Özel ders şeklinde SPSS & AMOS eğitimleri veriyoruz. Eğitimlerimizi online veya yüz yüze gerçekleştirebiliyoruz. Ders günü ve saatini siz belirleyebilirsiniz.

Eğitimlerimiz sayesinde, SPSS ve AMOS programlarında istatistiksel analiz yapmayı sıfırdan öğrenebilir; tez ve makale çalışmalarınız için ihtiyaç duyduğunuz spesifik temel ve ileri düzey analizleri kısa sürede öğrenebilirsiniz.

Yapısal Eşitlik Modellemesi
(AMOS)

Bize Ulaşın!

Üst düzey akademik çalışmalarınız için, verilerinizi Yapısal Eşitlik Modeli (YEM) ile analiz ediyoruz.

AMOS programında YEM ile Faktör Analizi, Yol Analizi, Regresyon Analizi, Aracılık Analizi gibi ileri düzey analizleri yaparak akademik yayına hazır bir rapor haline getiriyoruz.

Yapısal Eşitlik Modeli (YEM)

Nedir ve Ne İşe Yarar?

Bize Ulaşın!

Yapısal Eşitlik Modeli (YEM), ileri düzey araştırmalarda (doktora tezi veya akademik dergi makalesi gibi) sıkça kullanılan popüler bir analiz yöntemidir. Yapısal Eşitlik Modeli, aslında tek bir analiz değildir; bir analiz ailesinin adıdır.

YEM ile aşağıdaki analizler yapılabilir:

Doğrulayıcı Faktör Analizi
Regresyon Analizi
Yol Analizi
Aracılık Analizi
Çoklu Grup Analizi

Meta İstatistik olarak, çalışmanıza uygun Yapısal Eşitlik Modeli analizlerini gerçekleştirip, sonuçları sizin için raporluyoruz. ✅

Hazırladığımız raporda YEM şeması görsel olarak bulunuyor, ek olarak akademik formatta hazırladığımız tablolar bulunuyor ve sonuçların bilimsel yorumları paragraflar halinde bulunuyor. Bizden tamamen yayına hazır bir rapor teslim alıyorsunuz.

👉 Detaylı bilgi için bizimle telefon numaramızdan iletişime geçebilirsiniz!

Doğrulayıcı Faktör Analizi

Yapısal Eşitlik Modeli - Örnek 1

Bize Ulaşın!

Yapısal Eşitlik Modeli Doğrulayıcı Faktör Analizi

Doğrulayıcı Faktör Analizi, daha önceden literatürde yayınlanmış bir ölçeği kendi çalışmanızda kullandığınız zaman, ölçeğin Geçerlik bakımından uygun olduğunu göstermenize yarayan istatistiksel analizdir. Bu analiz, AMOS ile Yapısal Eşitlik Modeli oluşturularak yapılır.

Her ölçek, her örneklemde aynı çalışmayabilir. Bu yüzden, eğer literatürde yayınlanmış ve geçerlik-güvenilirlik bakımından kabul görmüş olsa dahi, "acaba benim araştırmamda bu ölçek literatürde beklendiği gibi çalışmış mı" diye öğrenmek için Doğrulayıcı Faktör Analizi yapmak gerekir.

Doğrulayıcı Faktör Analizi yaparken, ölçeğin literatürde paylaşıldığı hali (hangi alt boyutların hangi maddelerden oluştuğu) referans alınır ve sizin topladığınız verinin ölçeğin literatürdeki teorik yapısıyla uyumlu olup olmadığı test edilir.

Doğrulayıcı Faktör Analizi'nin amacı, ölçeği kullanarak sizin topladığınız verilerin, ölçeğin literatürde paylaşılan yapısıyla uyumlu olduğunu göstermektir. Bunun için Uyum İndeksi adı verilen değerler incelenir. Gerekli görüldüğü takdirde, az sayıda madde ölçekten silinerek veya ölçek modelinde çeşitli modifikasyonlar yapılarak, Uyum İyiliği değerleri arttırılır ve istenilen düzeye getirilir.

