AFA ve DFA Arasındaki Fark Nedir?

Ölçek geliştiren veya mevcut bir ölçeği farklı bir örneklemde kullanan araştırmacıların sık karşılaştığı soru şudur: AFA mı yapılmalı, DFA mı?

Açımlayıcı faktör analizi ile doğrulayıcı faktör analizi aynı işlemin iki farklı programda yapılmış biçimi değildir. İki yöntem farklı araştırma sorularına cevap verir.

AFA, maddelerin nasıl bir faktör yapısı oluşturduğunu araştırır. DFA, önceden tanımlanmış faktör yapısının eldeki veriye ne ölçüde uyduğunu sınar. AFA’da yapı keşfedilir. DFA’da belirlenmiş bir yapı test edilir.

Bu ayrım, analiz başlamadan önce yapılmalıdır. Araştırmacının ölçeğe ilişkin kuramsal bilgisi, önceki çalışmalar, ölçeğin geliştirilme durumu ve kullanılan örneklemin özellikleri hangi yöntemin seçileceğini belirler.

AFA nedir?

AFA, açımlayıcı faktör analizi ifadesinin kısaltmasıdır. İngilizce kaynaklarda Exploratory Factor Analysis veya EFA olarak geçer.

AFA’nın temel amacı, çok sayıda gözlenen madde arasındaki ilişkileri daha az sayıda gizil faktörle açıklamaktır. Araştırmacı analiz öncesinde kaç faktör oluşacağını kesin olarak belirlemek zorunda değildir. Maddelerin hangi faktörlere yükleneceği de tamamen sabitlenmez.

Örneğin 24 maddelik yeni bir ölçme aracı hazırlanmış olsun. Maddelerin kaç boyut oluşturduğu henüz bilinmiyorsa AFA kullanılabilir. Analiz sonucunda maddelerin üç farklı faktör altında toplandığı görülebilir.

Fabrigar ve arkadaşları, AFA sonuçlarının çıkarım yöntemi, faktör sayısına karar verme biçimi, döndürme yöntemi ve madde seçimi gibi çok sayıda analitik karardan etkilendiğini belirtmektedir. Bu nedenle AFA yalnızca programdaki birkaç seçeneğe basılarak tamamlanan mekanik bir işlem değildir (Fabrigar vd., 1999).

DFA nedir?

DFA, doğrulayıcı faktör analizi ifadesinin kısaltmasıdır. İngilizce kaynaklarda Confirmatory Factor Analysis veya CFA olarak kullanılır.

DFA’da araştırmacı modelini analizden önce tanımlar. Hangi maddenin hangi faktöre bağlanacağı, faktörlerin birbiriyle ilişkili olup olmayacağı ve bazı parametrelerin sabitlenip sabitlenmeyeceği önceden belirlenir.

Örneğin daha önce geliştirilmiş bir ölçeğin dört faktörden oluştuğu biliniyorsa yeni örneklemde bu dört faktörlü yapı DFA ile test edilebilir.

DFA yalnızca faktör yüklerine bakmaz. Kurulan ölçüm modelinin veriyle uyumu da değerlendirilir. Ki-kare, CFI, TLI, RMSEA ve SRMR gibi model uyum göstergeleri incelenir. Brown, DFA’yı önceden tanımlanmış ölçüm modellerini kurma, sınama ve yorumlama süreci olarak ele almaktadır (Brown, 2015).

AFA ile DFA arasındaki temel fark nedir?

En temel fark araştırma sorusudur.

AFA şu soruya cevap verir:

Bu maddeler nasıl bir faktör yapısı oluşturuyor?

DFA şu soruya cevap verir:

Önceden belirlenen faktör yapısı bu veride doğrulanıyor mu?

AFA’da faktör yapısı veriden hareketle araştırılır. DFA’da kuramsal veya önceki araştırmalara dayalı bir model veri üzerinde sınanır.

AFA daha esnek bir model kurar. Bir madde birden fazla faktörle ilişki gösterebilir. DFA’da çoğu uygulamada her madde yalnızca ait olduğu faktöre bağlanır. Diğer faktörlere olan yükler sıfıra sabitlenir.

Bu nedenle AFA ile elde edilen sonuçların doğrudan doğrulanmış bir yapı olarak sunulması doğru değildir. AFA, olası yapıyı ortaya çıkarır. DFA, bu yapıya ilişkin daha güçlü bir sınama sağlar.

