JAMOVİ ile Yapısal Eşitlik Modeli Analizi Nasıl Yapılır?

 

Merhabalar,

JAMOVİ ile yapısal eşitlik modeli analizinin nasıl yapıldığını adım adım göstermeye çalışacağım.

Öncelikle bilgisayarınızda JAMOVI programının kurulu olması gerekiyor, ardından Şekil 1'de gösterilen ve programın en sağında yer alan "+" butonuna tıklayıp modülleri açmalısınız.

Şekil 1

Ardından Şekil 2'de gösterilen semlj- SEM isimli modelü kurmalısınız. 

Şekil 2

Bu modülü kurduktan sonra Şekil 3'te gösterildiği gibi menünüze "SEM" isimli yeni bir buton eklenecektir. 

Şekil 3

"SEM" butonuna tıklayarak yapısal eşitlik modeli analizi için değişkenleri tanımlayabileceğini ekran açılacaktır (Şekil 4). 

Bu ekranda üzerine ok gelen değişkenleri "Endogenous Variables" penceresine göndermeniz gerekiyor. 

Sadece üzerinden ok çıkan değişkenleri ise "Exogenous Covariates" penceresine göndermelisiniz. Modelde kontrol değişkeniniz varsa (cinsiyet vb.) bu değişkenleri "Exogenous Factors" penceresine taşıyabilirsiniz. 

Şekil 4

Değişkenleri atadığınız pencerelerin altında değişkenler arasındaki ilişkileri belirleyebileceğiniz sekmekler bulunmaktadır. Yani bir nevi okları çizmiyoruz fakat değişkenler arasındaki ilişkileri göstererek programın bizim yerimize okları çizmesini ve analizi gerçekleştirmesini sağlıyoruz. Bu işlemleri Şekil 5'te gösterilen "Endogenous Models" sekmesinden gerçekleştiriyoruz. Diğer sekmelerde ise standardize katsayılarının elde edilmesi, modelin görünümün değiştirilmesi gibi işlemleri gerçekleştirmek için uygun ayarlar bulunmaktadır. Bunları gerçekleştirdikten sonra en sağ pencerede analiz sonuçları otomatik olarak gözükecektir.

Şekil 5

Umarım bu hap bilgiler analizi yapmanıza ve kendinizi geliştirmenize katkı sağlamıştır. Sorularınızı ve yorumlarınızı paylaşabilirsiniz.

SEM-ANN yöntemi nedir?

SEM-ANN (Structural Equation Modeling - Artificial Neural Network), yapısal eşitlik modellemesi (SEM) ve yapay sinir ağları (ANN) tekniklerinin birleştirilmiş bir yöntemidir. Bu yöntem, geleneksel SEM'in avantajlarını, özellikle hipotez testi ve model uyumunun değerlendirilmesi gibi alanlardaki gücünü yapay sinir ağlarının öğrenme yeteneği ve esnekliği ile birleştirir.

• SEM, karmaşık ilişkileri modellemek için kullanılan istatistiksel bir tekniktir ve genellikle yapısal modelleme, yol modelleme ve faktör analizi gibi yöntemleri içerir. SEM'in temel amacı, gözlemlenen değişkenler arasındaki ilişkileri ve bu ilişkilerin arkasındaki latent yapıları belirlemektir.
• Yapay sinir ağları ise, beyindeki sinir ağlarının işleyişini modelleyen bir yapay zeka metodolojisidir. ANN, büyük miktarda veri kullanarak karmaşık ilişkileri öğrenme yeteneğine sahiptir ve özellikle tahmin ve sınıflandırma gibi alanlarda başarılıdır.
• SEM-ANN yöntemi, SEM'in avantajlarından yararlanarak bir yapısal model oluştururken, yapay sinir ağlarının esnekliğini kullanarak modelin karmaşıklığını artırabilir veya öğrenme sürecini iyileştirebilir. Örneğin, SEM-ANN yöntemi, büyük veri kümeleri üzerinde çalışırken, ANN'in öğrenme yeteneğinden yararlanarak daha karmaşık ilişkileri modelleyebilir veya non-lineer etkileri ele alabilir.
• Bu yöntem, özellikle büyük ve karmaşık veri setlerinde kullanıldığında, hem yapısal ilişkileri modelleyebilme hem de tahmin ve sınıflandırma gibi yapay sinir ağlarının gücünden yararlanabilme avantajları sunar. Bununla birlikte, uygulanması ve yorumlanması geleneksel SEM ve ANN tekniklerine kıyasla daha karmaşık olabilir. Bu nedenle, araştırmacılar SEM-ANN yöntemini kullanırken dikkatli olmalı ve sonuçları doğru bir şekilde yorumlamalıdır.

Destek için neoistatistik.com

AMOS ve SmartPLS programları arasındaki temel farklar nelerdir?

AMOS ve SmartPLS, yapısal eşitlik modellemesi (SEM) için kullanılan iki popüler yazılım aracıdır. Her ikisi de araştırmacıların karmaşık ilişkileri modellemesine ve veri analizi yapmasına olanak tanır, ancak farklı özelliklere ve kullanım senaryolarına sahiptirler.

İşte bu iki yazılım arasındaki temel farklar:

1.Yapısal Eşitlik Modellemesi (SEM) Uygulamaları:

AMOS: AMOS, geleneksel yapısal eşitlik modellemesi için kullanılır. Bu, genellikle gözlemlenen değişkenler arasındaki korelasyon ve nedensel ilişkileri test etmek için kullanılır. AMOS, bir modelin uyumunu ölçmek için çeşitli uyum indekslerini sağlar ve model parametrelerini tahmin etmek için maksimum olabilirlik veya en küçük kareler yöntemlerini kullanabilir.

SmartPLS: SmartPLS ise bir kısmi en küçük kareler (PLS) tabanlı yapısal eşitlik modelleme yaklaşımı sunar. PLS, özellikle göreli olarak küçük örneklem büyüklükleri veya tahmin edici gücün yüksek olması gereken durumlar gibi durumlarda kullanışlıdır. SmartPLS, kapsayıcı olmayan ve göreceli olarak daha basit modellerle çalışmayı destekler.

2.Ölçek Tipleri:

AMOS: AMOS, genellikle interval veya oran ölçekli değişkenlerle çalışır.

SmartPLS: SmartPLS, nominal, ordinal, interval ve oran ölçekli değişkenlerle çalışabilir. Bu, SmartPLS'in daha geniş bir veri yelpazesini desteklediği anlamına gelir.

3.Örneklem Büyüklüğü ve Güç Analizi:

AMOS: AMOS, genellikle büyük örneklem boyutları için daha uygundur ve klasik istatistiksel testler kullanır.

SmartPLS: SmartPLS, görece küçük örneklem boyutları için daha uygundur ve örneklem büyüklüğü ve güç analizi yapma yeteneğine sahiptir.

4.Kullanıcı Dostu Arayüz:

AMOS: AMOS, biraz daha karmaşık bir arayüze sahiptir ve genellikle kullanımı daha fazla zaman ve deneyim gerektirir.

