ارائه
کردهاند و حتی نگارش‌های مشهور برنامه‌های SEM مانند نرم افزارهایLisrel, Amos, EQS نیز تعداد زیادی از شاخص‌های برازندگی به دست می‌دهند.(هومن،1387 ،235) این شاخص‌ها به شیوه‌های مختلفی طبقه بندی شده اند که یکی از عمده‌ترین آنها طبقه بندی به صورت مطلق، نسبی و تعدیل یافته می‌باشد. برخی از این شاخص ها عبارتند از:
الف- مجذور کای ( 2? )
در میان شاخصهای مطلق، مجذور کای ( 2? ) به قدرمطلق پس ماندها توجه دارد.
آزمون مجذور کای (خی دو) این فرضیه را 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 کمّیّت کای دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد, افزایش می‌دهد. (هومن.1387. 422).
ب- ریشه میانگین مجذور پس ماندها(RMR)61
یکی دیگر از شاخصهای مطلق است که در زبان لیزرل با RMSR و گاه با RMS مشخص
میشود. مقدار آن به واقع ریشه دوم میانگین پس ماندها یعنی تفاوت بین بین عناصر ماتریس مشاهده شده در گروه نمونه و عناصر ماتریسهای برآورد با فرض درست بودن مدل مورد نظر است. هرچه RMR برای مدل مورد آزمون نزدیکتر به صفر باشد ، مدل مذکور برازش بهتری دارد.

پ- شاخص‌های مطلق 62 GFI وAGFI63
شاخص GFI مقدار نسبی واریانس‌ها و کوواریانس‌ها را به گونه مشترک از طریق مدل ارزیابی می‌کند. دامنه تغییرات GFI بین صفر و یک می‌باشد. مقدار GFI باید برابر یا بزرگتر از 90/0باشد.
شاخص برازندگی دیگر AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی می‌باشد. این مشخصه معادل با کاربرد میانگین مجذورات به جای مجموع مجذورات در صورت و مخرج (1- GFI) است. مقدار این شاخص نیز بین صفر و یک می‌باشد. مقدار AGFI نیز باید برابر یا بزرگتر از 9/0 باشد تا مدل مورد نظر پذیرفته شود. شاخص‌های GFI و AGFI بستگی به حجم نمونه ندارد.
ت- شاخص RMSEA 64
این شاخص، ریشه میانگین مجذورات تقریب می‌باشد. شاخص RMSEAبرای مدل‌های خوب برابر 0.05 یا کمتر است. مدلهایی که RMSEA آنها 0.1 باشد برازش ضعیفی دارند.
ج- شاخصNFI وCFI و IFI
شاخص برازندگی هنجار شده65 (NFI)که شاخص بنتلر-بونت هم نامیده می‌شود) برای مقادیر بالای 90/0 قابل قبول و نشانه برازندگی مدل است. شاخص برازندگی تطبیقی66 (CFI) 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 می‌آزماید. شاخص CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می‌دهد، مقدار آن بر پایه قرارداد باید دست کم برابر9/0 باشد. شاخص برازندگی فزاینده67(IFI) که شباهت با NFI دارد. مقدار IFI نیز بر پایه قرارداد باید دست کم 9/0 باشد تا مدل مورد نظر پذیرفته شود.
شاخص‌های دیگری نیز در خروجی نرم افزار لیزرل دیده می‌شوند که برخی مثلAIC, CAIC ECVA , برای تعیین برازنده‌ترین مدل از میان چند مدل مورد توجه قرار می‌گیرند برای مثال مدلی که دارایکوچکترین AIC,CAIC,ECVA باشد برازنده‌تر است(هومن1387 ،244-235). برخی از شاخص‌ها نیز به شدت وابسته حجم نمونه اند و در حجم نمونه‌های بالا می‌توانند معنا داشته باشند.
3-10- خلاصه :
در واقع تحقیق عملی است منظم که در نتیجه آن سوالات مطرح شده پاسخ داده میشوند و پایه و اساس علم، روش تحقیق و شیوه شناخت آن علم میباشد. در این فصل ضمن بیان مقدمه ای بر فصل، روش تحقیق، فرآیند تحقیق، جامعه آماری، ابزار گردآوری داده ها، روایی و پایایی پرسشنامه، روش جمع آوری دادهها و در نهایت روش تجزیه و تحلیل داده های تحقیق بیان گردید.

