Faktör Analizi Tezde Nasıl Yapılır ve Yorumlanır 2026

Akademik tez çalışmalarında ölçek geliştirme veya uyarlama süreçlerinde araştırmacıların sıkça başvurduğu istatistiksel yöntem olan faktör analizi, hem yapıyı keşfetmek hem de önceden belirlenmiş bir yapıyı doğrulamak amacıyla kullanılır. Jüri üyeleri bu analizin doğru uygulandığından ve bulgularının doğru yorumlandığından emin olmak ister; yanlış model seçimi, yetersiz örneklem veya hatalı raporlama ise metodoloji bölümünü ciddi biçimde zayıflatabilir. Bu kapsamlı rehberde faktör analizinin ne olduğunu, iki temel türünü, SPSS ile nasıl uygulandığını, uyum indekslerini ve tezde nasıl raporlanması gerektiğini adım adım açıklıyoruz.

Faktör Analizi Nedir?

Faktör analizi, birbiriyle ilişkili gözlemlenen değişkenleri (ölçek maddeleri) daha az sayıda gizli (latent) değişkene — yani faktörlere — indirgeyen çok değişkenli bir istatistiksel tekniktir. Temel varsayımı şudur: gözlemlenen ölçümler arasındaki korelasyon örüntüsü, arka plandaki yapısal faktörlerden kaynaklanmaktadır.

Bir örnek: "Amirimle açık iletişim kurabiliyorum", "Amirim beni dinliyor" ve "Amirimle ilgili konuları rahatlıkla paylaşabiliyorum" maddeleri aynı gizli değişkeni (yönetici-çalışan iletişim kalitesi) ölçüyorsa, bu maddeler yüksek korelasyon gösterecek ve faktör analizinde aynı faktör altında kümelenecektir.

Faktör Analizi Hangi Amaçlarla Yapılır?

• Yeni geliştirilen bir ölçeğin boyutsal yapısını ortaya çıkarmak
• Başka bir kültüre uyarlanan ölçeğin Türk örneklemdeki yapı geçerliliğini sınamak
• Çok sayıda değişkeni daha az sayıda anlamlı boyuta indirgemek
• Ölçeğin teorik yapısının verilerle uyumunu test etmek

Keşfedici ile Doğrulayıcı Faktör Analizi Arasındaki Fark Nedir?

Pratik Kural: Ölçeği sıfırdan geliştiriyorsanız → KFA. Mevcut ölçeği Türkçe'ye uyarlıyorsanız → önce KFA, ardından DFA (bölünmüş örneklem ile). Daha önce Türkçe'de doğrulanmış ölçek kullanıyorsanız → doğrudan DFA.

Keşfedici Faktör Analizi (KFA / EFA)

KFA Öncesinde Hangi Koşullar Sağlanmalıdır?

KFA'ya geçmeden önce iki temel ön koşul kontrolü yapılmalıdır:

• KMO (Kaiser-Meyer-Olkin) katsayısı: Örneklemin faktör analizine uygunluğunu ölçer. KMO ≥ 0,60 kabul edilebilir en düşük değerdir; ≥ 0,70 kabul edilebilir; ≥ 0,80 iyi; ≥ 0,90 mükemmeldir.
• Bartlett Küresellik Testi: Korelasyon matrisinin birim matris olmadığını test eder. p < .001 düzeyinde anlamlı olması gerekir; aksi halde faktör analizi yapılması uygun değildir.

SPSS ile KFA Nasıl Yapılır?

1. Analyze → Dimension Reduction → Factor yolunu izleyin.
2. Analiz edilecek maddeleri Variables kutusuna taşıyın.
3. Extraction sekmesinde:
   • Principal Axis Factoring (sosyal bilimler için önerilir)
   • veya Maximum Likelihood (normal dağılım varsayıldığında)
4. Rotation sekmesinde:
   • Faktörler birbirinden bağımsızsa: Varimax (dik döndürme)
   • Faktörlerin birbiriyle ilişkili olduğu bekleniyorsa: Oblimin veya Promax (eğik döndürme)
5. Options sekmesinde "Suppress absolute values less than .30" seçeneğini işaretleyin.
6. Scores sekmesinde faktör puanları kaydetmek istiyorsanız ilgili seçeneği etkinleştirin.
7. Analizi çalıştırın.

KFA Sonuçlarında Nelere Bakılır?

Çıktıda incelenmesi gereken temel bölümler:

• KMO ve Bartlett Testi tablosu: Analizin ön koşullarını doğrular; tabloda raporlanır.
• Communalities tablosu: Her maddenin faktörler tarafından açıklanan varyans oranıdır. 0,30'un altında kalan maddeler sorunlu kabul edilir.
• Total Variance Explained tablosu: Her faktörün açıkladığı varyans yüzdesi ve birikimli toplam. Sosyal bilimlerde %40-60 arası kabul edilebilirdir.
• Scree Plot: Faktör sayısını belirlemek için eğrinin "dirsek" noktasına bakılır.
• Pattern/Structure Matrix: Faktör yüklerini gösterir. 0,40 ve üzeri yükler anlamlı kabul edilir; 0,30-0,39 arası bazı alanlarda kabul edilebilirdir.