SmartPLS: SmartPLS, genellikle daha kullanıcı dostu bir arayüze sahiptir ve kullanımı daha kolaydır, bu nedenle özellikle yeni başlayanlar için tercih edilebilir.

5.Hesaplama Yöntemleri:

AMOS: AMOS, yapısal eşitlik modelleme için geleneksel maksimum olabilirlik tahmin yöntemlerini kullanır.

SmartPLS: SmartPLS, kısmi en küçük kareler (PLS) yöntemini kullanır.

***Bu farklılıklar, araştırmacıların ihtiyaçlarına ve analiz gereksinimlerine bağlı olarak hangi yazılımın tercih edileceğine karar vermelerine yardımcı olabilir. Örneğin, büyük örneklem boyutları ve karmaşık yapısal ilişkilerle uğraşıyorsanız, AMOS gibi geleneksel bir SEM aracı daha uygun olabilir. Ancak, görece küçük örneklem büyüklükleri veya karmaşık olmayan yapılar için, SmartPLS gibi bir PLS tabanlı araç daha uygun olabilir.

Analiz ve raporlama desteği için neoistatistik.com sayfamızı ziyaret edebilirsiniz.

Analitik Düşünme Becerisini Geliştirmek İçin Sınıf İçinde Yapılabilecek Uygulamalar

Öğrencilerin analitik düşünme becerilerini geliştirmek için sınıf içinde birçok uygulama yapılabilir. İşte bazı örnekler:

Problemlerle uğraşmak: Öğrencilere farklı problemler sunmak, onları analiz etmelerini ve çözüm yollarını bulmalarını istemek, analitik düşünme becerilerini geliştirmelerine yardımcı olabilir.

Tartışmalar yapmak: Sınıf içinde tartışmalar yapmak, öğrencilerin farklı perspektifleri görmelerine, argümanları analiz etmelerine ve mantıklı sonuçlara ulaşmalarına yardımcı olabilir.

Veri analizi: Öğrencilere veri toplama, analiz etme ve yorumlama becerilerini öğretmek, analitik düşünme becerilerini geliştirmelerine yardımcı olabilir. Örneğin, öğrencilere bir ankete katılmalarını ve verileri analiz etmelerini isteyebilirsiniz.

Problem çözme stratejileri öğretmek: Öğrencilere problem çözme stratejileri öğretmek, analitik düşünme becerilerini geliştirmelerine yardımcı olabilir. Örneğin, problemi tanımlamak, veri toplamak, hipotezler oluşturmak ve test etmek gibi stratejiler öğretilebilir.

Analitik düşünme becerilerini teşvik eden oyunlar oynamak: Öğrencilerin analitik düşünme becerilerini geliştirmelerine yardımcı olan oyunlar oynamak, öğrenmeyi daha eğlenceli hale getirebilir. Örneğin, kelime oyunları, matematik oyunları ve bulmacalar oynayabilirsiniz.

Soru sorma: Öğrencilere soru sorma alışkanlığı kazandırmak, analitik düşünme becerilerini geliştirmelerine yardımcı olabilir. Öğrencilerin sınıf içinde veya ödevlerinde soru sormalarını teşvik edebilirsiniz. Bu, öğrencilerin derinlemesine düşünmelerine, bağlantılar kurmalarına ve sonuçlara ulaşmalarına yardımcı olabilir.

Bu uygulamaların yanı sıra öğretmenler, öğrencilerin analitik düşünme becerilerini geliştirmek için kendi yaratıcı yöntemlerini de kullanabilirler. Önemli olan, öğrencilerin analitik düşünme becerilerini sürekli olarak teşvik etmek ve geliştirmek için farklı yollar denemektir.

Narsistik Kişilik Ölçeği (NKÖ-16), Boyutları ve Madde Numaraları

 

Narsistik Kişilik Ölçeği (NKÖ-16)

Ölçekte yer alan her bir soru için 2 önerme sunulmuş ve katılımcılardan, kendilerine uyan önermeyi işaretlemeleri istenmiştir. Narsistik ifade eden maddelere 1 puan verilmektedir, Ölçekten toplam puan alınabilmektedir, 

Narsistik Kişilik Ölçeğinde; 

 Otorite alt boyutu; 4 ve 12‟nci sorularla, 

 Kendine Yeterlik alt boyutu; 8, 13 ve 15‟nci sorularla, 

 Üstünlük alt boyutu; 1, 3 ve 16‟ncı sorularla, 

 Teşhircilik alt boyutu; 2, 7 ve 11‟nci sorularla, 

 Sömürücülük alt boyutu; 5, 9 ve 14‟ncü sorularla, 

 Hak İddia Etme alt boyutu ise; 6 ve 10‟ncu sorularla ölçülmüştür.

Kaynaklar 

Salim, A. T. A. Y. (2009). Narsistik kişilik envanteri’nin Türkçe’ye standardizasyonu. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(1), 181-196.

GÜRKAN, A., YILDIZ, M., ÇALIŞKAN, G., & DİNÇ, A. (2018). Üniversite Öğrencilerinin Spor Yapma Alışkanlıkları ile Narsistik Kişilik Özellikleri Arasındaki İlişkinin Değerlendirilmesi.

Yaşam Projesi (OWB) Ölçeği Puanlama Bilgisi

Yaşam Projesi (OWB) Ölçeği

 Bu ölçeğin puanlama bilgisini ben aradım, zor buldum, sizler zahmet çekmeyin diye paylaşıyorum. Başarılar dilerim.

 Puanlama Bilgisi

Hiçlik	Umut	Pişmanlık	Aktivasyon
10, 11, 15, 16, 18, 17	22, 20, 23, 19, 21, 24	4, 3*, 6, 5, 1*, 7, 2	8*, 9, 12, 13, 14

*ters maddeler

 

Link: https://www.researchgate.net/publication/257589166_Affective_Reactions_to_One's_Whole_Life_Preliminary_Development_and_Validation_of_the_Ontological_Well-Being_Scale

Solomon 4 gruplu deneme modelinde yapılabilecek grup karşılaştırmaları

Solomon dört gruplu deneme modeli


Şekil 1. Solomon dört gruplu deneme modelinin simgesel gösterimi

R: Random, rastgele seçim
O: Observation, gözlem, test uygulaması
X: Deneysel işlem


Solomon deneysel desenini kullanan araştırmaların  ön test son test kontrol gruplu deneysel desende kullanılan karşılaştırmaları yapmaya çalıştıkları görülmektedir. Halbuki solomon deneysel desenini diğer deneme modellerinden farklı karşılaştırmaların yapılmasını gerektirmektedir.

Braver ve Braver, solomon 4 gruplu deneme modelinde yapılması gereken karşılaştırmaları adım adım gösteren bir şekil hazırlamıştır. Bu şekil aşağıda yer almaktadır..





Braver, M. W., & Braver, S. L. (1988). Statistical treatment of the Solomon four-group design: A meta-analytic approach. Psychological bulletin, 104(1), 150.

Şekil incelenerek grup karşılaştırmaları için yapılması gereken analizler adım adım gerçekleştirilebilir.

Boostrap Yöntemi ve Sobel Testi ile Aracılık etkisi nasıl hesaplanır?

