Geçerlik ve Güvenirlik Nedir? Türleri ve Kanıtları
Basira Editör Ekibi · · 13 dk okuma · Güncellendi: 16 Kasım 2026 · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım
Aa Yazı boyutu
Anahtar çıkarımlar
- Güvenirlik, ölçme puanlarının ne kadar tutarlı ve ölçme hatasından arınmış olduğunu; geçerlik, bu puanlara dayanan yorumun kanıtlarla ne ölçüde desteklendiğini gösterir.
- Güvenirlik geçerliğin ön koşuludur ama tek başına kanıtı değildir: yüksek bir Cronbach alfa, ölçeğin amaçlanan yapıyı ölçtüğünü göstermez.
- Güvenirlik türü desene göre seçilir: iç tutarlılık için alfa ve omega, zaman içindeki kararlılık için test-tekrar test ICC'si, puanlayıcılar arası uyum için kappa ya da ICC.
- Güncel bakışta (AERA, APA ve NCME Standartları, 2014) geçerlik türlere bölünmez; içerikten, yanıt süreçlerinden, iç yapıdan, başka değişkenlerle ilişkilerden ve sonuçlardan gelen kanıtlarla bir bütün olarak savunulur.
- Uyarlanan ya da başkasının geliştirdiği bir ölçekte güvenirlik ve yapı kanıtı, kendi örnekleminizin puanları için yeniden raporlanır.
İçindekiler
Geçerlik ve güvenirlik, bir ölçme aracından elde edilen puanların kalitesini anlatan iki temel kavramdır. Güvenirlik, puanların ölçme hatasından ne ölçüde arınmış ve tutarlı olduğunu gösterir. Geçerlik ise bu puanlara dayanan yorumun (ör. “bu öğrencinin sınav kaygısı yüksek”) kanıtlarla ne ölçüde desteklendiğini gösterir. Güvenirlik geçerliğin ön koşuludur ama tek başına kanıtı değildir.
Geçerlik ve güvenirlik nedir?
Bir ölçek, test ya da gözlem formu, doğrudan gözlenemeyen bir özelliği (kaygı, tutum, başarı, iş doyumu) sayıya çevirir. Bu çeviride iki şey yanlış gidebilir: puanlar rastlantısal hatayla dalgalanabilir ya da tutarlı ama yanlış bir şeyi ölçebilir. Güvenirlik birinci sorunun, geçerlik ikinci sorunun adıdır.
Klasik test kuramında gözlenen puan (X), gerçek puan (T) ile rastlantısal hatanın (E) toplamıdır. Güvenirlik, gözlenen puan varyansının gerçek puanlardan gelen payıdır (Nunnally ve Bernstein, 1994):
Katsayı 0 ile 1 arasındadır; 1’e yaklaştıkça puanlardaki farklar kişiler arasındaki gerçek farkları, 0’a yaklaştıkça hatayı yansıtır.
Geçerlik bir katsayı değildir. AERA, APA ve NCME’nin Eğitsel ve Psikolojik Test Standartları (2014), geçerliği kanıtın ve kuramın, puanların belirli bir kullanım için önerilen yorumunu ne ölçüde desteklediği olarak tanımlar. Bu tanımda geçerli olan ölçek değil, puanlardan çıkarılan yorumdur: aynı ölçek bir amaç için geçerli kanıta sahipken başka bir amaç için olmayabilir.
Bu iki kavram ölçmeyle ilgilidir ve araştırma deseninin iç ve dış geçerliğinden ayrıdır. Desenin geçerliği, sonucun nedensel yorumunun ve genellenebilirliğinin sağlamlığıyla ilgilidir; bu yazının konusu değildir. Sonuçların örneklemden kitleye genellenmesi (dış geçerlik) örnekleme yöntemleri yazısında ele alınır.
Hedef tahtası benzetmesi: ikisi nasıl ilişkilidir?
