Faktör Analizi: AFA ve DFA Adımları, Ölçütler ve Raporlama Rehberi
Bu rehberde faktör analizi için açımlayıcı ve doğrulayıcı yaklaşımın farkını, örneklem yeterliliğini, faktör sayısına karar vermeyi, uyum indekslerini ve bulguların tezde nasıl raporlanacağını adım adım anlatıyoruz.
Son güncelleme: Ekim 2026
Faktör Analizi Nedir?
Kısa cevap: Faktör analizi, birbiriyle ilişkili çok sayıda değişkeni (ör. ölçek maddelerini) daha az sayıda anlamlı boyut altında toplayan çok değişkenli bir istatistik yöntemidir. Ölçek geliştirme, ölçek uyarlama ve yapı geçerliği çalışmalarının temel aracıdır.
Özellikle psikoloji, eğitim bilimleri, işletme, hemşirelik ve turizm gibi alanlarda anketle toplanan verinin kaç boyuttan oluştuğunu anlamak için kullanılır. Örneğin 24 maddelik bir iş doyumu ölçeğinin dört alt boyutta toplanıp toplanmadığı bu yöntemle incelenir. Ancak doğru sonuç için yalnızca yazılımdaki düğmeleri bilmek yetmez; her kararın gerekçesini de yazmak gerekir.
Bu rehberde önce iki temel yaklaşımı karşılaştırıyor, ardından analiz adımlarını, ölçütleri ve raporlama düzenini sırayla ele alıyoruz.
- Bu yöntem, çok sayıda maddeyi daha az sayıda gizil boyut altında toplayan çok değişkenli bir yöntemdir.
- Açımlayıcı faktör analizi yapıyı keşfeder; doğrulayıcı faktör analizi önceden belirlenen yapıyı test eder.
- AFA’da KMO, Bartlett testi, faktör sayısı ve yükler; DFA’da uyum indeksleri, AVE ve CR raporlanır.
- Eşik değerler yöntem literatürüne dayandırılmalı ve kaynağıyla birlikte verilmelidir.
⚖️ Açımlayıcı ve Doğrulayıcı Faktör Analizi Arasındaki Fark Nedir?
Kısa cevap: Açımlayıcı faktör analizi (AFA) verideki yapıyı keşfetmek için, doğrulayıcı faktör analizi (DFA) ise kurama veya önceki çalışmalara dayanan bir yapıyı test etmek için kullanılır.
| Ölçüt | Açımlayıcı (AFA) | Doğrulayıcı (DFA) |
|---|---|---|
| Amaç | Yapıyı keşfetmek | Belirlenen yapıyı test etmek |
| Ön varsayım | Faktör sayısı bilinmeyebilir | Faktörler ve maddeleri önceden belirlidir |
| Tipik kullanım | Yeni ölçek geliştirme | Ölçek uyarlama, yapı doğrulama |
| Yaygın yazılım | SPSS, JASP, R (psych) | AMOS, Mplus, R (lavaan) |
| Temel çıktı | Özdeğer, varyans, yük matrisi | Uyum indeksleri, standart yükler |
Yeni bir ölçek geliştiriyorsanız genellikle önce AFA, sonra farklı bir örneklemde DFA uygulanır. Öte yandan Türkçeye uyarlanan bir ölçekte özgün yapı zaten bilindiği için doğrudan DFA tercih edilir. Ayrıca aynı veri setinde önce AFA yapıp sonra aynı veriyle DFA uygulamak, hakemlerin sık eleştirdiği bir uygulamadır.
👥 Faktör Analizi İçin Kaç Katılımcı Gerekir?
Kısa cevap: Tek bir kesin sayı yoktur. Literatürde madde başına 5–10 katılımcı veya toplamda en az 200–300 kişi gibi pratik kurallar önerilir; ancak gereken örneklem, faktör yüklerinin gücüne ve madde sayısına göre değişir.
