پایان نامه با کلید واژگان نرم افزار، معادلات ساختاری، چند متغیره، جامعه آماری

سؤالات مربوط به فرضیه‏ها میباشد.
۳-۴ روایی و پایایی پرسشنامه
روایی:
این تحقیق برای تعیین روایی، پرسشنامه در اختیار کارشناسان و متخصصان قرار گرفت تا میزان دقت و مرتبط بودن سؤالات را تعیین نمایند و سپس تعدادی از پرسشنامه‏ها بصورت آزمایشی در اختیار کارکنان و نیز استاد راهنما قرار گرفت و سپس تعدادی از سؤالات اصلاح گردید.
پایایی:
به منظور اندازه‏گیری قابلیت اعتماد از روش آلفای کرونباخ با استفاده نرم افزار SPSS 21 انجام گردیده است. با استفاده از داده‏های به دست آمده از این پرسشنامه‏ها و به کمک نرم افزار آماری SPSS 21 میزان پایایی این پرسشنامه با روش آلفای کرونباخ برابر ۸۸۱/۰ محاسبه شد که چون از مقدار ۷/۰ بیشتر است لذا فرض پایایی پرسشنامه تأیید می‏گردد.
۳-۵ ابزار و اندازه‏گیری آزمودنی‏ها
مقیاس مورد استفاده در این پژوهش از نوع مقیاس فاصله‏ای می‏باشد. مقیاس فاصله‏ای دارای کلیه ویژگی‏های مقیاس‏های اسمی و ترتیبی است و علاوه بر آنها، در این مقیاس فاصله هر صفت تا مبدأ آن نیز مشخص است. (خاکی، ۱۳۸۸) و طیف استفاده شده از نوع طیف لیکرت می‏باشد. در این مقیاس پاسخ دهنده میزان موافقت خود را با هریک از عبارات در یک مقیاس درجه‏بندی شده نشان می‏دهد. (نایب پور، بریری، ۱۳۸۷)
۳-۶ جامعه آماری، روش نمونه‏گیری و حجم نمونه
جامعه آماری
جامعه آماری پژوهش حاضر، شامل کلیه کارمندان شرکت ایران خودرو می‏باشد که تعدادشان ۴۰۰ نفر است.
حجم نمونه گیری
چون سؤالات در پرسشنامه تحقیق چند ارزشی با مقیاس ترتیبی هستند، و اندازه نمونه زیاد می‏باشد، از فرمول کوکران بینهایت برای تعیین حجم نمونه استفاده میشود:
که در آن
α= خطای نمونه گیری
e2 = دقت نمونه‏گیری (مقدار خطای برآورد)
P = احتمال وجود یک مشخصه
میزان Z از روی جدول برای فاصله اطمینان ۰. ۹۵، ۱. ۹۶ می‏باشد، احتمال وجود یک مشخصه پنجاه درصد و برابر با q در نظر گرفته می‏شود، مقدار خطای براورد نیز ۰. ۰۵ می‏باشد. با قرار دادن این اعداد در فرمول بالا عدد حجم نمونه مورد نیاز برابر با ۳۸۴. ۱۶ نمونه خواهد بود. جهت پیشگیری از خطای پاسخ ندادن تعدادی از نمونه‏ها و به طبع آن کم شدن تعداد نمونه‏های در دسترس تعداد ۱۵ پرسشنامه بیشتر در بین پاسخ دهندگان توزیع گردید و نهایتاً تعداد ۴۰۰ پرسشنامه درست، جمع‏آوری گردید.
۳-۷ روش نمونه گیری
در این تحقیق از نوع نمونه‏گیری تصادفی می‏باشد. این نوع نمونه گیری، روشی برای انتخاب بخشی از جامعه یا کل، به گونهای که همه نمونه‏های ممکن که دارای تعداد ثابت n هستند برای انتخاب شدن احتمال یکسان داشته باشند. (خاکی، ۱۳۸۸)
۳-۸ تحلیل‏های آماری
تحلیل توصیفی: در این روش محقق از طریق مقایسه پدیده‏ها از نقطه نظر آماری به توصیف آنها می‏پردازد. (خاکی، ۱۳۸۸) در این تحقیق نیز ابتدا توسط جداول و نمودارها به بیان توصیفی وضعیت سنی، جنسیتی، تحصیلی و سابقه کاری جامعه آماری می‏پردازیم.
