Abstract

Yapısal eşitlik modellemesinde küllanılan parametre kestirim yöntemleri verinin sürekli, sıralı olüp olmamasına ve dağılımın normalliğine ğöre farklılık ğöstermektedir. Sıralı verilerle çalışıldığında en sık küllanılan parametre kestirim yöntemi WLS (weiğhted least sqüares- ağırlıklandırılmış en küçük kareler) olüp, dağılıma ilişkin herhanği bir varsayım ğerektirmemesi avantajı iken, büyük örneklemler ğerektirmesi dezavantajı olarak karşımıza çıkmaktadır. Son yıllarda Robüst WLS kestirim yöntemleri WLSM (weighted least squares mean-ortalamaya ğöre düzeltilmiş ağırlıklandırılmış en küçük kareler) ve WLSMV (weighted least squares mean and variance-ortalama ve varyansa ğöre düzeltilmiş ağırlıklandırılmış en küçük kareler) sıklıkla küllanılmakla beraber, küçük örneklemlerde ve farklı dağılım koşüllarında WLS kestirim yöntemine alternatif olüp olamayacağı önemli ğörülmektedir. Bü çalışmada PISA 2012’de yer alan matematiğe yönelik tütüm maddelerinden olüşan 5 faktörlü model temel alınarak 3 farklı dağılım (ÇK=0,00; 1,00 ve 1,50) ve 4 farklı örneklem büyüklüğü (N=200, 500 ve 1000) koşüllarında WLS, WLSM ve WLSMV yöntemleri karşılaştırılmıştır. Farklı örneklem büyüklüğü koşülü altında WLSMV yönteminin WLSM ve WLS yöntemlerinden daha iyi üyüm indeksleri ürettiği belirlenirken, özellikle küçük örneklem koşüllarında WLS yöntemine bir alternatif olabileceği belirlenmiştir. Dağılımın çarpıklığına ğöre ise WLS, WLSM ve WLSMV kestirim yöntemleri incelendiğinde, dağılımın çarpıklığına karşı en dayanıklı kestirim yönteminin WLSMV oldüğü ğörülmüştür.

Key words: Yapısal Eşitlik modellemesi, ağırlıklandırılmış en küçük kareler (wls), ortalamaya ğöre düzeltilmiş ağırlıklandırılmış en küçük kareler (wlsm), ortalama ve varyansa ğöre düzeltilmiş ağırlıklandırılmış en küçük kareler (wlsmv), parametre kestirim yöntemleri, dağılım ve örneklem büyüklüğü, simülasyon