Yapısal Eşitlik Modellemesi (YEM) Nedir? Model ve Uyum

Basira Editör Ekibi · · 12 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım

Aa Yazı boyutu
Yazı boyutu

Anahtar çıkarımlar

  • Yapısal eşitlik modellemesi (YEM), gizil yapıları maddelerle ölçen bir ölçme modelini, bu yapılar arasındaki yönlü ilişkileri tanımlayan bir yapısal modelle tek analizde birleştirir.
  • Ölçme hatası modelde ayrıca tanımlandığı için, ölçme modeli doğru kurulduğunda yapılar arasındaki yol katsayıları, ölçek toplam puanlarıyla kurulan regresyondaki gibi ölçme hatasıyla bozulmaz.
  • Önerilen sıra iki adımlıdır: önce ölçme modeli doğrulayıcı faktör analiziyle sınanır, sonra yapısal yollar eklenir; iki modelin uyumu ayrı ayrı raporlanır.
  • Uyum indekslerinin yaygın eşikleri belirli benzetim koşullarından gelen kılavuzlardır; kesin geçme-kalma kuralı değildir ve iyi uyum, modeldeki okların nedensel olarak doğru olduğunu göstermez.
  • Gereken örneklem modelden bağımsız tek bir sayı değildir; gösterge ve faktör sayısına, yüklerin ve yolların büyüklüğüne, eksik veriye göre değişir.

İçindekiler

İçindekiler

Yapısal eşitlik modellemesi (YEM), doğrudan gözlenemeyen yapıları birden çok maddeyle ölçen bir ölçme modelini, bu yapılar arasındaki yönlü ilişkileri tanımlayan bir yapısal modelle tek bir analizde birleştiren yöntemdir. Model kuramdan çizilir; analiz, modelin öngördüğü kovaryansların veridekilerle ne ölçüde uyuştuğunu sınar ve yapılar arasındaki yolları ölçme hatasından ayrılmış olarak kestirir.

Yapısal eşitlik modellemesi nedir?

YEM, tek bir test değil, bir model ailesidir. Çoklu doğrusal regresyon, yol analizi ve doğrulayıcı faktör analizi bu ailenin özel durumlarıdır. Ortak noktaları, araştırmacının değişkenler arasındaki ilişkileri önceden bir model olarak yazması ve bu modelin verideki varyans ve kovaryansları ne kadar iyi yeniden ürettiğinin sınanmasıdır (Kline, 2016).

Modelde iki tür değişken bulunur. Gözlenen değişkenler veri setindeki sütunlardır: ölçek maddeleri, test puanları, yaş gibi. Gizil değişkenler ise doğrudan ölçülemeyen yapılardır: öz yeterlik, iş doyumu, kaygı. Gizil değişken, onu ölçen maddelerin ortak varyansından tanımlanır; her maddenin kendine özgü kısmı ölçme hatası olarak ayrılır.

Değişkenler modeldeki rollerine göre de ikiye ayrılır:

  • Dışsal (exogenous) değişken modelde hiçbir değişken tarafından açıklanmaz; nedenleri modelin dışında kabul edilir.
  • İçsel (endogenous) değişken ise en az bir ok alır, yani modeldeki başka değişkenlerce açıklanır.

Bu kullanım, deney desenindeki dışsal değişken teriminden farklıdır. İçsel değişkenin açıklanamayan kısmına bozulma (disturbance) denir; regresyondaki hata teriminin karşılığıdır.

Klasik gösterimde (Bollen, 1989) η içsel, ξ dışsal gizil değişkenleri; y ve x onların göstergelerini gösterir. İlk iki denklem ölçme modelidir, üçüncüsü yapısal modeldir:

y=Λyη+εx=Λxξ+δη=Bη+Γξ+ζ\begin{aligned} \mathbf{y} &= \Lambda_y \boldsymbol{\eta} + \boldsymbol{\varepsilon} \\ \mathbf{x} &= \Lambda_x \boldsymbol{\xi} + \boldsymbol{\delta} \\ \boldsymbol{\eta} &= \mathbf{B}\boldsymbol{\eta} + \boldsymbol{\Gamma}\boldsymbol{\xi} + \boldsymbol{\zeta} \end{aligned}

Burada Λ\Lambda matrisleri faktör yükleridir; B\mathbf{B} içsel değişkenler arasındaki, Γ\boldsymbol{\Gamma} dışsal değişkenlerden içsellere giden yolları taşır; ε\boldsymbol{\varepsilon} ve δ\boldsymbol{\delta} ölçme hatası, ζ\boldsymbol{\zeta} bozulmadır. Bu denklemlerden modelin öngördüğü bir kovaryans matrisi türetilir; kestirim ve uyumun mantığı DFA’dakiyle aynıdır.

