Test Ġstatistiklerinin Belirlenmesi ve Verilerin Düzenlenmesi

Herhangi bir araĢtırmada verine analizinde uygun istatistik tekniğine karar vermek önem taĢımaktadır. Bu kapsamda araĢtırma ve araĢtırma grubunun özelliklerine, veri toplama araçlarının ve verilerin niteliklerine bağlı olarak uygun istatistiksel tekniklerle analizler gerçekleĢtirilir AraĢtırma analizleri öncesinde verilerin bilgisayar iĢlenmesinde, kontrol edilmesi ve düzenlenmesinde Excel 10.0 programı kullanılmıĢtır. Diğer taraftan araĢtırmanın istatistik analizleri ise SPSS 22.0 programı kullanılarak gerçekleĢtirilmiĢtir.

4.1.2.6.1. Test Ġstatistiklerinin Belirlenmesi

Herhangi bir araĢtırmada verine analizinde araĢtırma ve araĢtırma grubunun özelliklerine, veri toplama araçlarının ve verilerin niteliklerine bağlı olarak uygun istatistiksel tekniklerle analizler gerçekleĢtirilir Bu konuda parametrik ve non- parametrik olmak üzere iki farklı test istatistiğinden söz edilebilir. Neidinee göre (2007: 93-97) parametrik test, ana popülasyonun ortalaması hakkında açıklamalar yapmak için genellemeler sağlayan hipotez testidir. Bu bağlamda sıklıkla kullanılan Student t istatistiğine dayanan bir istatistik tekniği grubunu içerir. Bu testler araĢtırma değiĢkeninin normal dağılım özellikleri gösterdiği varsayımına dayanır. Temel olarak tüm parametrik istatistiklerinde popülasyondaki ilgili değiĢkenlerinin bir aralık ölçeğinde ölçüldüğü varsayılmaktadır.

76

Diğer taraftan parametrik olmayan testler ise, normal dağılım varsayımlarına dayanmayan testler olarak tanımlanır. Yani bu testler popülasyonun spesifik parametreler ile gösterilmesini gerektirmez. Test esas olarak medyanlardaki (ortanca) farklılıklara dayanmaktadır. Bu nedenle, alternatif olarak dağıtımsız test olarak bilinir. Test, değiĢkenlerin nominal (sınıflama-adlandırma) veya ordinal (sıralama) seviyede ölçüldüğünü varsayar. Bağımsız değiĢkenler metrik olmadığında kullanılır (Neidinee, 2007: 93-975).

Bu araĢtırmanın genel amacı doğrultusunda, araĢtırmaya katılımı sağlanan banka çalıĢanlarının personel güçlendirme, örgüt kültürü ve çalıĢan performansına yönelik algılarının düzeyini belirlemek için betimsel analiz teknikleri (ortalama, standart sapma, en yüksek ve en düĢük değerler) kullanılmıĢtır.

AraĢtırmaya katılan banka çalıĢanlarının Personel Güçlendirme, Örgüt Kültürü ve ÇalıĢan Performansı Ölçeklerinden almıĢ oldukları puanları; cinsiyet, çalıĢılan bankanın niteliği ve eğitim durumu değiĢkenlerine göre karĢılaĢtırmak ve incelemek için ise parametrik analiz teknikleri kullanılmıĢtır.

