Veri Toplama Araçları ve Yöntem

Araştırma çalışmasında veri ve bilgi toplama yöntemi olarak anket formu tekniği kullanılmıştır. Hazırlanan anket formu, literatürden yararlanılarak elde edilen teorik bilgi ve daha önceden yapılmış saha çalışmaları ve Perdomo Ortiz vd. (2009)’in makale çalışmasındaki anket formu örnek alınarak tasarlanmıştır.

Anket çalışmasında anketi yanıtlayanlar işletme yöneticileri ve diğer çalışanlardır. İşletmelerin demografik özelliklerini belirlemek amacıyla deneklere 5 soru sorulmuştur. Anket formunda işletmenin TKY, İKY ve Yenilik konusundaki görüş ve düşüncelerini değerlendirmek için de 28 soru yöneltilmiştir. Anketle işletmelerdeki çalışanların TKY uygulayan işletmelerde İKY ile Yenilik ilişkisi konusundaki fikirlerini değerlendirmek için “Beşli Likert Tipi Ölçek” kullanılmıştır. Likert ölçeği, 1) Kesinlikle Katılmıyorum 2) Katılmıyorum 3) Fikrim yok 4) Katılıyorum 5) Kesinlikle Katılıyorum şeklindedir.

Bu tez çalışmasında istatistik analizleri için SPPS 18.0 ve AMOS 21.0 paket programları kullanılmıştır. TKY uygulayan işletmelerde insan kaynakları yönetimi ile yenilik ilişkisini ortaya koyan faktörleri belirlemede ve araştırmanın modelini oluşturmada değişkenler arasındaki doğrusal ve doğrusal olmayan ilişkinin değerlendirilmesi için doğrulayıcı faktör analizi, yapısal eşitlik modeli, yapı geçerliliği ve güvenirlik analizi ile açımlayıcı faktör analizleri kullanılmıştır.

4.1.7.1. Yapısal Eşitlik Modeli

Yapısal eşitlik modellemesi(YEM) ya da İngilizcedeki adıyla Structural Equation Modeling (SEM), sosyal bilimler, eğitim bilimleri, davranış bilimleri, pazarlama, sağlık ve ekonomi gibi alanlar başta olmak üzere kullanılan istatistiksel bir yöntemdir (Raykov ve Marcoulides, 2006). Çoğu bilim adamı tarafından kullanılan ve belli bir teoriye dayalı gözlenebilen ve gözlenemeyen değişkenlerin nedensel ve ilişkisel bir model içinde tanımlanmasını sağlayan çok değişkenli olan bir istatistik yöntemidir (Byrne, 2010).

Bir yapısal eşitlik modeli normalde bir ölçüm modeli ve yapısal bir modelden oluşur. Ölçüm modeli, ölçülen/gözlemlenen değişkenler (göstergeler) ile bunların yakınlaştırma olarak kullanıldığı gizli/gözlenmemiş değişkenler arasındaki ilişkileri

64

tanımlar. Ölçüm modelinde tüm latent faktörlerin kovaryuma izin verilir. Yapısal model, iki değişkeni birbirine bağlayan bir yol veya ok olarak gösterilen latent değişkenler arasındaki hipotezli nedensel yapıyı belirtir.

Tüm gizli değişkenlerin, bir referans değişken belirleyerek veya faktörleri standartlaştırarak atanmış bir ölçüm birimi olması gerekmektedir. Endojen faktörler sadece bir referans değişken belirterek atanmış ölçümlere sahiptir. Hipotez haline getirilmiş yapısal modeldeki ilişkiler, yapısal eşitlikler kullanılarak ifade edilmiştir.

