GÜVENİLİRLİK ANALİZİ Bilgi toplamak amaçlı uygulanan bir tür bilgi ölçme aracıdır. Örnek; anketler

Bu Analiz neden yapılır? Güvenilirlik analizini yapmak için; Eldeki veriler ikiye ayrılmış, ordinal veya aralıklı olabilir fakat bu veriler rakamsal olarak kodlanmış olmalıdırlar. Gözlemler bağımsız ve hatalar maddeler arasında ilişkisiz olmalıdır. Ölçekler her bir maddenin doğrusal olarak toplam puanla ilgili olması için artan özellikte olmalıdırlar. Bu Analiz neden yapılır? Bir bireyin bir olaya karşı (bilgi)(tutum) ve (davranışları) ölçekte yer alan k sayıda soruya verdiği cevapların değerleri (puan , skor) toplanarak bulunuyorsa ; bu ölçekte yer alan soruların birbirleri ile yakınlıklarının derecesini ortaya koymak için yapılır. Bu analizle ; Anket ile ölçülmek istenen “Ortak değeri”, eşit olarak paylaşmayan değişkenlerin belirlenmesi ve bu değişkenlerin “Analiz dışı” bırakılarak, ölçeğin “iç tutarlılığı” arttırılması amaçlanmıştır.

Bazı Yöntemler ; Cronbach Alfa Katsayısı (Alfa yöntemi) : Alfa katsayısı ölçekte yer alan k sorunun varyansları toplamının genel varyansa oranlanması ile bulunan bir ağırlıklı standart değişim ortalamasıdır. 0 ile 1 arasında değişim gösterir. Sorular arasında Negatif Korelasyon varsa Alfa katsayısı da negatif çıkar. Bu durum güvenirlik modelinin bozulmasına neden olur. Çünkü ölçeğin toplanabilirlik varsayımı bozulmuş ve ölçek toplanabilir ölçek olmaktan çıkmıştır. Analizde; Soru ile bütün arasında Korelasyonlar Yöntemi ; Item-Total correlation ’dır. Eğer, katsayı düşük ise o sorunun kompozit ölçeğe katkısının düşük olduğu anlaşılır. Çok düşük ise ; o sorunun ölçme aracında gereksiz bir sorudur ve ölçekten çıkarılması gerekir.

Reliability coefficient if item deleted ; Ele alınan soru ölçekten çıkarıldığında güvenirlik katsayısının değişimini incelemek amacıyla yararlanılan bir yaklaşımdır. n>50 ve k>30 olmalıdır. Sorular arasındaki benzerliklerin analizi için F testi yapılır. Analiz aşamasında ; Ölçülmek istenen ortak değeri temsil etmeyen değişkenlerin tespitinde ; Alfa Katsayısı (Coranbach Alfa) ve Item-Total Korelasyon’dan yararlanılır.

1.İç Tutarlılık Güvenlirliği Cevaplayıcıların bir ölçümdeki tüm maddelere verdikleri cevapların bir tutarlılık testidir. Eğer maddeler aynı konseptin bağımsız ölçekleri iseler aralarında bir korelasyon olacaktır. Cronbach Alfa Katsayısı, iç tutarlılık güvenilirliği testlerinin en popüleridir. Çok noktalı ölçeklendirilmiş maddeler için kullanılır ve şu şekilde formüle edilir:

Burada görülebileceği gibi alfa, doğru varyansı toplam varyans üzerinden ölçmektedir. Bir ölçeğin alfası 0.7 den büyük olmalıdır ki bu maddeler beraberce bir ölçek oluşturabilsin. İncelenen maddenin silindiği kabul edilerek toplam puanın alfası hesaplandığında değer düşüyorsa bu madde (eğer teorik olarak analiz için gerekli değilse) silinir. Kuder-Richardson Formülü, ikiye bölünmüş maddeler için kullanılır.Bu şekilde, yapılmakta olan bir ölçeğin iç tutarlılığı en iyi seviyeye getirilmiş olur. Katsayılar ne kadar yüksekse ölçüm aracı o kadar iyidir

SPSS ile uygulama Basamak 1 : Elde edilen verileri (ön test verisi), SPSS’de ; Sütunlara her bir değişkeni, Satırlara ise her bir cevaplayıcıyı temsil edecek şekilde girilir. Örneğin : 70 tane değişkenimiz, 170 tane cevaplayıcımız (denek) olsun. Var001 Var002 Var003...................................Var0070 1. 5 3 4 ................................... 1 2. 1 5 3 ................................... 5 .......   ....... ................ ............................. 170. 4 3 3 ................................... 2

Basamak 2: Statistics veya Analyze menüsü altında ;   Basamak 2: Statistics veya Analyze menüsü altında ; “Scale..........>Reliability Analysis” alt menüsüne gelinir. Basamak 3 : Alpha’yı seçin ve Statistics’i tıklayın.

