Jamovi ile Veri Güvenilirliği ve Doğrulama İpuçları

Kısa cevap: Jamovi güvenilirlik analizi için Analyses > Factor > Reliability Analysis menüsünü açar, aynı ölçeğe ait maddeleri Items kutusuna taşır ve Cronbach’s α ile McDonald’s ω değerlerini işaretlersiniz. Ters puanlanan maddeleri Reverse Scaled Items bölümünde belirtir, Item Statistics altında “if item dropped” sütunlarıyla zayıf maddeleri bulursunuz. Ancak bu analizden önce eksik veri, aralık dışı değer ve aykırı gözlem kontrolü yapılmalıdır.

Bu rehberde 5’li Likert tipi bir ölçek örneğiyle veri doğrulamadan güvenilirlik raporuna kadar tüm adımları gösteriyoruz.

Veri güvenilirliği ve geçerlik arasındaki fark nedir?

Güvenilirlik, bir ölçme aracının tutarlı sonuç verme derecesidir. Örneğin aynı kişiye benzer koşullarda aynı ölçek uygulandığında benzer puanlar çıkıyorsa ölçek güvenilirdir. Geçerlik ise aracın ölçmek istediği kavramı gerçekten ölçüp ölçmediğiyle ilgilidir.

Bu iki kavram birbirini tamamlar. Güvenilir olmayan bir ölçek geçerli olamaz; ancak güvenilir bir ölçek de yanlış kavramı tutarlı biçimde ölçüyor olabilir. Bu nedenle tezlerde güvenilirlik katsayıları genellikle faktör analizi gibi geçerlik kanıtlarıyla birlikte sunulur.

Güvenilirliğin farklı türleri vardır: iç tutarlılık (Cronbach alfa, omega), test-tekrar test güvenilirliği (iki uygulama arası korelasyon) ve puanlayıcılar arası uyum (Cohen kappa, ICC). Jamovi bu türlerin hepsi için araç sunar; ancak en sık kullanılan iç tutarlılık analizidir.

Analizden önce veri nasıl doğrulanır?

Güvenilirlik katsayısı, hatalı veriyle hesaplandığında anlamsızdır. Bu yüzden önce şu kontrolleri yapın:

1. Aralık kontrolü: 1–5 arası olması gereken bir maddede 6 veya 55 gibi değerler veri giriş hatasıdır. Exploration > Descriptives ekranında Minimum ve Maximum istatistiklerini işaretleyin.
2. Eksik veri: Aynı tabloda Missing sayısını görürsünüz. Eksik oranı bir maddede %5’i aşıyorsa nedenini araştırın.
3. Ölçüm düzeyi: Data sekmesinde maddelerin Ordinal veya Continuous, veri tipinin Integer olduğundan emin olun.
4. Özensiz yanıtlar: Tüm maddelere aynı yanıtı veren katılımcıları bulmak için Data > Compute ile VSTDEV(m1, m2, m3, m4, m5, m6) formülünü yazın; sıfır çıkan satırlar şüphelidir.

Ayrıca hatalı satırları silmek yerine Data > Filters ile analiz dışında bırakmak daha şeffaftır. Böylece hangi gözlemlerin çıkarıldığı dosyada kayıtlı kalır.

Aykırı değerler Jamovi’de nasıl tespit edilir?

Aykırı değerler hem ortalamaları hem de korelasyonları bozabilir. Toplam puan için önce Data > Compute ile MEAN(m1, m2, m3, m4, m5, m6) ortalamasını oluşturun. Ardından yeni bir değişkende Z(toplam) fonksiyonuyla z puanlarını hesaplayın.

Mutlak değeri 3,29’u aşan z puanları genellikle tek değişkenli aykırı değer olarak kabul edilir. Görsel kontrol için Exploration > Descriptives > Plots altında Box plot seçeneği, kutunun dışındaki noktaları satır numarasıyla gösterir.

