_edited_edited.jpg)
Yapısal Regresyon Analizi
Doğrulayıcı Faktör Analizi
Yol Modelleri
Aracı Etki Analizi
Moderatör Etki Analizi
Çoklu Grup Analizi
Yapısal Eşitlik Modelleri
Yapısal eşitlik modellemesi (YEM) veya İngilizce adı ile Structural Equation Modeling (SEM), bir tek istatistiksel teknikten ziyade bir takım ilişkili işlemler ailesine verilen genel addır. Literatürde kovaryans yapı analizi, kovaryans modellemesi, yapısal regresyon analizleri gibi farklı isimler ile tanımlandığı görülmektedir. Yapısal eşitlik modellemesi regresyon analizine benzer şekilde bir dizi değişken arasındaki ilişkilerin hipotez veya öngörüler çerçevesinde incelenmesine olanak sağlamaktadır. Regresyon analizine alternatif olarak görülebilecek yapısal eşitlik modellerinin klasik regresyon analizinden bir takım üstünlükleri bulunmaktadır.
Yapısal eşitlik modellerinde örtük değişkenler ile gösterge değişkenler arasında tanımlanan yollar daha sonra başka örtük değişkenler ile ilişkilendirilerek regresyon analizindeki benzer şekilde yol katsayıları tahmin edilir. Burada bahsi geçen örtük değişkenler ile göstergeler arasındaki ilişkiler açıklayıcı faktör analizindeki gibi düşünülebilir. Daha açık bir ifade ile faktörler örtük değişkenleri temsil ederken, faktörleri oluşturan yeterli ilişki düzeyinde maddeler ise göstergelerdir. Yapısal eşitlik modellerinin bu tanımından yola çıkan bazı araştırmacılar örtük değişken modelleri veya gizil değişken modelleri
isimlendirmelerini de kullanmaktadır.
Yapısal Eşitlik Modeli Avantajları
Yapısal eşitlik modellerinin bağımlı ve bağımsız değişken ayrımı ve sayısı konusunda esnek olması söz konusu tekniklerin özellikle ikiden fazla değişken arasındaki ilişkileri incelemek konusunda oldukça başarılı görülmesine neden olmaktadır. Bu durum yapısal eşitlik modellerinin aracılık ilişkileri (mediation ilişkisi) ve düzenleyici ilişkiler, (moderatör ilişki) içeren araştırma modellerinde dolaylı ve direkt etkileri aynı anda hesaplayabilmesi bakımından önemli bir fark yaratır.
Yapısal eşitlik modelleri sıklıkla Amos programı vasıtasıyla çözümlenmesi mümkündür. Amos ile yapısal eşitlik modelleri analizinde gerek görsellik bakımından gerekse kullanım kolaylığı bakımından bir çok avantaj vardır.
Tekrarlanan (Recursive) Yapısal Eşitlik Modelleri
Araştırma modelinde incelenen ilişkilere dair oluşturulan yapısal modelde etkilerin tek yönlü olduğu durumlarda kurulan modellere tekrarlanan yapısal model denmektedir.
Tekrarlanmayan (Nonrecursive) Yapısal Eşitlik Modelleri
Araştırma modeli çerçevesinde incelenen ilişkilere için oluşturulan yapısal modelde etkilerin iki yönlü olduğu durumlarda kurulan modellere Tekrarlanmayan Yapısal Model denmektedir.