Mesela bu bölümdeki örnekte 13 maddelik bir Alışkanlık ölçeğinin Doğrulayıcı Faktör Analizi şemasını görüyorsunuz. Bu ölçeğin1-3 numaralı maddeleri Kültürel Alışkanlık boyutunu, 4-6 numaralı maddeleri Sosyal Alışkanlık boyutunu ve 7-13 numaralı maddeleri ise Ekonomik Alışkanlık boyutunu oluşturmaktadır. Ölçeğin Doğrulayıcı Faktör Analizi sonucunda 1 madde (madde 12) ölçekten silinmiş ve Madde 10-11 arası hata varyansı birleştirme işlemi yapılmıştır. Ölçek bu şekilde son haline getirilip yüksek Uyum İyiliği değerlerine sahip olmuştur.

Doğrulayıcı Faktör Analizi sonucunda Uyum İyiliği değerleri yüksek bir ölçek modeli elde ettikten sonra, son olarak ölçeğin Birleşim Geçerliği ve Ayrışım Geçerliği bakımından yeterli olup olmadığı test edilir. Bunun için, AVE - CR - MSV - ASV değerleri, Fornell-Larcker Kriteri, HTMT oranı gibi metriklere bakılır. Bütün kriterlerin uygun olduğu sonucuna varıldıktan sonra analizler raporlanır.

Regresyon Analizi

Yapısal Eşitlik Modeli - Örnek 2

Bize Ulaşın!

Yapısal Eşitlik Modeli ile Regresyon Analizi yaparak, çeşitli bağımsız değişkenlerin çeşitli bağımlı değişkenler üzerindeki etkilerini tek bir kapsamlı analizle detaylı olarak inceleyebiliyoruz.

Örneğin İçsel ve Dışsal Motivasyon değişkenlerinin İş Performansı ve Mutluluk üzerindeki etkilerini incelemek istiyoruz. Bunu YEM kullanarak yaparsak, bütün değişkenlerin birbirinin varlığı durumunda diğerleri üzerindeki etkisini görebiliriz.

YEM ile Regresyon Analizi yapmanın 2 önemli avantajı vardır:

Bütün değişkenlerin maddeleri modele teker teker eklenerek ölçüm hatası kontrol altına alınır. Bu sayede değişkenlerin birbirleri üzerindeki etkisi en güvenilir şekilde tahmin edilir.
Oluşturulan analiz modelinin veriyle yüksek düzeyde uyumlu olduğu Uyum İndeksleri aracılığıyla gösterilir, bu da analiz modelinin geçerliliğini destekler.

Mesela bu bölümdeki örnekte modeli incelersek, İçsel Motivasyon'un İş Performansı ve Mutluluk üzerindeki etkilerinin düşük fakat Dışsal Motivasyon'un İş Performansı ve Mutluluk üzerindeki etkilerinin daha yüksek olduğunu görebiliyoruz.

Yol Analizi

Yapısal Eşitlik Modeli - Örnek 3

Bize Ulaşın!

Yapısal Eşitlik Modeli ile Yol Analizi yaparak, çeşitli bağımsız değişkenlerin çeşitli bağımlı değişkenler üzerindeki etkilerini tek bir kapsamlı analizle detaylı olarak inceleyebiliyoruz.

Yol Analizi'nin bir önceki Regresyon Analizi'nden farkı, Yol Analizi'nde yalnızca ölçek toplam skorlarıyla işlem yapmamızdır. Yani Yol Analizi'nde ölçek maddelerini ayrı ayrı modele dahil etmeyiz. Sadece ölçek toplam skorlarını kullanırız. Bu sebeple sade bir analiz modeli olur.

Aslında bir üstteki Regresyon Analizi daha detaylı olduğu için daha güçlüdür, fakat sade görünüm istenen çalışmalarda Yol Analizi tercih edilebilmektedir.