YEM’i ölçek puanlarıyla kurulan bir regresyondan ayıran şey ölçme hatasının ele alınışıdır. Maddeler toplanıp tek bir puan yapıldığında hata da puanın içinde kalır. Ölçme hatası iki değişken arasındaki ilişkiyi zayıflatır; birden çok yordayıcının bulunduğu modelde ise katsayıları her iki yönde de saptırabilir (Bollen, 1989). YEM’de hata her madde için ayrıca tanımlandığından yapılar arasındaki yollar bu yanlılıktan arınmış olarak kestirilir; bunun koşulu ölçme modelinin doğru kurulmuş olmasıdır.

Ölçme modeli ile yapısal model arasındaki fark nedir?

Her YEM iki parçadan oluşur. Ölçme modeli, hangi maddenin hangi gizil yapıyı ölçtüğünü söyler; bu, doğrulayıcı faktör analizinin modelidir. Yapısal model ise gizil yapılar arasındaki yönlü ilişkileri, yani araştırma hipotezlerini taşır.

ÖzellikÖlçme modeliYapısal model
SoruMaddeler yapıyı ölçüyor mu?Yapılar birbirini kuramın öngördüğü gibi yordar mı?
OklarGizil yapıdan maddelereGizil yapılar arasında
ParametrelerYükler, hata varyansları, faktör kovaryanslarıYol katsayıları, bozulma varyansları
Karşılığı olan yöntemDoğrulayıcı faktör analiziYol analizi, gizil değişkenlerle regresyon
BozulursaYapılar arası yollar yorumlanamazHipotezler veriyle desteklenmez

Anderson ve Gerbing (1988) bu iki parçanın ayrı ayrı sınanmasını önerir: önce bütün gizil yapıların serbestçe ilişkili olduğu ölçme modeli kurulur ve değerlendirilir; ölçme modeli kabul edilebilirse yapısal yollar eklenir.

Gerekçe basittir: maddeler yapıyı iyi ölçmüyorsa yapılar arasındaki yollar da yanlış bir şeyi ölçer. Yapısal kısım kötü uyum gösterdiğinde sorunun ölçmede mi yoksa hipotezlerde mi olduğu da ancak bu sırayla ayırt edilebilir. Ölçme modelinin kurulması, kestirim yöntemi ve uyum indeksleri doğrulayıcı faktör analizi yazısında ayrıntılı anlatılır; burada tekrar edilmez.

Yol şeması nasıl okunur?

YEM modelleri yol şemasıyla çizilir. Şema, modelin bütün varsayımlarını gösterir: çizilmeyen her ok, o ilişkinin sıfır olduğu iddiasıdır.

SimgeAnlamı
Elips ya da daireGizil değişken
DikdörtgenGözlenen değişken (madde, puan)
Tek yönlü okDoğrudan etki varsayımı (yol katsayısı)
Çift yönlü eğri okKovaryans ya da korelasyon; yön belirtilmez
Gözlenen değişkene gelen küçük okÖlçme hatası
İçsel gizil değişkene gelen küçük okBozulma (açıklanamayan varyans)

Yollar üç tür etki tanımlar. Doğrudan etki iki değişkeni bağlayan tek bir okun katsayısıdır. Dolaylı etki bir ya da daha çok aracı değişkenden geçen yoldur ve yol katsayılarının çarpımıyla hesaplanır: X’ten M’ye aa, M’den Y’ye bb ise dolaylı etki a×ba \times b olur. Toplam etki doğrudan ve dolaylı etkilerin toplamıdır.

