4 değişkenin birbirleri ile ilişkisini incelemek istiyorum. Bunları 2’li 2’li mi incelemeliyim yoksa 4’lü mü incelemeliyim? Hepsini bir arada inceleyebileceğim bir analiz var mı?
Değişkenker için bir öncelik sonralık varsa regresyon veya path analizi yapabilirsiniz. Eğer yoksa 2’li olarak bakmanız uygun olabilir. Değişkenler set olarak gruplanabiliyorsa kanonik korelasyona da bakabilirsiniz. Araştırma sorunuzu ve değişkenlerinizi tanıtırsanız daha çok yardımda bulunulabilir.
Merhaba hocam. Tezimde deney ve kontrol gruplarının öğrenmeye yönelik sorumuluk düzeylerinin öntest ve sontest puan ortalamaları arasında anlamlı bir fark olup olmadığını ortaya koyabilmek için tek yönlü Ancova (Kovaryans) Analizi kullanacağım. Fakat Ancova’nın yapılabilmesi için gerekli şartlardan olan saçılım diyagramının doğrusal dağılım göstermesi durumu oluşmuyor. ters yönde bir diyagram ortaya çıkıyor. Pearsan korelasyon katsayısı da aynı şekilde -,030 düzeyinde çıkıyor. bu durumda Ancova analizi yapabilir miyim? Bu arada diğer tüm varsayımlar karşılanıyor (Levene istatistiği, regresyon eğimleri eşitliği, normallik durumu gibi). Dönüt verirseniz çok memnun olurum hocam. İyi çalışmalar dilerim.
Merhaba. siteye verdiğiniz emek için teşekkür ederim. Benim bir sorum var. İstatistik bilgimin de çok iyi olmadığını söylemek isterim.
Ben bir çalışmada literatüre bağlı bir model kurdum. Modelde kullandığım ifadeleri başka çalışmalardan uyarladım. Yapısal eşitlik analiziyle hipotezlerimi test ettim. Modelin uyum değerleri ve c. alfa değeri kabul edilebilir düzeylerdeydi. ancak çalışmaya gelen hakem yorumlarından biri doğrulayıcı faktör analizi yapmadan önce açımlayıcı faktör analizi yapmadığım için büyük bir hata yapmış olduğum ve bu nedenle çalışmanın kabul edilemeyeceği yönündeydi. Ancak ben alandaki tartışmalara baktığımda model teorik olarak destekleniyorsa doğrudan DFA yapılabileceği AFA’nın çok da gerekli olmadığı yönündeydi.
Bu konuda sizden yorum rica edebilir miyim? Teşekkür ediyorum.
Eğer DFA ile çalışmayı yürütmüş olmamın teorik olarak mümkün olduğunu söyleyen bir kaynak da biliyorsanız çok minnettar olurum. İyi çalışmalar.
Merhaba. Bu konudaki en iyi kaynaklardan birisi Brown’ın Doğrulayıcı faktör analizi kitabıdır. Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). The Guilford Press. Doğrulayıcı faktör analizinden önce açımlayıcı faktör analizi yapmak gerekli mi konusu günümüzün önemli metodolojik problemlerinden birisi oldu. Brown’a göre açımlayıcı sonrası doğrulayıcı faktör analizi genellikle yanlış uygulanıyor. Şöyle ki: Size açımlayıcı analiz yaptığınızda maddeler faktörlere yerleşirken tüm faktörlerde yük alacak şekilde dağılıyor. Oysa doğrulayıcı analizde maddeler sanki sadece bir faktörde yük alıyormuş gibi tanımlıyoruz. Böylece açımlayıcıda elde ettiğimizden çok daha kötü bir modeli doğrulamış oluyoruz. Bu nedenle açımlayıcı yaptıktan sonra doğrulayıcı yapacaksak doğrulayıcı analizde açımlayıcıdan elde edilen faktör yüklerini kullanarak yapmalıyız. Buna e/cfa deniyor. Bu durumda da Brown diyor ki aynı sonuçları bulacağız. Aynı faktör yükleri, aynı chi-kare değeri aynı rmsea değeri vs. Kitabın 194-202 arası sayfalarında örnekle bunu görebilirsiniz. Peki neden doğrulayıcı yaptık? Zaten birebir aynısı çıkmak zorunda olan bir analizi niçin yaptık? Brown’a göre eğer maddelerin birden çok faktörde aldıkları yüklerin anlamlılıklarını merak etmiyorsanız efa sonrası cfa yapmanın pek bir anlamı yok. Muhtemelen ülkemizde klasikleşmiş “bir madde sadece bir maddede yük almak zorundadır” şeklinde özetlenebilecek olan gereksiz kısıtlamanın yaygınlığı nedeniyle siz de bu efa sonrası cfa’ya ihtiyaç duymayacaksınız. Bu nedenle Brown daha kitabının 1. sayfasında ve 49. sayfasında faktör yapısını önceden biliyorsanız ya da faktör yapınızın ne olduğuna dair güçlü kanıtlarınız varsa “dolaylı olarak” doğrulayıcı yapın diye öneriyor. Siz de bu öneri doğrultusunda hakemlere veya jüri üyelerine dönüş yapabilirsiniz.