Çok değişkenli aykırı değerler için Mahalanobis uzaklığı kullanılır; Linear Regression ekranında Data Summary altındaki seçenekler veya ek modüller bu amaçla kullanılabilir. Aykırı bir gözlemin gerçek bir yanıt mı yoksa hata mı olduğuna karar vermeden önce ham veriye geri dönün.

Eksik veriler Jamovi güvenilirlik analizini nasıl etkiler?

Reliability Analysis, varsayılan olarak bir maddede bile eksik değeri olan katılımcıyı hesaplamadan çıkarır (listwise silme). Dolayısıyla on maddelik bir ölçekte birkaç dağınık boşluk, örneklemin beklenenden fazla küçülmesine yol açabilir. Çıktının altındaki not, analize kaç gözlemin girdiğini gösterir; bu sayıyı mutlaka toplam katılımcı sayısıyla karşılaştırın.

Eksik oranı düşükse ve rastgele dağılıyorsa listwise silme genellikle sorun yaratmaz. Öte yandan eksikler belirli bir grupta yoğunlaşıyorsa, örneğin yalnızca yaşlı katılımcılar son sayfayı boş bıraktıysa, sonuçlar yanlı olabilir. Bu durumda eksiklik örüntüsünü raporlamak ve çoklu atama gibi yöntemleri değerlendirmek gerekir.

Pratik bir yaklaşım olarak, ölçek ortalamasını hesaplarken katılımcının maddelerin en az %80’ini yanıtlamış olmasını koşul olarak koyabilirsiniz. Böylece tek bir boşluk yüzünden değerli bir gözlemi kaybetmezsiniz. Bu kuralı yöntem bölümünde açıkça belirtmeyi unutmayın.

Jamovi güvenilirlik analizi adım adım nasıl yapılır?

Veri temizlendikten sonra Jamovi güvenilirlik analizi şu adımlarla yapılır:

1. Analyses > Factor > Reliability Analysis menüsünü açın.
2. Aynı alt boyuta ait m1–m6 maddelerini Items kutusuna taşıyın. Farklı alt boyutları ayrı ayrı analiz edin.
3. Scale Statistics bölümünde Cronbach’s α, McDonald’s ω, Mean ve SD kutularını işaretleyin.
4. Item Statistics bölümünde Cronbach’s α (if item is dropped) ve Item-rest correlation seçeneklerini açın.
5. Olumsuz ifadeli maddeleri Reverse Scaled Items sekmesinde sağ tarafa taşıyın. Jamovi bu maddeleri hesaplamada otomatik olarak ters çevirir.

Sonuçlar sağ panelde anında görünür. Ayrıca Save bölümündeki Mean score seçeneği, ölçek ortalamasını veri setine yeni bir sütun olarak ekler.

Cronbach alfa ve omega çıktısı nasıl yorumlanır?

Örnek bir çıktı aşağıdaki gibi olsun (değerler eğitim amaçlı ve hayalidir). Ölçek için α = 0,81 ve ω = 0,83 bulunmuş olsun:

Madde	Item-rest korelasyonu	α (madde silinirse)	Karar
m1	0,62	0,77	Koru
m2	0,58	0,78	Koru
m3 (ters)	0,12	0,85	Kodlamayı kontrol et
m4	0,66	0,76	Koru
m5	0,55	0,79	Koru
m6	0,49	0,80	Koru

Yaygın yorum ölçütlerine göre 0,70 ve üzeri kabul edilebilir, 0,80 ve üzeri iyi, 0,90 ve üzeri çok yüksek bir iç tutarlılık anlamına gelir. Bununla birlikte 0,95’in üzerindeki değerler, maddelerin birbirinin tekrarı olduğuna işaret edebilir.

Tablodaki m3 maddesinin madde-toplam korelasyonu 0,12 gibi düşük bir değerdir. Üstelik madde silinirse alfa 0,85’e yükselir. Bu durumda ilk şüphe, ters maddenin Reverse Scaled Items alanına eklenmemiş olmasıdır. Kodlama doğruysa maddenin içeriği kuramsal olarak tartışılmalıdır.