Aracı değişken diğer ismi ile mediatör değişken analizi için AMOS, SPSS, LISREL, SmartPLS gibi farklı programlar kullanılabilmektedir. Aracı (mediatör) ve düzenleyici (moderatör) değişkenler hakkında daha fazla bilgi almak isterseniz şu linkten ilgili makalemi inceleyebilirsiniz. Hangi program kullanılırsa kullanılsın aracılık etkisinden söz edebilmek için bazı şartların karşılanması gerekmektedir. Bu makalede Boostrap ve Sobel Testi kullanılarak aracılık etkisinin nasıl test edilebileceği hakkında özet bilgiler sunmaya çalışacağım.

Boostrap Yöntemi ile Aracılık etkisi nasıl test edilir?

Bootstrap yöntemi, karmaşık matematiksel formüllerden ziyade anlaşılması ve kullanılması kolay basit matematiksel formüllere dayanmaktadır. Bu yöntemin çoklu normal dağılım varsayımı gibi bazı önemli varsayımların karşılanamadığı durumlarda kullanılabildiği ve güvenilir sonuçlar verdiği gözlenmiştir. Bu makalede Boostrap yönteminin temellerine inilmeyecektir. Zaten AMOS, SPSS ve SmartPLS gibi programlar bu yöntemin uygulanmasına ve sonuçların bir çırpıda elde edilmesine imkân vermektedir. Araştırmacıya düşen bu yöntem ile elde edilen sonuçları yorumlamak ve çıkarımda bulunmaktır.

Boostrap Yönteminde şu durumlar elde edilebilirse aracılık etkisinden söz edilebilir;

• .X bağımsız değişken ve Y bağımlı değişken olmak üzere, bağımsız değişkenin bağımlı değişken üzerindeki doğrudan etkisi istatistiksel olarak anlamlı olmalıdır. Bunun için AMOS programı ile aşağıdaki model oluşturularak test edilebilir. Elde edilen Beta katsayısının istatistiksel olarak anlamlı olup olmadığı incelenebilir. Eğer doğrudan etki istatistiksel olarak anlamlı ise bir sonraki aşamaya geçilebilir. Eğer anlamlı değil ise aracılık etkisinin incelenmesi işlemi, gerekli varsayım karşılanamadığı için, bu aşamada sona erer.

• İkinci durum için aşağıdaki şekil referans alınabilir.  Şekilde X bağımsız, Y bağımlı ve Z Aracı değişken olarak modelde yer almaktadır. Aracı değişken (Z) model dahil edildiğinde, bağımsız değişkenin (X) bağımlı değişken (Y) üzerindeki etkisinin bir kısmı aracı değişken (Z) üzerinden gerçekleşmektedir. Buna X’in Y üzerindeki dolaylı etkisi denmektedir. İşte bu dolaylı etkinin de istatistiksel olarak anlamlı olması gerekmektedir. Bunun için yine AMOS ile aşağıdaki model oluşturularak test edilebilir. Dolaylı etkisinin istatistiksel olarak anlamlı olup olmadığı incelenebilir. Eğer anlamlı bir etki elde edilebilir ise bir sonraki aşamaya geçilebilir.

• Üçüncü ve son durum ise VAF değeri hesaplanarak kontrol edilmektedir.

VAF= Dolaylı etki/toplam etki*100 formülü ile elde edilmektedir.

1. VAF > %80 ise full mediation, yani tam aracılık etkisi oluşmaktadır,
2. %20 ≥ VAF ≥ partial mediation, yani kısmi aracılık etkisi oluşmaktadır,
3. %20 > VAF ise aracılık etkisinin oluşmadığı ifade edilmektedir.

Kaynak: (Preacher ve Hayes, 2004; 2008)

Sobel Testi ile Aracılık etkisi nasıl gerçekleştirilir?

Sobel testinin kullanılabilmesi için normal dağılım ve çoklu normal dağılım varsayımlarının karşılanmış olması gerekmektedir. Sobel testi için internette ücretsiz hizmet veren siteler bulunmaktadır. Araştırmacı sadece istenilen değerleri girmesi durumunda sobel testi sonucunu elde edebilmektedir. Şu linkten sobel testi analizi yapan siteye ulaşabilirsiniz. Siteye girdiğinizde aşağıdaki tabloya ilgili değerleri girmeniz istenecektir.

Sobel testi için girilmesi gereken değerler

X: Bağımsız değişken, Y: Bağımlı değişken ve M: Aracı değişken

Input sütunundaki a ve S_a değerlerini elde edebilmek için yukarıdaki modelde gösterilen X in Y üzerindeki etkisi basit doğrusal regresyon analizi ile test edilmelidir. Bunun için SPSS kullanılabilir. Bu şekilde X in Y üzerindeki etkisini gösteren standart olmayan Beta katsayısı a değerini ifade edecektir. Standart olmayan Beta katsayısına ait Standart hata değeri ise S_a değerini gösterecektir.

Input sütunundaki b ve S_b değerlerini elde edebilmek için ise yukarıdaki modelde gösterilen X ve M’nin aynı anda (enter yöntemi ile) Y üzerindeki etkisi basit doğrusal regresyon analizi ile test edilmelidir. Bu şekilde M nin Y üzerindeki etkisini gösteren standart olmayan Beta katsayısı b değerini ifade edecektir. Standart olmayan Beta katsayısına ait Standart hata değeri ise S_b değerini gösterecektir. Elde edilen değerler yukarıda gösterilen tabloya girildikten sonra Calculate butonuna basılarak; sobel test değeri, std. Hata değeri ve p anlamlılık değeri elde edilmektedir. Anlamlılık değeri 0,05'ten küçük ise aracılık etkisinden bahsedilebilir.

Aracı ve düzenleyici değişken analizleri ve raporlama için profesyonel destek almak isterseniz bize ulaşabilirsiniz,

neoistatistik.com

destek@neoistatistik.com

Mediatör (Aracı) ve Moderatör (Düzenleyici) degisken nedir?

Neden Mediatör (Aracı) ve Moderatör (Düzenleyici) Değişkenleri kullanıyoruz?

Son yıllarda, özellikle sosyal bilimlerde, klasik regresyon analizlerinin dışında mediatör ve moderatör analizlerinin daha fazla kullanılmaya başlandığını görmekteyiz. Bu durumun olası nedenlerinden birinin, bilimsel çalışmaların bağımlı ve bağımsız değişken arasındaki ilişkileri incelemekten çok, bağımlı ve bağımsız değişken arasındaki ilişkiye etki edebilecek yeni değişkenleri keşfetmeyi amaçlaması olduğunu düşünüyorum. Yani şöyle düşünelim, zekâ ile akademik başarı arasında ciddi bir ilişkinin olduğunu herkes biliyor artık. Şu an merak edilen konu ise hangi değişken veya değişkenlerin bu ilişkiyi etkileyebileceğidir. İşte bu aşamada devreye Mediatör (aracı) ve moderatör (düzenleyici, katalizör) değişkenler devreye giriyor.

