ÖLÇÜM MODELİ – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
ÖLÇÜM MODELİNİN DEĞERLENDİRİLMESİ: MODEL ÇİZİMİ
Burada kapsananların çoğu zaten anlatılmıştır ve bu nedenle bu bölümde biraz daha az ayrıntıya gireceğiz; okuyucular, gerekirse ek ayrıntılar için bu iki bölüme başvurmaya teşvik edilir.
İstatistik başarı veri dosyasını açıyoruz ve ana menüden Analyze ➔ IBM SPSS Amos’u seçiyoruz. Önceki bölümlerde yaptığımız gibi, varsayılan dikey (uzun) yönlendirmeden (IBM SPSS Amos’ta varsayılan olarak açılır) yatay (geniş) yönlendirmeye geçmeyi seçiyoruz. Yönü değiştirmek için ana menüden Görünüm ➔ Arayüz özellikleri’ni seçiyoruz. Bu eylem, görüldüğü gibi Arayüz Özellikleri penceresini açar. Kağıt Boyutu altında Yatay-Yasal’ı seçin, Uygula’yı seçin ve pencereyi kapatın.
Ölçüm modeli, doğrulayıcı faktör analizi yapılarak değerlendirilir. Simge araç çubuğu menüsünden, bir gizli değişken çizmeyi temsil eden simgeyi (kareler ve daha fazla daire içeren daire) seçin veya gösterildiği gibi bir gizli değişkene bir gösterge ekleyin. Doğrulayıcı modelimizi çizmek için bu aracı kullanıyoruz. Bu işlevi seçerek etkinleştirdikten sonra, ilk faktörü çizim alanının soluna doğru çizmek için tıklayın.
İmleci daire/oval içine yerleştirin. Ardından, iki gösterge değişkenini ve bunlarla ilişkili hataları çizmek için iki kez tıklayın. Gösterilen konfigürasyonla sonuçlanan sonraki üç gizli değişkeni satırın aşağısına çizin. Hatalardan gelen tüm yolların ve her faktörden ilk gösterge değişkenine giden yolun, her bir gizli değişkeni (faktör ve hata) ölçülen değişkenlere ölçeklendirmek için otomatik olarak 1 değeriyle sınırlandırıldığını unutmayın. Bu işlevi sonlandırmak (ve işletim sistemi imlecine geri dönmek) için çizim alanının boş bir bölümüne sağ tıklayın.
Daha sonra, gösterilen varsayımsal yapısal modele dayalı olarak faktörler arasındaki korelasyon (kovaryans) yollarını çizeceğiz. Modeldeki her gizil değişkenin kendisinden diğer tüm gizil değişkenlere giden bir yolu vardır; bu yolların çoğu nedensel (tahmin edici) yollardır (tek başlı oklar) ama aynı zamanda kaygı ve etkinlik arasında bir kovaryans (korelasyon) yolu vardır; bu ilişkilerin doğrulayıcı faktör analizimizde yakalanması gerekir. Simge araç çubuğundan, Beraberlik çiz (çift başlı ok) seçeneğini seçiyoruz ve sağdan sola doğru çalışarak, gösterilen bir yapıyı yansıtmak için tüm kovaryansları çiziyoruz.
Bir sonraki görevimiz, ölçülen her (gösterge) değişkeni veri dosyamızdan bir değişkenle ilişkilendirmektir. Ana menüden View Variables in Dataset seçiyoruz. Bu, resimde görülen Veri Kümesindeki Değişkenler penceresini açar. Her bir değişkeni sırayla seçin ve tüm gözlemlenen değişkenlerin gösterildiği gibi doğru şekilde yapılandırılması için uygun dikdörtgene sürükleyin. Bittiğinde, Veri Kümesindeki Değişkenler penceresini kapatın.
Faktörleri adlandırmak için, gösterilen Object Properties penceresini etkinleştirmek için bir faktörün içine çift tıklıyoruz. Her bir gizli değişken için kullanmak istediğimiz ismi sırayla yazıyoruz; kaygı, etkinlik, bilim ve istatistik adlarını kullanıyoruz. Bu aktivitenin sonucu gösterilir.
Modeli çizmedeki son görev, gizli hata değişkenlerini (IBM SPSS Amos tarafından benzersiz değişkenler olarak adlandırılır) adlandırmaktır. Ana menüden Plugins ➔ Name Unobserved Variables seçeneğini seçiyoruz. Bu komut seçildiğinde, benzersiz değişkenler “e” (hata terimi için) olarak etiketlenecek ve bir sıra numarası verilerek e1’den e8’e kadar değişken adları elde edilecektir.
