Kayıp veri ile başa çıkma yöntemlerinin yol analizine ilişkin model uyum indeksleri açısından incelenmesi

Bu araştırma, farklı kayıp veri yöntemlerinin (Liste Bazında Silme (LBS), Regresyonla Atama (RA), Seriler Ortalaması (SO), Çoklu Değer Atama (ÇDA) ve Beklenti Maksimizasyonu (BM)) yol analizine ilişkini model uyum indeksleri açısından karşılaştırmayı amaçlamaktadır. Tamamıyla rassal kayıp veri koşulunda, %5, %10 ve %20 oranlarında kayıp içeren veriler; 200, 500 ve 1000 kişilik örneklemlerle beş başarı düzeyinde (1a, 1b, 2, 3, 4) analiz edilmiştir. Model uyumuna ilişkin ölçütler (χ², GFI, RMSEA, CFI, SRMR, NNFI ve AGFI), her yöntemle tamamlanan veri setlerinden elde edilen değerler ile orijinal veri seti temel alınarak karşılaştırılmıştır. PISA 2022 verileri temel alınarak yaratıcı düşünme ile matematik, okuma ve fen alanları arasındaki ilişkiler yol analizi yoluyla incelenmiştir. Bulgular, BM yönteminin tüm örneklem büyüklüklerinde ve kayıp oranlarında en iyi model uyumu değerlerini sağladığını göstermiştir. RA yöntemi, özellikle büyük örneklemlerde BM'ye yakın sonuçlar üretmiştir. SO yöntemi düşük kayıp oranlarında dengeli performans sergilerken, yüksek oranlarda zayıflamıştır. ÇDA ise bazı koşullarda yeterli model uyumu sağlayamamıştır. En düşük uyum değerleri ise LBS yönteminde gözlemlenmiştir. Genel olarak kayıp oranı arttıkça model uyum değerleri düşerken, örneklem büyüklüğündeki artış yöntemlerin performansını iyileştirmiştir.