Ayırt Edici Geçerlik: Fornell-Larcker ve HTMT
Basira Editör Ekibi · · 11 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım
Aa Yazı boyutu
Anahtar çıkarımlar
- Ayırt edici geçerlik, kuramca farklı olan iki yapıyı ölçen puanlar arasındaki ilişkinin, ölçme hatası hesaba katıldıktan sonra da iki ölçümü ayrı saymaya yetecek kadar düşük olduğunun kanıtıdır.
- Fornell-Larcker ölçütü, her boyutun ortalama açıklanan varyansının (AVE) karekökünü o boyutun öbür boyutlarla gizil korelasyonuyla karşılaştırır.
- HTMT, boyutlar arası madde korelasyonlarının ortalamasını boyut içi madde korelasyonlarının ortalamasına oranlar; .85 ya da .90 eşikleri ve güven aralığının 1'in altında kalması birlikte kullanılır.
- Ölçek puanları arasındaki ham korelasyon ölçme hatası nedeniyle düşük çıkar; ayırt edici geçerlik sorununu gizleyebilir.
- Ayırt edici geçerlik evet-hayır kararı değil bir derecedir: korelasyon güven aralığıyla raporlanır ve kuramsal beklentiyle birlikte yorumlanır.
İçindekiler
Ayırt edici geçerlik, kuramca farklı olması gereken iki yapıyı ölçen puanların birbirinden yeterince ayrıştığının kanıtıdır: iki ölçüm arasındaki korelasyon, ölçme hatası hesaba katıldıktan sonra da iki ölçümü ayrı yapılar saymaya yetecek kadar düşük olmalıdır. Çok boyutlu ölçeklerde boyutların ayrışması Fornell-Larcker ölçütüyle, HTMT (heterotrait-monotrait) oranıyla ve gizil korelasyonların güven aralığıyla sınanır.
Ayırt edici geçerlik, yapı geçerliğinin “başka değişkenlerle ilişkiler” kanıtı arasında sayılabilir; çok boyutlu bir ölçekte boyutların birbirinden ayrışması ise iç yapıyla da ilgilidir. Kanıt türlerinin bütünü yapı geçerliği ve geçerlik ve güvenirlik yazılarında anlatılır. Ölçme aracının tezdeki yeri ve analiz sürecinin bütünü tez istatistik analizi yol haritası yazısındadır.
Ayırt edici geçerlik nedir?
Kısaca, farklı yapıları ölçen iki ölçüm, aralarındaki korelasyon aynı yapıyı ölçen ölçümlerinkinden belirgin biçimde düşükse ve ölçme hatası düzeltildikten sonra da onları ayrı yapılar saymaya yetecek kadar düşük kalıyorsa ayırt edici geçerliğe sahiptir.
Ayırt edici geçerlik (discriminant validity) kavramı Campbell ve Fiske’ye (1959) dayanır. Bir ölçme aracının geçerliğini savunmak için iki tür kanıt gerekir: aynı yapıyı ölçen farklı ölçümler yüksek ilişki göstermeli (yakınsak geçerlik), farklı yapıları ölçen ölçümler ise o kadar yüksek ilişki göstermemelidir (ayırt edici geçerlik). Örneğin yeni bir “akademik erteleme” ölçeği, başka bir erteleme ölçeğiyle güçlü, kaygı ölçeğiyle ise belirgin biçimde daha zayıf ilişki göstermelidir. Erteleme puanı kaygı puanıyla, başka bir erteleme ölçeğiyle olduğu kadar güçlü ilişkiliyse, yeni ölçeğin ayrı bir yapıyı ölçtüğü savunulamaz.
