Çok Düzeyli Doğrulayıcı Faktör Analizi (ÇD-DFA)
Multilevel Confirmatory Factor Analysis · Ayrıca şöyle bilinir: MCFA, multilevel measurement model, two-level CFA, hierarchical CFA
Çok düzeyli doğrulayıcı faktör analizi, kümelenmiş verilerden kaynaklanan gözlemlerin bağımsız olmama durumunu eş zamanlı olarak hesaba katarak, önceden belirlenmiş bir faktör yapısını test eder. Madde varyansını grup içi ve gruplar arası bileşenlere ayırır, her düzeyde ayrı bir ölçüm modeli uydurur ve bu sayede sınıflar, klinikler veya kuruluşlar gibi doğal gruplar içinde uygulanan psikometrik ölçeklerin geçerliliğini doğrulamak için standart bir araç haline gelir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+4 tane daha
Ne zaman kullanılır
ÇD-DFA'yı, tanımlanabilir gruplar (sınıflar, takımlar, hastaneler, ülkeler) içinde iç içe geçmiş bireylere uygulanan bir ölçüm ölçeğinin geçerliliğini doğrulamanız gerektiğinde ve madde ICC'leri önemsiz olmadığında (tipik olarak 0.05'in üzerinde) kullanın. Ayrıca, bir faktör yapısının hem grup düzeyinde hem de bireysel düzeyde geçerli olup olmadığını test etmek istediğinizde de gereklidir — bireysel puanları grup düzeyindeki yapıları temsil etmek üzere bir araya getirmenin bir ön koşuludur. Kümelenmiş verilerde sıradan tek düzeyli DFA kullanmayın; bu, standart hataları hafife alır ve yanıltıcı faktör yapıları üretebilir. ÇD-DFA, tek düzeyli DFA'dan daha büyük örneklemler gerektirir: kabaca bir rehber olarak, kararlı tahmin için en az 30 grup ve grup başına en az 10 gözlem gereklidir, ancak daha fazla grup neredeyse her zaman daha iyidir. Kümelenme yoksa veya ihmal edilebilir düzeydeyse ya da gruplar boyut olarak çok heterojen ise ve bu durum tahmin edicide dikkate alınmıyorsa uygun değildir.
Güçlü yönler & sınırlılıklar
- Kümelenmiş gözlemlerin bağımsız olmama durumunu doğru bir şekilde hesaba katarak, yanlı olmayan standart hatalar ve parametre tahminleri sağlar.
- Önceden belirlenmiş bir faktör yapısının bireysel ve grup düzeylerinde ayrı ayrı geçerli olup olmadığını test ederek, yapı anlamında potansiyel düzeye özgü farklılıkları ortaya çıkarır.
- Düzeyler arası ölçüm değişmezliğinin incelenmesine olanak tanır ve bireysel düzeydeki puanların grup düzeyindeki yapılarla savunulabilir bir şekilde birleştirilmesini destekler.
- Daha geniş SEM çerçevesi içinde tahmin edicileri, düzeyler arası etkileşimleri veya büyüme bileşenlerini içerecek şekilde genişletilebilir.
- Madde başına ICC tahminleri sağlayarak, kümelenme derecesi hakkında doğrudan kanıt sunar ve çok düzeyli yaklaşımı haklı çıkarır.
- Tek düzeyli DFA'dan önemli ölçüde daha büyük ve daha karmaşık veriler gerektirir — tipik olarak çok sayıda grup ve her birinde kararlı grup içi kovaryans tahmini için yeterli sayıda üye bulunur.
- Gruplar arası düzeydeki modeller, grup içi düzeydeki modellere göre çok daha az birimden (gruplardan) tanımlanır, bu da gruplar arası düzeydeki parametreleri daha az kararlı hale getirir ve yakınsama sorunlarını daha yaygın kılar.
- Gruplar arası faktör yapısının belirlenmesi, grup içi düzeydeki yapıya göre genellikle daha az teoriye dayalıdır, bu da Tip I hatasını artıran sonradan yapılan ayarlamalara yol açar.
- Yorumlama daha karmaşıktır çünkü iki yapısal modelin eş zamanlı olarak değerlendirilmesi ve çıkarımlarının uzlaştırılması gerekir.
SSS
ÇD-DFA, gruplandırma değişkeni olan sıradan DFA'dan nasıl farklıdır?
