از آنجائیکه مقدار بدست امده آلفای کرونباخ برای همه متغیرهای تحقیق بالای ۷/۰ می باشد می توان گفت پرسشنامه از پایای قابل قبولی برخوردار است.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
۳-۸- آزمون های آماری
پس از اینکه پژوهشگر روش تحقیق خود را مشخص کرد و با بهره گرفتن از ابزارهای مناسب ، داده های مورد نیاز را برای آزمون فرضیه های خود جمع آوری کرد ، اکنون نوبت آن است که با بهره گیری از تکنیک های آماری مناسب که با روش تحقیق ، نوع متغیرها و …..سازگاری دارد ، داده های جمع آوری شده را دسته بندی و تجزیه و تحلیل نماید و در نهایت فرضیه هایی که تا این مرحله او را در تحقیق هدایت کرده اند ، در بوته آزمایش قرار دهد و تکلیف آنها را روشن کند و سرانجام بتواند پاسخی برای پرسشی که تحقیق تلاشی سیستماتیک برای به دست آوردن آن بود ، بیابد ( خاکی ، ۱۳۷۵ : ۳۰۴-۳۰۳) .
به منظور تحلیل داده های پژوهش از تحلیل های گوناگون استفاده شده است . در مرحله اول نرمال بودن داده ها با بهره گرفتن از آزمون کولموگروف – اسمیرنوف مورد بررسی قرار میگیرد و در صورتیکه داده ها نرمال باشند از آمار پارامتریک و در صورتیکه غیر نرمال باشند از آمار ناپارامتریک استفاده میکنیم،که در این پژوهش چنانکه در فصل بعد به تفصیل گفته خواهد شد داده ها با بهره گرفتن از آزمون یاد شده مورد بررسی قرار گرفتند و مشخص شد داده ها نرمال میباشند. در مرحله بعد روایی سازه متغیرهای تحقیق و شاخص های منتج از آنها با بهره گرفتن از آزمون تحلیل عاملی تأییدی مورد بررسی قرار میگیرد. با بهره گرفتن از مدل معادلات ساختاری که در حقیقت آمیزه ای از نمودار تحلیل مسیر و تحلیل عاملی تأییدی است ، آزمون مقایسه زوجی و آنالیز واریانس ، به آزمون فرضیه های تحقیق پرداخته می شود .
آزمون کولموگروف – اسمیرنوف (K-S)
این آزمون روش ناپارامتری سادهای برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب است بنابراین آزمون کولموگوروف – اسمیرنوف روشی برای همگونی یک توزیع فراوانی نظری برای اطلاعات تجربی است ( آذر مومنی ، ۱۳۸۳ ) . این آزمون جهت بررسی ادعای مطرح شده در مورد توزیع داده های یک متغیر کمی مورد استفاده قرار می گیرد . فرض صفر در این آزمون همگون بودن توزیع مشاهدات با توزیع نظری مشخص (با پارامتری معین) است که با حدس یا قراین مختلف آن را تعیین کرده ایم و فرض مخالف مناسب نبودن توزیع مورد نظر برای متغیر است .
یکی از مزایای آزمون K-S این است که هر یک از مشاهدات را به صورت اصلی در نظر می گیرد. پارامترهای مورد نظر در این آزمون شامل تعداد داده ها ، پارامترهای مورد نظر در بررسی وجود توزیع (مانند میانگین و انحراف معیار در توزیع نرمال)، قدر مطلق مقدار بیشترین انحراف ، بیشترین انحراف مثبت، بیشترین انحراف منفی ، مقدار آماره Z و مقدار Sig (معنی داری) می باشد . فرمول آزمون به صورت زیر می باشد :
نحوه داوری :
اگر مقدار Sig محاسبه شده از ۰۵/۰ کمتر باشد فرض H1 رد و فرض H0 پذیرفته می شود . اگر مقدار Sig محاسبه شده از مقدار ۰۵/۰ بیشتر باشد فرض H0رد و فرض H1 پذیرفته می شود . بدین معنی که داده ها از توزیع نرمال برخوردار است .