Rönkkö ve Cho (2022) uygulamadaki tanımları inceleyip genelleştirilmiş bir tanım önerir: farklı yapıları ölçmesi amaçlanan iki ölçüm, aralarındaki korelasyonun mutlak değeri ölçme hatası düzeltildikten sonra da iki ölçümü ayrı yapılar saymaya yetecek kadar düşükse ayırt edici geçerliğe sahiptir. Bu tanımın iki sonucu vardır:
- Ölçme hatası düzeltilir. Ham ölçek puanları arasındaki korelasyon ölçme hatası nedeniyle gerçek ilişkiden düşük çıkar; bu yüzden ham korelasyon bir ayırt edici geçerlik sorununu gizleyebilir.
- Karar bir derecedir. Korelasyon sıfır olmak zorunda değildir; birbiriyle ilişkili ama ayrı iki yapı (ör. kaygı ve depresyon) kuramca beklenir. Soru, korelasyonun 1’e ne kadar yakın olduğudur.
Terim, madde analizindeki “ayırt edicilik” ile karıştırılmamalıdır. Madde ayırt ediciliği bir maddenin, ölçülen özelliği yüksek ve düşük olan kişileri ayırıp ayırmadığını gösterir; ayırt edici geçerlik ise iki yapının, yani iki ölçümün birbirinden ayrışıp ayrışmadığını.
Ayırt edici geçerlik hangi yöntemlerle sınanır?
Yöntemler iki ailede toplanır: korelasyonu bir eşikle ya da ortalama açıklanan varyansla (AVE) karşılaştıranlar ve modelleri karşılaştıranlar.
| Yöntem | Ne karşılaştırılır? | Gereken | Not |
|---|---|---|---|
| Çok özellik-çok yöntem matrisi | Aynı yapının farklı yöntemlerle ölçümleri ile farklı yapıların ölçümleri arasındaki korelasyonlar | Her yapı için en az iki yöntem | Kavramın özgün yöntemi (Campbell ve Fiske, 1959); tek yöntemli çalışmalarda uygulanamaz |
| Fornell-Larcker ölçütü | Her boyutun AVE’si ile iki boyut arasındaki gizil korelasyonun karesi | Doğrulayıcı faktör analizi (DFA) yükleri ve faktör korelasyonları | Fornell ve Larcker (1981) |
| HTMT oranı | Boyutlar arası ile boyut içi madde korelasyonlarının ortalaması | Yalnız madde korelasyon matrisi | Henseler vd. (2015); eşik .85 ya da .90 |
| Gizil korelasyonun güven aralığı | Faktör korelasyonunun %95 güven aralığının 1’in ya da seçilen bir eşiğin altında kalıp kalmadığı | DFA | Rönkkö ve Cho (2022) bu yaklaşımı önerir |
| İç içe model karşılaştırması | İki boyutlu model ile iki boyutun birleştirildiği ya da korelasyonu 1’e sabitlenen model | DFA | Ki-kare farkı; örneklem büyükken küçük farkları da anlamlı bulur |
| Dış ölçütlerle korelasyon | Ölçek puanının kuramca farklı bir yapının ölçeğiyle korelasyonu, yakınsak korelasyonla | Ek ölçek | Beklenen büyüklük veri toplanmadan yazılır |
Çok boyutlu bir ölçekte boyutların birbirinden ayrışıp ayrışmadığı soruluyorsa Fornell-Larcker ve HTMT birlikte raporlanır. Ölçeğin bütünüyle başka bir yapıdan ayrışıp ayrışmadığı soruluyorsa dış ölçütle korelasyon gerekir; bu korelasyonlar değişkenlerin türüne göre Pearson korelasyonu ya da Spearman korelasyonuyla hesaplanır ve bir korelasyon tablosu ile sunulur.
Fornell-Larcker ölçütü nasıl hesaplanır?
