Ölçek Geliştirme ve Kültürel Uyarlama: Geçerlik, Güvenirlik ve Faktör Analizi

Psikolojide bir ölçek geliştirmenin ya da var olan bir ölçeği başka bir kültüre uyarlamanın özü tek bir soruya dayanır: Bu madde takımı, ölçmeyi amaçladığınız kuramsal yapıyı (construct) gerçekten ölçüyor mu ve bu ölçümü tutarlı biçimde tekrar ediyor mu? Geçerlik ve güvenirlik, ölçeğin sahip olduğu sabit nitelikler değil; belirli bir örneklemde, belirli bir uygulama bağlamında elde edilen puanlara ilişkin kanıtlardır. Bu yazı, yapı tanımından madde havuzuna, kapsam ve yapı geçerliğinden iç tutarlık katsayılarına, açımlayıcı ve doğrulayıcı faktör analizinden kültürel uyarlamanın çekirdeği olan ölçme değişmezliğine kadar süreci ileri düzeyde ele alır. Temel psikometri ve istatistik girişini varsayar; başlangıç düzeyi için öğrenci blogundaki araştırma yöntemleri ve istatistik yazılarına yönlendirir.

Güncellik ve sorumluluk notu: Son güncelleme 23 Haziran 2026. Bu içerik psikoloji araştırmacılarına yönelik metodolojik bir başvuru metnidir; bireysel bir çalışmanın tasarımına ilişkin bağlayıcı bir karar ya da resmi bir kılavuz yerine geçmez. Burada anılan eşik değerler, kesme noktaları ve istatistiksel ölçütler alanyazında tartışmalı ve bağlama duyarlıdır; tek bir "altın eşik" gibi değil, kanıtların bir araya getirilmesi gereken esnek ölçütler olarak okunmalıdır. Analiz kararlarınızı güncel metodoloji kaynakları, dergi yönergeleri ve gerektiğinde bir istatistik/psikometri danışmanı üzerinden teyit edin.

Ölçek geliştirme bir tek olay değil, bir kanıt birikimidir

En yaygın kavramsal hata, geçerliği bir ölçeğin "var olan" ya da "olmayan" bir özelliği gibi düşünmektir. Çağdaş psikometride geçerlik, ölçek puanlarının belirli bir amaç ve bağlamdaki yorumunu destekleyen kanıtların bütünüdür; ölçeğin kendisine değil, ondan yapılan çıkarımlara aittir. Bu nedenle "geçerli ölçek" ifadesi teknik olarak eksiktir; doğru ifade, "şu örneklemde, şu amaç için puanların geçerliğine ilişkin kanıt"tır. Aynı mantık güvenirlik için de geçerlidir: Bir katsayı ölçeğin değil, o uygulamadaki puanların niteliğini özetler. Ölçek geliştirme, kuramdan veriye ve veriden tekrar kurama dönen yinelemeli bir döngüdür; her adım bir öncekini geçersiz kılabilir.

Bu metin ölçek geliştirmenin psikometrik çekirdeğini ele alır. Madde yanıt kuramı (IRT) tabanlı geliştirme, bilgisayar uyarlamalı test, ağ psikometrisi gibi ileri yaklaşımlar ayrı başlıklardır; burada klasik test kuramı (KTK) ve faktör analizi temelli yol esas alınır.

Adım 1: Yapı tanımı ve kuramsal çerçeve

Her ölçek bir yapıyı (örneğin kaygı, tükenmişlik, psikolojik esneklik) ölçmek için kurulur. Geliştirmenin ilk ve en belirleyici adımı, bu yapının kuramsal sınırlarını açıkça çizmektir: Yapı tek boyutlu mu yoksa çok boyutlu mu, hangi alt bileşenlerden oluşuyor, hangi yakın yapılardan (örneğin kaygı ile depresyon) ayrışıyor? Bu tanım yapılmadan üretilen maddeler, sonradan faktör analiziyle "kurtarılamayacak" bir kavramsal bulanıklık taşır.

Yapının kaç boyutlu olduğu en başta kuramsal olarak öngörülür ve sonra görgül olarak sınanır; boyutluluk yalnızca istatistiğin değil, kuramın da kararıdır. Aynı aşamada yapının "kapsam evreni" (content domain), yani o yapıyı temsil eden tüm olası davranış, düşünce ve duyguların bütünü tanımlanır. Madde havuzu bu evrenden örneklenir; evren eksik tanımlanırsa ölçek yapıyı dar ya da çarpık temsil eder ve kapsam geçerliği zedelenir.

