Uzunlamasına Ölçek Geliştirme
Longitudinal Scale Development · Ayrıca şöyle bilinir: LSD, longitudinal measurement development, repeated-measures scale construction, scale development with panel data
Uzunlamasına ölçek geliştirme, birden çok zaman noktasında toplanan veriler kullanılarak bir ölçüm aracının sistematik olarak oluşturulması ve geçerliğinin kanıtlanması sürecidir. Klasik ölçek geliştirmeyi, ölçeğin farklı zamanlarda aynı yapıyı aynı metrikle ölçüp ölçmediğini ek olarak test ederek, zaman içindeki değişimin geçerli bir şekilde izlenmesini sağlayarak genişletir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Yeni bir aracın panel veya kohort çalışmasında zaman içindeki değişimi veya büyümeyi izlemek amacıyla oluşturulması veya mevcut kesitsel bir ölçeğin tekrarlanan kullanım için uyarlanması amaçlandığında uzunlamasına ölçek geliştirmeyi kullanın. Gizil ortalama karşılaştırmalarının dalgalar boyunca planlandığı her durumda esastır. Yalnızca tek bir uygulama amaçlandığında tam uzunlamasına çerçeveyi uygulamayın — bu durumda CFA ile kesitsel ölçek geliştirme yeterlidir. Ayrıca, yapının kendisinin çalışma dönemi boyunca anlamını değiştirmesinin beklendiği durumlarda (yapı evrimi) bu çerçeveyi kullanmaktan kaçının, çünkü değişmezlik kısıtlamaları o zaman teorik olarak uygunsuz olacaktır.
Güçlü yönler & sınırlılıklar
- Zaman içindeki puan değişikliklerinin ölçüm artefaktlarından ziyade gerçek yapısal değişimi yansıttığına dair titiz kanıtlar sağlar.
- Ölçek oluşturmayı ve uzunlamasına Yapısal Eşitlik Modellemesini (YEM) tek bir tutarlı çerçevede bütünleştirir.
- Zamanla anlamı kayan belirli maddeleri belirleyerek hedeflenen revizyona olanak tanır.
- Değişmezlik sağlandıktan sonra hem gizil büyüme eğrisi hem de otoregresif uzunlamasına modelleri destekler.
- İyi belgelenmiş zamansal psikometrik özelliklere sahip bir ölçek üretir, bu da yayınların güvenilirliğini artırır.
- Minimum iki, tercihen üç veya daha fazla ölçüm zaman noktası gerektirir, bu da veri toplama maliyetlerini ve kayıp riskini önemli ölçüde artırır.
- Ölçüm değişmezliğini test etmek her dalgada büyük örneklemler gerektirir — küçük örneklemler, gerçek değişmezliği kaçırabilen zayıf güçlü testler üretir.
- Kısmi değişmezlik bulunduğunda, ortalama karşılaştırmalarının yorumlanması karmaşıklaşır ve ek varsayımlar gerektirir.
- Dalgalar boyunca kayıp, seçim yanlılığına neden olabilir ve sonraki dalga tahminlerinin temsil edilebilirliğini zayıflatabilir.
SSS
Uzunlamasına ölçek geliştirme için kaç zaman noktası gereklidir?
Herhangi bir uzunlamasına değişmezliği test etmek için minimum iki dalga gereklidir, ancak üç dalga şiddetle tercih edilir çünkü otoregresif ve büyüme modellerine izin verir ve daha kararlı değişmezlik tahminleri sağlar. Yalnızca iki dalga ile yapısal ve metrik değişmezlik test edilebilir, ancak tüm ölçeksel kısıtlamaları belirlemek ek varsayımlar gerektirebilir.
Uzunlamasına ölçek geliştirme ile mevcut bir ölçeği tekrarlayarak uygulamak arasındaki fark nedir?
Uzunlamasına ölçek geliştirme, ölçüm değişmezliği testini geliştirme sürecinin kendisine dahil ederek, belgelenmiş zamansal psikometrik özelliklere sahip bir araç üretir. Hazır bir ölçeği tekrarlayarak uygulamak, değişmezliği test etmeden varsayar — maddelerin zaman veya popülasyonlar boyunca anlamı kayarsa bu potansiyel olarak ciddi bir hatadır.
Bazı maddeler uzunlamasına değişmez değilse ne yapmalıyım?
Öncelikle, değişmezliğin sistematik olup olmadığını (örn. madde kelimelerinin zamanla daha az ilgili hale gelmesi) veya rastgele olup olmadığını araştırın. Faktör başına en az iki madde değişmez kalırsa, kısmi bir değişmezlik modeli tahmin edilebilir, değişmez olmayan parametreler dalgalar boyunca serbest bırakılır. Gizil ortalama karşılaştırmaları mümkün olmaya devam eder ancak dikkatli bir şekilde yorumlanmalı ve serbest bırakılan tüm parametreler şeffaf bir şekilde raporlanmalıdır.
Bu çerçeveyi sıralı Likert tipi maddelerle kullanabilir miyim?
Evet, ancak maksimum olasılık yerine polikorik korelasyonları ve sağlam ağırlıklı en küçük kareler tahmin edicisini (örn. lavaan veya Mplus'ta WLSMV) kullanın. Ardından metrik ve ölçeksel değişmezliğin sıralı versiyonları — kesişimler yerine eşikleri test ederek — uygulanmalıdır.
Her dalgada ne kadar büyük bir örneklem gereklidir?
Kaba bir kılavuz olarak, basit tek boyutlu bir ölçek için dalga başına en az 200 vaka ve çok boyutlu ölçekler için 300-500 vaka hedefleyin, beklenen kayıpları hesaba katarak. Modelinize özgü Monte Carlo simülasyonu, planladığınız değişmezlik testleri için yeterli gücü belirlemenin en güvenilir yoludur.
Kaynaklar
- Millsap, R. E. (2011). Statistical Approaches to Measurement Invariance. Routledge. ISBN: 978-0805864311
- Little, T. D. (2013). Longitudinal Structural Equation Modeling. Guilford Press. ISBN: 978-1462510160
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Longitudinal Scale Development. ScholarGate. https://scholargate.app/tr/psychometrics/longitudinal-scale-development
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Uzunlamasına Onayıcı Faktör AnaliziPsikometri↔ karşılaştır
- Boylamsal Ölçüm Değişmezliği TestiPsikometri↔ karşılaştır
- Çok Düzeyli Ölçek GeliştirmePsikometri↔ karşılaştır
- Ölçek GeliştirmePsikometri↔ karşılaştır
- Test-Tekrar GüvenilirliğiPsikometri↔ karşılaştır