Fornell-Larcker ölçütü, bir boyutun kendi maddeleriyle paylaştığı varyansın, başka bir boyutla paylaştığı varyanstan büyük olmasını ister. Önce her boyut için ortalama açıklanan varyans (AVE) hesaplanır; , maddeli bir boyutta . maddenin standartlaştırılmış faktör yüküdür:
Ölçüt, iki boyutun AVE’lerinin ikisinin de bu iki boyut arasındaki gizil korelasyonun () karesinden büyük olmasıdır. Aynı koşul karekökle de yazılabilir; örnekteki Tablo 1 bu biçimi kullanır:
Tabloda köşegene her boyutun AVE’sinin karekökü, köşegen dışına boyutlar arası korelasyonlar yazılır; köşegendeki her değer kendi satırındaki ve sütunundaki korelasyonlardan büyük olmalıdır.
Ölçütün iki sınırı vardır. Birincisi, karşılaştırılacak korelasyon DFA’dan gelen gizil korelasyondur. Rönkkö ve Cho (2022), AVE’nin ölçek puanları arasındaki ham korelasyonun karesiyle karşılaştırılmasını uygulamada en sık rastlanan yanlış kullanım olarak sayar; ham korelasyon ölçme hatası yüzünden düşük çıktığı için bu karşılaştırma ölçütü olduğundan kolay geçirir.
İkincisi, Henseler vd. (2015) benzetim çalışmalarında Fornell-Larcker ölçütünün varyansa dayalı yapısal eşitlik modellerinde (ör. kısmi en küçük kareler, PLS) ayırt edici geçerlik eksikliğini güvenilir biçimde yakalayamadığını gösterir.
Dikkat
AVE ayrıca yüklerin büyüklüğüne bağlıdır: yükleri düşük bir boyut, öbür boyutla ilişkisi düşük olsa bile ölçütü geçemeyebilir. Bu bir yakınsak geçerlik sorunudur ve ayrı yorumlanır.
HTMT nasıl hesaplanır?
HTMT (heterotrait-monotrait ratio), Henseler vd.‘nin (2015) çok özellik-çok yöntem matrisinden türettiği orandır. İki boyutun maddeleri arasındaki korelasyonların ortalaması (farklı özellik), her boyutun kendi maddeleri arasındaki korelasyonların ortalamalarının geometrik ortalamasına bölünür. boyutunun , boyutunun maddesi olduğunda:
Burada , ‘nın her maddesiyle ‘nin her maddesi arasındaki korelasyonun ortalaması; ve , her boyutun kendi içindeki madde çiftlerinin korelasyon ortalamasıdır. HTMT, iki boyut arasındaki gerçek korelasyonun bir kestirimidir: Rönkkö ve Cho (2022) bunun, ölçek puanları korelasyonunun paralel ölçümler varsayan bir güvenirlikle (standartlaştırılmış alfa) düzeltilmiş hâline denk olduğunu gösterir. Faktör analizi gerektirmez; madde korelasyon matrisi yeter.
Bu denklik paralel ölçüm varsayımına (maddelerin eşit yük ve eşit hata varyansı taşıması) dayanır; Rönkkö ve Cho (2022), varsayım bozulduğunda HTMT’nin gizil korelasyonu yanlı kestirdiğini bildirir ve DFA’dan gelen gizil korelasyonun güven aralığını daha güvenilir bulur.
HTMT iki yolla kullanılır (Henseler vd., 2015):
- Eşik olarak. HTMT bir eşiğin üstündeyse ayırt edici geçerlik sorunu vardır. Henseler vd. literatürden iki eşik aktarır: .85 ve .90. Seçim modelin kuruluşuna ve araştırmacının ne kadar ihtiyatlı olmak istediğine bağlıdır: en sıkı ölçüt .85’tir; kavramca farklı olsa da uygulamada ayırt edilmesi güç yapılar içeren modellerde yazarlar daha gevşek ölçütü (.90 ya da güven aralığına dayalı çıkarım) uygun görür.
- Çıkarım olarak. HTMT’nin bootstrap güven aralığı hesaplanır; aralık 1’i içeriyorsa iki boyut ayrıştırılamaz. Birden çok boyut çifti sınanıyorsa çoklu karşılaştırma için aralık genişletilir (Henseler vd. Bonferroni düzeltmesini kullanır).