مدل سازی معادلات ساختاری
برای بررسی روابط علی بین متغیرها به صورت منسجم کوششهای زیادی در دهه اخیر صورت گرفته است . یکی از این روشها برای انجام تحلیل عاملی تأییدی ، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است . مدل سازی معادلات ساختاری یک تکنیک تحلیل چند متغیریِ بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلی است که به پژوهشگر امکان میدهد مجموعه ای از معادلات رگرسیون را به گونه ای همزمان مورد آزمون قرار دهد . مدل معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده[۱۷۷] و متغیرهای مکنون[۱۷۸] است ، که گاه تحلیل ساختاری کوواریانس ، مدل یابی علی و گاه نیز LISREL[179] نامیده می شود . اما اصطلاح غالب در این روزها ، مدل یابی معادلات ساختاری یا به گونه خلاصه SEM[180] نامیده می شود ( هومن ، ۱۳۸۸ : ۱۱) . یک مدل کامل معادلات ساختاری شامل دو مولفه میگردد :
الف ) مدل اندازه گیری : جزئی از معادلات ساختاری که طی آن متغیرهای مکنون مشخص میشوند . متغیرهای مکنون ، متغیرهای قابل مشاهده ای اند که به وسیله کواریانس میان دو یا چند شاخص نشان داده میشوند .
ب) مدل ساختاری : جزئی از مدل ساختاری که روابط بین متغیرهای مکنون را نشان میدهد .
بررسی و تحلیل مدلهای اندازه گیری در مراحل اولیه مطالعات تأییدی مفید بوده چرا که می تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته های پژوهش کمک نموده و در طرح مطالعات آینده سهم عمده ای داشته باشد ؛ بر این اساس مدل سازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل میباشد . در تدوین مدل ، محقّق با بهره گرفتن از کلیه نظریات مرتبط ، پژوهش و اطلاعات در دسترس به طرح مدل می پردازد و در این مرحله مدل روابط علی بین متغیرها را توصیف می نماید .ارتباط بین متغیرها می تواند مبیّن فرضیه هایی باشد که روابط علی بین متغیرهای مشهود و مکنون را از فضای تئوریک استن
تاج نموده اند .مرحله بعدی آزمون برازندگی ومیزان انطباق این نظریه ها با داده های تجربی است که از جامعه معیّن گردآوری شده اند ( دانشگر ، ۱۳۹۰ : ۱۲۹) . در بررسی بخش ساختاری مدل ، روابط بین متغیرهای نهفته درونی و بیرونی ( متغیرهای نهفته مستقل و وابسته ) مورد توجه قرار میگیرند . در اینجا هدف ، تشخیص این موضوع است که آیا روابط تئوریکی که بین متغیرها در مرحله تدوین چارچوب مفهومی مدّ نظر محقّق بوده است ، به وسیله داده ها تأیید گردیده یا نه . در رابطه با این موضوع ، سه مسئله مدّ نظر قرار میگیرد .
علائم ( مثبت یا منفی ) : پارامترهای مربوط به مسیرهای ارتباطی بین متغیرهای نهفته نشان می دهند که آیا پارامترهای محاسبه شده جهت روابط فرضی را مورد تأیید قرار داده اند .
مقدار پارامترهای برآورده شده نشان میدهد که تا چه حد روابط پیش بینی شده ، قوی میباشند .در اینجا پارامترهای تخمینی باید معنی دار باشند ( یعنی مقدار قدر مطلق t باید بیشتر از ۹۶/۱ باشد ) .
مجذور همبستگی چندگانه ( R2 ) برای معادلات ساختاری ، مقدار واریانس هر متغیر نهفته درونی که به وسیله متغیرهای نهفته مستقل ( بیرونی ) تبیین می شود را نشان میدهد . هر چه مقدار R2 بزرگتر باشد قدرت تبیین بالای واریانس را بیان می کند ( کلانتری ، ۱۳۸۸ : ۱۴۰) .
انواع تحلیل عاملی
تحلیل عاملی می تواند به دو دسته اکتشافی و تأییدی تقسیم شود.
