Kısmi en küçük kareler yapısal eşitlik modellemesi ile aracılık ve düzenleyicilik etkilerinin araştırılması ve bir uygulama

Abstract

Değişkenler arasında var olan nedensel ilişkiyi açıklamada ve önsel olarak oluşturulan modellerin test edilmesinde kullanılan yapısal eşitlik modellemesi (YEM) yaygın bir şekilde kullanılan çok değişkenli istatistiksel bir yöntemdir. YEM, kovaryans tabanlı yapısal eşitlik modellemesi (en çok olabilirlik yaklaşımı) ve bileşen tabanlı yapısal eşitlik modellemesi (kısmi en küçük kareler yaklaşımı) olmak üzere iki temel yaklaşıma sahiptir. Kovaryans tabanlı yapısal eşitlik modellemesi (K-YEM), en çok olabilirlik yöntemi ile tahmin edildiği için çok değişkenli normal dağılım göstermeli ve örneklem hacmi 200 birimden fazla olmalıdır. Fakat veriler normallik varsayımını sağlamıyorsa ve örneklem hacmi 200 birimden küçük ise o zaman yapısal eşitlik modellemesinde kısmi en küçük kareler regresyon yöntemi (KEKK-YEM) kullanılmaktadır. Çünkü KEKK-YEM'de verinin dağılımı konusunda herhangi bir varsayım olmadığı gibi küçük hacimli örneklemlerde bile rahatlıkla veri analizi yapılabilmektedir. Ayrıca KEKK-YEM aracılık ve düzenleyicilik etkilerinin olduğu karmaşık modellerinde analiz edilmesinde kullanılan önemli bir yöntemdir. Bu nedenle bu çalışmada KEKK-YEM ayrıntılı bir şekilde incelenerek, K-YEM ile arasındaki benzerlikler ve farklılıklar gösterilmeye çalışılmıştır. Bu amaç için SmartPLS 3.2.8 ile bir uygulama yapılarak KEKK-YEM'de geçerlik ve güvenilirlik analizleri yapılarak, aracılık ve düzenleyicilik etkileri test edilmiştir.

Structural equation modeling (SEM) is a widely used multivariate statistical method used to explain the causal relationship between variables and to test a priori models. SEM has two main approaches: covariance-based structural equation modeling (maximum likelihood approach) and component-based structural equation modeling (partial least squares approach). Since covariance-based structural equation modeling (C-SEM) is estimated by the maximum likelihood method, the multivariate should show normal distribution and the sample size should be more than 200 units. However, if the data does not assume normality assumption and the sample size is less than 200 units, then the partial least squares structural equation modeling (PLS-SEM) method is used. Because there is no assumption about the distribution of data in PLS-SEM, and data analysis can be done easily even in small sample size. In addition, PLS-SEM is an important method used in analyzing complex models with mediating and moderating effects. For this reason, in this study, PLS-SEM is examined in detail and similarities and differences with C-SEM are tried to be shown. For this purpose, by applying an application with SmartPLS 3.2.8, the validity and reliability analyzes in PLS-SEM is made and the effects of mediating and moderating effects is tested.