Basamak 4 : Aşağıdaki görüntü gelir. Burada ; İhtiyaç duyulanlar işaretlenir. (Item,Scale,Scale if Item Deleted)   Bu kadarı yeterlidir. “Continue” ve “OK” düğmeleri tıklanır.

Alfa katsayısı 0-1 arasında değişim gösterir. CRONBACH ALFA KATSAYISI (ALFA YÖNTEMİ) Ölçekte yer alan K sorunun varyansları toplamının genel varyansa oranlanması ile bulunan bir ağırlıklı standart değişim ortalamasıdır. Alfa katsayısı 0-1 arasında değişim gösterir. C.ALFAsoruların ortalama korelasyona yada kovaryansına dayanılarak hesaplanır. Sorular arasında negatif korelasyon varsa ALFA (-) çıkar. Bu durum güvenilirlik modelinin bozulmasına neden olur. Eğer; 0.00 < a < 0.40 ise ölçek güvenilir değil 0.40 < a < 0.60 ise ölçek güvenilirlikte 0.60 < a < 0.80 ise ölçek oldukça güvenilir 0.80 < a < 1.00 ise ölçek yüksek güvenilirlikte Eğer bir soru ölçekten çıkarıldığında ALFA yükseliyorsa o zaman o soru güvenilirliği azaltan bir sorudur. Eğer soru çıkarıldığında azalıyorsa o zaman o soru olmazsa olmaz bir sorudur. 

Basamak 3 ve Basamak 4 Burada ; Alpha if Item Deleted ‘lar (170 tane) tek tek incelenir “En büyük-ler” yani değişkenler yani sorular “faktör güvenilirliğini olumsuz etkilediğinden ve silinmeleri halinde güvenilirlik artacağından >> ATILIR ve Analiz tekrarlanır.

Basamak 5 İkinci analiz neticesinde yine elde edilen (bir önceki tablo gibi) tablo incelendiğinde varsa yine Alpha if Item Deleted “en büyük-farklı” olan, ilgili değişken (soru) silinir. Analiz tekrarlanır. Bu tablonun altında da yine Alpha = 0.**** değeri incelenir. Bu değerin artması iyidir. Sonuç olarak ; Bu işlem (soru atımı) bir çok kez devam edebilir. Ve de bir çok soru ANKET DIŞI kalabilir. Basamak 6 Tüm faktörlerin güvenilirlik analizi tamamlandıktan sonra, elde ettiğimiz anketi bir bütün olarak güvenilirlik analizine tabi tutulur. Sorun yoksa daha sonra “FAKTÖR ANALİZİNE” geçilir.

Soru değerleri (s1,s2,............,sk) her biri ayrı sütunda girilir. ÖZETLE; Soru değerleri (s1,s2,............,sk) her biri ayrı sütunda girilir. Statistics>Scale>Reliability Analysis seçilir Soldaki değişkenler Items’in altına taşınır. Model alanında “Alpha” seçilebilir Statistics seçeneği seçilerek “Alfa” yöntemine göre hesaplanacak”istatistikler” belirlenir. Burada; İtem:soruyu, scale;ölçeği belirtmektedir. İnter-Item : bölümünde korelasyonları ve kovaryansları görüntülemek için seçenekler işaretlenir. Model uyumu için ANOVA Table’den F testi işaretlenir. Ölçekte yer alan soruların bir toplamsal ölçek oluşturacak biçimde hazırlanıp hazırlanmadığı “Tukey Toplanabilirlik testi” (Tukey’s test of additivity) seçeneği ile değerlendirilir. Soru Ortalamalarının birbirlerine eşit olup olmadığı “Hotelling T kare” seçeneği ile değerlendirilir. (sorular denekler tarafından aynı yaklaşım ile algılanıp algılanmadığını, soruların zorluk derecelerinin birbirine eşit olup olmadığını belirtir.)

