آلفای کرونباخ کل پرسشنامه: ۹۴۸/.

 

 

 

 

۳٫۱۰٫ روش تجزیه‌و‌تحلیل داده ­ها:

محقق پس از آنکه روش پژوهش خود را مشخص کرد و با بهره گرفتن از ابزارهای مناسب داده ­های مورد نیاز را برای آزمون فرضیه ­های خود جمع ‌آوری کرد، اکنون نوبت آن است که با بهره­ گیری از تکنیک­های آماری مناسب که با روش پژوهش و نوع متغیرها سازگاری دارد، داده ­های جمع‌ آوری شده را دسته­‌بندی و تجزیه­‌و‌تحلیل نماید و در نهایت فرضیه ­ها را که تا این مرحله او را در پژوهش هدایت کرده‌اند در بوته آزمایش قرار دهد و تکلیف آن­ها را مشخص نماید و سرانجام بتواند پاسخی برای پرسشی که پژوهش تلاشی سیستماتیک برای بدست آوردن آن بود، بیابد (سرمد و همکاران، ۱۳۹۰). در این پژوهش برای بررسی سؤالات پژوهش در جامعه از آمار توصیفی و آمار استنباطی استفاده شده است.
پایان نامه - مقاله - پروژه
الف) آمار توصیفی: در آمار توصیفی، پژوهشگر با جمع آوری و خلاصه کردن اطلاعات کمی حاصل از نمونه­ها مشخصات نمونه مورد مطالعه را توصیف می­نماید. در این پژوهش از آمار توصیفی برای نمایش اطلاعات جمعیت‌شناختی استفاده شده است. جنسیت، سن، تحصیلات، سابقه خدمت و سمت سازمانی پاسخ‌دهندگان، مواردی است که در بخش آمار توصیفی بدان پرداخته می‌شود.
ب) آمار استنباطی: در آمار استنباطی پژوهشگر از مطالعه و بررسی یک یا چند نمونه و با بهره گرفتن از روش­ها و مدل‌های آماری، از شاخص­ های نمونه به ترتیب پارامترها و ویژگی­های کل جامعه آماری را استنباط می­نماید (مک ناب، ۱۳۹۰).
در این پژوهش از آمار استنباطی برای تجزیه­وتحلیل داده ­ها و آزمون فرضیات بهره گرفته می­ شود. کلیه محاسبات و تحلیل­های آماری توسط نرم‌افزارهای LISREL و SPSS16 انجام گردیده است. به طور کلی روش­ها و تکنیک­های آماری که در این پژوهش به کمک نرم‌افزار SPSS16 و LISREL برای تجزیه‌و‌تحلیل داده‌ها مورد استفاده قرار می­گیرد، به شرح زیر است:

 

 

  • آزمون آلفای کرونباخ جهت سنجش پایایی متغیرها و ابزار گردآوری داده ­ها (پرسشنامه)

 

 

 

  • آزمون کولموگروف- اسمیرنوف به منظور بررسی نرمال بودن داده‌ها

 

 

 

  • آزمون ضریب همبستگی پیرسون برای تعیین نوع و میزان رابطه میان متغیرهای پژوهش

 

 

 

  • آزمون آنوا جهت تحلیل تاثیر متغیرهای جمعیت شناختی (تحصیلات) بر متغیرهای پژوهش

 

 

 

  • تحلیل عاملی تأییدی جهت سنجش روایی الگو و پایایی متغیرهای پژوهش

 

 

 

  • مدلسازی معادلات ساختاری جهت تعیین برازش مدل مفهومی با داده ­های جمع آوری شده

 

 

 

۳٫۱۱٫ مدلسازی معادلات ساختاری:

