İçindekiler
Aracı Değişken Analizi (Mediation Analysis), sosyal bilimlerde yaygın olarak kullanılan bir istatistiksel analiz yöntemidir. Bu analiz, bir bağımsız değişkenin bir bağımlı değişken üzerindeki etkisinde üçüncü başka bir “aracı değişken”in dolaylı etkisinin rol oynayıp oynamadığını test etmek için kullanılır. Bu yazıda, “aracı değişken” kavramını, SPSS ile Aracılık Analizi’nin nasıl yapılacağını ve elde edilen sonuçların nasıl yorumlanması gerektiğini ele alacağız.
Aracı Değişken Analizi Nedir?
Aracı Değişken Analizi (Aracılık Analizi), bir bağımsız değişkenin bir bağımlı bir değişken üzerindeki etkisinin üçüncü başka bir değişken aracılığıyla gerçekleşme durumunu araştırmak için kullanılan istatistiksel analiz yöntemidir. Bir aracılık modelinde bağımsız değişken önce aracı değişkeni etkiler, etkilenen aracı değişken de bağımlı değişkeni etkiler.
Aracılık Analizi, İngilizce kaynaklarda Mediation Analysis olarak geçer. Bu analiz, İngilizce kaynaklarda Moderation Analysis olarak geçen Düzenleyici Etki Analizi ile karıştırılmamalıdır.
Bir örnek verelim: Köpek Gezdirme Miktarı’nın katılımcıların Mutluluk seviyesini arttırdığı biliyoruz diyelim. Belki de, köpek gezdirmek fiziksel bir aktivite olduğu için mutluluk seviyesini arttırıyordur; yani köpek gezdirmek fiziksel aktiviteyi arttırıyor ve mutluluğun artmasını sağlayan şey aslında köpek gezdirmek değil de fiziksel aktivitedeki artıştır. İşte bu acaba böyle mi diye bakmak için Aracı Değişken (Mediation) Analizi yapmamız gerekiyor.
Bir Aracılık Analizi modelinde üç tip etki söz konusudur:
- Doğrudan Etki = Bağımsız değişkenin Bağımlı değişken üzerindeki doğrudan etkisidir.
- Dolaylı Etki = Bağımsız değişkenin, Bağımlı değişken üzerindeki, Aracı değişken üzerinden geçen dolaylı etkisidir.
- Toplam Etki = Doğrudan Etki ve Dolaylı Etki’nin toplamıdır.
Toplam Etki = Doğrudan Etki + Dolaylı Etki
Aracı Değişken Analizi İçin Veriler Nasıl Olmalıdır?
- 1 adet bağımsız değişken olmalıdır.
- 1 adet bağımlı değişken olmalıdır.
- 1 adet aracı değişken olmalıdır.
Karmaşık, ileri düzey Aracılık Analizi modellerinde 1’den fazla da aracı değişken olabilir, fakat konuyu ilk defa anlatırken sade olması açısından yalnızca 1 adet Aracı Değişken olan analiz örnekleri vereceğim bu sayfa boyunca.
Tam Aracılık vs Kısmi Aracılık
Literatürde 2 tür popüler Aracılık Etkisi bulunmaktadır:
- Tam Aracılık (Full Mediation)
- Kısmi Aracılık (Partial Mediation)
Aşağıda bunları anlatıyorum. Bu bölümdeki örnekte X bağımsız değişken, Y aracı değişken, Z bağımlı değişken. Biz X değişkeninin Z değişkeni üzerindeki etkisini inceliyoruz. Acaba X değişkeni, Y değişkeni aracılığıyla mı Z değişkenini etkiliyor diye bakıyoruz.
(c yolu, X ve Z arasında Y varken X’in Z’ye doğrudan etkisini göstermektedir)
Tam Aracılık (Full Mediation)
Toplam Etki = Doğrudan Etki + Dolaylı Etki
demiştik.
Tam Aracılık durumu, bağımsız değişken olan X’in bağımlı değişken olan Z üzerindeki toplam etkisinin tamamının aracı değişken üzerinden dolaylı etki şeklinde gerçekleştiği durumu ifade eder.
