منبع پایان نامه درمورد تحلیل عامل

منبع پایان نامه درمورد تحلیل عامل

منبع پایان نامه درمورد تحلیل عامل

۷۸۷
Q17
۱۰۸. ۳۸
۱۱۱. ۸۹۵
. ۳۸۰
. ۵۰۵
. ۷۸۷
Q18
۱۰۷. ۹۶
۱۱۲. ۹۸۳
. ۳۲۲
. ۴۶۹
. ۷۸۹
Q19
۱۰۷. ۲۶
۱۱۳. ۷۶۴
. ۲۷۸
. ۲۹۳
. ۷۹۱
Q20
۱۰۷. ۳۴
۱۱۳. ۷۴۵
. ۲۴۸
. ۵۱۴
. ۷۹۲
Q21
۱۰۷. ۶۵
۱۱۴. ۷۵۰
. ۲۱۶
. ۴۶۱
. ۷۹۳
Q22
۱۰۸. ۳۹
۱۱۳. ۶۷۷
. ۲۶۰
. ۳۳۹
. ۷۹۱
Q23
۱۰۷. ۰۱
۱۱۴. ۱۶۶
. ۲۶۱
. ۴۴۵
. ۷۹۱
Q24
۱۰۷. ۸۲
۱۱۱. ۸۱۳
. ۴۶۰
. ۵۱۹
. ۷۸۵
Q25
۱۰۷. ۷۵
۱۱۲. ۰۲۵
. ۴۵۴
. ۵۳۹
. ۷۸۵
Q26
۱۰۷. ۶۸
۱۱۳. ۶۱۶
. ۲۶۸
. ۲۹۸
. ۷۹۱
Q27
۱۰۷. ۵۱
۱۱۱. ۲۸۶
. ۴۵۹
. ۵۱۵
. ۷۸۴
Q28
۱۰۶. ۸۵
۱۱۸. ۴۹۶
. ۰۲۸
. ۲۱۸
. ۸۰۰
Q31
۱۰۷. ۴۳
۱۱۱. ۳۴۲
. ۲۹۷
. ۴۰۳
. ۷۹۰
Q32
۱۰۷. ۶۷
۱۱۲. ۷۲۳
. ۲۶۴
. ۴۶۱
. ۷۹۲
Q33
۱۰۷. ۹۶
۱۱۱. ۱۹۴
. ۲۷۳
. ۴۷۶
. ۷۹۲
Q34
۱۰۷. ۶۲
۱۱۲. ۱۸۷
. ۲۷۶
. ۴۲۰
. ۷۹۱
Q35
۱۰۷. ۷۲
۱۰۸. ۶۷۳
. ۳۹۹
. ۴۴۷
. ۷۸۵
Q37
۱۰۶. ۹۷
۱۱۶. ۵۰۷
. ۱۴۵
. ۳۱۲
. ۷۹۵
Q38
۱۰۷. ۴۷
۱۱۶. ۴۸۲
. ۱۱۱
. ۳۰۶
. ۷۹۸
در تحلیل عامل اولیه با توجه به اینکه اندازه میانگین کفایت نمونه‏گیری (Kaiser-Meyer-Olkin Measure of Samplng =KMO) حدود ۷۰ درصد است لذا چون بالای ۵۰ درصد است (در اینجا ۰. ۷۰۷ که حدود ۷۱ درصد است)پس این پرسشنامه توانایی عاملی شدن را به مقدار قابل قبول تا اینجا دارا می‏باشد. (هرچه به یک نزدیکتر باشد بهتر است) و همچنین طبق آزمون کرویت بارتلت(Bartlett’s Test of Sphericity)چون مقدار آن (Sig. = 0. 000)در جدول زیر کوچکتر از ۵ درصد است توانایی عاملی شدن تا اینجا تأیید می‏شود ولی بهتر است سایر شاخص‏های توانایی عاملی شدن را به دلیل حساس بودن این آزمون مورد برسی قرار داد.
KMO and Bartlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
. ۷۰۷
Bartlett’s Test of Sphericity
Approx. Chi-Square
۲۳۱۰. ۹۵۳
Df
۷۰۳
Sig.
. ۰۰۰
