İç Tutarlılık SPSS ile Nasıl Araştırılır?

 

Merhaba,

bu yazıda SPSS kullanarak iç tutarlılık katsayısının nasıl hesaplandığını ve yorumlandığını açıklamayı amaçlıyorum. Bu amaçla bu yazıyı Cronbach’ın alpha katsayısı, McDonald Omega Katsayısı, iki yarı güvenirliğiyle sınırlandırmayı uygun buldum. Sırasıyla her bir katsayı ve bunların kullanımına ilişkin kısa bir bilgilendirme yapmak uygun olacaktır diye düşünüyorum.

Cronbach’ın Alpha (α) Katsayısı

Cronbach’ın α katsayısı, tezlerde ya da araştırma makalelerinde sıklıkla rastladığımız, güvenirliğin incelenmesinde kullanılan yaygın bir ölçüdür. Bir ölçme aracında yer alan maddelerin birbirleriyle olan ilişkilerinin hesaplanmasına dayalıdır. Guttman tarafından λ3​ olarak önerilmiş bir alt sınır (lower bound) tahminidir, ancak Lee Cronbach’ın 1951 yılında yazdığı bir makale ile popüler hale gelmiştir. Hepimiz Cronbach’ın α formülü olarak kullansak da aslında Cronbach bu duruma itiraz etmiştir 🙂 Çünkü formül kendisinden önce de bilinen KR-20 formülüne dayanır. Cronbach’ın α formülünün kullanılmasında ve hesaplanmasında dikkat etmemiz gereken bazı konular var, bunları burada detaylıca anlatmayacağım. Belki başka bir yazı da bunu ayrıca ele alabilirim. Bugün sadece genel bir bilgi vererek SPSS’te nasıl hesaplayacağımız ve nasıl yorumlayacağımız konularına yoğunlaşacağım. Aşağıdaki görselde yer alan bilgiler, bu konuda bir ön bilgi edinmemiz için yeterli bence.

McDonald Omega (ω)

Bir tez jürisinde bir üyeden ya da bir hakemden çok boyutlu ölçeklerde Cronbach’ın α katsayısının gerçekteki güvenirliği yansıtmayacağını ve Omega (ω) hesaplanmasının gerektiğini duymuş olabilirsiniz. Duymadıysanız da, duyabilirsiniz 🙂 McDonald’ın ω katsayısı, maddelerin faktör yüklerinin eşit olması varsayımına bağlı değildir. Bu varsayım bakımından Cronbach’ın α katsayısından ayrıldığını söyleyebiliriz. Çok faktörlü yapılarda Cronbach’ın α formülüne göre daha sağlam sonuçlar üretebileceğine ilişkin bilgiler var. Ancak eğer biz ω katsayısını, SPSS’te hesaplamışsak yine α katsayısının hesaplanmasında olduğu gibi aslında ölçeğin tek faktörlü olduğu varsayımına dayalı bir hesaplama yapmışızdır 🙂 Yani bir DFA modelinde test ederek elde edeceğimiz CR katsayısı ile sonuç farklı çıkabilir. Şunu söylemeye çalışıyorum: SPSS’te Reliability menüsünü kullanarak ω hesapladıktan sonra, bunun çok faktörlü bir yapıda daha sağlam sonuç verdiğini ve bu yüzden bu katsayıyı raporladığınızı iddia etmeyin bence 🙂 Çünkü bu yazılım iddia ettiğiniz şeyi dikkate alarak hesaplama yapma konusunda sınırlılıklara sahip. Uygun başka yazılımlarla hesapladıysanız, itiraz etmem.

Kafamızı karıştıracak bir diğer konuda kavramların kullanımı. McDonald’ın ω katsayısı, CR (composite reliability) olarak adlandırılabilmektedir. Okuduğunuz makalelerde bunu görebilirsiniz. Composite Reliability (CR) ve Omega (ω) katsayıları, faktör yükleri (λ) ve hata varyansları (θ) dikkate alınarak hesaplanır. Tek faktörlü bir modelde ve tüm yükler standartlaştırılmışsa, iki katsayı aynı sonucu verir. Peki temel bir ayrımı var mı? Evet, var. McDonald’ın ω katsayısı ölçme aracının iç tutarlılığının bir ölçüsü iken, CR aynı zamanda bir doğrulayıcı faktör analizi modelinde, modelin güvenirliğinin de bir ölçüsüdür. Teorik olarak Omega ile aynı formül üzerinden hesaplansa da, kuramsal dayanakları farklıdır. CR, Jöreskog & Sörbom (1970) tarafından doğrulayıcı faktör analizinde gözlenen değişkenlerin gizil yapıyı ne kadar güvenilir bir şekilde temsil ettiğini değerlendirmek için önerilmiştir. ω katsayısı ise McDonald (1999), tarafından ölçekteki toplam varyansın ne kadarının gerçek varyansa ait olduğunu kontrol etmek için önerilmiştir. Özetle ω katsayısı psikometrik bir yaklaşımdır ve genel güvenilirlik katsayısıdır; CR, aynı hesaplamanın yapısal eşitlik modelindeki versiyonudur.