Bu durumda X’in Z üzerinde anlamlı etkisi vardır, eğer X’in Z’yi etkilediği bir Basit Regresyon analizi yaparsak X’in Z’yi anlamlı etkilediğini buluruz. Fakat X ile Z arasına aracı değişken olarak Y değişkenini koyarak Aracılık Analizi yaparsak bu durumda Z değişkeni, Y değişkeni tarafından tamamen açıklanabilir hale gelir. Bu durumda aracı değişken olan Y modele dahil edildiğinde bağımsız değişken olan X’in bağımlı değişken olan Z üzerindeki doğrudan etkisi sıfıra iner. (X’in Z üzerinde halen etkisi vardır ama bütün etki “dolaylı etki” olarak gerçekleşmektedir, “doğrudan etki” yoktur.)
Kısmi Aracılık (Partial Mediation)
Toplam Etki = Doğrudan Etki + Dolaylı Etki
demiştik.
Kısmi Aracılık durumu, arada aracı değişken olarak Y değişkeni bulunsa bile, bağımsız değişken olan X’in bağımlı değişken olan Z üzerindeki doğrudan etkisinin halen anlamlı olmaya devam ettiği durumu ifade eder.
Yani X ile Z arasına aracı değişken olarak Y değişkenini koyarak Aracılık Analizi yaptığımızda Z değişkeni, kısmen Y değişkeni tarafından ve kısmen X değişkeni tarafından açıklanabilir hale gelir. (X’in Z üzerinde hem “doğrudan etkisi” hem de “dolaylı etkisi” bulunur.)
Tamamlayıcı Aracılık vs Rekabetçi Aracılık
Çok popüler bir sınıflandırma biçimi olmasa da, Aracılık etkileri Aracılık modelindeki Doğrudan ve Dolaylı etkilerin yönlerinin aynı veya zıt olmasına göre de sınıflandırılabilmektedir:
- Tamamlayıcı Aracılık (Complementary Mediation)
- Rekabetçi Aracılık (Competitive Mediation)
Çalışmalardaki sonuçlar neredeyse her zaman Tamamlayıcı Aracılık şeklinde olur, fakat nadiren de olsa Rekabetçi Aracılık gözlenebilir.
Tamamlayıcı Aracılık (Complementary Mediation)
Bu durumda, aracı değişken üzerinden gelen dolaylı etki ile değişkenler arasındaki doğrudan etki aynı yöndedir (her ikisi de pozitif veya her ikisi de negatiftir). Aracı değişken, bağımsız değişkenin bağımlı değişken üzerindeki ana etkisini destekler ve güçlendirir.
Tamamlayıcı Aracılık olduğunda, Aracılık modelindeki a yolu, b yolu ve c yolunun etki büyüklüklerinin çarpımının işareti pozitif olur.
Rekabetçi Aracılık (Competitive Mediation)
Burada dolaylı etki ile doğrudan etki zıt yönlerdedir. Bu durum literatürde bazen “bastırma” (suppression) etkisi olarak da adlandırılır. İlginç şekilde, aracı değişken, bağımsız değişkenin asıl etkisinin bir kısmını zıt yönde çekerek toplam etkiyi maskeler veya azaltır. Yani Rekabetçi Aracılık durumunda aracı değişken, bağımsız değişkenin bağımlı değişken üzerindeki doğrudan etkisine zıt bir mekanizma işleterek doğrudan etkiyi dengeler veya zayıflatır.
Rekabetçi Aracılık olduğunda, Aracılık modelindeki a yolu, b yolu ve c yolunun etki büyüklüklerinin çarpımının işareti negatif olur.
Aracı Değişken Analizi Varsayımları
AracıDeğişken Analizi (Mediation), istatistiksel formül açısından Çoklu Doğrusal Regresyon analizinin bir uzantısı olduğu için, regresyon analizi için geçerli olan bütün varsayımlar düzenleyici değişken analizi için de geçerlidir.
SPSS ile Aracı Değişken Analizi Nasıl Yapılır?
Bu örnekte, Köpek Gezdirme Miktarı’nın Mutluluk seviyesine olan etkisinin, acaba Egzersiz Yapmak aracılığıyla mı gerçekleştiğini inceleyeceğiz. Bu örnekteki bağımsız değişken Köpek Gezdirme Miktarı, aracı değişken Egzersiz, bağımlı değişken (sonuç değişkeni) ise Mutluluk seviyesidir.