Yapısal Eşitlik Model Türleri
-
Doğrulayıcı Faktör Analizi
-
Yapısal Regresyon Analizleri
-
Keşfedici Model Analizleri
-
Doğrulayıcı Model Analizleri
-
Yol ( Path) Analizleri
-
Tekrarlanan Yapısal Modeller
-
Tekrarlanmayan Yapısal Modeller
-
Aracı Etki Modelleri
-
Düzenleyici Etki Modelleri
-
Çoklu Grup Analizleri
-
Doğrudan Ve Dolaylı Etki Analizleri
Yapısal Eşitlik Modeli Kullanım Alanları
Günümüzde yapısal eşitlik modellerinin en sık kullanıldığı alanlar sosyal bilimler, davranış bilimleri, eğitim bilimleri, ekonomik, pazarlama ve sağlık bilimleridir. Yapısal eşitlik modellerinin alternatifi olan regresyon analizine karşı bir takım üstünlükleri olduğu söylenebilir. Yapısal eşitlik modelleri bağımlı değişken sayısına bir kısıtlama getirmeyerek belirli koşullar altında birden fazla bağımlı ve bağımsız değişken arasındaki ilişkileri tek bir model ile çözümlemeye olanak sağlamaktadır. Yapısal eşitlik modellerinin bu özelliği araştırma modelinde yer alan değişkenlerin aynı modelde birlikte analizine olanak sağlarken, bağımsız değişkenler aynı zamanda bağımlı değişken olarak tanımlanabildikleri için değişkenler arasındaki ilişkilerin bütünsel bir çözümlemesine olanak sağlamaktadır. Diğer yandan modellerde yer alan değişkenler arası muhtemel ilişkiler model kurma sürecinde de belirlenebilir. Bu yönüyle yapısal eşitlik modellerinin doğrulayıcı modeller olarak kullanımın yanında keşfedici modeller olarak kullanımı da mümkündür. Buradaki önemli bir husus ise her ne kadar keşfe dayalı bir istatistiksel analiz süreci olsa da yapısal eşitlik modellerinde keşfedilen ilişkilerin de teori tarafından teyide muhtaç oldukları bilinmelidir.
Yapısal Eşitlik Modeli Tahmin Yöntemleri
Yapısal regresyon modeli bir takım değişken arasındaki nedensel ve yapısal ilişkileri test etmeye yarayan bir çözümleme yöntemidir. Klasik regresyon analizi varsayımlarının sağlanmaması durumunda sıkça başvurulan bir yöntem olarak karşımıza çıkmaktadır. Klasik regresyon analizine göre varsayımlar bakımından daha esnek bir çözümleme yöntemi olmasına rağmen yapısal eşitlik modellerinin de daha esnek olan bir takım varsayımları sağlaması gerekmektedir. Bununla birlikte yapısal modelin tahmininde seçilecek parametre tahmin yöntemlerinin de kendilerine özel varsayımları vardır. Bu sebeple analiz edilecek veri normal dağılım, çoklu doğrusal bağıntı, çarpıklık, basıklık değişken türü, gözlem sayısı gibi yönlerden incelenerek en uygun parametre yönteminin seçilmesi gerekmektedir. Söz konusu parametre tahmin yöntemleri şu şekilde sıralanabilir.
-
En Çok Olabilirlik Yöntemi (Maximum Likelihoo) ML
-
Genelleştirilmiş En Küçük Kareler Yöntemi (Generalized Least Squares) GLS
-
Ağırlıksız En Küçük Kareler Yöntemi (Unweighted Least Squares) ULS
-
Ağırlıklı En Küçük Kareler Yöntemi (Weighted Least Squares)
-
Asimptotik Olarak Dağılımdan Bağımsız Yöntem (Asymptotically Distribution Free Method) ADF
-
Köşeğensel olarak Ağırlıklandırılmış En Küçük Kareler Yöntemi (Diagonally Weighted Least Squares ) DWLS
Yapısal eşitlik modelleri kurulumları itibari ile ise iki model ile türü ile ifade edilebilir
Model Tanımlama
Doğrulayıcı Faktör Analizi
Doğrulayıcı faktör analizi, hali hazırda bilinen faktör yapılarının mevcut veri ile uyumunu ölçmek üzere kurulan özel bir yapısal eşitlik modelidir. Söz konusu hali hazırda bilinme durumu teorik bilgi, açıklayıcı faktör analizi bulguları, ölçek tasarımına ait faktör yapısı gibi kanıtlanmış çalışmalardan gelir. Bu bakımıyla doğrulayıcı faktör analizi diğer yapısal eşitlik modeli analizlerinin aksine keşfedici olmaktan ziyade adından da anlaşılacağı üzere doğrulayıcı bir analiz yöntemidir. Doğrulayıcı faktör analizinin doğrulayıcı yapısına ek olarak geliştirilen modern yaklaşımlarda faktörler farklı yapılarda sınarak model uyum indekslerinin karşılaştırılması ile uygun faktör yapısının belirlenebileceğine dair keşfedici yaklaşımlar da mevcuttur. Özellikle kabul gören boş model, yapılandırılmamış model, birinci düzey ve ikinci düzey modellerinin karşılaştırılması sonucu elde edilen faktör yapısının keşif niteliğinde olduğu söylenebilir. Söz konusu doğrulama veya keşif yaklaşımı daha çok araştırmacının amaçları ile ilgilidir denilebilir. Örneğin araştırmacı yalnızca hazır bir ölçeğin veri ile uyumunu sınayıp hazır ölçekteki faktörleri kullanma niyetinde ise doğrulayıcı yaklaşım daha faydalı olacaktır. Fakat araştırmacı ölçeği diğer değişkenler ile toplamsal veya teker teker faktörler ile ilişkilendirmek istiyorsa burada birinci düzey ile ikinci düzey doğrulayıcı faktör analizi modellerinin karşılaştırılması faydalı olacaktır. Zira birinci düzey doğrulayıcı faktör analizinde ölçek maddeleri faktörleri açıklar ve birbiri ile ilişkili veya ilişkisiz olurlar, fakat ikinci düzey doğrulayıcı faktör analizinde ölçek maddeleri faktörleri, faktörler ise ölçeği açıklar. Çalışmada ikinci düzey doğrulayıcı faktör analizi için model uyum indeksi, birini düzey doğrulayıcı faktör analizinden daha iyi ise faktörlerin toplamsal ölçeği açıklaması ve devamında ölçeğin diğer değişkenler ile ilişkilendirilmesi istatistiksel olarak daha makul bir yaklaşım olabilir. Tabi ki araştırma amaçları faktörlerin ayrı ayrı etkilerinin incelenmesini gerekiyorsa teorik yaklaşım istatistiksel yaklaşıma tercih edilmelidir.
