Yapısal Modelin Geçerliliğinin Belirlenmesi 90

Yapısal modelin geçerliliğinin değerlendirilmesi için kullanılan ölçütler uyum iyiliği göstergeleri olarak tanınırlar. Uyum iyiliği göstergeleri mutlak uyum göstergeleri, karşılaştırmalı uyum göstergeleri ve cimrilik (parsimony) uyum göstergeleri kategorilerinde incelenirler (Maruyama, 1998: 238-240).

3.2.6.1 Mutlak Uyum Göstergeleri

Gözlemlenen ve tahminlenen kovaryans matrisleri arasındaki fark, bir model uyumunun irdelenmesinde anahtar unsurlardan biridir (Hair ve diğerleri, 2009: 638). Uyum iyiliği konusunda kullanılan χ2 _{istatistiği, χ}2 _{=(N-1) F}

ML ile ifade edilir (Kline,

2005: 135).

Burada N toplam örnek hacmini, FML ise 3.1 bölümünde açıklanan

( )

S p tr

S + Σ −

−

Σ _ln −1

ln fonksiyonunun en küçük değerini ifade etmektedir.

Model parametrelerinin tahminlenmesinde elimizde olan matematiksel bilgi miktarını temsil eden serbestlik derecesi, Yapısal Eşitlik Modeli uygulamalarında biraz daha farklı olarak df =

[( )(

p p+1

)]

−k

2 1

ifadesi ile tanımlanır. Burada p, toplam gözlenen değişken sayısını, k da tahmin edilen (serbest) parametre sayısını ifade etmektedir. Tahmin edilen parametre sayısının serbestlik derecesinden çıkarılması diğer çok değişkenli yöntemlerdeki uygulamalara benzese de eşitlikte bundan önce gelen kısım kovaryans matrisinin köşegeninin altındaki terim sayısı ile köşegendeki varyans terimlerinin sayıları toplamını ifade etmektedir. Yani diğer çok değişkenli yöntemlerdeki gibi örnek hacminden yola çıkarak hesaplanmamaktadır. Bu nedenle YEM’de serbestlik derecesi, kovaryans matrisinin büyüklüğü ile ifade edilmektedir (Hair ve diğerleri, 2009: 638).

YEM’de χ2 _{istatistiği anlamlı derecede küçük ise, gözlemlenen kovaryans}

matrisi ile tahminlenen kovaryans matrisi arasında fark olmadığı anlaşılır. Farkın sıfır olması mükemmel uyumu ifade etmektedir. Örnek hacmine bağlı bir istatistik olduğu için model tahmini için kullanılan örnek hacmi artırıldıkça istatistik büyümekte, böylelikle de uyum iyiliği kötüleşmektedir. (Jöreskok ve Sörbom, 1993: 122; Everitt ve Dunn, 1991: 265).

Örnek hacmi büyüdükçe ve modele gözlenen yeni değişkenler eklendikçe artacak bir istatistik olan χ2 _{için normlaştırılmış bir gösterge geliştirilerek serbestlik}

derecesine oranı ele alınmıştır. Normlaştırılmış χ2 _{olarak adlandırılan bu ölçüt için}

3:1 oranından küçük oranlar iyi uyum gösteren modeller olarak görülebilmektedir (Hair ve diğerleri, 2009: 640). Bazı kaynaklarda ise 5:1 oranına kadar kabul edilebilmektedir (Kline, 2005: 137). Yine de örnek hacmi 200 civarına ulaştığında bu istatistiğin belirgin olasılık düzeyine gelmesi söz konusu olabilmekte; 100’den küçük hacimlerde de tam tersi durum yaşanabilmektedir (Schumaker ve Lomax, 2004: 100).

GFI (Goodness of Fit Index) de gözlem sayısından bağımsız uyum göstergelerinden biridir. Örnek kovaryans matrisinin modelce açıklanamayan değişkenliğinin, toplam değişkenliğe oranından yola çıkarak ifade edilir. R2

göstergesine benzer bir göstergedir (Jöreskog ve Sörbom, 1993 :122-123).

tot res

V V

GFI =1− ile ifade edilir. Burada Vres örnek kovaryans matrisinin

modelce açıklanamayan değişkenliğini, Vtot örnek kovaryans matrisinin toplam

değişkenliğini gösterir. Büyüklüğü arttıkça uyumun daha iyi olduğu bir gösterge olan GFI için genel olarak kabul edilen sınır 0,9 değeridir (Kline, 2005: 144).

Büyük örnek hacmi bulunan veya fazla sayıda gözlenen değişkeni bulunan modellerin uyum iyiliğini değerlendirirken sıklıkla kullanılan bir gösterge de RMSEA (Root Mean Square Error of Approximation)’dır. Hem modelin karmaşıklık düzeyini hem de örnek hacmini değerlendirmeye alır. Bu gösterge için sınır değer olarak 0,5 veya 0,8 seviyeleri ifade edilmiş olsa da aslında bir sınır değerin ifade

edilmesi tavsiye edilmemektedir (Hair ve diğerleri, 2009: 640). 0,10 değerinden büyük değerleri zayıf uyum olarak gören çalışmalar da mevcuttur (Kline, 2005: 137).

(

1

)

ˆ − = N df RMSEA M M δ

ifadesi ile yazılabilen RMSEA’da δˆ , modelin _M merkezi olmayan χ2 _{dağılışının parametre tahminini df}

M‘de modelin serbestlik

derecesini göstermektedir. ˆ max

(

2 ,0

)

M M

M = χ −df

δ olarak bulunur (Kline, 2005:137-

140).

