روش تجزیه و تحلیل داده‌ها
در این تحقیق، برای تجزیه و تحلیل دادههای بهدست آمده از نمونهها، هم از روشهای آمار توصیفی و هم از روشهای آمار استنباطی استفاده شده است. در این تحقیق برای بررسی روابط بین اجزاء مدل، از مدل‌یابی معادلات ساختاری استفاده شده است.
مدل معادلات ساختاری
برای بررسی روابط علّی بین متغیرها به صورت منسجم کوشش‌های زیادی در دهه اخیر صورت گرفته است. یکی از این روش‌های نوید بخش در این زمینه، مدل معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. بدون توجه به نام یا مفهوم بی شمار آن، این واژه به یک سری مدل‌های عمومی اشاره می‌کند که شامل تحلیل عاملی تأییدی، مدل‌های ساختاری همزمان کلاسیک[۲۱]، تجزیه و تحلیل مسیر[۲۲]، رگرسیون چندگانه[۲۳]، تحلیل واریانس[۲۴] و سایر روش‌های آماری است (Holey,1995). مدل یابی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون[۲۵] چند متغیری و به تعبیر دقیق‌تر، بسط مدل خطی کلی است، که به تحقیق گر امکان می‌دهد، مجموعه ای از معادلات رگرسیون را به گونه ای هم زمان مورد آزمون قرار دهد ((Hair et al, 2006. لذا برای پاسخ به پرسش اصلی این تحقیق، از روش معادلات ساختاری و نرم افزار آماری لیزرل ۸/۸ استفاده شده است. هنگامی که یک مدلی تخمین زده می‌شود؛ برنامه نرم افزاری یک سری آمارهایی از قبیل: خطای استاندارد، T – Value و غیره را درباره ارزیابی تناسب مدل با داده‌ها منتشر می‌کند. اگر مدل قابل آزمون باشد ولی با داده‌ها به طور مناسب تناسب نداشته باشد، شاخصهای اصلاحی که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند، به کار گرفته می‌شوند، تا مدل متناسب با داده‌ها شوند. مهمترین شاخص تناسب مدل، آزمون ۲χ است، ولی به خاطر این که آزمون ۲χ تحت شرایط خاصی عمل می‌کند و همیشه این شرایط محقق نمی‌شود، لذا یکسری شاخص‌های ثانویه ای نیز ارایه می‌گردد. مهم‌ترین این شاخص‌ها عبارتند از: GFI، AGFI، RMSR
حالتهای بهینه برای این آزمون‌ها به شرح زیر است:
۱- آزمون ۲χ هر چه کمتر باشد بهتر است، زیرا این آزمون اختلاف بین داده و مدل را نشان می‌دهد.
۲- آزمون GFI و AGFI از ۸۰ درصد بایستی بیشتر باشد.
۳- آزمون RMSR هر چه کمتر باشد بهتر است، زیرا این آزمون یک معیار برای میانگین اختلاف بین داده های مشاهده شده و داده های مدل است.
فصل چهارم
تجزیه و تحلیل داده ها
۴-۱) مقدمه
داده‌ها شامل ارقام و مشخصاتی هستند که برای معنی‌دار کردن آن‌ها باید از آمار بهره برد. داده‌های جمع آوری شده اعداد و ارقامی بدون معنی می‌باشند، که از آمار برای معنی‌دار کردن آنها به منظور تحقق اهداف تحقیقی کمک گرفته می‌شود. تجزیه و تحلیل اطلاعات به عنوان بخشی از فرآیند روش تحقیق علمی، یکی از پایه‌های اصلی هر مطالعه و تحقیق به شمار می‌رود که از طریق آن کلیه فعالیت‌های تحقیقی تا رسیدن به یک نتیجه، کنترل و هدایت می‌شوند. به عبارتی در این بخش، محقق برای پاسخگویی به مسائل تدوین شده و یا تصمیم گیری در مورد تأیید فرضیه یا فرضیاتی که برای تحقیق در نظر گرفته است، باید تجزیه و تحلیل‌های لازم را انجام دهد(غفاری آشتیانی،۱۳۸۷، ص ۱۹۳).
برای تجزیه و تحلیل دادههای جمع آوری شده، ابتدا آمار توصیفی که به توصیف وضعیت متغیرهای تحقیق و بررسی متغیرهای جمعیت شناختی شامل جنسیت، سن و سطح تحصیلات میپردازد، مورد بررسی قرار میگیرد. این قسمت از کار با نرم افزار Spss17 انجام گرفت. سپس آمار تحلیلی مطرح میگردد، که در آن مدل اندازه گیری تحقیق برازش شده و بعد مدل اصلی تحقیق بررسی میشود. در نهایت فرضیات تحقیق آزمون میشوند. تجزیه و تحلیل مذکور به وسیله نرم افزار Lisrel8.2 انجام می‌گیرد.
۴-۲) آمار توصیفی
قبل از ورود به مرحله تجزیه و تحلیل اطلاعات ضروری می‌باشد که تمام متغیرهای تحقیق توصیف شوند. در این راستا گزارشی توصیفی از متغیرهای تحقیق ارائه شده که این نوع از اطلاعات در قالب جداول و نمودارهایی به شرح صفحات بعد نشان داده می‌شود.
۴-۲-۱) توصیف متغیرهای اصلی تحقیق
در این قسمت متغیرهای اصلی تحقیق مورد بررسی قرار می‌گیرند.
۴-۲-۱-۱) مسئولیت پذیری
مطابق جدول (۴-۱) میانگین مسئولیت پذیری در مدل پژوهش معادل ۱۸۶۹/۲ و با انحراف معیار ۷۰۲۷۲/۰است. همچنین کمـترین امتیاز مربوط به هریک از سازه ها معادل ۱ و بیشترین امتیاز معادل ۵ می‌باشد که در مدل علی پژوهش به صورت متغیر وابسته توصیف شده است.
جدول (۴-۱): توصیف متغیرهای مسئولیت پذیری