Uygun seçimler yapıldıktan sonra “Continue” tıklanır. Önceki ekrana dönülerek “OK” tıklanır ve sonuçlar alınır. Örneğin Alfa=0.3934 olarak bulunsun. Bu oldukça düşük bir güvenirliktir. Yani, ölçeğin güvenirliği düşüktür. Kabul edelim ki ; “Soru Ortalamalarının testi” sonucunda ORTALAMALARIN farklı OLMADIĞI görülsün. (Hotelling T kare) ile Soru-Bütün (Item-Total) korelasyonlara bakıldığında örneğin : -0.2046 ile 0.4999 arasında değişim görülsün. Soru ile Bütün arasındaki korelasyon katsayılarının negatif olmaması gerekir. Bu durum ölçeğin toplanabilirlik özelliğini bozar. Korelasyonların negatif olmaması ve hatta 0.25 değerinden büyük olması gerekir. Örneğin ; genel alfa katsayısı 0.3934 bulunsun. Bazı sorular ölçekten çıkarıldığında eğer alfa katsayısı yükseliyorsa o soru güvenirliği azaltan bir sorudur ve ölçekten çıkarılması gerekir. Eğer bir soru ölçekten çıkarılır ve alfa değeri genel alfa değerinin altına düşerse, güvenirlik azalıyorsa o soru ölçek için vazgeçilmezdir. Atılmamalıdır.

faktör ANALİZİ Güvenirlik Analizinden sonra yapılması gereken iş; Anketin “Faktör yapısının” kantitatif olarak DOĞRULANMASIDIR.

Basamak 1 : Bir önceki “Güvenirlik Analizinde” anketten çıkarılan değişkenlere ait veriler “Veri editöründen” silinir. Statistik(Analyze)>Data Reduction>Factor alt menüsüne girin. Basamak 2 : Çıkan “Faktör Analizi” tablosunda soldaki değişkenleri “Variables” kutusuna atın. Buradaki “Rotation” düğmesini tıklayın. Daha sonra, Rotation tablosundan kullanacağınız “Yönlendirme” tablosundan kullanacağınız yönlendirme yöntemini seçiniz. Örneğin burada “Quartimax” yöntemi kullanılmıştır.

Daha sonra “Continue” ve “OK” düğmelerini tıklayınız Daha sonra “Continue” ve “OK” düğmelerini tıklayınız. Analiz sonrası karşımıza sonuçlar çıkar.

En yüksek rakamlar değişkenlerin ait olduğu faktörleri gösterirler. Basamak 3 : Yönlendirme tablosunu değerlendirirken “her bir değişken karşısındaki en büyük rakamı işaretleyin”. En yüksek rakamlar değişkenlerin ait olduğu faktörleri gösterirler. Rotated Component Matrix Component 1 2 3 4 5 VAR001 VAR002 VAR003 . VAR0066. Bu tabloda (yönlendirme tablosu) incelendiğinde ; Component altında..........>En yüksek değerli değişkenler “Faktör 1” (Var1-4-5-8-14-20-28) altında toplanır. Compenent altındakiler incelenir yine en yüksek olanlar “Faktör 2” (Var 55-58-59-63-66) altında toplanır. bu diğer Componentler içinde izlenir ve Faktörleri bulunur.

Bazı faktörler oluşturulduğunda görülür ki; değişkenler yeniden faktörleşmiş.......tir. Bu durumda; En önemlisi faktör alınır. Örneğin ; 20 ve 28 no’lu değişkenler 20 28 Faktör 1’de : 0.78 0.803 Faktör 5’de : 0.255 0.709 Bu durum ; 20 ve 28 no’lu değişkenler dışında araştırmacının varsayımları ile uyumludur. Bu nedenle sadece Faktör 1’in güvenirliğinin tekrar test edilmesi yeterli olacaktır. Faktör 1’in tekrarlanan “güvenilirlik analizi sonucu” 20 ve 28 no’lu değişkenlerin faktörün alfa değerini 0.871’den 0.9036 ‘ya çıkardığı, herhangi bir değişkenin silinmesine gerek olmadığı görülmektedir.