فصل چهارم :
تجزیه و تحلیل داده های تحقیق

مقدمه
تجزیه و تحلیل یافته‌ها برای بررسی صحت و سقم فرضیههای برای هر نوع تحقیق از اهمیت خاصی برخوردار است. امروزه در بیشتر پژوهش‌ها، تجزیه و تحلیل اطلاعات از اصلی‌ترین و مهم‌ترین بخش‌های تحقیق محسوب می‌شود. داده‌های خام با استفاده از فنون آماری مورد تجزیه و تحلیل قرار می‌گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده کنندگان قرار می‌گیرند.
در این فصل ابتدا آمار توصیفی حاصل از پرسشنامهها تشریح میگردد، سپس برازش الگو تحلیل معادلات ساختاری ارائه میگردد و در نهایت به تجزیه و تحلیل فرضیهها پرداخته میشود.
4-1- یافتههای توصیفی
در این قسمت به توصیف داده های مربوط به ویژگی‌های عمومی پاسخ دهندگان مانند جنسیت، سن، تحصیلات، میزان سابقه کار پاسخ دهندگان پرداخته میشود، و برای هر مورد، وضعیت پاسخ دهندگان شامل تعداد، درصد و درصد تجمعی آن بیان شده و همچنین نمودار دایره ای مربوط به آن آمده است. و در پایان به تجزیه و تحلیل آن‌ها پرداخته شده است. بر اساس داده های به دست آمده حاصل از پرسشنامه عمومی، اطلاعات تفصیلی در خصوص مشخصات و ویژگی‌های عمومی نمونه به دست آمده که به صورت مرتب در جداول (4-1، 4-2، 4-3 و 4-4 ) و شکل‌های زیر به آن‌ها اشاره می‌گردد.

4-1-1- توزیع فراوانی متغیر جنسیت در نمونه
در این قسمت به بررسی نسبت جنسیت پاسخ دهندگان برداخته شده است:
جدول 4-1- توزیع فراوانی متغیر جنسیت در نمونه
جنسیت
فراوانی هر طبقه
درصد فراوانی داده های هر طبقه
درصد فراوانی دادههای معتبر هر طبقه
درصد تجمعی
مرد
186
93.5
93.5
93.5
زن
13
6.5
6.5
6.5
کل
199
100.0
100.0

جدول 4-1، توزیع فراوانی متغیر جنسیت را
نشان می‌دهد. بر اساس نتایج به دست آمده از این جدول بیشتر افراد تشکیل دهنده جامعه آماری مردان می‌باشد که درصد فراوانی آنان 5/93 درصد می‌باشد و کمترین متعلق به زنان با درصد فراوانی 5/6 درصد است. در ادامه نمودار دایره ای توزیع فراوانی این متغیر جمعیت شناسی را نیز می‌توان مشاهده نمود.

شکل 4-1: نمودار دایرهای متغیر جنسیت در نمونه

4-1-2- توزیع فراوانی متغیر سن پاسخ‌دهندگان در نمونه
در این قسمت به بررسی نسبت سن پاسخ دهندگان برداخته شده است:
جدول 4-2- توزیع فراوانی متغیر سن پاسخ دهندگان در نمونه
سن
فراوانی هر طبقه
درصد فراوانی داده های هر طبقه
درصد فراوانی داده های معتبر هر طبقه
درصد تجمعی
20-29
30
15.1
15.1
15.1
30-39
83
41.7
41.7
56.8
40-49
49
24.6
24.6
81.4
50 و بالاتر
37
18.6
18.6
100.0
کل
199
100.0
100.0

جدول 4-2، توزیع فراوانی متغیر سن را نشان می‌دهد. بر اساس نتایج به دست آمده در جدول فوق، 83 نفر از نمونه 199 نفری 30 تا 39 سال دارند که 7/47 درصد از کل نمونه را تشکیل میدهند و بیشترین رده سنی را تشکیل میدهند. تعداد فراوانی افرادی که 29-30 سن دارند، 37 نفر در نمونه میباشند که 6/18 درصد از کل نمونه را تشکیل میدهند و کمترین رده سنی در بین افراد نمونه آماری هستند. نمودار دایرهای توزیع فراوانی این متغیر جمعیت شناسی در شکل 4-2 ارائه شده است.

شکل 4-2: نمودار دایرهای متغیر سن در نمونه

4-1-3- توزیع فراوانی متغیر سطح تحصیلات در نمونه
در این قسمت به بررسی نسبت سطح تحصیلات پاسخ دهندگان برداخته شده است:
جدول 4-3- توزیع فراوانی متغیر سطح تحصیلات در نمونه
سطح تحصیلات
فراوانی هر طبقه
درصد فراوانی داده های هر طبقه
درصد فراوانی داده های معتبر هر طبقه
درصد تجمعی
دیپلم
11
5.5
5.5
5.5
کاردانی
6
3.0
3.0
8.5
کارشناسی
137
68.8
68.8
77.4
کارشناسی ارشد
45
22.6
22.6
100.0
کل
199
100.0
100.0

جدول 4-3، توزیع فراوانی متغیر سطح تحصیلات را نشان میدهد. بر اساس نتایج به دست آمده از این جدول، 137 نفر از نمونه 199 نفری دارای مدرک لیسانس میباشند که 8/68 درصد از کل نمونه را تشکیل میدهند و بیشترین تعداد از افراد نمونه آماری دارای این مدرک میباشند. تعداد فراوانی افرادی که دارای مدرک کاردانی میباشند، 6 نفر در نمونه میباشد که 0/3 درصد از کل نمونه را تشکیل میدهند و افراد دارای این مدرک در حداقل قرار دارند. در ادامه نمودار دایرهای توزیع فراوانی این متغیر جمعیت شناسی را نیز می‌توان مشاهده نمود.