جهت بررسی سایر شاخص‏های توانایی عاملی شدن مقدار KMO هر سئوال را از ماتریس image Matrices Anti- مشاهده کرده و اگر اندازه نمونه مناسب باشد در روی عناصر قطر اصلی قسمت دوم ماتریس image Matrices Anti- که بعد از آن یک خط کشیده شده است و تحت عنوان image correlation Anti- مشخص شده است در بالای عدد آن حرف a نمایش داده شده است و به معنی اینست که اندازه نمونه مناسب می‏باشد. (Measures of Sampling Adequacy=MSA)(همگی بالای ۵/۰ است)
به دلیل بزرگی این ماتریس آن را نمی توان نمایش داد. بنابراین هیچ سئوالی لازم به حذف نیست.
میزان اشتراکات در جدول زیر آورده شده که کمترین آن برابر ۰. ۴۳۹ است.
Communalities
Initial
Extraction
Q1
۱. ۰۰۰
. ۶۶۵
Q2
۱. ۰۰۰
. ۵۲۷
Q3
۱. ۰۰۰
. ۶۴۳
Q4
۱. ۰۰۰
. ۶۸۲
Q5
۱. ۰۰۰
. ۴۳۹
Q6
۱. ۰۰۰
. ۷۵۸
Q7
۱. ۰۰۰
. ۷۸۵
Q8
۱. ۰۰۰
. ۶۳۸
Q9
۱. ۰۰۰
. ۷۰۵
Q10
۱. ۰۰۰
. ۷۳۵
Q11
۱. ۰۰۰
. ۶۰۱
Q12
۱. ۰۰۰
. ۵۳۴
Q13
۱. ۰۰۰
. ۵۳۹
Q14
۱. ۰۰۰
. ۶۵۲
Q15
۱. ۰۰۰
. ۵۵۲
Q16
۱. ۰۰۰
. ۷۲۰
Q17
۱. ۰۰۰
. ۶۲۰
Q18
۱. ۰۰۰
. ۶۵۲
Q19
۱. ۰۰۰
. ۴۴۲
Q20
۱. ۰۰۰
. ۷۲۲
Q21
۱. ۰۰۰
. ۶۹۵
Q22
۱. ۰۰۰
. ۶۳۳
Q23
۱. ۰۰۰
. ۶۹۰
Q24
۱. ۰۰۰
. ۶۶۲
Q25
۱. ۰۰۰
. ۶۷۹
Q26
۱. ۰۰۰
. ۶۴۴
Q27
۱. ۰۰۰
. ۶۶۹
Q28
۱. ۰۰۰
. ۶۴۰
Q29
۱. ۰۰۰
. ۶۹۰
Q30
۱. ۰۰۰
. ۶۳۲
Q31
۱. ۰۰۰
. ۶۰۴
Q32
۱. ۰۰۰
. ۵۷۳
Q33
۱. ۰۰۰
. ۶۶۶
Q34
۱. ۰۰۰
. ۵۹۱
Q35
۱. ۰۰۰
. ۶۲۶
Q36
۱. ۰۰۰
. ۶۵۹
Q37
۱. ۰۰۰
. ۶۸۹
Q38
۱. ۰۰۰
. ۷۲۲
Extraction Method: Principal Component Analysis.
جدول زیر تعداد عوامل و مقدار واریانس کل تبیین شده را ارائه میکند. همانطور که مشاهده می‏شود تعداد عوامل برابر۱۰ که بعد از چرخش نیز تغییر نکرده است و این عوامل روی هم ۶۴. ۱۴ درصد از واریانس را تبیین می‏کنند.
(دراین جدول عوامل نشان داده شده ۱۰ تا است که مقدار ویژه آن از عدد یک بیشتر است )
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
۱
۵. ۴۴۳
۱۴. ۳۲۳
۱۴. ۳۲۳
۵. ۴۴۳
۱۴. ۳۲۳
۱۴. ۳۲۳
۲. ۹۵۱
۷. ۷۶۵
۷. ۷۶۵
۲
۳. ۵۷۷
۹. ۴۱۳
۲۳. ۷۳۶
۳. ۵۷۷
۹. ۴۱۳
۲۳. ۷۳۶
۲. ۷۲۸
۷. ۱۷۹
۱۴. ۹۴۴
۳
۲. ۵۱۴
۶. ۶۱۷