تحلیل استنباطی:
برای تجزیه و تحلیل داده‏های بدست آمده از نرم افزار SPSS و همچنین نرم افزار AMOS استفاده می‏شود. که تحت تحقیقی اکتشافی حول موضوع تأثیر کسب کار الکترونیک در تحویل به موقع به مشتریان در شرکت ایران خودرو می‏باشد.
هدف از تحلیل استنباطی، تعمیم نتایج حاصله از مشاهدات محقق در نمونه‏های انتخابی خود به جمعیت اصلی می‏باشد. (خاکی، ۱۳۸۸). از روش‏های استنباطی به صورت ضرایب همبستگی، آزمونهای ناپارامتری، پارامتری و. . . استفاده می‏شود. نرم افزار رایانه‏ای مورد استفاده Spss می‏باشد. برای مدل سازی و تجزیه و تحلیل نهایی، از نرم افزار AMOS استفاده گردیده است.
مدل معادلات ساختاری:
مدل معادلات ساختاری یا به اصطلاح اختصاری SEM که مخفف Structural equating modeling می‏باشد، از روش‏های جدید آماری و یکی از قوی ترین روشهای تجزیه و تحلیل چند متغیره است، که برخی هم به آن تحلیل ساختاری کوواریانس، الگو سازی عِلّی لیزرل یا ایموس اطلاق می‏کنند.
کاربرد اصلی آن در موضوعات چند متغیره‏ای است، که نمی توان آنها را به شیوه دو متغیری با در نظر گرفتن هر بار یک متغیر مستقل با یک متغیر وابسته انجام داد.
تجزیه و تحلیل چند متغیره به یک سری روشهای تجزیه و تحلیل اطلاق می‏شود که ویژگی اصلی آنها، تجزیه و تحلیل همزمان چند متغیر مستقل با چند متغیر وابسته است. ( مسعودی، ۱۳۹۱)
مدل معادلات ساختاری یک تحلیل چند متغیری بسیار نیرومند از خانواده رگرسیون چند متغیره و به بیان دقیقتر بسط مدل خطی کلی GLM(General linear model)، است که به محقق امکان می‏دهد مجموعه‏ای از معادلات رگرسیون را به طور همزمان مورد آزمون قرار دهد. تحلیل مدل معادلات ساختاری را می‏توان توسط سه تکنیک انجام داد:
LISREL(linearStructural Relation)، تحلیل ساختاری کوواریانس یا روابط خطی ساختاری
PLS(partial least Squares)، حداقل مربعات جزئی
Amos Graphic
تکنیک ایموس آمیزه دو تحلیل است:
تحلیل عاملی تأییدی (مدل اندازه گیری)
تحلیل مسیر- تعمیم تحلیل رگرسیون (مدل ساختاری)
این مدل مشخص می‏کند که چگونه متغیرهایمان با متغیرهای قابل مشاهده مرتبطند و از طریق آنها سنجیده می‏شوند و هریک از شاخص‏ها تا چه حد متضمّن مفهوم ابعاد متغیر مکنون هستند. (مسعودی، ۱۳۹۱)
موارد کاربرد روش ایموس
روش ایموس ضمن آنکه ضرایب مجهول مجموعه معادلات ساختاری خطی را برآورد می‏کند، برای برازش مدل‏هایی که شامل متغیرهای مکنون، خطاهای اندازه‏گیری در هر یک از متغیرهای وابسته و مستقل، علّیت دوسویه، هم زمانی و وابستگی متقابل می‏باشد، طرح ریزی گردیده است.
اما این روش را می‏توان به عنوان موارد خاصی برای روش‏های تحلیل عاملی تأییدی، تحلیل رگرسیون چند متغیری، تحلیل مسیر، مدل‏های اقتصادی خاص داده‏های وابسته به زمان، مدل‏های برگشت پذیر و برگشت ناپذیر برای داده‏های مقطعی/ طولی، مدلهای ساختاری کوواریانس و تحلیل چند نمونه ای( مانند آزمون فرضیه‏های برابری ماتریس کوواریانس‏ها، برابری ماتریس همبستگی‏ها، برابری معادلات و ساختارهای عاملی و غیره)، نیز بکار برد. (مسعودی، ۱۳۹۱)
در تحلیل عاملی تأییدی(Confirmatory factor analysis)، پژوهشگر به دنبال تهیه مدلی است که فرض می‏شود داده‏های تجربی را بر پایه چند پارامتر نسبتاً اندک، توصیف تبیین یا توجیه می‏کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده‏هاست که می‏تواند به شکل: ۱) یک تئوری یا فرضیه ۲) یک طرح طبقه بندی کننده معین برای گویه‏ها یا پاره تستها در انطباق با ویژگی‏های عینی شکل و محتوا، ۳) شرایط معلوم تجربی و یا ۴) دانش حاصل از مطالعات قبلی درباره داده‏های وسیع باشد.