Örneğin Comrey ve Lee’nin sık alıntılanan sınıflamasında 100 kişi zayıf, 200 orta, 300 iyi ve 500 çok iyi kabul edilir. Bununla birlikte güçlü yüklere ve faktör başına çok sayıda maddeye sahip yapılarda daha küçük örneklemler de kararlı sonuç verebilir. Bu yüzden örneklem gerekçesini tezde kaynakla birlikte yazmak önemlidir.
Ölçek geliştirme çalışmasında AFA ve DFA’yı ayrı örneklemlerde yapacaksanız, veri toplama planını buna göre kurmanız gerekir. Örneğin toplanan veri rastgele ikiye bölünerek bir yarısında AFA, diğer yarısında DFA uygulanabilir.
🧹 Veri Faktör Analizine Nasıl Hazırlanır?
Kısa cevap: Eksik değerler ve uç değerler incelenir, ters kodlu maddeler düzeltilir, dağılımlar kontrol edilir ve maddeler arası korelasyonlar gözden geçirilir.
- Eksik veri oranını ve örüntüsünü inceleyin.
- Ayrıca çok değişkenli uç değerleri Mahalanobis uzaklığıyla kontrol edin.
- Ters kodlu maddeleri analizden önce yeniden kodlayın.
- Çarpıklık ve basıklık değerlerine bakarak dağılımı değerlendirin.
- Son olarak çok düşük veya aşırı yüksek korelasyonlu maddeleri not edin.
Bu adımlar sonraki tüm kararları etkiler. Örneğin normallikten belirgin sapma varsa DFA’da daha dayanıklı tahmin yöntemleri seçilebilir. Veri temizliği ve betimsel analizler için SPSS analizi sayfamıza göz atabilirsiniz.
🔎 KMO ve Bartlett Testi Ne Anlatır?
Kısa cevap: KMO değeri, maddeler arasındaki ortak varyansın analize yeterli olup olmadığını; Bartlett küresellik testi ise korelasyon matrisinin birim matristen anlamlı biçimde farklı olup olmadığını gösterir.
| Gösterge | Yaygın yorum |
|---|---|
| KMO 0,90 ve üzeri | Mükemmel |
| KMO 0,80–0,89 | Çok iyi |
| KMO 0,70–0,79 | İyi |
| KMO 0,60–0,69 | Orta, kabul edilebilir |
| KMO 0,60 altı | Analiz için yetersiz |
| Bartlett testi | p < 0,05 olması beklenir |
Ayrıca her madde için anti-imaj korelasyon matrisinin köşegenindeki MSA değerlerine bakmak faydalıdır. Çünkü genel KMO yeterli olsa bile tek tek bazı maddeler zayıf kalabilir. Bu maddeler, içerik geçerliği de dikkate alınarak yeniden değerlendirilir.
🔢 Faktör Sayısına Nasıl Karar Verilir?
Kısa cevap: Özdeğeri 1’den büyük faktörler (Kaiser ölçütü), yamaç birikinti grafiği ve paralel analiz birlikte değerlendirilir; nihai karar ise kuramsal yorumlanabilirliğe göre verilir.
Kaiser ölçütü
Özdeğeri 1’in üzerindeki faktörler alınır. Ancak bu ölçüt tek başına kullanıldığında faktör sayısını sıklıkla fazla tahmin eder.
Yamaç birikinti grafiği
Özdeğerlerin grafikte kırıldığı nokta incelenir. Yoruma açık olduğu için diğer yöntemlerle birlikte kullanılır.
Paralel analiz
Gerçek özdeğerler, rastgele verilerden elde edilen özdeğerlerle karşılaştırılır. Güncel literatürde güçlü biçimde önerilir.
Toplam açıklanan varyans da raporlanır. Sosyal bilimlerde yüzde 50–60 civarı sık görülen bir düzeydir; ancak bu değer tek başına bir “geçme notu” değildir. Bunun yanı sıra her faktörde en az üç madde bulunması, yapının kararlılığı açısından genellikle önerilir.
🔄 Faktör Döndürme Yöntemi Nasıl Seçilir?
