نهایت پردازش می شوند تا زمینه برقراری انواع تحلیل و ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید. در این فرآیند داده ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می شوند و تکنیک های گوناگون آماری نقش بسزایی در استنتاج ها و تعمیم ها بعهده دارند.در این تحقیق برای بررسی روابط بین اجزاء مدل از مدل یابی معادلات ساختاری استفاده شده است. در ضمن محقق از مدل یابی معادلات ساختاری در جهت تحلیل عاملی تأییدی بهره برده است. با استفاده از نرم افزار لیزرل[۱۷۱] برای تجزیه و تحلیل فرضیه ها استفاده شده است.در این فرآیند ابتدا یک سلسله مراتب علّی مطرح می شود که در آن برخی متغیرها ممکن است علت احتمالی متغیرهای دیگری باشد. اما بطور قطع نمی تواند معلول آن باشد. به بیان دیگر ترتیب متغیرها به گونه ای است که متغیری که در مرتبه بالای این سلسله مراتب قرار دارد ممکن است علت متغیر مرتبه پایین تر از آن باشد، اما بعید است متغیر پایین تر علت متغیر بالاتر از آن باشد. لیزرل یا مدل یابی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق‌تر بسط “مدل خطی کلی”[۱۷۲] است. که به پژوهشگر امکان میدهد مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری یک رویکرد جامع برای آزمون فرضیه‌هایی درباره روابط متغیرهای مشاهده شده و مکنون است که گاه تحلیل ساختاری کوواریانس، مدل یابی علّی و گاه نیز لیزرل نامیده شده است اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری یا به گونه خلاصه SEM است )هومن ،۱۳۸۴، ۱۱(.
مدل کامل معادله ساختاری در حقیقت بیانگر آمیزه ای از نمودار مسیر و تحلیل عاملی تأییدی است. نمودارهای مسیر نقش اساسی در مدل یابی ساختاری بازی می کنند. این نمودارها مانند فلوچارتهای کامپیوتری است که متغیرهایی را که با خطوط بیانگر جریان علّی با هم متصل شده اند، نشان می دهد. نمودار مسیر را می توان به عنوان وسیله ای برای نمایش این مطلب درنظر گرفت که کدام متغیرها موجب تغییراتی در متغیرهای دیگر می شوند. همه متغیرهای مستقل دارای پیکانهایی است که بسوی متغییر وابسته نشانه می روند. ضریب وزنی بالای پیکان قرار می گیرد. توجه داشته باشید که علاوه بر نمایش روابط معادله خطی با پیکانها، نمودار مسیر در معادله ساختاری دارای چندین جنبه دیگر نیز هست. نخست آن که باید واریانس متغیرهای مستقل را بدانیم تا بتوانیم مدل روابط ساختاری را آزمون کنیم. واریانسها در نمودارها با بکار بردن خطوط منحنی بدون آنکه نوک پیکانها مشخص شود، نشان داده می شود. چنین خطوطی مانند سیم در نظر گرفته می شود. دوم برخی متغیرها به شکل دایره (یا بیضی) و برخی از آنها به شکل مربع و (یا مستطیل) نمایش داده می شوند. بیضی یا دایره معرف متغیرهای مکنون و مستطیل یا مربع نمایشگر متغیرهای اندازه گیری شده است. یک مدل معمولی لیزرل از دو قسمت تشکیل شده است:
| دانلود متن کامل پایان نامه در سایت jemo.ir موجود است |
۱-۸-۳ مدل اندازه گیری
مدل اندازه گیری یا قسمت تحلیل عوامل تأییدی مشخص می کند که چگونه متغیرهای نهفته یا سازه های فرضی در قالب تعداد بیشتری متغیرهای قابل مشاهده اندازه گیری شده اند. در تحقیقات که هدف آزمون مدل خاصی از روابط بین متغیرهاست از تحلیل مدل معادلات ساختاری یا مدلهای علی استفاده می شود. در این مدل داده ها به صورت ماتریس کوواریانس یا همبستگی درآمده و یک مجموعه معادلات رگرسیون بین متغیرها تدوین می شود. سپس کوواریانس متغیرهای اندازه گیری شده تحلیل می شود.