Eşikler bir benzetim çalışmasından ve yazarların önerilerinden gelir; her ölçek ve örneklem için geçerli kesin sınırlar değildir. Bu yüzden HTMT değeri güven aralığıyla raporlanır ve iki yapının kuramca ne kadar yakın olması beklendiğiyle birlikte yorumlanır.
Örnek: üç boyutlu bir ölçekte Fornell-Larcker ve HTMT
Aşağıdaki sonuçlar, 400 katılımcılı sentetik (yapay olarak üretilmiş) bir ölçek verisinden R 4.5.1 ile hesaplandı. Ölçeğin 24 maddesi üç boyutta toplanır: azim (Madde 1–8), uyum sağlama (Madde 9–16) ve iyimserlik (Madde 17–24); yanıtlar beş kategorilidir. Standartlaştırılmış yükler ve gizil korelasyonlar üç boyutlu bir DFA modelinden (lavaan 0.6-21, en çok olabilirlik), HTMT ise madde korelasyon matrisinden hesaplandı.
Modelin uyumu iyiydi: χ²(249) = 272.14, CFI = .993, RMSEA = .015, SRMR = .037. Veri setinde bilerek zayıf bağlı bir madde (Madde 23) vardı.
Tablo 1
Üç Boyutun AVE Karekökleri, Gizil Korelasyonları ve HTMT Değerleri
| Boyut | Azim | Uyum sağlama | İyimserlik |
|---|---|---|---|
| Azim | .705 | .458 | .288 |
| Uyum sağlama | .460 | .661 | .366 |
| İyimserlik | .282 | .378 | .636 |
Not. Köşegen: her boyutun AVE’sinin karekökü. Köşegenin altı: DFA’dan gizil korelasyonlar. Köşegenin üstü: HTMT. HTMT, işaretli korelasyonlarla hesaplandı (Henseler vd., 2015).
Fornell-Larcker ölçütü. Tablo 1’de köşegendeki her değer, kendi satırındaki ve sütunundaki gizil korelasyonlardan büyüktür. En yakın çift uyum sağlama ile azimdir: uyum sağlamanın AVE’sinin karekökü .661, iki boyutun gizil korelasyonu .460’tır. Aynı karşılaştırma kare biçiminde de geçer: bu çiftin gizil korelasyonunun karesi .212, iki boyutun AVE’leri ise .437 ve .497’dir.
HTMT. Üç değer .288 ile .458 arasındadır ve .85 eşiğinin çok altındadır. 2.000 bootstrap örneklemiyle hesaplanan %95 güven aralıkları azim-uyum sağlama için [.356, .545], azim-iyimserlik için [.177, .389], uyum sağlama-iyimserlik için [.260, .468]‘dir; hiçbiri 1’e yaklaşmaz. Üç çift birlikte sınandığı için aralıklar Bonferroni düzeltmesiyle (%98,3) de hesaplandı: [.336, .565], [.147, .410] ve [.239, .490]; sonuç değişmez.
Azim ile uyum sağlama boyutlarında DFA yükleri birbirine yakındır (.62–.73); bu çiftte HTMT (.458) gizil korelasyonla (.460) neredeyse aynıdır. Yükler paralel ölçüm varsayımından uzaklaştıkça iki değer ayrışabilir.
Gizil korelasyonların güven aralığı. DFA’dan gelen gizil korelasyonların %95 güven aralıkları azim-uyum sağlama için [.369, .552], azim-iyimserlik için [.177, .386], uyum sağlama-iyimserlik için [.278, .478]‘dir; Bonferroni düzeltmesiyle (%98,3) üst sınırların en büyüğü .572’dir. Rönkkö ve Cho’nun (2022) önerdiği bu ölçüte göre de üç çiftin hiçbirinde korelasyon 1’e yaklaşmaz.