SPSS PROCESS Macro İndirme
SPSS ile Aracı Değişken Analizi yapabilmek için, bilgisayarınızdaki SPSS programına öncelikle PROCESS adlı eklentiyi yüklemeniz gerekmektedir. Çünkü maalesef SPSS’in içinde Düzenleyici Değişken Analizi yapmak için hazır bir analiz fonksiyonu yoktur.
Neyse ki bedava çözülen bir durum bu. Andrew F. Hayes isimli bir istatistikçi tarafından geliştirilen, PROCESS Macro olarak geçen bir eklentiyi ücretsiz olarak SPSS’e eklememiz gerekiyor sadece.
PROCESS Macro web sitesi üzerinden, PROCESS Macro eklentisini ücretsiz olarak bilgisayarınıza indirebilirsiniz. İndirdikten sonra, bu eklentiyi SPSS’e eklemeniz gerekmektedir. Ekleme işi biraz karışık, Türkçe olarak Behçet Hoca’mın YouTube videosunu izleyerek veya İngilizce olarak bu adamın YouTube videosunu izleyerek çok basit şekilde SPSS’e eklemeyi öğrenebilirsiniz.
Yükleyip SPSS’e eklemeyi tamamladıktan sonra, aşağıdaki adımları izleyerek SPSS üzerinde PROCESS Macro eklentisiyle Aracı Değişken Analizi yapmaya başlayabilirsiniz.
SPSS ile Aracı Değişken (Mediation) Analizi Adımları
SPSS’i açıyoruz. Öncelikle, aracı değişken analizine sokacağımız değişkenlerin isimlerini 8 karakter veya daha kısa olacak şekilde ayarlıyoruz. Çünkü PROCESS eklentisi 8 karakterden uzun değişkenler ile analiz yapmaya izin vermiyor.
Yaptıktan sonra;
Analyze -> Regression -> PROCESS v4.2 by Andrew F. Hayes butonlarına basıyoruz. (versiyon değişebilir ama buton hep aynı yerde oluyor)
Bağımlı değişkeni (sonuç değişkeni) Y Variable kutusuna koyuyoruz. Bağımsız değişkeni X Variable kutusuna koyuyoruz. Aracı değişkeni ise Mediator(s) M kutusuna koyuyoruz. (Birden fazla aracı değişken aynı anda bulunabilir ama ben temelini anlatmak için yalnızca 1 adet aracı değişken varken analizi göstereceğim şimdi.)
Model Number 4 seçiyoruz. SPSS PROCESS Macro’da Mediation yani Aracılık analizi yapmak için seçilmesi gereken model, 4 numaralı modeldir.
Ayrıca buradaki Confidence Intervals %95 olarak ve Number of Bootstrap Samples 5000 resimdeki gibi ayarlı olursa iyi olur.
“Options” butonuna basıyoruz. Ok işaretiyle gösterilen iki seçeneği seçiyoruz. (Standardized Effects seçmesek de olur)
Continue ve OK butonlarına basıyoruz. SPSS PROCESS Macro bizim için Aracılık (Mediation) analizini başlatıyor.
Aracı Değişken Analizi SPSS Tablo Yorumlama
Bu örnekte kurduğumuz aracı değişken analizi modelinde değişkenler arasında 3 farklı yoldan ilişki bulunuyor. Bu 3 yol a-b-c şeklinde aşağıdaki resimde görünüyor. a yolu köpek gezdirmenin tek başına fiziksel aktiviteye etkisi, b yolu fiziksel aktivitenin tek başına mutluluk seviyesine etkisi, c yolu köpek gezdirmenin fiziksel aktivite aracı değişken olduğu durumda mutluluk seviyesine doğrudan etkisi demektir.
Bu analiz SPSS’e eklenen PROCESS eklentisiyle yapıldığı için, Aracılık analizini başlattıktan sonra karşımıza SPSS’in normalde verdiği görünümde tablolardan biraz farklı tablolar gelecek. Görünüşü farklı olsa da okumak gereken yerler yine standart yerler, p değeri, R-Square gibi hep aynı. Aşağıda inceleyelim.
“a yolu” için analiz sonuçları:
Analiz sonuçlarındaki ilk bölümün başında yazan OUTCOME VARIABLE, “Sonuç Değişkeni” anlamına gelmektedir. Yani bu bölümdeki bağımlı değişken, Egzersiz’miş demek ki. Bağımsız değişkenin de Köpek Gezdirme olduğunu görüyoruz tablonun sol alt kısmında. O zaman bu yol, üstteki Aracılık modeli şeklindeki a yolu hakkında demek ki diye anlıyoruz.
