4.3. Araştırmanın Yöntemi
4.3.4. Verilerin Çözümlenmesi
Verilerin çözümlenmesinde yapısal eşitlik modellemesi yöntemi kullanılmıştır. Yapısal eşitlik modeli Tomer (2003) ve Kline (1998)’e göre; sosyal, davranış, eğitim, tıp, pazarlama bilimleri gibi çok çeşitli bilim alanlarında kullanılmakta olan bir istatistikî yöntemdir. Ölçüm modelinde gözlenen değişkenler ve örtük değişkenler birbirine bağlanarak DFA uygulanırken, yapısal eşitlik modellemesinde ise örtük değişkenlerin eş zamanlı olarak birbirine bağlanması sağlanır (Çokluk vd., 2014: 261).
DFA’nın gerçekleşebilmesi için öncelikle araştırma modelinin ortaya konması gerekmektedir. Ardından ölçüm modeli geliştirilerek her bir model için sonuç çıkarılır ve model geçerliliği sınanır. Daha sonra ise yapısal eşitlik modellemesi aşamaları gerçekleştirilir. Bunun için öncelikle yapısal model ortaya konur ve sonrasında tüm modelin geçerliliği sınanır (Hair vd., 2010).
Doğrulayıcı faktör analizi (DFA), gözlenen ve örtük değişkenler arasındaki teorik ilişkileri inceleme, araştırılan teorinin geçerliliğini onaylama ve yapı geçerliliklerini test etmede yararlanılan gelişmiş istatistiki bir ölçme yöntemidir (Çokluk vd., 2014: 275). Geçerlilik, ölçüm değerindeki gözlenen farkın, ölçümlenen özellikler bakımından değişkenler arasındaki gerçek farklılığı yansıtma derecesi demektir. Literatürde geçerliliği ölçümleyen birden fazla yöntem bulunmaktadır. Bunlar; kapsam geçerliliği, içerik geçerliliği, yapı geçerliliği, ölçüt geçerliliği, iç ve dış geçerliliktir (Gürbüz ve Şahin, 2016:167-168). Doğrulayıcı faktör analizi aracılığı ile geliştirilen bir ölçeğin yapı geçerliliği ortaya konup, daha önce başka kültürler için geliştirilmiş bir ölçeğin farklı bir örneklemde uyum sağlayıp sağlayamayacağı da test edilebilmektedir (Gürbüz ve Şahin, 2016:323).
Doğrulayıcı faktör analizinde gözlenen değişkenler tek başına değil diğer değişkenlerle açıklandığı varsayıldığı için her ilişki için bir hata payı ortaya konmaktadır (Lomax ve Schumacker, 2004:65). Bu yöntem ile birlikte faktör yükleri, özgün varyanslar ve modifikasyon endeksleri hesaplanmaktadır (Schreiber vd., 2006: 325). DFA’da hesaplamalar değişkenler arası ilişki ve potansiyel ilişkiye dayanır (Bayram, 2010: 15).
Çalışma kapsamında; Anderson ve Gerbing (1988) tarafından önerilen iki basamaklı yaklaşım modeli temel alınmıştır. Bu bakımdan öncelikle çalışmada kullanılan iç kontrol, örgüt kültürü ve kurumsallaşma ölçeklerine ilişkin doğrulayıcı faktör analizi gerçekleştirilmiştir. DFA (doğrulayıcı faktör analizi) sonucunda elde edilen değerler öncelikle standardize ve t değerleri bakımından incelenmiştir. Standardize değerlerin 0,50’den büyük olması ve t değerlerinin anlamlı olması gerekmektedir. Ayrıca uyum iyiliği değerlerinin de istenen aralıklarda olması beklenmektedir.
Yapısal eşitlik modeli nedensel bir süreci ortaya koyarken bu süreçte temel şekillerden faydalanır. Bu şekiller aşağıdaki gibi ifade edilmektedir (Meydan ve Şeşen, 2015:11);
• Daire/Elips: Gizil değişkenleri ifade eder
• Kare/Dikdörtgen: Gözlenen değişkenleri ifade eder
• Tek Yönlü Ok: Bir değişkenin başka bir değişkene olan etkisini ifade eder. DFA’da ölçüm modeli belirlendikten sonra elde edilen verilerin kurulan modelle uyumu bir takım göstergeler ile incelenmektedir. Bu göstergeler “uyum indeksleri” olarak adlandırılmaktadır (Mueller, 1996: 80).
Literatürde genel olarak kullanılan uyum indeksleri ve olması gereken aralıklar aşağıdaki tabloda verilmiştir.
