Açımlayıcı Faktör Analizi Yaptırma Rehberi: KMO, Paralel Analiz, Döndürme ve Raporlama

Kısa cevap: Açımlayıcı faktör analizi yaptırma sürecinde iyi bir çalışmadan beklemeniz gereken beş adım vardır: KMO ve Bartlett testiyle verinin uygunluğu, paralel analizle faktör sayısı, temel eksen faktörleştirme ile çıkarım, eğik (promax ya da oblimin) döndürme ve gerekçeli madde çıkarma. Sonuçta her maddenin yükü, ortak varyansı, faktörlerin açıkladığı varyans ve alt boyutların Cronbach alfa değerleri tablolarla teslim edilir. Özellikle bu adımların biri eksikse jüri büyük olasılıkla soru soracaktır.

Bu rehberde süreci 300 katılımcının yanıtladığı 12 maddelik bir tutum ölçeği üzerinde baştan sona gösteriyoruz. Veri öğretim amacıyla kurgulandı; buna karşın tablolardaki bütün KMO, özdeğer, yük ve alfa değerleri bu veriden gerçekten hesaplandı. Böylece analizi kendiniz yapsanız da bir uzmana bıraksanız da çıktıları nasıl denetleyeceğinizi görebilirsiniz.

Açımlayıcı faktör analizi yaptırma rehberi: KMO, paralel analiz ve faktör yükleri tablosu

Açımlayıcı faktör analizi nedir, DFA’dan farkı ne?

Açımlayıcı faktör analizi (AFA), çok sayıda madde arasındaki korelasyonları birkaç gizil boyutla açıklamaya çalışan bir yöntemdir. Örneğin bir tutum ölçeğindeki 12 madde aslında üç ayrı duyguyu ölçüyor olabilir. Böylece AFA bu üç boyutu veriden ortaya çıkarır ve her maddenin hangi boyuta ait olduğunu yük değerleriyle gösterir.

Doğrulayıcı faktör analizi (DFA) ise tersine çalışır. Yani araştırmacı yapıyı önceden belirler, model de verinin bu yapıya ne kadar uyduğunu uyum indeksleriyle test eder. Bu nedenle yeni geliştirilen bir ölçekte genellikle önce AFA, ardından farklı bir örneklemde DFA uygulanır. DFA tarafını ayrıntılı görmek isterseniz AMOS ile doğrulayıcı faktör analizi ve uyum indeksleri yazımıza bakabilirsiniz.

Öte yandan AFA ile temel bileşenler analizi (PCA) sıkça karıştırılır. PCA toplam varyansı özetler; AFA ise yalnızca maddelerin ortak varyansını modeller. Ölçek geliştirme amacıyla gizil yapı arıyorsanız temel eksen faktörleştirme ya da en çok olabilirlik yöntemi daha savunulabilir bir seçimdir.

Açımlayıcı faktör analizi yaptırmak hangi durumlarda mantıklı?

Her tez faktör analizi gerektirmez. Geçerliği kanıtlanmış bir ölçeği aynı kültürde ve benzer örneklemde kullanıyorsanız çoğu zaman güvenirlik katsayısı ve kısa bir DFA yeterlidir. Buna karşın aşağıdaki durumlarda AFA neredeyse kaçınılmazdır:

  • Yeni ölçek geliştirme: Madde havuzundan hangi maddelerin kalacağına ve kaç alt boyut oluşacağına AFA karar verdirir.
  • Kültürlerarası uyarlama: Çeviri sonrası özgün yapının korunup korunmadığı, DFA tutmadığında AFA ile incelenir.
  • Kendi hazırladığınız anket: Birden çok madde bir toplam puana dönüştürülecekse bu maddelerin aynı yapıyı ölçtüğü gösterilmelidir.
  • Jüri ya da hakem talebi: Yapı geçerliği kanıtı istendiğinde analiz sonradan eklenir.