برای بررسی روابط علی بین متغیرها بصورت منسجم کوشش­های زیادی در دهه اخیر صورت گرفته است. یکی از رو­ش­ها در این زمینه، مدل معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون[۷۳] است. مدلسازی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق‌تر بسط مدل خطی کلی است که به پژوهشگر امکان می‌دهد مجموعه‌ای از معادلات رگرسیون را به گونه‌ای همزمان مورد آزمون قرار دهد. مدل معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه‌هایی درباره روابط بین متغیرهای مشاهده شده[۷۴] و متغیرهای مکنون است که گاه تحلیل ساختاری کوواریانس، مدل یابی علی و گاه نیز LISREL[75] نامیده شده است. اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری یا به گونه خلاصه [۷۶]SEM نامیده شده است (هومن، ۱۳۸۸).
یک مدل کامل معادلات ساختاری شامل دو مولفه می‌گردد:
الف) مدل اندازه‌گیری: جزئی از معادلات ساختاری که طی آن متغیرهای مکنون مشخص می‌شوند. متغیرهای مکنون، متغیرهای قابل مشاهده‌ای هستند که بوسیله کواریانس میان دو یا چند شاخص نشان داده می‌شوند.
ب) مدل ساختاری: جزئی از مدل ساختاری که روابط بین متغیرهای مکنون را نشان می‌دهد.
بررسی و تحلیل مدل‌های اندازه‌گیری در مراحل اولیه مطالعات تاییدی مفید بوده چرا که می‌تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته‌های پژوهش کمک نموده و در طرح مطالعات آینده سهم عمده‌ای داشته باشد؛ بر این اساس مدلسازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل می‌باشد. در تدوین مدل محقق با بهره گرفتن از کلیه نظریات مرتبط، پژوهش و اطلاعات در دسترس به طرح مدل می‌پردازد و در این مرحله، مدل روابط علی بین متغیرها را توصیف می کند. ارتباط بین متغیرها می‌تواند مبین فرضیه‌هایی باشد که روابط علی بین متغیرهای مشهود و مکنون را از فضای تئوریک استنتاج نموده‌اند. مرحله بعد، آزمون برازندگی و میزان انطباق این نظریه‌ها با داده‌های تجربی است که از جامعه معین گردآوری شده‌اند (دانشگر، ۱۳۹۰).
در بررسی بخش ساختاری مدل، روابط بین متغیرهای نهفته درونی و بیرونی (متغیرهای نهفته مستقل و وابسته) مورد توجه قرار می‌گیرند. در اینجا هدف، تشخیص این موضوع است که آیا روابط تئوریکی که بین متغیرها در مرحله تدوین چارچوب مفهومی مد نظر محقق بوده است، به وسیله داده‌ها تایید گردیده یا نه. در رابطه با این موضوع، سه مسئله مد نظر قرار می‌گیرد.
۱) علائم (مثبت یا منفی) پارامترهای مربوط به مسیرهای ارتباطی بین متغیرهای نهفته نشان می‌دهند که آیا پارامترهای محاسبه شده جهت روابط فرضی را مورد تأیید قرار داده‌اند.
۲) مقدار پارامترهای برآورد شده نشان می‌دهد که تا چه حد روابط پیش بینی شده، قوی می‌باشند. در اینجا پارامترهای تخمینی باید معنی‌دار باشند (یعنی مقدار قدر مطلق t باید بیشتر از ۹۶/۱ باشد).
۳) مجذور همبستگی چندگانه () برای معادلات ساختاری، مقدار واریانس هر متغیر نهفته درونی که به وسیله متغیرهای نهفته مستقل (بیرونی) تبیین می‌شود را نشان می‌دهد. هر چه مقدار بزرگتر باشد قدرت تبیین بالای واریانس را بیان می‌کند. (کلانتری، ۱۳۸۸).
در این پژوهش از روش دو مرحله‌ای معادلات ساختاری پیشنهاد شده اَندرسون و جربینگ[۷۷] (۱۹۹۸) برای تحلیل داده‌ها استفاده شده است. در این پژوهش، در گام اول از تحلیل عاملی تاییدی و در گام دوم از تحلیل مسیر برای تحلیل روابط بین سازه‌ها بهره برده شده است، بنابراین در این بخش به توضیح اجمالی درباره تحلیل عاملی و تحلیل مسیر پرداخته می‌شود.

تحلیل عاملی

به منظور پی بردن به متغیرهای زیربنایی یک پدیده یا تلخیص مجموعه‌ای از داده‌ها از روش تحلیل عاملی استفاده می‌شود. داده‌های اولیه برای تحلیل عاملی، ماتریس همبستگی بین متغیرهاست. تحلیل عاملی، متغیرهای وابسته از قبل تعیین شده‌ای ندارد. موارد استفاده تحلیل عاملی را به دو دسته کلی می‌توان تقسیم کرد:

 

 

  • مقاصد اکتشافی

 

 

 

  • مقاصد تاییدی

 

 

