Dergiler / Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi / 2014 / Cilt: 5 - Sayı: 2

LISREL ve AMOS Programları Kullanılarak Gerçekleştirilen Yapısal Eşitlik Modeli (YEM) Analizlerine İlişkin Sonuçların Karşılaştırılması

-

Sayfa
26–42
Yayın Tarihi
2014-07-09
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu sonuçlar; LISREL ve AMOS programlarında rapor edilen uyum indeksleri arasındaki farkın modelin uyum düzeyinden etkilendiğini ortaya koymaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu araştırmada, yapısal eşitlik modeli çatısı altında yer alan ve uyum düzeyleri açısından farklılık gösteren yol analizi, Doğrulayıcı Faktör Analizi (DFA) ile yapısal regresyon modelleri için LISREL ve AMOS programlarından elde edilen analiz çıktılarının karşılaştırılması amaçlanmıştır.
📊
Temel Bulgular & Veri:Bu şekildeki bir yaklaşımın, LISREL ve AMOS programlarından elde edilen uyum indeksleri arasındaki farkın analiz edilen modelin uyum düzeyinden etkilenip etkilenmediği sorusunu yanıtlamayı olanaklı hale getireceği düşünülmüştür.
💡
Sonuç & Katkı:Bu sonuçlar; LISREL ve AMOS programlarında rapor edilen uyum indeksleri arasındaki farkın modelin uyum düzeyinden etkilendiğini ortaya koymaktadır.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yapısal eşitlik modeli · uyum indeksleri · LISREL

Özet

Bu araştırmada, yapısal eşitlik modeli çatısı altında yer alan ve uyum düzeyleri açısından farklılık gösteren yol analizi, Doğrulayıcı Faktör Analizi (DFA) ile yapısal regresyon modelleri için LISREL ve AMOS programlarından elde edilen analiz çıktılarının karşılaştırılması amaçlanmıştır. Dolayısıyla, araştırmada evren ve örneklem tayinine ihtiyaç duyulmamıştır. Araştırma; her bir modeli yansıtan bir veri dosyası olmak üzere üç ayrı bir veri seti üzerinden yürütülmüştür. Yol analizinde kullanılan veri seti düşük uyum gösteren bir model; DFA’da kullanılan veri seti kabul edilebilir uyum gösteren bir model ve yapısal regresyon modelinde kullanılan veri seti mükemmel uyum gösteren bir model olarak belirlenmiştir. Bu şekildeki bir yaklaşımın, LISREL ve AMOS programlarından elde edilen uyum indeksleri arasındaki farkın analiz edilen modelin uyum düzeyinden etkilenip etkilenmediği sorusunu yanıtlamayı olanaklı hale getireceği düşünülmüştür. Analiz çıktıları incelendiğinde; model uyumunun mükemmel olduğu veri setinde LISREL ve AMOS programından elde edilen uyum indekslerinin büyük ölçüde eş değer olduğu belirlenmiştir. Model ile veri seti arasındaki uyumunun düşük olduğu modelde ise, iki programda rapor edilen uyum indeksleri arasındaki farkın daha fazla olduğu saptanmıştır. Bu farkın, özellikle, χ2/sd, NNFI ve RFI indeksleri için belirgin olduğu sonucuna ulaşılmıştır. Bu sonuçlar; LISREL ve AMOS programlarında rapor edilen uyum indeksleri arasındaki farkın modelin uyum düzeyinden etkilendiğini ortaya koymaktadır.