Açımlayıcı faktör analizi yaptırmak özellikle zamanın dar olduğu ya da yazılımda karar noktalarının (yöntem, döndürme, faktör sayısı) belirsiz kaldığı durumlarda mantıklıdır. Yine de çıktıyı sahiplenecek kişi sizsiniz; bu yüzden aşağıdaki kontrol noktalarını bilmeniz savunmada size güven verir. Ölçek geliştirme sürecinin bütününü merak ediyorsanız ölçek geliştirme ve uyarlama analizleri rehberimiz iyi bir başlangıç noktasıdır.

Açımlayıcı faktör analizi yaptırmadan önce veri nasıl hazırlanır?

Her şeyden önce analizin kalitesi büyük ölçüde veri hazırlığına bağlıdır. Dosyayı paylaşmadan önce şu kontrolleri yapmanızı öneririz:

  1. Örneklem büyüklüğü: Tek bir kesin sayı yoktur. Yaygın öneriler madde başına 5–10 katılımcı ya da en az 200–300 kişidir; yükler yüksek ve faktör başına madde çoksa daha küçük örneklemler de iş görür.
  2. Ters maddeler: Olumsuz ifadeli maddeler analizden önce çevrilmelidir. Bu adım atlanırsa ilgili maddeler eksi yükle ya da ayrı bir “yöntem faktörü” olarak görünür. Puanlama adımlarını Likert ölçeği analizi rehberimizde ayrıntılı anlattık.
  3. Kayıp veri: Rastgele ve az sayıda kayıp için liste bazında silme kabul görür. Ancak kayıp oranı yükseldikçe çoklu atama gibi yöntemler tartışılmalıdır.
  4. Uç değerler ve düz yanıtlar: Bütün maddelere aynı seçeneği işaretleyen katılımcılar korelasyonları yapay biçimde şişirebilir.
  5. Madde kodlaması: Değişken adları kısa ve düzenli (M1, M2 …) olmalı, değer etiketleri tanımlanmalıdır.

Örneğimizde 300 katılımcı ve 12 madde var; yani madde başına 25 kişi düşüyor. Ayrıca maddeler 1–5 arasında puanlandı ve ters madde içermiyor. Dolayısıyla doğrudan uygunluk testlerine geçebiliyoruz.

KMO ve Bartlett testi nasıl okunur?

KMO (Kaiser-Meyer-Olkin) değeri, maddeler arasındaki kısmi korelasyonların toplam korelasyonlara göre ne kadar küçük olduğunu gösterir. Kısaca değer 1’e yaklaştıkça ortak faktörlerin varlığı daha olasıdır. Kaiser’in sınıflamasına göre ,90 üzeri mükemmel, ,80’ler çok iyi, ,70’ler iyi, ,60’lar vasat ve ,50 altı kabul edilemez sayılır.

Bartlett küresellik testi ise korelasyon matrisinin birim matristen farklı olup olmadığını sınar. Diğer bir deyişle anlamlı bir sonuç, maddeler arasında analiz edilmeye değer ilişkiler bulunduğunu gösterir. Ancak büyük örneklemlerde bu test neredeyse her zaman anlamlı çıkar; bu nedenle tek başına yeterli kanıt sayılmaz.

Örnek çıktı: 12 maddelik veride KMO = ,776 bulundu, yani “iyi” düzey. Bartlett testi χ²(66) = 746,68, p < ,001 sonucunu verdi. Bunun yanı sıra madde düzeyindeki KMO değerleri (anti-image korelasyon matrisinin köşegeni) ,684 ile ,855 arasında. Hiçbir madde ,50 sınırının altında olmadığı için uygunluk aşamasında madde çıkarmıyoruz.