تحلیل عاملی اکتشافی
روشی است که اغلب برای کشف و اندازه گیری منابع مکنون پراش و همپراش در اندازه گیری های مشاهده شده به کار میرود . پژوهشگران به این واقعیت پی برده اند که تحلیل عاملی اکتشافی می تواند در مراحل اولیه تجربه یا پرورش تست ها کاملاً مفید باشد . در تحلیل اکتشافی ، پژوهش در صدد بررسی داده های تجربی به منظور کشف و شناسایی شاخص های ویژه و نیز روابط جالب بین آنهاست و این کار را بدون تحمیل هر گونه مدل معینی بر روی داده ها انجام میدهد . به بیان دیگر تحلیل اکتشافی علاوه بر آنکه ارزش تجسّسی یا پیشنهادی دارد ، می تواند ساختار ساز ، مدل ساز یا فرضیه ساز باشد و یا فرضیه هایی تدوین کند که نسبت به سایر روشهای چند متغیری ، آزمایش عینی تری داشته باشد . تحلیل اکتشافی وقتی به کار میرود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل های زیر بنایی داده نداشته باشد . بنابراین تحلیل اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری در نظر گرفته می شود تا یک روش آزمون تئوری . ویژگی بارز تحلیل عاملی اکتشافی در ارتباط با مدل یابی معادلات ساختاری آن است که در بیشتر پژوهش ها از آن برای استخراج عامل های متعامد ، یعنی عامل های مستقل و بدون وابستگی به یکدیگر استفاده می شود ( هومن ، ۱۳۹۰ : ۲۵۶-۲۵۴) .
تحلیل عاملی تأییدی
برای بررسی روابط بین متغیرها به صورت منسجم کوشش های زیادی در دهه اخیر صورت گرفته است . یکی از این روش ها برای انجام تحلیل عاملی تأییدی ، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است . مدل سازی معادلات ساختاری یک تکنیک تحلیل چند متغیریِ بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلی است که به پژوهشگر امکان میدهد مجموعه ای از معادلات رگرسیون را به گونه ای همزمان مورد آزمون قرار دهد . مدل معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده و متغیرهای مکنون است ، که گاه تحلیل ساختاری کوواریانس ، مدل یابی علی و گاه نیز LISREL[181] نامیده می شود . اما اصطلاح غالب در این روزها ، مدل یابی معادلات ساختاری یا به گونه خلاصه SEM[182] نامیده می شود ( هومن ، ۱۳۸۸ : ۱۱) . مهم ترین هدف در تحلیل عاملی تأییدی ، تعیین میزان توان مدل عامل از قبل تعریف شده با مجموعه ای از داده های مشاهده شده است . به عبارتی تحلیل عاملی تأییدی در صدد تعیین این مسئله است که آیا تعداد عامل ها و بارهای متغیرهایی که روی این عامل اندازه گیری شده اند با آن چه که بر اساس تئوری و مدل ، انتظار میرفت ، انطباق دارد . در این روش ابتدا متغیرها و شاخص های مربوط بر اساس تئوری اولیه انتخاب میشوند و سپس از تحلیل عاملی استفاده می شود که آیا این متغیرها و شاخصه ها آن طور که پیش بینی شده بار ( لود ) میشوند یا اینکه ترکیب آنها عوض می شود و روی عامل های دیگر بار میشوند . در این پژوهش با توجه به توضیحات داده شده از تحلیل عاملی تأییدی استفاده می شود . مجموعه وسیعی از معیارها و شاخص های برازندگی[۱۸۳] وجود دارند که می توانند برای اندازه گیری برازش کل مدل مورد استفاده قرار گیرند. متاسفانه هیچ کدام از اینها در تمام جهات نسبت به بقیه برتری ندارند. زیرا مجموعه وسیعی از معیارها و شاخص های برازندگی[۱۸۴] وجود دارند که می توانند برای اندازه گیری برازش کل مدل مورد استفاده قرار گیرند. متاسفانه هیچ کدام از اینها در تمام جهات نسبت به بقیه برتری ندارند. زیرا یک شاخص برازندگی خاص نسبت به حجم نمونه، روش تخمین، پیچیدگی مدل، مفروضات مربوط به نرمال بودن یا ترکیبی از شرایط فوق به طور متفاوت عمل می کندو از اینرو افراد مختلف بسته به شرایط مدل ممکن است شا
خص های مختلفی را برای برازش مدل مورد استفاده قرار دهند ( کلانتری، ۱۳۸۸؛ ۱۲۸-۱۲۹). بنابراین از شاخص های متفاوتی برای سنجش برازش الگوی مورد مطالعه در این تحقیق استفاده شد که عبارتند از:
ریشه میانگین خطای دوم تقریب: اولین معیار برای تعیین برازش کل مدل، ریشه میانگین توان دوم خطای تقریب است که تحت عنوان (RMSEA[185]) نشان داده می شود. زمانی که مقدار این آماره کمتر از ۰۵/۰ باشد نشان می دهد که مدل از برازش خوبی برخوردار است، در صورتی که مقدار آن بین ۰۵/۰ و ۰۸/۰ باشد برازش قابل قبول، اگر بین ۰۸/۰ و ۱/۰ باشد برازش متوسط و اگر بزرگتر از ۱/۰ باشد برازش ضعیف است.