Dolaylı etkinin örnekleme dağılımı çoğunlukla normal olmadığı için anlamlılığı bootstrap güven aralığıyla değerlendirilir (Preacher ve Hayes, 2008); bu mantık ve Baron-Kenny adımlarının sınırları aracı ve düzenleyici değişken yazısındadır. YEM’in oradaki regresyon dizisine göre katkısı, aracılık modelini gizil değişkenlerle ve tek bir eşanlı kestirimle kurmasıdır.

Bütün değişkenleri gözlenen değişken olan modele yol analizi denir. Yol analizi ölçme hatası olmadığını varsayar; her puan sanki hatasız ölçülmüş gibi işlenir. Ölçme modeli eklendiğinde aynı yollar gizil değişkenler arasında kurulur ve bu varsayım kalkar.

YEM hangi durumlarda kullanılır?

YEM, araştırma sorusu birden çok yapı arasında kuramdan gelen bir ilişki ağı içerdiğinde ve yapılar birden çok maddeyle ölçüldüğünde uygundur. Sorunun biçimi daha basitse daha basit yöntem yeterlidir:

Araştırma durumuUygun yöntem
Birden çok yordayıcı, tek gözlenen sonuçÇoklu doğrusal regresyon
Gözlenen değişkenlerle tek bir aracı ya da etkileşimRegresyon temelli aracılık ve düzenleyicilik analizi
Ölçeğin faktör yapısını keşfetmekAçıklayıcı faktör analizi
Kuramdan gelen faktör yapısını sınamakDoğrulayıcı faktör analizi
İki değişken kümesinin ortak ilişki örüntüsü, yön kuramı yokKanonik korelasyon analizi
Gruplar ve birden çok sürekli sonuçMANOVA
Gizil yapılar arasında yönlü yollar, aracı zincirleri, birden çok sonuçYapısal eşitlik modellemesi
Aynı modelin gruplar arasında karşılaştırılmasıÇok gruplu YEM; önce ölçme değişmezliği
Amaç yordama, model karmaşık, yapılar bileşik olarak tanımlıKısmi en küçük kareler yol modellemesi (PLS-YEM)

Son satırdaki PLS-YEM, kovaryans temelli YEM’den farklı bir yaklaşımdır. Yapıları gizil değişken olarak değil, maddelerin ağırlıklı toplamı olarak kurar ve modelin açıkladığı varyansı en büyük yapmaya çalışır.

Hair vd. (2019) yöntemi özellikle yordama amaçlı ve karmaşık modeller için önerir. Rönkkö vd. (2016) ise PLS’nin ölçme hatasını düzeltmediğini, kestirimlerinin yanlı olduğunu ve küçük örneklemde üstünlük iddiasının desteklenmediğini savunur. Amaç kuramsal bir yapıyı sınamaksa kovaryans temelli YEM varsayılan seçenektir; PLS tercih edilirse gerekçesi yazılır.

YEM analizi hangi adımlarla yapılır?

Bir YEM analizi, veri toplanmadan önce kuramdan yazılan bir modelle başlar; ölçme modeli yapısal yollardan önce sınanır.

  1. Model belirleme. Yapılar, maddeleri ve yapılar arasındaki yollar veri toplanmadan önce kuramdan yazılır. Tek bir model yerine savunulabilir rakip modeller de baştan tanımlanır: örneğin tam aracılık ve kısmi aracılık.
  2. Tanımlanabilirlik. Kestirilecek parametre sayısı, verideki benzersiz varyans ve kovaryans sayısını aşamaz; serbestlik derecesinin hesabı DFA yazısında gösterilir. Yapısal kısımda geri besleme döngüsü ya da bozulmalar arası kovaryans yoksa (özyinelemeli model) yapısal yollar tanımlanabilirdir (Kline, 2016); döngülü modeller ek koşullar ister.
  3. Veri hazırlığı. Eksik verinin türü ve oranı incelenir; yapısal eşitlik yazılımlarında yaygın çözüm tam bilgi en çok olabilirliktir (eksik veri yazısında). Maddelerin dağılımı ve kategori sayısı, kestirim yönteminin seçimini belirler.
  4. Kestirim. Sürekli ve yaklaşık normal veride en çok olabilirlik (ML), normal dışılık ağırsa sağlam ML (MLR), kategori sayısı az olan Likert maddelerinde kategorik kestirim kullanılır. Seçim ölçütleri DFA yazısındadır ve kesin bir eşik değil kılavuzdur; tek bir maddenin neden sıralı sayıldığı Likert ölçeği analizi yazısında anlatılır.
  5. Ölçme modelinin değerlendirilmesi. Genel uyum, standartlaştırılmış yükler, faktör korelasyonları ve artıklar incelenir. Ölçme modeli desteklenmezse yapısal adıma geçilmez.
  6. Yapısal modelin değerlendirilmesi. Yollar eklenir; yapısal modelin uyumu ölçme modelininkiyle karşılaştırılır, yol katsayıları ve içsel değişkenlerin açıklanan varyansı yorumlanır.
  7. Değişiklik ve rakip modeller. Düzeltme indekslerine göre yol eklemek modeli o örnekleme uydurur. Önceden yazılmamış her değişiklik keşfedici sayılır, gerekçesiyle raporlanır ve yeni bir örneklemde sınanır.

