Turizm Araştırmalarında Parametrik Test Varsayımlarının İhlallerinin İncelenmesi

Abstract

Amaç: Bu çalışma, SSCI kapsamında taranan turizm dergilerinde yayımlanan nicel araştırmalarda araştırmacıların parametrik test varsayımlarına ne ölçüde uyduğunu değerlendirmeyi amaçlamaktadır.

Yöntem: Belge analizi yöntemiyle, 2020–2024 yılları arasında 19 dergide yayımlanan 239 ampirik makale; kullanılan istatistiksel yöntemler ve temel parametrik varsayımların kabul edilme, test edilme ve raporlanma düzeyleri açısından sistematik olarak incelenmiştir.

Bulgular: Çalışmalarda ağırlıklı olarak SEM/CB-SEM ve PLS-SEM yöntemlerinin tercih edildiği saptanmıştır. Veri türü varsayımları %94 oranında belirtilmesine karşın; normallik (%43) ve örneklem büyüklüğü (%29) varsayımları düşük düzeyde kontrol edilip raporlanmıştır. Normallik varsayımı %51 oranında hiç anılmamış, %6’sında “gerekli değil” olarak ifade edilmiştir. Örneklem büyüklüğü varsayımına %58’inde yer verilmemiş, %13’ünde ise gerekli olmadığı belirtilmiştir. Tüm parametrik varsayımlar birlikte değerlendirildiğinde; çalışmaların yalnızca %24’ünde varsayımlar kapsamlı biçimde raporlanmış, %57’sinde hiç anılmamış ve %18’inde gerekli olmadığı yönünde açık ifade kullanılmıştır. "Gerekli değil" ifadesi yer alan çalışmaların tamamında PLS-SEM yöntemi kullanılmıştır.

Sonuç: Bu sonuçlar, turizm araştırmalarında yöntemsel titizliğin artırılması gereğine işaret etmekte ve parametrik varsayımların sistematik biçimde dikkate alınmasının, nicel bulguların geçerlilik ve güvenirliğini güçlendirmedeki önemini vurgulamaktadır.

Keywords

• Parametrik test varsayımları
• ihlal
• normal dağılım
• örneklem büyüklüğü
• ölçek türü
• turizm araştırması

Investigating Violations of Parametric Test Assumptions in Tourism Research

Abstract

Aim: This study evaluates the extent to which researchers adhere to parametric testing assumptions in quantitative studies published in SSCI-indexed tourism journals.

Method: Using document analysis, 239 empirical articles published between 2020 and 2024 in 19 journals were systematically reviewed with a focus on the statistical methods employed and on whether basic parametric assumptions were acknowledged, tested, and reported.

Results: The findings show a predominant use of SEM/CB-SEM and PLS-SEM. Data-type assumptions were mentioned in 94% of cases, whereas normality and sample-size assumptions were addressed far less frequently: only 43% of tests reported checking normality and 29% reported assessing sample size. Normality was not mentioned in 51% of tests and explicitly stated as “not needed” in 6%, while sample-size assumptions were not mentioned in 58% and claimed to be unnecessary in 13% of cases. When all parametric assumptions were considered together, only 24% of studies reported them comprehensively, whereas 57% did not mention them and 18% explicitly stated that such assumptions were not needed; all of these “not needed” cases employed PLS-SEM.

Conclusion: These results highlight a need for greater methodological rigor in tourism research and underscore the importance of systematically considering parametric assumptions to strengthen the validity and reliability of quantitative findings in the field.