Model Summary Tablosu
Bu bölümde yukarıdaki “Model Summary” tablosuna göre, a yolu için kurulan modelin p değeri 0.0013 yani 0.05’in altında. Bu, Köpek Gezdirme’nin Egzersiz miktarını anlamlı olarak açıklayabildiğini gösteriyor.
Bu analizi Bootstrap yani yeniden örnekleme yoluyla yapmıştık. Ve %95 güven aralığı belirlemiştik. Bootstrap yöntemiyle yapılan böyle analizlerde bir satırda p değeri 0.05’in altındaysa yani anlamlı etki varsa, o satırdaki LLCI ve ULCI’nin değerleri arasında 0 değeri yer almaz. Ya ikisi de pozitif olur ya da ikisi de negatif olur.
R-Sq olarak görünen yer, R-Square yani R-Kare değerini ifade eder. Bu 0.0669 çıkmış. Demek ki, a yolu için kurduğumuz istatistik modeli, bu bölümdeki bağımlı değişken olan Fiziksel Aktivite’deki varyasyonun %6.69’unu açıklayabiliyormuş. Fena bir oran değil. Bağımlı değişkendeki varyasyonun geri kalan %93.31’lik kısmı bu modelde bulunmayan sebepler veya şans faktörüne göre gerçekleşiyor demektir bu.
Model Tablosu
“Model” tablosundaki p değeri de 0.0013 yani 0.05’in altında. Bu, Köpek Gezdirme’nin Egzersiz üzerinde anlamlı bir etkisi olduğunu gösteriyor. Coeff yazan sütun regresyon analizindeki B değerine karşılık gelmektedir. Bu demek oluyor ki, “Köpek Gezdirme Miktarı’ndaki 1 puanlık artış, Fiziksel Aktivite miktarında 0.1415 puanlık azalmaya sebep oluyor”. (Bu kulağa saçma geliyor olabilir, bu veri setini kafadan uydurmuştum)
Standardized Coefficients Tablosu
Standardized Coefficients tablosundaki Coeff değeri de, regresyon analizinde Beta değerinin karşılık geldiği değer fakat SPSS Process Macro ile yapılan Aracılık analizlerinde standardize değerleri yorumlamamak gerektiği söyleniyor kitaplarda.
İkinci tabloya geçmeden önce, aracı değişken analizi modelimizin şemasını tekrar hatırlayalım. Burada a yolu köpek gezdirmenin tek başına fiziksel aktiviteye etkisi, b yolu fiziksel aktivitenin tek başına mutluluk seviyesine etkisi, c yolu köpek gezdirmenin fiziksel aktivite aracı değişken olduğu durumda mutluluk seviyesine doğrudan etkisi demektir.
“b ve c yolları” için analiz sonuçları:
Analiz sonuçlarındaki ikinci bölümün başında yazan OUTCOME VARIABLE’da Mutluluk yazıyor. Yani bu bölümdeki bağımlı değişken Mutluluk demek. Bu demek oluyor ki, bu tablo yukarıdaki şekildeki b ve c yolları hakkında. “Model” başlıklı yerde en solda ikinci satırda bağımsız değişken Köpek Gezdirme olarak görünüyor, bu demek oluyor ki bu satır c yolu hakkında. Üçüncü satırdaki bağımsız değişkenin Egzersiz olması da bu yolun b yolu hakkında olduğunu gösteriyor.
Model Summary Tablosu
Bu bölümde yukarıdaki “Model Summary” tablosuna göre, b ve yolları için kurulan modelin p değeri 0.0005 yani 0.05’in altında. Bu, Köpek Gezdirme ve Egzersiz’in birlikte Mutluluk miktarını anlamlı olarak açıklayabildiğini gösteriyor. R-Sq yani R-Kare değeri de 0.0972 çıkmış. Demek ki, b ve c yolları için kurduğumuz istatistik modeli, bu bölümdeki bağımlı değişken olan Mutluluk’taki varyasyonun %9.72’sini açıklayabiliyormuş. Yine iyi bir oran. Bağımlı değişkendeki varyasyonun geri kalan %90.28’lik kısmı ise bu modelde bulunmayan sebepler veya şans faktörüne göre gerçekleşiyor demektir bu.