Kaç faktör var? Özdeğer, yamaç grafiği ve paralel analiz

Faktör sayısı kararı AFA’nın en kritik adımıdır. SPSS’in varsayılanı olan “özdeğeri 1’den büyük faktörler” kuralı (Kaiser ölçütü) özellikle çok maddeli ölçeklerde gereğinden fazla faktör önerir. Bu yüzden kararı birden fazla ölçüte dayandırıyoruz: özdeğerler, yamaç grafiğindeki kırılma noktası, paralel analiz ve kuramsal anlamlılık.

Paralel analiz, aynı boyuttaki rastgele veri setlerinden elde edilen özdeğerleri gözlenen özdeğerlerle karşılaştırır. Bu açıdan gözlenen değer rastgele eşiği aştığı sürece faktör tutulur. Tablo 1 örneğimizin sonucunu gösteriyor:

Tablo 1. Gözlenen özdeğerler ve paralel analiz eşikleri (12 madde, 500 rastgele veri setinin %95’lik dilimi)
Bileşen Gözlenen özdeğer Açıklanan varyans (%) Paralel analiz eşiği Karar
1 3,117 25,98 1,418 Tutulur
2 1,888 15,73 1,309 Tutulur
3 1,534 12,78 1,230 Tutulur
4 0,960 8,00 1,161 Tutulmaz
5 0,703 5,86 1,106 Tutulmaz

İlk üç özdeğer (3,117, 1,888 ve 1,534) paralel analiz eşiklerini açıkça aşıyor. Dördüncü özdeğer ise (0,960) hem 1’in hem de 1,161 eşiğinin altında kalıyor. Sonuç olarak ölçeğin kuramsal olarak öngörülen üç boyutlu yapısı veride de destekleniyor. İlk üç bileşen başlangıç aşamasında toplam varyansın %54,5’ini açıklıyor.

Açımlayıcı faktör analizi yaptırmak isteyenlerin de bilmesi gereken bir nokta var: SPSS menülerinde paralel analiz seçeneği bulunmaz. Bu hesap için O’Connor’ın SPSS sözdizimi, R’daki psych paketi ya da jamovi’deki Factor → Exploratory Factor Analysis → Number of factors: Based on parallel analysis seçeneği kullanılabilir.

Ölçek verinizin faktör yapısını birlikte inceleyelim

Yeni bir ölçek geliştiriyor, var olan bir ölçeği uyarlıyor ya da jüriden faktör analizi düzeltmesi aldıysanız veri dosyanızı ve madde listenizi paylaşın. Faktör sayısı kararını, madde çıkarma gerekçelerini ve yöntem bölümündeki raporlamayı her adımda kontrol ederek sizinle birlikte yürütürüz. Bunun için WhatsApp üzerinden yazabilir ya da iletişim ve teklif sayfamızı kullanabilirsiniz. Kapsam netleştikten sonra çalışma planı ve ücret bütçenize göre birlikte belirlenir.

SPSS’te AFA menü yolu ve doğru seçenekler nelerdir?

SPSS’te analiz Analyze → Dimension Reduction → Factor yolundan açılır. Maddeleri Variables kutusuna taşıdıktan sonra alt pencerelerde şu ayarları öneriyoruz:

  • Descriptives: KMO and Bartlett’s test of sphericity ve Anti-image kutularını işaretleyin; madde KMO değerleri buradan gelir.
  • Extraction: Yöntem olarak Principal axis factoring seçin. Paralel analizle karar verdiyseniz Fixed number of factors alanına 3 yazın ve Scree plot kutusunu işaretleyin.
  • Rotation: Faktörlerin ilişkili olması beklendiği için Promax (Kappa 4) ya da Direct Oblimin seçin. Varimax yalnızca boyutların gerçekten ilişkisiz olduğu varsayılıyorsa uygundur.
  • Options: Sorted by size ve Suppress small coefficients (mutlak değer ,30) seçenekleri tabloyu okunur kılar.

