۳-۷ روش تجزیه و تحلیل دادهها
برای تجزیه و تحلیل اطلاعات از روش آمار توصیفی و آمار استنباطی استفاده میشود. با استفاده از آمار توصیفی به بیان جداول توصیفی و رسم نمودارها میپردازیم. برای آزمون فرضیات تحقیق از آمار استنباطی استفاده میکنیم. برای آزمون فرضیات ابتدا با استفاده از آزمون کلموگروف اسمیرنوف فرض نرمال بودن متغیرها را بررسی میکنیم، سپس با توجه به عدم پیروی دادها از توزیع نرمال با استفاده از ضریب همبستگی اسپیرمن به بررسی فرضیات پرداخته سپس با استفاده از نرم افزار آموس مدل را طراحی کرده و با در نظر گرفتن معیارهای مناسبت مدل، با تحلیل اکتشافی بهترین و مناسب ترین مدل را استخراج کرده و پیشنهاد می دهیم.
در ادامه به معرفی مدل ها و آزمونهای مورد نیاز می پردازیم.
۳-۷-۱ مدل معادلات ساختاری
از جمله روش های تجزیه و تحلیل مورد استفاده در پژوهش های مدیریت مدل تحلیل مسیر ومدل معادلات ساختاری است . یک مدل کامل معادلات ساختاری آمیزه ی از نمودار مسیر و تحلیل عاملی تاییدی است . مدل سازی معادلات ساختاری یک رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط میان متغیرهای مشاهده شده و پنهان است که گاه تحلیل ساختاری کواریانس یا مدل یابی علی نیز نامیده می شود. متغیر پنهان متغیری است که به طور مستقیم اندازه گیری نمی شود بلکه با استفاده از دو یا تعداد بیشتری از متغیرهای مشاهده شده در نقش معرف سنجش می شود. مدل های معادله ساختاری به طور معمول ترکیبی از مدل های اندازه گیری و مدل های ساختاری اند، به طور کلی در استنتاج علمی در علوم مدیریت و رفتاری دومسئله عمده وجود دارد:
۱-اولین مسئله مربوط به اندازه گیری و سنجش متغیر هاست . یعنی چگونه می توان اعتبار و روایی مقیاس را بیان کرد؟
۲-دومین مسئله مربوط به روابط علی میان متغیرها و قدرت تبیین چنین روابطی است به عبارتی چگونه می توان روابط علی پیچیده بین متغیرهایی که به طور مستقیم قابل مشاهده نیستند را با شاخص های دارای احتمال خطا استنتاج نمود؟ چگونه می توان قوت روابط نهانی بین متغیرها را مورد ارزیابی قرار داد؟
با استفاده از مدل معادلات ساختاری می توان روابط علت و معلولی میان متغیرهایی که به طور مستقیم قابل مشاهده نیستند را با توجه به خطاها استنتاج نمود و میزان همبستگی و شدت اثر گذاری هر یک را بر دیگری مورد تجزیه و تحلیل قرار داد. به همین دلیل مدل سازی معادلات ساختاری با عنوان تجزیه و تحلیل متغیرهای پنهان با مدل سازی علی نیز شناخته شده است . در این روش مانند رگرسیون که همبستگی های تجربی را نشان می دهد پارامترهای ساختاری هم بستگی های علی را تبیین می کند .
مجموعه متغیرهایی که در مدل معادلات ساختاری وجود دارند بر دو نوع هستند:
-متغیرهای مشاهده شده
-متغیرهای مکنون : یک سری سازه های نظری هستند مانند مفاهیم انتزاعی که مستقیما قابل مشاهده نیستند.
مدل ساختاری نیز روابط علی میان سازه ها (متغیرهای نهفته ) و قدرت تبیین آنها را نشان می دهد . این مدل به سوال های مربوط به قدرت روابط علی (مستقیم ، غیر مستقیم ، کل) بین متغیرهای نهفته و مقدار واریانس تبیین شده در کل مدل پاسخ می دهد.
هدف تحلیل عاملی تاییدی:
از کاربردی ترین مباحث در علوم اجتماعی ، اقتصادی ، مدیریت و روان شناسی است . هدف از آن : تایید راهی برای ساختن پرسشنا مه ها برای سنجش و اندازه گیری مفاهیم (متغیرهای پنهان ) است . از آنجا که متغیرهای پنهان به خودی خود قابل اندازه گیری نیستند می بایست برای آنها تعریف عملیاتی صورت داد که این تعریف عملیاتی به کمک متغیرهای آشکار صورت می گیرد. (داوری و رضا زاده ،۱۳۹۲)
۳-۷-۲ معیارهای NFI ، RFI ، IFI ، CFI ، RMSEA
NFI : این شاخص به مقایسه مدل مستقل (مدلی که در آن بین متغیرها هیچ رابطه ای نیست به این مدل، مدل پایه نیز گفته میشود) با مدلی که توسط ما پیشنهاد داده میشود، میپردازد. این شاخص هرچه به عدد یک نزدیک تر باشد به این معناست که مدل پیشنهادی ما مناسب بوده است و به صورت زیر محاسبه می شود:
 