YEM, R’de lavaan paketiyle (Rosseel, 2012) ve ticari yapısal eşitlik programlarıyla yapılır. Menülü ücretsiz programlardan JASP yapısal eşitlik modülü içerir; jamovi’de aynı analiz kütüphaneden kurulan bir modülle (SEMLj) yapılır; iki bilgi de programların sitelerinden 7 Kasım 2026’da denetlendi.

Model uyumu nasıl değerlendirilir?

YEM’de kullanılan χ² testi ve CFI, TLI, RMSEA, SRMR indeksleri DFA’dakilerle aynıdır; formülleri ve neyi ölçtükleri doğrulayıcı faktör analizi yazısındadır. YEM’e özgü olan, uyumun hangi parçaya ait olduğu sorusudur.

Bir YEM’in serbestlik derecelerinin çoğu genellikle ölçme modelinden gelir. Bu yüzden genel uyum büyük ölçüde ölçme kısmını yansıtır ve iyi bir genel uyum, kötü uyan bir yapısal kısmı gizleyebilir; O’Boyle ve Williams (2011) bu nedenle iki parçanın uyumunun ayrı ayrı değerlendirilmesini önerir.

Pratikte yapısal model, bütün yapıların serbestçe ilişkili olduğu ölçme modeliyle karşılaştırılır (Anderson ve Gerbing, 1988). İki model iç içe olduğu için aradaki fark χ² fark testiyle sınanır; fark anlamlıysa yapısal modelin sıfıra sabitlediği yollar veriyle çelişiyor demektir.

Dikkat

Yapısal kısım doymuşsa, yani gizil yapıların her çifti arasında bir yol ya da kovaryans varsa, yapısal model ölçme modeliyle aynı uyumu verir ve uyum indeksleri yapısal hipotezler hakkında bir şey söylemez.

Uyum indeksleri için dolaşan sınırlar (Hu ve Bentler, 1999) ve eleştirileri DFA yazısında anlatıldı. Bu değerler en çok olabilirlik kestirimiyle, belirli DFA modelleri ve örneklem koşullarında yapılan bir benzetimden gelir; kategorik kestirimde aynı sınırlar farklı davranabilir.

Marsh vd. (2004) onların “altın kural” gibi kullanılmasına karşı çıkar, McNeish ve Wolf (2023) modele özgü benzetimle türetilen sınırları önerir; serbestlik derecesi küçük modellerde RMSEA doğru modeli bile kötü gösterebilir (Kenny vd., 2015). YEM’de de indeksler kılavuz olarak birlikte okunur ve yerel uyumla (yükler, artıklar, yol katsayılarının işareti ve büyüklüğü) desteklenir.

Örneklem büyüklüğü ne kadar olmalı?

Genel kurallar yaygındır: “en az 200 katılımcı” ya da “parametre başına 10 kişi” gibi. Ama bu kurallar modelden bağımsızdır. Wolf vd. (2013), uygulamada sık kurulan yapısal eşitlik modellerinde gösterge ve faktör sayısını, yüklerin ve yol katsayılarının büyüklüğünü ve eksik veri oranını değiştirerek gereken örneklemi benzetimle araştırdı.

