Likert tipi ölçeklerde kayıp verilere değer atamada yapay sinir ağlarının kullanımı

Abstract

Veri setlerinden daha etkili analiz sonuçları elde etmek ve daha doğrukararlar vermek için veri setlerinde yer alan kayıp verilerin üstesinden gelmekgerekmektedir. Bu amaçla literatürde çeşitli yöntemler bulunmaktadır.Bunlardan birisi de yapay sinir ağlarıdır. Temel araştırma niteliğindeki buaraştırmada PISA 2009 öğrenci anketinde yer alan öğrencilerin okumayailişkin tutumunu gösteren Türkiye verileri kullanılarak, kayıp verilere değeratama yöntemlerinden yapay sinir ağları yönteminin kullanımı incelenmiştir.Bu araştırmanın çalışma grubunu PISA 2009 uygulamasına Türkiye'denkatılan tam veri setine sahip öğrenciler içerisinden alınan 500 öğrencioluşturmuştur. Çalışma grubuna dahil edilen 500 öğrencinin 11 maddeyeverdiği cevaplardan öncelikle herhangi bir değişkendeki gözenek sayısı,sonrasında herhangi iki değişkendeki gözenek sayısı ve daha sonra herhangiüç değişkendeki gözenek sayısı SPSS programı kullanılarak seçkisizolarak %5, %15 ve %30 oranlarında kayıp veri elde edilecek şekildebelirlenerek veri setleri oluşturulmuştur. Oluşturulan veri setlerine yapay sinirağları yöntemiyle kayıp verilere değer ataması MATLAB programıkullanılarak yapılmış, elde edilen tam veri setlerine SPSS programıkullanılarak açımlayıcı faktör analizi yapılmıştır. Ayrıca SPSS ve LISRELprogramları kullanılarak güvenirlik analizleri de yapılmıştır. Elde edilenbulgular, kayıp verilere yapay sinir ağlarıyla değer atanması sonucundaoluşan veri setlerinin ölçme aracının faktör yapısını değiştirmediği, gerçekveri setine yapılan faktör analizindeki gibi 'tek faktörlü' olduğu görülmüştür.Açıklanan varyans oranı, düzeltilmiş madde-toplam korelasyonları veCronbach alfa ve omega güvenirlik katsayılarının da gerçek veri setiyle tutarlısonuçlar verdiği belirlenmiştir.

Researchers need to find a way to deal with the missing data in data sets inorder to obtain better analysis results and to give better decisions. There areseveral methods developed in literature for this purpose and Artificial NeuralNetworks is one of these methods. This paper, which is considered to be afundamental research, aims to examine the effectiveness of the ArtificialNeural Networks methods using Türkiye's data showing students' attitudestowards reading located in the PISA 2009 students' questionnaire. Theworking group of this research study is formed of 500 students who arechosen from complete data among students who attended the PISA 2009application in Türkiye. Firstly in any one of the variables and then any two ofthe variables and finally any three of the variables of the 500 students thatare included in this working group are selected randomly and data sets arecreated to obtain missing data at the rate of 5%, 15% and 30% to be used inSPSS program. Missing data in the created data sets are estimated byartificial neural networks using MATLAB. Then we applied an explanatoryfactor analysis to the completed data sets using SPSS. Furthermore weapplied reliability analyses to the completed data sets using SPSS andLISREL. We found out that the data sets obtained after the missing datawere assigned by artificial neural networks did not change the factor structureof the measurement tool and it consists of a single factor as it was seen bythe factor analysis done for the real data set. It is also seen that the resultsrelated to the explained variance rate, corrected item-total correlations andalso Cronbach alpha and omega reliability coefficients of the created datasets are consistent with the results of the real data sets.