Model Tablosu
“Model” tablosunda 2. satıra bakalım. Bu, Köpek Gezdirme’nin, arada aracı değişken olan Egzersiz bulunmaktayken Mutluluk üzerindeki doğrudan olan etkisi hakkında. Yani c yolu. Bunun p değeri 0.0063 çıkmış yani istatistiksel olarak anlamlı. Coeff yani B değerine de bakarak, “Köpek gezdirme süresi 1 birim artınca Mutluluk miktarı 0.2437 birim artıyor” diyebiliriz.
“Model” tablosunda 3. satıra bakalım. Bu, Egzersiz yapmanın Mutluluk üzerindeki etkisi hakkında. Yani b yolu. Bunun p değeri 0.0396 çıkmış yani bu da istatistiksel olarak anlamlı. Coeff yani B değerine de bakarak, “Egzersiz yapma süresi 1 birim artınca Mutluluk miktarı 0.3337 birim azalıyor” diye bir sonuca varıyoruz.
Standardized Coefficients Tablosu
Bu tablodaki değeri okumuyorduk.
Buraya kadar neler yaptık bir toparlayalım:
Bu tablolardaki modelde ikinci satırdaki (Köpek) p değerinin 0.05’ten küçük oluşu demek oluyor ki, modelde arada Egzersiz değişkeni bulunmaktayken bile Köpek Gezdirme’nin hâlâ Mutluluk üzerinde anlamlı bir doğrudan etkisi vardır.
Yani eğer birazdan dolaylı etkinin istatistiksel olarak anlamlı olduğunu bulursak, diyebileceğiz ki “Egzersiz, Köpek Gezdirme ile Mutluluk arasında kısmi aracılık görevi görüyor” demek ki bu durumda.
Eğer Köpek satırındaki p değeri bu tabloda 0.05’in üzerinde olsaydı o zaman eğer dolaylı etkinin istatistiksel olarak anlamlı olduğunu bulursak tam aracılık olacaktı ve biz diyecektik ki “Köpek gezdirmenin aslında Mutluluk üzerine kendi başına bir doğrudan etkisi yok, Köpek Gezdirmek aslında kişinin Egzersiz yapmasını sağladığı için Mutluluk düzeyini etkileyen asıl şey Köpek Gezdirme’nin Egzersiz skorunu arttırmasıdır.”
Tam – Kısmi aracılık etkisi üzerine konuşmuşken hazır Tamamlayıcı – Rekabetçi aracılık etkisi hakkında da bu örnek üzerinden yorumlama yapayım:
a yolu’ndaki etki büyüklüğü negatiftir. b yolu’ndaki etki büyüklüğü de negatiftir. c yolu’ndaki etki büyüklüğü pozitiftir. Üçünü çarpınca pozitif oluyor, yani tamamlayıcı mediasyon görülmektedir bu örnekte.
Somut olarak açıklarsak: Tablolarımızdaki etki büyüklüğü değerlerine göre, Köpek Gezdirme süresi arttıkça Fiziksel Egzersiz miktarı azalıyor (B = -0.1415). Fiziksel egzersiz miktarı azalınca da Mutluluk seviyesi artıyor (B = -0.0337). Köpek Gezdirme’nin Mutluluk üzerindeki doğrudan etkisi de pozitif çıktı (B = 0.2437).
Yani Köpek Gezdirme hem Mutluluk’u doğrudan arttırıyor, hem de Köpek Gezdirme Egzersiz’i azaltıyor ve azalan Egzersiz Mutluluk’u arttırıyor; ikisi sinerjik çalışıyorlar.
İkinci tabloya geçmeden önce, aracı değişken analizi modelimizin şemasını tekrar hatırlayalım. Burada a yolu köpek gezdirmenin tek başına fiziksel aktiviteye etkisi, b yolu fiziksel aktivitenin tek başına mutluluk seviyesine etkisi, c yolu köpek gezdirmenin fiziksel aktivite aracı değişken olduğu durumda mutluluk seviyesine doğrudan etkisi demektir.
Dolaylı Etki (Aracılık Etkisi) İçin Analiz Sonuçları
Son olarak “Total, Direct, and Indirect Effects of X on Y” başlıklı bölüme bakmalıyız.