Kısa cevap: Faktörlerin birbiriyle ilişkisiz olduğu varsayılıyorsa dik döndürme (varimax), ilişkili olabileceği düşünülüyorsa eğik döndürme (direct oblimin veya promax) seçilir.
Çünkü sosyal bilimlerdeki kavramlar çoğu zaman birbiriyle ilişkilidir. Bu nedenle pek çok yöntem kaynağı, önce eğik döndürme uygulanmasını ve faktörler arası korelasyonlara bakılmasını önerir. Korelasyonlar çok düşükse dik döndürme de savunulabilir.
Ayrıca çıkarma yöntemi de ayrı bir karardır. Temel bileşenler analizi veri indirgemeye, temel eksen faktörleme ve en çok olabilirlik ise gizil yapıyı tahmin etmeye daha uygundur. Seçtiğiniz yöntemi ve gerekçesini yöntem bölümünde açıkça belirtmeniz gerekir.
📏 Faktör Yükleri Nasıl Yorumlanır?
Kısa cevap: Yaygın uygulamada 0,40 ve üzeri yükler yeterli kabul edilir; birden fazla faktöre benzer yükle giren (binişik) maddeler ve ortak varyansı düşük maddeler ayrıca incelenir.
- Düşük yük: Madde hiçbir faktörde yeterli yük vermiyorsa çıkarılması değerlendirilir.
- Binişik madde: İki faktördeki yükleri arasındaki fark küçükse (sık kullanılan ölçüt 0,10) madde sorunlu kabul edilir.
- Ortak varyans: Communality değeri çok düşük maddeler yapıya az katkı verir.
- İçerik kontrolü: Madde, yüklendiği faktörün anlamıyla örtüşmelidir.
Bu nedenle madde çıkarma kararları tek tek verilmeli ve her çıkarmadan sonra analiz yeniden çalıştırılmalıdır. Çünkü bir maddenin çıkarılması diğer maddelerin yüklerini değiştirebilir. Ayrıca çıkarılan maddeleri ve gerekçelerini bir tabloda göstermek, sürecin şeffaflığını artırır.
🧩 Doğrulayıcı Faktör Analizinde Uyum İndeksleri Nasıl Değerlendirilir?
Kısa cevap: Model uyumu tek bir indeksle değil, birkaç indeksin birlikte değerlendirilmesiyle yorumlanır. En sık raporlananlar χ²/sd, CFI, TLI, RMSEA ve SRMR’dir.
| İndeks | Kabul edilebilir | İyi uyum |
|---|---|---|
| χ²/sd | 5’in altı | 3’ün altı |
| CFI / TLI | 0,90 ve üzeri | 0,95 ve üzeri |
| RMSEA | 0,08 ve altı | 0,06 ve altı |
| SRMR | 0,10 ve altı | 0,08 ve altı |
Bu eşikler kesin kurallar değil, önerilerdir. Örneğin büyük örneklemlerde χ² testi neredeyse her zaman anlamlı çıkar; bu yüzden tek başına yorumlanmaz. Ayrıca modifikasyon indekslerine dayanarak hata kovaryansı eklemek ancak kuramsal bir gerekçe varsa (ör. benzer ifadeli maddeler) savunulabilir.
🛡️ Güvenirlik ve Geçerlik Nasıl Raporlanır?
Kısa cevap: Güvenirlik için Cronbach alfa ve bileşik güvenirlik (CR), yakınsak geçerlik için ortalama açıklanan varyans (AVE), ayırt edici geçerlik için ise HTMT oranı veya Fornell-Larcker ölçütü raporlanır.
| Ölçüt | Yaygın eşik |
|---|---|
| Cronbach alfa | 0,70 ve üzeri |
| Bileşik güvenirlik (CR) | 0,70 ve üzeri |
| AVE | 0,50 ve üzeri |
| HTMT | Kavramsal olarak yakın yapılarda 0,90, farklı yapılarda 0,85 altı |
Ölçek uyarlama çalışmalarında ayrıca ölçüm değişmezliği (biçimsel, metrik, ölçek değişmezliği) test edilebilir. Örneğin ölçeğin kadın ve erkek katılımcılarda aynı biçimde çalışıp çalışmadığı bu yolla incelenir. Ölçek geliştirme sürecinin tamamı için ölçek geliştirme rehberimize bakabilirsiniz.