۲-۸-۳ مدل ساختاری
قسمت تابع ساختاری یا تحلیل مسیر روابط علی بین متغیرهای نهفته را مشخص می کند. به عبارت دیگر مدل اندازه گیری با پارامترهای ( ) سؤالات مربوط به روایی و اعتبار متغیرهای مشاهده شده را پاسخ می دهد و مدل تابع ساختاری با پارامترهای () سؤالات مربوط به قوت یا شدت روابط علی (مستقیم، غیرمستقیم و کلی) بین متغیرهای نهفته و مقدار واریانس تبیین شده در کل مدل پاسخ می دهد. بنابراین یک مدل لیزرل برای محقق این امکان را فراهم می آورد که در یک مدل هم خطاهای اندازه گیری را ارزیابی کند و هم پارامترهای ساختاری را یکجا برآورد کند. از سوی دیگر لیزرل در مقایسه با سایر تستهای آماری نظیر تکنیکهای رگرسیون و آنوا[۱۷۳] که تنها روابط بین متغیرهای انتخابی را مشخص می سازند از تواناییهای بیشتری برخوردار است و بر تحلیل مسیر نیز توافق دارد. زیرا تحلیل مسیر فرآیندی متشکل از مراحل منفک متوالی است که مبتنی بر رگرسیونهای متعدد می باشد در حالی که تحلیلهای لیزرل پیوسته و توأمند. تحلیل مسیر برخلاف لیزرل از آنجا که نمی تواند خطاهای کلی اندازه گیری بین متغیرهای مشاهده شده نهفته را مشخص کند فرض را بر آن می گذارد که اندازه های مشاهده شده با مقادیر متغیرهای نهفته برابرند. (درحالی که عملاً چنین فرضی نادرست است).در این فرآیند ابتدا یک سلسله مراتب علی مطرح می شود که در آن برخی متغیرها ممکن است علت احتمالی متغیرهای دیگری باشد. اما بطور قطع نمی تواند معلول آن باشد. به بیان دیگر ترتیب متغیرها به گونه ای است که متغیری که در مرتبه بالای این سلسله مراتب قرار دارد ممکن است علت متغیر مرتبه پایین تر از آن باشد، اما بعید است متغیر پایین تر علت متغیر بالاتر از آن. در متدولوژی معادلات ساختاری دو دسته ضرایب بین متغیرهای مکنون[۱۷۴] برآورد می شود:
اول: گاما (γ) که معرف ضریب مسیر بین یک متغیر مکنون برون زا و یک متغیر مکنون درون زا است. دوم: بتا (β) که معرف ضریب مسیر بین یک متغیر مکنون درون زا و یک متغیر درون زای دیگر است. به علاوه آماره T نشان دهنده معنی داری رابطه بین متغیرهای مکنون است نیز در اثر انجام تجزیه و تحلیل معادلات ساختاری محاسبه و به دست می آید. چنانچه آماره T بین دو متغیر بزرگتر از (۹۶/۱) باشد فرضیه صفر مبنی بر عدم رابطه بین دو متغیر مکنون رد و فرضیه جایگزین مبنی بر معنی داری رابطه دو متغیر مکنون پذیرفته می شود.
در تحقیق حاضر اطلاعات به دست آمده با استفاده از شیوه های آمار توصیفی و آمار استنباطی مورد تجزیه و تحلیل قرار خواهند گرفت، لذا در تحلیل توصیفی از جدول توزیع فراوانی، شاخص های مرکزی، پراکندگی و نمودارها با استفاده از نرم افزارهای آماری SPSS , و در تحلیل استنباطی ازتکنیک آماری مدل یابی معادلات ساختاری (تحلیل مسیر تأیید) با استفاده از نرم افزار لیزرل استفاده شده است.
۹-۳ آزمون های برازندگی مدل کلی
برازندگی مناسب بودن و کفایت داده ها برای مدل مورد بررسی است.بدین معنی که اگر شاخص های برازندگی نشان دهنده برازنده بودن مدل باشند،داده ها برای تجزیه وتحلیل روابط موجود میان متغیر ها مناسب و کافی بوده اند. با آنکه انواع گوناگون آزمون ها که به گونه کلی شاخص های برازندگی نامیده می شوند پیوسته در حال مقایسه، توسعه و تکامل می باشند ، اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقاله های مختلف، شاخص های مختلفی را ارائه کرده اند و حتی نگارش های مشهور برنامه های SEM مانند نرم افزارهای ,Amos, EQS Lisrel نیز تعداد زیادی از شاخص های برازندگی به دست می دهند. پس از معین شدن مدل، طرق متعددی برای برآورد نیکویی برازش کلی مدل با داده های مشاهده شده وجود دارد. بطور کلی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد ولی معمولاً برای تأیید مدل، استفاده از سه تا پنج شاخص کافی است.
۱-۹-۳ شاخص مجذور کای دو
برای ارزشیابی برازندگی شاخص های متعددی وجود دارد که یکی از مهمترین آنها شاخص کای دو می باشد: شاخص کای دو برای آزمون این فرضیه صفر که مدل مورد نظر در جامعه موجه است،محاسبه می شود. آزمون مجذور کای (خی دو) این فرضیه را که مدل مورد نظر هماهنگ با الگوی همپراشی بین متغیرهای مشاهده شده است را می‌آزماید، کمیت خی دو بسیار به حجم نمونه وابسته می‌باشد و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد,افزایش میدهد )هومن،۱۳۸۴، ۲۳۵).