Çapraz Yüklenme ve Madde Eleme

Bir maddenin birden fazla faktöre yüksek yük vermesi (çapraz yükleme) sorunludur. Bu durumda:

• Yükler arasındaki fark 0,10'un altında ise madde ölçekten çıkarılmayı gerektirebilir.
• Madde çıkarma teorik gerekçeyle birlikte savunulmalıdır.

Doğrulayıcı Faktör Analizi (DFA / CFA)

DFA, önceden belirlenmiş bir faktör yapısının verilerle uyumunu test eder. SPSS bu analizi desteklemez; AMOS (SPSS'in ayrı modülü) veya R'ın lavaan paketi kullanılır.

DFA Modelini Kurma

AMOS'ta DFA modeli kurarken her faktörü ve faktöre ait maddeleri çizim yoluyla tanımlarsınız. Temel kurallar:

• Her faktör için en az 3 madde olmalıdır (2 maddeyle model tanımlanamaz).
• Faktör varyansı veya bir madde yükü sabitlenmelidir (model tanımlanabilirliği için).
• Hata terimleri birbirinden bağımsız olmalıdır; aksi halde teorik gerekçe sunulmalıdır.

Model Uyum İndeksleri Nasıl Yorumlanır?

Tüm indekslerin eş zamanlı olarak mükemmel değerde olması beklenmez. Genel uyum kararı birden fazla indeksin bir arada değerlendirilmesiyle verilir.

Yeniden Spesifikasyon (Modifikasyon)

Uyum indeksleri kabul edilemez sınırların dışında kaldığında AMOS Modification Indices çıktısı incelenerek model iyileştirilebilir. Yeniden spesifikasyon yaparken:

• Yalnızca yüksek MI (modifikasyon indeksi) değerine sahip ve teorik gerekçesi olan bağlantıları serbest bırakın.
• Her modifikasyon adımını belgeleyin ve tezde raporlayın.
• Aşırı modifikasyon "capitalizing on chance" hatasına yol açar; dikkatli olun.

Tezde Faktör Analizi Nasıl Raporlanır?

KFA Raporlama Örneği

"Ölçeğin yapı geçerliliğini incelemek amacıyla keşfedici faktör analizi uygulanmıştır. Analiz öncesinde KMO değeri (.87) ve Bartlett Küresellik Testi [χ²(190) = 1842.3, p < .001] örneklemin faktör analizine uygunluğunu doğrulamıştır. Temel eksenler faktörizasyonu ve Varimax döndürmesi kullanılarak gerçekleştirilen analizde özdeğeri 1,00'den büyük ve toplam varyansın %58,4'ünü açıklayan üç faktör elde edilmiştir. Faktör yükü 0,40'ın altında kalan iki madde analiz dışı bırakılmıştır."

DFA Raporlama Örneği

"Keşfedici faktör analizinde ortaya çıkan üç faktörlü yapıyı doğrulamak amacıyla AMOS 24 yazılımıyla doğrulayıcı faktör analizi gerçekleştirilmiştir. Elde edilen uyum indeksleri [χ²/df = 2.41, CFI = .94, TLI = .93, RMSEA = .06 (90% CI [.04, .08]), SRMR = .06] modelin verilerle kabul edilebilir düzeyde uyum sağladığını göstermektedir. Tüm maddelerin faktör yükleri .45 ile .78 arasında olup istatistiksel açıdan anlamlıdır (p < .001)."

Faktör Yüklerini Tabloda Sunma

Bulgular bölümünde yer alması gereken tablo şunları içermelidir:

• Madde numarası ve kısa ifadesi
• Her faktör için faktör yükleri (sütun biçiminde)
• Ortak varyans (Communality — h²)
• Açıklanan varyans yüzdesi (her faktör için)

Tablo dipnotunda döndürme yöntemi ve eşik değeri belirtilmelidir.

Örneklem Büyüklüğü

Faktör analizi için örneklem büyüklüğüne ilişkin genel kabul:

• Madde başına en az 5-10 katılımcı
• Minimum 100 katılımcı (KFA için)
• DFA için minimum 200 katılımcı önerilir
• Büyük örneklem (300+) daha güvenilir ve stabil tahminler sağlar

Örneklem büyüklüğü metodoloji bölümünde gerekçelendirilmeli; yetersiz örneklem varsa sınırlılıklar bölümünde belirtilmelidir.

