Aracılık analizi, iki değişken arasındaki ilişkide başka değişken(ler)in bir rolünün var olup olmadığını sınamak için kullanılan eşsiz bir istatistiksel yaklaşımdır.
Özellikle psikoloji çalışmalarında aracılık analizinin yoğun olarak uygulandığını gözlemliyoruz.
Aracılık analizi uygulamak üzere kolları sıvayan bir araştırmacının aklına gelebilecek ilk soru şu olmalı:
Hangi istatistiksel analiz tekniği ile aracılık analizini gerçekleştirmeliyim?
İşte tam bu noktada teorik bilgi karmaşasının yarattığı güçlükler, aracılık analizinin nasıl uygulanması gerektiği noktasında kafamızın karışmasına yetiyor.
Özellikle bize gelen taleplerde yapısal eşitlik modeli ile aracılık analizi önemli bir problem alanı oluşturuyor.
Bu yazımızda aracılık analizinde neden yapısal eşitlik modelini kullanacağımız hakkında güvenilir ve kapsamlı bilgiler sunmaya çalışacağız.
Aracılık analizi ve uygulanan teknikler
Yapısal eşitlik modeli ile aracılık analizi konusuna değinmeden önce aracılık analizinde kullanılan tekniklere bir göz atalım.
Bütünsel bir bakışla aracılık analizini uygularken şu iki yoldan birisini seçmemiz gerekiyor:
- Ölçek puanları üzerinden aracılık analizini uygulamak
- Ölçekte yer alan tüm maddeler ve alt boyutları üzerinden aracılık analizi uygulamak
Peki bu yaklaşımlardan hangisini tercih etmemiz lazım?
İşte sorun tam da bu noktada başlıyor.
Bilimsel çalışmaların birçoğunda ölçek toplam (veya ortalama) puanları üzerinden aracılık analizlerinin uygulandığı bir gerçek.
Ancak bu yaklaşımın kendi içerisinde problemli yönleri var.
Ölçek puanları ile aracılık analizleri
Anket formlarında yer alan ölçeklerin toplam (veya ortalama) puanlarını aldığımızda hiç şüphe yok ki soruların tüm bilgilerini bir potada eritmiş oluyoruz.
Varsayalım ki, bireylerin sağlıklı yaşama biçimlerinin, özgüven ile yaşam kalitesi arasındaki ilişkide aracı bir rolünün olup olmadığını araştırıyoruz.
Bu amaçla sağlıklı yaşam biçimi davranışları ölçeği (SYBDÖ) üzerinden verilerimizi topladık ve 52 sorudan oluşan bu ölçeğin toplam puanını hesapladık.
Bir an için hayal edelim: Ölçekte yer alan 52 ayrı bilgiyi tek bir sütun şekline çevirdiğimizde, artık elimizde 52 sorunun taşıdığı bilgiyi bir sütunda toplayan yeni bir değişken meydana getiriyoruz.
Burada 52 soru yerine tek bir değişkenle çalışmanın, sağlıklı yaşam biçimi davranışları konusunda bilgi kaybı yaratacağı açıktır.
Dolayısı ile ölçek puanları ile çalıştığımızda mutlaka bilgi kaybının oluşacağını unutmamamız gerekiyor.
Regresyon modelleri ile aracılık analizleri
Araştırmamızda ölçek puanlarını kullandığımız zaman aracılık analizi için farlı regresyon modellerini tahmin etmek ve bu modellerdeki regresyon katsayılarında gözlenen değişimleri incelemek durumundayız.
Ayrıca Sobel testi ile aracılık etkisinin anlamlı olup olmadığını da kontrol etmemiz şart. Sobel testine alternatif teknikleri de kullanabiliriz.
Burada yaşanabilecek en temel sorun da verilerin normal dağılıma uygunluğudur.
Genellikle ölçek puanlarımız normal dağılıma uymamaktadır ve buna rağmen Sobel testi tabiri caizse bu hatayı göz ardı ederek gürül gürül uygulanmıştır.
Yine de modern aracılık analizlerinde Bootstrap tekniği ile bu sorunu aşmamız mümkün hale gelmiştir.