Tablo 7: Uyum İndeksleri ve Eşik Değerleri
Eşik Değeri
Indeks İyi Uyum Kabul Edilebilir Uyum
χ2/df χ 2 /df<3 3≤ χ 2 /df ≤5
GFI >0,95 >0,90
AGFI >0,95 >0,90, >0,85*
TLI ≥0,95 0,94-0,90
NFI >0,95 >0,90
NNFI 0,97 ≤ TLI ≤ 1,00 0,95 ≤ TLI < 0,97
CFI >0,95 >0,90
RMSEA <0,05 <0,08, <0,10
SRMR <0,05 <0,08
χ2/df = Ki Kare/Serbestlik Derecesi, AGFI = Adjusted Goodness-of-Fit-Index, CFI = Comparative Fit Index, GFI =
Goodness-of-Fit Index, NFI = Normed Fit Index, NNFI = Nonnormed Fit Index, RMSEA = Root Mean Square Error of Approximation, SRMR = Standardized Root Mean Square Residual.
Kaynak: Mueller (1996).
χ2 değeri örneklem büyüklüğünden etkilenebildiği için yanlı sonuçlar
verebilmektedir. Bunun ortadan kaldırılması için χ2 ’nin serbestlik derecesine bölünmesi
gerektiği görüşü kabul görmüştür (Gürbüz ve Şahin, 2010: 329). GFI ve AGFI değerleri χ2 değerine alternatif olarak değerlendirilir. Bu iki değer de 1’e yaklaştıkça model
iyileşir. CFI değeri, modeli bağımsızlık modeli ile karşılaştırır. Sonucun 1’e yaklaşması uyum oranını iyileştirir (Çokluk vd., 2014: 267-270). NFI ve NNFI değerleri ise tüm değişkenlerin bağımsız olduğu modele ilişkin χ2 değeri ile modelinχ2 değerini ölçer. Bu
değerler 1’e yaklaştıkça uyum mükemmelleşir (Gürbüz ve Şahin, 2015: 330). RMSEA değeri, yaklaşık uyumu ölçmek üzere tasarlanmış bir uyum indeksidir. Genellikle karmaşık modellerde kötü uyum sonucu vermektedir. Bu nedenle SRMR değeri ile
birlikte değerlendirilir. SRMR değeri ise; gözlenen ve beklenen kovaryanslar arasındaki farktır (Çokluk vd., 2014: 267-270).
Standardize faktör yükleri, yapısal eşitlik modellemesinde önemli göstergelerden biridir. Genellikle 0,5’ten küçük olan faktörlerin modelden çıkarılması gerekliliği ifade edilmektedir. Ancak bu değerler t değerleri ile incelendiğinde daha anlamlı sonuçlar elde edilecektir. T değeri 1,96’dan büyükse %5 düzeyinde, %2,56’dan büyükse %1 düzeyinde anlamlı olmaktadır (Fornell ve Larcker, 1981:46).
Yapısal eşitlik modelinde, modeldeki herhangi bir değişkenin aracılık rolü de test edilebilmektedir. Bu yöntemlerden ilki değişkenler arası regresyon katsayılarının karşılaştırılması yöntemidir. Bu yöntem üç aşamadan meydana gelir. Yöntemin aşamaları çalışmada ele alınan değişkenler aracılığıyla aşağıdaki şekillerde sırasıyla ifade edilmektedir (Karataş, 2014: 125-126).
Şekil 7: Yönteme İlişkin Modelin Aşamaları
I. Model c II. Model a b III. Model a' b’ c’
Birinci modelde görüldüğü gibi ilk aşama c yolunun gerçekleşmesidir. Bu aşamada değerlerin anlamlı çıkması beklenmektedir. Daha sonra a ve b yollarına ilişkin katsayıların anlamlı çıkmasının ardından a’-b’-c’ yolu gerçekleştirilecektir. Burada en önemli husus c regresyon katsayısının c’ regresyon katsayısından daha yüksek olması beklenmektedir (Karataş, 2014: 124). İ.K K. Ö.K. İ.K K. Ö.K. İ.K K.
Bir diğer aracılık ölçüm yöntemi ise Sobel testidir. Bu test hem tam aracılık etkisini hem de kısmi aracılık etkisini ölçerken kullanılmaktadır. Sobel testinin gerçekleştirilmesi için çalışmanın değişkenlerine ait düzeltilmemiş regresyon katsayıları ve bu katsayılara ilişkin standart hata değerleri kullanılmaktadır. Bu yöntem aynı zamanda kısmi aracılık durumunu da belirleyebilmektedir (Sobel, 1982).