Mediatör ve moderatör değişkenleri çoğu zaman birbiri ile karıştırılmaktadır. Hatta bazı araştırmalarda bu değişken isimlerinin birbirinin yerine kullanıldığını görmekteyiz. Bu makalede mediatör ve moderatör değişkenler arasındaki farkı açıklamaya çalışacağım. Mediatör ve moderatör analizleri SPSS için geliştirilen macro uygulaması ile gerçekleştirilebilmektedir. Bunun için Hayes in geliştirdiği makroyu indirebilirsiniz (link). Ayrıca, AMOS programı ile de bu analizleri gerçekleştirmeniz mümkündür. AMOS programının deneme sürümünü buradan indirebilirsiniz (link).

Sonraki makalelerde bu programları kullanarak farklı örnekler yapmayı planlıyorum.

Mediatör (aracı) değişken

Mediatör değişken Türkçe kaynaklarda aracı değişken olarak da ifade edilmektedir. Aracı değişken bağımlı ve bağımsız değişkenler arasındaki ilişkinin bir kısmını veya tamamını üstlenen değişkendir. Aşağıdaki aracı değişken modelini inceleyelim.

Aracı değişken modeli

Aracı değişken modelinde mobbing algısı bağımsız değişken, iş performansı bağımlı değişken ve stres ise aracı değişken olarak yer almaktadır. Aracı olarak seçilen değişken, bağımsız değişkenin bir sonucu olmalıdır. Bağımlı değişken de aracı olarak seçilen değişkenin sonucu olmalıdır. Başka bir ifade ile mobbing algısı stres algısının yükselmesine neden olabilir. Stres ise iş performansını olumsuz yönde etkileyebilir. Görüldüğü gibi bu değişkenler arasında neden sonuç ilişkileri bulunmaktadır. 

Moderatör (düzenleyici, katalizör) değişken

Moderatör değişken ise Türkçe kaynaklarda düzenleyici veya katalizör değişken olarak geçmektedir. Düzenleyici değişken analizinde, düzenleyici olarak seçilen değişkenin bağımsız değişkenden etkilenme şartı bulunmamaktadır. Bu durumu daha iyi anlayabilmek için aşağıdaki modeli inceleyelim.

Moderatör-Düzenleyici-Katalizör Değişken Modeli

Düzenleyici değişken modelinde mobbing algısı bağımsız değişken, iş performansı bağımlı değişken ve yaş ise düzenleyici değişken olarak yer almaktadır. Görüldüğü gibi yaş değişkeninin mobbing algısının bir sonucu olması söz konusu değildir. Düzenleyici değişken analizinde temel amaç, düzenleyici olarak seçilen değişkenin, bağımlı ve bağımsız değişken arasındaki ilişkinin gücünü nasıl etkilediğini ortaya koymaktır. Yani yaş azaldıkça mobbing algısı ile iş performansı arasındaki ilişkinin gücü artabilir veya azalabilir. Düzenleyici (moderatör) değişkene bağlı olarak bağımlı ve bağımsız değişken arasındaki ilişkiyi daha iyi ifade edebilmek için regresyon eğrileri temel alınarak grafik oluşturulmaktadır. Bu şekilde oluşturulan bir grafiği aşağıda görmekteyiz.

Moderatör analizi sonucunda regresyon eğrileri temel alınarak geliştirilen grafik 

Grafik incelendiğinde, moderatör olarak CTE değişkenin seçildiği görülmektedir. Düşük (low) CTE’ye sahip kişilerde JB ve JS arasındaki ilişki daha güçlüdür. Yüksek (high) CTE’ye sahip kişilerde ise JB ve JS arasındaki ilişki daha zayıftır. Dolayısı ile CTE değişkeninin bağımlı ve bağımsız değişken için önemli olduğunu söyleyebiliriz.

Moderatör ve mediatör değişkenlerin ne olduğunu ve bunlar arasındaki farkı örnekler ile açıklamaya çalıştım. Umarım çalışmalarınızın yönünü belirlemenizde faydalı olur. Aşağıdaki örnekleri de inceleyebilirsiniz. Profesyonel destek almak için neoistatistik.com

Yararlandığım kaynaklar: statwiki.kolobkreations.com

Ki kare testi nedir? SPSS ile Ki kare analizi nasıl yapılır?

Ki Kare testi nedir?

Ki kare testinin; ki kare bağımsızlık testi, ki kare homojenlik testi, ki kare uygunluk testi olmak üzere birçok uygulama alanı bulunmaktadır. Bu makalede iki kategorik değişken arasındaki ilişkiyi incelemek için kullanılan ki kare bağımsızlık testi hakkında ayrıntılı bilgi vereceğiz. Örneğin okunan gazete ile eğitim durumu arasında anlamlı bir ilişkinin bulunup bulunmadığını merak eden bir  araştırmacı, ki kare bağımsızlık testi kullanacaktır. Ki kare, X² sembolü ile gösterilmektedir. Ki kare testinin SPSS de nasıl uygulandığını adım adım anlatmaya çalışacağım. SPSS programının deneme sürümünü  buradan  indirebilirsiniz.

Ki kare testi SPSS Uygulaması

Ki kare testi başka bir ifade ile ki kare analizi sosyal bilimlerde en çok kullanılan analizlerden biridir. Ki kare testinin spss ile uygulamasından önce, testin daha iyi anlaşılması için bir takım ön bilgilerin verilmesini faydalı buluyorum. Ki kare tablosunda oluşan her bir gözenek için beklenen ve gözlenen frekans değerleri hesaplanmaktadır. 

Ki kare tablosu

Beklenen frekans değerinin formülü aşağıda gösterilmiştir. Gözlenen frekans değeri ise elimizdeki verilere göre oluşan değerlerdir. Örneğin yukarıdaki tabloya göre araştırmaya 24 bayan katılmıştır. Bunların 19'u obez, 5'i ise obez değildir. 19 ve 5 gözlenen değerlerdir. Bunların hemen altında aşağıdaki formüle göre hesaplanan beklenen değerleri görebilirsiniz.

Beklenen frekans değeri oluşan her bir gözenek için tek tek hesaplanır. Ayrıca, her bir gözenek için ki kare değeri hesaplanır ve bu değerler toplanır. Elde edilen toplam ki kare değeri, serbestlik derecesi de dikkate alınarak, kritik ki kare değeri ile karşılaştırılır. Ki kare değerinin hesaplanması ile ilgili formül aşağıda gösterilmiştir.

Çok fazla kafanızı karıştırmadan ki kare analizinin spss uygulamasına geçmek istiyorum. Fakat buraya kadar anlattıklarımı özetleyecek olursak;

-ki kare bağımsızlık testinin iki tane kategorik değişken arasındaki ilişkiyi incelemek için kullanıldığını,

-ilişkinin anlamlılık düzeyini belirlemek için gözlenen ve beklenen frekans değerine göre oluşturulan ki kare toplam değerinin dikkate alındığını söyleyebiliriz. 

Örneğimizde iki tane kategorik değişken bulunmaktadır. Bunlar obezite ve cinsiyet değişkenleridir. Obezite ve cinsiyet iki kategoriden oluşmaktadır. Bu değişkenleri çaprazladığımızda, ki kare tablosunda 2x2= 4 adet gözenek oluşacaktır.

