Açımlayıcı ve Doğrulayıcı Faktör Analizi (AFA-DFA) Arasındaki Farklar ve Ne Zaman Hangisi Kullanılır?
PhD
Faktör Analizi Nedir?
Sosyal bilimlerde ve psikometride yapı geçerliğini (construct validity) değerlendirmenin en güçlü yollarından biri Faktör Analizi'dir. Çok sayıda gözlenen değişkenin (örneğin ölçek maddeleri) arkasında yatan ve doğrudan gözlenemeyen örtük (latent) yapıları veya boyutları ortaya çıkarmak amacıyla kullanılır. Ölçek geliştirme ve uyarlama çalışmalarında araştırmacıların temel araçlarından biri olan faktör analizi, temel olarak iki alt türe ayrılır: Açımlayıcı Faktör Analizi (AFA) ve Doğrulayıcı Faktör Analizi (DFA).
Açımlayıcı Faktör Analizi (AFA) Nedir ve Ne Zaman Kullanılır?
Açımlayıcı Faktör Analizi (AFA), verinin altında yatan yapıyı keşfetmek için kullanılır. Araştırmacının maddelerin hangi faktörler altında toplanacağına dair önceden belirlediği kesin bir teorik modeli yoktur; veri kendi konuşur.
- Ne zaman kullanılır? Yeni bir ölçek geliştiriyorsanız ve oluşturduğunuz soru havuzundaki maddelerin kaç alt boyutta toplandığını görmek istiyorsanız AFA tercih edilir.
- Amacı: Değişken sayısını azaltmak, maddeler arasındaki ilişkileri açıklayan faktörleri bulmak ve işlevsiz (çapraşık veya düşük yük veren) maddeleri tespit edip ölçekten çıkarmaktır.
Doğrulayıcı Faktör Analizi (DFA) Nedir ve Ne Zaman Kullanılır?
Doğrulayıcı Faktör Analizi (DFA), araştırmacının önceden belirlediği bir teorik veya ampirik modelin eldeki verilerle ne kadar uyumlu olduğunu test etmek (doğrulamak) için kullanılır. AFA'nın aksine DFA'da hangi maddenin hangi faktöre yükleneceği analize başlanmadan önce belirlenmiştir.
- Ne zaman kullanılır? Yabancı dilde geliştirilmiş ve yapısı belli olan bir ölçeği kendi kültürünüze/dilinize uyarlıyorsanız (Ölçek Uyarlama) veya AFA ile bulduğunuz yapıyı yeni bir örneklem üzerinde doğrulamak istiyorsanız DFA kullanmalısınız.
- Amacı: Kurulan modelin veriye uygunluğunu Çıkarımsal İstatistik (Uyum İyiliği İndeksleri: RMSEA, CFI, TLI, SRMR vb.) yoluyla test etmektir.
AFA ve DFA Arasındaki Temel Farklar
| Özellik | Açımlayıcı Faktör Analizi (AFA) | Doğrulayıcı Faktör Analizi (DFA) |
|---|---|---|
| Amaç | Teori oluşturmak, gizli yapıyı keşfetmek. | Mevcut teoriyi veya modeli test etmek. |
| Model Özellikleri | Tüm maddeler tüm faktörlere serbestçe yüklenir. | Maddeler sadece belirtilen faktörlere yüklenir, diğer yükler sıfır kabul edilir. |
| Yazılım Desteği | SPSS gibi temel istatistik programlarıyla kolayca yapılır. | AMOS, LISREL, Mplus veya R (lavaan paketi) gibi özel YEM (Yapısal Eşitlik Modellemesi) yazılımları gerektirir. |
| Kullanım Alanı | Sıfırdan ölçek geliştirme süreci. | Ölçek uyarlama veya AFA yapısının doğrulanması. |
AFA Öncesi Varsayımlar: KMO ve Bartlett Küresellik Testi
Veri setinizin faktör analizine uygun olup olmadığını belirlemek için iki temel test sonucu incelenmelidir:
- Kaiser-Meyer-Olkin (KMO) Örneklem Yeterliliği Ölçütü: KMO değeri 0 ile 1 arasında değişir. Örneklem büyüklüğünün analiz için yeterli olup olmadığını gösterir. Genellikle KMO > 0.60 (tercihen 0.70 ve üzeri) faktör analizi için uygun kabul edilir.