شکل 4-3: نمودار دایرهای متغیر سطح تحصیلات در نمونه
4-1-4- توزیع فراوانی متغیر میزان سابقه اشتغال در نمونه
در این قسمت به بررسی نسبت سابقه اشتغال پاسخ دهندگان برداخته شده است:
جدول 4-4- توزیع فراوانی متغیر وضعیت سابقه اشتغال در نمونه
سابقه اشتغال در
سازمان
فراوانی هر طبقه
درصد فراوانی داده های هر طبقه
درصد فراوانی داده های معتبر هر طبقه
درصد تجمعی
0-10
45
22.6
22.6
22.6
11- 20
92
46.2
46.2
68.8
21- 30
62
31.2
31.2
100.0
کل
199
100.0
100.0

جدول 4-5، توزیع فراوانی متغیر وضعیت سابقه اشتغال را نشان میدهد. بر اساس نتایج به دست آمده در جدول فوق، 92 نفر از نمونه 199 نفری دارای تجربه کاری 11-20 سال میباشند که 2/46 درصد از کل نمونه را تشکیل میدهند و بیشترین افراد می‌باشند. تعداد فراوانی افرادی که سابقه 0-10 سال می باشند ، 45 نفر در نمونه هستند که 6/22 درصد از کل نمونه را تشکیل میدهند. نمودار دایرهای توزیع فراوانی این متغیر جمعیت شناسی در شکل 4-4 ارائه شده است.

شکل 4-4: نمودار دایرهای متغیر وضعیت سابقه اشتغال در نمونه

4-2- برآورد الگو
پس از تدوین نظری الگو برای تبیین پدیده مورد پژوهش و اندازهگیری متغیرهای پنهان تعریف شده، لازم است تا به بحث برآورد الگو و تحلیل شاخصهای کلی و جزئی الگو پرداخت، تا مشخص شود که آیا دادههای تجربی در مجموع حمایت کنندهی الگو نظری تدوین شده هستند یا خیر. وجود اجزای متعدد در الگوی تدوین شده، پژوهشگران را به این قسمت سوق داد که قبل از آن که الگوهای تدوین شده در همان گام اول مورد برآورد و آزمون قرار گیرند در ابتدا الگوهای اندازهگیری حاضر در الگوها برآورد و آزمون شوند. میتوان گفت بررسی روابط ساختاری بین متغیرهای پنهان هنگامی منطقیتر و با معناتر تفسیر میشود که اندازهگیری سازههای پنهان با توجه به معیارهای علمی قابل قبول باشند. وجود شاخصهای برازش کلی ضعیف برای هر یک از الگوهای اندازهگیری به معنای آن است که ورود آن الگو اندازهگیری به الگو معادله ساختاری میتواند پژوهشگر را در تحلیل روابط ساختاری بین متغیرهای پنهان با اشتباه مواجه شود. به عبارتی دیگر مهمترین مرحله در تجزیه و تحلیل آماری SEM ارزیابی برازش الگو به دادهها است. پیش از انجام هرگونه روابط علی میان سازهها، لازم است برازش الگو به دادهها تایید گردد. قبل از انجام این کار به آزمون نرمال بودن جامعه آماری پرداخته می‌شود.

4-2-1- آزمون کولموگوروف – اسمیرنوف
با استفاده از آزمون کولموگوروف – اسمیرنوف می توان توزیع (نرمال، یکنواخت، پواسون و نمایی) داده های یک متغیر کمّی را مورد بررسی قرار داد. در پژوهش حاضر از این آزمون جهت بررسی نرمال بودن سؤالات پرسشنامه استفاده شده است تا در صورت برقرار بودن این شرط بتوان از آزمون های
آماری پارامتریک و همچنین از روش حداکثر درست نمایی در معادلات ساختاری استفاده نمود. نتایج این آزمون در جدول 4- 5 آمده است.
جدول 4-5: نتایج آزمون کولموگوروف – اسمیرنوف در نمونه
تعداد داده‌ها
میانگین
انحراف معیار
سطح معناداری(sig)
نتیجه آزمون
199
2/3
36/0
45/0
تأیید H0

با توجه به اینکه سطح معناداری آزمون بالاتر از 05/0 می‌باشد، ادعای نرمال بودن سؤالات پرسشنامه پذیرفته شده و می‌توان از آزمون‌های پارامتریک و از روش ML در مدل سازی معادلات ساختاری استفاده کرد.
4-2-2- برآورد و آزمون الگوهای اندازهگیری (الگوهای عاملی تأییدی)
جهت مشخص کردن اینکه شاخصها تا چه اندازه برای الگوهای اندازهگیری قابل قبول میباشند، ابتدا باید تمام الگوهای اندازهگیری را جداگانه مورد تحلیل قرار گیرد. بر مبنای اتخاذ چنین روشی ابتدا هفت الگو اندازهگیری که مربوط به متغیرهای اصلی پژوهش میباشند، به طور مجزا مورد آزمون قرار میگیرند. شاخصهای کلی برازش الگو برای الگوهای اندازهگیری (تحلیل عاملی

Written by 

دیدگاهتان را بنویسید