۳-۷-۱تحلیل عاملی تائیدی
در تحلیلهای عاملی تاییدی، که هدف پژوهشگر تایید ساختار عاملی ویژه ای میباشد، در باره تعداد عاملها به طور آشکار فرضیه های بیان می‌شود و برازش ساختار عاملی مورد نظر در فرضیه با ساختار کواریانس متغیرهای اندازه گیری شده مورد آزمون قرار می‌گیرد. در تحلیل عاملی تاییدی، پژوهشگر به دنبال تهیه مدلی است که فرض میشود داده های تجربی را برپایه چند پارامتر نسبتا اندک، توصیف، تبیین یا توجیه میکند. این مدل مبتنی بر اطلاعات پیش تجربی در باره ساختار داده هاست که میتواند به شکل: ۱) یک تئوری یا فرضیه ۲) یک طرح طبقه بندی کننده معین برای گویه ها در انطباق با ویژگیهای عینی شکل و محتوا ۳)شرایط معلوم تجربی و یا ۴) دانش حاصل از مطالعات قبلی در باره داده های وسیع باشد. لذا تمایز مهم روش های تحلیل اکتشافی و تاییدی در این است که روش اکتشافی با صرفه ترین روش تبیین واریانس مشترک زیر بنایی یک ماتریس همبستگی را مشخص میکند. در حالیکه روش های تاییدی (آزمون فرضیه) تعیین می کنندکه داده ها با یک ساختار عاملی معین (که درفرضیه آمده) هماهنگ اند یا نه .برای انجام تحلیل عامل تاییدی از نرم افزار Lisrelاستفاده میشود. این نرم افزار به منظور برآورد و آزمون مدلهای معادلات ساختاری طراحی و ازسوی شرکت بین المللی نرم افزارعلمی (SSI) به بازار عرضه شده است. این نرم افزار با بهره گرفتن از همبستگی و کوواریانس بین متغیرهای اندازه گیری شده، می‌تواند مقادیر بارهای عاملی، واریانس ها و خطاهای متغیرهای مکنون را برآورد یا استنباط کند(سرمد و همکاران، ۱۳۷۶).
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۷-۲مدل یابی معادلات ساختاری^[۳۱]
یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیقتر بسط مدل خطی کلی است که به پژوهشگر امکان میدهد مجموعهای از معادلات رگرسیون را به گونه همزمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری یک رویکرد جامع برای آزمون فرضیه هایی درباره روابط متغیرهای مشاهده شده و مکنون است که گاه تحلیل ساختاری کوواریانس، مدل یابی علّی وگاه نیز لیزرل نامیده شده است اما اصطلاح غالب دراین روزها، مدل یابی معادله ساختاری یا به گونه خلاصه SEM است.
۳-۷-۳آزمونهای برازندگی مدل کلی
با آنکه انواع گوناگون آزمونها که به گونه کلی شاخصهای برازندگی^[۳۲] نامیده میشوند پیوسته در حال مقایسه، توسعه و تکامل میباشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقاله های مختلف، شاخص های مختلفی را ارائه کرده اند و حتی نگارش های مشهور برنامه های SEM مانند نرم افزارهای lisrel, Amos, EQS نیز تعداد زیادی از شاخص های برازندگی به دست میدهند.
برخی از این شاخصها عبارتند از:

• • شاخصهای^[۳۳]GFI

شاخص GFI مقدار نسبی واریانسها وکوواریانسهارا به گونه مشترک از طریق مدل ارزیابی میکند. دامنه تغییرات GFI بین صفر ویک میباشد. مقدار GFI باید برابر یا بزرگتر از ۹/. باشد تا مدل پذیرفته شود.

• • شاخص AGFI^[34]

برازندگی دیگر AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی میباشد. مقدار این شاخص نیز بین صفر و یک میباشد. شاخصهای GFI و AGFI را که جارزکاگ و سوربوم ^[۳۵](۱۹۸۹) پیشنهاد کرده اند بستگی به حجم نمونه ندارد.

• • شاخص^[۳۶] RMSEA

این شاخص، ریشه میانگین مجذورات تقریب میباشد. شاخص RMSEA هر چقدر به صفر نزدیکتر باشد بهتر است.