Ölçüt yalnız istatistiksel güç değil, kestirimlerdeki yanlılık ve çözümün uygunluğuydu. Gereken sayı modelden modele çok geniş bir aralıkta değişti ve yaygın genel kuralların bu değişkenliği karşılamadığı görüldü. Yetersiz örneklemin bedeli yalnız düşük güç değildir; yanlı kestirimler ve negatif hata varyansı gibi uygunsuz çözümler de ortaya çıkabilir.

İpucu

Planlama, kurulacak model için yapılır: model ve beklenen parametre değerleri belirlenir, bu değerlerden çok sayıda veri seti üretilir ve hedef yolun anlamlı bulunma oranı ile kestirimlerin yanlılığı incelenir (Monte Carlo güç analizi). Genel güç mantığı örneklem büyüklüğü hesaplama yazısında anlatılır.

Örnek: bir yapısal eşitlik modeli nasıl kurulur?

Bir araştırmacı lise öğrencilerinde algılanan öğretmen desteğinin derse bağlılıkla ilişkisini ve bu ilişkide akademik öz yeterliğin aracı rolünü incelemek istiyor. Aşağıdaki plan veri toplanmadan önce yazılır (örnek öğretici amaçla kurgulanmıştır; sonuç değil, model kurma adımları gösterilir).

Ölçme modeli. Üç gizil yapı vardır ve her biri dört Likert maddesiyle ölçülür: öğretmen desteği (d1–d4), akademik öz yeterlik (o1–o4) ve derse bağlılık (b1–b4). Her madde yalnız kendi yapısına yüklenir, hata terimleri bağımsızdır, üç yapının korelasyonları serbesttir. Her yapının ilk maddesinin yükü 1’e sabitlenir.

On iki maddede 12 × 13 / 2 = 78 benzersiz varyans ve kovaryans vardır. Serbest parametreler dokuz yük, on iki hata varyansı, üç faktör varyansı ve üç faktör kovaryansıdır (27); serbestlik derecesi 78 − 27 = 51 olur.

Yapısal model 1 (kısmi aracılık). Destekten öz yeterliğe (aa), öz yeterlikten bağlılığa (bb) ve destekten bağlılığa (c′c') birer yol çizilir. Faktör varyansı ve kovaryansların yerini bir dışsal varyans, iki bozulma varyansı ve üç yol alır; parametre sayısı yine 27, serbestlik derecesi yine 51’dir.

Yapısal kısım doymuş olduğu için bu model ölçme modeliyle birebir aynı uyumu verir: uyum indeksleri ölçmeyi sınar, aracılık hipotezini değil. Hipotez, yol katsayıları ve dolaylı etki a×ba \times b için bootstrap güven aralığıyla değerlendirilir.

Yapısal model 2 (tam aracılık). Destekten bağlılığa giden doğrudan yol sıfıra sabitlenir; serbestlik derecesi 52 olur. Model 1’in kısıtlanmış hâli olduğu için iki model 1 serbestlik dereceli χ² fark testiyle karşılaştırılır. Bu, yapısal kısmın uyumu hakkında gerçekten bilgi veren karşılaştırmadır.

MLR ya da kategorik kestirim seçildiyse fark testi düzeltilmiş biçimiyle yapılır.

Dikkat

Eşdeğer modeller. Model 1’deki üç okun yönü ters çevrilse, yani bağlılık öz yeterliği ve desteği, öz yeterlik de desteği yordasa, uyum değişmez. MacCallum vd. (1993) yayımlanmış uygulamalarda bu tür eşdeğer modellerin çok sayıda olduğunu ve nadiren tartışıldığını gösterir. Okların yönü verinin değil, kuramın ve desenin iddiasıdır; veriler tek bir zamanda toplandıysa bu sınırlılık açıkça yazılır.

Kestirim ve ölçütler. Maddeler beş kategorili olduğu için kestirim yöntemi dağılıma göre önceden seçilir ve gerekçesi yazılır. Önce ölçme modeli, sonra iki yapısal model raporlanır; uyum indeksleri kılavuz olarak anılır, sınır olarak kullanılmaz.

