Amaç: Sağlık alanında yapılan çalışmalarda, gözlenebilir ve gizli değişkenlerden oluşan bağımlı ve bağımsız değişkenlerin bulundu- ğu verilerin analizi ile sıklıkla karşılaşılmaktadır. Bu durumda kurulan modeller için uygun analiz yönteminin belirlenmesi, araştırılan hipotez için neden-sonuç ilişkisinin net bir şekilde belirlenmesinde önem arz etmektedir. Bu gibi durumlarda, mevcut analizlerin yetersiz kalması nedeniyle Yapısal Eşitlik Modellemesi altında yer alan modeller yaygın olarak kullanılmaya başlanmıştır. Bu yaklaşım, değişkenler arasındaki doğrudan ve dolaylı ilişkileri eş zamanlı olarak ortaya koyan, bu süreçte ortaya çıkan ölçüm hataları ve ilişkilerini de modelde değerlendiren, döngüsel/karşılıklı nedensellik analizine olanak tanıyan kapsamlı bir istatistiksel analiz yöntemdir. Bu çalışmada, psikiyatri alanından neden- selliği açıklamanın zor ve karmaşık olduğu bir veri seti üzerinde değiş- kenler arasındaki döngüsel/karşılıklı ilişkilerin özyinelemesiz eş zaman- lı denklem modelleri ile değerlendirilmesi amaçlanmıştır. Gereç ve Yöntemler: Kesitsel araştırma olarak tasarlanan çalışma kapsamında değişkenler arasındaki nedensel ilişkinin modellenmesinde özyineleme- siz model kullanılmış, parametre tahminleri için iki aşamalı probit en küçük kareler, iki aşamalı koşullu en çok olabilirlik ve üç aşamalı en küçük kareler yöntemleri kullanılmıştır. Araç değişkeni kavramı açıkla- narak, kalitesi; geçerlilik, güç ve içsellik açısından değerlendirilmiştir. Değerlendirmeler Stata programı kullanılarak gerçekleştirilmiştir. Bul- gular: Üç aşamalı en küçük kareler yöntemi kullanılarak gerçekleştiri- len analizler sonucunda psikiyatri hastalarının ayırıcı tanısında, benlik saygısı için çocukluk çağı travması ve yaş, algılanan destek için çocuk- luk çağı travması, bireysel ve sosyal işlevsellikte ise belirti şiddeti ve hastalık durumu değişkenlerinin klinisyen yorumuna yakın anlamlı de- ğişkenler olduğu sonucuna ulaşılmıştır. Sonuç: Değişkenler arasında döngüsel/karşılıklı nedensellik varlığında, değerlendirmelerin yapısal eşitlik modellemesi altında yer alan özyinelemesiz modeller yardımıyla yapılması daha güvenilir sonuçlar verecektir.
Objective: In studies, it is frequently encountered with the analysis of data with dependent and independent variables consisting of observable and latent variables. In this case, the de- termination of the appropriate analysis method for the established models is important in clearly determining the cause-effect rela- tionship for the researched hypothesis. In such cases, the models under the Structural Equation Modeling have been widely used be- cause the existing analyzes are insufficient. This approach is a comprehensive statistical analysis method that simultaneously re- veals the direct/indirect relationships between the variables, evalu- ates the measurement errors and relationships in the model. This study aimed to evaluate the reciprocal relations/feedback loops be- tween variables with non-recursive simultaneous equation models on a dataset from the field of psychiatry where it is difficult and complex to explain causality. Material and Methods: In this cross- sectional study, non-recursive model was used to model the causal relationship between variables, two-stage probit least squares, two- stage conditional maximum likelihood and three-stage least squares methods were used for parameter estimations, and the concept of instrument variable was explained. Evaluations were carried out using the Stata program. Results: As a result of the analyzes car- ried out using the three-stage least squares method, it was found that childhood trauma and age for self-esteem, childhood trauma for perceived support, and symptom severity and disease status in individual and social functionality were significant variables close to the clinician's interpretation. Conclusion: In the presence of re- ciprocal causality between the variables, making the evaluations with the help of non-recursive models will give more reliable re- sults.