AFA ne zaman yapılır?

AFA şu durumlarda kullanılabilir:

Yeni bir ölçek geliştiriliyorsa.

Maddelerin kaç faktör oluşturduğu bilinmiyorsa.

Ölçeğin faktör yapısına ilişkin önceki sonuçlar çelişkiliyse.

Ölçek farklı bir kültüre veya hedef gruba uyarlanıyorsa ve yapının korunup korunmadığı belirsizse.

Maddelerin beklenenden farklı biçimde gruplanabileceği düşünülüyorsa.

Yeni geliştirilen ölçme araçlarında önce madde havuzu oluşturulur. Uzman görüşü ve pilot uygulama sonrasında maddelerin faktör yapısı AFA ile araştırılabilir. Faktör sayısı, maddelerin yükleri, çapraz yükler ve ortak varyans değerleri incelenir.

Worthington ve Whittaker, ölçek geliştirme çalışmalarında AFA ve DFA kararlarının örneklem, çıkarım yöntemi, döndürme, madde tutma ve model uyumu gibi aşamalarla birlikte planlanması gerektiğini vurgulamaktadır (Worthington ve Whittaker, 2006).

DFA ne zaman yapılır?

DFA şu durumlarda kullanılabilir:

Ölçeğin faktör yapısı daha önce belirlenmişse.

Başka bir örneklemde doğrulanmış model yeniden sınanacaksa.

Bir ölçek farklı dile veya kültüre uyarlanıyorsa.

Kuramsal olarak tanımlanmış alternatif modeller karşılaştırılacaksa.

Faktör yapısının gruplar arasında aynı olup olmadığı araştırılacaksa.

Yakınsak ve ayırt edici geçerlik göstergeleri ölçüm modeli üzerinden incelenecekse.

Örneğin özgün çalışmasında üç alt boyutu bulunan bir ölçek Türkçeye uyarlanıyorsa yalnızca AFA yapmak yeterli görülmeyebilir. Özgün üç faktörlü yapının yeni örneklemde çalışıp çalışmadığı DFA ile sınanabilir.

DFA’da iyi model uyumu bulunması ölçeğin bütün psikometrik özelliklerinin kanıtlandığı anlamına gelmez. Faktör yükleri, hata varyansları, yapı güvenilirliği, yakınsak geçerlik ve ayırt edici geçerlik ayrıca değerlendirilmelidir.

Önce AFA sonra DFA yapmak zorunlu mu?

Her çalışmada zorunlu değildir.

Yeni bir ölçek geliştiriliyorsa AFA ile başlayan ve DFA ile devam eden süreç güçlü bir yaklaşım olabilir. AFA olası faktör yapısını ortaya çıkarır. DFA bu yapının başka veride desteklenip desteklenmediğini sınar.

Faktör yapısı güçlü kuramsal temele ve önceki araştırma kanıtlarına sahipse doğrudan DFA yapılabilir. Yerleşik bir ölçeğin bilinen yapısını her yeni araştırmada yeniden AFA ile keşfetmek gerekli değildir.

Araştırmacının yalnızca “herkes önce AFA yapıyor” gerekçesiyle AFA uygulaması doğru değildir. Analiz araştırma sorusuna göre seçilmelidir.

Yeni geliştirilen bir ölçekte AFA ve DFA’nın aynı veri setinde yapılması da tartışmalıdır. Aynı veride keşfedilen modelin yine aynı veri üzerinde doğrulanması, modelin gerçekten bağımsız biçimde sınandığı anlamına gelmez.

AFA ve DFA aynı örneklemde yapılır mı?

Mümkün olsa da en güçlü uygulama değildir.

Bir veri setinde AFA yapıldığında faktör yapısı o örneklemin özelliklerinden etkilenir. Aynı veri üzerinde DFA yapılırsa model, kendisini oluşturan veriye geri uygulanmış olur. Bu durum model uyumunun olduğundan daha iyi görünmesine yol açabilir.

Daha iyi seçenekler şunlardır:

Veriyi rastgele iki gruba ayırmak.

Birinci örneklemde AFA, ikinci örneklemde DFA yapmak.

Farklı zamanlarda toplanmış bağımsız örneklemler kullanmak.

Ölçek geliştirme araştırmalarında ayrı örneklemler kullanılması, keşfedilen yapının yeni veride tekrar sınanmasına imkân verir. Worthington ve Whittaker, AFA sonrasında yapının bağımsız bir örneklemde DFA ile değerlendirilmesini iyi uygulamalar arasında ele almaktadır (Worthington ve Whittaker, 2006).