تمایز مهم روش‏های تحلیل اکتشافی و تأییدی در این است که روش اکتشافی با صرفه ترین روش تبیین واریانس مشترک زیربنایی یک ماتریس همبستگی را مشخص می‏کند. در حالی که روش‏های تأییدی (آزمون فرضیه)تعیین می‏کنند که داده‏ها با یک ساختار عاملی معین (که در فرضیه آمده) هماهنگ هستند یا خیر.
۳-۹ آزمون‏های برازندگی مدل کلی
با آنکه انواع گوناگون آزمون‏ها که به گونه کلی شاخص‏های برازندگی(Fitting indexes) 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 مقاله‏های مختلف، شاخص‏های مختلفی را ارائه کرده‏اند و حتی نگارش‏های مشهور برنامه‏هایSEM مانند نرم افزارهای lisrel, Amos, EQS نیز تعداد زیادی از شاخص‏های برازندگی به دست می‏دهند. (هومن۱۳۸۴،۲۳۵) این شاخص‏ها به شیوه‏های مختلفی طبقه بندی شده‏اند که یکی از عمده ترین آنها طبقه بندی به صورت مطلق، نسبی و تعدیل یافته می‏باشد. برخی از این شاخص‏ها عبارتند از:
۳-۹-۱ شاخص‏های GFI وAGFI
شاخص GFI (Goodness of fit index) 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 ۹۰/۰ باشد.
شاخص برازندگی دیگر (Adjusted Goodness of Fit Index)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 )۱- GFI( است. مقدار این شاخص نیز بین صفر و یک می‏باشد. شاخص‏هایGFI و AGFI را که جارزکاگ و سوربوم در سال ۱۹۸۹ پیشنهاد کرده‏اند که بستگی به حجم نمونه ندارد.
۳-۹-۲ شاخص RMSEA
این شاخص، ریشه میانگین مجذورات تقریب می‏باشد. شاخص (Root Mean Square Error of Approximation)RMSEA برای مدل‏های خوب برابر ۰. ۰۵ یا کمتر است. مدلهایی که RMSEA آنها ۰. ۱ باشد برازش ضعیفی دارند.
۳-۹-۳ مجذور کای
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 کمیت خی دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد، افزایش می‏دهد. (هومن. ۱۳۸۴. ۴۲۲)
۳-۹-۴ شاخصNFI وCFI
شاخصNFI (که شاخص بنتلر- بونت هم نامیده می‏شود) برای مقادیر بالای ۹۰/۰ قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از ۹۰/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه‏ای 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. (هومن۱۳۸۴،۲۴۴-۲۳۵) برخی از شاخص‏ها نیز به شدت وابسته حجم نمونه‏اند و در حجم نمونه‏های بالا می‏توانند معنا داشته باشند.
فصل چهارم
تجزیه و تحلیل داده‏ها
۴-۱ مقدمه
تجزیه و تحلیل داده‌ها فرایند چند مرحله‏ای است که طی آن داده‌هایی که از طریق به‌کارگیری ابزارهای جمع‏آوری در نمونه (جامعه) آماری فراهم آمده‌اند، خلاصه، کد‏بندی و دسته‏بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط بین این داده‌ها به منظور آزمون فرضیه‌ها فراهم آید. در واقع تحلیل اطلاعات شامل سه عملیات اصلی می‌باشد: ابتدا شرح و آماده سازی داده‏های لازم برای آزمون فرضیه‌ها، سپس تحلیل روابط میان متغیرها و در نهایت مقایسه نتایج مشاهده شده با نتایجی که از فرضیه‌ها انتظار

دیدگاهتان را بنویسید