۳۰. ۳۵۳
۲. ۵۱۴
۶. ۶۱۷
۳۰. ۳۵۳
۲. ۳۷۶
۶. ۲۵۲
۲۱. ۱۹۶
۴
۲. ۲۱۲
۵. ۸۲۲
۳۶. ۱۷۵
۲. ۲۱۲
۵. ۸۲۲
۳۶. ۱۷۵
۲. ۳۷۴
۶. ۲۴۸
۲۷. ۴۴۴
۵
۱. ۶۹۶
۴. ۴۶۳
۴۰. ۶۳۸
۱. ۶۹۶
۴. ۴۶۳
۴۰. ۶۳۸
۲. ۳۱۳
۶. ۰۸۶
۳۳. ۵۳۰
۶
۱. ۶۴۶
۴. ۳۳۱
۴۴. ۹۶۹
۱. ۶۴۶
۴. ۳۳۱
۴۴. ۹۶۹
۲. ۰۱۱
۵. ۲۹۱
۳۸. ۸۲۱
۷
۱. ۵۳۹
۴. ۰۵۰
۴۹. ۰۱۹
۱. ۵۳۹
۴. ۰۵۰
۴۹. ۰۱۹
۱. ۸۶۳
۴. ۹۰۳
۴۳. ۷۲۴
۸
۱. ۲۸۴
۳. ۳۷۹
۵۲. ۳۹۹
۱. ۲۸۴
۳. ۳۷۹
۵۲. ۳۹۹
۱. ۷۶۷
۴. ۶۵۱
۴۸. ۳۷۵
۹
۱. ۲۴۱
۳. ۲۶۶
۵۵. ۶۶۵
۱. ۲۴۱
۳. ۲۶۶
۵۵. ۶۶۵
۱. ۶۹۷
۴. ۴۶۶
۵۲. ۸۴۱
۱۰
۱. ۱۳۲
۲. ۹۸۰
۵۸. ۶۴۵
۱. ۱۳۲
۲. ۹۸۰
۵۸. ۶۴۵
۱. ۶۱۳
۴. ۲۴۴
۵۷. ۰۸۵
۱۱
۱. ۰۵۲
۲. ۷۶۹
۶۱. ۴۱۵
۱. ۰۵۲
۲. ۷۶۹
۶۱. ۴۱۵
۱. ۳۴۳
۳. ۵۳۴
۶۰. ۶۱۹
۱۲
۱. ۰۳۸
۲. ۷۳۱
۶۴. ۱۴۶
۱. ۰۳۸
۲. ۷۳۱
۶۴. ۱۴۶
۱. ۳۴۰
۳. ۵۲۷
۶۴. ۱۴۶
۱۳
. ۹۴۴
۲. ۴۸۴
۶۶. ۶۳۰
۱۴
. ۹۱۱
۲. ۳۹۸
۶۹. ۰۲۸
۱۵
. ۸۸۶
۲. ۳۳۱
۷۱. ۳۵۹
۱۶
. ۸۰۱
۲. ۱۰۸
۷۳. ۴۶۷
۱۷
. ۷۴۲
۱. ۹۵۳
۷۵. ۴۲۰
۱۸
. ۷۲۱
۱. ۸۹۶
۷۷. ۳۱۶
۱۹
. ۶۸۳
۱. ۷۹۸
۷۹. ۱۱۴
۲۰
. ۶۴۹
۱. ۷۰۹
۸۰. ۸۲۳
۲۱
. ۶۲۰
۱. ۶۳۳
۸۲. ۴۵۵
۲۲
. ۵۹۱
۱. ۵۵۵
۸۴. ۰۱۰
۲۳
. ۵۸۰
۱. ۵۲۷
۸۵. ۵۳۷
۲۴
. ۵۴۶
۱. ۴۳۷
۸۶. ۹۷۴
۲۵
. ۵۲۵
۱. ۳۸۰
۸۸. ۳۵۵
۲۶
. ۵۰۱
۱. ۳۱۹
۸۹. ۶۷۴
۲۷
. ۴۷۷
۱. ۲۵۶
۹۰. ۹۳۰
۲۸
. ۴۵۵
۱. ۱۹۷
۹۲. ۱۲۷
۲۹
. ۴۰۱
۱. ۰۵۴
۹۳. ۱۸۲
۳۰
. ۳۸۱
۱. ۰۰۲
۹۴. ۱۸۳
۳۱
. ۳۵۱
. ۹۲۴
۹۵. ۱۰۷
۳۲
. ۳۴۶
. ۹۱۱
۹۶. ۰۱۸
۳۳
. ۳۰۸
. ۸۱۱
۹۶. ۸۲۹
۳۴
. ۲۸۵
. ۷۵۰
۹۷. ۵۷۸
۳۵
. ۲۷۱
. ۷۱۳
۹۸. ۲۹۲
۳۶
. ۲۳۳
. ۶۱۴
۹۸. ۹۰۶
۳۷
. ۲۲۶
. ۵۹۵
۹۹. ۵۰۱
۳۸
. ۱۹۰
. ۴۹۹
۱۰۰. ۰۰۰
Extraction Method: Principal Component Analysis.
نمودار سنگریزهی زیر، مقادیر ویژه را برای هر عامل نشان می‏دهد و یک عامل با بیشترین مقدار ویژه را نشان می‏دهد که از پنج بیشتر است و یک عامل که از دو بیشتر است و عاملهای بزرگتر از یک را نشان می‏دهد(دو عامل)
در جدول زیر سئوالاتی که روی ۱۰ عامل بارگذاری شده آمده است. (قبل از چرخش)
Component Matrixa
Component
۱
۲
۳
۴
۵
۶
۷
۸
۹
۱۰
Q25
. ۶۵۳
Q24