Parametrik testler birtakım varsayımlara dayanmaktadır. Analizler

gerçekleĢtirilmeden önce bu varsayımlar kontrol edilmiĢtir. Ġlk olarak, normal dağılımı güçleĢtiren, veri setinde uç değer olarak yer alan gözlemlerin bulunup bulunmadığı araĢtırılmıĢtır. Veri setinde uç değerleri belirlemek için kutu grafikleri oluĢturulmuĢ ve standardize Z değerleri hesaplanmıĢtır. Elde edilen sonuçlar incelendiğinde, veri setinde normal dağılımın gerçekleĢmesini güçleĢtiren herhangi bir uç değerin bulunmadığı anlaĢılmıĢtır. Bu aĢamadan sonra, Personel Güçlendirme, Örgüt Kültürü ve ÇalıĢan Performansı Ölçeklerinden elde edilen puanların normal dağılıma sahip olup olmadığı araĢtırılmıĢtır. Örneklem sayısının büyük olduğu araĢtırmalarda, normal dağılımın varsayımının karĢılanabilmesi için çarpıklık ve basıklık katsayılarının ±2 aralığında bulunması yeterli görülmektedir (George ve Mallery, 2010). Dağılımlara ait çarpıklık ve basıklık değerlerinin belirtilen aralıkta yer aldığı (-1,07 ≤ Çarpıklık ≤ 0,23; -0,86 ≤ Basıklık ≤ 1,54), verilerin normale oldukça yakın dağılım gösterdiği belirlenmiĢtir. Bu sonuca göre, parametrik testlerin verilerin analizinde kullanılmasının uygun olduğu anlaĢılmıĢtır.

77

AraĢtırmada yer alan bağımlı ve bağımsız değiĢkenler ve uygulanan analiz teknikleri Tablo 6’da gösterilmiĢtir. Tek yönlü varyans analizi sonucu ortaya çıkan grup farklılıklarının kaynağını belirlemek için Scheffe çoklu karĢılaĢtırma testi kullanılmıĢtır. AraĢtırma verileri SPSS 24.0 kullanılarak analiz edilmiĢtir. Ġstatistiksel sonuçlar, %95 güven düzeyinde ele alınarak yorumlanmıĢtır.

Tablo 6. Bağımlı, Bağımsız DeğiĢkenler ve Uygulanan Analiz Teknikleri Bağımlı DeğiĢken Bağımsız DeğiĢken Uygulanan Analiz Tekniği Personel Güçlendirme, Örgüt Kültürü ve ÇalıĢan Performansı Ölçeklerinden Elde Edilen Puanlar

Cinsiyet Bağımsız örneklem t testi

Bankanın niteliği Bağımsız örneklem t testi

Eğitim durumu Tek yönlü varyans analizi

Pearson Korelasyon analiz tekniği kullanılarak, katılımcıların Personel Güçlendirme, Örgüt Kültürü ve ÇalıĢan Performansı Ölçeklerinden almıĢ oldukları puanlar arasındaki iliĢkiler incelenmiĢtir. Pearson Korelasyon Analizi normal dağılım varsayımının karĢılanmasını gerektirmektedir. Bu varsayım karĢılandığında, Pearson Korelasyon analiz tekniği yardımı ile değiĢkenler arasındaki doğrusal iliĢkilerin yönü ve gücü gözlenebilir. Elde edilen korelasyon katsayıları Ģu Ģekilde yorumlanabilmektedir; 0 ile ±0.29 düĢük düzey iliĢki, 0.30 ile ±0.69 orta düzeyde iliĢki ve 0.70 ile ±1.0 ise yüksek düzey iliĢki (Çokluk vd., 2012).

AraĢtırmanın bir diğer amacı, katılımcıların personel güçlendirme algılarının örgüt kültürü ve çalıĢan performansı algısı üzerindeki etkisini belirlemektir. Bu doğrultuda, personel güçlendirme ölçeğinden elde edilen puanlar bağımsız, örgüt kültürü ve çalıĢan performansı ölçeklerinden elde edilen puanlar ise bağımlı değiĢken olarak seçilerek çoklu regresyon analizi gerçekleĢtirilmiĢtir. Regresyon analizleri SPSS 22.0 programı kullanılarak gerçekleĢtirilmiĢtir.

Regresyon analizi yapılmadan önce; çok değiĢkenli normal dağılım, bağımsız değiĢken ile yordayıcı değiĢkenler arasında doğrusal bir iliĢkinin bulunması ve bağımsız

