N

۳۱

۳۱

**. Correlation is significant at the 0.01 level (2-tailed).

بر اساس جدول فوق :
همبستگی متغیر بلوغ حاکمیت فناوری اطلاعات با سودآوری شرکت برابر ۰٫۵۷۵ می باشد. و همچنین سیگما برابر ۰٫۰۰۱ می باشد ، با توجه به اینکه این مقدار در سطح معنی داری مورد قبول (Value < 0.05 – P ) قرار دارد . بنابراین می توان فرض وجود رابطه معنی داری بین متغیر بلوغ حاکمیت فناوری اطلاعات و سودآوری را پذیرفت.
ب – تحلیل رگرسیون و معادله رگرسیون معمولی
با توجه به محاسبات ضریب هم بستگی بین دو متغیر وابسته (سودآوری ) و متغیر مستقل ( بلوغ حاکمیت IT )
که برابر ۰٫۵۷۵ R=می باشد و مربع آن((R2 یا ضریب تعیین برای متغیر وابسته سودآوری برابر ۰٫۳۳ می باشد . می توان بیان کرد که ۳۳ درصد از تغییرات سود آوری توسط متغیر مستقل حاکمیت فناوری اطلاعات توضیح داده می شود.
معادله رگرسیون بین دو متغیر وابسته سودآوری و مستقل حاکمیت فناوری اطلاعات مطابق با جدول فوق به شکل ذیل بدست می آید.
Y = 91.649 – ۱۱۷٫۸۳۶
نمودار ۴-۲- پراکنش داده های دو متغیر بلوغ حاکمیت IT و سودآوری
با توجه به بررسی های بوجود آمده در مورد تاثیر متغیر بلوغ حاکمیت فناوری اطلاعات بر سودآوری شرکت ها ، توسط روش های آماری استفاده شده ، نتایج حاصله از همبستگی در سطح ۰٫۵۷۵ بدست آمد ، وجود رابطه را تایید می کند و همچنین چون P-Value < 0.05 می باشد . لذا معنا دار بودن این رابطه نیز تایید میگردد. اگر سطح معناداری ۰.۰۵ باشد بیانگر آن است که تفاوت بین دو متغیر در بیش از ۵ درصد از ۱۰۰ مورد تکرار ناشی از خطای نمونه گیری و ۹۵ درصد ناشی از عامل آزمایشی (متغیر مستقل) باشد. پس فقط در ۵ مورد از ۱۰۰ مورد میتواند رابطه واقعی نباشد .
با توجه به نتایج بدست آمده بلوغ حاکمیت فناوری اطلاعات بر سودآوری شرکتها در سطح اطمینان ۹۵ درصد تاثیر معنی دار دارد . و فرض H1 تایید و فرض H0 رد می شود.
فرضیه سوم تحقیق
فرض H0 : بین صنایع مختلف در بلوغ حاکمیت فناوری اطلاعات تفاوت معناداری وجود ندارد
فرض H1 : بین صنایع مختلف در بلوغ حاکمیت فناوری اطلاعات تفاوت معناداری وجود دارد
برای آزمون این فرض که آیا تفاوت معناداری بین صنایع وجود دارد از آزمون t استفاده میکنیم . از طریق آزمون t می توان میانگین نمونه را با یک مقدار شناخته شده آزمون کرد. در اینجا µ میانگین نمونه است و عدد ۲ مقدار حدثی است که از میانگین جامعه می زنیم و جامعه را مورد آزمون قرار میدهیم.
مورد آزمون قرار میدهیم که ببینیم آیا اختلاف معنادار پیدا میشود یا خیر آزمون فرض خود را بر اساس ذیل تنظیم می کنیم.
H0: µ = ۲
H1: µ ≠ ۲