۲-۹-۳ جذر برآورد واریانس خطای تقریب[۱۷۵]
این اندازه که به صورت اعشاری گزارش می شود،مبتنی بر پارامتری غیرمرکزی است. به واقع همان آزمون انحراف درجه آزادی است ،برای مدل هایی که برازندگی بسیار خوبی داشته باشند کمتر از.۰۵/۰ است. مقادیر بالاتر از آن تا ۰۸/۰ نشان دهنده خطا های معقولی برای تقریب در جامعه است.مدل هایی که RMSEA آنها ۱۰/۰ یا بیشتر باشد برازش ضعیفی دارند.
۳-۹-۳ شاخص بنتلر- بونت یا شاخص نرم شده برازندگی[۱۷۶]
شاخص نرم شده برازندگی مدل صفر را به عنوان مدلی که در ان همه همبستگی ها صفر است تعریف می کند ،چنان چه مقدار آن بین ۹۰/۰ تا ۹۵/۰ باشد قابل قبول و مقادیر بالا تر از ۹۵/۰ عالی است.
۴-۹-۳ شاخص تاکر- لویز یا شاخص نرم نشده برازندگی [۱۷۷]
مقدار شاخص نرم نشده برازندگی نسبت به تغییرات حجم گروه نمونه مقاوم است، اما دامنه آن محدود به صفر و یک نیست .بر پایه قرار داد ،مقادیر کمتر از ۹۰/۰آن مستلزم تجدید نظر مجدد در مدل است.
۵-۹-۳ شاخص نکویی برازش [۱۷۸]
این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می آزماید. شاخص GFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.مقادیر بزرگتر از ۹۰/۰ این شاخص قابل قبول و نشانه برازندگی مدل است.
۶-۹-۳ شاخص نکویی برازش تعدیل شده [۱۷۹]
شاخص های برازندگی بطور کلی در دامنه بین صفر و یک قرار می گیرند. ضرایبی که بالاتر از۹۰/۰ باشند قابل قبول در نظر گرفته می شوند، هر چند این نیز مانند سطح ۰۵/۰P= اختیاری است. بطور کلی مقادیر شاخص های برازندگی و شاخص تعدیل شده برازندگی با نزدیک تر شدن به عدد ۱ برازندگی خوب مدل را نشان می دهد(همان منبع، ۲۳۷).
فصل چهارم:تجزیه و تحلیل داده ها
۱-۴ مقدمه
فصل چهارم یکی از قسمت های مهم هر پژوهش محسوب می گردد. پس از آنکه نکات کلیدی در فصل سوم شامل تعیین روش تحقیق و ابزار مورد استفاده برای جمع آوری اطلاعات و همچنین تعیین روش تجزیه و تحلیل اطلاعات مطرح گردید.در این فصل، اطلاعات جمع آوری شده از جامعه آماری مورد نظر، با استفاده از دو روش آمار توصیفی و استنباطی مورد تجزیه و تحلیل قرار می گیرد.
بطور کلی آمار توصیفی صرفا به توصیف جامعه می پردازد و هدف آن محاسبه پارامترهای جامعه است. از طرف دیگر در آمار استنباطی محقق با استفاده از مقادیر نمونه آماره ها را محاسبه می کند.سپس به کمک تخمین و آزمون فرض آماری، آماره ها به پارامترهای جامعه تعمیم داده می شوند و براساس آن، فرضیات پژوهش تأیید یا رد می شود.
پژوهشگر در این فصل اطلاعات جمع آوری شده را در قالب دو بخش آمار توصیفی(جداول فراوانی و نمودارها) و آمار استنباطی (استفاده از تکنیک معادلات ساختاری برای تایید یا رد فرضیات با بهره گیری از نرم افزار لیزرل) مورد بررسی و تجزیه و تحلیل قرار داده و نتایج نهایی را ارائه نموده است.
۲-۴ بررسی آمار توصیفی تحقیق
در این قسمت ابتدا شرح مختصری از داده های جمعیت شناختی افراد پاسخگو و نمودارهای مربوط به آن ارایه شده و سپس با استفاده از جداول مربوطه داده ها توصیف می شوند.در پژوهش حاضر محقق برای بررسی آمار توصیفی از مولفه های ( سن،جنسیت، میزان تحصیلات و وضعیت تاهل) استفاده نموده است.
۱-۲-۴ بررسی وضعیت سنی در نمونه آماری مورد بررسی
در جدول و نمودار ۱-۴ توریع فراوانی وضعیت سنی پاسخ دهندگان در نمونه مورد مطالعه تحقیق مورد بررسی قرار گرفته است. نتایج نشان می دهد که بیشترین پاسخ دهندگان با ۵/۳۹ درصد در بازه سنی ۳۰ تا ۴۰ سال قرار دارند.
جدول۱-۴: وضعیت سنی در نمونه آماری مورد بررسی
|
[جمعه 1399-09-21] [ 11:23:00 ق.ظ ]
|