Öte yandan eğik döndürmede SPSS iki matris üretir. Pattern Matrix her maddenin faktöre özgü katkısını gösterir ve yorumda esas alınır. Structure Matrix ise madde ile faktör arasındaki basit korelasyonları verir; bu matris raporda ek bilgi olarak kalır. Ayrıca Factor Correlation Matrix tablosu, eğik döndürme kararınızın gerekçesidir.

Örneğimizde faktörler arası korelasyonlar ,33, −,18 ve −,12 çıktı. Tabachnick ve Fidell’in ölçütüne göre ,32 civarındaki ilişkiler eğik döndürmeyi destekler. Kaygı faktörünün diğer boyutlarla eksi ilişkili olması ise beklenen yöndedir.

Faktör yükleri nasıl yorumlanır, hangi maddeler çıkarılır?

Birinci tur çözümün örüntü matrisi Tablo 2’de yer alıyor. Kalın değerler ,30 ve üzerindeki yükleri gösteriyor.

Tablo 2. Birinci tur örüntü matrisi (temel eksen faktörleştirme, promax; n = 300; öğretim amaçlı kurgusal veri)
Madde F1 Kolaylık F2 Kaygı F3 Etkileşim Ortak varyans (h²) Madde KMO (MSA) Karar
M1 ,77 −,05 −,05 ,58 ,80 Tutulur
M2 ,70 ,00 −,06 ,46 ,81 Tutulur
M3 ,67 ,05 −,10 ,39 ,80 Tutulur
M4 ,51 −,04 ,06 ,30 ,86 Tutulur
M5 ,03 ,02 ,63 ,41 ,75 Tutulur
M6 ,05 ,05 ,71 ,53 ,76 Tutulur
M7 −,15 −,06 ,65 ,38 ,72 Tutulur
M8 ,43 ,02 ,31 ,39 ,85 Çıkarılır (beklenmeyen faktöre yükleniyor, ikinci yük ,30 üzeri)
M9 ,01 ,70 ,03 ,48 ,70 Tutulur
M10 −,00 ,70 ,09 ,48 ,68 Tutulur
M11 ,01 ,61 −,02 ,38 ,74 Tutulur
M12 −,02 ,26 −,04 ,07 ,70 Çıkarılır (yük ,32 altı, ortak varyans çok düşük)

Madde çıkarma kararında genellikle şu ölçütleri birlikte kullanıyoruz: birincil yükün ,32 ya da ,40’ın altında kalması, iki faktörde ,30 üzeri yük bulunması (binişik madde), ortak varyansın çok düşük olması ve maddenin içerik olarak yanlış faktöre yerleşmesi. Çünkü tek bir ölçüte bakarak madde silmek kapsam geçerliğine zarar verebilir.

Tabloyu bu gözle okuyalım. M12 kaygı boyutu için yazılmıştı; ancak birincil yükü yalnızca ,26 ve ortak varyansı ,07. Başka bir deyişle maddenin varyansının yalnızca %7 kadarı ortak faktörlerle açıklanıyor. M8 ise etkileşim boyutu için yazılmasına rağmen kolaylık faktörüne ,43, etkileşime ,31 yükleniyor. Bu madde iki yapıyı karıştırıyor; dolayısıyla toplam puanı bulanıklaştırır.

Önemli bir kural: maddeleri tek tek çıkarıp her seferinde analizi yeniden çalıştırmak gerekir. Çünkü bir maddenin silinmesi diğer bütün yükleri değiştirir. Açımlayıcı faktör analizi yaptırma sürecinde en çok soru da bu adımda gelir. Örneğimizde önce en zayıf madde olan M12’yi, ardından M8’i çıkardık; iki aşamanın sonunda aynı karar korundu.

İkinci tur çözüm ve güvenirlik nasıl raporlanır?