Örneklem küçükse veriyi ikiye bölmek her iki analizin de kararlılığını azaltabilir. Böyle bir durumda araştırmanın örneklem planı veri toplanmadan önce yapılmalıdır.

Temel bileşenler analizi AFA mıdır?

Tam olarak aynı değildir.

SPSS’te faktör analizi ekranında varsayılan çıkarım yöntemi çoğu zaman Principal Components Analysis, yani temel bileşenler analizidir. Bu yöntem veri azaltmayı amaçlar. Maddelerdeki toplam varyansı kullanarak bileşenler oluşturur.

AFA ise maddeler arasındaki ortak varyansı açıklayan gizil faktörleri belirlemeyi amaçlar. Bu amaç için Principal Axis Factoring veya Maximum Likelihood gibi ortak faktör yöntemleri kullanılabilir.

Temel bileşenler analizi ile ortak faktör analizi bazı veri setlerinde benzer sonuçlar üretebilir. Kavramsal amaçları farklıdır. Ölçek geliştirme ve gizil yapı araştırmalarında kullanılan yöntemin gerekçesi açıkça belirtilmelidir.

Fabrigar ve arkadaşları, gizil yapıların belirlenmesinin amaçlandığı çalışmalarda ortak faktör analizinin temel bileşenler analizinden daha uygun olduğunu belirtmektedir (Fabrigar vd., 1999).

AFA’da faktör sayısı nasıl belirlenir?

Faktör sayısı yalnızca özdeğeri 1’den büyük olan faktörlere bakılarak belirlenmemelidir.

Şu göstergeler birlikte kullanılabilir:

Kuramsal beklenti.

Yamaç birikinti grafiği.

Paralel analiz.

Özdeğerler.

Faktörlerin yorumlanabilirliği.

Her faktörde bulunan madde sayısı.

Maddelerin yük dağılımı.

Çapraz yükler.

Kaiser ölçütü olarak bilinen özdeğerin 1’den büyük olması kuralı uygulamada sık kullanılır. Bazı veri yapılarında gereğinden fazla veya az faktör önerebilir.

Paralel analiz, gerçek veriden elde edilen özdeğerleri rastgele veriden elde edilen özdeğerlerle karşılaştırır. Gerçek özdeğer rastgele verideki karşılığından büyük olduğu sürece faktörün korunması düşünülebilir.

Faktör sayısının istatistiksel ölçütlerle birlikte kuramsal olarak anlamlı olması gerekir. Beş maddelik bir faktörün yalnızca matematiksel olarak oluşması, ayrı bir kavramı temsil ettiğini kanıtlamaz.

AFA’da KMO ve Bartlett testi neyi gösterir?

KMO, maddeler arasındaki korelasyon yapısının faktör analizine ne ölçüde uygun olduğunu değerlendiren bir göstergedir.

Değer 1’e yaklaştıkça maddelerin ortak faktörler altında açıklanabilme düzeyinin daha güçlü olduğu kabul edilir. Çok düşük KMO değeri, maddeler arasındaki ortak ilişkilerin zayıf olduğunu gösterebilir.

Bartlett küresellik testi, korelasyon matrisinin birim matristen farklı olup olmadığını sınar. Testin anlamlı çıkması maddeler arasında faktör analizi için kullanılabilecek ilişkilerin bulunduğunu destekler.

KMO’nun yüksek, Bartlett testinin anlamlı olması doğru faktör sayısının bulunduğunu göstermez. Yalnızca veri matrisinin faktör analizi için temel düzeyde uygunluğuna ilişkin bilgi verir.

AFA’da faktör yükü kaç olmalı?

Faktör yükü, maddenin ilgili faktörle ilişkisinin gücünü gösterir.

Uygulamada 0,30, 0,40 veya 0,50 gibi farklı alt sınırlar kullanılmaktadır. Tek bir sınır bütün araştırmalar için geçerli değildir.

Karar şu unsurlara göre verilmelidir:

Örneklem büyüklüğü.

Maddenin kuramsal önemi.

Diğer maddelerin yükleri.

Ortak varyans değeri.

Çapraz yükler.

Faktörde bulunan madde sayısı.

Ölçek geliştirme aşaması.

