تحليل همبستگي ابزاري آماري براي تعيين نوع و شدت رابطه يک متغير کمي با متغير کمي ديگر است. ضريب همبستگي يکي از معيارهاي مورد استفاده در تعيين همبستگي دو متغير مي باشد. اين ضريب بين 1 و 1- است و در صورت عدم وجود رابطه بين دو متغير برابر صفر ميباشد(مومني، 1386). در اين تحقيق از ضريب همبستگي پيرسون به منظور بررسي نوع و شدت رابطه بين متغيرهاي تحقيق استفاده شد.
2-8-3) رگرسيون خطي
واژه”رگرسيون” به معناي “بازگشت” است و نشان دهنده آن است كه مقدار يك متغير به متغير ديگر بر ميگردد. اين واژه را اولين بار فرانسيس گالتون در سال 1877 ميلادي در تبيين روابط بين متغيرها بكار برد. در رگرسيون به دنبال برآورد رابطهاي رياضي و تحليل آن هستيم، به طوري كه با آن بتوان كميت متغيري مجهول را با استفاده از متغير(هاي) معلوم تعيين كرد (مومنی، 1386). مراحل آزمون معني داري به شرح زير مي باشد.
1-2-8-3) تعيين فرضيات آزمون
H0: β =0
H1: β =1
در اين آزمون H0 نشان دهنده آن است كه شيب خط رگرسيون جامعه صفر است يعني رابطه خطي بين دو متغير نمي توان يافت و مقاديرY تابعي ازX نیست و H1 بيانگر وجود رابطه خطي بين دو متغير در جامعه است يعني بيانگر فرضيه پژوهشي است
2-2-8-3) محاسبه آماره آزمون
آماره آزمون كه داراي توزيع tاستيودنت باn-2 درجه آزادي است براساس فرمول زير محاسبه ميشود:
كه در رابطه فوق خطاي معيار، (ضريب رگرسيون حاصل از نمونه) از طريق رابطه زير به دست ميآيد:
كه در رابطه فوق خطاي معيار برآورد است. كه از طريق فرمول زير محاسبه مي شود:
3-2-8-3) تعيين مقادير بحراني
در اين مرحله مقادير بحراني با توجه به n و α و يك دامنه يا دو دنباله بودن آزمون تعيين مي شوند.
4-2-8-3) تصميم گيري
اگر آماره آزمون با توجه به مقادير بحراني در ناحيه پذيرش H0 واقع باشد، فرض H1 درسطح اطمينان درصد پذيرفته مي شود. به عبارت ديگر رابطه خطي معني داري بين متغير مستقل و متغير وابسته وجود ندارد. در غير اين صورت دادههاي نمونه دليل محكمي بر تاييد H0 ارائه نداده به بيان ديگر H1تائيد شده يعني رابطه خطي معني داري بين متغير وابسته و مستقل وجود دارد (آذر و مومني، 1380). پس اگر سطح معني داري نگاره ستاده كمتر از 05/0 باشد يعني فرض H0 در سطح معني داري 95/0 تاييد نشده و رابطه خطي معني داري بين دو متغير وجود دارد.
9-3)تحليل عاملي
تحليل عاملي اصطلاحي است كلي براي تعدادي از تكنيك هاي رياضي و آماري مختلف اما مرتبط با هم به منظور تحقيق درباره ماهيت روابط بين متغيرهاي يك مجموعه معين.
تحلیل عاملی از جمله روشهای چند متغیره است که در آن، متغیرهای مستقل و وابسته مطرح نیست زیرا این روش جزء تکنیک های به هم وابسته محسوب میگردد و کلیه متغیرها نسبت به هم وابسته اند. مساله اساسي تعيين اين مطلب است كه آيا تعداد زیادی متغير اصلی را مي توان به مجموعه کوچکتری از متغیرها، با کمترین میزان ریزش اطلاعات تبدیل کرد؟
1-9-3)مفاهيم کليدي روش تحليل عاملي
اشتراک: میزان واریانس مشترک ،بین یک متغیر با سایر متغیرهای به کار گرفته شده در تحلیل عاملی
مقدار خاص: میزان واریانس تبیین شده بوسیله هر عامل
مقدار ویژه: هرکدام از بارهای عاملی را به توان 2 برسانیم و با هم جمع کنیم (مجموع مجذورات بارهای عاملی)
عامل: عبارت است از ترکیب خطی متغیرهای اصلی که خلاصه شده اند.
بار عاملی: عبارت است از همبستگی بین متغیرهای اصلی و عوامل
ماتریس عاملی: جدولی است که بارهای عاملی کلیه متغیرها را در هر عامل، نشان می دهد.
چرخش عاملی: فرایندی است که برای تعدیل محور عامل به منظور دستیابی به عامل های ساده و بامعنی
نمره عاملی: تحلیل عاملی متغیرهای اصلی را در تعداد محدودی از عامل ها خلاصه میکند.
2-9-3) مراحل اجراي تحليل عاملي
مرحله 1– توليد ماتريس همبستگي براي تمامي متغيرهاي نمونه آماري
مرحله 2– انتخاب مدل تحلیل
مرحله 3– روش استخراج عامل ها
مرحله 4– چرخش عامل ها
1-2-9-3)روشKMO
مقدار آن همواره بين 0 و 1 در نوسان است در صورتي که KMO کمتر از 0.5 باشد داده ها براي تحليل عاملي مناسب نخواهد بود و اگر مقدار آن بين0.5 تا 0.69 باشد داده ها متوسط بوده و اگر مقدار اين شاخص، بزرگتر از 0.7 باشد همبستگي هاي موجود در بين داده ها براي تحليل عاملي مناسب خواهند بود.
2-2-9-3) روش بارتلت
یکی دیگر از روشهای تشخیص مناسب بودن داده ها می باشد آزمون بارتلت، این فرضیه را که ماتریس همبستگی مشاهده شده متعلق به جامعه ای با متغیرهای نابسته است، می آزماید. برای اینکه یک مدل عاملی، مفید و دارای معنا باشد لازم است متغیرها همبسته باشند. پس فرضیه آزمون بارتلت به اینصورت است:
H0 : داده ها ناهمبسته اند.
: H1داده ها همبسته اند.

منبع فایل کامل این پایان نامه این سایت pipaf.ir است