Böyle bir planın rakip modelleri, kestirim yöntemi ve örneklem gerekçesi tezin yöntem bölümüne girer (tez yöntem bölümü yazısında). Uzmanla Çalış analiz ve yöntem desteğidir; tezi ya da bölümlerini yazmak, bulguları yorumlamak ve savunmak araştırmacının kendi işidir.

YEM sonuçları nasıl raporlanır?

Schreiber vd. (2006), yayımlanmış YEM ve DFA raporlarını gözden geçirerek raporda bulunması gereken bilgiler için öneriler getirir. Genel ilke, okurun modeli ve kararları yeniden değerlendirebilmesidir. DFA raporundaki bilgilere (model, veri, kestirim, ölçme modelinin uyumu ve yükleri) ek olarak YEM raporunda şunlar bulunur:

BaşlıkRaporda yazılanlar
Yol şemasıBütün yapılar, yollar ve kovaryanslar; standartlaştırılmış katsayılar şemada ya da tabloda
İki adımÖlçme modelinin ve yapısal modelin uyumu ayrı ayrı; aralarındaki χ² farkı
YollarHer yolun ham ve standartlaştırılmış katsayısı, standart hatası ve güven aralığı
Dolaylı etkilerDolaylı ve toplam etkiler; bootstrap güven aralığı, yeniden örneklem sayısı ve aralığın türü
Açıklanan varyansHer içsel yapı için R²
Rakip ve eşdeğer modellerKarşılaştırılan modeller ve testleri; okların yönünü değiştiren eşdeğer modellerin varlığı
DeğişikliklerÖnceden planlanmayan her değişiklik, gerekçesi ve öncesi ile sonrası
Veri paylaşımıMümkünse korelasyon ya da kovaryans matrisi, ortalama ve standart sapmalar

Sayıların yazımı ve tablo düzeni APA 7’ye göre istatistik raporlama yazısında anlatılır.

Sık yapılan hatalar nelerdir?

Aşağıdaki hataların çoğu, iyi uyumu doğru modelle karıştırmaktan ya da ölçme adımını atlamaktan doğar.

  • İyi uyumu nedensel kanıt saymak. Uyum, modelin veriyle çelişmediğini gösterir; okların doğru yönde olduğunu göstermez (Tomarken ve Waller, 2003). Aynı ayrım korelasyon ve nedensellik yazısında yapılır.
  • Ölçme modelini atlamak. Yapısal yollar, yapıları kötü ölçen bir modelin üzerine kurulduğunda yorumlanamaz (Anderson ve Gerbing, 1988).
  • Yalnız genel uyumu raporlamak. Genel uyum çoğunlukla ölçme modelini yansıtır; yapısal kısmın uyumu ayrıca gösterilir (O’Boyle ve Williams, 2011).
  • Eşikleri kural gibi kullanmak. “CFI .95’i aştı, model doğrulandı” cümlesi Hu ve Bentler’in kendi koşullarını yok sayar (Marsh vd., 2004).
  • Düzeltme indeksleriyle yol eklemek. Veriye bakarak eklenen yol o örnekleme uyar; kuramsal gerekçe ve yeni örneklem olmadan “doğrulanmış” sayılmaz.
  • Kesitsel veriden aracılık sonucu çıkarmak. Aracılık zaman sırası içeren bir iddiadır; tek ölçümlü verideki dolaylı etki bir zincirin kanıtı değildir.
  • Grupları değişmezlik sınamadan karşılaştırmak. Yollar gruplar arasında karşılaştırılacaksa ölçme modelinin gruplarda aynı işlediği önce gösterilir.
  • Örneklemi genel bir kuralla belirlemek. Gereken örneklem modelin kendisine bağlıdır; yetersiz örneklemde güç düşer, kestirimler yanlılaşır ve uygunsuz çözümler görülebilir (Wolf vd., 2013).

Sık sorulan sorular

Yapısal eşitlik modellemesi ile yol analizi arasındaki fark nedir?

Yol analizi yalnız gözlenen değişkenlerle kurulur ve ölçme hatasını yok sayar. YEM aynı yolları gizil değişkenler arasında kurar ve her maddenin ölçme hatasını ayrıca tanımlar.

