Ölçek Uyarlama: AFA ve DFA ile Geçerlik ve Güvenirlik Adımları

Ölçek uyarlama, başka bir dilde ve kültürde geliştirilmiş bir ölçme aracının çeviri, uzman incelemesi ve pilot uygulamayla dilsel olarak eşdeğer hâle getirilmesi, ardından yeni örneklemde yapı geçerliğinin ve güvenirliğinin sınanması sürecidir. Kısa yanıt şudur: önce özgün yazardan izin alınır, ileri ve geri çeviri ile uzman paneli yürütülür, ana veriyle doğrulayıcı faktör analizi (DFA) yapılır; uyum zayıfsa nedeni incelenir, gerekirse açımlayıcı faktör analizi (AFA) ile yapı yeniden değerlendirilir; son olarak Cronbach alfa, birleşik güvenirlik ve test-tekrar test sonuçları raporlanır. Veriyi topladınız, DFA’yı çalıştırdınız, RMSEA .10 çıktı ve danışmanınız “uyum değerleri kabul edilemez” dedi mi? Bu yazı tam o noktadan başlayarak her adımı anlatıyor.

Analizlerin hangi sırayla ve hangi programla yürütüleceği konusunda birlikte karar vermek isterseniz istatistiksel analiz danışmanlığı sayfamızda çalışma sürecimizi bulabilirsiniz.

Ölçek uyarlama ile ölçek geliştirme arasındaki fark nedir?

Ölçek geliştirmede madde havuzu sıfırdan yazılır ve yapı veriden keşfedilir; bu yüzden ana analiz AFA’dır. Uyarlamada ise ölçeğin kuramsal yapısı ve faktör sayısı özgün çalışmada zaten belirlenmiştir. Sorulan soru “bu yapı Türkçe formda ve yeni örneklemde de korunuyor mu?” olduğu için ana analiz DFA’dır.

Uluslararası Test Komisyonu’nun yönergeleri (ITC, 2018) uyarlamayı yalnızca çeviri olarak değil, iki dildeki puanların karşılaştırılabilir olduğunu kanıtlama işi olarak tanımlar. Bu nedenle jüri ve hakemler hem çeviri sürecinin belgelerini hem de istatistiksel kanıtı birlikte görmek ister.

Ölçek uyarlama adımları nelerdir?

Beaton ve arkadaşlarının (2000) kültürlerarası uyarlama rehberi ile Çapık, Gözüm ve Aksayan’ın (2018) Türkçe rehberi aşağıdaki sırayı önerir:

Özgün çalışmayı ve ölçeğin başka dillere yapılmış uyarlamalarını bulmak için kısa bir alanyazın taraması yapmak, hangi faktör yapısının sınanacağını baştan netleştirir. İzin yazışması ve uzman paneli formları etik kurul başvurusunda da istenir. Beaton ve arkadaşları pilot aşamasında 30–40 kişilik bir grup önerir; bu aşamanın hangi durumlarda zorunlu olduğunu pilot uygulama yazımızda ayrıca ele aldık.

DFA için örneklem ne kadar olmalı?

DFA için tek ve kesin bir sayı yoktur. Yöntem kitaplarında en az 200 katılımcı ya da madde başına 5–10 kişi gibi pratik kurallar sık geçer. Daha sağlam yol, modelin karmaşıklığını hesaba katan bir güç analizidir; temel mantığı örneklem büyüklüğü yazımızda anlattık.

AFA ve DFA aynı çalışmada yapılacaksa örneklem rastgele ikiye bölünür: bir yarıda yapı keşfedilir, diğer yarıda doğrulanır. Aynı veriyle hem keşfetmek hem doğrulamak döngüsel bir kanıt üretir ve hakemlerin en sık yakaladığı hatalardandır.

Doğrulayıcı faktör analizi (DFA) nasıl yapılır ve yorumlanır?