Ki kare analizi için Analyze menusünden Descriptive Statistics sekmesine oradan da Crosstab sekmesine tıklamanız gerekmektedir.

Karşımıza yukarıdaki pencere çıkacaktır. Bu pencerede ilgili değişkenleri row (satır) ve colum (sütun) pencelerine sürükleyip bırakıyoruz.

Daha sonra sırası ile önce Cells sekmesine tıklıyoruz. Buradan gözlenen ve beklenen değeri görebilmemiz için observed ve expected seçeneklerini işaretliyoruz. Ayrıca yorumlama kolaylığı sağlamak için percentages seçneğinin altındaki row alt seçeneğini işaretliyoruz. Daha sonra devam butonuna tıklıyoruz.

ki kare testinin seçilmesi

Bir sonraki adımda, ki kare testini yapabilmemiz için Statistics sekmesine tıklıyoruz. Açılan pencereden Chi-square sekmesini işaretliyoruz. Devam butonuna ve ardından OK butonuna basıyoruz.

Ve nihayet karşımıza ki kare analizi ile ilgili tablolar çıkıyor. Birinci tabloda gözeneklere ilişkin beklenen ve gözlenen değerler var. Ayrıca, cinsiyete dayalı olarak yüzde değerleri hesaplanmış. Bayanların %79,2'si obez iken, erkeklerin %29,2'si obez olarak gözüküyor. Tablo ayrıntılı incelendiğinde, kadınlarda obezite oranının daha yüksek olduğunu görüyoruz. Beklenen ve gözlenen değerler arasında da fark var. Örneğin erkeklerde obez olanların sayısı 13 beklenirken 7 çıkmış. Kadınlarda obez olanların sayısı 13 beklenirken 19 çıkmış. Sonuç olarak, erkeklerde beklenen değerin altında, kadınlarda ise beklenen değerin üzerinde gözlemlerin oluştuğunu görmekteyiz.

Bir sonraki tabloda cinsiyet ile obez olma durumu arasındaki ilişkinin anlamlı olup olmadığını görüyoruz. Ki kare değeri 12,084 olarak  ve anlamlılık değeri ise 0,001 olarak hesaplanmış. Anlamlılık değeri 0,05'den küçük olduğu için cinsiyet ile obez olma durumu arasında anlamlı bir ilişkinin olduğunu söyleyebiliriz. Sonuç olarak, ki kare testi sonucunda; cinsiyet ile obez olma durumu arasında anlamlı bir ilişki tespit ettik. Kadınlarda erkeklere göre obezitenin daha yüksek olduğunu gözlemledik.

Korelasyon Nedir? Korelasyon Analizi

Korelasyon nedir?

Korelasyon iki değişken arasındaki doğrusal ilişkinin derecesini ve yönünü açıklayan bir kavramdır. İlişki hesaplamalarında veya ilişki analizlerinde bu kavram sıklıkla kullanılmaktadır. Yapılan analiz ve hesaplamaların nihai amacı ele alınan değişkenler arasındaki ilişkinin gücünü ve yönünü ortaya koymak için standart bir değer elde etmektedir. Bu standart değer korelasyon katsayısı olarak adlandırılmakladır. Korelasyon katsayısı R ile gösterilmektedir.

İlişkinin gücü ve yönü ile ilgili daha fazla bilgi vermekte fayda görüyorum. Korelasyon katsayısı +1 ile -1 arasında değerler alır. ±1 değerine yakın katsayılar güçlü ilişkileri ifade etmektedir. 0 ile ±0,29 arasındaki katsayılar düşük düzey, ±0,30 ile ±0,69 arasındaki katsayılar orta düzey ve ±0,70 ve üzerindeki katsayılar ise yüksek düzey ilişkileri göstermektedir.

Pozitif katsayılar, ele alınan değişkenlerden biri arttıkça diğerinin de arttığını göstermektedir. Negatif katsayılar ise ele alınan değişkenlerden biri arttıkça diğerinin azaldığını göstermektedir. Bir örnek üzerinde bu durumu açıklayalım.

Yukarıdaki grafikte tutum ve başarı puanları arasındaki ilişkiyi görmekteyiz. Kırmızı çizgi doğrusal ilişkinin yönünü ve gücü göstermektedir. İlişkinin gücü arttıkça kırmızı çizginin siyah çizgiye yaklaşması beklenmektedir. Bu iki değişken arasındaki korelasyon katsayısı R=0,44 olarak hesaplanmıştır. Yani tutum ile başarı puanları arasında orta düzeyde pozitif yönlü bir ilişki söz konusudur. Tutum puanları arttıkça başarı puanları da artmaktadır.

Korelasyon Hesaplama, İlişki Hesaplama

Elimizdeki verilerin özelliklerine göre farklı teknikler kullanarak korelasyon diğer adı ile ilişki hesaplayabiliriz. Başlıca korelasyon hesaplama teknikleri şu şekilde sıralanabilir; Pearson korelasyon, Spearman korelasyon ve Kendall’s tau-b korelasyon tekniği. Verilerimiz ölçek tipinde, sürekli ve normal dağılıma sahip ise Spearman korelasyon analiz tekniğini kullanabiliriz. Verilerimiz kategorik ve sıralamalı ise Spearman korelasyon analiz tekniğini seçmeliyiz. Hangi ilişki analizini kullanırsak kullanalım her birinde korelasyon katsayısı elde ederiz ve bunu yorumlamaya çalışırız.  

SPSS ile Korelasyon analizi

Korelasyon analizi birçok program ile gerçekleştirilebilir. Örneğin excel üzerinden başka bir program kullanmadan iki veri seti arasındaki ilişkiyi gösteren bir katsayısı elde edilebiliriz. Bunun için =korelasyon (veri seti 1, veri seti 2) excel formülünü yazmamız yeterli olur. Fakat bu yöntemde sadece korelasyon katsayı hesaplarız. Korelasyon değerinin istatistiksel olarak anlamlı olup olmadığını ise göremeyiz.

SPSS sosyal bilimlerde en çok kullanılan programlardan biridir. Spss ile korelasyon hesaplamanın nasıl yapıldığını adım adım anlatmaya çalışacağım. SPSS programının deneme sürümünü buradan indirebilirsiniz.

Aralarındaki ilişkileri hesaplamak istediğimiz değişkenler tutum ve başarı olarak isimlendirilmiş ve spss programına aktarılmıştır. 

Korelasyon analizi için Analyze meüsünden Correlate sekmesine oradan da Bivariate sekmesine tıklıyoruz.

                                                                                                                                                                 

Bir sonraki adımda karşımıza yeni bir pencere açılıyor. Aralarında ilişki hesaplamak istediğimiz değişkenleri karşı tarafa sürüklüyoruz. Ayrıca, daha önce bahsettiğim gibi verilerimizin özelliklerini dikkate alarak korelasyon analiz tekniğimizi seçiyoruz. Pearson korelasyon analizi otomatik seçili olarak karşımıza çıkıyor. OK düğmesine tıklıyoruz.