Bir maddenin bir faktörde 0,62, başka bir faktörde 0,58 yük göstermesi çapraz yük sorununa işaret edebilir. Maddenin hangi yapıyı temsil ettiği belirsizleşir.

Madde yalnızca yük değeri düşük olduğu için otomatik olarak silinmemelidir. İçerik kapsamı ve faktörün kuramsal anlamı korunmalıdır.

Döndürme yöntemi nasıl seçilir?

Döndürme, faktörlerin daha kolay yorumlanmasını sağlar.

Faktörlerin birbirinden bağımsız olduğu varsayılıyorsa dik döndürme yöntemleri kullanılabilir. Varimax bu yöntemlerin en bilinenidir.

Sosyal bilimlerde psikolojik ve davranışsal yapılar çoğu zaman birbiriyle ilişkilidir. Böyle durumlarda eğik döndürme yöntemleri daha gerçekçi olabilir. Direct Oblimin ve Promax sık kullanılan seçeneklerdir.

Faktörler gerçekte ilişkiliyken Varimax kullanmak faktörler arasındaki ilişkiyi sıfıra zorlar. Bu nedenle döndürme yöntemi yalnızca yazılımın varsayılan seçeneğine göre belirlenmemelidir.

Fabrigar ve arkadaşları, faktörlerin ilişkili olmasının beklendiği araştırmalarda eğik döndürmenin kullanılmasını; elde edilen faktör korelasyonlarının ayrıca incelenmesini önermektedir (Fabrigar vd., 1999).

DFA’da faktör yükü kaç olmalı?

DFA’da standartlaştırılmış faktör yükleri maddenin ait olduğu gizil faktörü ne ölçüde temsil ettiğini gösterir.

Uygulamada 0,50 ve üzerindeki yükler sıklıkla tercih edilir. 0,40 civarındaki değerler araştırmanın aşamasına ve ölçüm alanına göre değerlendirilebilir. Çok düşük yükler maddenin faktörü zayıf temsil ettiğini düşündürebilir.

Yükün istatistiksel olarak anlamlı olması tek başına yeterli değildir. Büyük örneklemlerde düşük yükler de anlamlı çıkabilir.

Madde çıkarma kararında şu göstergeler birlikte incelenmelidir:

Standartlaştırılmış faktör yükü.

Hata varyansı.

Standartlaştırılmış artıklar.

Modifikasyon indeksleri.

İçerik geçerliği.

Yapı güvenilirliği.

Yakınsak geçerlik.

Bir madde çıkarıldığında model uyumu iyileşebilir. Ölçeğin kavramsal kapsamı daralabilir. Yalnızca daha iyi uyum elde etmek amacıyla madde silmek doğru değildir.

DFA’da hangi uyum indeksleri kullanılır?

DFA sonucunda modelin genel uyumu değerlendirilir.

Sık kullanılan göstergeler şunlardır:

Ki-kare.

Ki-kare / serbestlik derecesi.

CFI.

TLI.

RMSEA.

SRMR.

Bu indeksler farklı özellikleri ölçer. Tek bir indeksin iyi çıkması modelin kabul edilmesi için yeterli değildir.

Kline, yapısal eşitlik modellerinin değerlendirilmesinde model uyumu, parametre tahminleri, artıklar ve kuramsal anlamın birlikte incelenmesini önermektedir. Kitabın dördüncü baskısı 2016, güncel beşinci baskısı 2023 yılında yayımlanmıştır.

AFA sonucu iyi, DFA sonucu kötü çıkabilir mi?

Evet.

AFA daha esnek bir yöntemdir. Maddelerin birden fazla faktörle ilişki göstermesine izin verebilir. DFA’da ise çoğu zaman çapraz yükler sıfıra sabitlenir. Bu daha katı yapı model uyumunu düşürebilir.

AFA ile DFA sonuçlarının farklılaşmasının nedenleri şunlar olabilir:

AFA ve DFA farklı örneklemlerde yapılmıştır.

Faktör yapısı kararlı değildir.

Maddelerde çapraz yükler vardır.

DFA modeli fazla katı kurulmuştur.

Bazı maddeler farklı gruplarda farklı çalışmaktadır.

Veri dağılımı tahmin yöntemine uygun değildir.

Örneklem büyüklüğü yetersizdir.

AFA sırasında faktör sayısı yanlış belirlenmiştir.

AFA sonucunda iyi görünen yapı DFA’da desteklenmiyorsa model yalnızca uyum indekslerini yükseltmek amacıyla değiştirilmemelidir. Faktör yapısı ve maddelerin içeriği yeniden değerlendirilmelidir.