Sıradan çok gruplu DFA, grup üyeliğini sabit bir moderatör olarak ele alarak, aynı faktör yapısının bilinen ayrık gruplar (örn. cinsiyet, ülke) arasında geçerli olup olmadığını test eder. ÇD-DFA, grupları bir grup popülasyonundan rastgele bir örneklem olarak ele alır ve kovaryans yapısını hem bireysel hem de grup düzeyinde eş zamanlı olarak modeller. İki yaklaşım farklı soruları yanıtlar: çok gruplu DFA, parametrelerin belirli gruplar arasında farklılık gösterip göstermediğini sorar; ÇD-DFA, her düzeydeki ölçüm yapısını tahmin eder ve varyansı düzeyler arasında bölüştürür.
Faktör yapısının grup içi ve gruplar arası düzeylerde aynı olması gerekir mi?
Hayır, ve bu, ÇD-DFA'nın üretebileceği temel bulgulardan biridir. Grup içi düzeydeki yapı, gizil özelliklerdeki bireysel farklılıkların madde yanıtlarını nasıl yönlendirdiğini yansıtır; gruplar arası düzeydeki yapı ise bu yapıların grup ortalamalarının nasıl değiştiğini yansıtır. Bunlar farklılık gösterebilir. Yaygın bir bulgu, birden fazla grup içi düzey faktörünün tek bir gruplar arası düzey faktörüne indirgenmesidir, bu da yapılar arasındaki daha ince ayrımların yalnızca bireysel düzeyde var olduğunu düşündürür.
Hangi ICC değerleri ÇD-DFA kullanımını haklı çıkarır?
Kabaca 0.05'in üzerindeki ICC'ler, çok düzeyli bir yaklaşımı gerektiren önemsiz olmayan kümelenmenin kanıtı olarak kabul edilir. 0.10'un üzerindeki ICC'ler açıkça önemlidir. Çok düşük ICC'ler (tüm maddeler için 0.02-0.03'ün altında), gruplandırmanın ihmal edilebilir bir etkisi olduğunu ve tek düzeyli DFA'nın yeterli olabileceğini düşündürür, ancak veriler gruplar halinde toplandığında bunu çok düzeyli bir modelle resmi olarak test etmek yine de en iyi uygulamadır.
Kaç gruba ihtiyacım var?
Kabaca bir rehber olarak, makul derecede kararlı gruplar arası düzey tahminleri için her biri en az 10 gözleme sahip en az 30 grup gereklidir. 20'den az grupla, gruplar arası düzeydeki parametreler çok kesin olmayabilir. Simülasyon çalışmaları, gruplar arası düzeydeki örneklem büyüklüklerinin kısıtlayıcı faktör olduğunu göstermektedir: az sayıda grupta çok sayıda birey olması kötü gruplar arası düzey tahmini verirken, çok sayıda grup — mütevazı grup büyüklükleriyle bile — bunu önemli ölçüde iyileştirir.
ÇD-DFA ile ölçüm değişmezliğini test edebilir miyim?
Evet. Düzeyler arası değişmezlik testi, gruplar arası düzeydeki faktör yüklerinin grup içi düzeydeki yüklemelere eşit olup olmadığını inceler (bir izomorfizm biçimi). Ek olarak, standart çok gruplu ÇD-DFA, daha yüksek düzeyli bir yapı içinde iç içe geçmiş demografik veya kültürel gruplar arasında test yapabilir. Düzeyler arası ölçüm değişmezliğini göstermek, bireysel puanları grup düzeyindeki yapıları temsil etmek üzere anlamlı bir şekilde birleştirmek için bir ön koşuldur.
Kaynaklar
- Muthen, B. O. (1994). Multilevel covariance structure analysis. Sociological Methods & Research, 22(3), 376–398. DOI: 10.1177/0049124194022003006 ↗
- Hox, J. J. (2010). Multilevel Analysis: Techniques and Applications (2nd ed.). Routledge. ISBN: 978-1848728462
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multilevel Confirmatory Factor Analysis. ScholarGate. https://scholargate.app/tr/psychometrics/multilevel-confirmatory-factor-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Keşfedici Faktör Analizi (KFA)İstatistik↔ karşılaştır
- Latent Profile Analysis (LPA) (Gizil Profiller Analizi)Psikometri↔ karşılaştır
- Ölçme Değişmezliği TestiPsikometri↔ karşılaştır
- Çok Düzeyli ModellemeAraştırma istatistiği↔ karşılaştır
- Yapısal Eşitlik Modellemesi (YEM)İstatistik↔ karşılaştır