Adım 2: Madde havuzu üretimi

Yapı tanımlandıktan sonra, kapsam evrenini geniş biçimde örnekleyen bir madde havuzu yazılır. İyi uygulama, nihai ölçekte tutulacak madde sayısının birkaç katı kadar madde üretmektir; çünkü pilot ve madde analizi aşamalarında maddelerin önemli bir bölümü elenecektir. Maddeler tek bir fikri içermeli (çift namlulu/double-barreled maddelerden kaçınılmalı), olumsuz ve karmaşık dilden arındırılmalı, yanıt seçenekleri (örneğin Likert basamak sayısı) yapıya uygun seçilmelidir.

Madde yazımında sık hatalar

• Çift namlulu maddeler: "İşimden ve aileme ayırdığım zamandan memnunum" iki ayrı yapıyı sorar; yanıtlayıcı hangisine cevap verdiği belirsiz kalır.
• Yönlendirici/sosyal istenirlik yüklü ifadeler: Onaya ya da reddedişe iten maddeler tepki yanlılığı üretir.
• Ters maddelerin denetimsiz kullanımı: Olumsuz ifadeli maddeler yanıt setini dengeleyebilir, ancak faktör yapısında yapay bir "yöntem faktörü" oluşturabilir; analizde dikkat gerektirir.

Yanıt formatı (Likert basamak sayısı, görsel analog, sıklık temelli) ölçümün dağılım özelliklerini ve sonraki analizleri etkiler. Az basamaklı ya da belirgin biçimde çarpık dağılan maddelerde, faktör analizi için Pearson korelasyonu yerine politetrakorik korelasyon ve uygun tahminleyiciler (örneğin WLSMV) tercih edilir.

Adım 3: Uzman görüşü ve kapsam geçerliği

Madde havuzu, yapı alanında uzman bir grup tarafından değerlendirilir; amaç, her maddenin ölçülen yapıyla ne kadar ilgili ve gerekli olduğunu görgül olarak belgelemektir. Bu aşama kapsam geçerliği (content validity) kanıtı üretir.

Yaygın iki gösterge, Lawshe'nin kapsam geçerlik oranı (CVR) ve kapsam geçerlik indeksidir (CVI). CVR, bir maddeyi "gerekli" bulan uzman oranını uzman sayısına göre standartlaştırır; kabul eşiği uzman sayısına göre değişir. CVI ise madde (I-CVI) ve ölçek (S-CVI) düzeyinde uzman uyumunu özetler. Bu göstergeler tek başına geçerliği kanıtlamaz; yapı geçerliği kanıtlarıyla birlikte yorumlanır. Uzman değerlendirmesine ek olarak, hedef kitleden küçük bir grupla yürütülen bilişsel görüşmeler (cognitive interviewing) maddelerin amaçlandığı gibi anlaşılıp anlaşılmadığını ortaya koyar; bu, kültürel uyarlamada kavramsal eşdeğerliğin erken bir denetimidir.

Adım 4: Pilot uygulama ve madde analizi

Madde havuzu küçük bir örneklemde denenir. Pilotun amacı, uygulanabilirliği test etmek, anlaşılmayan maddeleri saptamak ve madde istatistiklerine bakarak ilk elemeyi yapmaktır. Klasik test kuramı çerçevesinde madde analizi şu göstergelere dayanır:

• Madde güçlüğü/ortalaması ve dağılımı: Tavan ya da taban etkisi gösteren, varyansı çok düşük maddeler ayırt etme gücünü düşürür.
• Düzeltilmiş madde-toplam korelasyonu: Maddenin geri kalan ölçekle ilişkisini gösterir; düşük değerler maddenin yapıyı zayıf temsil ettiğine işaret eder.
• Madde silindiğinde iç tutarlık: Bir madde çıkarıldığında katsayının belirgin yükselmesi, o maddenin sorunlu olabileceğini düşündürür; ancak bu tek ölçütle madde elemek sakıncalıdır.

