Using ROC Analysis to Determine the Cutoff Score for Problematic Cryptocurrency Trading Scale

Öz

Objective: The aim of this study is to determine the cut-off point for the Problematic Cryptocurrency Trading Scale that is used in detecting individuals who exhibit addictive and gambling-like behaviors regarding cryptocurrencies, the use of which has increased rapidly in recent years. Method: 2180 individuals participated into the study. . After the exclusion of questionnaires with missing data, a dataset consisting of 2132 participants was used for the analyses. The Problematic Cryptocurrency Trading Scale was used in the study. The cut-off point for the scale was determined using the two-step cluster analysis and ROC analysis. The obtained total scale scores were categorized with the help of the two-step cluster analysis. Then, the cut-off point for the scale was calculated using ROC analysis with the determined groups. Results: Of the participants included in the study, 82.4% were male. 49% were single. 7.2% of the participants were elementary school graduates, 26.2% were high school graduates, 56.3% had a bachelor’s degree and 10.3% had a master’s degree. In the two-step cluster analysis, the data were divided into 3 clusters. The first cluster contained 17.5% of the data, the second cluster contained 34.8% of the data, and the third cluster contained 47.7% of the data. Individuals with a total scale score of 52.5 and above constituted 3.7% of all participants. The Cronbach's Alpha value of the scale was found as 0,915. Conclusion: Among problematic cryptocurrency traders, individuals who exhibit gambling-like behavior are considered to be in the risk group. The problematic cryptocurrency trading scale was developed to measure this behavior. The rate of participants exhibiting risky behavior is a remarkable rate of 3.7%. The cut-off point for the Problematic Cryptocurrency Trading Scale was determined as 34.5.

Anahtar Kelimeler

• ROC Analysis
• Problematic Cryptocurrency Trading Scale
• Cut-off Point
• Behavioral Addiction

ROC Analizi ile Sorunlu Kripto Para Ticareti Ölçeği İçin Kesme Puanının Oluşturulması

Öz

Amaç: Bu çalışmanın amacı son zamanlarda hızla kullanım alanı bulan kripto paralar ile ilgili olarak bağımlılık ve kumar benzeri davranış sergileyen kullanıcıların tespitinde kullanılan Sorunlu Kripto Para Ticareti Ölçeği (SPKTÖ) için kesme puanı belirlemektir. Yöntem: Çalışmaya 2180 birey katılım sağlamıştır. Eksik verisi olan anketler çıkarıldıktan sonra analizler 2132 anket verisi için uygulanmıştır. Çalışmada SKPT ölçeği kullanılmıştır Gizil Sınıf Analizi (LCA) ve ROC Analizi yardımı ile ölçek kesme puanı hesaplanmıştır. Ölçek yardımı ile toplanan ölçek toplam puanları Gizil Sınıf Analizi (LCA) yardımı ile kategorize edilmiş. Daha sonra belirlenen gruplar ile ROC Analizi yardımı ile ölçek kesme puanı belirlenmiştir. Bulgular: Katılımcıların %82,4 ü erkek, %49 u bekar kişilerden oluşmaktadır. Katılımcıların %7,2 si ise ilköğretim, %26,2 si lise, %56,3 üniversite, %10,3 ü lisansüstü okul mezunudur. İki Aşamalı Kümeleme Analizi ile veriler 3 kümede toplanmıştır. Birinci kümede verilerin %17,5 i ikinci kümede verilerin %34,8 i, üçüncü kümede ise verilerin %47,7 si yer almaktadır. Ölçek toplam puanı 52,5 in üzerinde olanlar tüm katılımcıların %3,7 sini oluşturmaktadır. Ölçeğin Cronbach Alfa değeri 0,915 tir. Sonuç: Sorunlu kripto para yatırımı yapanlarda kumar benzeri davranış sergileyen bir riskli grup yer almaktadır. SKPT ölçeği bu davranışı ölçen bir ölçek olarak tasarlanmıştır. Riskli davranış sergileyen katılımcıların oranı %3,7 ile dikkat çekici bir orandır. SKPT ölçeği için ölçek kesme puanı 34,5 olarak belirlenmiştir.