Bir diğer konu da, Cronbach’ın α katsayısını mı raporlamalıyım yoksa McDonald’ın ω katsayısını mı? 🙂 Biraz önce de ifade ettim. SPSS her iki katsayıyı da aynı varsayımla hesaplıyor. Eğer verileriniz özenle ve evrene genellenebilir bir yaklaşımla toplandıysa ve maddeleriniz birbirleriyle belirli düzeyde ilişkiliyse iki katsayı neredeyse aynı değeri alacaktır.

Örneklem büyüklüğünün çok geniş olmadığı ve madde sayısının az olduğu durumlarda, α katsayısının daha doğru sonuçlar üretebildiğiyle ilgili bulgular var (Edwards vd., 2021). Deng ve Chan (2017), $\omega$‘nın $\alpha$‘dan genellikle daha büyük çıktığını, ancak farkların uygulamada genellikle ikinci veya üçüncü ondalık basamakta ve önemsiz düzeyde küçük olduğunu belirtmiştir. Peki bizler araştırmacı olarak ne yapabiliriz? Eğer bir ölçek geliştiriyorsak ve ölçek çok boyutluysa, DFA modelini kontrol ederken CR hesaplamalı ve raporlamalıyız. Ölçme aracı tek boyutluysa Cronbach’ın α katsayısını raporlamak da yeterli olabilir. Ancak ölçek geliştirmiyorsak, araştırmamızdaki verilerin güvenilir olduğunu kanıtlamak istiyorsak alt faktörler için α katsayısını vermemiz yeterli olabilir diye düşünüyorum.

İki Yarı Güvenirliği (Split-Half)

Hakemleri ikna etmek, sonuçların tutarlı olduğunu kanıtlamak gibi çok farklı nedenlerle birden fazla istatistiği aynı çalışmada hesaplayıp verdiğiniz oldu mu? Benim oldu 🙂 Aslında aynı şeyleri söyleseler de, bazen birden fazla kanıt sunmak ikna edici bir yol olabiliyor. Tabi hakem ya da jüri “zaten bunlar benzer yollarla elde ediliyor, birini versen yeterli” de diyebilir 🙂

Pek çok çalışmada hem iki yarı güvenirliğini hem de Cronbach’ın α katsayısını bir arada görmüş olabilirsiniz. Aslında Cronbach’ın α katsayısı, bir teste ait tüm olası yarıların ortalamasıdır. Cronbach bunu kanıtlamıştır ve bu nedenle Cronbach’ın α katsayısı daha yaygın kullanılan bir katsayı haline gelmiştir. Peki testi yarılama yöntemi nedir ve elde edilen katsayıyı nasıl yorumlayabiliriz?

Testi yarılama, bir testin bir katılımcı gruba uygulanmasının ardından, maddelere verilen yanıtların iki eşit parçaya ayrılarak ilişkilerinin hesaplanmasına dayalı bir yöntemdir. İki yarı arasındaki ilişkilerin farklı yollarla incelenmesi mümkündür. En yaygın kullanılanı Spearman Brown’un önerdiği düzeltme formülüyle elde edilen katsayıdır.

 

SPSS’te Aynı Menüdeki Diğer Yöntemler

SPSS ile Güvenirliği Hesaplıyoruz

Sayfanın sonunda  verdiğim örnek veri setini kullanarak videoda gösterdiğim gibi benimle birlikte güvenirliği hesaplayarak, işlem adımlarını tekrar edebilirsiniz. Ya da aşağıdaki görselleri inceleyerek analizi gerçekleştirebilirsiniz.

Örnek veri setini indirmek için buraya tıklayın. → Güvenirlik_Örnek_Veri_Seti

Güvenirlikle ilgili genel bilgilerin yer aldığı sayfaya dönmek için buraya tıklayın.

SPSS ile Veri Analizi-Kılavuz sayfasına dönmek için buraya tıklayın.

Sevgiler.

Doç. Dr. Fatma Betül KURNAZ

Kaynaklar:

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334.

Deng, L., & Chan, W. (2017). Testing the difference between reliability coefficients alpha and omega. Educational and Psychological Measurement, 77(2), 185-203.

Edwards, A. A., Joyner, K. J., & Schatschneider, C. (2021). A simulation study on the performance of different reliability estimation methods. Educational and Psychological Measurement, 81(6), 1089-1117.