Hocam merhaba. Eğitim Yönetimi bölümünde doktora öğrencisiyim. Pandemi döneminde Mergen üzerinden Nicel Araştırma Yöntemleri dersi almıştım sizden; JASP ile analiz yapmayı öğretmiştiniz bize, emekleriniz için çok teşekkür ederim öncelikle, bu anlamda çok önümüzü açtınız. Hocam sorum şu; ölçek geliştiriyorum; AFA analizi sonucunda 39 madde 2 faktör altında dağılım gösterdi. 1. faktöre 27 madde, 2. faktöre 12 madde yerleşti.1. faktördeki madde sayısı çok mu fazla Hocam, nasıl yorumlarsınız bu dağılmayı.?(Eigen value 1’in üzerinde 2 faktör oluştu).
(Analizden önce madde sayısı 62’ydi. Analizi 62 maddeyle yaptım)
Merhaba, evet günümüz için toplamda 39 bir faktörde 27 madde çok fazla. İnsanlar artık yanıtlamıyor. Faktör yükü en yüksek olan ve kritik gördüklerinizle devam ederseniz daha iyi olur. Kolay gelsin.
Hocam çok teşekkür ederim; önerinizi dikkate alarak 27 maddeden 8 madde daha eledim, tekrar analiz yaptım. Önerinizden önceki KMO değeri .973’ten .963’e değişim gösterdi. 2 faktörün cumulative değeri ise .629’dan .641’e değişim gösterdi. Sanırım bu şekilde devam edebilirim değil mi Hocam; ölçeğin yapısı çok bozulmadı sanki?Tekrar çok teşekkür ederim.
Evet, bu önemli bir sorundur. Normalde güç analizi yaparak gerekli sayıya ulaşmak gerekir fakat çok kabaca birim sayısı değişken sayısının 3 katından daha az olmamalıdır. Aksi durumda kestirimleriniz çok yanlı olacaktır.
4 değişkenin birbirleri ile ilişkisini incelemek istiyorum. Bunları 2’li 2’li mi incelemeliyim yoksa 4’lü mü incelemeliyim? Hepsini bir arada inceleyebileceğim bir analiz var mı?
Değişkenker için bir öncelik sonralık varsa regresyon veya path analizi yapabilirsiniz. Eğer yoksa 2’li olarak bakmanız uygun olabilir. Değişkenler set olarak gruplanabiliyorsa kanonik korelasyona da bakabilirsiniz. Araştırma sorunuzu ve değişkenlerinizi tanıtırsanız daha çok yardımda bulunulabilir.
Merhaba hocam. Tezimde deney ve kontrol gruplarının öğrenmeye yönelik sorumuluk düzeylerinin öntest ve sontest puan ortalamaları arasında anlamlı bir fark olup olmadığını ortaya koyabilmek için tek yönlü Ancova (Kovaryans) Analizi kullanacağım. Fakat Ancova’nın yapılabilmesi için gerekli şartlardan olan saçılım diyagramının doğrusal dağılım göstermesi durumu oluşmuyor. ters yönde bir diyagram ortaya çıkıyor. Pearsan korelasyon katsayısı da aynı şekilde -,030 düzeyinde çıkıyor. bu durumda Ancova analizi yapabilir miyim? Bu arada diğer tüm varsayımlar karşılanıyor (Levene istatistiği, regresyon eğimleri eşitliği, normallik durumu gibi). Dönüt verirseniz çok memnun olurum hocam. İyi çalışmalar dilerim.
Merhaba. siteye verdiğiniz emek için teşekkür ederim. Benim bir sorum var. İstatistik bilgimin de çok iyi olmadığını söylemek isterim.
Ben bir çalışmada literatüre bağlı bir model kurdum. Modelde kullandığım ifadeleri başka çalışmalardan uyarladım. Yapısal eşitlik analiziyle hipotezlerimi test ettim. Modelin uyum değerleri ve c. alfa değeri kabul edilebilir düzeylerdeydi. ancak çalışmaya gelen hakem yorumlarından biri doğrulayıcı faktör analizi yapmadan önce açımlayıcı faktör analizi yapmadığım için büyük bir hata yapmış olduğum ve bu nedenle çalışmanın kabul edilemeyeceği yönündeydi. Ancak ben alandaki tartışmalara baktığımda model teorik olarak destekleniyorsa doğrudan DFA yapılabileceği AFA’nın çok da gerekli olmadığı yönündeydi.
Bu konuda sizden yorum rica edebilir miyim? Teşekkür ediyorum.