Alfa mı omega mı raporlanmalı?

Cronbach alfa, bütün maddelerin faktöre eşit yüklendiğini (tau-eşdeğerlik) varsayar. Gerçek ölçeklerde bu varsayım çoğu zaman sağlanmaz. McDonald omega ise farklı faktör yüklerine izin verdiği için daha az kısıtlayıcı bir tahmin sunar.

Dolayısıyla güncel yöntem kaynakları alfa ile birlikte omega raporlamayı önerir. Jamovi bu iki değeri aynı tabloda verdiği için ek bir işlem gerekmez. Ayrıca madde sayısı azaldıkça alfanın düştüğünü unutmayın; üç maddelik bir ölçekte 0,65 gibi bir değer, on maddelik bir ölçekteki 0,65 ile aynı anlamı taşımaz.

Ölçeğin faktör yapısını da sınamak istiyorsanız Jamovi ile faktör analizi rehberimiz açımlayıcı ve doğrulayıcı faktör analizini ayrıntılı anlatır.

Jamovi güvenilirlik analizi dışında hangi kontroller yapılabilir?

İç tutarlılık dışında farklı araştırma desenleri başka güvenilirlik türleri gerektirir:

• Test-tekrar test: Aynı katılımcılara iki hafta arayla uygulanan ölçek puanları arasında Regression > Correlation Matrix ile Pearson r hesaplanır.
• Puanlayıcılar arası uyum: İki kodlayıcının kategorik kararları için Cohen kappa, sürekli puanlar için sınıf içi korelasyon (ICC) kullanılır. Jamovi’de bunlar jamovi library üzerinden kurulan modüllerle hesaplanır.
• Yarıya bölme: Ölçeğin tek ve çift numaralı maddelerinden iki yarı puan oluşturulup korelasyonu Spearman-Brown düzeltmesiyle yorumlanır.

Örneğin bir gözlem formunu iki araştırmacı puanlıyorsa yalnızca alfa raporlamak yetersizdir. Bu durumda kappa değeri 0,60’ın üzerinde olduğunda uyum genellikle iyi kabul edilir.

Jamovi güvenilirlik analizi sonuçları tezde nasıl yazılır?

Yöntem bölümünde önce veri temizliğini, ardından katsayıları raporlayın. Örnek bir paragraf şöyle olabilir: “Veri setinde aralık dışı değer bulunmamış, 4 katılımcı tüm maddelere aynı yanıtı verdiği için analiz dışında bırakılmıştır. Ters puanlanan m3 maddesi yeniden kodlandıktan sonra ölçeğin iç tutarlılık katsayıları α = ,81 ve ω = ,83 olarak bulunmuştur.”

Alt boyutlu ölçeklerde her boyut için ayrı katsayı verin ve bunları bir tabloda özetleyin. Ayrıca katsayıları kendi örnekleminizden hesapladığınızı, ölçek geliştirme çalışmasındaki değerleri ise karşılaştırma amacıyla verdiğinizi açıkça belirtin.

Yazılımın güncel modülleri için jamovi kullanım kılavuzuna, omega hakkında yöntemsel bir tartışma için Dunn, Baguley ve Brunsden (2014) makalesine bakabilirsiniz. Sonraki adımda ilişkileri test etmek isterseniz Jamovi ile korelasyon ve regresyon rehberimiz yol gösterir.

En sık yapılan hatalar nelerdir?

Uygulamada en sık rastlanan hata, alt boyutları olan bir ölçeğin bütün maddelerini tek bir alfa hesabına sokmaktır. Bu durumda katsayı yapay olarak yükselebilir veya düşebilir. Bunun yerine her alt boyutu ayrı analiz edin ve toplam puan için ayrıca bir katsayı vermek istiyorsanız bunu gerekçesiyle birlikte, alt boyut katsayılarının yanında sunun.

