|
Derginin Adı:
|
Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi
|
|
Cilt:
|
2015/6
|
|
Sayı:
|
1
|
|
Makale Başlık:
|
Farklı Örneklem Büyüklüklerinde ve Kayıp Veri Örüntülerinde Ölçeklerin Psikometrik Özelliklerinin Kayıp Veri Baş Etme Teknikleri ile İncelenmesi
|
|
Makale Alternatif Dilde Başlık:
|
Investigation of Psychometric Properties of Scales with Missing Data Techniques for Different Sampl
|
|
Makale Eklenme Tarihi:
|
30.01.2016
|
|
Okunma Sayısı:
|
4
|
|
Makale Özeti:
|
Bu çalışmanın amacı farklı örneklem büyüklüğü, kayıp veri örüntüsü, kayıp veri oranı ve madde sayısı
koşulları altında ölçeklerin psikometrik özelliklerinin beş ayrı kayıp veri baş etme tekniğiyle incelenmesidir.
Bu amaç doğrultusunda örneklem büyüklüğünün ve madde sayısının farklı düzeylerde manipüle edildiği 100
farklı yapay veri seti üretilmiştir. Üretilen veri setlerinde örneklem büyüklüğü 250, 500 ve 1000; madde
sayıları ise bir faktörlü veri setleri için 10 madde ve iki faktörlü veri setleri için 15 madde şeklinde manipüle
edilmiştir. Eksiksiz veri setlerinde tümüyle seçkisiz kayıp, seçkisiz kayıp ve seçkisiz olmayan kayıp koşulları
altında silme işlemi gerçekleştirilmiştir ve liste bazında silme, Öklid uzaklığı üzerinden benzer tepki
örüntüsüne dayalı atama, stokastik regresyonla değer atama, beklenti – maksimizasyon algoritması ve çoklu
değer atama teknikleri ile değer ataması yapılmıştır. İncelemeler Cronbach α, McDonald ve W
kestirimleri,
açıklanan toplam varyans oranları, D
2
istatistiği, ve model – veri uyumuna ilişkin indeks değerleri üzerinden
gerçekleştirilmiştir. Sıklıkla kullanılan liste bazında silme tekniğinin ciddi sorunlara yol açabileceği; beklenti -maksimizasyon algoritması ve çoklu değer atama tekniklerinin ise genel olarak yüksek performans gösterdiği
sonucuna ulaşılmış olmakla beraber, tüm durumlarda kullanılabilecek ve kesin olarak en iyi sonucu veren tek
bir tekniğin olmadığı görülmüştür.
|
|
Alternatif Dilde Özet:
|
The purpose of this study is to investigate the psychometric properties of scales with different missing data
techniques. For this purpose 100 data sets were generated under different co nditions of sample sizes (250, 500
and 1000) and number of items (10 and 15), respectively. Data points were deleted under missing completely
at random, missing at random and missing not at random conditions by two, five and ten percent. Listwise
deletion, similar response pattern imputation based on Euclidian distance, stochastic regression imputation,
expectation – maximization algorithm and multiple imputation were carried out on incomplete data sets. Bias
of Cronbach α, McDonald and W
coefficients were investigated for reliability estimates. Extracted
variances and D
2
statistic obtained by principal component analysis and different indices obtained by
confirmatory factor analysis are investigated for validity. Results show that listwise deletion, which is often
applied as a default missing data technique, may cause serious problems. On the other hand expectation –
maximization algorithm and multiple imputation generally outperformed but none of the techniques are the
best for all conditions
|