İki madde çıkarıldıktan sonra analiz 10 maddeyle yeniden çalıştırıldı. KMO ,737, Bartlett testi χ²(45) = 610,04, p < ,001 oldu. Üç faktör yine paralel analiz eşiklerini aştı ve toplam çıkarılan varyans %40,4’ten %43,9’a yükseldi. Özet çözüm Tablo 3’te:

Tablo 3. İkinci tur (10 madde) özet çözüm; KMO = ,737, toplam çıkarılan varyans %43,9
Faktör Maddeler Yük aralığı Çıkarılan varyans (%) Cronbach α
Kullanım kolaylığı M1, M2, M3, M4 ,50 – ,76 21,81 ,74
Etkileşim M5, M6, M7 ,62 – ,70 9,66 ,69
Kaygı M9, M10, M11 ,61 – ,70 12,44 ,70

Bütün maddeler beklenen faktörde ,50’nin üzerinde yükleniyor ve hiçbir binişik yük kalmıyor. Bununla birlikte etkileşim alt boyutunun alfası (,69) ,70 sınırının biraz altında. Üç maddelik alt boyutlarda bu durum sık görülür; tezde bu sınırlılığı açıkça yazmak ve gerekirse McDonald’s omega değerini de vermek daha dürüst bir yaklaşımdır.

Ayrıca açıklanan varyansın %44 civarında olması sosyal bilimlerde yaygın bir düzeydir. Bu bağlamda literatürde sık geçen “%60 ve üzeri olmalı” ifadesi bir kural değil, bir tercihtir. Açıklanan varyansı yükseltmek için madde silmek ise kapsamı daraltacağı için önerilmez.

Açımlayıcı faktör analizi yaptırma sürecinde hangi çıktıları istemelisiniz?

Analizi bir danışmana bıraktığınızda teslim dosyasında en az şu öğelerin bulunması gerekir:

  • KMO, madde düzeyindeki MSA değerleri ve Bartlett testi tablosu
  • Özdeğerler, yamaç grafiği ve paralel analiz karşılaştırması
  • Çıkarım yöntemi ile döndürme yönteminin gerekçesi
  • Her turun örüntü matrisi ve çıkarılan maddelerin tek tek gerekçesi
  • Faktör korelasyon matrisi, açıklanan varyans ve alt boyut güvenirlikleri
  • APA 7 biçiminde tablolar ve yöntem ile bulgular bölümü için yorum metni
  • Analizin tekrar üretilebilmesi için sözdizimi (syntax) ya da adım listesi

Bizim süreçte önce veri dosyanızı ve ölçek maddelerinizi inceliyor, kapsamı netleştiriyoruz. Ardından her karar noktasını gerekçesiyle raporluyor, jüriden gelebilecek sorular için kısa notlar ekliyoruz. Açımlayıcı faktör analizi yaptırma kararınızı verirken de bu listeyi kontrol aracı olarak kullanabilirsiniz. Tezin istatistik dışındaki bölümleri için de destek arıyorsanız tez hazırlık ve danışmanlık sayfamıza göz atabilirsiniz.

Tezde AFA bulguları nasıl yazılır? Örnek paragraf

Aşağıdaki paragraf, örneğimizin yöntem ve bulgular bölümünde nasıl yazılabileceğini gösteriyor:

Ölçeğin yapı geçerliğini incelemek amacıyla 300 katılımcının verisiyle açımlayıcı faktör analizi uygulanmıştır. Örneklem yeterliği KMO = ,78 ile iyi düzeydedir ve Bartlett küresellik testi anlamlıdır, χ²(66) = 746,68, p < ,001. Paralel analiz sonucuna göre üç faktör tutulmuş; temel eksen faktörleştirme ve promax döndürme kullanılmıştır. Birincil yükü ,32’nin altında kalan M12 ile iki faktörde ,30’un üzerinde yük veren M8 analizden çıkarılmıştır. Kalan 10 maddelik üç faktörlü yapı toplam varyansın %43,9’unu açıklamakta, faktör yükleri ,50 ile ,76 arasında değişmektedir. Alt boyutların Cronbach alfa katsayıları ,69 ile ,74 arasındadır.