Trochim’in (t.y.) yaygın kullanılan benzetmesinde hedefin merkezi ölçülmek istenen kavramdır, her atış da bir kişinin ölçümüdür:
- Atışlar merkezden uzak bir noktada toplanmış: Ölçüm güvenilir ama geçerli değildir; araç herkes için tutarlı biçimde yanlış değeri ölçer.
- Atışlar dağınık ama ortalamaları merkezde: Grup ortalaması doğru kestirilir, ama bireysel ölçümler tutarsızdır.
- Atışlar dağınık ve merkezden uzak: Ölçüm ne güvenilir ne geçerlidir.
- Atışlar merkezde toplanmış: Ölçüm hem güvenilir hem geçerlidir.
Benzetmenin öğrettiği ilişki şudur: güvenirlik düşükse geçerlik de sınırlıdır, ama güvenirliğin yüksek olması geçerliği garanti etmez. Klasik test kuramında bu sınırın bir de sayısal karşılığı vardır: bir ölçme aracının bir ölçütle kitle korelasyonu, iki ölçümün güvenirliklerinin çarpımının karekökünü aşamaz (Nunnally ve Bernstein, 1994); örneklem korelasyonu şansla bu sınırı aşabilir.
Burada ölçme aracı ile ölçüt arasındaki kitle korelasyonu, ve iki ölçümün güvenirlik katsayılarıdır.
Benzetmenin sınırı da vardır: hedefin merkezi önceden bilinen tek bir nokta gibi çizilir. Gerçekte “merkez” kuramla tanımlanan bir yapıdır ve geçerlik, puanların bu yapıyı temsil ettiğine dair birikimli kanıttır (Messick, 1995).
Güvenirlik türleri nelerdir?
Güvenirlik türleri, ölçme hatasının hangi kaynağına bakıldığına göre ayrılır: maddeler arası tutarsızlık, zaman içindeki dalgalanma, form farkı ya da puanlayıcı farkı.
| Güvenirlik türü | Hangi hata kaynağına bakar? | Yaygın katsayı |
|---|---|---|
| İç tutarlılık | Maddelerin aynı yapıyı tutarlı ölçmemesi | Cronbach α, McDonald ω, iki yarı (Spearman-Brown) |
| Test-tekrar test | Aynı kişilerin puanlarının zaman içinde değişmesi | ICC (sınıf içi korelasyon) |
| Paralel (eşdeğer) form | Aynı yapıyı ölçen iki formun farklı puan vermesi | İki formun puanları arasındaki korelasyon |
| Puanlayıcılar arası | Puanlayıcıların aynı yanıta farklı puan ya da karar vermesi | Cohen kappa (kategorik), ağırlıklı kappa (sıralı), ICC (sürekli) |
- İç tutarlılık. Çok maddeli bir ölçeğin maddelerinin birlikte tutarlı bir puan üretip üretmediğine bakar. Cronbach α en yaygın katsayıdır, ama maddelerin yapıyı eşit güçte ölçtüğünü varsayar; bu varsayım tutmadığında McDonald ω daha doğru bir kestirimdir. İki katsayının formülü, varsayımları, madde analizi ve çözümlü örneği güvenirlik analizi yazısındadır.
- Test-tekrar test. Aynı ölçek aynı kişilere belli bir aralıkla iki kez uygulanır; aralık, ölçülen özelliğin değişmeyeceği kadar kısa, ilk yanıtların hatırlanmayacağı kadar uzun seçilir. Pearson korelasyonu iki uygulama arasındaki sistematik kaymayı görmez, bu yüzden mutlak uyum ICC’si kullanılır (modeli, türü ve tanımı raporda belirtilir). Koo ve Li (2016), ICC’nin %95 güven aralığına bakarak .50’nin altını zayıf, .50–.75’i orta, .75–.90’ı iyi, .90’ın üstünü çok iyi (excellent) güvenirlik olarak yorumlamayı önerir. ICC’nin modelleri, türleri ve hesabı sınıf içi korelasyon yazısında anlatılır.