DFA’da özgün çalışmadaki yapı birebir kurulur: her madde yalnızca kendi faktörüne yüklenir, faktörler arasında ilişki tanımlanır. Ardından şu sıra izlenir:

1. Veri hazırlığı: Ters maddeler kodlanır, kayıp veri ve uç değerler ele alınır, çok değişkenli normallik incelenir.
2. Kestirim yöntemi: Veri normal dağılıyorsa en çok olabilirlik (ML), dağılmıyorsa sağlam (robust) ML kullanılır. Beşli Likert gibi sıralı maddelerde WLSMV kestirimi daha uygundur.
3. Faktör yükleri: Standartlaştırılmış yüklerin .50 ve üzerinde olması beklenir; .30–.40 altındaki yükler maddenin faktörü iyi temsil etmediğini gösterir.
4. Uyum indeksleri: Modelin veriyle ne kadar örtüştüğü birden fazla indeksle birlikte değerlendirilir.

Uyum indeksleri için sık kullanılan ölçütler şunlardır:

Ki-kare testinin p değeri birkaç yüz kişilik örneklemlerde neredeyse her zaman anlamlı çıkar; bu yüzden tek başına model reddi için kullanılmaz. Hu ve Bentler’in eşikleri de birlikte değerlendirilmek üzere önerilmiştir; tek bir indeksin sınırın hemen altında kalması, diğerleri iyiyse tek başına ret gerekçesi değildir.

Uyum değerleri tutmazsa ne yapılır?

CFI .85’te, RMSEA .10’da kaldıysa ilk iş madde silmek değil, sorunun kaynağını bulmaktır. Önerdiğimiz sıra şudur:

1. Veriyi yeniden kontrol edin: Kodlanmamış bir ters madde, yanlış birleştirilmiş bir değişken ya da hatalı kayıp veri kodu uyumu tek başına bozabilir.
2. Düşük yüklü maddelere bakın: Sorun çeviriden kaynaklanıyor olabilir. Maddeyi geri çeviri ve uzman paneli notlarıyla karşılaştırın.
3. Kestirim yöntemini gözden geçirin: Sıralı veride ML ile WLSMV arasında uyum indeksleri belirgin biçimde değişebilir; seçimin gerekçesi yazılır.
4. Modifikasyon indekslerini dikkatle kullanın: Hata kovaryansı yalnızca aynı faktördeki, ifadesi ya da içeriği benzer maddeler arasında, kuramsal gerekçeyle eklenir ve raporlanır. İndeks önerdi diye rastgele eklemek modeli veriye uydurur.
5. Madde çıkarmayı son çareye bırakın: Çıkarılan her madde kapsam geçerliğini zayıflatır ve özgün ölçekle karşılaştırmayı zorlaştırır. Gerekçesi ve çıkarıldıktan sonraki uyum ayrıca raporlanır.
6. Gerekirse AFA’ya dönün: Model hâlâ uymuyorsa yapı bu kültürde farklı işliyor olabilir. Örneklemin bir yarısında AFA, diğer yarısında yeni yapıyla DFA yapılır.

Açımlayıcı faktör analizi (AFA) ne zaman ve nasıl yapılır?

AFA, uyarlamada özgün yapı doğrulanamadığında ya da özgün çalışmada yalnızca AFA raporlanmışsa başvurulan analizdir. Temel kararlar şunlardır:

• Veri uygunluğu: KMO değerinin .60’ın üzerinde (tercihen .80 ve üzeri) ve Bartlett küresellik testinin anlamlı olması beklenir.
• Faktör sayısı: Özdeğeri 1’den büyük faktörleri saymak çoğu zaman gereğinden fazla faktör verir; paralel analiz ve yamaç birikinti grafiği birlikte kullanılmalıdır.
• Döndürme: Faktörlerin birbiriyle ilişkili olması bekleniyorsa eğik döndürme (oblimin ya da promax) seçilir.
• Madde kararları: Faktör yükü .40’ın altında kalan ya da iki faktöre aralarında .10’dan az fark olacak biçimde yüklenen (binişik) maddeler ayrıca incelenir.

AFA ve güvenirlik analizleri SPSS ile kolayca yürütülür. DFA için JASP, R (lavaan paketi), Stata (sem komutu) ya da SAS (PROC CALIS) kullanılabilir; analiz mantığı programdan bağımsızdır.