Karşımıza korelasyon analizi sonuçlarına ilişkin bir tablo çıkıyor. Tabloda birçok değer var, bunlar kafanızı karıştırmasın. Tabloda başarı değişkeninin kendisi ile olan ilişkisi 1 olarak ifade edilmiştir. Başarının tutum ile olan ilişkisi ise 0,442 olarak ifade edilmiştir. Bu değer orta düzeyde pozitif yönlü bir ilişkinin var olduğunu ifade etmektedir. Bu katsayının yanındaki ** simgesi ise ilişkinin istatistiksel olarak anlamlı olup olmadığı hakkında bilgi vermektedir. Tablonun altındaki açıklamada da belirtildiği gibi hesaplanan korelasyonun 0,01 düzeyinde anlamlı olduğunu söyleyebiliriz. Sonuç olarak, tutum ve başarı arasında orta düzeyde pozitif yönlü ve istatistiksel olarak anlamlı bir ilişkinin bulunduğunu söyleyebiliriz (r=0,442; p<0,01).

SPSS ile regresyon analizi nasıl yapılır

Regresyon Analizi nedir?

Merhabalar, sosyal bilimler alanında en çok kullanılan çok değişkenli analizlerden biri doğrusal regresyon analizidir. SPSS ile regresyon analizinin nasıl yapıldığını bir örnek üzerinde adım adım anlatmaya çalışacağım. SPSS programınız yok ise buradan deneme sürümünü indirebilirsiniz.

Regresyon analizinde bağımlı (etkilenen, yordanan, sonuç değişkeni) ve bağımsız (etkileyen, yordayan, neden olan) değişkenler söz konusudur. Değişkenleri örnek üzerinde anlatarak konuyu biraz daha genişletelim. Bir araştırmacı öğrencilerin ders çalışma süresinin akademik başarıları üzerindeki etkisini araştırmak istesin. Bu araştırma konusunda bağımlı değişken akademik başarı, bağımsız değişken ise ders çalışma süresi olmaktadır. Bir örnek daha verelim. Sigara içme alışkanlığının kanser olma durumu üzerindeki etkisinin belirlenmesi, şeklinde bir araştırmada ise bağımlı değişken kanser olma durumu, bağımsız değişken ise sigara içme alışkanlığı olmaktadır. Regresyon aanalizi için, regresyon modeli oluştururken bağımlı değişkeni etkileyebilecek tüm değişkenlerin dikkate alınması gerekmektedir. Bu şekilde bağımlı değişkeni açıklayan güçlü bir regresyon modeli ortaya konabilir. İlk verdiğimiz örnek üzerinde konuyu biraz daha açıklayacak olursak, öğrencilerin akademik başarısı üzerinde etkili olabilecek birçok değişken bulunmaktadır. Yani ders çalışma süresi ile birlikte, motivasyon, kaygı, öz-yeterlik, okula karşı tutum, öğretmene karşı tutum gibi birçok değişken regresyon modeline dahil edilebilir. Tabi bu değişkenlerin neden seçildiğinin literatürdeki çalışmalar referans gösterilerek açıklanması faydalı olacaktır. 

Regresyon Analizi için Gerekli Varsayımların Kontrol Edilmesi

Bilindiği gibi çok değişkenli analizler bazı varsayımlara dayanmaktadır. Regresyon analizi yapılmadan önce bu varsayımların test edilmesi gerekmektedir. Makale çalışmalarında hakemler, tez çalışmalarında ise juri üyeleri yapılan analizlerin gerektirdiği varsayımların karşılanıp karşılanmadığını kontrol etmektedir. Bu bakımdan spss ile regresyon analizi gerçekleştirilmeden önce gerekli varsayımların kontrol edilmesini kesinlikle tavsiye ediyorum.

Çok değişkenli analizler için gerekli varsayımlar şu şekilde sıralanabilir;

• Çok değişkenli normal dağılım
• Çoklu bağlantı probleminin bulunmaması
• Çok değişkenli normallik

Regresyon analizi SPSS de nasıl yapılır?

Bu varsayımları spss ile nasıl test edildiğini başka bir derste açıklamaya çalışacağım. Bu makaledeki örneğimizde gerekli varsayımların karşılandığı kabul edilerek regresyon analizi gerçekleştirilmiştir.

Araştırma sorumuz şu şekildedir; Öğrencilerin derse karşı tutumları ders başarılarını nasıl etkilemektedir? Örnekteki değişkenler incelendiğinde, tutumun bağımsız değişken, ders başarısının ise bağımlı değişken olduğu anlaşılmaktadır.

Spss veri dosyasında araştırma sorumuzda yer alan değişkenleri görüyoruz. Bunlar tutum ve başarı değişkenleridir. 

Analize menüsünden, regressyon sekmesine oradan da linear sekmesine tıklıyoruz.

Bir sonraki adımda karşımıza yeni bir pencere açılıyor. Bağımlı değişkenimiz olan başarı değişkenini dependent yazan bölüme, bağımsız değişkenimiz olan tutum değişkenini ise independent yazan bölüme sürükleyerek bırakıyoruz ve daha sonra OK düğmesine tıklıyoruz.

Ve karşımıza analiz sonuçları çıkıyor. Burada dört tablo görmektesiniz. Bunların her birini açıklamaya çalışacağım. Öncelikle ANOVA başlıklı tabloya odaklanıyoruz. Bu tablodaki F değerini ve anlamlılık (Sig.) değerini inceliyoruz. Anlamlılık değerimiz 0,05 den küçük ise kurmuş olduğumuz regresyon denkleminin istatistiksel olarak anlamlı olduğu yorumunu yapıyoruz. Yani tutumun başarı üzerindeki etkisini araştırmak için oluşturmuş olduğumuz regresyon denklemi istatistiksel olarak anlamlı bulunmuştur diyebiliriz. 

Coefficients tablosunda ise bağımsız değişkenimizin yani tutumun bağımlı değişken üzerinde anlamlı bir etkiye sahip olup olmadığını görebiliyoruz. Buradaki anlamlılık (Sig.) değerinin de 0,05 den küçük olduğunu görmekteyiz. Dolayısı ile tutumun başarı üzerinde anlamlı bir etkisi vardır diyebiliriz. Ayrıca, Standardized Coefficients Beta (standardize B katsayısı) katsayısına bakarak tutumun başarı üzerinde hangi yönde etkili olduğunu da söyleyebiliriz. Bu örnekte B değeri 0,442 olarak hesaplanmıştır. Bu değere bakarak tutumun başarı üzerinde pozitif yönlü bir etkiye sahip olduğunu söyleyebiliriz. Tutum puanları arttıkça ders başarısı da artış göstermektedir.

Model summary tablosunda R kare (R square) değerini görmekteyiz, bu değer korelasyon değerinin (R) karesidir. Bu değer bağımsız değişkenin bağımlı değişken üzerinde ne kadar etkili olduğu hakkında bilgi vermektedir. R kare değeri ne kadar büyük ise tutumun başarı üzerinde o kadar çok etkili olduğu yorumunu yapabiliriz.

