*

  • genelde sosyal bilimlerde kulanilan ve coklu degiskenlerin incelenmesinde nedensel surecleri incelemeye odaklanan bir istatistik metodudur. bu analiz metodu basitce birbirlerinden bagimsiz regresyon ya da faktor analizlerinin (mumkunse dordu gecmemek uzere) hepsini tek analizde birlestirir ve (bu bagimsiz analizlerin varyans ve kovaryanslarini kullanarak) aralarindaki iliskiye bakar.

    soyle bi model dusunelim: sosyal destegin ve atilganligin (boyle bi olcek var cidden) psikolojik dengeyi ne kadar tahmin ettigine bakicaz. diyelim ki sosyal destegi (olcek 1) tahmin eden alt degiskenler, aile destegi (alt olcek 1.1), arkadas destegi (alt olcek 1.2) ve algilanan destek (alt olcek 1.3) olsun. alt olcek/ olcek iliskisi icin, olcekte otuz soru varsa, bu uc alt olcekte onar soru var gibi dusunebiliriz. bu olcek ve alt olceklerin her biri, bu analizde kullanabilecegimiz birer degiskeni olustuyor.

    sonucta birbirinden bagimsiz uc analizimiz var:
    - 1.1, 1.2 ve 1.3 ile 1'i olcen
    - 2.1, 2.2 ve 2.3 ile 2'yi olcen, ve
    - 3.1, 3.2 ve 3.3 ile 3 u olcen.

    iste structural equation modeling'in yaptigi sey, 1,2 ve 3'un iliskisine bakmak ve bunu bir neden-sonuc iliskisi modeline oturtmak. dahasi, 1 ve 2, 3'u ne kadar tahmin ediyor/ 3'e sebep oluyor mu gibi bir arastirma sorumuz varsa mesela, 1 ve 2'nin 3'le dogrudan mi yoksa birbirleri ustunden/ birbirleri araciligiyla mi bir iliskisi var, bunu da gosteriyor (bkz: mediation).

    bir diger farki da gorsel bilgi saglamasi. genelde makalelerde, buyuk yuvarlaklari (1,2,3) birbirine baglayan oklarin yonu nedenselligi (okun ucundaki sonuc ya da araci degiskendir), oklarin ustundeki beta degerleri de bu iliskilerin gucunu gosterir. bu yuvarlaklara latent variable deniyor. bu yuvarlaklarin her birine baglanan dikdortgenler (1.1, 1.2 ,1.3, 2.1, 2.2, 2.3, 3.1, 3.2 ve 3.3) alt olceklerin olctugu measured variable'lar. bu dikdortgenlere bagli en kucuk yuvarlak sekiller de, iliskinin bu degiskenleri kullanmakla aciklanamayan yuzdesi, yani error term'ler. degisken sayisi arttikca virgulune kadar ayni cikmasada, kabaca measured'dan latent variable'a giden ok ustundeki beta degerinin karesinin alinip 1'den cikartilmasiyla elde ediliyor error term'ler.

    structural equation modeling'in cesitli avantaj ve dezavantajlari var tabii ki. hemen hemen hicbir baska istatistik analizinin saglamadigi kadar ayrintili bicimde neden sonuc iliskilerini inceliyor. ancak bu analizde neden-sonuc iliskilerinin gidis yonune, aralarindaki direk iliskilere ya da iliskilendirmemeye biz subjektif olarak karar veriyoruz. bunu bu analizi yapan sayili istatistik programlarindan amos'la yapiyorsak mesela, yandaki path model'lardan kullanacagimiz nedensel modeli biz seciyoruz, program sadece bizim sectigimiz nedensel model kullanilirsa, bu degiskenler arasindaki iliskilerin ne olacagini soyluyor bize.