- Paralel form. Aynı yapıyı aynı güçlükte ölçmek için hazırlanmış iki form (ör. bir sınavın A ve B kitapçıkları) aynı kişilere uygulanır. Kopya riskini azaltmak ya da ön test ile son testte farklı soru sormak gerektiğinde kullanılır; iki gerçekten eşdeğer form hazırlamak zordur.
- Puanlayıcılar arası. Açık uçlu yanıtlar, gözlem formları ve klinik değerlendirmeler gibi bir kişinin karar verdiği ölçümlerde, iki ya da daha fazla puanlayıcının uyumuna bakılır. Kategorik kararlarda Cohen kappa (Cohen, 1960), şansla beklenen uyumu düzelterek iki puanlayıcının uyumunu verir; sıralı kategorilerde ağırlıklı kappa, sürekli puanlarda ICC kullanılır.
Güvenirlik bireysel puanların ne kadar belirsiz olduğunu da belirler. Ölçmenin standart hatası (SEM), bir kişinin gözlenen puanının gerçek puanından tipik olarak ne kadar sapacağını gösterir:
Burada gözlenen puanların standart sapması, güvenirlik katsayısıdır.
Standart sapması 10 olan bir ölçekte güvenirlik .84 ise SEM = 4 olur: bir kişinin puanı çevresindeki %95 bant yaklaşık ±8 puandır. Grup ortalamalarını karşılaştırmak için yeterli olan bir güvenirlik, tek bir kişi hakkında karar vermek için yetersiz kalabilir.
Geçerlik türleri nelerdir?
Türkçe ölçme ders kitaplarında geçerlik sıkça dört başlıkta anlatılır. Aşağıdaki türler hâlâ yaygın kullanılır; bir sonraki bölümde bunların güncel bakışta nasıl tek bir çatı altında toplandığı anlatılıyor.
Kapsam geçerliği
Maddelerin ölçülmek istenen alanı eksiksiz ve dengeli biçimde temsil edip etmediğine bakar. Başarı testlerinde bir belirtke tablosuyla (konular ve bilişsel düzeyler) planlanır; ölçeklerde alan uzmanlarının görüşüyle değerlendirilir.
Uzman görüşünü sayıya çevirmenin yaygın yolu Lawshe’nin (1975) kapsam geçerlik oranıdır (KGO). Her uzman her maddeyi “gerekli”, “yararlı ama gerekli değil” ya da “gereksiz” diye işaretler. uzman sayısı, “gerekli” diyen uzman sayısı olmak üzere:
KGO −1 ile +1 arasındadır; uzmanların yarısı “gerekli” derse sıfırdır. Bir maddenin tutulması için gereken en küçük değer panel büyüklüğüne bağlıdır. Lawshe’nin özgün kritik değer tablosu sonradan kesin binom dağılımıyla yeniden hesaplanmıştır (Ayre ve Scally, 2014). Tutulan maddelerin KGO ortalaması kapsam geçerlik indeksi (KGİ) olarak raporlanır.
Kritik değerin kesin binom hesabı, panel büyüklüğüne göre kritik değer tablosu ve 12 uzmanlı bir panelde çözümlü KGO ve KGİ örneği kapsam geçerliği yazısında anlatılır.