Scale Mean if Scale Variance Corrected Item Alpha if item Item Deleted if item Deleted Total Correlation Deleted   VAR0001 VAR0004 VAR0005 VAR0008 VAR0014 VAR0020 VAR0028 Alpha=0.9036 Hatırlanırsa ; Faktör 1’in tekrarlanan “güvenilirlik analizi sonucu” 20 ve 28 no’lu değişkenlerin faktörün alfa değerini 0.871’den 0.9036 ‘ya çıkardığı, herhangi bir değişkenin silinmesine gerek olmadığı görülmektedir

Faktör analizindeki amaç; EK BİLGİ : Faktör analizindeki amaç; Değişkenler arası ilişkiyi belirlemek suretiyle büyük çaptaki değişkenlerin faktör adı verilen daha küçük sayıdaki değişken ile açıklanmasıdır. Faktör analizi genel olarak ikiye ayrılır; Eğer araştırmacı ölçtüğü faktörlerin sayısı hakkında bilgisi yoksa ve bir hipotezi sınamak yerine ölçme aracılığı ile ölçülen faktörlerin doğası ve yapısı hakkında bilgi edinmeye çalışıyorsa bu faktör analizine açıklayıcı faktör analizi denir. Araştırmacının kuramı doğrultusunda geliştirdiği bir hipotezi test etmeye yönelik çalışmasında kullanılan faktör analizine doğrulayıcı faktör analizi denir.

Faktör analizi Horald Hotelling tarafından önerilen teknikte; Xpxn ham veri matrisini doğrudan kullandığı gibi Zpxn şeklinde ifade edilen standartlaştırılmış değerler matrisini de kullanabilmektedir.   Hazır bilgisayar programlarında temel bileşenler yöntemi daha fazla kullanılmaktadır. Faktör analizinde faktörlerin daha iyi anlaşılması için ve yorumlama kabiliyetinin artırılması için yeni faktörlere çevrilmesi gerekir. Bu işleme rotasyon denir.

FAKTÖR ANALİZİNİN KULLANILIŞ AMAÇLARI Bağımlılığı ve yapıyı açıklama Karışıklığı giderme ve boyut indirgeme Yapıyı belirleme Sınıflama ve tanımlama Ölçekleme Hipotez testi Veri dönüşümü Keşif yapma Haritalama Teori ortaya koyma Faktör analizi, temel bileşenler analizi gibi çok sayıda ilişkili değişkenden az sayıda ilişkisiz hipotetik değişken bulmayı amaçlamaktadır.

Faktör analizinin yapılmasında ilk olarak özdeğerlerden (eigenvalue) yararlanılır. Özdeğer (eigenvalue); pxp boyutlu bir kare matrisin karakteristik köküdür. Bir başka tanımla özdeğerler faktör yüklerinin karelerinin toplamına eşittir. Değişken sayısı kadar özdeğer hesaplanır. Burada bilinen ve en basit olarak kullanılan yöntem Kaiser normalleştirmesidir. Bu yönteme göre özdeğeri 1.00’ın üzerinde olan faktörler(ortak değişkenler) yoruma esas alınırlar yani faktör olarak değerlendirilirler. Ele alınacak faktör sayısı 1.00’den büyük değerli öz değerlerin toplamıdır. Genellikle değişken sayısının üçe veya beşe bölünmesiyle elde edilen sayı birden büyük özdeğere sahip faktör sayısını verir.

İyi bir faktör analizi ile; Boyut indirgenmesi, Diklik ya da bağımsızlık, Kavramsal anlamlılık sağlanır.  Boyut indirgenmesi ve diklik veya bağımsızlığı sağlamada; pxm boyutlu yükler matrisi ya da faktör yükleri matrisinden (factor loading matrix) yaralanılmaktadır. Burada amaç ; faktör bulma ve ya faktörleştirmedir. Kavramsallığı sağlamada ise faktörleri daha anlamlı hale getirecek rotasyon ya da başka bir deyişle döndürmeden yararlanılır. Eğer faktörler arası ilişki olduğuna inanmıyorsak birbirinden bağımsız görüyorsak dik döndürme, faktörleri birbiriyle ilişkili görüyorsak eğik döndürme yaparız.