. ۶۴۴
Q27
. ۶۳۹
Q1
. ۵۶۶
-. ۳۷۹
Q3
. ۵۲۵
Q11
. ۵۲۳
Q17
. ۴۹۹
. ۳۳۸
Q10
. ۴۸۱
-. ۴۵۲
Q13
. ۴۵۳
-. ۴۳۷
Q26
. ۳۹۷
. ۳۴۴
Q2
. ۳۹۱
-. ۳۷۰
Q22
. ۳۸۸
-. ۳۶۸
Q33
. ۷۰۸
Q32
. ۶۹۹
Q31
. ۶۷۳
Q34
. ۶۶۱
Q35
. ۶۵۹
Q38
. ۴۸۵
. ۳۴۸
-. ۴۱۰
Q37
. ۴۵۶
. ۴۱۶
. ۳۵۸
Q23
. ۵۷۰
. ۳۵۰
Q20
. ۵۶۱
. ۴۱۲
Q9
. ۵۱۳
-. ۵۳۱
Q19
. ۵۰۰
Q12
. ۴۸۷
. ۳۶۵
Q21
. ۴۳۶
. ۴۰۶
Q5
. ۳۹۴
Q18
. ۴۴۳
. ۴۴۶
-. ۳۸۷
Q14
. ۵۴۷
Q16
. ۴۲۵
. ۴۸۹
. ۳۳۸
Q15
. ۴۴۹
. ۴۵۷
Q7
. ۳۷۰
-. ۵۵۹
Q6
. ۳۷۰
-. ۵۱۲
Q28
. ۳۶۶
. ۳۵۳
. ۵۷۹
Extraction Method: Principal Component Analysis.
a. 10 components extracted.
که بعد از چرخش واریماکس داریم:
Rotated Component Matrixa
Component
۱
۲
۳
۴
۵
۶
۷
۸
۹
۱۰
Q33
. ۷۸۶
Q34
. ۷۴۰
Q31
. ۷۲۷
Q35
. ۶۷۸
Q32
. ۶۷۴
Q9
. ۷۷۸
Q10
. ۷۱۸
Q22
. ۶۶۰
Q11
. ۵۴۸
Q27
. ۷۴۰
Q25
. ۶۸۷
Q24
. ۶۶۵
Q20
. ۸۲۵
Q21
. ۷۶۸
Q23
. ۳۹۴
. ۵۴۶
Q19
. ۵۴۶
Q3
. ۶۸۳
Q2
. ۶۶۲
Q1
. ۵۷۷
Q5
Q14
. ۷۱۰
Q16
. ۶۲۶
Q15
. ۶۰۸
Q12
. ۵۱۷
Q26
. ۶۴۳
Q18
. ۶۱۹
Q17
. ۳۹۶
. ۵۸۲
Q13
. ۳۴۵
. ۴۶۳
Q7
. ۸۳۲
Q6
. ۸۲۳
Q38
. ۷۵۰
Q28
. ۸۵۹
Q37
. ۴۵۸
. ۵۱۸
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 10 iterations
۴-۳-۱- محاسبه پایایی سوالات تحقیق
برای تعیین سازگاری یا انسجام یا ثبات درونی۱ سئوالاتی از پرسشنامه که قرار است جنبه‏های یک مفهوم یا سازه را اندازه‏گیری کند بایستی با یک دیگر همبستگی نسبتاً زیادی داشته باشند. یکی از روشهای اندازه‏گیری برای سازگاری درونی محاسبه نوعی پایایی است که از طریق آلفای کرونباخ صورت می‏گیرد و به ضریب آلفا معروف است. قاعده کلی این است که مقدار آلفای کرونباخ یک پرسشنامه بایستی حداقل به مقدار عددی ۷۰ درصد نزدیک باشد. البته بایستی دقت نمود

مطلب مرتبط :   منبع پایان نامه درموردزنجیره تأمین، سطح معنادار، CRM

admin2

No category

No description. Please update your profile.

You must be logged in to post a comment