Abstract

This study aimed to compare the analysis results obtained through LISREL and AMOS for the models of path analysis, Confirmatory Factor Analysis (CFA) and structural regression, which are within structural equation model and differ in levels of fit. Therefore, population and sample were not needed in the study. The study was conducted on three different data sets that reflected the models through a data file. The data set used in the path analysis was determined to reflect a low fit model, while the one used in CFA was determined to reflect an acceptable fit model. However, the data set used in the structural model reflected a good fit. In this way, it was believed that it would be possible to find an answer to the question of whether the differences in the fit indexes obtained through LISREL and AMOS were affected by the fit level of the model analyzed. The analysis results indicated that the fit indexes obtained through LISREL and AMOS were substantially similar in the data set that reflected a good fit. The differences in the fit indexes obtained through these two software packages were found to be larger in the model that reflected a low fit between the model and the data set. It was also found that this difference was remarkable, particularly in χ2/sd, NNFI and RFI indexes. These results indicate that the differences in the fit indexes reported by LISREL and AMOS are affected by the fit level of the model

🔖

Bu Makaleye Atıf Yap

İLHAN, M., ÇETİN, B. (2014). LISREL ve AMOS Programları Kullanılarak Gerçekleştirilen Yapısal Eşitlik Modeli (YEM) Analizlerine İlişkin Sonuçların Karşılaştırılması. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, Cilt: 5 - Sayı: 2, 26–42. https://ajindex.com/articles/137348

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. Albright, J.J. & Park, H.M. (2008). Confirmatory Factor Analysis Using AMOS, LISREL, Mplus and SAS/STAT CALIS. Technical Working Paper: Indiana University. Arbuckle, J. & Wothke, W. (1999). AMOS User’s Guide. Chicago, IL: Small Waters. Arminger, G. (1997). MECOSA 3. Behaviormetrika, 24(1), 102-104.
  2. Bagozzi, R.P. & Heatherton, T.F. (1994). A General Approach to Representing Multifaceted Personality Constructs: Application to State Self -Esteem. Structual Equation Model, 1(1), 35-67.
  3. Bagozzi, R.P. & Yi, Y. (1988). On the Evaluation of Structural Equation Models. Journal of the Academy of Marketing Science, 16(1), 74-94.
  4. Baumgartner, H. & Homburg, C. (1996). Applications of Structural Equation Modeling in Marketing and Consumer Research: A Review. International Journal of Research in Marketing, 13(2), 139-161.
  5. Bayram, N. (2010). Yapısal Eşitlik Modellemesine Giriş AMOS Uygulamaları. İstanbul:
  6. Ezgi Kitabevi.
  7. Bentler, P.M. (1980). Multivariate Analysis with Latent Variables: Causal Modeling. Annual Review of Psychology, 31, 419-456.
  8. Bentler, P. M. (2004). EQS Structural Equations Program Manual. Encino, CA: Multivariate Software, Inc. Bentler, P.M., & Bonett, D.G. (1980). Significance Tests and Goodness of Fit in the Analysis of Covariance Structures. Psychological Bulletin, 88, 588-606.
  9. Bentler, P.M. & Yuan, K.H. (1999). Structural Equation Modeling with Small Samples: Test Statistics. Multivariate Behavioral Research, 34(2), 181-197.
  10. Boker, S., Neale, M., Maes, H., Wilde, M., Spiegel, M., Brick, T. vd. (2011). OpenMx: An Open Source Extended Structural Equation Modeling Framework. Psychometrika, 76, 306-317.
  11. Bordens, K.S. & Abbott, B.B. (2011). Research Design and Methods: A Process Approach. New York: The McGraw-Hill Companies. Brown, T.A. (2006). Confirmatory Factor Analysis for Applied Research. New York: The Guilford Press.
  12. Browne, M.W. & Cudeck, R. (1993). Alternative Ways of Assessing Model Fit. In: Bollen, K.A. & Long, J.S. (Eds.), Testing Structural Equation Models (pp. 136–162).
  13. Beverly Hills, CA: Sage Browne, M.W. & Mels, G. (2000). Path Analysis: RAMONA. In Systat 10.0: Statistics II (pp. 233-291). Chicago: SPSS. Byrne, B.M. (2001). Structural Equation Modeling With AMOS, EQS, and LISREL: Comparative Approaches to Testing for the Factorial Validity of a Measuring Instrument. International Journal of Testing, 1(1), 55-86.
  14. Cheung, G.W. & Renswold, R.B. (2002). Evaluating Goodness-of-Fit Indexes for Testing Measurement Invariance, Structural Equation