Bu bölümdeki örnekte, İnovasyon Odaklılık, Çevresel Pazarlama Stratejileri, Yeşil İnovasyon, Satış Performansı ve Çevresel Performans değişkenlerinin birbirleri üzerindeki etkilerini Yol Analiziyle incelemiş oluyoruz.

Aracılık Analizi

Yapısal Eşitlik Modeli - Örnek 4

Bize Ulaşın!

Yapısal Eşitlik Modeli ile Aracılık Analizi yaparak, bir veya daha fazla bağımsız değişkenin, bir veya daha fazla bağımlı değişken üzerindeki etkisinde bir veya daha fazla bağımsız değişkenin aracı etkisi olup olmadığını detaylı olarak inceleyebiliyoruz.

Örneğin bu örnekte, Tutum'un Özyeterlik üzerindeki etkisinde Mesleki Örgüt Aidiyeti'nin, Mesleki Mekan Aidiyeti'nin ve Mesleki Yönetim Aidiyeti'nin aracı etkilerini incelemiş oluyoruz.

YEM ile Aracılık Analizi yapmanın en önemli avantajları, ölçüm hatasını da hesaba katarak değişkenlerin birbirleri üzerindeki etkilerini en isabetli biçimde tahmin etmek ve uyum iyiliği değerleri sayesinde modelin veriyle uyumunu en iyi şekilde değerlendirmenin yanı sıra, değişkenlerin birbirleri üzerindeki hem doğrudan etkilerini hem de dolaylı etkilerini inceleyebilmeye olanak tanımasıdır.

Aracılık Analizi, iki yukarıda gösterdiğim Regresyon Analizi modeline göre daha karmaşık bir model olduğu için YEM analizlerinde genelde Regresyon Analizi yerine Aracılık Analizi tercih edilmektedir.

Çoklu Grup Analizi

Yapısal Eşitlik Modeli - Örnek 5

Bize Ulaşın!

Yapısal Eşitlik Modeli Çoklu Grup Analizi Örnek.png

Yapısal Eşitlik Modeli ile Çoklu Grup Analizi, bir bakıma Düzenleyici Etki Analizi olarak düşünülebilir. Bu analizde, oluşturduğumuz analiz modelini bizim örneklemimizdeki "düşük motivasyona sahip kişiler" ve "yüksek motivasyona sahip kişiler" şeklinde 2 farklı grup arasında karşılaştırıp modelde görünen değişkenlerin birbirlerine etkileri 2 grup özelinde farklılaşıyor mu bunu görebiliyoruz.

Örneğin bu örnekte, 580 kişilik bir örneklemi "düşük motivasyonlu kişiler" ve "yüksek motivasyonlu kişiler" olmak üzere iki gruba ayırdık. Grupların birinde 279 kişi oldu, diğerinde 301 kişi oldu. Sonrasında şekilde sol taraftaki değişkenlerin sağ taraftaki değişkenler üzerindeki etkilerini her iki grup için de ayrı ayrı olarak kendi özelinde inceledik. Sonrasında da iki grup için bulduğumuz etkiler birbirinden anlamlı farklılık gösteriyor mu diye test ettik.

YEM ile Çoklu Grup Analizi yapmanın en büyük avantajı, modelde ölçüm hatalarını dikkate alarak karşılaştırdığımız her iki grup için de detaylı sonuçlara erişebilmemiz, bunun üzerine bu detaylı etkileri birbirleri arasında da karşılaştırabilip "düşük" ve "yüksek" motivasyon grupları arasında bu etkilerin farklılaşıp farklılaşmadığını görebilmemizdir.

Mesela modeldeki Benefits değişkeninin Affective değişkeni üzerindeki etkisi, düşük motivasyonlu kişilerde anlamlı değilken yüksek motivasyonlu kişilerde anlamlı olabilir. O zaman, "Benefits'in Affective üzerindeki etkisinde Motivasyon seviyesinin düzenleyici rolü var" şeklinde bir yorum yapabiliyoruz.