Jamovi ile Faktör Analizi ve Yapısal Eşitlik Modellemesi

Modern bilimsel araştırmalarda değişkenlerin doğrudan ölçülemediği durumlar sıkça karşılaşılır. Özellikle psikoloji, sosyoloji, eğitim ve pazarlama gibi alanlarda, “gizil (latent)” yapılarla ilgilenilir. Bu yapıları ölçebilmek için kullanılan yöntemler arasında faktör analizi ve yapısal eşitlik modellemesi (SEM) yer alır. Jamovi, bu analizleri basitleştiren ve yorumlanabilir hale getiren güçlü bir platform sunar.

---

Faktör Analizi Nedir?

Faktör analizi, çok sayıda gözlenen değişkeni, daha az sayıda gizil değişkene indirgemek için kullanılan istatistiksel bir tekniktir. Temel amaç, değişkenler arasındaki ortak desenleri keşfetmektir.

İki Tür Faktör Analizi:

1. Keşfedici Faktör Analizi (Exploratory Factor Analysis – EFA):

   • Gizil yapılar önceden belirli değildir.

   • Veriye göre faktörler keşfedilir.

2. Doğrulayıcı Faktör Analizi (Confirmatory Factor Analysis – CFA):

   • Gizil yapılar önceden tanımlanmıştır.

   • Verinin bu yapıya uyup uymadığı test edilir.

---

Jamovi ile Keşfedici Faktör Analizi (EFA)

Adım Adım Uygulama

1. Menüden: Analyses > Factor > Exploratory Factor Analysis

2. Faktör analizine dahil edilecek değişkenler seçilir.

3. Faktör çıkarma yöntemi: Maximum Likelihood, Principal Axis, Principal Components gibi seçenekler sunulur.

4. Döndürme (rotation) tercihi yapılır: Varimax, Oblimin vs.

5. Faktör sayısı belirlenebilir veya Jamovi tarafından otomatik çıkarılır.

EFA Çıktılarının Yorumu

• Kaiser-Meyer-Olkin (KMO): Örneklemin faktör analizine uygunluğu (0.6 üzeri idealdir).

• Bartlett’s Test of Sphericity: Değişkenler arasında anlamlı ilişki olup olmadığını test eder.

• Factor Loadings: Her değişkenin faktörle olan ilişki gücü.

• Eigenvalues: Faktörlerin açıklayıcılık düzeyi.

• Communalities: Değişkenlerin varyansının faktörler tarafından ne kadar açıklandığı.

---

Jamovi ile Doğrulayıcı Faktör Analizi (CFA)

Jamovi’nin SEMLj modülü kullanılarak CFA uygulanabilir. Bu modül, kullanıcıya sürükle-bırak kolaylığında yapısal modelleme imkânı sunar.

Temel Kavramlar

• Gizil Değişkenler (Latent Variables): Doğrudan ölçülemeyen ama gözlenen değişkenlerce yansıtılan kavramlardır.

• Gözlenen Değişkenler (Observed Variables): Anket maddeleri gibi doğrudan ölçülen veriler.

• Model Fit İstatistikleri: RMSEA, CFI, TLI, SRMR gibi değerler modelin uygunluğunu gösterir.

SEM’Lj Modülünde CFA Uygulama:

1. Jamovi’den Modules > SEMLj modülünü yükle.

2. Menüden SEMLj > Model syntax seçilir.

3. Model tanımı yazılır:

   Örnek:

   go

   KopyalaDüzenle

   akademik := soru1 + soru2 + soru3
sosyal := soru4 + soru5 + soru6


4. “Estimate model” seçeneği ile analiz başlatılır.

---

Yapısal Eşitlik Modellemesi (SEM)

Yapısal eşitlik modellemesi, doğrulayıcı faktör analizini ve regresyon analizini birleştiren kapsamlı bir tekniktir. Gizil değişkenlerin hem birbirleriyle hem de gözlenen değişkenlerle olan ilişkisini modellemeye olanak tanır.

SEM Neden Kullanılır?

• Karmaşık kuramsal yapıları test etmek

• Aracı (mediator) ve düzenleyici (moderator) etkileri analiz etmek

• Doğrudan ve dolaylı etkileri birlikte değerlendirmek

SEM Uygulaması – Jamovi SEMLj Modülüyle

Yine yukarıdaki model syntax yapısı kullanılarak şu tür modeller kurulabilir:

Bu yapı, “akademik” ve “sosyal” gizil değişkenlerinin “başarı” üzerindeki etkisini test eder.

---

Model Uygunluğu ve Değerlendirme

Yapısal modellerin geçerliliği, model uyum indeksleriyle değerlendirilir:

• Chi-Square / df (2’ye yakın olmalı)

• RMSEA < 0.08 (iyi uyum)

• CFI, TLI > 0.90 (yüksek uyum)

• SRMR < 0.08 (düşük hata)

Jamovi SEMLj modülü tüm bu değerleri sunar ve grafikleştirir.

---

Grafiksel Model Gösterimi

Jamovi’nin SEMLj modülü, analiz sonunda ilişkileri şematik olarak gösteren bir yol diyagramı (path diagram) sunar. Bu diyagram, araştırmacıların model yapılarını daha kolay kavramasını sağlar.

---

Uygulama Alanları

• Psikoloji: Anksiyete, öz yeterlik gibi kavramları ölçmek

• Eğitim: Öğrenci başarısını etkileyen gizil yapılar

• Sosyoloji: Toplumsal davranışları modellemek

• Pazarlama: Marka algısı ve müşteri sadakati ilişkisini test etmek

• Sağlık: Ruhsal durum ile yaşam kalitesi arasındaki yapısal ilişkiler

---

Dikkat Edilmesi Gerekenler

1. Örneklem büyüklüğü önemli (her gizil yapı için en az 10 gözlem önerilir)

2. Modelin teoriye dayalı olması gerekir

3. Gözlenen değişkenler yüksek güvenilirlikte olmalı

4. Modeller aşırı karmaşık olmamalı (parsimoni prensibi)

---

Sonuç

Jamovi ile faktör analizi ve yapısal eşitlik modellemesi, araştırmacıların karmaşık ilişkileri analiz etmesini kolaylaştırır. Hem sezgisel arayüz hem de gelişmiş modelleme olanakları sayesinde, ileri düzey analizler artık yalnızca uzmanların tekelinde değil. Bilimsel araştırmalarda geçerlilik ve güvenilirliği artırmak isteyen herkes, Jamovi ile bu yöntemleri kolayca uygulayabilir.

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.