Sağlam bir pratik, ölçek geliştirme verisini iki bağımsız örnekleme (ya da rastgele bölünmüş alt örneklemlere) ayırmaktır: Biri açımlayıcı faktör analizi, diğeri doğrulayıcı faktör analizi için. Aynı veride hem keşif hem doğrulama yapmak, doğrulamayı yanıltıcı biçimde iyimser kılar.

Geçerlik türleri: kanıtın farklı kaynakları

Geçerlik tek bir katsayı değil, farklı kaynaklardan gelen kanıtların birleşimidir. Çağdaş çerçeve (Standards for Educational and Psychological Testing geleneği) geçerliği tek bir kavram altında toplar ve kanıtı içerik, iç yapı ve diğer değişkenlerle ilişki gibi kaynaklara göre ayırır. Klasik adlandırmayla başlıca türler şunlardır:

Kapsam geçerliği

Maddelerin, ölçülen yapının kapsam evrenini ne ölçüde temsil ettiğine ilişkin kanıttır. Yukarıda anılan uzman değerlendirmesi ve kapsam geçerlik göstergeleri bu başlığa girer.

Yapı geçerliği

Ölçek puanlarının kuramsal yapıyla beklenen ilişkileri sergileyip sergilemediğine ilişkin kanıttır ve geçerliğin çekirdeğidir. Faktör analizi (iç yapı kanıtı), yakınsak ve ıraksak geçerlik, ölçme değişmezliği bu başlık altında toplanır.

• Yakınsak geçerlik: Ölçek, aynı ya da benzer yapıyı ölçen başka ölçütlerle kuramsal olarak beklenen yönde ve güçte ilişki göstermelidir.
• Iraksak (ayırt edici) geçerlik: Ölçek, farklı yapılarla beklenenden zayıf ilişki göstermeli; örneğin yeni bir kaygı ölçeği depresyon ölçeğiyle yüksek ama mükemmel olmayan bir ilişki, başka ilgisiz yapılarla ise düşük ilişki vermelidir. Çok-özellik çok-yöntem (MTMM) matrisi bu iki kanıtı birlikte değerlendirir.

Ölçüt geçerliği

Ölçek puanlarının dışsal bir ölçütle ilişkisine dayanır ve iki biçimde incelenir:

• Eşzaman (concurrent) geçerlik: Ölçüt aynı anda toplanır; örneğin yeni ölçek ile yerleşik bir altın standart ölçek aynı oturumda uygulanır.
• Yordama (predictive) geçerlik: Ölçüt gelecekte ölçülür; örneğin ölçeğin ileride gözlenecek bir sonucu (tedaviye yanıt, akademik başarı) yordaması.

Güvenirlik: tutarlılığın kanıtı

Güvenirlik, ölçüm hatasının görece azlığını, yani puanların tutarlılığını ifade eder. Farklı güvenirlik türleri farklı hata kaynaklarını ele alır; tek bir katsayı tüm güvenirlik sorularını yanıtlamaz.

İç tutarlık: Cronbach alfa ve yaygın yanılgılar

İç tutarlık, ölçek maddelerinin ne ölçüde birlikte değiştiğini özetler ve en sık Cronbach alfa ile raporlanır. Ancak alfa, alanyazında en çok yanlış yorumlanan katsayılardan biridir. Doğru anlaşılması için şu noktalar kritiktir:

• Alfa tek boyutluluğun kanıtı değildir. Yüksek alfa, ölçeğin tek bir yapıyı ölçtüğünü göstermez; çok boyutlu bir ölçekte de alfa yüksek çıkabilir. Boyutluluk faktör analiziyle gösterilir, alfayla değil.
• Alfa madde sayısına duyarlıdır. Madde sayısı arttıkça alfa, madde kalitesi sabitken bile yükselir. Çok maddeli bir ölçekte yüksek alfa, "iyi madde" kanıtı olarak okunmamalıdır.
• Alfa belirli varsayımlar altında güvenirliğin alt sınırını verir. Cronbach alfa, maddelerin "tau-eşdeğer" (eşit faktör yükleri) olduğu varsayımına dayanır; bu varsayım sağlanmadığında genellikle gerçek güvenirliği olduğundan düşük tahmin eder. Yani alfa çoğu durumda bir tavan değil, bir alt sınır olarak yorumlanmalıdır.
• "Yüksek alfa her zaman iyidir" yanılgısı. Aşırı yüksek değerler (örneğin çok yüksek alfa), maddeler arası gereksiz benzerliğe (madde fazlalığı/redundans) işaret edebilir; bu da kapsam daralması anlamına gelir.