- Bartlett Küresellik Testi: Değişkenler arasında faktör oluşturmaya yetecek kadar yüksek korelasyon olup olmadığını test eder. Bu testin sonucunun istatistiksel olarak anlamlı çıkması (p < 0.05) beklenir.
Ölçek Geliştirmede AFA ve DFA'nın Birlikte Kullanımı
Modern psikometrik yaklaşımlarda, sıfırdan bir ölçek geliştiriliyorsa AFA ve DFA aynı veri seti üzerinden yapılmamalıdır. Doğru olan yöntem, örneklemi ikiye bölmek veya iki farklı örneklemden veri toplamaktır. Örneklem 1 üzerinden AFA yapılarak faktör yapısı keşfedilir ve sorunlu maddeler ayıklanır. Ardından, elde edilen bu yeni yapı Örneklem 2 üzerinden DFA ile doğrulanır.
AFA: Keşfetmek için
Açımlayıcı Faktör Analizi (AFA / EFA), verinin altında yatan yapıyı ön kısıtlama koymadan araştırır. Hangi maddenin hangi faktörü ölçtüğü önceden bilinmiyorsa AFA tercih edilir. Ölçek geliştirme çalışmalarının ilk aşamasında, pilot çalışmalarda ve daha önce Türkçeye uyarlanmamış ölçeklerde AFA zorunludur. Analiz, faktör sayısını ve madde yüklerini istatistiksel olarak belirler.
DFA: Doğrulamak için
Doğrulayıcı Faktör Analizi (DFA / CFA), önceden teorik veya ampirik olarak belirlenmiş bir yapının veriyle uyumunu test eder. Daha önce AFA ile yapısı belirlenen veya başka kültürlerde doğrulanan bir ölçeği uyarlarken DFA kullanılır. "Bu ölçeğin 3 faktörlü yapısı bizim örneklemimizde de geçerli mi?" sorusunu yanıtlar.
Uyum İndeksleri: DFA Sonuçlarını Raporlamak
| İndeks | İyi Uyum | Kabul Edilebilir Uyum |
|---|---|---|
| χ²/df | < 2 | < 5 |
| CFI | ≥ .95 | ≥ .90 |
| TLI | ≥ .95 | ≥ .90 |
| RMSEA | ≤ .05 | ≤ .08 |
| SRMR | ≤ .05 | ≤ .10 |
Hangi Yazılım, Hangi Analiz?
AFA için SPSS (Factor Analysis menüsü) ve R'da psych paketi yaygın kullanılır. DFA için SPSS tek başına yetersizdir; AMOS, R'da lavaan, Mplus veya SmartPLS gibi yapısal denklem modelleme yazılımları gereklidir. Tez bütçesi kısıtlıysa ücretsiz lavaan + RStudio kombinasyonu tercih edilebilir.
Yaygın Hatalar
En sık karşılaşılan hata, aynı veriyle önce AFA sonra DFA yapmaktır — bu istatistiksel olarak hatalıdır çünkü DFA'nın amacı bağımsız bir veriyi doğrulamaktır. Doğru yol: veriyi ikiye bölün, yarısıyla AFA yapın, diğer yarısıyla DFA'yı doğrulayın ya da bağımsız bir örneklemle doğrulama çalışması yürütün.
Özet: Hangi Analiz, Hangi Soru?
AFA ile DFA arasındaki seçim bir teknik tercihten önce araştırma sorusunun niteliğini yansıtır. "Bu ölçeğin boyutları nedir?" sorusu AFA'ya, "Bu boyutlar doğrulanalı mı?" sorusu DFA'ya işaret eder. Tez danışmanı "geçerlilik analizi yap" dediğinde kastettiği genellikle DFA'dır; sıfırdan bir ölçek geliştiriyorsanız AFA zorunludur. Her iki analizde de yeterli örneklem büyüklüğü kritik önem taşır: AFA için madde başına en az 5–10 katılımcı, DFA için minimum 200 gözlem önerilmektedir. Uyum indeksleri ve faktör yükleri birlikte raporlandığında analizin bütünlüğü sağlanmış olur.
Kaynakça:
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis (7th ed.). Pearson.
Tabachnick, B. G., & Fidell, L. S. (2013). Using Multivariate Statistics (6th ed.). Pearson.
Brown, T. A. (2015). Confirmatory Factor Analysis for Applied Research (2nd ed.). Guilford Press.