بطوریکه، A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند.
RFI : شاخص برازش نسبی است و مناسبت مدل ارائه شده را می سنجد و به صورت زیر محاسبه می شود:
 
که در فرمول فوق ، A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند.  و  به ترتیب نشان دهنده درجه آزادی مدل مستقل و درجه آزادی مدل پیشنهادی هستند. هرچه مقدار RFI به یک نزدیک تر باشد، مدل بهتر است.
IFI : این معیار شاخص برازش نموی است و به صورت زیر محاسبه می شود:
 
بطوریکه A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی و  نشان دهنده درجه آزادی مدل پیشنهادی هستند. هرچه مقدار IFI به یک نزدیک تر باشد نتیجه می گیریم که مدل پیشنهادی مناسب است.
CFI: این معیار شاخص برازش مقایسه ای است و به صورت زیر محاسبه می شود:
 
در این فرمول نیز مقادیر A ، B ، d و  همانند قبل تعریف می شوند. هرچه مقدار CFI به یک نزدیک تر باشد نتیجه می گیریم که مدل پیشنهادی مناسب است.
RMSEA : این شاخص نشان دهنده جذر میانگین مربعات خطای تقریبی است و به صورت تفاضل بین مجموع مربعات خطای کلی و مجموع مربعات خطای مدل پیشنهادی محاسبه میشود. در صورتی که مقدار RMSEA از ۰۵/۰ کمتر باشد نتیجه میگیریم مدل مناسب است. در صورتی که مقدار آن بین ۰۵/۰ تا ۰۸/۰ باشد، مدل برازش داده شده مناسب و در صورتی که از ۱/۰ بالاتر باشد نتیجه میگیریم که مدل برازش داده شده ضعیف است.
۳-۷-۲ آزمون کلموگروف- اسمیرنوف
از این آزمون برای بررسی نرمال بودن مشاهدات استفاده میکنیم. فرض کنید مشاهده iام را با  نمایش دهیم و فراوانی تجمعی مشاهده شده و فراوانی تجمعی مورد انتظار  را به ترتیب با  و  نمایش می دهیم. در این آزمون، در صورتیکه n مشاهده داشته باشیم، ابتدا برای هریک از مشاهدات  و  ،  ، را محاسبه میکنیم. سپس کمیتهای زیر را محاسبه می کنیم:
 
حال فرض صفر و مقابل را به صورت زیر تعریف میکنیم:
فرض صفر:  (نرمال بودن مشاهدات)
فرض مقابل: مخالف فرض صفر.
حال اگر مقدار  بزرگ باشد، فرض  را رد میکنیم.
۳-۸ نرم افزار های مورد استفاده
در این تحقیق از برخی نرمافزارهای۲۰۱۰ Office از قبیل نرمافزار word و Excel استفاده شده است و نیز برای پردازش اطلاعات و تحلیل آن از نرم افزار Spss22, Amos استفاده شده است.

این نوشته را هم بخوانید :   بررسی عوامل موثر بر بهبود تصویر برند بانک سینا در میان مشتریان- قسمت ۷

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.