Blog

Sosyal bilimler, işletme, eğitim, turizm ve sağlık yönetimi gibi alanlarda yapısal eşitlik modellemesi, gizil değişkenler arasındaki ilişkileri test etmek için yaygın olarak kullanılır. SmartPLS, grafik arayüzü ve PLS-SEM’e özgü analiz seçenekleriyle tez ve makale çalışmalarında sıkça tercih edilen bir programdır.

Bu rehberde SmartPLS analizi sürecini, PLS-SEM’in ne zaman uygun olduğundan başlayarak ölçüm ve yapısal modelin değerlendirilmesi, aracılık ve düzenleyicilik analizleri ve raporlama ilkeleriyle birlikte anlatıyoruz. Eşik değerler literatürde yaygın kabul gören önerilerdir; alanınızdaki güncel kaynaklarla birlikte değerlendirilmelidir.

PLS-SEM nedir, SmartPLS analizi ne zaman tercih edilir?

PLS-SEM, gizil değişkenler arasındaki ilişkileri açıklanan varyansı en üst düzeye çıkaracak şekilde tahmin eden varyans tabanlı bir yöntemdir; tahmin ve keşif odaklı çalışmalarda, karmaşık modellerde, biçimlendirici ölçümlerde ve görece küçük örneklemlerde tercih edilir.

Hakemlerin sıkça sorduğu soru “Neden PLS-SEM?” sorusudur. Yöntem gerekçesini araştırmanın amacına (ör. bağımlı değişkendeki varyansı açıklama ve tahmin etme), modelin karmaşıklığına ve ölçüm yapısına dayandırmak gerekir. Kuramın doğrulayıcı biçimde test edilmesi ve genel model uyumunun ön planda olduğu çalışmalarda kovaryans tabanlı SEM daha uygun olabilir. AMOS ile kovaryans tabanlı analizi AMOS yapısal eşitlik modeli rehberimizde ayrıntılı anlattık.

SmartPLS analizi için örneklem büyüklüğü nasıl belirlenir?

Örneklem büyüklüğü güç analizi veya ters karekök yöntemi gibi yaklaşımlarla belirlenmelidir; eskiden yaygın olan “10 kat kuralı” güncel kaynaklarda yetersiz bulunmaktadır.

PLS-SEM’in küçük örneklemlerle çalışabilmesi, her örneklemin yeterli olduğu anlamına gelmez. Beklenen en küçük yol katsayısı ve istenen istatistiksel güç dikkate alınarak hesaplama yapılmalıdır. G*Power gibi araçlarla, en çok ok alan yapıya yönelik çoklu regresyon gücü hesaplanabilir. Ayrıca örneklemin evreni temsil etmesi, büyüklüğü kadar önemlidir.

SmartPLS’te veri nasıl hazırlanır ve model nasıl kurulur?

Veri CSV veya Excel formatında, ilk satırda değişken adlarıyla hazırlanır; eksik veriler kodlanır, ters maddeler çevrilir, ardından SmartPLS’te proje oluşturulup veri yüklenir ve gizil yapılar ile göstergeler sürükle-bırakla modele eklenir.

SmartPLS analizi ölçüm modeli değerlendirmesi nasıl yapılır?

Yansıtıcı ölçüm modelinde gösterge yükleri, iç tutarlılık güvenilirliği (Cronbach alfa, rho_A, bileşik güvenilirlik), yakınsak geçerlilik (AVE) ve ayırt edici geçerlilik (HTMT, Fornell-Larcker) incelenir.

Düşük yüklü göstergeleri çıkarmak, içerik geçerliliğini zayıflatabilir. Bu nedenle madde çıkarma kararı yalnızca istatistiksel değil, kuramsal olarak da gerekçelendirilmelidir. Biçimlendirici yapılarda ise bu ölçütler uygulanmaz; bunun yerine yakınsak geçerlilik (redundancy analysis), göstergeler arası çoklu bağlantı (VIF) ve dış ağırlıkların (outer weights) anlamlılığı değerlendirilir.

SmartPLS analizi yapısal model değerlendirmesi nasıl yapılır?

Yapısal modelde önce çoklu bağlantı (iç VIF) kontrol edilir, ardından bootstrapping ile yol katsayılarının anlamlılığı, R² ile açıklanan varyans, f² ile etki büyüklüğü ve PLSpredict gibi yöntemlerle tahmin gücü değerlendirilir.

Bootstrapping için genellikle 5.000 veya daha fazla alt örneklem önerilir. Hipotezler yönlü kurulduysa tek yönlü test, aksi hâlde çift yönlü test seçilmelidir ve bu tercih yöntem bölümünde belirtilmelidir. Güven aralıklarının sıfırı içermemesi anlamlılığın göstergesidir. Raporlamada yalnızca p değerlerini değil, güven aralıklarını ve etki büyüklüklerini de vermek sonuçların yorumunu güçlendirir.

SmartPLS’te aracılık ve düzenleyicilik analizi nasıl yapılır?

Aracılıkta dolaylı etkinin anlamlılığı bootstrapping ile “specific indirect effects” çıktısından test edilir; düzenleyicilikte ise etkileşim terimi oluşturulur ve etkileşimin yol katsayısı ile basit eğim grafiği yorumlanır.

Güncel yaklaşımda aracılık, Baron ve Kenny’nin adım adım yöntemi yerine doğrudan dolaylı etkinin bootstrapping ile test edilmesine dayanır. Dolaylı etki anlamlıysa aracılık vardır; doğrudan etkinin anlamlı olup olmamasına göre tam veya kısmi aracılık ayrımı yapılabilir. Birden fazla aracının bulunduğu modellerde her bir dolaylı yolun ayrı ayrı raporlanması gerekir.