DFA yapılmadan ölçek geçerli sayılır mı?

Geçerlik tek bir analize indirgenemez.

Bir ölçeğin AFA sonucunda düzenli bir faktör yapısı göstermesi yapı geçerliğine ilişkin başlangıç kanıtı sunabilir. DFA yapılmamış olması ölçeğin otomatik olarak geçersiz olduğu anlamına gelmez.

Yeni ölçek geliştirme ve uyarlama çalışmalarında DFA güçlü bir doğrulama aşamasıdır. Ölçüm modelinin başka örneklemde desteklenmesi, faktör yapısına ilişkin kanıtı güçlendirir.

Geçerlik değerlendirmesinde şu kanıtlar birlikte ele alınabilir:

Kapsam geçerliği.

Yapı geçerliği.

Yakınsak geçerlik.

Ayırt edici geçerlik.

Ölçüt geçerliği.

Bilinen gruplar geçerliği.

Ölçüm değişmezliği.

AFA veya DFA tek başına bütün geçerlik türlerini kanıtlamaz.

Ölçek uyarlamada AFA mı DFA mı yapılmalı?

Özgün ölçeğin faktör yapısı açık ve güçlü biçimde desteklenmişse uyarlama çalışmasında öncelikle DFA yapılabilir. Amaç, özgün yapının yeni dil ve kültürde korunup korunmadığını sınamaktır.

DFA sonucu ciddi uyumsuzluk gösteriyorsa AFA kullanılabilir. Bu durumda ölçeğin yeni kültürde farklı bir yapı oluşturup oluşturmadığı araştırılır.

Doğrudan AFA yapmak da bazı uyarlama çalışmalarında savunulabilir. Özellikle kültürel farklılıkların madde yapısını belirgin biçimde etkileyebileceği düşünülüyorsa keşfedici inceleme yararlı olabilir.

En sağlıklı karar şu sorulara göre verilir:

Özgün ölçeğin faktör yapısı ne kadar güçlü?

Daha önce farklı kültürlerde yapılan çalışmalar ne göstermiş?

Çeviri süreci nasıl yürütülmüş?

Örneklem özgün çalışmadan ne kadar farklı?

Ölçek toplam puan mı, alt boyut puanları mı üretiyor?

Araştırmanın amacı yapıyı doğrulamak mı, yeniden keşfetmek mi?

AFA ve DFA için aynı program mı kullanılır?

AFA çoğunlukla SPSS, JASP, Jamovi, R veya benzeri yazılımlarda yapılabilir.

DFA için AMOS, Mplus, LISREL, EQS, R lavaan ve diğer yapısal eşitlik modelleme yazılımları kullanılabilir.

SPSS’in standart menüleri AFA yapabilir. Klasik SPSS arayüzünde kovaryans temelli DFA modülü bulunmaz. SPSS ile birlikte kullanılan AMOS, DFA ve yapısal eşitlik modeli kurmak için kullanılabilir.

Program seçimi yöntemin kendisinden daha önemli değildir. Yanlış kurulmuş bir model en gelişmiş yazılımda da yanlış sonuç üretir.

AFA tezde nasıl yazılır?

Yöntem bölümüne örnek:

Ölçeğin faktör yapısını belirlemek amacıyla açımlayıcı faktör analizi uygulanmıştır. Verinin faktör analizine uygunluğu KMO katsayısı ve Bartlett küresellik testi ile değerlendirilmiştir. Faktörlerin ilişkili olabileceği kabul edilerek eğik döndürme yöntemi kullanılmıştır. Faktör sayısına paralel analiz, yamaç birikinti grafiği ve kuramsal yorumlanabilirlik birlikte değerlendirilerek karar verilmiştir.

Bulgular bölümüne örnek:

KMO katsayısı 0,89 olarak hesaplanmış, Bartlett küresellik testi anlamlı bulunmuştur. Analiz sonucunda toplam varyansın yüzde 58’ini açıklayan üç faktörlü yapı elde edilmiştir. Maddelerin faktör yükleri 0,48 ile 0,81 arasında değişmiştir.

Yalnızca “KMO yüksek ve Bartlett anlamlı olduğu için ölçek geçerlidir” yazılmamalıdır. Bu iki gösterge faktör yapısının geçerli olduğunu kanıtlamaz.

DFA tezde nasıl yazılır?