ÖLÇÜM MODELİNİN DEĞERLENDİRİLMESİ: ANALİZ KURULUMU
Doğrulayıcı faktör analizi diyagramı tamamlandığında, bir sonraki işimiz analizi yapılandırmak. Ana menüden Görünüm ➔ Analiz Özellikleri seçip gösterildiği gibi Analiz Özellikleri penceresini açıyoruz. Çıktı sekmesini seçin. Standartlaştırılmış tahminleri (bunlar, ölçülen değişkenlerin tahmini için standartlaştırılmış regresyon katsayılarını üretir) ve Modifikasyon endekslerini (bunlar, model uyumunun nasıl iyileştirileceğine ilişkin IBM SPSS Amos “önerileri” üretir) kontrol edin. Analizi yürütmek için, çıktı dosyasını gerektiği gibi uygun bir konuma kaydederek ana menüden Analiz Et ➔ Tahminleri Hesapla’yı seçin.
Gizil değişken Nedir
Formatif ne demek
Reflektif ne demek
ÖLÇÜM MODELİNİN DEĞERLENDİRİLMESİ: ANALİZ ÇIKTI
Analizin sonuçlarına erişmek için, gösterildiği gibi çizim alanının hemen solundaki üst çıktı panelindeki Çıktı yolu diyagramını görüntüle simgesini (sağdaki) seçin. Görüntülenen, Standartlaştırılmamış tahminlerin görüntülendiği onay şemasıdır.
Çıktıyı tablo şeklinde elde etmek için Görünüm ➔ Metin Çıktısı ana menüsünden seçim yapın. Bu eylem, gösterilen Çıktı penceresinin Model için Notlar ekranını açar. Ekranda ilk satırda belirtilen Varsayılan model, gösterilen doğrulayıcı modeldir. Modelle ilişkili ki-kare değerinin 24.695 olduğu ve 14 serbestlik derecesi ile istatistiksel olarak anlamlı olduğu görülebilir (p = .038).
Bu, modele dayalı beklenen değerlerin veriler tarafından temsil edilenlerden önemli ölçüde farklı olduğunu gösterir, ancak ki-kare testinin aşırı güçlü olması ve gözlemlenen ve tahmin edilen kovaryanslar arasındaki küçük tutarsızlıkları tespit edebilmesi açısından başka uyum ölçümleri de kullanıyoruz. modelin verilere uymadığını göstermektedir.
Sol panelde Model Uyum’un seçilmesi, IBM SPSS Amos tarafından üretilen çeşitli uyum dizinlerini görüntüler; odaklandıklarımız sunulmaktadır. Üst 16’da gösterilen CMIN tablosu, Model Notları ekranında gördüğümüz bilgileri tekrarlayan ki-kare uyum iyiliği testi olan Varsayılan model satırındaki minimum tutarsızlık değerini sunar.
GFI, .973 değerinin kılavuz değerimiz olan .95’i aştığını gördüğümüz bir sonraki tabloda gösterilmektedir, bu da kabul edilebilir bir model uyumu düzeyi önermektedir. NFI ve CFI, üstteki ekran görüntüsünün alt tablosunda gösterilmektedir, burada ilgili .962 ve .983 değerlerinin de .95’lik kılavuz değerimizi karşıladığını ve kabul edilebilir bir model uyumu düzeyi olduğunu görüyoruz. RMSEA tablosu alt ekran görüntüsünde sunulmaktadır. .063 değeri de modelin verilere oldukça iyi uyduğunu göstermektedir.
Özetle, NFI, CFI ve RMSEA indeksleri, .05’lik bir alfa düzeyinde istatistiksel olarak anlamlı olan ilişkili bir ki-kare olmasına rağmen, doğrulayıcı modelimizin verilere oldukça iyi bir şekilde uyduğunu göstermektedir.
Sol panelde Tahminlerin seçilmesi, faktör katsayıları kısmı gösterilen model tarafından oluşturulan tahmini parametreleri görüntüler. Regresyon Ağırlıkları Tablosu standartlaştırılmamış regresyon katsayılarını sunar ve alt tablo aynı bilgiyi standartlaştırılmış biçimde (okunması daha kolay) sunar.
Tahmin edilen tüm katsayılar istatistiksel olarak anlamlıydı ve standartlaştırılmış katsayılar, ölçülen değişkenlerin ilgili faktörlerinin iyi göstergeleri olduğunu gösteriyor.
Üst tablodaki Kovaryansları (standartlaştırılmamış korelasyonlar) ve alt tablodaki faktörler arasındaki Korelasyonları sunar. Faktörler gerçekten bağıntılıdır, ancak bu ilişkilerin güçleri en fazla orta düzeydedir ve bu nedenle doğrulayıcı bir model için tamamen kabul edilebilirdir (faktörlerin eskiden olduğu gibi birbirlerinden ayırt edilemez olacak şekilde ilişkilendirilmesini istemeyiz).
Modifikasyon Endeksleri gösterilir. Burada teorik olarak geçerli hiçbir öneri yok gibi görünüyor ve bu nedenle göz ardı edilebilirler. Analizin bu bileşenine ilişkin genel bir sonuç olarak, ölçüm modelinin kabul edilebilir olduğu görülmektedir; yani, varsayımsal yapıyı, ölçüm modelinin uygulanabilirliğini kabul etmek için verilere yeterince uygun olarak alıyoruz. Bu sonuca göre, artık uygun yapısal modeli belirlemeye ve değerlendirmeye geçebiliriz.