Tablo 2, gizil korelasyonu, HTMT’yi ve ham korelasyonu boyut çiftlerine göre bir arada gösterir.
Tablo 2
Boyut Çiftlerine Göre Gizil Korelasyon, HTMT ve Ham Korelasyon
| Boyut çifti | Gizil korelasyon [%95 GA] | HTMT [%95 bootstrap GA] | Ham korelasyon |
|---|---|---|---|
| Azim – uyum sağlama | .460 [.369, .552] | .458 [.356, .545] | .399 |
| Azim – iyimserlik | .282 [.177, .386] | .288 [.177, .389] | .246 |
| Uyum sağlama – iyimserlik | .378 [.278, .478] | .366 [.260, .468] | .305 |
Not. GA: güven aralığı. Ham korelasyon, ölçek toplam puanları arasındaki korelasyondur.
Ham korelasyonun yanıltıcılığı. Ölçek puanları arasındaki ham korelasyonlar .399, .246 ve .305’tir; gizil korelasyonlardan (.460, .282, .378) belirgin biçimde düşüktür, çünkü ölçme hatası içerirler. AVE ham korelasyonun karesiyle karşılaştırılsaydı ölçüt olduğundan kolay geçerdi.
Düşük AVE başka bir sorundur. Üç boyutun AVE’si de .50’nin altındadır (azim .497, uyum sağlama .437, iyimserlik .405). Bunun ayırt edici geçerlikle doğrudan ilgisi yoktur: sorun, ölçütün girdisi olan AVE’nin boyutun kendi maddeleriyle bağının zayıflığını yansıtmasıdır. AVE için .50 sınırı bir yakınsak geçerlik ölçütüdür ve bulgu bu başlıkta yorumlanır (Fornell ve Larcker, 1981; Rönkkö ve Cho, 2022).
Uyum sağlama boyutunda bütün yükler .62 ile .69 arasındadır ve bileşik güvenirlik .861’dir; yine de AVE .437’de kalır, çünkü AVE’nin .50’yi aşması için yüklerin karelerinin ortalamasının .50’yi, yani yüklerin ortalama olarak .71 dolayını aşması gerekir.
İyimserlik boyutunda ise AVE’yi Madde 23 düşürür: yükü .11’dir. Madde 23 çıkarılıp model yeniden kurulduğunda iyimserliğin AVE’si .461’e çıkar, gizil korelasyonlar ise neredeyse değişmez. Maddenin çıkarılıp çıkarılmayacağı ise bir ayırt edici geçerlik kararı değil, madde analizi ve içerik kararıdır.
Tezde nasıl yazılır
Bu bulgular şöyle raporlanabilir: “Ayırt edici geçerlik Fornell-Larcker ölçütü, gizil korelasyonların güven aralıkları ve HTMT ile incelendi. Her boyutun AVE’sinin karekökü (.636–.705), o boyutun öbür boyutlarla gizil korelasyonlarından (.282–.460) büyüktü; gizil korelasyonların %95 güven aralıklarının üst sınırı .552’yi aşmadı. HTMT değerleri .288 ile .458 arasındaydı (eşik .85); %95 bootstrap güven aralıklarının üst sınırı .545’i, Bonferroni düzeltmeli aralıklarınki .565’i aşmadı. Boyutlar birbirinden ayrışmaktadır. Üç boyutun AVE’si .50’nin altında kaldı (.405–.497); bu bulgu yakınsak geçerlik kanıtları arasında tartışıldı.”
Ayırt edici geçerlik sağlanmazsa ne yapılır?
Bir çift boyut ayrışmıyorsa sayıyı düzeltmeye değil, nedenini anlamaya çalışılır:
- Madde içeriğini incelemek. İki boyutun maddeleri aynı davranışı farklı sözcüklerle soruyor olabilir. Çapraz yüklenen ya da öbür boyutun maddeleriyle yüksek korelasyon gösteren maddeler, açıklayıcı faktör analizi sonuçlarıyla birlikte gözden geçirilir.