Yapı geçerliği
Puanların, kuramın tanımladığı yapıyı (gizil değişkeni) temsil edip etmediğine bakar. Kavram Cronbach ve Meehl’e (1955) dayanır; kanıt birçok kaynaktan toplanır:
- Faktör yapısı. Maddelerin kaç boyutta toplandığı önceden bilinmiyorsa açıklayıcı faktör analizi (AFA) ile keşfedilir. Boyutlar ve maddelerin hangi boyuta ait olduğu kuramdan ya da özgün ölçekten biliniyorsa doğrulayıcı faktör analizi (DFA) ile sınanır. DFA’da model uyumu CFI, RMSEA ve SRMR gibi indekslerle değerlendirilir; Hu ve Bentler’in (1999) benzetim çalışmasından gelen CFI ≥ .95, RMSEA ≤ .06 ve SRMR ≤ .08 değerleri yaygın kullanılır, ama her model ve örneklem için geçerli kesin sınırlar değildir. Model kurma, kestirim yöntemi, uyum indeksleri ve bu eşiklerin neden kesin kural olmadığı doğrulayıcı faktör analizi yazısında anlatılır.
- Yakınsak geçerlik. Aynı ya da çok yakın bir yapıyı ölçen başka bir araçla yüksek ilişki beklenir. DFA’da bir boyutun maddelerinin ortalama açıklanan varyansının (AVE) .50’yi aşması da yakınsak kanıt olarak raporlanır (Fornell ve Larcker, 1981).
- Ayırt edici geçerlik. Farklı bir yapıyı ölçen araçla ilişkinin, yakınsak ilişkiden belirgin biçimde düşük olması beklenir. Campbell ve Fiske’nin (1959) çok özellik-çok yöntem matrisi bu iki kanıtı birlikte ele alır. DFA’da Fornell-Larcker ölçütü (her boyutun AVE’sinin karekökü, o boyutun öteki boyutlarla korelasyonundan büyük olmalı) ve HTMT oranı (.85’in altı) birlikte kullanılır. HTMT’yi Henseler vd. (2015) varyansa dayalı yapısal eşitlik modelleri için önermiştir; DFA bağlamında bu iki ölçütü Voorhees vd. (2016) savunur.
- Bilinen gruplar. Kuramsal olarak farklı puan alması beklenen gruplar (ör. tanı almış ve almamış kişiler) gerçekten farklı puan alıyor mu?
Yakınsak ve ayırt edici ilişkiler çoğu zaman Pearson korelasyonu ile raporlanır; beklenen yön ve büyüklük veri toplanmadan önce yazılır.
Bu kanıtların bir tez ölçeğinde nasıl planlanıp raporlandığı yapı geçerliği yazısında anlatılır.
Ölçüt geçerliği
Puanların, ölçülen yapının dışarıdan bir göstergesiyle (ölçütle) ilişkisine bakar. Ölçüt aynı anda ölçülüyorsa eş zamanlı geçerlik, ileride ölçülüyorsa yordayıcı geçerlik söz konusudur: bir tarama ölçeğinin aynı gün yapılan klinik görüşmeyle uyumu eş zamanlı, bir giriş sınavının dönem sonu not ortalamasını kestirmesi yordayıcı kanıttır. Ölçüt ikili bir tanıysa duyarlılık, özgüllük ve kesme puanı da raporlanır. Kanıt, ölçütün kendisi kadar güçlüdür: güvenirliği düşük ya da yapıyı iyi temsil etmeyen bir ölçüt, yukarıdaki formülün gösterdiği gibi ilişkiyi de sınırlar.
Görünüş geçerliği
Ölçeğin, yanıtlayan kişiye ölçtüğünü iddia ettiği şeyi ölçüyormuş gibi görünmesidir. Katılımcıların ölçeği ciddiye almasına yardım eder, ama bilimsel bir kanıt değildir: Standartların (2014) saydığı kanıt kaynakları arasında yer almaz. Uzmanların sistematik değerlendirmesine dayanan kapsam geçerliğiyle karıştırılmamalıdır.
Güncel bakış: geçerlik neden tek bir bütündür?
Messick (1995), türlere bölünmüş geçerlik anlayışının yerine birleşik bir yapı geçerliği anlayışını ayrıntılı biçimde savundu: kapsam ve ölçüt kanıtları ayrı “geçerlikler” değil, puanların anlamına ilişkin tek bir savın farklı kanıtlarıdır. Messick bu savın altı yönünü sayar: içerik, özsel (substantive) yön (yanıt süreçlerinin kuramla uyumu), yapısal yön, genellenebilirlik, dış ilişkiler ve kullanımın sonuçları.
