Bu çalışmanın amacı son yıllarda sosyal bilimlerde sıklıkla kullanılan yapısal eşitlik modellemesi (YEM) ve regresyon analizinin karşılaştırılmasıdır. Araştırmanını örneklemini 65 erkek ve 135 kadın olmak üzere 200 kişi oluşturmaktadır. Katılımcılara sosyodemografik veri formu, Beck Depresyon Ölçeği, Maslach Tükenmişlik Ölçeği ve Dünya Sağlık Örgütü Yaşam Kalitesi Ölçeği Kısa Formu Türkçe Versiyonu’nun bulunduğu anket formu uygulanmıştır. Verilerin analizi aşamasında model 1 (depresyonun tükenmişliği açıkladığı) ve model 2 (depresyon ve tükenmişliğin yaşam kalitesini açıkladığı) olmak üzere iki farklı model kurulmuş ve kurulan modeller hem YEM hem de regresyon analizi ile sınanmıştır. Analiz sonucunda model 1 için regresyon analizinde ?=0,43 parametre katsayısı ve R2=0,19 belirlilik katsayısı bulunurken YEM için bu değerler ?=0,49 ve R2=0,24 olarak bulunmuştur. Ayrıca kurulan 2. model için regresyon analizinde ?1= -0,21 ile ?2= -0,43 parametre katsayısı ve R2=0,30 belirlilik katsayısı bulunmuştur. Aynı modelin sınandığı YEM sonucunda ?1= -0,30 ile ?2= -0,49 parametre katsayısı ve R2=0,33 belirlilik katsayısı elde edilmiştir. Yapılan karşılaştırma sonucunda YEM’in regresyona kıyasla daha güvenilir ve iyi tahminler yaptığı görülmüştür.
This study aims to comprison the structual equation modeling (SEM) and regression which are frequently used in social sciences in recent years. Sample group of this study is composed of 200 person, grouped as 135 female and 65 male. Demographic Information Form, Beck Depression Inventory, Maslach Burnout Inventory, the World Health Organization's Quality of Life Questionnaire are applied as a survey to the participants. In the analysis phase of the data, two different models were established as model 1 (explaining depression with burnout) and model 2 (explaining the quality of life with depression and burnout), and the established models were tested with both SEM analysis and regression analysis. As a result of the analysis, when regression analysis for model 1 found that ? = 0,43 parameter coefficient and R2 = 0,19 coefficient of determination, these values were found as ? = 0,49 and R2 = 0,24 for SEM. Besides, in the regression analysis for the second model, ?1 = -0,21 and ?2 = -0,43 parameter coefficients and R2 = 0,30 coefficient of determination were found. In the SEM result of the same model, ?1 = -0,30 and ?2 = -0,49 parameter coefficients and R2 = 0,33 specificity coefficients were obtained. As a result of comparison, it was seemed that SEM makes more reliable and better predictions than regression.