Ölçek toplam puanlarıyla regresyon yapmak yerine neden YEM kullanılır?

Toplam puan ölçme hatasını içinde taşır; bu hata ilişkileri zayıflatır ya da birden çok yordayıcıda katsayıları saptırır. YEM ölçme hatasını modelde ayrıca tanımlar; ölçme modeli doğru kurulduğunda yol katsayıları bu hatayla zayıflamaz. Birden çok sonucu ve aracıyı da tek modelde birlikte kestirir.

Uyum indeksleri iyi çıktı; model doğru mu?

Hayır. İyi uyum, modelin veriyle çelişmediğini gösterir. Okları farklı yönlere çizen eşdeğer modeller aynı uyumu verebilir (MacCallum vd., 1993); dışarıda kalan bir değişken de iyi uyumla birlikte var olabilir.

YEM için kaç katılımcı gerekir?

Modelden bağımsız tek bir sayı yoktur. Gereken örneklem gösterge ve yapı sayısına, yüklerin ve yolların büyüklüğüne, eksik veriye bağlıdır (Wolf vd., 2013); hesap kurulan model için benzetimle yapılır.

PLS-YEM ne zaman tercih edilir?

Amaç kuramsal bir yapıyı sınamak değil yordamaksa ve yapılar maddelerin bileşimi olarak tanımlanıyorsa düşünülebilir (Hair vd., 2019). Yöntemin kestirim özellikleri tartışmalıdır (Rönkkö vd., 2016); seçilirse gerekçesi raporda yazılır.

  • #yapisal-esitlik-modellemesi
  • #dogrulayici-faktor-analizi
  • #faktor-analizi
  • #regresyon-analizi
  • #aracilik-analizi

Bilimsel inceleme

Doç. Dr. Hasan Yıldırım

Karamanoğlu Mehmetbey Üniversitesi Öğretim Üyesi

İnceleme tarihi:

Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.

Kaynakça

  1. Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103(3), 411–423.
  2. Bollen, K. A. (1989). Structural equations with latent variables. Wiley.
  3. Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24.
  4. 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.
  5. Kenny, D. A., Kaniskan, B., & McCoach, D. B. (2015). The performance of RMSEA in models with small degrees of freedom. Sociological Methods & Research, 44(3), 486–507.
  6. Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
  7. MacCallum, R. C., Wegener, D. T., Uchino, B. N., & Fabrigar, L. R. (1993). The problem of equivalent models in applications of covariance structure analysis. Psychological Bulletin, 114(1), 185–199.
  8. Marsh, H. W., Hau, K.-T., & Wen, Z. (2004). In search of golden rules: Comment on hypothesis-testing approaches to setting cutoff values for fit indexes and dangers in overgeneralizing Hu and Bentler's (1999) findings. Structural Equation Modeling, 11(3), 320–341.
  9. McNeish, D., & Wolf, M. G. (2023). Dynamic fit index cutoffs for confirmatory factor analysis models. Psychological Methods, 28(1), 61–88.
  10. O'Boyle, E. H., Jr., & Williams, L. J. (2011). Decomposing model fit: Measurement vs. theory in organizational research using latent variables. Journal of Applied Psychology, 96(1), 1–12.
  11. Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40(3), 879–891.
  12. Rönkkö, M., McIntosh, C. N., Antonakis, J., & Edwards, J. R. (2016). Partial least squares path modeling: Time for some serious second thoughts. Journal of Operations Management, 47–48, 9–27.
  13. Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36.
  14. Schreiber, J. B., Nora, A., Stage, F. K., Barlow, E. A., & King, J. (2006). Reporting structural equation modeling and confirmatory factor analysis results: A review. The Journal of Educational Research, 99(6), 323–338.
  15. Tomarken, A. J., & Waller, N. G. (2003). Potential problems with "well fitting" models. Journal of Abnormal Psychology, 112(4), 578–598.
  16. Wolf, E. J., Harrington, K. M., Clark, S. L., & Miller, M. W. (2013). Sample size requirements for structural equation models: An evaluation of power, bias, and solution propriety. Educational and Psychological Measurement, 73(6), 913–934.

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