- Kuramı yeniden düşünmek. İki boyut ayrı ölçülemiyorsa tek bir yapının iki yüzü olabilir. Bu durumda tek boyutlu ve iki boyutlu modeller karşılaştırılır ve karar kuramla gerekçelendirilir.
- Ortak yöntem varyansını değerlendirmek. Bütün maddeler aynı kişiden, aynı formla ve aynı anda toplandığında boyutlar arası korelasyonlar şişebilir.
- Yeni bir örneklemde sınamak. Ölçek geliştirme sürecinde madde değişikliğinden sonra yapı yeni bir örneklemde yeniden sınanır; sürecin aşamaları ölçek geliştirme yazısındadır.
Uyarlanan bir ölçekte boyutlar ayrışmıyorsa bu, özgün yapının yeni dilde ve kültürde aynı biçimde işlemediğinin işareti olabilir; ölçek uyarlama yazısındaki eşdeğerlik kanıtları bu durumda yeniden ele alınır.
Ayırt edici geçerlik nasıl raporlanır?
Rapor, okurun hangi korelasyonun hangi ölçütle karşılaştırıldığını görmesine izin verir:
| Bilgi | Örnek ifade |
|---|---|
| Kullanılan ölçütler | Gizil korelasyonların %95 güven aralığı, Fornell-Larcker ölçütü ve HTMT; HTMT için %95 bootstrap güven aralığı; çoklu karşılaştırma düzeltmesi yapıldıysa hangisi |
| AVE’nin ve korelasyonların kaynağı | Standartlaştırılmış yükler ve gizil korelasyonlar DFA’dan; kestirim yöntemi |
| Tablo | Köşegende √AVE, köşegen altında korelasyonlar, köşegen üstünde HTMT |
| Eşik ve gerekçesi | HTMT için .85 ya da .90; seçimin kuramsal gerekçesi |
| Yorum | Hangi çiftlerin ayrıştığı, ayrışmayan çift varsa nedeni ve kararı |
Tabloların APA 7 biçimi APA 7’ye göre istatistik raporlama yazısında anlatılır.
Ayırt edici geçerlikte sık yapılan hatalar nelerdir?
Aşağıdaki hatalar ölçütün girdisinde, eşiğin yorumunda ve kanıtın kapsamında ortaya çıkabilir.
- AVE’yi ölçek puanları arasındaki ham korelasyonla karşılaştırmak. Ham korelasyon ölçme hatası yüzünden düşük çıkar; Fornell-Larcker ölçütünün özgün biçiminde karşılaştırılan, gizil korelasyondur (Rönkkö ve Cho, 2022).
- AVE’nin .50’nin altında kalmasını ayırt edici geçerlik sorunu diye yazmak. Düşük AVE, boyutun maddeleriyle zayıf bağını gösterir ve yakınsak geçerlik sorunu olarak yorumlanır (Fornell ve Larcker, 1981; Rönkkö ve Cho, 2022).
- HTMT eşiğini kural gibi uygulamak. .85 ile .90 arasında bir değer iki yapının kuramca ne kadar yakın olduğu tartışılmadan “geçti” ya da “kaldı” diye yazılmaz; güven aralığı birlikte verilir.
- Yalnız ölçek içi boyutlara bakmak. Boyutların birbirinden ayrışması, ölçeğin bütününün başka bir yapıdan ayrıştığını göstermez; bunun için dış ölçütle korelasyon gerekir.
- Beklentiyi sonradan yazmak. Hangi yapılarla düşük ilişki beklendiği, veri toplanmadan önce kuramdan yazılır.
Sık sorulan sorular
Ayırt edici geçerlik ile yakınsak geçerlik arasındaki fark nedir?