Standartlar (2014) bu bakışı benimser ve geçerlik kanıtını beş kaynakta toplar:
- Test içeriği: Maddeler alanı temsil ediyor mu? (uzman görüşü, KGO, belirtke tablosu)
- Yanıt süreçleri: Katılımcılar maddeyi amaçlandığı gibi anlıyor ve yanıtlıyor mu? (bilişsel görüşme, sesli düşünme)
- İç yapı: Maddeler arası ilişkiler kuramdaki boyutlarla uyumlu mu? (AFA, DFA, ölçme değişmezliği)
- Başka değişkenlerle ilişkiler: Yakınsak, ayırt edici ve ölçüt kanıtı (ör. bilinen gruplar karşılaştırması).
- Testin sonuçları: Puanların kullanımı amaçlanan sonuçları doğuruyor mu, bir grubu sistematik olarak dezavantajlı duruma düşürüyor mu?
Güvenirlik bu beş kaynağın dışında durur: Standartlar (2014) güvenirliği (kesinliği) geçerlikten ayrı bir bölümde ele alır ve onu geçerlik kanıtı kaynakları arasında saymaz. Yine de ölçme hatası büyükse puanlara dayanan hiçbir yorum sağlam olamaz. Bu yüzden güvenirlik, geçerlik savının ön koşuludur; tek başına kanıtı değildir. Pratik sonucu şudur: “Ölçek geçerlidir” demek yerine, “bu puanların bu örneklemde bu amaçla yorumlanmasını şu kanıtlar destekliyor” demek gerekir.
Hangi durumda hangi kanıt toplanır?
Hangi kanıtın öncelikli olduğu ölçme durumuna bağlıdır: ölçeğin geliştirilmesi, uyarlanması ya da hazır kullanılması, puanların nasıl verildiği, aynı kişilerin kaç kez ölçüleceği ve puanların ne için kullanılacağı.
| Durum | Öncelikli güvenirlik kanıtı | Öncelikli geçerlik kanıtı |
|---|---|---|
| Sıfırdan yeni bir ölçek geliştiriliyor | Her boyut için α ve ω; mümkünse test-tekrar test ICC | Belirtke tablosu, uzman paneli (KGO), bilişsel görüşme, AFA ve yeni örneklemde DFA, yakınsak ve ayırt edici ilişkiler |
| Başka dilde geliştirilmiş bir ölçek uyarlanıyor | Kendi örnekleminizde her boyut için α ve ω; test-tekrar test ICC | Çeviri ve geri çeviri, uzman paneli, özgün yapının DFA ile sınanması, yakınsak ilişkiler |
| Uyarlanmış ve yaygın kullanılan bir ölçek tezde kullanılıyor | Kendi örnekleminizde α ve ω | Kaynağıyla birlikte önceki kanıtların özeti; örneklem büyüklüğü elverirse DFA |
| Açık uçlu yanıtlar, gözlem ya da klinik değerlendirme puanlanıyor | Puanlayıcılar arası kappa ya da ICC | Puanlama yönergesinin uzman değerlendirmesi |
| Puan tek bir kişi hakkında karar için kullanılacak (tanı, seçme) | Yüksek güvenirlik ve SEM; test-tekrar test ICC | Ölçüt kanıtı: duyarlılık, özgüllük, kesme puanı; sonuç kanıtı |
| Aynı kişiler önce ve sonra ölçülecek, iki form gerekiyor | Paralel form korelasyonu | İki formun aynı yapıyı ölçtüğüne dair içerik kanıtı |
Ölçek seçerken maddelerin ölçek düzeyi de karar verir: tek bir Likert maddesi sıralıdır, birçok maddenin toplamı olan ölçek puanı ise genellikle sürekli kabul edilir. Likert verisinin analizi Likert ölçeği analizi yazısında anlatılır.