Doğrusal regresyon analizinin spss ile gerçekleştirilme sürecini giriş düzeyinde ve basit bir örnek ile açıklamaya çalıştım. Umarım faydalı olmuştur. Soru ve önerilerinizi benimle paylaşabilirsiniz.

SPSS tez analizi süreci ile ilgili faydalı bilgiler

SPSS tez analizi

Ülkemizde yeni üniversitelerin açılması ile birlikte yüksek lisans ve doktora programlarının sayısı da artış göstermiştir. Dolayısı ile lisans üstü eğitim alan araştırmacıların sayısında ciddi bir artış yaşanmıştır. Çalışmalarında nicel araştırma yöntemlerini kullanan araştırmacılar tez verilerini daha çok spss programı kullanarak analiz etmeyi tercih etmektedir. SPSS programının kullanım alanının geniş olması, onun bilim dünyasında daha çok tercih edilmesini sağlamıştır.

Bu noktada, spss programı ile ilgili bilgi vermek faydalı olacaktır. Zira çoğu araştırmacı spss programı ile tez analizi sürecinde tanışmaktadır. Aslında yüksek lisans veya doktora sürecinde spss ile ilgili farklı dersler alınmaktadır fakat çoğu zaman bu dersler verimli olmamaktadır. SPSS programının açılımı Statistical Package for the Social Sciences olarak ifade edilmiştir. Türkçe karşılığı sosyal bilimler için istatistik paket programı şeklindedir. Pazar araştırmacıları, sağlık araştırmacıları, anket çalışmaları, devlet kurumlarının araştırmaları, eğitim araştırmacıları, pazarlama çalışmaları gibi sosyal bilimler alanında toplanan verilerin çözümlenmesinde spss programı sıklıkla kullanılmaktadır. SPSS basit analizlerden çok değişkenli kompleks analizlere kadar çok çeşitli analizlerin yapılmasına fırsat vermektedir. SPSS programında elde edilen sonuçlara ilişkin farklı grafik türleri de elde edilebilmektedir. Tezinizin analizleri için gerekli olacak SPSS programının deneme sürümünü buradan indirebilirsiniz. Bu makalede araştırmacıların tez verilerinin çözümünde spss analiz sürecini nasıl takip etmeleri gerektiği hakkında önemli bilgiler de sunduk.

spss bağımsız örneklem t testi menüsü

SPSS tez analizi sürecinde araştırmacılar almış oldukları derslerdeki bilgileri kullanarak kendi analizlerini yapabilirler. Bunun için biraz geriye dönüp ders notlarını karıştırmak ve bazı kitapları okuyarak takip etmek faydalı olacaktır. Fakat bazı araştırmacılar için spss tez analizi süreci içinden çıkılmaz bir hal alabilmektedir. Özellikle spss analizinde bazı analiz tekniklerini yapmak ve sonuçları yorumlamak ileri düzey bilgi ve beceri gerektirmektedir. Bu nokta da ilgili analizlere yönelik eğitici videolar izlenebilir, uzmanlar ile iletişim kurulabilir. Bu şekilde tez için gerekli spss analizleri gerçekleştirilebilir. Bir diğer seçenek ise spss tez analizi için profesyonel destek almaktır. Ülkemizde kurumsal olarak spss analizleri konusunda destek firmaların bulunduğu bilinmektedir. Örneğin, "neoistatistik" bu firmalar arasında önemli bir yere sahiptir. SPSS tez analizi konusunda destek veren firmaların birçoğunun ise aracı kuruluş olduğu, çoğunun bünyesinde istatistik uzmanı çalıştırmadığını tahmin etmekteyiz. Bu bakımdan spss tez analizi işlemlerini firmalara teslim etmeden önce analizinizi yapacak olan uzman ile birebir görüşmek istediğinizi belirtmeniz faydalı olacaktır. Profesyonel destek almayıp kendi analizlerini yapmak isteyen araştırmacılara şu önerileri sunuyoruz;

1. Öncelikle tezinizin hipotezlerini veya alt problemlerini gözden geçirin: Unutmayın her bir hipoteze karşılık bir spss analizi yapmalısınız. 
2. Hipotezleriniz veya alt problemleriniz için gerekli spss analizlerinin ne olduğunu belirleyin: Hipotezlerinizin test edilmesi için en uygun spss analiz tekniğinin ne olduğunu belirlemeye çalışın, bunun için daha önce yapılmış çalışmaları veya kitaplardaki örnekleri inceleyebilirsiniz.
3. Teziniz için yapılması gereken spss anlizi için bir adım atın: SPSS tez analizi için gerekli kaynakları tarayın. Kaynaklarda izlenen süreci adım adım takip etmeye çalışın. Uygulanan tekniği kendi verilerinize uyarlayarak kullanmaya çalışın.
4. Teziniz ile ilgili daha önce yapılmış benzer çalışmaların spss tez bulgularını gözden geçirin: SPSS analizi yapmak kadar sonuçların yorumlanması da önemlidir. Önceki çalışmaların yorumlama kısmında izlediği süreç size ilham verebilir, sizin çalışmanızı yazmanızı kolaylaştırabilir. 
5. Danışmanınızdan veya uzman bir araştırmacıdan destek alın: Bunları yazmak kadar yapmak kolay değil dediğinizi duyar gibiyim. Evet spss tez analizi sürecinde tüm işlemleri yapmak ciddi bilgi ve beceri gerektirebilmektedir. Belki bunun danışmanınız veya bir uzman ile sürekli iletişim halinde olmanız gerekebilir.

Yeterli zamanınız yok ise  profesyonel destek almanızı öneriyorum. Bunun için benimle de iletişim kurabilirsiniz. Çalışmalarınızda başarılar dilerim.

SPSS de Diskriminant analizi

Diskriminant Analizi

-logistik regresyona çok benziyor

-logistik regresyon,bağımlı değişken iki kategorili, yani ikilemli olduğunda daha etkili,

-logistik reresyon analizinin varsayımlarını karşılamak daha kolay,

-varsayımları karşılandığında diskriminan ananlizi  daha güçlü sonuçlar üretiyor,

-diskriminan analizinde bağımlı değişkenler sürekli, bağımsız değişkenler sınıflamalı değişken oluyor (garip ama böyle)


Örnek
-öz yeteklik kaynakları, matematik başarısı düşük, orta ve yüksek olduğunu bildiğimiz öğrencileri ayırmada ne kadar etkili? Ve bu ayırmada hangi öz-yeterlik kaynağı daha fazla etkilidir?

Bağımlı değişkenler: Öz-yeterlik kaynakları (kişisel deneyimler, dolaylı yaşantılar, sosyal iknalar, fizyolojik durumlar)

Bağımsız değişkenler: Matematik başarı grupları

sonraki yayınlarımda örnek bir uygulama hazırlamaya çalışacağım.

Anket nedir? Anket nasıl hazırlanır? Adım Adın Anket Hazırlama Basamakları...

Anket sistematik veri toplama yöntemlerinden biridir. Anket yöntemi, sosyal bilimler alanında veri toplamak için en çok kullanılan yöntemlerin başında gelmektedir. Anket yöntemi ile çok kısa zamanda çok fazla kişiye ulaşılarak veri toplanabilir. Elde edilen veriler analiz edilerek genellemeler yapılabilir.