Sık Yapılan Hatalar

Faktör analizinde araştırmacıların en sık düştüğü hatalar:

1. KMO ve Bartlett'i raporlamamak: Bu ön testler olmadan analiz geçerliliği sorgulanır.
2. Yalnızca eigenvalue > 1 kriterini kullanmak: Scree plot ve teorik beklentilerle birlikte değerlendirilmelidir.
3. Çapraz yüklenen maddeleri tutmak: Yüksek çapraz yükü olan maddeler ölçeğin yapısal netliğini bozar.
4. Aynı örneklemde hem KFA hem DFA yapmak: Bu metodolojik bir ihlaldir; ya örneklemi bölün ya da farklı örneklem kullanın.
5. Modifikasyonları raporlamamak: Yapılan her modifikasyon adımı belgeli ve gerekçeli olmalıdır.
6. Uyum indekslerinin hiçbirini raporlamamak: Tek bir indeks (χ² gibi) yeterli değildir; birden fazla indeks birlikte sunulmalıdır.

İkinci Düzey Doğrulayıcı Faktör Analizi

Birinci düzey DFA (first-order CFA), her maddenin doğrudan bir faktöre bağlandığı standart modeldir. Bununla birlikte bazı teorik yapılar hiyerarşik bir düzende kurgulanabilir: birinci düzey faktörler bir üst düzey (ikinci düzey) genel faktörden beslenir. Bu durumda ikinci düzey doğrulayıcı faktör analizi (second-order CFA) uygulanır.

İkinci Düzey DFA Ne Zaman Kullanılır?

• Ölçeğin hem alt boyutları hem de genel bir üst yapısı (örneğin, genel öz-yeterlilik) bulunduğunda
• Alt boyutlar arasındaki yüksek korelasyonun ortak bir örtük yapıya işaret ettiği durumlarda
• Hem boyutlar arası hem de genel yapıdaki varyansı açıklamak istendiğinde

İkinci Düzey DFA Raporlaması

Raporlamada hem birinci hem de ikinci düzey faktör yükleri sunulur. Birinci düzey faktörlerden ikinci düzeye olan yükler (λ değerleri) ve ilgili p değerleri tabloda gösterilmelidir.

Ölçüm Değişmezliği (Measurement Invariance)

Faktör analizinin ileri bir uygulaması olarak ölçüm değişmezliği testi, aynı ölçeğin farklı gruplarda (kadın-erkek, Türkiye-yurt dışı, öğrenci-çalışan) aynı yapıyı ölçüp ölçmediğini sınar. Gruplar arası karşılaştırma yapılan tezlerde bu test son derece önemlidir.

Ölçüm değişmezliği aşamaları:

• Yapısal değişmezlik (Configural): Aynı faktör yapısı her iki grupta da geçerli mi?
• Metrik değişmezlik (Metric): Faktör yükleri gruplar arasında eşit mi?
• Skalar değişmezlik (Scalar): Madde sabit terimleri (intercepts) gruplar arasında eşit mi?

Doktora tezlerinde gruplar arası karşılaştırma planlıyorsanız ölçüm değişmezliği testini metodoloji bölümüne eklemeniz güçlü bir akademik katkı sunar.

Faktör Analizi Sonrası Güvenilirlik Analizi

Faktör analizi ve güvenilirlik analizi birbirini tamamlayan iki adımdır. Keşfedici veya doğrulayıcı faktör analizi yapı geçerliliğini gösterirken Cronbach alpha iç tutarlılığı değerlendirir. Her alt boyut için hem faktör yükü hem de Cronbach alpha değerinin raporlanması jürinin metodoloji sorunlarını minimize eder.

Yüksek lisans tez yazdırma sürecinde ölçek uyarlama yapan danışanlarımız için faktör analizi uygulaması ve raporlaması konusunda uzman kadromuz destek sağlamaktadır.

Doktora tez yazdırma aşamasında çok değişkenli analizlerin tasarımı ve yorumlanmasında kapsamlı metodoloji danışmanlığı sunulmaktadır.

Lisans tez yazdırma kapsamındaki öğrencilerimize de SPSS uygulaması ve çıktı yorumlaması konusunda adım adım rehberlik sağlıyoruz.

Sonuç

Faktör analizi, ölçek geliştirme ve uyarlama çalışmalarının kalitesini doğrudan belirleyen kritik bir istatistiksel adımdır. Keşfedici faktör analizi yapının keşfi için, doğrulayıcı faktör analizi ise teorik yapının verilerle uyumunun doğrulanması için kullanılır. Her ikisinin de doğru uygulanması ve akademik standartlara uygun biçimde raporlanması jüri değerlendirmesinde belirleyicidir. KMO, Bartlett, eigenvalue, faktör yükleri, uyum indeksleri ve çapraz yükleme kontrolünün tümü birlikte sunulduğunda metodoloji bölümünüz sağlam bir zemine oturur. Faktör analizi uygulaması veya sonuç raporlamasında destek almak istiyorsanız WhatsApp üzerinden ekibimizle iletişime geçin; uzman istatistikçilerimiz tez metodolojinizi birlikte güçlendirsin.