McDonald omega: çoğu durumda tercih edilen alternatif

Maddelerin faktör yükleri eşit olmadığında (gerçek verilerde neredeyse her zaman böyledir), McDonald omega (ω) güvenirliği daha az yanlı tahmin eder. Omega, faktör analitik bir modele dayanır ve maddelerin ortak faktöre yüklerini kullanarak güvenirliği hesaplar. Tek boyutlu ölçeklerde omega total, çok boyutlu yapılarda ise hiyerarşik omega (ω_h) gibi türevler genel faktörün katkısını ayrıştırmak için kullanılır. Çağdaş metodoloji kaynakları, eşit yük varsayımı genellikle ihlal edildiği için omegayı alfaya tercih etme yönünde güçlü bir eğilim taşır. Yine de omega da bir modele dayanır; modelin veriye uyumu zayıfsa omega yorumu da kısıtlanır.

Test-tekrar test güvenirliği

Aynı ölçeğin aynı bireylere belirli bir ara verilerek iki kez uygulanması ve iki uygulama arasındaki ilişkinin (genellikle sınıf içi korelasyon katsayısı, ICC ile) incelenmesidir. Kritik karar, ölçülen yapının zaman içinde kararlı olup olmadığıdır: Durumluk (state) bir yapı (örneğin anlık ruh hali) için yüksek test-tekrar test beklemek kuramsal olarak hatalıdır; süreklilik (trait) yapılar için zamansal kararlılık beklenir. Aralık çok kısaysa hatırlama etkisi, çok uzunsa gerçek değişim sonucu kirletir.

Faktör analizi: iç yapının sınanması

Faktör analizi, maddeler arası ilişki örüntüsünden yola çıkarak altta yatan boyutları (faktörleri) ortaya koyar ve yapı geçerliğinin merkezi kanıtını sağlar. İki temel ve sıkça karıştırılan yaklaşım vardır.

Açımlayıcı faktör analizi (AFA/EFA)

AFA, faktör yapısına ilişkin güçlü bir önsel hipotez olmadığında, verinin kaç boyut barındırdığını ve hangi maddenin hangi faktöre yüklendiğini keşfeder. Önemli kararlar şunlardır:

• Örneklemin faktör analizine uygunluğu: Kaiser-Meyer-Olkin (KMO) ölçütü ve Bartlett küresellik testi ön koşul olarak incelenir.
• Faktör sayısına karar: Yalnızca özdeğer-bir (Kaiser) ölçütüne dayanmak yanıltıcıdır ve sıklıkla faktör sayısını fazla tahmin eder. Paralel analiz ve MAP (minimum average partial) gibi yöntemler daha güvenilir kabul edilir; yamaç-birikinti (scree) grafiği destekleyici olarak kullanılır.
• Çıkarım ve döndürme: Temel bileşenler analizi (PCA) teknik olarak bir faktör analizi değildir; gerçek faktör çıkarımı için temel eksen ya da maksimum olabilirlik tercih edilir. Faktörlerin ilişkili olması beklendiğinde eğik döndürme (örneğin promax, oblimin), bağımsız varsayıldığında dik döndürme (varimax) kullanılır; psikolojik yapılar genellikle ilişkili olduğu için eğik döndürme daha gerçekçidir.

Doğrulayıcı faktör analizi (DFA/CFA)

DFA, AFA'dan ya da kuramdan gelen belirli bir faktör yapısının veriye uyup uymadığını sınar. Burada hangi maddenin hangi faktöre yükleneceği önceden belirlenir ve model verinin kovaryans yapısına karşı test edilir. AFA keşfeder, DFA doğrular; bu nedenle ikisinin aynı veride yapılması doğrulamanın anlamını zayıflatır.