Keywords

• Parametric test assumptions
• violation
• normal distribution
• sample size
• measure type
• tourism research

References

1. ABRAMI, P. C., CHOLMSKY, P., and GORDON, R., (2000). Statistical analysis for the social sciences: An alternative approach. United States of America: A Pearson Education Company.
2. ALPAR, R. (2014). Uygulamalı istatistik ve geçerlik-güvenirlik. Ankara: Detay Yayıncılık.
3. BAKKER, M., and WICHERTS, J. M. (2011). The (mis)reporting of statistical results in psychology journals. Behavior Research Methods, 43, 666–678.
4. BURNS, A.C., and VEECK, A., (2020). Marketing research (9th edition). New York: Pearson Education.
5. CHOI, P. T., (2005). Statistics for the reader: what to ask before believing the results. Canadian Journal of Anesthesia, 52 (6), pp. 1-5
6. DEMIR, Ö. (2000). Bilim felsefesi. Ankara: Vadi Yayınları.
7. DOĞAN, İ. and DOĞAN, N. (2014). Parametrik olmayan istatistiksel yöntemler. Ankara: Detay Yayıncılık.
8. FORNELL, C. and BOOKSTEIN, F.L., (1982). Two structural equation models: LISREL and PLS applied to consumer exit-voice theory, Journal of Marketing Research, 19 (4), Special Issue on Causal Modeling, pp. 440-452.

9. FORSTMEIER, W., WAGENMAKERS, E-J., and PARKER, T. H., (2017). Detecting and avoiding likely false-positive findings – a practical guide. Biological Reviews, 92, pp. 1941-1968.
10. GOODHUE, D.L., LEWIS, W., and THOMPSON, R., (2012). Does pls have advantages for small sample size or non-normal data?, MIS Quarterly, 36 (3), pp. 981-1001.
11. GOODHUE, D.L., THOMPSON, R., AND LEWIS, W., (2013). Why you shouldn’t use PLS: four reasons to be uneasy about using PLS in analyzing path models, 46th Hawaii International Conference on System Sciences, 07-10 January 2013, Wailea, HI, USA.
12. GÜRBÜZ, S. and ŞAHIN, F., (2018). Sosyal bilimlerde araştırma yöntemleri. Ankara: Seçkin Yayınevi.
13. HAIR, J. F., RINGLE, C. M., and SARSTEDT, M., (2011). PLS-SEM: Indeed a silver bullet, Journal of Marketing Theory and Practice, 19 (2), pp. 139-152.
14. HAIR, J.F., BLACK, W.C., BABIN, B.J., and ANDERSON, R.E., (2019). Multivariate data analysis (8th edition). United Kingdom: Cengage Learning EMEA.
15. HOEKSTRA, R., KIERS, H. A. L., and JOHNSON, A., (2012). Are assumptions of well-known statistical techniques checked, and why (not)?, Frontiers in Psychology, 3, pp. 1-9.
16. KURTULUŞ, K. (2006). Pazarlama araştırmaları (8. Baskı). İstanbul: Literatür Yayıncılık.
17. MASON, R. D., LIND, D. A., and MARCHAL, W. G., (2000). Statistical Techniques in business and economics (10th edition). Singapure: McGraw-Hill Companies, Inc.
18. NAKIP, M. (2003). Pazarlama Araştırmaları. Ankara: Seçkin Yayıncılık.
19. NUNKOO, R. (2018). The state of research methods in tourism and hospitality. In R. Nunkoo (Ed.), Handbook of research methods for tourism and hospitality management (pp. 3–23). Cheltenham, UK: Edward Elgar.
20. OLSEN, C. H., (2003). Review of the use of statistics in infection and immunity, Infection and Immunity, 71 (12). pp. 6689–6692.
21. OSBORNE, J. W. And WATERS, E., (2002). Four assumptions of multiple regression that researchers should always test, Practical Assessment, Research, and Evaluation, 8 (1), pp. 1-5.
22. TABACHNICK, B., G., FIDELL. L. S. (2013), Using Multivariate Statistics, Sixth Edition. by Pearson Education,, Link: http://ndl.ethernet.edu.et/bitstream/123456789/27657/1/Barbara%20G.%20Tabachnick_2013.pdf
23. TABACHNICK, B., G., FIDELL. L. S (2014), Using Multivariate Statistics, Sixth Edition. by Pearson Education, Link: https://api.pageplace.de/preview/DT0400.9781292034546_A24616694/preview-9781292034546_A24616694.pdf
24. VERMA, J.P. and ABDEL-SALAM, G. A-S., (2019). Testing statistical assumptions in research. United States of America: John Wiley & Sons, Inc.