Veri Yükleme ve Değişkenler
(Upload Data and Constructs)
Veri Bekleniyor
1. Veri Dosyasını Yükleyiniz
(Upload your Excel fıle)
— veya —
Bilgi Metni:
1. Excel dosyanızın ilk satırında değişkenlerinizi ve bu değişkenlere ait maddeleri aşağıdaki formatta belirtmeniz gerekmektedir. Örneğin: Tutum (T) → T1, T2, T3. Her bir maddeyi Excel’in en üst satırına ayrı sütun olarak eklemelisiniz.
2.Verileriniz kısaltmalara göre okunarak değişkenler oluşturulacaktır. Değişkenlerinize ait maddeler eksik veya yanlış ise manuel olarak (+ Ekle) butonundan ekleyebilirsiniz.
3. Verilerinizi yükledikten sonra, 2. kısımda verilerinizin Güvenilirlik ve Geçerlilik Analizlerini göreceksiniz.
Information Notice:
1.You must specify your constructs in the first row of your Excel file using the following format, for example: Attitude: (AT) → AT1, AT2, AT3
2.Variables will be automatically created based on these abbreviations. If any items belonging to your constructs are missing or incorrectly assigned, you may manually add them using the (+ Add) button.
3.After uploading your dataset, you will be able to view the Reliability and Validity Analyses of your data in Section 2.
1. Excel dosyanızın ilk satırında değişkenlerinizi ve bu değişkenlere ait maddeleri aşağıdaki formatta belirtmeniz gerekmektedir. Örneğin: Tutum (T) → T1, T2, T3. Her bir maddeyi Excel’in en üst satırına ayrı sütun olarak eklemelisiniz.
2.Verileriniz kısaltmalara göre okunarak değişkenler oluşturulacaktır. Değişkenlerinize ait maddeler eksik veya yanlış ise manuel olarak (+ Ekle) butonundan ekleyebilirsiniz.
3. Verilerinizi yükledikten sonra, 2. kısımda verilerinizin Güvenilirlik ve Geçerlilik Analizlerini göreceksiniz.
Information Notice:
1.You must specify your constructs in the first row of your Excel file using the following format, for example: Attitude: (AT) → AT1, AT2, AT3
2.Variables will be automatically created based on these abbreviations. If any items belonging to your constructs are missing or incorrectly assigned, you may manually add them using the (+ Add) button.
3.After uploading your dataset, you will be able to view the Reliability and Validity Analyses of your data in Section 2.
Otomatik oluşturulan Değişkenler
(automatıcally created)
Yapılar (Constructs)
Henüz veri yok...
Kontrol Değişkenleri (Control Variables)
Henüz veri yok...
Önizleme (İlk 100 Satır)
Prevıew Fırst 100 Rows
Örneklem Büyüklüğü Hesaplayıcı (Minimum Sample Size Calculator)
Hair et al. (2017); Cohen (1992) — PLS-SEM için önerilen örneklem büyüklüğünü hesaplar.
—
minimum katılımcı sayısı
Kaynak / Reference: Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). European Business Review, 31(1), 2–24. |
Cohen, J. (1992). Psychological Bulletin, 112(1), 155–159.
Confirmatory Factor Analysis (CFA)
Bu panel mevcut veri setini ve tanımlı construct yapısını kullanır. PLS-SEM akışını bozmaz.
CFA Analysis
Current dataset and current constructs will be used.
Current Constructs
Standardized CFA Loadings
Only deleted indicators are shown as (---).Note: (---) Represents deleted indicators.
Ölçüm Modeli Analizi (Measurement Model Analysis)
2.1 Tanımlayıcı İstatistikler (Descrıptıve Statıstıcs)
| Madde (Items) | N | Min | Max | Ortalama (Mean) | Standart Sapma (STDEV) | Çarpıklık (Skewness) | Basıklık (Kurtosis) | Normality |
|---|
| Yapı (Construct) | N | Min | Max | Ortalama (Mean) | STDEV | Çarpıklık (Skewness) | Basıklık (Kurtosis) | Normality |
|---|
2.2 Faktör Yükleri (Factor Loadıng)
● < 0.50 (Weak)
● 0.50-0.70 (Moderate)
● > 0.70 (Strong)
| Constructs | Items | Factor Loadıng | Status |
|---|
2.3 Güvenilirlik ve Geçerlilik (Relıabılıty and Valıdıty)
Cronbach's Alpha > 0.7, CR > 0.7, AVE > 0.5
| Yapı (Constructs) | Cronbach's Alpha | Composite relıabılıty (CR) | Average Varıance Extracted (AVE) |
|---|
2.4 Varıance Inflatıon Factors (VIF)
● ≤ 3 (Strong)
● 3-5 (Moderate)
● 5-10 (weak)
| Constructs | Items | VIF |
|---|
2.5 Cross Loadings
2.6 Common Method Bias (CMB) — Ortak Yöntem Yanlılığı Testi
Full Collinearity VIF & Harman's Single Factor Test — Podsakoff et al. (2003); Kock (2015)
Full Collinearity VIF (yapı bazında ortalama)
VIF < 3.3 → Ortak yöntem yanlılığı sorunu yoktur (Kock, 2015).