Güvenirlik ve yakınsak-ayırt edici geçerlik nasıl gösterilir?

Yapı doğrulandıktan sonra her alt boyut için güvenirlik ve geçerlik kanıtı ayrı ayrı sunulur:

• Cronbach alfa: Alt boyut başına .70 ve üzeri genellikle yeterli kabul edilir. Yorumunu ve sınırlılıklarını güvenirlik analizi yazımızda anlattık; değeri Cronbach alfa hesaplama aracımızla da kontrol edebilirsiniz.
• Birleşik güvenirlik (CR): DFA yüklerinden hesaplanır; .70 ve üzeri beklenir. Alfadan farklı olarak maddelerin eşit ağırlıkta olduğunu varsaymaz.
• Yakınsak geçerlik: Açıklanan ortalama varyansın (AVE) .50 ve üzerinde olması önerilir (Fornell ve Larcker, 1981).
• Ayırt edici geçerlik: Her faktörün AVE karekökü, o faktörün diğer faktörlerle korelasyon katsayılarından büyük olmalıdır. Daha duyarlı bir ölçüt olarak HTMT oranının .85’in altında kalması beklenir (Henseler vd., 2015).
• Test-tekrar test: Aynı gruba iki–dört hafta arayla uygulanır; sınıf içi korelasyon katsayısıyla (ICC) raporlanması önerilir.

Ölçek uyarlama sonuçları tezde nasıl raporlanır?

Çeviri süreci, uzman paneli ve pilot uygulama yöntem bölümü içinde “Veri toplama araçları” başlığı altında anlatılır. Uyum indeksleri tablosu, faktör yükleri tablosu ve güvenirlik değerleri ise bulgular bölümü içinde verilir. Model diyagramı ek ya da şekil olarak eklenebilir. APA 7 biçiminde bir örnek (kurgusal veri):

Dört faktörlü ve 24 maddelik yapı, 412 katılımcıdan elde edilen veriyle DFA kullanılarak sınanmıştır (WLSMV kestirimi). Model kabul edilebilir uyum göstermiştir, χ²(246) = 589.32, p < .001, χ²/sd = 2.40, CFI = .95, TLI = .94, RMSEA = .058, %90 GA [.052, .064], SRMR = .049. Standartlaştırılmış faktör yükleri .52 ile .84 arasında değişmiştir. Alt boyutlara ilişkin Cronbach alfa katsayıları .78–.88, birleşik güvenirlik değerleri .80–.89 arasındadır.

Bir modifikasyon yapıldıysa hangi maddeler arasında, hangi gerekçeyle yapıldığı ve öncesi–sonrası uyum değerleri bu paragrafa eklenir.

Ölçek uyarlamada en sık nerede takılınır?

Danışmanlık sürecinde en çok zaman kaybettiren noktalar şunlardır:

• İzinsiz kullanılan ölçek: Tez aşamasında fark edilmese de makale gönderiminde dergi izin belgesini ister; yayın süreci burada durur.
• Tek çeviri, geri çeviri yok: Jüri dilsel eşdeğerliği sorgular ve bu eksik jüri düzeltmeleri listesinin başına yazılır; veri toplandıktan sonra telafisi zordur.
• AFA ve DFA aynı veride: Hakem bunu döngüsel kanıt olarak görür ve yeni veri ister.
• Gerekçesiz modifikasyon: On hata kovaryansıyla “iyileştirilmiş” bir model, hakem yorumlarına yanıt verirken savunulamaz.
• Yalnızca alfa raporlamak: Yapı geçerliği kanıtı olmadan verilen yüksek alfa, ölçeğin ne ölçtüğünü göstermez.

Bu hatalar çoğu zaman danışmandan geri dönüş, ek veri toplama ve aylarca uzayan bir süreç olarak geri gelir.

Hangi durumda destek almak işinizi kolaylaştırır?