Ya ölçeğin toplam puanı alınamazsa?
İşte tam bu soruda elimiz kolumuz bağlanıyor.
Zaman zaman ölçeği geliştiren araştırmacılar, kendi ölçekleri üzerinden toplam puan hesabının yapılamayacağını açıkça belirtiyorlar.
Bu durumda aracılık analizini uygulamamız imkansız.
Ölçek puanlarını kullandığımızda ortaya çıkabilecek tüm olası sorunların üzerinde durduktan sonra şimdi artık yapısal eşitlik modeli ile aracılık analizi konusuna geçebiliriz.
Yapısal eşitlik modeli ile aracılık analizi gerçekleştirmenin faydaları
Yapısal eşitlik modeli ile aracılık analizi, yukarıdaki satırlarda bahsetmiş olduğumuz tüm problemlerden bizi kurtarıyor:
- Yapısal eşitlik modeli ile aracılık analizi gerçekleştirirken ölçeklerde yer alan tüm maddeleri kullandığımız için herhangi bir bilgi kaybı yaşamıyoruz.
- Ölçek maddeleri üzerinden toplam puan kullanmadığımız için normallik varsayımından kurtulmuş oluyoruz.
- Ölçeğin toplam puanı alınamazsa bile, eğer doğrulayıcı faktör analizlerinde geçerliliği sağlanmış ise yapısal eşitlik modeli ile aracılık analizi yapabiliyoruz.
- Sobel testi gibi zorunluluklar ortadan kalkmış oluyor.
İfade etmiş olduğumuz tüm bu gerekçeler, yapısal eşitlik modeli ile aracılık analizi gerçekleştirmenin ne kadar önemli olduğunu gözler önüne sermektedir.
Yapısal eşitlik modeli ile aracılık analizi, gizil değişkenler üzerinden doğrudan ve dolaylı etkilerin test edilmesi sonucu istatistiksel değerlendirmelerde bulunmamıza yardımcı oluyor.
Yapısal eşitlik modeli ile aracılık analizi için nelere dikkat etmeliyiz?
Aracılık analizinde oluşturacağımız yapısal eşitlik modelinde ilk dikkat etmemiz gereken nokta uyum indeksleridir.
Eğer aracılık modelimizde uyum indeksleri istenilen sınırlarda çıkmazsa, bu durumda modelimizi modifiye etmek veya verilerimizi yeniden düzenlemek zorunda kalabiliriz.
Bir diğer önemli husus, kullanacağımız istatistiksel yaklaşıma göre modelimizin yol katsayılarını doğru şekilde yorumlamaktır.
Aksi halde kısmi veya tam aracılık etkisinin olup olmadığını yorumlarken yanlışa düşebilir ve araştırmamızın bilimselliğine büyük ölçüde zarar verebiliriz.
Modelleme noktasında Bootstrap tekniği ile yapısal eşitlik modeli kurmanın en doğru ve modern yaklaşım olduğunu rahatlıkla söyleyebiliriz.
Yapısal eşitlik modeli ile aracılık analizi için hangi programları kullanabiliriz?
İstatistiksel analiz aşamasında üç programın kullanılmasını öneriyoruz:
R
AMOS
STATA
SmartPLS
Bu programlar arasında en iyi olan seçeneğin R olduğunu düşünüyoruz.
Hem ücretsiz olması hem de güçlü analiz seçenekleri içermesi bakımından R programı, araştırmacılar için en iyi seçenek olarak karşımızda duruyor.
R programını bu linkten kolayca indirebilirsiniz.
Sonuç olarak aracılık analizi için hangi yolu seçeceğiniz tamamen size bağlı.
Araştırmacılar, çok daha iyi bir yol olmasına karşın, ileri bir istatistiksel teknik olduğu için, yapısal eşitlik modeli ile aracılık analizi gerçekleştirmekten kaçınıyorlar.
Teorik bilgi düzeyimizi ve programlama bilgimizi güçlendirerek bu sorunun üstesinden gelmemiz mümkündür.