Yakınsak geçerlik, aynı ya da çok yakın bir yapıyı ölçen ölçümlerin yüksek ilişki göstermesidir; ayırt edici geçerlik, farklı yapıları ölçen ölçümlerin, yakınsak ilişkiden belirgin biçimde daha düşük ilişki göstermesidir. İkisi birlikte raporlanır, çünkü biri olmadan öteki yorumlanamaz.
HTMT için .85 mi, .90 mı kullanılmalı?
HTMT için .85 en sıkı ölçüttür; Henseler vd. (2015), kavramca farklı olsa da uygulamada ayırt edilmesi güç yapılar içeren modellerde .90’ı ya da güven aralığına dayalı çıkarımı uygun görür. Hangi eşiğin kullanılacağı veri toplanmadan önce gerekçesiyle yazılır ve HTMT güven aralığıyla birlikte raporlanır.
Fornell-Larcker ölçütü yeterli mi?
Fornell-Larcker ölçütüne tek başına dayanmak önerilmez. Rönkkö ve Cho (2022), DFA’dan gelen gizil korelasyonun güven aralığını bir eşikle karşılaştırmayı önerir; Henseler vd. (2015) ise varyansa dayalı modellerde ölçütün ayrışmama durumlarını güvenilir biçimde yakalayamadığını gösterir. Bu yüzden gizil korelasyonların güven aralıkları, HTMT ve Fornell-Larcker ölçütü birlikte raporlanır.
Tek boyutlu bir ölçekte ayırt edici geçerlik nasıl gösterilir?
Tek boyutlu bir ölçekte ayırt edici geçerlik, ölçek puanının kuramca farklı bir yapının ölçeğiyle korelasyonu üzerinden gösterilir. Bu korelasyon, ölçme hatası hesaba katılarak (ör. iki ölçeğin aynı DFA modelinde kurulup gizil korelasyonun kestirilmesiyle) yorumlanır ve yakınsak bir ölçekle olan korelasyondan belirgin biçimde düşük olması beklenir.
Ayırt edici geçerlik için hangi program gerekir?
HTMT yalnız madde korelasyon matrisinden hesaplanabildiği için herhangi bir istatistik programında ya da elektronik tabloda hesaplanır. Fornell-Larcker ölçütü ve gizil korelasyonun güven aralığı ise DFA yapabilen bir program ister.
- #gecerlik
- #yapi-gecerligi
- #psikometri
- #olcek-gelistirme
- #faktor-analizi
Bilimsel inceleme
Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.
Kaynakça
- Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50.
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135.
- Rönkkö, M., & Cho, E. (2022). An updated guideline for assessing discriminant validity. Organizational Research Methods, 25(1), 6–14.
Kendi verinizde görün
Psychometric Studio ücretli planlarda açıktır; ücretsiz planda kapalıdır. Planları inceleyin
İlgili yazılar
Araştırma Yöntemleri
Yapı Geçerliği Nedir? Kanıt Türleri ve Raporlama
Yapı geçerliği nedir, kapsam ve ölçüt geçerliğinden farkı ne? İç yapı, yakınsak, ayırt edici ve bilinen grup kanıtları, planlama ve raporlama örnekle.
Basira ·
Araştırma Yöntemleri
Doğrulayıcı Faktör Analizi (DFA) Nedir? Uyum İndeksleri
Doğrulayıcı faktör analizi, kuramdan gelen faktör yapısını veriyle sınar. Model kurma, kestirim, CFI, TLI, RMSEA, SRMR ve eşiklerin sınırları.
Basira ·
Araştırma Yöntemleri
Ölçek Geliştirme Aşamaları: Kuramdan Puanlama Yönergesine
Ölçek geliştirme aşamaları: yapının tanımı, madde havuzu, uzman görüşü, ön deneme, madde analizi, AFA, güvenirlik, yeni örneklemde DFA ve puanlama yönergesi.
Basira ·