Çoklu Grup Analizi
Çoklu grup analizi yapısal eşitlik modellerinde incelenen değişkenin model dışı bir değişkenin farklı düzeyleri açısından incelenmesi olarak tanımlanabilir. Örneğin X ile Y değişkeni arasındaki ilişkinin Z gibi farklı bir değişkenin farklı düzeylerinde ne yönde ve şiddette olduğu ile ilgileniyorsak burada kullanılacak yöntemin genel adı çoklu grup analizidir. Daha açık bir örnek ise şu olabilir. İş tatmininin iş yeri bağlılığı üzerindeki etkisini incelerken söz konusu etkinin farklı eğitim düzeyindeki alt örneklemler için ne seviyede olduğunu bilmek istediğimizde etkiyi eğitim düzeyine göre bölümlenmiş alt örneklemler için ayrı ayrı incelemek mümkündür. Burada eğitim moderatör (Düzenleyici) durumdadır, zira teorik beklenti eğitim seviyesinin her düzeyi için araştırılan ilişkinin değişmesi, daha açık bir ifade ile ilişkinin eğitim düzeyi tarafından düzenlenmiş olmasıdır. Çoklu grup analizi araştırma modelinden gelen bir yönelim olmalıdır. Bununla birlikte çoklu grup analizleri yapısal regresyon ve path analizleri ile çözümlenebilir. Hatta bazı araştırma soruları için doğrulayıcı faktör analizinin dahi çoklu grup analizi ile incelenmesi mümkündür. Örneğin farklı kültürler için aynı ölçeğin faktör yapılarında bir farklılık ön görüyorsak çoklu grup analizi öngörümüzü sınamak için uygun bir yöntem olarak ortaya çıkar.
Aracı (Mediation) Etki Analizi
Sosyal bilimlerde değişkenler her zaman bir biri üzerinde doğrudan etkilere sahip olmayabilir veya doğrudan etkilerin yanında dolaylı etkilerde söz konusu olabilir. Böyle durumlarda aracı etkilerin analiz edilmesi makul bir yaklaşım olabilir. Aracı etki için daha pratik bir tanım ise şu şekilde yapılabilir; Bağımlı değişkenin bağımsız değişken üzerindeki etkisi bir aracı değişken vasıtasıyla gerçekleşiyorsa aracı etki söz konusudur. Aracı etki hipotezinin onaylanması bir dizi şarta bağlıdır. Söz konusu şartlar şu şekilde sıralanabilir;
Bağımsız değişkenin bağımlı değişken üzerinde doğrudan anlamlı bir etkisi olmalı
Bağımsız değişkenin aracı değişken üzerinde doğrudan anlamlı bir etkisi olmalı
Aracı değişkenin bağımlı değişken üzerinde doğrudan bir etkisi olmalı
Denkleme aracı değişken eklendiğinde bağımsız değişkenin bağımlı değişken üzerindeki etkisi azalmalı veya ortadan kalmalı
Son maddede eğer etki tamamen ortadan kalkıyorsa tam aracılıktan, anlamlı bir şekilde azalıyorsa kısmi aracılıktan söz edilebilir.