💻 Faktör Analizi Hangi Programlarla Yapılır?
Kısa cevap: AFA için çoğunlukla SPSS, JASP veya R; DFA için AMOS, Mplus veya R’daki lavaan paketi kullanılır. Programdan bağımsız olarak önemli olan, ayarların doğru seçilmesi ve raporlanmasıdır.
Örneğin SPSS’te paralel analiz doğrudan menüde bulunmaz; bu nedenle ek bir sözdizimi veya ayrı bir araç gerekir. Öte yandan R ve JASP paralel analizi kolayca sunar. DFA için görsel model çizimi isteyenler genellikle AMOS’u tercih eder; ayrıntılar için AMOS analizi sayfamıza göz atabilirsiniz.
Ayrıca kullandığınız programın adını ve sürümünü tezde belirtmeniz, analizin tekrar edilebilirliği açısından önemlidir. Benzer şekilde DFA’da hangi tahmin yönteminin (ör. en çok olabilirlik veya dayanıklı yöntemler) seçildiğini de yazmalısınız.
📝 Faktör Analizi Sonuçları Tezde Nasıl Raporlanır?
Kısa cevap: Önce yöntem kararları gerekçelendirilir, ardından KMO-Bartlett, faktör sayısı, yük matrisi, açıklanan varyans, DFA uyum indeksleri ve güvenirlik-geçerlik tabloları sırayla sunulur.
Yöntem kararları
Çıkarma ve döndürme yöntemi, faktör sayısı ölçütleri ve yazılım bilgisi yazılır.
Uygunluk testleri
KMO, Bartlett testi ve madde düzeyinde MSA değerleri verilir.
AFA tabloları
Döndürülmüş yük matrisi, özdeğerler ve açıklanan varyans raporlanır.
DFA bulguları
Uyum indeksleri, standart yükler ve model diyagramı sunulur.
Güvenirlik ve geçerlik
Alfa, CR, AVE ve HTMT değerleri tabloyla gösterilir.
Bunun yanı sıra tablolarda ondalık basamak sayısını ve kısaltmaları tutarlı kullanmak gerekir. Ayrıca APA biçiminde istatistik değerlerini italik yazmak ve tablo başlıklarını açıklayıcı tutmak, tezin okunabilirliğini artırır.
🚫 Faktör Analizinde Sık Yapılan Hatalar Nelerdir?
Kısa cevap: Faktör sayısını yalnızca Kaiser ölçütüyle belirlemek, AFA ve DFA’yı aynı veride yapmak, gerekçesiz madde silmek ve uyum indekslerini düzeltmek için kuramsız hata kovaryansları eklemek en sık hatalardır.
- Temel bileşenler analizini gizil yapı tahmini gibi yorumlamak.
- Ayrıca eğik döndürmede yalnızca örüntü matrisini değil yapı matrisini de gözden kaçırmak.
- Ters kodlu maddeleri düzeltmeden analize almak.
- Eşik değerleri kaynak göstermeden kullanmak.
- Son olarak çıkarılan maddeleri raporda hiç belirtmemek.
Bu hataların çoğu, analize başlamadan önce yazılı bir analiz planı hazırlayarak önlenir. Örneğin hangi ölçütle faktör sayısına karar verileceğini ve hangi koşulda madde çıkarılacağını baştan belirlemek, sonuçlara göre karar değiştirme riskini azaltır.
🤝 Faktör Analizi Desteğimiz Neleri Kapsar?
Kısa cevap: Veri hazırlığı, açımlayıcı ve doğrulayıcı analizler, güvenirlik ve geçerlik hesapları, tabloların hazırlanması ve bulguların yorumlanmasında destek veriyoruz.