Yapısal bir eşitlik, her bağımlı değişkeni doğrudan etkiye sahip tüm elemanların bir fonksiyonu olarak (yani, her tek başlı gelen okun) ifade eden regresyon tipi bir denklemdir. Bu yapısal denklemler, varsayımsal ilişkilere göre veride gözlemlenmesi gereken varyanslar ve kovaryans için etkilere sahiptir. Böylece her parametre, kovaryansın veya gizli faktörlerin varyanslarının bir fonksiyonu olarak ifade edilmektedir. Model tahmini sürecinde tahmin edilmesi gereken parametrelere “serbest parametreler” denir. YEM analiz süreçleri arasında, model özellikleri, tanımlama, tahmin, veri modeli uyumunun değerlendirilmesi ve muhtemel model modifikasyonu ve yeniden tahmin bulunmaktadır (Byrne, 1994:7).

4.1.7.1.1. Model Belirlemesi

Model belirlemesi, analiz edilecek değişkenler arasındaki ilişkileri açıklayarak bir model belirleme eylemidir. Belirtilen model, değişkenler arasında beklenen ilişkiye ilişkin sağlam bir teorik çerçeveye dayandırılmalıdır. Yapılar arasında üç tür ilişki vardır:

 İlişki (yönsüz ilişki),

 Direkt etki (doğrudan nedensel ilişki)

 Dolaylı etki (bağımsız değişkenin etkisinin müdahale eden bir değişken üzerinden geçişi)’dir (Hoyle, 1995).

Hipotezlenmiş ilişkiler; yol göstergesinde, gizli faktörleri, nedensel ilişkilerin varsayımlanmış yönlerini ve büyüklüklerini temsil eden yollarla birleştiren oklarla veya yollarla tasvir edilir. İki başlı oklar iki faktör arasındaki kovaryansı temsil eder ve tek başlı oklar faktörler arasındaki nedensel ilişkileri temsil eder.

4.1.7.1.2. Model Tanımlama

Model tanımlama, serbest parametreler (t= tahmin gerektiren parametrelerin sayısı, p= modeldeki değişken sayısı) ve gözlemlenen varyanslar arasındaki tutarlılıktır.

Tahmini parametreler, yapısal eşitlikteki regresyon katsayıları ve bağımsız değişkenlerin varyansları ve kovaryanslarıdır. Tam tanımlanmış yapısal bir model (t = p [p + 1] / 2), bilinmeyen parametreler için benzersiz çözümlere sahiptir. Aşırı tanımlanmış yapısal modelde (t <p [p + 1] / 2), çoklu ifadelerin bir veya daha fazla parametre için kullanılır. Tanımlanamayan bir yapısal model (t> p [p + 1] / 2), parametrelerin bir kısmının veya tamamının tek başına verilere dayanarak tahmin edilemediği bir modeldir (Bentler & Wu, 1995).

4.1.7.1.3. Model Tahmini

Sade ve aşırı tanımlanmış modeller için parametre tahminleri maksimum olasılık gibi tahmin yöntemleri kullanılarak elde edilebilir. Bu tahmin metodu, gözlemlenen (birlikte) varyasyonlar ile iteratif olarak değişen parametre tahminlerinin model örtük ilişkilere ikame edilmesiyle üretilen tutarsızlıklar arasındaki tutarsızlığın bir fonksiyonunu tekrar tekrar asgariye indirir (Hancock & Mueller, 2001).

Maksimum olasılık tahmini prosedürü, gözlemlenen verilerin olasılığını en yükseğe çıkaracak şekilde parametre tahminlerini seçer ve normallik ihlallerine karşı dayanıklıdır (Loehlin, 1998). Bu nedenle, bu çalışmadaki tüm parametre tahminleri, maksimum olasılıklı tahmin yöntemini kullanarak yürütülecektir.

4.1.7.1.4. Model Uyumunun Değerlendirilmesi

Tahminler, gözlenen veriler ile önerilen model arasındaki farkları en aza indirgemekle birlikte, yine de bir model veriye kabul edilebilir bir seviyede uymuyor olabilir. Gözlemlenen veri ile hipotezlenmiş model arasındaki uyumu test etmek için istatistiki testler yapılabilir. Model uyumu değerlendirmesinin yapılabilmesi için üç kategori uygun indeks; mutlak fit indeksi, basit önermeli indeksler ve artımlı uyum indeksleri vardır.