Örnek: bir ölçek uyarlamasında kanıt planı
Bir araştırmacı, başka bir dilde geliştirilmiş, iki alt boyutlu ve 12 maddelik bir akademik erteleme ölçeğini üniversite öğrencileri için Türkçeye uyarlıyor. Kanıt planı veri toplanmadan önce şöyle yazılabilir (örnek öğretici amaçla kurgulanmıştır):
- İçerik. Maddeler iki çevirmen tarafından çevrilir, bağımsız bir çevirmen geri çevirir. 10 uzmandan oluşan bir panel her maddeyi Lawshe’nin üç seçeneğiyle değerlendirir. 9 uzmanın “gerekli” dediği bir madde için KGO = (9 − 5) / 5 = .80, 6 uzmanın “gerekli” dediği bir madde için KGO = (6 − 5) / 5 = .20 olur. 10 kişilik panelde kesin binom hesabına göre tek yönlü .05 düzeyinde bir maddenin tutulması için en az 9 uzmanın “gerekli” demesi, yani KGO ≥ .80 gerekir (Ayre ve Scally, 2014). İkinci madde yeniden yazılır ya da çıkarılır.
- Yanıt süreçleri. Birkaç öğrenciyle bilişsel görüşme yapılır: her maddeyi kendi sözcükleriyle açıklamaları istenir, yanlış anlaşılan ifadeler düzeltilir.
- İç yapı. Özgün ölçeğin iki boyutlu yapısı bilindiği için yapı AFA ile yeniden keşfedilmez, DFA ile sınanır. Uyum indeksleri ve her maddenin standartlaştırılmış yükü raporlanır.
- Güvenirlik. Her alt boyut için α ve ω ayrı hesaplanır. Bir alt örneklemde ölçek birkaç hafta arayla yeniden uygulanır ve test-tekrar test ICC’si güven aralığıyla verilir.
- Başka değişkenlerle ilişkiler. Yaygın kullanılan başka bir erteleme ölçeğiyle yüksek, sınav kaygısı ölçeğiyle daha düşük bir korelasyon beklenir; beklentiler önceden yazılır. Yordayıcı kanıt olarak erteleme puanının dönem sonundaki geç teslim edilen ödev sayısıyla ilişkisine bakılır.
Çeviri-geri çeviri, bilişsel görüşme ve pilot adımları anket nasıl hazırlanır yazısında anlatılır. Bu plan, örneklemin kim olduğu ve kaç kişiden oluştuğuyla birlikte tez istatistik analizi planının bir parçası olarak tez önerisine girer. Ölçek çalışması bir tezin parçası olsa da analizin kapsamı ve teslim edilenler ölçek geliştirme ve uyarlama desteği sayfasında anlatılır.
Geçerlik ve güvenirlik nasıl raporlanır?
Yöntem bölümünde her ölçme aracı için şu bilgiler bulunur:
| Kanıt | Raporda yazılanlar |
|---|---|
| Ölçeğin tanıtımı | Kaynağı, uyarlama çalışması, madde ve alt boyut sayısı, yanıt biçimi, ters puanlanan maddeler, puanın nasıl hesaplandığı |
| İç tutarlılık | Kendi örnekleminizdeki n ile her alt boyut için α (güven aralığıyla) ve ω; özgün çalışmanın değerleri ayrıca ve kaynağıyla |
| Test-tekrar test | Aralık, alt örneklem büyüklüğü, ICC’nin modeli, türü ve tanımı, %95 güven aralığı |
| Puanlayıcılar arası | Puanlayıcı sayısı, yönergenin nasıl öğretildiği, kappa ya da ICC ve güven aralığı |
| Kapsam | Uzman sayısı ve alanları, karar ölçütü (KGO kritik değeri), çıkarılan ya da değiştirilen maddeler |
| Yapı | Kestirim yöntemi, uyum indeksleri (χ², sd, CFI, RMSEA ve güven aralığı, SRMR), yük aralığı, gerekirse AVE ve HTMT |
| Ölçüt | Ölçütün ne olduğu ve güvenirliği, ilişkinin büyüklüğü ve güven aralığı |
Uyarlanmış bir ölçek kullanılıyorsa, uyarlama çalışmasının bulgularını aktarmak yetmez. Güvenirlik ölçeğin değil, belirli bir örneklemdeki puanların özelliğidir; kitle ve örneklem farklıysa katsayı da farklı çıkabilir; bu yüzden başka bir çalışmanın katsayısı sizin örneklemdeki puanlarınız için kanıt değildir. Kendi verinizin katsayıları da raporlanır.
