırmada kullanılmıştır. DFA’da modelin uyum indeksleri incelenmiş ve Ki-Kare/df=2,963;
GFI=0,94; AGFI=0,89; NFI=0,92; CFI=0,95; RMSEA=0,086 ve SRMR=0,049 olarak bulunmuştur. Bu indeks değerleri neticesinde modelin kabul edilebilir bir uyuma sahip olduğu gözlenmiştir.
Sonuç olarak bu çalışmanın amacı rüzgar enerjisi ölçeğinin yapı geçerliliğinin değerlendirilerek ölçeğin Türkçe’ye kazandırılmasıdır. Yapılan analizler sonucunda ölçeğin güvenilirlik düzeyi yeterli bulunmuş ve doğrulayıcı faktör analizine göre kabul edilebilir bir uyuma sahip olduğu ortaya konmuştur.
66