İkinci yaygın hata, alfa düşük çıktığında maddeleri yalnızca “if item dropped” sütununa bakarak silmektir. Oysa madde silmek ölçeğin kapsam geçerliğini zayıflatabilir. Dolayısıyla silme kararı kuramsal gerekçeyle desteklenmeli ve raporda açıklanmalıdır.

Son olarak ters maddeleri hem Compute ile elle çevirip hem de Reverse Scaled Items alanına eklemek, maddeyi iki kez ters çevirir. Böylece madde-toplam korelasyonu negatif çıkar. Bu tür bir sonuç gördüğünüzde öncelikle kodlama adımlarınızı gözden geçirin.

Sık sorulan sorular

Cronbach alfa 0,70’in altında çıkarsa ne yapmalıyım?
Önce ters maddelerin kodlamasını ve veri hatalarını kontrol edin. Sonra madde-toplam korelasyonu çok düşük maddeleri kuramsal açıdan değerlendirin; madde sayısı az olan ölçeklerde omega ve ortalama madde arası korelasyonu da raporlayın.

Jamovi güvenilirlik analizi için kaç katılımcı gerekir?
Kesin bir kural yoktur; ancak güvenilir bir katsayı tahmini için genellikle en az 100 katılımcı önerilir. Küçük örneklemlerde katsayının güven aralığı geniş olur.

Negatif alfa değeri ne anlama gelir?
Çoğunlukla bazı maddelerin ters kodlanmadığını gösterir. Maddeler arasında negatif korelasyonlar varsa alfa sıfırın altına düşebilir.

Tek maddelik ölçeklerde güvenilirlik hesaplanır mı?
Hayır. İç tutarlılık en az iki, pratikte en az üç madde gerektirir. Tek maddeli ölçümlerde test-tekrar test yöntemi düşünülebilir.

Jamovi sonuçları SPSS ile aynı çıkar mı?
Evet. Aynı veri ve aynı ters kodlamayla Cronbach alfa değeri SPSS Reliability Analysis çıktısıyla birebir aynıdır.

İlgili rehberler ve hizmetler

• Jamovi nedir ve nasıl kullanılır?
• Jamovi ile betimsel istatistikler
• İletişim ve fiyat teklifi

Özetle Jamovi güvenilirlik analizi tek bir menüden yapılabilse de değerli sonuç, öncesindeki veri doğrulama adımlarından gelir. Temiz veri, doğru ters kodlama ve alfa ile omeganın birlikte raporlanması, ölçeğinizin tezde ve makalede güvenle savunulmasını sağlar.

Veri, modern dünyanın en değerli varlıklarından biri haline gelmiştir ve iş dünyasında, araştırmada ve karar verme süreçlerinde kritik bir rol oynamaktadır. Biz, veri analizi konusundaki tutkulu bir topluluk olarak, veri biliminin ve analizinin gücünü vurguluyoruz. Web sitemiz, işletmelerden akademisyenlere ve veri meraklılarına kadar herkesin veri analizi becerilerini geliştirmesine yardımcı olmayı amaçlayan bir kaynaktır. Misyonumuz, veri analizi sürecini anlaşılır ve erişilebilir hale getirmek, verilerin içinde gizlenen değeri açığa çıkarmak ve daha bilinçli kararlar almalarını desteklemektir.

Web sitemiz, geniş bir veri analizi yelpazesi sunmaktadır. Hangi sektörde olursanız olun veya hangi veri analizi aracını kullanıyorsanız kullanın, ihtiyaçlarınıza uygun hizmetler sunuyoruz. SPSS, R, Python, Excel veya diğer analiz araçlarını kullanarak veri madenciliği, hipotez testleri, regresyon analizi, zaman serisi tahmini, segmentasyon ve daha fazlasını içeren çeşitli analiz türlerini kapsarız. Ayrıca, öğrenmeyi kolaylaştırmak için zengin kaynaklar, öğreticiler ve interaktif araçlar sunuyoruz.