CFA uyum indeksleri: doğru okuma

DFA modelinin veriye uyumu birden çok indeksle değerlendirilir; tek bir indekse dayanmak hatalıdır. Sık raporlanan indeksler ve genel yorum çerçevesi:

• Ki-kare (χ²): Anlamlı olmaması iyi uyum işaretidir, ancak büyük örneklemlerde neredeyse her zaman anlamlı çıkar; bu yüzden tek başına kullanılmaz. χ²/sd oranı bazen tamamlayıcı olarak bildirilir.
• CFI ve TLI (karşılaştırmalı uyum indeksleri): 1'e yaklaştıkça iyi uyumu gösterir; alanyazında sıklıkla yaklaşık 0.95 ve üzeri iyi uyum, 0.90 civarı kabul edilebilir uyum için referans alınır. TLI, model karmaşıklığını cezalandıran bir türevdir.
• RMSEA (yaklaşık hataların kök ortalama karesi): Küçüldükçe iyi uyumu gösterir; yaklaşık 0.06 ve altı iyi, 0.08'e kadar makul kabul edilir. RMSEA için güven aralığı (özellikle üst sınır) ve yakın uyum testi de raporlanmalıdır.
• SRMR (standartlaştırılmış kök ortalama kare artık): Yaklaşık 0.08 ve altı iyi uyum için referans alınır.

Bu eşikler kesin kurallar değil, geleneksel referans noktalarıdır; örneklem büyüklüğü, model karmaşıklığı, tahminleyici türü ve veri dağılımı bu değerlerin yorumunu değiştirir. Uyum indeksleri birlikte ve modelin kuramsal anlamlılığıyla bütünleşik okunur; iyi uyum, yanlış belirlenmiş bir modeli "doğru" kılmaz.

Örneklem büyüklüğü

Faktör analizi ve DFA örneklem büyüklüğüne duyarlıdır. Eski "madde başına şu kadar kişi" türü sabit oranlar (örneğin 1:10) basit bir kılavuz sağlasa da yetersizdir; gerekli büyüklük faktör yüklerinin gücüne, faktör başına madde sayısına ve yapının netliğine bağlıdır. Güçlü ve net yükler az sayıda katılımcıyla bile kararlı çözümler verebilirken, zayıf yükler ve karmaşık yapı çok daha büyük örneklem gerektirir. DFA'da ayrıca, parametrelerin kararlı kestirimi ve uyum indekslerinin güvenilirliği için yeterli büyüklük gerekir. Mümkün olduğunda kuramsal değerlere dayalı bir güç analizi ya da Monte Carlo simülasyonuyla hedef büyüklüğün önceden belirlenmesi önerilir.

Ölçek uyarlama: çeviriden çok daha fazlası

Var olan bir ölçeği başka bir dil ve kültüre uyarlamak, yalnızca kelimeleri çevirmek değildir. Amaç; kavramsal, dilsel, ölçüm ve işlevsel eşdeğerliği sağlamaktır. Uluslararası kılavuzlar (örneğin ITC test uyarlama kılavuzları geleneği) bu süreci çok katmanlı bir yöntem olarak tanımlar.

Çeviri ve geri çeviri

Standart yaklaşım, ölçeğin hedef dile bağımsız çevirmenlerce çevrilmesi, bu çevirilerin uzlaştırılması, ardından kaynak dili bilen başka çevirmenlerce geri çevrilmesi ve geri çevirinin orijinalle karşılaştırılmasıdır. Geri çeviri tek başına yeterli değildir; iyi bir geri çeviri, kötü ama "geri çevrilebilir" bir ifadeyi gizleyebilir. Bu nedenle süreç uzman komitesi değerlendirmesi ve bilişsel görüşmelerle birlikte yürütülür.

Kültürel ve kavramsal eşdeğerlik

Bazı yapılar ya da maddeler bir kültürde anlamlıyken başka bir kültürde aynı anlamı taşımayabilir; deyimsel ifadeler, kültüre özgü davranışlar ve normlar maddeyi işlevsel olarak farklılaştırabilir. Kelime düzeyinde "doğru" ama kavram düzeyinde "yanlış" çeviriler en sinsi hatalardır. Bu nedenle uzman komitesi, dilsel doğruluk kadar kavramsal ve kültürel uygunluğu da denetler.