Yöntem bölümüne örnek:

Açımlayıcı faktör analiziyle belirlenen üç faktörlü yapının doğrulanması amacıyla ayrı bir örneklemde doğrulayıcı faktör analizi uygulanmıştır. Model uyumu ki-kare, CFI, TLI, RMSEA ve SRMR değerleri üzerinden değerlendirilmiştir.

Bulgular bölümüne örnek:

Üç faktörlü ölçüm modelinin kabul edilebilir uyum gösterdiği belirlenmiştir: χ²=246,18; sd=118; χ²/sd=2,09; CFI=0,95; TLI=0,94; RMSEA=0,059 ve SRMR=0,047. Standartlaştırılmış faktör yükleri 0,55 ile 0,84 arasında değişmiştir.

“DFA sonucunda ölçeğin geçerli ve güvenilir olduğu kanıtlanmıştır” biçimindeki kesin ifade kullanılmamalıdır. DFA yapı geçerliğine ilişkin kanıt sunar. Güvenilirlik ve diğer geçerlik türleri ayrıca incelenmelidir.

AFA ve DFA’da sık yapılan hatalar

Temel bileşenler analizini açıklamadan AFA olarak sunmak

Kullanılan çıkarım yönteminin amacı ve seçilme nedeni belirtilmelidir.

Faktör sayısını yalnızca özdeğeri 1’den büyük olma kuralına göre belirlemek

Paralel analiz, grafikler ve kuramsal yorum birlikte değerlendirilmelidir.

Faktörler ilişkiliyken Varimax kullanmak

Sosyal bilim yapılarında faktörlerin ilişkili olması sık görülür. Döndürme yöntemi bu duruma göre seçilmelidir.

AFA ve DFA’yı aynı örneklemde doğrulama gibi sunmak

Aynı veride yapılan DFA bağımsız doğrulama sağlamaz.

Her araştırmada önce AFA yapmak

Bilinen ve güçlü biçimde doğrulanmış bir model doğrudan DFA ile sınanabilir.

Yalnızca uyum indekslerine bakmak

DFA’da faktör yükleri, hata varyansları, artıklar, güvenilirlik ve geçerlik göstergeleri ayrıca incelenmelidir.

İndeksleri yükseltmek için çok sayıda hata kovaryansı eklemek

Her model değişikliğinin kuramsal gerekçesi bulunmalıdır.

Düşük yük veren maddeleri otomatik silmek

Madde içeriği ve yapının kapsamı korunmalıdır.

Kısa cevap: AFA mı DFA mı?

Faktör yapısı bilinmiyorsa ve amaç yapıyı keşfetmekse AFA yapılır.

Faktör yapısı önceden belirlenmişse ve amaç bu yapıyı sınamaksa DFA yapılır.

Yeni ölçek geliştirme sürecinde önce AFA, bağımsız bir örneklemde sonra DFA yapılabilir.

Yerleşik bir ölçeğin bilinen yapısı yeni bir örneklemde sınanacaksa doğrudan DFA uygulanabilir.

AFA ve DFA aynı amacı taşımaz. Analiz seçimi araştırmanın hangi soruya cevap aradığına göre yapılmalıdır.

Sonuç

AFA ile DFA arasındaki fark keşif ve doğrulama ayrımına dayanır.

AFA, maddelerin oluşturduğu faktör yapısını araştırır. DFA, önceden tanımlanmış faktör modelinin veriye uyumunu sınar. Yeni ölçek geliştirme çalışmalarında iki yöntem birbirini tamamlayabilir.

AFA’da faktör sayısı, çıkarım yöntemi, döndürme, faktör yükleri ve çapraz yükler değerlendirilir. DFA’da faktör yükleri, model uyumu, hata varyansları ve yapı geçerliğine ilişkin göstergeler incelenir.

Doğru yöntem, araştırmanın amacına ve ölçme aracına ilişkin mevcut bilgiye göre seçilir. Programın varsayılan seçenekleri analiz planının yerini tutmaz.

Açımlayıcı faktör analizi, madde analizi, güvenilirlik ve ölçek puanlama süreçleri için Ölçek Geliştirme ve Uyarlama sayfasını inceleyebilirsiniz.

Doğrulayıcı faktör analizi, uyum indeksleri ve ölçüm modelleri için AMOS ve Yapısal Eşitlik Modellemesi sayfasını inceleyebilirsiniz.

Akademik Hizmet