Ordinal verilerde doğrulayıcı faktör analizi: Sağlık alanında uygulanan bir ölçek üzerine uygulama

Abstract

Çok değişkenli istatistiksel analizlerde varsayımların karşılanamaması güvenilir sonuçların elde edilememesine neden olmaktadır. Likert tipi ölçüm araçlarının yapısal geçerliğini değerlendirmek için en çok tercih edilen yöntem faktör analizidir. Faktör analizinin açıklayıcı ve doğrulayıcı olmak üzere iki türü vardır. Bu iki analiz türüde diğer çok değişkenli istatistiksel analizlerde olduğu gibi varsayımlara bağlıdır. Bunların karşılanamaması durumunda doğru sonuçlara ulaşılamaz. Likert tipi ölçüm araçlarından elde edilen ordinal veriler süreklilik ve çok değişkenli dağılım varsayımını karşılayamazlar. Bu yüzden AFA ve DFA'da geleneksel yöntemlerin haricinde robust (güçlü) yöntemlerin kullanılması tavsiye edilmektedir. Çalışmamızda Duygusal Emek Ölçeğinden elde edilen ordinal veriler üzerine AFA ve DFA uygulanmıştır. 264 kişilik örneklemin ilk yarısına (132) AFA ikinci yarısına DFA uygulanmıştır. AFA'da polikorik korelasyon matrisi aracılığıyla robust yöntemler (ULS ve MRFA) ile faktör yapısı elde edilmiştir. Bu faktör modelinin veriye uyumu DFA'da polikorik korelasyon matrisi aracılığıyla robust parametre tahmin yöntemleri (Satorra-Bentler (S-B), WLSMV, WLSM, ADF ve CVM) ile değerlendirilmiştir.Ordinal değişkenlerin analizinin yapıldığı AFA'da ULS ve MRFA polikorik korelasyon kullanan robust yöntemlerin, Pearson korelasyon matrisini kullanan TBA'dan daha iyi sonuçlar verdiği görülmüştür. DFA'da kullanılan robust yaklaşımlardan (Satorra-Bentler (S-B), WLSMV, WLSM, ADF ve CVM) elde edilen faktör yüklerinin EÇO yönteminden elde edilene göre daha yüksek olduğu, ki-kare değerinin ve (χ2)/df oranının Satorra-Bentler (S-B) düzeltmesi ile çok daha iyi hale geldiği görülmüştür.

Failure to meet the assumptions in multivariate statistical analysis leads to inability to obtain reliable results. The most preferred method for evaluating the structural validity of Likert type measurement tools is factor analysis. There are two types of factor analysis: explanatory and confirmatory. These two types of analyzes are based on assumptions as in other multivariate statistical analyzes. If these are not met, the correct results cannot be reached. Ordinal data obtained from Likert type measurement instruments cannot meet the assumption of continuity and multivariate distribution. Therefore, it is recommended to use robust methods in AFA and CFA except traditional methods.In our study, EFA and CFA were applied on the ordinal data obtained from Emotional Labor Scale. EFA was applied to the first half of the sample (132) for 264 persons and for the second half of the CFA. Factor structure was obtained by robust methods (ULS and MRFA) through polychoric correlation matrix in EFA. The fit of this factor model to the data was evaluated by robust parameter estimation methods (Satorra-Bentler (S-B), WLSMV, WLSM, ADF and CVM) through polycoric correlation matrix in CFA.It was observed that robust methods using ULS and MRFA polychoric correlation in EFA, which were analyzed for ordinal variables, yielded better results than PCA using Pearson correlation matrix. From the robust approaches used in CFA (Satorra-Bentler (SB), WLSMV, WLSM, ADF and CVM), it was found that the factor loadings obtained were higher than those obtained from the ML method. SB correction seems to be much better.