Anket yöntemini kullanacak kişi, anketin sonuçlarını genelleyeceği (evren), ve anketi uygulayacağı (örneklem) hedef kitleyi önceden belirlemelidir. Araştırmasının amacına göre hangi örnekleme yöntemini (evrenden örneklem oluşturma yöntemleri) kullanacağını bilmelidir. Örnekleme yöntemlerini başka bir dersimizde ele alacağız.

Genel olarak iki tür anket bulunmaktadır;
1-Yapılandırılmış Anketler
2- Yapılandırılmamış Anketler

Yapılandırılmış Anketler: Cevapları şıklar veya listeler haline getirilerek katılımcılara uygulanan anket türüdür. Bu anket türünde katılımcılar kendilerine sunulan seçeneklerin dışına çıkamazlar. Araştırmalarda en çok kullanılan anket türü, yapılandırılmış anket türüdür. Günümüzde gelişen teknoloji ile bir çok anket hazırlama ve okuma programı geliştirilmiştir. Bu programlar ile araştırmacılar anketlerini istedikleri gibi tasarlayabilmekte ve çok kısa zamanda okutabilmektedir. Aşağıda yapılandırılmış bir anket örneği yer almaktadır;

Yapılandırılmış anketlerde, Likert tipi bir ölçek ile ya da çoktan seçmeli cevap seçenekleri ile katılımcıların görüşlerini belirtmeleri istenir.

Yapılandırılmamış Anketler: Bu anket türünde, katılımcıların açık uçlu sorma, boşluk doldurma, kompozisyon yazdırma, listeleme yöntemlerini kullanarak sorulara cevap vermesi sağlanır. Bu anket türü ile daha farklı ve derinlemesine bilgi edinme olasılığı yüksektir. Diğer yandan, yapılandırılmamış bir anketin değerlendirmesi zor ve oldukça zaman alıcı olabilir. Bu bakımdan yapılandırılmış anketlere göre yapılandırılmamış anketler daha az tercih edilmektedir. Aşağıda yapılandırılmamış anket soruları yer almaktadır;

1-Aylık gelirinizi yazınız:.......................................................TL (Boşluk doldurma yöntemi)
2-Türkiye'nin PISA 2015 sınavındaki matematik performansını nasıl değerlendiriyorsunuz? Kısaca yazınız (açık uçlu soru yöntemi)
3-Aldığınız hizmetin kalitesini artırmak için neler yapılmasını önerirsiniz? Kısaca yazınız (Listeleme yöntemi)
4-Sizce matematik kaygısını azaltmak için neler yapılmalıdır? Kısaca açıklayınız. (Açık uçlu soru yöntemi)

Adım Adım Anket Hazırlama Süreci

1- Araştıracağınız konuyu temsil eden tüm özellikleri not edin,literatür tarayın (benzer anketlerden ilham alın!), beyin fırtınası yapın, araştırma konunuzu temsil eden, ortaya koyan, çok sayıda ifade yazmaya çalışın.

2- Yazdığınız maddelerden benzer olanları eleyin, hangi maddelerin araştırma konusunu daha iyi temsil ettiğini belirlemek için alan uzmanı görüşü alın (danışmanınız, hocanız...), madde sayısını azaltmaya çalışın, unutmayın anketinizin uzunluğu katılımcıların samimi cevaplar vermesini etkileyecektir. Bu da araştırmanızın geçerliğini sınırlayacaktır. Anketin amacına hizmet etmeyen maddeleri anketinizden mutlaka çıkarın!

3- Maddeleri olabildiğince kısa, açık ve net yazmaya çalışın. Anket maddelerinizin herkes tararından aynı biçimde anlaşıldığından emin olun (Pilot çalışma-ön uygulama mutlaka yapın!).  Maddelerin açık net bir şekilde yazıldığından emin olmak için bir dil bilimciden destek alabilirsiniz. Belirsiz yanlış yorumalanabilecek kelime ve ifadelerden kaçının. Birbiri ile çelişen cevap seçenekleri vermekten sakının. Katılımcıları belirli cevaplara yönlendiren ifadeleri kullanmayın.

4- Ankette yer alan her bir madde belirili bir özelliği temsil etmelidir. Birden çok özelliği temsil eden maddeler katılımcının kafasını karıştırır. Doğru cevap vermesini engeller. Bunun için maddelerinizde "ve", "ya da" bağlaçlarını kullanmayın, maddeniz mümkünse tek bir yüklemden oluşsun. Aynı madde içinde iki ayrı konu olmasın.

5- Anketiniz için doğru Likert tipi cevaplama yöntemlerini kullanın. Bu yöntemlerde "tamamen katılıyorumdan" dan "hiç katılmıyorum"a veya "en çok önemli"den "en az önemli"ye veya "benim için tamamen uygun"dan "benim için hiç uygun değil"e doğru cevap dereceleri kullanılabilir.

1 KESİNLİKLE KATILMIYORUM

2 KATILMIYORUM

3 KARARSIZIM

4 KATILIYORUM

5 KESİNLİKLE KATILIYORUM

A. HİÇ TATMİN OLMADIM

B. TATMİN OLMADIM

C. KARARSIZIM

D. TATMİN OLDUM

E. ÇOK TATMİN OLDUM

A. ÇOK KÖTÜ

B. KÖTÜ

C. ORTA

D. İYİ

E. ÇOK İYİ

6- Anket maddelerini cevaplandırmak için farklı cevaplama formatları da kullanılabilir;

7- Anketinizin başına araştırmanızın amacına göre, katılımcıların özelliklerini ortaya koyan profil soruları veya demografik sorular koyun.

Cinsiyetiniz .....K ( ) .............E ( )
Yaşınız..........................................
Aylık Geliriniz...............................................TL
Mesleğiniz............................................................
Kıdem yılınız..................................................
Çocuk sayınız...........................................................
Eviniz kiramı? EVET ( )    HAYIR ( )

8- Anketinizin başına etkili bir giriş ekleyin. Burada yapacağınız araştırmanın öneminden ve amacından kısaca bahsedebilirsiniz. Anket sorularının nasıl cevaplanacağı hakkında çok kısa bilgi verebilirsiniz.

9- Ankete son şeklini verdikten sonra hedef kitleye (örneklem-katılımcılar) uygulamadan önce mutlaka pilot uygulama (5-10 kişi) yapın. Pilot uygulama sonucunda anketinizi tekrar gözden geçirin, gerekli ise bazı maddeleri çıkarın veya yeniden yazın.


Evet sonunda anketiniz hazır, biraz zahmetli ve uzun bir iş anket hazırlamak, Eee bilim insanı olmak kolay değil :-)


Başka bir dersimizde örnekleme yöntemlerini ve anketler için SPSS'de geçerlik ve güvenirlik analizlerinin nasıl yapılacağını anlatmaya çalışacağım.

Konu ile ilgili sorularınıza cevap bulmak  ve anket hazırlama sürecinde destek almak için bana ulaşabilirsiniz.