Ayırt edici kanıtın Fornell-Larcker ölçütü, HTMT ve gizil korelasyonun güven aralığıyla nasıl raporlandığı ayırt edici geçerlik yazısındadır.
Sık yapılan hatalar
Aşağıdaki hatalar, geçerlik ve güvenirlik kanıtının yanlış toplanmasından, yanlış yorumlanmasından ya da eksik raporlanmasından doğar.
- Yüksek alfayı geçerlik kanıtı saymak. α yalnız maddelerin birlikte değiştiğini gösterir. Maddeler tutarlı biçimde yanlış bir yapıyı ölçüyorsa α yine yüksektir. Birden çok boyutlu bir ölçek de yüksek α verebilir; boyut yapısı faktör analiziyle incelenir (Cortina, 1993).
- Görünüş geçerliğini kanıt diye sunmak. “Maddeler ölçtüğü şeyi ölçüyor gibi görünüyor” bir geçerlik kanıtı değildir; sistematik uzman değerlendirmesi ve veriye dayalı kanıt gerekir.
- “Ölçek geçerli ve güvenilirdir” deyip geçmek. Geçerlik bir ölçeğin sabit damgası değil, belirli bir yorum ve kullanım için toplanan kanıttır (Messick, 1995). Raporda hangi kanıtların toplandığı yazılır.
- Yapıyı aynı veride hem keşfedip hem doğrulamak. AFA ile bulunan yapının aynı veride DFA ile “doğrulanması” yanıltıcıdır; DFA mümkünse yeni bir örneklemde yapılır.
- Güvenirliğe özgü hatalar. Test-tekrar test için Pearson korelasyonu kullanmak ya da alt boyutlu bir ölçekte yalnız toplam puanın alfasını vermek gibi hatalar güvenirlik analizi yazısında anlatılır.
Test-tekrar test çalışmasında ICC türünün seçimi, ölçmenin standart hatası ve en küçük saptanabilir değişim test tekrar test güvenirliği yazısında çözümlü bir örnekle anlatılır.
Yüksek alfanın geçerlik kanıtı sayılamamasının bir nedeni, alfanın madde sayısına duyarlılığıdır; bu duyarlılık standartlaştırılmış alfanın formülünde görülür. ortalama madde-arası korelasyon, madde sayısıdır:
Ortalama madde-arası korelasyon .30 iken 5 maddede α = .68, 10 maddede α = .81, 20 maddede α = .90 olur. Maddeler arası ilişki zayıfken bile (ortalama .15) 20 maddelik bir ölçek α = .78’e ulaşır. Uzun bir ölçekteki yüksek α, maddelerin güçlü bir ortak yapıyı ölçtüğünü göstermez (Cortina, 1993).
Sık sorulan sorular
Geçerlik mi, geçerlilik mi; güvenirlik mi, güvenilirlik mi?
Ölçme ve değerlendirme alanında yerleşik terimler geçerlik ve güvenirliktir. “Geçerlilik” ve “güvenilirlik” genel anlamda, örneğin bir sonucun geçerliliği ya da bir kaynağın güvenilirliği için kullanılır.
