ÖZBu çalışmanın amacı açımlayıcı faktör analizinde kullanılan faktör çıkartma yöntemlerini açıklanan varyans ve çıkartılan faktör sayısı bakımından çeşitli örneklem büyüklüğü ve ortak varyans düzeyi koşullarına göre karşılaştırmaktır. Bu çalışma bir simülasyon (benzetim) çalışmasıdır. Bu bağlamda çalışmada kullanılacak veriler SAS programı kullanılarak örneklem büyüklüğüne (100, 500), ortak varyans düzeylerine (yüksek [0.6-0.8], geniş [0.2-0.8], düşük [0.2-0.4]), sabit faktör sayısına (3), sabit değişken sayısına (20) göre 1000 replikasyonla korelasyon matrisleri biçiminde üretilmiştir. Yapılan karşılaştırmalar sonucunda ortak varyansı yüksek veya düşük olarak üretilen veri için örneklem büyüklüğü arttıkça, açıklanan varyans miktarı da artmaktadır. Fakat ortak varyansı geniş olarak üretilen veri grubu için örneklem büyüklüğü arttıkça açıklanan toplam varyansın azaldığı görülmüştür. Analiz edilen tüm durumlarda toplam varyansı en yüksek açıklayan yöntemin temel bileşen analizi ve en düşük açıklayan yöntemin ise imaj faktör yöntemi olduğu gözlenmiştir. Faktör yükleri bakımından yapılan karşılaştırmalara göre temel bileşen analizi her durum için en yüksek faktör yükünü çıkartmıştır. Öte yandan imaj faktör yöntemi ise en düşük faktör yükünü çıkartmıştır. Ortak varyansın geniş aralıkta ya da yüksek aralıkta üretildiği veri için yöntemler arasında faktör sayıları bakımından bir farklılık yoktur. Ortak varyansın düşük olduğu ve örneklem büyüklüğünün küçük olduğu gruplar için imaj faktör yöntemi istenilen faktör sayısını çıkartamamıştır. Dolayısıyla örneklem sayısının ve ortak varyansın düşük olduğu gruplar için imaj faktör yönteminin kullanılması önerilmemektedir. ABSTRACTThe purpose of this study was to compare factor extraction methods used in exploratory factor analysis in terms of variance and factor number according to sample size and the communality level conditions. In this simulation study, data were generated with respect to two levels of sample sizes (100, 500), three levels of communality (high, wide and low), with 20 variables, 3 factors, and Karaman, Atar & Çobanoğlu Aktan 1174 1000 replications by using SAS program. As a resut of comparisons, it was found that total explained variance increased when sample size increased for data with high or low communality levels. However, total explained variance decreased when sample size increased, for the data with wide communality level. Component analysis yielded the biggest total explained variance compared to other methods, whereas image analysis yielded the lowest explained variance. The rest of the factor extracting methods provided the similar results to each other. Component analysis produced the biggest factor loadings and image analysis yielded the lowest factor loadings and there was no difference concerning factor loadings for the remaining methods. For the data generated with high and wide communality levels, no difference was observed among the extraction methods in terms of number of factors. However, for data generated with low communality level image...