Popülasyona uygulanacak olan test istatistiğin ve bu test istatistiği doğrultusunda kurulacak olan modele ait parametre tahminlemesinin doğru ve sağlam bir zeminde ele alınması dikkat edilmesi gereken bir unsurdur. Popülasyonu meydana getiren birey yada değişkenlerin benzer özellikler taşımadığı durumlarda; tek gibi gözüken populasyonun alt populasyonlara bölünmesi istatistik süreç açısından daha sağlıklı sonuçlar üretebilmektedir. Zira, alt populasyonlar için elde edilen tanımlayıcı istatistik sonuçları ve parametre tahminlemeleri daha sağlam (robust) olabilmektedir. Bu çalışmada, heterojen bir veri setinin, homojen olan alt-populasyonlara (latent class) bölünmesini hedef alan karışımlı modelin M-Plus yazılımında uygulanabilirliği ele alınmıştır. Ayrıca, M-Plus'ta karışımlı modelin nasıl kodlandığı ve bu kodlamaların ne anlam içerdiği de tartışılmıştır. Araştırmacıları karışımlı modelleri uygulamaya teşvik amacıyla, modelin literatür bildirişleri özenle seçilmiş; modelin matematiksel ve mantıksal boyutları da etraflıca irdelenmiştir. Özellikle heterojen olan popülasyonu, ideal homojen alt sınıflara (sub-population) ayırmada uyum kriterleri (Akaike Bilgi Kriteri, Bayesian Bilgi Kriteri ve Log-olabilirlik) örneklem üzerinde vurgulanmıştır. ôrneklem, heterojen olan sürekli ve kesikli değişkenlerden oluşan 643 birey tarafından oluşturulmuştur. Bu çalışma sonucunda; analizi yapılacak olan veri setinin büyüklüğü durumunda; veri setinin heterojenliği riskini yok etmek üzere ve bu anlamda elde edilen homojen alt-sınıfların regresyon denklemlerinin ve parametre tahminlemelerinin Latent Class (mixture models) tekniği tarafından M-Plus ortamında sağlıklı bir şekilde yapılabileceği kanısına varılmıştır.

it is considered to be important to handle the test statistics that is going to be applied to population and the parameter estimation statistics on an accurate and robust manner. lf individuals or variables do not carry some similar features then searcher must use some clustering method. By this way a heterogeneous population is divided into enough homogeneous sub-population. And the result of descriptive statistics and parameter estimation will be more robust and coherence. in these cases, using latent class statistics contribute to obtain robust parameter estimation. Also it provides the homogeneity assumption. Especially, the mixture model was studied on this article which belongs to the latent class. The purpose of mixture model is to divide heteregeneous population into homogeneous sub­ populations. At the same time, in this article it was explained how to construct a mixture model by using M-Plus programme. To encourage the use of the mixture model in the educational sciences, the references of the mixture model were selected fastidiously and the mathematical, and logical dimensions of this model were explained comprehensively. in this study, a mixture model which means heteregeneous verdict is divided into homogeneous subpopulations (latent class) is used in an experimantal study which is consisted of 643 individuals who are registered with an educational department. in this study, Akaike's lnformation criterion, Bayesian lnformation criterion and Log­ likelihood terms were identified well. At the end of the study, the article concludes that the mixture model seems to be more efficient in analysing the similar data and verdict analysed in this study for experimantal studies.