    bu nedenle goodness of fit denilen en iyi calisma modeline ulasmak icin data uzerinde uzun sureler bin ayri model denenerek oynanirsa (en basit haliyle 1 ve 2'nin 3'u tahmin etmesi istatistiksel olarak iyi bir model cikmadiysa, ama 2 ve 3'un 1'i tahmin etmesi en iyi goodness of fit'i vermisse ikinci yolu secmek gibi) esas arastirma sorusundan uzaklasarak hata yapmaya dogru yol alinir. yani hic alakasi olmayan yuz ayri model denenirse, bu modellerin besinin (gercekte degiskenlerin aralarinda hic bir iliski olmamasina ragmen) olasilik hesaplarina bakilarak tamamen tesadufi olarak dogru cikmasi soz konusu olacagi icin, bu analizi kullanarak yayinlanan makalelerdeki sonuclarin gecerliligi icin hangi dergide basildigini baz almak daha mantiklidir. cunku bu analizde daha ilk denenilen modelde sonuc alindigi gorulmus sey degildir, fakat hemen hicbir yazarin da kac model denedigine degindigine rastlamadim.
  • konuyla ilgili piyasada kullanilabilecek en iyi kitaplardan biri sudur: byrne, b. m. (2001). structural equation modeling with amos: basic concepts, applications and programming. lawrence earlbaum associates, mahwah, nj. bu kitabi amazon ya da benzeri sitelerden rahatca bulabilirsiniz.

    structural equation modeling'i gerceklestiren en yaygin programlardan biri amos (kitap amos'a gore duzenlenmis zaten) amos 4 ya da amos 16 versiyonunun analiz acisindan hemen hic bir farki yok, yeninin tek numarasi var 8 haneden daha uzun degisken ismi girmenize izin veriyor, bence cok da onemli degil. ikisi de spss dosyalarini taniyor, file- data files'dan kullanacaginiz spss dosyasini secerek spss dosyasini amos'a gorunur kilmaniz lazim.

    burda onemli olan iki nokta var, birincisi data file'i bi kere bagladiktan sonra istediginiz kadar degisiklik yapin spss dosyaniz ustunde, amos bunlari tanimiyor. sonucta eger spss dosyasinda bir degisiklik yaparsaniz ve bu amos'ta yapacaginiz analiz icin onemli bir degisiklikse, dosyalari save edip, programlari bastan baslatarak dosyayi amos'a tekrar tanitmaniz gerekiyor.

    ikincisi de, amos graphics'le ilgili, latent ve measured variable'lari yandaki bin kusur hazir cizilmis modelden secerek (ekleme cikarma yapabiliyosunuz degiskenlerde, amos graphics menusu neredeyse paint'in aynisi) kendiniz de cidebilirsiniz, ki ben daha pratik buluyorum, aklimda modelim hazirsa cok daha zaman kazandiran bir sey. burda da variable isimlerini objenin ustune saga tiklayip (elipsler latent variable (unobserved variable), dikdortgenler measured variable (observed), error term'ler de lolipop seklinde kucuk daireler (bunlar predict edilen her seye eklenicek, latent measured farketmez; sadece unoberved olan latent'lara eklenmiyor), neyse saga tiklayip ustteki kutucuga vereceginiz adi, alttakine de spss dosyanizda eslesecegi degisken neyse, birebir onun ismini yaziyorsunuz.

    bu da ayri bir komik ayrinti, ismi yazdiktan sonra ok yok, sag ustteki carpidan kapatinca algiliyor degiskene verdiginiz ismi. ikinci numara da su, latent variable'lara vereceginiz isim (measuredlar icin spss'deki degisken isimleriyle birebir eslesme istenirken tam tersine) spss doyanizdaki hicbir degisken ismiyle uymamali. teorik aciklamasi su, latent variable (unobserved ya da observed, yani predict eden ya da edilen) sizin olcebildiginiz bir degisken degil, siz olculebilen measured variable'lari bir kumede toplayip bunlara isim veriyosunuz, bu nedenle olculen herhangi bir degiskenle eslestirilemez.