Ölçme değişmezliği: uyarlamanın psikometrik çekirdeği

Bir ölçeği uyarladıktan sonra "aynı ölçeği ölçüyor muyuz" sorusunun görgül yanıtı ölçme değişmezliği (measurement invariance) analizidir. Bu, çok gruplu DFA ile yapılır ve gruplar (örneğin orijinal kültür ile uyarlanan kültür, ya da cinsiyetler) arasında ölçüm modelinin eşdeğerliğini aşamalı olarak sınar. Geleneksel olarak iç içe geçmiş düzeyler test edilir:

• Yapısal (configural) değişmezlik: Aynı faktör yapısının (hangi maddenin hangi faktöre yüklendiği) tüm gruplarda geçerli olması. Bu, en temel düzeydir.
• Metrik (zayıf) değişmezlik: Faktör yüklerinin gruplar arasında eşit olması. Bu sağlanırsa, yapının birimleri gruplar arasında karşılaştırılabilir hale gelir ve gruplar arası ilişkiler (örneğin korelasyonlar) anlamlı biçimde kıyaslanabilir.
• Skalar (güçlü) değişmezlik: Faktör yüklerine ek olarak madde kesişimlerinin (intercept) eşit olması. Bu düzey sağlanmadan grupların gözlenen ortalamalarını (örneğin "hangi kültürde kaygı daha yüksek") karşılaştırmak yanıltıcıdır; çünkü ortalama farkı gerçek bir farktan değil, ölçüm yanlılığından kaynaklanıyor olabilir.
• Katı (strict) değişmezlik: Artık (hata) varyanslarının da eşit olması. Genellikle ortalama karşılaştırması için zorunlu görülmez ve sıkça gevşetilir.

Aşamalar arası geçiş, modeller arası uyum farkıyla değerlendirilir; ki-kare farkı örneklem büyüklüğüne aşırı duyarlı olduğu için CFI ve RMSEA gibi indekslerdeki değişim ölçütleri (örneğin CFI'de küçük bir azalma eşiği) daha sık kullanılır. Tam değişmezlik sağlanamadığında, bazı parametrelerin gruplar arası serbest bırakıldığı kısmi (partial) değişmezlik bir orta yol olabilir; ancak bu, hangi maddelerin yanlı olduğunu açıkça raporlamayı gerektirir.

Yaygın hatalar ve özet uyarılar

Ölçek geliştirme ve uyarlamada en sık karşılaşılan hatalar, çoğu zaman katsayıların yanlış yorumlanmasından kaynaklanır:

• Alfayı tek boyutluluk kanıtı sanmak. İç tutarlık yüksekliği, ölçeğin tek bir yapıyı ölçtüğünü göstermez.
• Aynı veride hem AFA hem DFA yapmak. Doğrulama bağımsız bir örneklem gerektirir.
• PCA'yı faktör analizi yerine kullanmak. İkisi farklı amaçlara hizmet eder; faktör çıkarımı yapı geçerliği için tercih edilir.
• Tek bir uyum indeksine dayanmak. CFI, TLI, RMSEA ve SRMR birlikte değerlendirilmelidir.
• Değişmezlik test etmeden kültürler/gruplar arası ortalama karşılaştırmak. En azından skalar değişmezlik gösterilmeden ortalama farkları yorumlanamaz.
• Geçerlik ve güvenirliği ölçeğin sabit nitelikleri sanmak. Her ikisi de örnekleme ve bağlama bağlı kanıtlardır; yeni örneklemde yeniden gösterilmesi gerekir.

Sık sorulan sorular

Cronbach alfa mı yoksa McDonald omega mı raporlanmalı? Çağdaş metodoloji kaynakları çoğu durumda omegayı önerir, çünkü alfanın dayandığı eşit faktör yükü (tau-eşdeğerlik) varsayımı gerçek verilerde nadiren sağlanır ve bu varsayım ihlal edildiğinde alfa güvenirliği genellikle olduğundan düşük gösterir. Omega faktör analitik bir modele dayandığı için yük farklılıklarını dikkate alır. İdeal pratik, faktör yapısını gösterip omega (gerekirse hiyerarşik omega) raporlamak; alfayı tarihsel karşılaştırma için ek olarak vermektir.

Yüksek Cronbach alfa ölçeğin geçerli olduğunu gösterir mi? Hayır. Alfa bir güvenirlik (tutarlılık) göstergesidir, geçerlik kanıtı değildir. Yüksek alfa, ölçeğin doğru yapıyı ölçtüğünü, tek boyutlu olduğunu ya da iyi maddelerden oluştuğunu kanıtlamaz; çok boyutlu ya da madde fazlalığı olan ölçeklerde de yüksek çıkabilir. Geçerlik ayrıca faktör analizi, yakınsak-ıraksak ve ölçüt kanıtlarıyla gösterilir.