Dik (orthogonal) döndürmede; faktörler arası korelasyon değeri sıfırdır. Dik döndürmede yöntemleri içinde quartimax, varimax ve equamax en yaygın olarak kullanılanlarıdır. Quartimax yönteminde, sadece iki faktör olduğu durumlarda en iyi sonucu veren yöntemdir ve bu yöntemde faktör matrisinin satırları göz önünde bulundurulur.  Varimax yönteminde, daha az değişkenle faktör varyanslarının maximum olmasını sağlamak amacıyla döndürme yapılır. Faktör matrisinin sütunlarına önem verilir.Varimax yöntemi diğer yöntemlere göre en çok kullanılan yöntemdir.  Equamax yönteminde, basit ve anlamlı yapıya ulaşmada faktör matrisinin satır ve sütunları birlikte dikkate alınır

Dik döndürmede her bir faktörün döndürme öncesi açıkladığı varyans oranı aynı kalmaktadır. Ayrıca dik döndürme özdeğerleri ve değişkenlerin faktörlerle beraber açıkladıkları sonuç istatistiklerinde de ortaya konan ortak katsayıları (communality) değiştirmemektedir. Dik döndürme sonucunda yük matrisi değerleri faktörler ile değişkenler arası korelasyonu oluşturmaktadır. Maddelerin birden fazla faktöre girmemesi söz konusu olabilir. Birden fazla faktöre girme ile ilgili alınabilecek ölçüt faktör yükleri arası farkın 0.10 olmasıdır. Sonraki aşamada değişkenlerin toplandığı faktörlere isim verilir. Bu adlandırma ilişkili faktör ile o faktörde toplanan değişkenlerin özel bir kombinasyonuna göre yapılır. Eğik döndürmede(oblique), kulanılan yöntemler ise oblimax, quartimin,covarimin, oblimin, biquartimin ve binoramin yöntemleridir. SPSS kullanımında oblimin yöntemi tercih edilmektedir.

Örneklemin büyüklüğü; Küçük örneklemden alınan korelasyon katsayıları az güvenilir olma özelliğine sahiptir. Örneklem büyüdükçe korelasyon katsayılarının güvenirliği artmaktadır. Örneklem yeterliliğini belirlemek için Kaiser-Meyer-Olkin KMO testi yapılmaktadır. Bulunan katsayı değeri 1.00’e yaklaştıkça mükemmel olmakta, 0.50’nin altında kabul edilememektedir. Normallik: Faktör analizinde dağılım normal olarak kabul edilmektedir. Bu varsayım bütün değişkenler ve ilişkiler için geçerlidir. Verilerin çok değişkenli normal dağılıma uygunluğu Barlett testi ile kontrol edilmektedir. Eğer bu test yapılamıyorsa değişkenler için basıklık ve çarpıklığa bakılarak bir karara ulaşılabilir. Doğrusallık: Değişkenler arası ve değişkenlerle faktörler arası ilişki doğrusal olmalıdır. Bu durum bütün değişken ve faktörleri kapsamaktadır

SPSS paket programında; Kaiser-Meyer-Olkin KMO testi ile örneklem büyüklüğü ve normalliğin çok değişkenli sınanmasını sağlayan Barlett testi yapılabilmektedir SPSS Faktör analizinde yedi şekilde açılım imkanı vardır. Beş adet rotasyon yapılabilmekte olup bunların ikisi eğik rotasyondur. Faktör değerlerini görüntüleme ve sonra kullanmak üzere kaydetmede üç yöntem kullanılmaktadır. Kaiser-Meyer-Olkin testi ile örneklemin yeterliliği ve Barlett ile normal dağılım, döndürülmemiş çözüm veya döndürme yapılmış ise bunlarla ilgili matrislere yer verilmektedir. Özdeğer hesaplamalarında ayrıca grafik çözümleme yapılabilmektedir. İstatistik hasaplamalarda her değişken için standart sapma ve ortalama, her faktör analizi için önem derecelerini, belirlilik katsayısını ve başlangıç çözümlerini içeren bir korelasyon matrisi oluşturulmaktadır. Kullanılan metot olarak temel bileşenler analizi, ağırlıksız en küçük kareler, genelleştirilmiş en küçük kareler,maksimum olasılık, alfa factoring ve image factoring yöntemleri vardır Analiz için korelasyon matrisi veya kovaryans matrisi seçilebilir. Daha çok korelasyon matrisi seçilmektedir.