• • مجذور کای (  )

آزمون مجذور کای (خی دو) این فرضیه را که مدل مورد نظر هماهنگ با الگوی هم پراشی بین متغیرهای مشاهده شده است را می آزماید، کمیت خی دو بسیار به حجم نمونه وابسته میباشد و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آنرا به غلط بودن مدل نسبت داد، افزایش می دهد.

• • شاخصNFI و CFI

شاخصNFI که شاخص بنتلر-بونتهم نامیده میشود، برای مقادیر بالای ۹/. قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از ۹/. قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی موردنظر، مقدار بهبود را نیز می آزماید. شاخص CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه میدهد(هومن، ۱۳۸۴).
در تحلیل تائیدی با بهره گرفتن از نرم افزار لیزرل یک سری شاخص های قراردادی وجود دارند که در صورتی که مقدار آنها در حد قابل قبولی باشد، اجرای مدل را معنی دار و مسیر پیشنهادی را مناسب می سازد. تحلیل عاملی تأییدی به منظور بررسی روایی مقیاس مورد استفاده قرار می گیرد. چنانچه اشاره شد، ابتدا بایستی میزان انطباق پذیری مدل ارزیابی، مورد آزمون قرارگیرد. ادبیات موجود پیشنهاد می کند که برای برازندگی و تناسب یک مدل خوب باید:

1. 1. درجه کای دو تقسیم بر درجه آزادی(  ( کمتر از ۳ باشد.

1. 1. شاخص میزان انطباق پذیری (GFI) باید بزرگتر از ۸/۰ باشد.

1. 1. شاخص میزان انطباق پذیری تنظیمی (AGFI)،شاخص (NFI) وشاخص (NNFI) باید بزرگتر از ۹/۰ باشد .و

1. 1. شاخص (RMSEA) باید کمتر از ۱/۰ باشد(هنری و استون^[۳۷]،۱۹۹۴).

یک اندازه جزئی دیگر برازندگی ، مجذور همبستگی چند متغیری است که برای هر معادله و برای متغیر های اندازه گیری شده در یک مدل کامل معادله ساختاری بدست می آید. مجذور همبستگی چند متغیری (R²)، معرف نسبت واریانس تبیین شده بوسیله متغیر مکنون است (آزمون اینکه یک نشانگر تا چه حد دقیق است)، و باید (تاحد ممکن) نزدیک به ۱ باشد.
نرم افزار لیزرل، برای هر پارامتر آزاد (برآورد شده) در مدل یک مقدار t محاسبه می کند. این آزمون نشان می دهد که کدام یک از پارامتر ها می تواند از مدل حذف شود، بدون آنکه مقدار  افزایش یابد. ایدئال آن است که این مقادیر کوچک تر از ۱٫۹۶ باشند تا بی معنا در نظر گرفته شوند(هومن، ۱۳۸۴).
در این فصل پس از ارائه مقدمه ای در مورد تجزیه و تحلیل مدل، به توصیف روش تجزیه و تحلیل که با بهره گرفتن از نرم افزار لیزرل می باشد پرداخته شد.
فصل چهارم
تجزیه و تحلیل داده ها
۴-۱مقدمه
داده ها و اطلاعات منابع خامی هستند که برای کاربردی شدن آنها باید توسط ابزار مناسبی مورد تجزیه و تحلیل قرار گیرند. برای یک پروژه تحقیقاتی مدیریتی ، تحلیل داده ها و تفسیر نتایج بسیار با اهمیت می باشد. در این فصل به آزمونهای متنوع آماری و تفسیر نتایج ناشی از تحلیل ها خواهیم پرداخت.
در تحلیل داده ها سه هدف مد نظرمی باشد: درک داده ها ، آزمون پردازش داده ها و آزمون فرضیه های ایجاد شده برای پژوهش. توزیع فراوانی متغییر ها ، همراه با نمایش تصویری فراوانی ها توسط نمودارها در ادامه ارائه شده است.
۴-۱-۱یافته های توصیفی
در این بخش از تجزیه و تحلیل آماری به بررسی چگونگی توزیع نمونه‌های آماری از حیث متغیرهایی چون جنسیت، میزان تحصیلات، سن و سابقه کار پرداخته می‌شود. همچنین جداول و نمودار های مربوطه در پیوست ارائه شده است.
جدول۴-۱مشخصات جمعیت دموگرافیک