AFA ve DFA arasındaki temel fark nedir? AFA, faktör yapısına ilişkin güçlü bir hipotez olmadan verinin kaç boyut barındırdığını keşfeder. DFA ise önceden belirlenmiş bir faktör yapısının veriye uyup uymadığını sınar. Biri keşif, diğeri doğrulama amaçlıdır; bu yüzden ideali, AFA ve DFA'yı bağımsız örneklemlerde yürütmektir.

CFA'da hangi uyum indekslerine bakılır ve hangi değerler iyidir? En sık CFI, TLI, RMSEA ve SRMR birlikte raporlanır; ki-kare büyük örneklemde yanıltıcı olduğu için tek başına kullanılmaz. Geleneksel referanslar yaklaşık olarak CFI/TLI için 0.95 ve üzeri, RMSEA için 0.06 ve altı, SRMR için 0.08 ve altıdır. Bunlar kesin kurallar değil, bağlama (örneklem, model karmaşıklığı, tahminleyici) göre yorumlanması gereken referans noktalarıdır.

Çeviri-geri çeviri bir ölçeği uyarlamak için yeterli mi? Yeterli değildir. Çeviri-geri çeviri dilsel eşdeğerliğin yalnızca bir parçasıdır; kavramsal ve kültürel eşdeğerlik uzman komitesi ve bilişsel görüşmelerle, ölçüm eşdeğerliği ise ölçme değişmezliği analiziyle gösterilmelidir. Değişmezlik gösterilmeden uyarlanan ölçeğin orijinalle aynı yapıyı aynı metrikte ölçtüğü varsayılamaz.

Kültürler arası ortalama karşılaştırması için hangi değişmezlik düzeyi gerekir? Gözlenen ölçek ortalamalarını (örneğin iki kültürdeki kaygı düzeyini) anlamlı biçimde karşılaştırmak için en az skalar (güçlü) değişmezlik gereklidir; yani faktör yüklerinin ve madde kesişimlerinin gruplar arası eşitliği. Yalnızca yapısal ya da metrik değişmezlik sağlandığında ortalama farkları ölçüm yanlılığıyla karışabilir. Tam skalar değişmezlik sağlanamazsa, yanlı maddeler açıkça belirtilerek kısmi değişmezlik bir orta yol olabilir.

Ölçek geliştirme için kaç katılımcı gerekir? Sabit bir sayı yoktur. "Madde başına 10 kişi" gibi kurallar pratik bir başlangıç sağlar ama yetersizdir; gerekli büyüklük faktör yüklerinin gücüne, faktör başına madde sayısına ve yapının netliğine bağlıdır. Güçlü ve net yükler daha küçük örneklemlerle kararlı sonuç verebilir; zayıf yükler ve karmaşık yapı çok daha büyük örneklem gerektirir. Mümkünse güç analizi ya da simülasyonla hedef büyüklük önceden belirlenmelidir.

İlgili yazılar

• Bilimsel makale nasıl yazılır ve hakemli dergide nasıl yayınlanır
• Hangi dergiye göndermeli: Q1-Q4, SSCI/Scopus ve predatory dergiden kaçınma
• Meta-analiz ve sistematik derleme nasıl yapılır (PRISMA)
• Psikolojide açık bilim ve replikasyon: preregistration, OSF, open data
• İleri istatistik: regresyon, SEM, çok düzeyli modeller ve güç analizi

Konuyu bütünlüklü bir akademik kariyer ve araştırma çerçevesinde görmek isterseniz, psikoloji akademisyeni için araştırma ve kariyer rehberine göz atabilirsiniz.

Daha derine inmek isteyenler için

Psikoloji alanında araştırma yürüten akademisyen ve lisansüstü araştırmacılar için yöntem, yayın ve görünürlük başlıklarını kaynaklarıyla derleyen içeriklerimizi takip edebilirsiniz.

Ruh sağlığı profesyoneliyseniz ve klinik ölçüm, danışan takibi ile değerlendirme süreçlerini tek panelde toplamak istiyorsanız, Clinisyn'i inceleyebilirsiniz.

---