Modelin ki-kare istatistiği, Standartlaştırılmış Kök Ortalama Kare Dengesi (SRMR) ve Uygunluk İyiliği İndeksi (GFI) gibi mutlak fit indeksleri, gözlenen ve

66

azaltılmış (birlikte) varyans arasındaki tutarsızlık azaldığından iyileşir. Bu uyum indeksleri, modelin karmaşıklığı arttıkça düzelme eğilimindedir. Ki-kare ne kadar düşükse, model o kadar iyi uyumludur. Ki-karenin özgürlük derecesine oranının 3’ten düşük olması önerilir.

Ayarlanmış İyilik Fit Endeksi (AGFI) ve Kök Karesel Ortalama Sapma Yaklaşımı (RMSEA) gibi kararsız uyum indeksleri, sadece mutlak uyumun tamamını değil aynı zamanda bu uyumu sağlamak için gereken karmaşıklığın derecesini de hesaba katar. İndeksler, iyi mutlak uyum sağladığında ve modellerin nispeten basit olduğu (yani birkaç parametreye sahip olmadığında) en iyi modelin uygun olduğunu gösterir. Normal Fit İndeksi (NFI) ve Karşılaştırmalı Fit İndeksi (CFI) gibi artımlı uyum indeksleri, modelin daha az parametreli bir temel model ile olan uyumunu test eder.

Veri modeli uyumu veya yanlış uyumsuzlukla ilgili yargılamalar çeşitli kriterlere dayanmaktadır. İlk olarak, bireysel parametre tahminleri ve ilişkili istatistikler, önemli ve / veya istatistiksel imkansızlıklar için incelenmelidir. İkincisi, her biri farklı bir amaç için geliştirildiğinden ve bazı dezavantajlara sahip olduğu için çoklu genel uyum indeksleri düşünülmelidir (Mueller, 1996). Bu çalışmada kabul edilebilir uyum için ortak kriterler (Hu ve Bentler, 1999) kabul edilmiştir. Bu kriter, bir RMSEA

<0.08 veya AGFI> 0.90 olan bir CFI> 0.90 gerektirir.

4.1.7.1.5. Model Değiştirme

Bir model tahmin edildikten ve uygunluğu test edildikten sonra, bir sonraki aşama, gerekirse modeli değiştirmektir. Yeni modeller, Lagrange Çarpanı (LM) testinden elde edilen analiz sonuçlarına dayanan bir arıtma olarak geliştirilebilir. Bu test, model lokalizasyonlarının belirleyicileri olarak "post hoc teori (çoklu karşılaştırma)" nin belirlenmesini sağlar. İki hata kalıntısı arasındaki kovaryanslar veya iki gizli faktör arasındaki yeni bir yol yeni modellere eklenebilir. Modeller dahil edilen ayarlarla tekrar test edilmeli ve daha fazla artık hata kovaryansının veya yolun eklenip eklenmeyeceğini belirlemek için aynı adımlar tekrar edilmelidir.

Teorik bir değişikliğe şiddetle karşı dikkatli olunmuştur. Değişikliklerden sonra, daha sonraki uyum sonuçları, gerçek model iyileştirmelerinden çok bir şansa bağlı olabilir. Yapısal bir modele uymayı ne zaman durduracağını bilmek için,

araştırmacı;

1. Maddi teori hakkında kapsamlı bilgi sahibi olmalı,

2. Çeşitli uyum indekslerinden toplanan bilgilere dayanan istatistiksel kriterlerin yeterli bir değerlendirmesini yapmalı

3. Yapay model üzerinde dikkatli bir görüş önermelidir (Byrne, 1994).