Düzenleyicilik analizinde SmartPLS etkileşim terimini iki aşamalı yaklaşım veya ürün göstergesi yaklaşımı ile oluşturabilir. Genellikle iki aşamalı yaklaşım önerilir. Etkileşim etkisi anlamlı bulunduğunda, basit eğim grafiği (simple slope plot) ilişkinin düzenleyici değişkenin farklı düzeylerinde nasıl değiştiğini görsel olarak gösterir.

SmartPLS’te hangi ileri analizler yapılabilir?

Çok gruplu analiz (MGA) ile gruplar arası farklar, ölçüm değişmezliği için MICOM, gözlenmemiş heterojenlik için FIMIX-PLS, önem-performans haritası (IPMA) ve yüksek düzeyli yapılar (higher-order constructs) gibi ileri analizler yapılabilir.

• MGA: Örneğin kadın ve erkek katılımcılarda yol katsayılarının farklı olup olmadığını test eder; öncesinde MICOM ile ölçüm değişmezliği kontrol edilmelidir.
• IPMA: Hangi yapıların hedef değişken için önemli ama düşük performanslı olduğunu gösterir; uygulamaya dönük öneriler için kullanışlıdır.
• Yüksek düzeyli yapılar: Alt boyutlu ölçeklerde ikinci düzey yapıların modellenmesini sağlar.
• Ortak yöntem varyansı: Tam eşdoğrusallık testi (full collinearity VIF) gibi yöntemlerle kontrol edilebilir.

SmartPLS analizi sonuçları nasıl raporlanır?

Önce yöntem gerekçesi ve örneklem bilgisi, ardından ölçüm modeli tabloları (yükler, güvenilirlik, AVE, HTMT), sonra yapısal model tablosu (β, t, p, güven aralığı, f²), R² ve tahmin gücü sonuçları ile model şekli sunulur.

• ✓PLS-SEM tercihinin gerekçesi ve yazılım sürümü belirtildi.
• ✓Bootstrapping alt örneklem sayısı ve test yönü yazıldı.
• ✓Ölçüm modeli tabloları eksiksiz verildi.
• ✓HTMT değerleri ve güven aralıkları raporlandı.
• ✓Yapısal model tablosunda β, t, p ve güven aralıkları yer aldı.
• ✓R², f² ve tahmin gücü sonuçları yorumlandı.
• ✓Model şekli okunaklı ve tablolarla tutarlı hazırlandı.

İyi bir PLS-SEM raporu, sadece hangi yolların anlamlı olduğunu değil, ölçümün neden güvenilir olduğunu da gösterir.

Hipotez test tablosu nasıl düzenlenir?

Hipotez test tablosunda her satır bir hipotezi gösterir; yol, standartlaştırılmış katsayı (β), standart sapma, t değeri, p değeri, %95 güven aralığı, f² ve karar sütunları yer alır.

Aşağıdaki tablo bir biçim örneğidir; değerler gösterim amaçlıdır ve gerçek bir çalışmaya ait değildir. Tablodaki karar sütununda “desteklendi/desteklenmedi” ifadesini kullanmak, hipotezlerin “kanıtlandığı” izlenimini vermekten daha doğru bir dildir.

Tablonun altında bootstrapping alt örneklem sayısını, test yönünü ve kullanılan yazılım sürümünü not olarak belirtmek, hakemlerin sonuçları değerlendirmesini kolaylaştırır. Aracılık hipotezleri için dolaylı etkileri ayrı bir tabloda vermek okunabilirliği artırır.

SmartPLS analizinde sık yapılan hatalar nelerdir?

Yöntem gerekçesinin zayıf olması, biçimlendirici-yansıtıcı ayrımının yanlış yapılması, ölçüm modeli değerlendirilmeden yapısal sonuçların yorumlanması, gereksiz madde çıkarma ve yalnızca p değerine dayalı yorumlar en sık hatalardır.

• Model uyum indeksi beklentisi: PLS-SEM’de CB-SEM tarzı uyum indekslerini ana ölçüt gibi sunmak.
• Aşırı madde çıkarma: Yalnızca eşik değeri tutturmak için ölçeği zayıflatmak.
• Eksik raporlama: HTMT veya güven aralıklarının verilmemesi.
• Yanlış aracılık yorumu: Dolaylı etki test edilmeden aracılık sonucuna varmak.

PLS-SEM analizinde Makale Hazırlama nasıl destek olur?

Model kurgusu, veri hazırlığı, SmartPLS analizi, sonuçların yorumlanması, APA uyumlu tablolar ve hakem sorularına yanıt konularında istatistik danışmanlığı sunuyoruz.

2008’den beri hizmet veren Makale Hazırlama’nın 250+ uzman akademik kadrosunda istatistik ve yöntem alanında deneyimli Prof. Dr., Doç. Dr. ve araştırma görevlileri yer alır. Ekibimizin 20 yılı aşkın akademik deneyimiyle SPSS, AMOS, SmartPLS, R ve Stata kullanan dünyanın dört bir yanındaki üniversitelerden akademisyen ve öğrencilerle çalıştık. Veriniz ve sonuçlarınız size aittir; biz yöntemin doğru uygulanması ve anlaşılır raporlanması için yanınızdayız. Kapsamlı istatistik hizmetlerimiz için veri analizi sayfamıza, ekibimiz için hakkımızda sayfamıza göz atabilirsiniz.

Sık Sorulan Sorular