Her bir kovaryans teriminin tahminlenmesi ile ortaya çıkan artıklar, eğer standartlaştırılırsa, karşılaştırılabilir bir ölçüt haline getirilebilirler. Bunun için örnek kovaryans matrisi ve tahminlenen kovaryans matrisi, korelasyon matrisine dönüştürüldükten sonra farkı alınarak SRMR (Standardized Root Mean Residual) göstergesi elde edilir. Bu gösterge ne kadar küçük ise model uyumu o kadar iyidir ve genel olarak 0,1’den küçük olması istenir (Kline, 2005:141).

3.2.6.2 Karşılaştırmalı Uyum Göstergeleri

Karşılaştırmalı uyum göstergelerinin diğer göstergelere göre farklı olan özelliği, birbirine alternatif iki modelin kıyaslaması istendiğinde kullanılmalarıdır. Bu nedenle de baz model ile geliştirilen modelden elde edilen istatistiklerin kıyaslaması ile irdelenirler. Baz model, gözlenen değişkenler arasında kovaryans olmadığı varsayılan modeldir. Bu nedenle χ2 _{istatistiği her zaman geliştirilen}

modelden daha büyüktür (Kline, 2005: 140).

NFI (Normed Fit Index), birbiri ile kıyaslanacak iki modelin χ2 _{istatistiğinin}

karşılaştırılmasıyla elde edilir. 2 2 1 B M NFI = −χ _χ ifadesinde 2 M χ alternatif modelin 2 B

χ ise baz alınan modelin istatistiğini göstermektedir. Genel olarak 1’e yaklaşan NFI istatistiği ile alternatif modelin iyi uyum gösterdiği yorumu yapılır. Fakat bu

gösterge, alternatif modelin örnek hacmi veya gözlemlenen değişken sayısı artışı ile birlikte artan 2

M

χ istatistiği nedeniyle çok tercih edilmemektedir (Hair ve diğerleri, 2009: 641; Kline, 2005:144).

TLI (Tucker Lewis Index), veya diğer adıyla NNFI (Non-normed Fit Index), normlaştırılmış bir gösterge olmadığı için 0’dan küçük ve 1’den büyük değer alabilen ve NFI’e göre model karmaşıklığını değerlendirmeye alan bir göstergedir. Daha yüksek değer bulunması, alternatif modelin baz modele göre daha iyi uyum gösterdiğini ifade etmektedir (Hair ve diğerleri, 2009: 641).

(

) (

)

[

]

(

)

[

2 1

]

2 2 − − = B B M M B B df df df

TLI

χ

χ

_χ

şeklinde yazılabilen göstergede

B baz modelin istatistiklerini, M ise alternatif modelin istatistiklerini gösterir (Schumaker ve Lomax, 2004: 83).

CFI (Comperative Fit Index), hem model karmaşıklığını ele alan, hem de standartlaştırılmış bir gösterge olduğu için daha çok tercih edilen bir karşılaştırma göstergesidir. = −_⎢⎣⎡

(

−

)₍

₋

₎

_⎥⎦⎤ B B M M df df CFI 2 2

1 χ _χ şeklinde verilen ifadesi ile 0 ile 1 arası değişebilen değerler alır. Genel olarak göstergenin 0,9’dan büyük değerleri, geliştirilen model lehine iyi uyumu ifade etmektedir (Hair ve diğerleri, 2009: 641; Schumaker ve Lomax, 2004: 84).

3.2.6.3 Cimrilik Uyum Göstergeleri

Cimrilik, prensip olarak, birbiriyle kıyaslanan modellerin karmaşıklık açısından en basitini tercih etmektir. Bu tanımlama yardımı ile bu gösterge türünün de tek bir modelin uyum iyiliği için değil, birbirine alternatif modellerin varlığı durumunda kullanılabildiği anlaşılmaktadır. Genel olarak, daha karmaşık modeller, veri setine uyum sağlama konusunda daha iyidirler. Fakat bu uyum iyiliğini daha

basit modelde yakalamak, bu alternatif basit modelin daha uygun bir model olacağını gösterir (Hair ve diğerleri, 2009: 641-642).

PNFI (Parsimony Normed Fit Index) en sık kullanılan cimrilik uyum göstergelerinden biridir. NFI göstergesinin, model serbestlik dereceleri oranı ile

çarpımından elde edilir. _⎟

⎠ ⎞ ⎜ ⎝ ⎛ = B M df df NFI

PNFI olarak ifade edilir (Hair ve diğerleri, 2009: 642; Kline, 2005: 144).

AGFI (Adjusted Goodness of Fit Index) göstergesi, GFI göstergesi ile modeldeki serbestlik derecesi birlikte kullanılarak elde edilir. Modelin serbestlik derecesini, modelde mümkün olabilecek bütün serbestlik derecesine oranlayarak bulunur. Daha büyük gösterge değeri, kıyaslama yapılırken daha iyi uyum olduğunu göstermektedir. AGFI =1−

(

1−GFI

) ([

vv+1

)

2df_M

]

formülü içinde v gözlenen değişken sayısını, dfM de modelin serbestlik derecesini ifade etmektedir (Hair ve

Belgede Hizmet kalitesi modellerinin karşılaştırılması üzerine bir araştırma (sayfa 100-105)