Anahtar Kelimeler

• Davranışsal bağımlılık
• Sorunlu Kripto Para Ticareti Ölçeği
• ROC analizi
• kesme puanı

Kaynakça

1. Potenza MN. Should addictive disorders include non‐substance‐related conditions. Addiction 2006; 101(1): 142-151.
2. Frascella J, Potenza MN, Brown LL, Childress AR. Shared brain vulnerabilities open the way for nonsubstance addictions: Carving addiction at a new joint? Ann N Y Acad Sci 2010; 1187(1): 294-315.
3. Reef K, Chaudhri P. Behavioral addictions: An overview. J Psychoactive Drugs 2012; 44(1): 5-17.
4. Çakmak S, Tamam L. Kumar oynama bozukluğu: genel bir bakış. Bağımlılık Dergisi 2018; 19(3): 78-97.
5. Starcevic V. Behavioural addictions: A challenge for psychopathology and psychiatric nosology. Aust N Z J Psychiatry 2016; 50(8): 721-725.
6. Mann K, Kiefer F, Schellekens A, Dom G. Behavioural addictions: Classification and consequences. Eur Psychiatry 2017; 44: 187-188.
7. Nazlıgül Denizci M, Yılmaz EA. Oyun bağımlılığı ve egzersiz bağımlılığına davranışsal bağımlılık çerçevesinden bakış. Bağımlılık Dergisi 2019; 20(2): 97-108.
8. Bulut M, Menteş N. Finans sektöründe bazı davranışsal bağımlılıklar; patolojik ticaret, sorunlu borsa ve sorunlu kripto para ticareti. Sosyal Bilimler Akademi Dergisi 2022; 5(1): 1-12.

