Açıklayıcı ve Doğrulayıcı Faktör Analizi Paket Program Uygulamaları ve Makale Örnekleri

Açıklayıcı ve Doğrulayıcı Faktör Analizi, birbiriyle ilişkili birden fazla değişken arasındaki karmaşık ilişkileri ortaya çıkararak verileri daha az sayıda temel boyuta indirmek, değişken sayısını azaltmak ve yeni teorik yapılar keşfetmek amacıyla kullanılan çok değişkenli istatistiksel yöntemlerdir. Açıklayıcı faktör analizi (AFA) henüz faktör yapısı bilinmeyen ölçeklerin boyutlarını ve maddelerin hangi faktör altında toplandığını keşfetmek için kullanılırken; Doğrulayıcı faktör analizi (DFA) ise teorik olarak yapısı belirlenmiş faktörlerin verilerle ne derece uyumlu olduğunu istatistiksel uyum indeksleri aracılığıyla denetler. Bu yöntemlerin güvenilir sonuçlar vermesi için verilerin en az aralıklı ölçek düzeyinde olması, çok değişkenli normal dağılım göstermesi, maddeler arasında doğrusal ilişkiler bulunması ve örneklem büyüklüğünün (KMO indeksi ve Bartlett testi ile kontrol edilerek) analiz için yeterli düzeyde olması varsayımları aranmaktadır.

Exploratory and Confirmatory Factor Analysis are multivariate statistical methods designed to uncover the relationships among multiple correlated variables, reduce data dimensions, and discover new latent structures or core dimensions. While Exploratory Factor Analysis (EFA) is utilized to discover the underlying factor structure of scales and identify how items group under specific components, Confirmatory Factor Analysis (CFA) statistically tests the goodness-of-fit between a predefined theoretical model and the empirical data using structural model indices. For these analyses to generate valid estimations, baseline assumptions must be satisfied, including data measured at least at the interval level, multivariate normality, linear relationships among variables, and a sufficient sample size verified via tests like the KMO index and Bartlett's test of sphericity.