| Construct | Avg VIF |
|---|
Harman's Single Factor Test (Tek Faktör Testi)
Birinci faktörün açıkladığı varyans < %50 → CMB baskın değil
Analiz bekleniyor...
Model & Hipotezler (Conceptual Model and Hypotheses)
Yeni Hipotez (Hypothesıs)
Modeldeki İlişkiler (Hypotheses)
Henüz hipotez yok...
SEM Model Builder (Drag & Drop)
1) Yapıları sürükleyip yerleştir. 2) Bir yapıya tıkla, sonra hedefe tıkla → ok oluşsun.
3) Oluşan oklar otomatik hipotez listene eklenir.
Not: Bu builder görsellik için kolaylık sağlar; analiz için yukarıdaki hipotez listesi baz alınacaktır.
Düzenleyici Etki (Moderatıon)
Analiz Sonuçları (Results)
3. Ayrışma Geçerliliği (Dıscrımınant Valıdıty)
Fornell-Larcker
HTMT
4. Yapısal Model (Paths)
| Hipotezler (hypotheses) | İlişkiler (Relatıons) | Yol Katsayısı (Path Coeffıcıent) | Standart Sapma (STDEV) | T value | P value | 95% CI | < 0.05 |
|---|
Dolaylı Etkiler (Indırect Effects)
| İlişkiler (Relatıons) | Yol Katsayısı (Path Coeffıcıent) | T value | P value | 95% CI | < 0.05 |
|---|
5. R² and Q²
| Items | R² | Adjusted R² | R² Meaning | Q² | Predictive Relevance |
|---|
6. f² Summary
| From | To | f² | Effect Size |
|---|
7. f² Matrix
8. Model Uyum İndeksleri (Fıt Indıces)
Değerler composite model-implied korelasyon matrisi üzerinden hesaplanır.
HI95 (Higher Interval 95% — %95 güven aralığı üst sınırı),
model doğru varsayılarak yapılan bootstrap dağılımının %95 yüzdeliğidir;
yani karşılaştırma için referans eşik değeridir. Sabit bir eşik yerine bu yöntem kullanılır,
çünkü d_ULS ve d_G'nin kabul edilebilir sınırı örneklem büyüklüğüne ve gösterge sayısına göre değişir.
| Index | Saturated Model | Estimated Model | ||||
|---|---|---|---|---|---|---|
| Value | HI95 | p | Value | HI95 | p | |
| Analiz bekleniyor... | ||||||
Saturated model: yapılar arası korelasyonlar serbest bırakılır — ölçüm modelini yansıtır.
Estimated model: yapılar arası korelasyonlar yapısal modelden türetilir — yapısal modeli yansıtır.
Not: PLS-SEM öngörü odaklı bir yöntemdir ve uyum indekslerinin bu yaklaşımdaki yeri literatürde tartışmalıdır (Hair vd., 2022). Bu değerler tamamlayıcı bilgi olarak sunulur; model değerlendirmesinde tek başına belirleyici kabul edilmemelidir. SRMR: Henseler et al. (2014) | d_ULS & d_G: Dijkstra & Henseler (2015) | NFI: Lohmöller (1989) | Bootstrap referansı: Henseler et al. (2016)
Estimated model: yapılar arası korelasyonlar yapısal modelden türetilir — yapısal modeli yansıtır.
Not: PLS-SEM öngörü odaklı bir yöntemdir ve uyum indekslerinin bu yaklaşımdaki yeri literatürde tartışmalıdır (Hair vd., 2022). Bu değerler tamamlayıcı bilgi olarak sunulur; model değerlendirmesinde tek başına belirleyici kabul edilmemelidir. SRMR: Henseler et al. (2014) | d_ULS & d_G: Dijkstra & Henseler (2015) | NFI: Lohmöller (1989) | Bootstrap referansı: Henseler et al. (2016)
Vısualızatıon of the Path Analysıs
Figure: R², path coefficients, p-values, factor loadings, and moderation. 💡 Ctrl+Scroll yakınlaştır • Sürükle taşı
Yorum Paneli
Analiz sonrası otomatik yorum burada oluşur.