- “Total Effect of X on Y” tablosunu, c yolu ile “a ve b” yolunun birlikte ele alınması olarak düşünebiliriz. Bu tablodaki Effect değeri, Direct Effect ve Indirect Effects tablolarındaki Effect değerlerinin toplamına eşittir. Yani “Toplam Etki = Doğrudan Etki + Dolaylı Etki” formülünü hatırlarsanız (c + a*b)
- “Direct Effect of X on Y” tablosu yukarıdaki “c yolu” dediğim yerdeki tablo satırının bire bir aynısı.
Hem Total Effect hem de Direct Effect tablosunda p değeri 0.05’ten küçük görünüyor. Bu da, modelde Kısmi Aracılık etkisi olduğunu gösteriyor.
- “Indirect Effect(s) of X on Y” tablosu buradaki en önemli tablo . Burada, Köpek Gezdirme Miktarı’nın Mutluluk seviyesi üzerindeki dolaylı etkisi hakkında bilgi ediniyoruz. Yani aracılık etkisi dediğimiz şey bu. Burayı a yolu ve b yolunun çarpımı şeklinde düşünebiliriz. SPSS PROCESS MACRO bize bu tabloda aracılık etkisine dair bir p değeri vermiyor. Bunun yerine, istatistiksel anlamlılık var mı yok mu diye BootLLCI ve BootULCI değerlerine bakmamız gerekiyor. Eğer LLCI ve ULCI değerlerinin ikisi birden pozitif ya da ikisi birden negatif ise, demek ki istatistiksel anlamlılık vardır. (Yani ikisi arasında sıfır sayısı yoksa dolaylı etki anlamlıdır demek)
Yani, Köpek Gezdirme Miktarı’nın Mutluluk üzerindeki etkisinde Egzersiz Miktarı istatistiksel olarak anlamlı şekilde Aracılık görevi görüyormuş (kısmi aracı olarak). Köpek Gezdirme Egzersiz Miktarı’nı azaltıyor, azalan Egzersiz miktarı da Mutluluk’u arttırıyormuş. Bu şekilde, Egzersiz Miktarı’nın bu ilişkide bir “dolaylı etkisi” varmış.
Yine “Indirect Effect(s) of X on Y” tablosunda Effect sütununa bakarak Köpek Gezdirme’nin Egzersiz Miktarı aracılığıyla Mutluluk’a olan etkisinin büyüklüğünü görebiliriz. Bu örnekte bu dolaylı etki büyüklüğü 0.0427 görünüyor. Bu dolaylı etkinin (Indirect Effect) büyüklüğü, aynı zamanda üstteki tablolarda bulduğumuz a yolundaki etki büyüklüğü (Effect) ile b yolundaki etki büyüklüğünün (Effect) çarpımı yoluyla da bulunabilir.
Dolaylı etki, a yolu ile b yolu doğrudan etkilerinin çarpımına eşittir.
(a yolu’ndaki tablodaki etki büyüklüğü) x (b yolu’ndaki tablodaki etki büyüklüğü) = dolaylı etki büyüklüğü
Formülde yerine koyarsak: (-0.1415) x (-0.3337) = 0.0472 gerçekten de tablodakiyle aynı değer.
En alttaki “Standardized Indirect Effects” tablosunu ise yorumlamak pek önerilmiyor akademik kaynaklarda. Yorumlamayı Beta değil B değerleri (yani standardize olan katsayılar değil standardize olmayan katsayılar) üzerinden yapmak öneriliyor.
SPSS PROCESS Macro ile Aracı Değişken Analizi bu kadardı. Özetle: Hepsi istatistiksel olarak anlamlı olacak şekilde, “köpek gezdirmek arada egzersiz değişkeni olsa da olmasa da mutluluğu arttırıyor” ve “köpek gezdirmek egzersiz miktarını azaltıyor, azalan egzersiz miktarı da mutluluğu arttırıyor” şeklinde bir sonuca ulaştık. Buraya kadar okuduysanız süper, artık kendi aracılık analizinizi kendiniz yapmaya başlayabilirsiniz. Aracılık analizi raporlama konusunda desteğe ihtiyacınız olursa bizimle iletişime geçmekten çekinmeyin.
Bir yanıt bırakın