9. Grall-Bronnec M, Sauvaget A, Boutin C, et al. Excessive trading, a gambling disorder in its own right? A case study on a French disordered gamblers cohort. Addict Behav 2017; 64: 340-348.
10. Urquhart A, Yarovaya. Introduction to cryptocurrencies. Corbet S, Urquhart A, Yarovaya L (editors). Cryptocurrency and Blockchain Technology. 1. Baskı. Boston: Walter de Gruyter, 2020: 1-8
11. Griffiths MD. Hot topics in gambling: Gambling blocking apps, loot boxes, and'crypto-trading addiction. Online Gambling Lawyer 2018; 17(7): 9-11.
12. Johnson B, Co S, Sun T, et al. Cryptocurrency trading and its associations with gambling and mental health: A scoping review. Addict Behav 2023;136: 107504.
13. Menteş N, Bulut M, Yolbaş İ. Cryptocurrency user profıle and problematıc cryptocurrency usage frequency ın Turkısh socıety. Battal S, Akgül Sülü C (editors) Theory and Research in Social, Human and Administrative Sciences. 1. Baskı, İzmir: Serüven Yayınevi, 2022: 313-326
14. Delfabbro P, King D, Williams J, Georgiou N. Cryptocurrency trading, gambling and problem gambling. Addict Behav 2021; 122: 107021.
15. Kim HJ, Hong JS, Hwang HC, et al. Comparison of psychological status and investment style between bitcoin investors and share investors. Front Psychol 2020; 11: 502295.
16. Mills DJ, Nower L. Preliminary findings on cryptocurrency trading among regular gamblers: A new risk for problem gambling? Addict Behav 2019; 92 :136-140.
17. Oksanen A, Mantere E , Vuorinen I, Savolainen I. Gambling and online trading: emerging risks of real-time stock and cryptocurrency trading platforms. Public Health 2022; 205: 72-78.
18. Sonkurt H, Altınöz A. Cryptocurrency investment: A safe venture or a new type of gambling? J Gambl Issues 2021;47: 199-216.
19. Menteş N, Yolbaş İ, Bulut M. Development and verification of Problematic Cryptocurrency Trading Scale. Psychiatry and Clinical Psychopharmacology 2021; 31(3): 310-318.
20. Guglielmo R, Ioime L, Janiri L. Is pathological trading an overlooked form of addiction? Addict Health 2016; 8(3): 207-209.
21. Çetin S, Altun A. Performans görevlerinde kesme puanının belirlenmesi. International Journal of Human Sciences 2018; 15(2): 1172-1184.
22. Cizek GJ, Bunch MB. Standard Setting: A Guide to Establishing and Evaluating 1st Edition. Thousan Oaks: Sage Publications, 2007
23. Kane MT. Validating interpretive arguments for licensure and certification examinations. Eval Health Prof 1994; 17(2): 133-159.
24. Mckinley DW, Norcini J J. How to set standards on performance-based examinations: AMEE Guide No. 85. Med Teach 2014; 36(2): 97-110.
25. Reyhanlıoğlu Keçeoğlu Ç, Gelbal S, Doğan N. ROC eğrisi yöntemi ile kesme puanının belirlenmesi. International Journal of Social Science 2016; 50: 553-562.
26. Zhou X H, McClish D, Obuchowski N. Statistical Methods in Diagnostic Medicine. 1st Edition, New York: Wiley, 2002: 24-27
27. Buluttekin E. Belirteç değerlerinin monoton olmaması durumunda genelleştirilmiş roc eğrilerinin parametrik ve parametrik olmayan yöntemlerle kestirilmesi ve en iyi kesim noktalarının saptanması. Yayınlanmamış Yüksek Lisans Tezi. Ankara: Hacettepe Üniversitesi Sağlık Bilimleri Enstitüsü, 2022.
28. Dirican A. Tanı testi performanslarının değerlendirilmesi ve kıyaslanması. Cerrahpaşa Tıp Dergisi 2001; 32(1): 25-30.
29. Bahadır E, Kalender B. ROC analizi ile Zung Depresyon Ölçeği kesme noktalarının belirlenmesi. Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 2018; 5(2): 137-147.
30. Kılıç S. Klinik karar vermede ROC analizi. Journal of Mood Disorders 2013; 3(3): 135-140.
31. Hayran M, Hayran M. Sağlık Araştırmaları İçin Temel İstatistik. Ankara: Omega Araştırma Yayınları, 2011.
32. Alpar R. Uygulamalı Çok Değişkenli İstatistiksel Yöntemler. Ankara: Detay Yayıncılık, 2013.
33. Uluç, S. ROC Analizi I: Özgüllük, Duyarlılık, pozitif yordayıcı değer ve negatif yordayıcı değer hesaplamaları. Türk Psikoloji Bülteni 2007; 13(40): 26-31.
34. Özdamar K. SPSS ile İstatistik. Eskişehir: Kaan Kitabevi, 2003.
35. Linden A, Adams JL, Roberts N. Generalizing disease management program results: how to get from here to there. Manag Care Interface 2004; 17(7): 38-45.
36. Linden A. Measuring diagnostic and predictive accuracy in disease management:an introduction to receiver operating characteristic (ROC) analysis. J Eval Clin Pract 2006; 12(2):132-139.
37. Kaftandjieva F. Methods for setting cut scores in criterion-referenced achievement tests a comparative analysis of six recent methods with an application to tests of reading in EFL. 1. Baskı, Cito, Arnhem, EALTA, 2010
38. Karagöz Y. SPSS ve AMOS23 Uygulamalı İstatistiksel Analizler. 1. Baskı Ankara: Nobel, 2016.
39. Kayri M. Araştırmalarda iki aşamalı kümeleme (two-step clustering) analizi ve bir uygulaması. Eurasian Journal of Educational Research 2007; 28: 89-99.
40. Hanley JA, McNeil, BJ. A method of comparing the areas under receiver operating characteristic curves derived from the same cases. Radiology 1983;148(3): 839-843.
41. Zou KH, O’Malley JA, Mauri L.Receiver-operating characteristic analysis for evaluating diagnostic tests and predictive model. Circulation 2007; 115(5): 654-657.
42. Ahmedov Y, Ahmedov A. Acil Serviste Yatan Hastaların Düşme Risklerinin Belirlenmesi. Ege Üniversitesi Hemşirelik Fakültesi Dergisi 2021; 37(3): 207-206.
43. Öz D, İşbitiren Özbek Y, Kıyı İ, Yener GG. Alzheimer hastalığı klinik ölçütlerine göre demans ve hafif kognitif bozukluk ayrımında sözel akıcılık testlerinin mini mental durum testi ile birlikte kullanılması yararlı olabilir. Cukurova Medical Journal 2022; 47(4):1403-1411.