Süreç, ölçeğinizi, araştırma amacınızı ve verinizi incelememizle başlar. Ardından analiz planını sizinle paylaşır, onayınızdan sonra çalışmaya geçeriz. Teslimde analiz dosyaları, sonuç tabloları ve yorumlu bulgular metni birlikte verilir. Jüri veya hakem geri bildirimi gelirse ek analizlerde de yanınızdayız.
Farklı analiz türleri için ayrıntılı bilgiye verianalizi.yaptirma.com.tr platformumuzdan ulaşabilirsiniz. Ayrıca yapısal eşitlik modeli kuracaksanız SmartPLS analizi rehberimize de göz atabilirsiniz.
⭐ Neden Ödevcim?
Alanında Uzman Kadro
Çalışmanız konuya hâkim bir uzmana yönlendirilir; süreç boyunca sizinle iletişimde kalınır.
Gizlilik
Kişisel bilgileriniz ve dosyalarınız üçüncü kişilerle paylaşılmaz.
Revizyon Desteği
Teslimden sonra gelen geri bildirimlere göre düzeltme desteği verilir.
Bill Gates Web Güvencesi
Hizmetlerimiz Ankara merkezli Bill Gates Web güvencesiyle sunulur.
💬 Öğrenci ve Akademisyen Yorumları
İşletme doktora tezimde ölçek geliştirme çalışması için faktör analizi yaptırdım. AFA ile KMO=0.892, Bartlett anlamlı, 4 faktörlü yapı, açıklanan varyans %68. DFA ile CFI=0.945, RMSEA=0.048, TLI=0.932. Tezim jüriden yüksek puan aldı. Çok teşekkürler!
Psikoloji yüksek lisans tezimde ölçek uyarlama çalışması yaptırdım. Dil geçerliliği, AFA ve DFA analizleri çok başarılıydı. Uyum indeksleri mükemmel çıktı. Tez danışmanım çalışmayı çok beğendi.
Pazarlama tezimde ölçek geliştirme için SPSS ile AFA ve AMOS ile DFA yaptırdım. Faktör yükleri, AVE ve CR değerleri mükemmel çıktı. Tez savunmamda jüri üyeleri analizleri çok beğendi.
❓ Sıkça Sorulan Sorular
Faktör analizi için ölçeğin kaç maddesi olmalı?
Her faktörü en az üç maddeyle temsil etmek genellikle önerilir. Madde sayısı ölçülen yapının kapsamına göre belirlenir.
Uyarlanan bir ölçekte AFA yapmak gerekir mi?
Özgün yapı biliniyorsa genellikle doğrudan DFA uygulanır. DFA uyumu zayıfsa AFA ile yapı yeniden incelenebilir.
Faktör analizi ile güvenirlik analizi aynı şey mi?
Hayır. Faktör analizi yapıyı inceler, güvenirlik analizi ise ölçümün tutarlılığını gösterir. İkisi birlikte raporlanır.
Uyum indeksleri eşiği karşılamazsa ne yapılır?
Önce veri ve model kuramsal açıdan gözden geçirilir. Gerekçesiz değişiklik yerine sorunlu maddeler ve yapı yeniden değerlendirilir.
Analiz sonrası jüri sorularında destek veriyor musunuz?
Evet. Jüri veya hakem geri bildirimlerine göre ek analiz ve düzeltmeler yapılır.
Ücret nasıl belirlenir?
Madde sayısı, analiz türleri ve teslim süresine göre belirlenir. Verinizi paylaştığınızda ücretsiz teklif hazırlarız.
📞 Faktör Analiziniz İçin Teklif Alın
Ölçeğinizi, araştırma amacınızı ve verinizi WhatsApp’tan paylaşın. Analiz planını birlikte netleştirir, her adımı size açıklayarak ilerleriz.
📧 bestessayhomework@gmail.com | 📞 0 (312) 276 75 93