    son olarak bir de bir makale var ki, hani sem'le ilgili on bilgi gerektiriyor ama cidden kitaptan cok daha iyi diyebilirim. programi kullanan/ kullanacak herkesin okumasi gereken, cok kisa ama nokta atisi aciklamalar yapan, ve cok kolay okunan bir yayin, ilgilenenlere siddetle tavsiye ederim: schreiber et. al. (2006). reporting structural equation modeling and confirmatory factor analysis results: a review. the journal of educational research, vol.99, p.323- 337.
  • alasini mplus programinin yaptigi analizdir. lisrel, amos vesaire cazibesini kaybetmektedir.
  • bu kadar popüler olmasının nedeni, eleştirel görüşün sesinin yükselmesi ve büyük kuramların yerini küçük modellere bırakması, buna karşın akademik çevrelerin sayısal olanın bilimselliğine dair kurşun geçirmez inanç duvarının bir türlü yıkılamamasıdır.

    yeni bir düşünce biçimi sunduğu iddia edilse de kanımca tümevarımcı düşünme biçiminden çok da farklı birşey değildir. yine de uygulaması eğlencelidir ve araştırmanıza farklı bir açıdan bakmanızda yardımcı olabilir.

    analizlerin yürütüldüğü en popüler paket programlar lisrel ve amos'tur.
  • lisrel kullanmak text yazıldığı için daha havalıdır, bir nevi tütün sarmak gibi. ancak amos candır. path analizi de bir o kadar zevklidir ki bulmaca filan çözmeye gerek yok, hesap yapıp modifikasyon yapıp nfi değerini 90+ çıkardığımdaki mutluluğu hiçbir şeye değişmem mesela.

    not: yani biri size "analayzimi lisrelde yaptım" derse, "artiz misin?" diyin.
  • sosyal bilimlerde her geçen gün daha fazla kullanılmakta olan bir cok degiskenli istatistik uygulaması. özellikle, personel seçimi ve personel performansı alanlarında çalışanlar için kullanışlı bir araç olması nedeniyle birçok şirketin akademik dünyada olup bitenle ilgilenmesine, kulak kabartmasına katkıda bulunmuştur.

    structural equation modeling kullanılarak yapılmış en detaylı çalışma russet (russian socio-economic transition) panel çalışmasıdır. lisrel ve sqp bu model ile uğraşan kişilerin başucu programlarıdır.

    hamiş. akademik anlamda bu konulara meraklı gençlere sem ile ilgili giriş seviyesinde bilgi edinebilecekleri, olayın mekaniğini anlamalarına yardımcı olabilecek bir kitap olarak willem saris'in (henk stronkhorst ile birlikte yazmış olduğu) causal modelling in non experimental research adlı kitabını tavsiye ederim.
  • modadır.
    ama her moda gibi kolay elde edilir değildir. belli bir düzeyde kullanmak ve sonuçları düzgünce raporlamak iyi çalışma ister. özünde de iyi bir mantıksal alt yapı olmadığında hiç bir işe yaramaz.
    bu işi çözmek türkçe olarak ömer faruk şimşek'in kitabı, ingilizce olarak ise barbara m. byrne'ın eserleri ile mümkündür. ne işi yaradığı kavrandıktan sonra hangi programın kullanılacağı kişisel beceriye kalmıştır.
  • bahsi geçen diğer programların yanısıra lavaan adlı package kurularak r üzerinde de kullanılabilen teknik.
  • lavaan paketinin jasp'a entegre edilmesi neticesinde artik jasp ile de yapilabilen analiz metodu.

    https://jasp-stats.org/
  • bir teoriye dayalı olarak bir yapının oluşturduğu maddelerin (veri setinin) gözlenen ve gözlenemeyen değişkenlerinin ilişkisel ve nedensel bir model içerisinde çok değişkenli istatistiksel olarak gösterimidir. bu modellerin uyum indeksleri vardır. bu uyum indeksleri bizlere veriler ile modelin ne kadar uyumlu olduğunu gösterir. yani örneklem varyans- kovaryans matrisleri ile türetilmiş varyan-kovaryans matrisleri arasındaki ilişkiyi verir. en çok dikkate alınan değerler ki-kare(chi-square), gfı, nfı, ıfı, nnfı, rmsea dır.
hesabın var mı? giriş yap