Adımları bilmek işin önemli bir kısmıdır; yine de bazı noktalarda deneyimli biriyle birlikte karar vermek süreci belirgin biçimde kısaltır. Şu durumlardan biri size tanıdık geliyorsa birlikte çalışmayı düşünebilirsiniz:

• DFA’yı çalıştırdınız, RMSEA ya da CFI sınırların dışında kaldı ve hangi maddenin soruna yol açtığını göremiyorsunuz.
• Danışmanınız ya da hakem, eklediğiniz hata kovaryanslarının veya çıkardığınız maddelerin gerekçesini istedi.
• AFA’da maddeler beklenen faktörlere yüklenmedi, binişik maddeler çıktı ve yapıyı nasıl yorumlayacağınızı bilmiyorsunuz.
• AVE, birleşik güvenirlik ya da HTMT değerleri istendi ve bunları nasıl hesaplayıp raporlayacağınızdan emin değilsiniz.

Birlikte çalışma sürecimiz şöyle ilerler:

1. Ücretsiz ön görüşme: Ölçeğin özgün yapısını, veri setinizi ve danışman ya da hakem notlarını konuşur, durumu birlikte değerlendiririz.
2. Kapsam ve yol haritası: Hangi analizlerin hangi sırayla yapılacağını ve SPSS, JASP, R, Stata ya da SAS’tan hangisiyle yürütüleceğini netleştiririz.
3. Adım adım birlikte çalışma: Veri hazırlığı, DFA ve gerekirse AFA, güvenirlik ve geçerlik hesapları birlikte yürütülür; her kararın gerekçesi yazılı olarak not edilir.
4. Zoom’da birlikte değerlendirme: Sonuçları ve raporlama tablolarını birlikte gözden geçirir, danışman ya da jüri sorularına hazırlanırsınız.

Hizmetin kapsamı için istatistiksel analiz sayfamıza, çalışma ilkelerimiz için Etik Çerçevemiz sayfasına bakabilirsiniz.

WhatsApp’tan ücretsiz ön görüşme

Sık sorulan sorular

Ölçek uyarlama desteğinin ücreti ve süresi neye göre belirlenir?

Sürecin hangi aşamada olduğu (çeviri mi, veri analizi mi), madde ve alt boyut sayısı, AFA gerekip gerekmediği, istenen geçerlik kanıtları ve raporlamanın kapsamı belirleyicidir. Genel ölçütleri danışmanlık ücretinin neye göre belirlendiğini anlattığımız yazıda bulabilirsiniz; ön görüşmede kapsamı birlikte netleştiririz.

Verilerim ve ölçek dosyalarım gizli kalır mı?

Evet. Paylaştığınız veri setleri ve belgeler yalnızca sizinle yürüttüğümüz çalışma için kullanılır ve üçüncü kişilerle paylaşılmaz. Ayrıntılar KVKK Aydınlatma Metni sayfamızda yer alır.

Süreç tamamen online mı yürüyor?

Evet. Dosya paylaşımı, yazılı geri bildirimler ve Zoom görüşmeleriyle Türkiye’nin ya da dünyanın neresinde olursanız olun birlikte çalışabiliriz.

Danışman ya da hakem yeni analiz isterse ne yapılır?

Notlar madde madde ele alınır; istenen ek analizler (örneğin ölçme değişmezliği, ölçüt geçerliği ya da alternatif model karşılaştırması) yürütülür ve her değişikliğin metinde nerede yer aldığı açıkça gösterilecek biçimde düzenlenir.

Kaynaklar

• Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191. https://doi.org/10.1097/00007632-200012150-00014
• Çapık, C., Gözüm, S., & Aksayan, S. (2018). Kültürlerarası ölçek uyarlama aşamaları, dil ve kültür uyarlaması: Güncellenmiş rehber. Florence Nightingale Hemşirelik Dergisi, 26(3), 199–210. https://doi.org/10.26650/fnjn397481
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• International Test Commission. (2018). ITC guidelines for translating and adapting tests (2nd ed.). International Journal of Testing, 18(2), 101–134. https://doi.org/10.1080/15305058.2017.1398166