Güvenirliği yüksek bir ölçek geçersiz olabilir mi?
Evet. Tutarlı ölçen bir araç yanlış yapıyı ölçüyor olabilir: hedef tahtasında merkezden uzak bir noktada toplanan atışlar gibi. Tersi ise sınırlıdır: güvenirliği düşük bir ölçeğin başka bir ölçütle ilişkisi de düşük kalır.
Cronbach alfa kaç olmalı?
Evrensel bir sınır yoktur; eşik ölçeğin amacına göre değişir ve grup karşılaştırmasından çok bireysel kararlar daha yüksek güvenirlik ister. Eşiklerin kaynağı ve güven aralığıyla yorumu güvenirlik analizi yazısında anlatılır.
Uyarlanmış bir ölçek kullanıyorum; geçerlik çalışması yapmam gerekir mi?
Ölçek sizin kitlenize benzer bir örneklemde uyarlanmışsa yeni bir geçerlik çalışması gerekmeyebilir; uyarlama çalışmasının kanıtları kaynağıyla özetlenir. Güvenirlik katsayıları ise kendi verinizde yeniden hesaplanır. Kitleniz belirgin biçimde farklıysa (ör. ergenler için uyarlanmış bir ölçek yetişkinlerde) yapının DFA ile yeniden sınanması önerilir.
Kapsam geçerliği için kaç uzman gerekir?
Lawshe’nin yöntemi panel büyüklüğüne göre kritik değer verir; panel küçüldükçe bir maddenin tutulması için neredeyse oybirliği gerekir. Uzmanların ölçülen alanda ve hedef kitlede deneyimli olması sayıları kadar önemlidir.
Geçerlik ve güvenirlik nitel araştırmada da kullanılır mı?
Nitel araştırmada aynı amaçlar genellikle inandırıcılık, aktarılabilirlik, tutarlılık ve teyit edilebilirlik gibi farklı kavramlarla ele alınır (Lincoln ve Guba, 1985). Bu yazıdaki katsayılar ve kanıt kaynakları nicel ölçme araçları içindir.
- #gecerlik
- #guvenirlik-analizi
- #olcek-gelistirme
- #psikometri
- #faktor-analizi
Bilimsel inceleme
Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.
Kaynakça
- American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.
- Ayre, C., & Scally, A. J. (2014). Critical values for Lawshe's content validity ratio: Revisiting the original methods of calculation. Measurement and Evaluation in Counseling and Development, 47(1), 79–86.
- Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105.
- Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46.
- Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of Applied Psychology, 78(1), 98–104.
- Cronbach, L. J., & Meehl, P. E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52(4), 281–302.
- 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.
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55.
- Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of Chiropractic Medicine, 15(2), 155–163.
- Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563–575.
- Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Sage.
- Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons' responses and performances as scientific inquiry into score meaning. American Psychologist, 50(9), 741–749.
- Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
- Trochim, W. M. K. (t.y.). Reliability & validity. Research Methods Knowledge Base. Erişim 22 Ekim 2026.
- Voorhees, C. M., Brady, M. K., Calantone, R., & Ramirez, E. (2016). Discriminant validity testing in marketing: An analysis, causes for concern, and proposed remedies. Journal of the Academy of Marketing Science, 44(1), 119–134.
Kendi verinizde görün
Kavramı kendi verinizde görmek isterseniz Basira’yı ücretsiz deneyebilirsiniz. Basira’yı deneyin
Kavramı kendi verinizde görmek isterseniz panelinize dönebilirsiniz. Panele git
İlgili yazılar
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 ·
Araştırma Yöntemleri
Ayırt Edici Geçerlik: Fornell-Larcker ve HTMT
Ayırt edici geçerlik, farklı yapıları ölçen puanların gerçekten ayrıştığını gösterir. Fornell-Larcker ölçütü, HTMT oranı, eşikler 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 ·