شاخص های برازش مطلق[۱۸۶]: دو معیار بعدی برای برازش مدل به شاخص های برازش مطلق معروفند. این معیارها تحت عنوان GFI[187], AGFI[188] , در خروجی ظاهر می شوند. این شاخص ها باید بین صفر و یک باشند و مقادیر بالاتر از ۹/۰ حاکی از برازش قابل قبول مدل است.
شاخص های نسبی برازش: اندازه گیری های برازش بعدی که در خروجی برنامه ظاهر می شوند، به مقایسه شاخص های برازش نسبی می پردازند و نشان می دهند که تا چه حد برازش مدل نسبت به مدل خط پایه که در واقع مدل استقلال است مناسب تر می باشند. این شاخص ها عبارتند از NNFI[189], NFI[190], CFI[191]. به استثنای شاخص NNFI مقادیر تمام شاخص های این گروه بین صفر و یک قرار دارند و هر چه مقدار ان ها به یک نزدیکتر باشد نشان دهنده برازش خوب مدل است (مقدار NNFI می تواند بزرگ تر از یک باشد). برخی منابع استفاده از NNFI (که آن را شاخص تاکر – لوئیس[۱۹۲] – TLI- نیز می گویند) را برای برازش مدل توصیه می کنند.
ضریب همبستگی پیرسون
ضریب همبستگی یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر می باشد و شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان می دهد . این ضریب بین ۱ تا ۱- است و در صورت عدم وجود رابطه بین دو متغیر برابر صفر می باشد . ضریب همبستگی پیرسون ، روشی پارامتری است و برای داده هایی با توزیع نرمال و یا تعداد داده های زیاد استفاده می شود. این ضریب از رابطه زیر محاسبه می شود :
فصل چهارم
تجزیه و تحلیل داده ها
۱-۴- مقدمه
تجزیه و تحلیل داده ها فرایندی چند مرحله ای است که طی آن داده هایی که از طریق بکارگیری ابزار های جمع آوری در نمونه ( جامعه) آماری فراهم آمده اند خلاصه، کدبندی، دسته بندی و… و در نهایت پردازش می شوند تا زمینه برقراری انواع تحلیل ها و ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید. در این فرایند ها، داده ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می شوند و تکنیک های گوناگون آماری نقش بسزایی در استنباط ها و تعمیم های بعدی دارند (خاکی، ۱۳۸۷: ۳۲۵).
تجزیه و تحلیل اطلاعات به عنوان مرحله ای علمی از پایه های اساسی هر پژوهش علمی به شمار می رود که به وسیله آن کلیه فعالیت های پژوهش تا رسیدن به نتیجه، کنترل و هدایت می شوند. در این فصل نیز به توصیف داده های پژوهشی و تجزیه و تحلیل داده هایی که به وسیله پرسشنامه از افراد نمونه گردآوری شدهاند پرداخته خواهد شد و سپس به هر یک از فرضیات پاسخ داده میشود.
۲-۴٫ توصیف ویژگی های جمعیت شناختی اعضای نمونه
به منظور شناخت بهتر ماهیت جامعه ای که در پژوهش مورد مطالعه قرار گرفته است و آشنایی بیشتر با متغیرهای پژوهش، قبل از تجزیه و تحلیل داده های آماری، لازم است این داده ها توصیف شود. همچنین توصیف آماری داده ها، گامی در جهت تشخیص الگوی حاکم بر آن ها و پایه ای برای تبیین روابط بین متغیرهایی است که در پژوهش بکار می رود.
۱-۲-۴٫ جنسیت
جدول ۱-۴ توزیع فراوانی مربوط به جنسیت
جنسیت
فراوانی
درصد فراوانی
مرد