Eğer DFA ile çalışmayı yürütmüş olmamın teorik olarak mümkün olduğunu söyleyen bir kaynak da biliyorsanız çok minnettar olurum. İyi çalışmalar.
Merhaba. Bu konudaki en iyi kaynaklardan birisi Brown’ın Doğrulayıcı faktör analizi kitabıdır. Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). The Guilford Press. Doğrulayıcı faktör analizinden önce açımlayıcı faktör analizi yapmak gerekli mi konusu günümüzün önemli metodolojik problemlerinden birisi oldu. Brown’a göre açımlayıcı sonrası doğrulayıcı faktör analizi genellikle yanlış uygulanıyor. Şöyle ki: Size açımlayıcı analiz yaptığınızda maddeler faktörlere yerleşirken tüm faktörlerde yük alacak şekilde dağılıyor. Oysa doğrulayıcı analizde maddeler sanki sadece bir faktörde yük alıyormuş gibi tanımlıyoruz. Böylece açımlayıcıda elde ettiğimizden çok daha kötü bir modeli doğrulamış oluyoruz. Bu nedenle açımlayıcı yaptıktan sonra doğrulayıcı yapacaksak doğrulayıcı analizde açımlayıcıdan elde edilen faktör yüklerini kullanarak yapmalıyız. Buna e/cfa deniyor. Bu durumda da Brown diyor ki aynı sonuçları bulacağız. Aynı faktör yükleri, aynı chi-kare değeri aynı rmsea değeri vs. Kitabın 194-202 arası sayfalarında örnekle bunu görebilirsiniz. Peki neden doğrulayıcı yaptık? Zaten birebir aynısı çıkmak zorunda olan bir analizi niçin yaptık? Brown’a göre eğer maddelerin birden çok faktörde aldıkları yüklerin anlamlılıklarını merak etmiyorsanız efa sonrası cfa yapmanın pek bir anlamı yok. Muhtemelen ülkemizde klasikleşmiş “bir madde sadece bir maddede yük almak zorundadır” şeklinde özetlenebilecek olan gereksiz kısıtlamanın yaygınlığı nedeniyle siz de bu efa sonrası cfa’ya ihtiyaç duymayacaksınız. Bu nedenle Brown daha kitabının 1. sayfasında ve 49. sayfasında faktör yapısını önceden biliyorsanız ya da faktör yapınızın ne olduğuna dair güçlü kanıtlarınız varsa “dolaylı olarak” doğrulayıcı yapın diye öneriyor. Siz de bu öneri doğrultusunda hakemlere veya jüri üyelerine dönüş yapabilirsiniz.
Hocam mükemmel bir insansınız. zahmet edip cevap verdiğiniz için teşekkür ederim. Size ve ailenize mutluluklar dilerim.
Hocam merhaba. Eğitim Yönetimi bölümünde doktora öğrencisiyim. Pandemi döneminde Mergen üzerinden Nicel Araştırma Yöntemleri dersi almıştım sizden; JASP ile analiz yapmayı öğretmiştiniz bize, emekleriniz için çok teşekkür ederim öncelikle, bu anlamda çok önümüzü açtınız. Hocam sorum şu; ölçek geliştiriyorum; AFA analizi sonucunda 39 madde 2 faktör altında dağılım gösterdi. 1. faktöre 27 madde, 2. faktöre 12 madde yerleşti.1. faktördeki madde sayısı çok mu fazla Hocam, nasıl yorumlarsınız bu dağılmayı.?(Eigen value 1’in üzerinde 2 faktör oluştu).
(Analizden önce madde sayısı 62’ydi. Analizi 62 maddeyle yaptım)
Merhaba, evet günümüz için toplamda 39 bir faktörde 27 madde çok fazla. İnsanlar artık yanıtlamıyor. Faktör yükü en yüksek olan ve kritik gördüklerinizle devam ederseniz daha iyi olur. Kolay gelsin.
Hocam çok teşekkür ederim; önerinizi dikkate alarak 27 maddeden 8 madde daha eledim, tekrar analiz yaptım. Önerinizden önceki KMO değeri .973’ten .963’e değişim gösterdi. 2 faktörün cumulative değeri ise .629’dan .641’e değişim gösterdi. Sanırım bu şekilde devam edebilirim değil mi Hocam; ölçeğin yapısı çok bozulmadı sanki?Tekrar çok teşekkür ederim.
Belirttiklerinizden uygun görünüyor. Kolay gelsin.
çok değişkenli istatistik teknikler uygulanırken birim sayısı değişken sayısından az ise bu bir sorounmudur?
Evet, bu önemli bir sorundur. Normalde güç analizi yaparak gerekli sayıya ulaşmak gerekir fakat çok kabaca birim sayısı değişken sayısının 3 katından daha az olmamalıdır. Aksi durumda kestirimleriniz çok yanlı olacaktır.