78

değiĢkenler arasında çoklu bağlantı probleminin olmaması varsayımları test edilmiĢtir. Çok değiĢkenli normal dağılımı kontrol etmek için, Mardia’nın çok değiĢkenli standardize basıklık katsayısı hesaplanmıĢ ve incelenmiĢtir. Mardia çok değiĢkenli standardize basıklık değerinin 8’den küçük olması verilerin çok değiĢkenli normal dağılıma sahip olduğunu göstermektedir (Yılmaz ve Varol, 2015). Bu araĢtırmada standardize basıklık değeri 6,91 olarak hesaplanmıĢ ve çok değiĢkenli normal dağılım varsayımını karĢılandığı anlaĢılmıĢtır. Bir sonraki adımda, analizine dahil edilen değiĢkenler arasındaki iliĢkileri gösteren matris dağılımı grafiği oluĢturulmuĢtur. Grafik incelendiğinde regresyon analizine dahil edilen değiĢkenler arasında doğrusal iliĢkilerin tanımlandığı gözlenmiĢtir. Bu sonuç, çok değiĢkenli doğrusallık varsayımını karĢılandığını göstermiĢtir. Son olarak, değiĢkenler arasında çoklu bağlantı probleminin olup olmadığı incelenmiĢtir. AraĢtırmaya dahil edilen değiĢkenler arasında gözlenen yüksek korelasyon değerleri (r>0,90) çoklu bağlantı problemini iĢaret emektedir (Çokluk vd., 2012). DeğiĢkenler arasındaki iliĢkilere ait korelasyon katsayılarının 0,90’ı geçmediği gözlenmiĢtir. Bu sonuç, değiĢkenler arasında çoklu bağlantının bulunmadığını göstermiĢtir. Yapılan ön analizler sonucunda, veri setinin çok değiĢkenli ve regresyon analizleri için gerekli varsayımları karĢıladığı anlaĢılmıĢtır.

4.1.2.6.2. Verilerin Düzenlenmesi

AraĢtırmada istatistiksel iĢlemler gerçekleĢtirilmeden önce mevcut veri seti incelenmiĢ, kontrol edilmiĢ, düzenlenmiĢ ve hatalar düzeltilmiĢtir. Reddy’ye göre (2018: 1-5) bu aĢama geniĢ anlamda, veri kümelerini daha kullanıĢlı, hatasız ve güvenilir hale getirmek için sınıflandırma, kontrol, düzenleme ve düzeltme yöntemlerini ifade eder. Bu aĢamada araĢtırmacının çok dikkatli ve hassas davranması ve birtakım iĢlem ve kuralları yerine getirmesi gerekir. . Bu kurallar omurgayı oluĢturur ve iyi sınıflandırılmıĢ veriler için yol gösterici ilkeler olarak hareket eder. Bu kurallar aĢağıda belirtilmiĢtir:

(a) Belirsiz - sınıflar katı ve açık (net) olmalıdır. Belirsiz bir sınıflandırma ciddi sonuçlar doğurabilir ve ayrıca tüm istatistiksel tedavileri etkileyebilir. (b) Tamamlayıcı - her sınıflandırılmıĢ veri, sınıflardan veya kategorilerden birine ait olmaları bakımından kapsamlı olmalıdır. (c) Kararlılık - Verilerin etkili karĢılaĢtırılmasını kolaylaĢtırmak için, sınıflandırılan verilerin kararlı olması önemlidir. SınıflandırılmıĢ veriler, analiz

79

boyunca aynı sınıflandırma modelinin benimsenmesi gerektiği anlamında kararlı olmalıdır. Aynı analiz için farklı sınıflandırma tekniklerinin benimsenmesi muğlaklığa yol açacaktır. (d)Amaca uygunluk - verileri sınıflandırırken rapor veya analiz amacını hatırlamak çok önemlidir. Verileri sorgulamanın amacına uygun olmayan bir Ģekilde sınıflandırmaktan kaçınılmalıdır. (e) Kontrol- Verilerin giriĢlerinde yapılan hatalar, eksikler, yanlıĢ giriĢler kontrol edilmeli ve tekrar anket-ölçek formları incelenerek düzeltilmelidir.

Bu tezde yukarıdaki tüm kurallar yerine getirilmiĢtir. Bu amaçla Excel 10.0 programında veriler ait oldukları kategori ve ölçekler açısında hata taraması yapılmıĢtır. Ölçeğin ve kategorinin içeriğine ve sınırlarına uymayan veriler tekrar incelenmiĢ ve düzeltilmiĢtir.