|
Derginin Adı:
|
Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi
|
|
Cilt:
|
2015/6
|
|
Sayı:
|
2
|
|
Makale Başlık:
|
Comparison of Different Estimation Methods for Categorical and Ordinal Data in Confirmatory Factor Analysis*
|
|
Makale Alternatif Dilde Başlık:
|
Doğrulayıcı Faktör Analizinde Sınıflama ve Sıralama Düzeyindeki Veriler için Farklı Kestirim Yöntemlerinin Karşılaştırılması
|
|
Makale Eklenme Tarihi:
|
28.01.2016
|
|
Okunma Sayısı:
|
10
|
|
Makale Özeti:
|
In confirmatory factor analysis (CFA), which is used quite often for scale development and adaptation studies, the selected estimation method, affects the results obtained from the data. Because of the selected estimation method, the model parameters and their standard errors, and the model data fit values may alter the results substantially. So that, the purpose of this research is to compare the performance of different estimation methods for CFA. Maximum likelihood (ML), unweighted least squares (ULS) and diagonally weighted least squares (DWLS) are used in this research as estimation methods. These methods are applied in data sets and regression coefficients and their standard errors, t values, fit indexes and iteration numbers obtained from these estimation methods are examined. As a result, ULS method can converge with the minimum number iterations and it seems to be the more accurate method for estimating the parameters.
|
|
Alternatif Dilde Özet:
|
Ölçek geliştirme ve uyarlama çalışmalarında oldukça sık kullanılan doğrulayıcı faktör analizinde (DFA), hangi kestirim yönteminin kullanılması gerektiğine doğru karar vermek, çalışmadan elde edilen sonuçları etkilemektedir. Çünkü kullanılan kestirim yöntemi, model parametreleri ve onların standart hataları ve uyum indeksi değerleri gibi sonuçlar üzerinde etkiye sahiptir. Bu nedenle bu araştırmada, DFA’da kullanılan farklı kestirim yöntemlerinin performanslarını karşılaştırmak amaçlanmıştır. Araştırmada, maksimum olabilirlik maximum likelihood – ML), ağırlıklandırılmamış en küçük kareler (unweighted least square – ULS) ve diyagonal en küçük kareler (diagonally weighted least squares – DWLS) kestirim yöntemleri kullanılmıştır. Sınıflama ve sıralama düzeyinde olan veri setlerine bu kestirim yöntemleri uygulanmış ve bu kestirim yöntemlerinden elde edilen regresyon katsayıları ve bu katsayıların standart hatalar, t değerleri, uyum indeksleri ve tekrar sayıları incelenmiştir. Araştırma sonucunda ULS tekniğinin tüm veri setlerinde en az sayıda tekrar ile parametreleri tahmin ettiği ve ilgili örneklem verisine ait parametreleri tahmin etmek için en uygun teknik olduğu belirlenmiştir.
|