تحلیل عاملی اکتشافی به منظور کاهش تعداد داده یا کشف ساختار آن‌ ها به کار می‌رود که در آن کاهش داده‌ها به معنی حذف متغیرهای اضافی و زائد ( متغیرهایی که شدیداً به هم وابسته هستند)، از فایل داده‌ها و جایگزینی کل داده‌ها با تعداد کمتری متغیر غیر‌همبسته و کشف ساختار بررسی روابط (متغیرهای مکنون) مهم بین متغیرها است. موارد استفاده اکتشافی نیز به دو رویکرد کلی تقسیم می‌شود:
مواردی که هدف آن پیدا کردن متغیرهای مکنون یا سازه‌های یک مجموعه متغیر اندازه‌گیری شده است. برای نیل به این هدف از روش تحلیل عامل مشترک[۷۸] (یا تحلیل عامل اصلی)[۷۹] و با بهره گرفتن از ماتریس همبستگی یا کواریانس متغیرهای اندازه‌گیری شده (نمره سوالات یک آزمون یا ریزنمرات آزمون‌ها) استفاده می‌شود. از لحاظ نظری متغیرهای مکنون یا سازه‌ها علل زیربنایی متغیرهای اندازه‌گیری شده است. رگرسیون متغیرهای اندازه‌گیری شده روی متغیرهای مکنون وزن‌هایی فراهم می‌آورد که بارهای عاملی نامیده می‌شود. تحلیل عامل مشترک، واریانس هر متغیر اندازه‌گیری شده را به دو واریانس مشترک و واریانس اختصاصی افراز می‌کند. واریانس مشترک، تغییرات مشترک متغیرهای اندازه‌گیری شده را با متغیرهای مکنون نمایان می‌کند. در موارد اکتشافی که هدف تلخیص مجموعه‌ای از دادها باشد، از تحلیل مولفه‌های اصلی[۸۰] استفاده می‌شود. در تحلیل مولفه‌های اصلی، واریانس کل متغیرهای مشاهده شده تحلیل می‌گردد. ماتریس همبستگی متغیرهای اندازه‌گیری شده دارای قطر اصلی یک است. در حالیکه در تحلیل عامل مشترک در قطر اصلی ماتریس همبستگی، میزان اشتراک (واریانس مشترک متغیر اندازه‌گیری شده و متغیرهای مکنون) قرار می‌گیرد. وقتی میزان اشتراک به یک نزدیک باشد، نتایج تمام روش‌های اکتشافی با نتایج مولفه‌های اصلی مشابه خواهد بود.
در تحلیل مولفه‌های اصلی، برعکس تحلیل عامل مشترک، مولفه‌ها طوری برآورد می‌شود تا واریانس متغیرهای مشاهده شده را در کمترین ابعاد نشان دهد و مولفه‌های اصلی در واقع مجموع موزون متغیرهای مشاهده شده است. به عبارت دیگر در تحلیل مولفه‌های اصلی، متغیرهای مشاهده شده علل متغیرهای ترکیبی (مولفه‌ها) می‌باشد. در تحلیل‌های عاملی تاییدی، که هدف پژوهشگر تایید ساختار عاملی ویژه‌ای می‌باشد، درباره تعداد عامل‌ها به طور آشکار فرضیه‌ای بیان می‌شود و برازش ساختار عاملی موردنظر در فرضیه با ساختار کواریانس متغیرهای اندازه‌گیری شده مورد آزمون قرار می‌گیرد. تحلیل عاملی را نیز برحسب نمونه یا جامعه بودن آزمودنی‌ها و متغیرها به دو دسته توصیفی و استنباطی تقسیم می‌کنند (سرمد و همکاران، ۱۳۹۰). تحلیل عاملی تاییدی[۸۱] در واقع بسط تحلیل عاملی معمولی است، یکی از جنبه‌های مهم SEM است، که در آن فرضیه‌های معینی درباره ساختار بارهای عاملی و همبستگی‌های متقابل بین متغیرها مورد آزمون قرار می‌گیرد. با توجه به معیار فرنل و لاکر[۸۲](۱۹۸۱) بارهای عاملی گویه‌ها باید بزرگتر از ۰٫۴ باشد و همچنین پایایی سازه‌ها (آلفای کرونباخ) باید از ۰٫۷ بزرگتر باشد. در پژوهش حاضر برای اینکه بتوان فهمید گویه‌ها بیان کننده‌ی عامل‌های (سازه‌ها) مورد نظر هستند از تحلیل عاملی تاییدی استفاده شده است.