Dikkat ederseniz paragraf, her kararın ölçütünü ve gerekçesini birlikte veriyor. Bunun yanı sıra iki turun örüntü matrislerini ek ya da bulgular bölümünde tablo olarak sunmak, okuyucuya şeffaf bir karar süreci gösterir. Sayılarda Türkçe ondalık virgülü kullanmayı ve 1’i aşamayan değerlerde baştaki sıfırı yazmamayı unutmayın.

Açımlayıcı faktör analizi yaptırmak isteyenler hangi hatalardan kaçınmalı?

Danışmanlık sürecinde en sık karşılaştığımız hatalar şunlardır:

  • Varsayılan ayarlarla yetinmek: SPSS’in varsayılanı temel bileşenler ve özdeğer > 1 kuralıdır. Ölçek geliştirmede bu ikili, gerekçesi zayıf bir çözüm üretebilir.
  • Varimax’ı alışkanlıkla seçmek: Psikolojik yapılar çoğu zaman ilişkilidir; ilişkili faktörleri dik döndürmeye zorlamak yükleri bozar.
  • Toplu madde silmek: Birden çok maddeyi aynı anda çıkarmak, aslında iyi çalışan bir maddenin kaybına yol açabilir.
  • Aynı örneklemde AFA ve DFA yapmak: Yapıyı bulduğunuz veriyle doğrulamak döngüsel bir kanıttır. Bu nedenle mümkünse örneklemi ikiye bölün ya da yeni veri toplayın.
  • Yalnızca alfaya bakmak: Yüksek alfa tek boyutluluğun kanıtı değildir; faktör yapısı ayrıca gösterilmelidir.

Sonuç olarak açımlayıcı faktör analizi yaptırma süreci; temiz veri, gerekçeli yöntem seçimleri ve adım adım belgelenmiş kararlar birleştiğinde tezinizin en sağlam bölümlerinden birine dönüşür. Bu çerçeveyi bilen bir öğrenci, analizi kim yürütürse yürütsün jüri karşısında kendi çalışmasını rahatça savunabilir. Kavramsal arka plan için açımlayıcı faktör analizi üzerine İngilizce genel kaynağa da bakabilirsiniz.

Sık sorulan sorular

AFA için kaç katılımcı gerekir?
Kesin bir sayı yoktur. Madde başına 5–10 kişi ya da en az 200–300 katılımcı yaygın önerilerdir. Bununla birlikte yükler yüksek, faktör başına madde sayısı fazlaysa daha küçük örneklemler de kararlı sonuç verebilir.

KMO değeri ,60'ın altında çıkarsa ne yapmalıyım?
Öncelikle madde düzeyindeki MSA değerlerine bakın. Ardından değeri ,50 altında kalan maddeleri tek tek çıkarıp analizi yeniden çalıştırın. Ayrıca ters maddelerin doğru kodlandığını kontrol edin.

Varimax mı, promax mı seçmeliyim?
Faktörlerin ilişkili olması kuramsal olarak bekleniyorsa promax ya da oblimin seçin. Eğik döndürme sonrası faktör korelasyonları ,32’nin belirgin biçimde altında kalırsa varimax ile raporlamak da savunulabilir.

Açıklanan varyans %40 civarında kaldı, sorun mu?
Tek başına sorun değildir. Özellikle sosyal bilimlerde %40–60 aralığı yaygındır. Önemli olan yüklerin yeterli, yapının kuramla tutarlı ve kararların gerekçeli olmasıdır.

Açımlayıcı faktör analizi yaptırma sürecinde verilerim güvende mi?
Analiz için kimlik bilgisi içermeyen, kodlanmış bir veri dosyası yeterlidir. Dosyanızı yalnızca analiz amacıyla kullanıyoruz; çalışma süresi ve kapsam ön değerlendirmeden sonra birlikte belirlenir.

İlgili rehberler ve hizmetler