تحلیل مسیر

تحلیل مسیر گسترش روش‌های رگرسیون و در حقیقت، کاربرد رگرسیون چندمتغیری در ارتباط با تدوین بارز مدل‌‌های علی[۸۳] است. هدف آن بدست آوردن برآوردهای کمی روابط علی بین مجموعه‌ای از متغیرهاست. روابط بین متغیرها در یک جهت جریان می‌یابد و به عنوان مسیرهای متمایزی در نظر گرفته می‌شود. مفاهیم تحلیل مسیر در بهترین صورت از طریق ویژگی عمده آن یعنی نمودار مسیر که پیوندهای علی احتمالی بین متغیرها را آشکار می‌سازد، تبیین می‌شود.
در علوم اجتماعی و رفتاری برخلاف علوم طبیعی، استنباط روابط علی بر پایۀ مطالعاتی صورت می‌گیرد که در آن‌ ها، مدل‌ها و فرضیه‌های علی از لحاظ آماری ارزیابی می‌شود. در چنین مطالعاتی حتی روابط علی را نمی‌توان ثابت کرد، تنها منطقی بودن نسبی آن‌ ها را در برابر سایر چارچوب‌های تبیین شده می‌توان تایید نمود. در این علوم بیشتر تئوری‌ها و مدل‌ها در قالب بازده‌های نظری که مستقیماً مشاهده‌پذیر و اندازه‌پذیر نیست بیان می‌شود. اما برای عملیاتی کردن و اندازه‌گیری متغیرهای نظری می‌توان از شاخص‌ها یا نشانه‌هایی که نشانگر[۸۴] نامیده می‌شود، استفاده کرد. استنباط‌های علی به واقع به مسیرهایی بستگی دارد که طرح مطالعه مشخص کرده است (هومن، ۱۳۸۸).

۳٫۱۲٫ مراحل عمومی آزمون فرض آماری:

 

 

 

  • مرحله اول: تعریف فرضیه ­های آماری H0 و H1: بر اساس قاعده­ای که بیان خواهد شد چنانچه فرضیه پژوهشی مرز مشخصی داشته باشد، H0 نشان­دهنده ادعا خواهد بود، در غیر این صورت نقیض آن در H1 تعریف شده و فرضیه پژوهشی در قالب نماد آماری H1 قرار خواهد گرفت. آنچه مسلم است فرض H0 و H1 مکمل یکدیگر هستند.

 

 

 

  • مرحله دوم: تعیین توزیع نمونه­‌گیری آماره و نوع آماره آزمون: توزیع نمونه‌گیری به شرایط تخمین پارامتر مورد ادعا بستگی دارد. بسته به اینکه فرض پژوهشی چه نوع پارامتری را بیان می­ کند، توزیع نمونه­‌گیری، آماره و آماره آزمون تغییر خواهد کرد.

 

 

 

  • مرحله سوم: تعیین سطح زیر منحنی H0 و H1 و محاسبه مقدار بحرانی: سطح زیر نمودار منحنی H0 و H1 به توزیع نمونه­‌گیری و مقدار α بستگی دارد. یک دنباله یا دو دنباله بودن آزمون نیز بر سطح زیر منحنی فرضیه ­های آماری تأثیر مستقیم دارد. قاعده این است که H0 دربرگیرنده سطح اطمینان و H1 سطحی برابر α خواهد داشت. محاسبه مقدار استانداردی که تفکیک کننده H0 و H1 به صورت عددی می‌باشد از جدول آماری موجود استخراج می­ شود. این مقدار با توجه به علامت آن « مقدار بحرانی» نامیده می­ شود. مقدار استاندارد و جدول آماری مورد نیاز برای استخراج آن بر اساس آماره تعیین می‌شود.

 

 

 

  • مرحله چهارم: مرحله تصمیم ­گیری: در این مرحله مقدار آماره آزمون محاسبه شده در مرحله دوم با مقدار بحرانی در مرحله سوم مقایسه می­ شود، چنانچه آماره آزمون در ناحیه پذیرش H0 قرار گیرد، گفته می­ شود در سطح اطمینان مورد نظر دلیل کافی برای پذیرش H0 وجود دارد. در غیر این صورت H0 رد می­ شود و H1 در سطح خطای α درصد پذیرفته می­ شود. بطور کلی آزمون فرضیه هیچگاه به اثبات فرضیه نمی­انجامد. بلکه تنها در این نکته دخالت دارند که فرضیه ­ها تأیید یا رد می­شوند. بنابراین اگر فرضیه رد نشود، دلیل آن نیست که این فرضیه، فرضیه درستی است بلکه می­توان گفت که در حال حاضر امکان صحت این فرضیه وجود دارد. پس از تأیید یا رد H0 تحلیل­گر باید به طور مشخص بیان کند که آیا فرضیه پژوهش پذیرفته یا رد شده است و محقق هیچگاه ادعای اثبات فرضیه پژوهشی یا فرضیه ­های آماری را ندارد بلکه در تحلیل خود به لحاظ استقراء، رعایت احتیاط را خواهد کرد (دانایی‌فرد و همکاران، ۱۳۸۳).

 

 

  • نتیجه ­گیری و خلاصه فصل سوم:

 

 

 

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...