عوامل
مقدار آلفای کرونباخ
قابلیت های شبکه اجتماعی
۸۲۰/۰
عوامل تکنولوژیکی
۷۹۰/۰
عوامل سازمانی
۸۱۰/۰
استفاده از شبکه اجتماعی
۸۳۰/۰
اثربخشی فعالیت های بازاریابی
۷۸۰/۰
عملکرد فروش
۷۴۰/۰
کل
۸۰۱/۰
۳-۸ روشها و ابزار تجزیه و تحلیل داده ها
در این پژوهش برای ارائه ی آمار توصیفی و همچنین آزمون نرمال بودن داده ها و آزمون همبستگی از نرمافزارSPSS و برای آزمون فرضیات و روایی سازه و تعیین بار عاملی سؤالات پرسشنامه از نرم افزار معادلات ساختاری آموس استفاده شده است.
نرمافزار آموس یک محصول نرم افزاری است که به منظور برآورد و آزمون مدلهای معادلات ساختاری طراحی شده است. این نرمافزار با بهره گرفتن از همبستگی و کوواریانس بین متغیرهای اندازه گیری شده، می‌تواند مقادیر بارهای عاملی، واریانسها و خطاهای متغیرهای مکنون را برآورد یا استنباط کند، و از آن می‌توان برای اجرای تحلیل عاملی اکتشافی، تحلیل عاملی مرتبه دوم، تحلیل عاملی تاییدی و همچنین تحلیل مسیر(مدل یابی علّی با متغیرهای مکنون) استفاده کرد. هر گاه در یک تحقیق تعداد نسبتا زیادی متغیر وجود داشته باشد، یافتن رابطهها و یا به عبارت دیگر همبستگی بین این متغیرها به روشهای معمولی بسیار مشکل و گاه ناممکن می‌باشد.
روش تحلیل عاملی برای رفع این مشکل به وجود آمده است و بر مبنای آن متغیرها به گونه ای دستهبندی می‌شوند که در نهایت به دو یا چند عامل که همان مجموعه متغیرها هستند محدود می‌گردند، به عبارت دیگر متغیرهای مورد استفاده در تحقیق بر اساس صفات مشترکشان به دو یا چند دسته محدودشده و این دستهها را عامل مینامیم. پس از آن روابط بین عاملها به دست آمده و در هر عامل نیز روابط بین متغیرهای آن محاسبه شده و در نهایت هدف اصلی تحقیق که روابط بین متغیرهای تحقیق است محاسبه می‌شوند. بنابرین هر عامل را می‌توان متغیری ساختگی یا فرضی در نظر گرفت که از ترکیب چند متغیر که از وجوهی به هم شباهت دارند، ساخته شده است. از طرف دیگر روش تحلیل عاملی به عنوان ابزاری برای کشف میزان ممکن کاهش داده ها به کار می‌رود(تحلیل عاملی اکتشافی) و یا تأیید فرضهایی که در مورد رابطه بین عاملها وجود دارد(تحلیل عاملی تاییدی).
۳-۸-۱ آمار توصیفی[۴۶]
در یک پژوهش جهت بررسی و توصیف ویژگیهای عمومی پاسخ دهندگان از روشهای موجود در آمار توصیفی مانند جداول توزیع فراوانی، در صد فراوانی، درصد فراوانی تجمعی و میانگین استفاده میگردد. بنابرین هدف آمار توصیفی محاسبه پارامترهای جامعه با بهره گرفتن از سرشماری تمامی عناصر جامعه است.
۳-۸-۲ آمار استنباطی
در آمار استنباطی[۴۷] پژوهشگر با استفاده مقادیر نمونه آمارهها را محاسبه کرده و سپس با کمک تخمین و یا آزمون فرض آماری، آمارهها را به پارامترهای جامعه تعمیم میدهد. برای تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از روشهای آمار استنباطی استفاده می شود.
۳-۸-۲-۱ بررسی نرمال بودن داده ها
برای اجرای روشهای آماری و محاسبه آماره آزمون مناسب و استنتاج منطقی درباره فرضیه های پژوهش؛ مهمترین عمل، قبل از هر اقدامی انتخاب روش آماری مناسب برای پژوهش است. برای این منظور آگاهی از توزیع داده ها از اولویت اساسی برخوردار است. برای همین منظور در این پژوهش از آزمون معتبر کلموگروف- اسمیرنف برای بررسی فرض نرمال بودن داده های پژوهش استفاده شدهاست. این آزمون با توجه به فرضیات زیر به بررسی نرمال بودن داده می پردازد.
H0: داده ها دارای توزیع نرمال هستند.
H1: داده ها دارای توزیع نرمال نیستند.
نحوه داوری با توجه به جدول آزمون کلموگروف- اسمیرنف بدین صورت است که اگر سطح معنیداری (sig) برای کلیه متغیرها بزرگتر از سطح آزمون (۰۵/۰) باشد توزیع داده ها نرمال می‌باشد. همچنین می‌توان از قضیه حد مرکزی نرمال بودن متغیرها را سنجید. در این قضیه هرگاه حجم نمونه بزرگتر از ۳۰ باشد می‌توان توزیع داده ها را نرمال در نظر گرفت.
۳-۸-۲-۲ محاسبه همبستگی بین متغیرها
برای محاسبه همبستگی بین کلیه متغیرهای تحقیق از آزمون همبستگی پیرسون استفاده شد.
ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان میدهد. این ضریب بین ۱ تا ۱- می‌باشد و درصورت عدم وجود رابطه بین دو متغیر برابر صفر می‌باشد. این آزمون با توجه به فرضیات زیر به بررسی ارتباط بین دو متغیر می پردازد.
فرض (H0): همبستگی معنیدار بین دو متغیر وجود ندارد.
فرض (H1): همبستگی معنیدار بین دو متغیر وجود دارد.
نحوه داوری در مورد وجود یا عدم وجود ارتباط بر اساس سطح معنیداری بهدست آمده صورت میپذیرد. بدین ترتیب که اگر sig آزمون کوچک‌تراز ۰۵/۰ باشد فرض H0رد شده و بین دو متغیر ارتباط معنیداری وجود دارد.
جدول ۴-۸ نحوه داوری میزان عددی ضریب همبستگی
مقدار
نحوه داوری
۲۵/۰- ۰
همبستگی مستقیم- ضعیف
۵/۰- ۲۵/۰
همبستگی مستقیم – نسبتا قوی
۷۵/۰- ۵/۰
همبستگی مستقیم- شدید
۱- ۷۵/۰
همبستگی مستقیم- بسیار شدید
۰
همبستگی وجود ندارد
۲۵/۰- – ۰
همبستگی معکوس – ضعیف
۵/۰- – ۲۵/۰-
همبستگی معکوس – نسبتا شدید
۷۵/۰- – ۵/۰-
همبستگی معکوس – شدید
۱- – ۷۵/۰-
همبستگی معکوس – بسیار شدید
۳-۸-۲-۳ آزمونهای برازندگی مدل کلی
در طی دهه گذشته برای مدلهای معادلات ساختاری شاخص های برازندگی متعددی ارائه شده است. با آنکه انواع گوناگون این شاخص ها پیوسته در حال توسعه و تکامل هستند ولی شاخص بهینهای که توافق همگانی برآن باشد وجود ندارد. این شاخص ها به شیوه های مختلفی طبقه شده‌اند که یکی از عمدهترین این طبقه بندیها متعلق به مارش و همکاران (۱۹۶۷) است. آن ها شاخص های برازندگی را به سه گروه مطلق، نسبی و تعدیل یافته تقسیم می‌کنند.
۳-۷-۲ شاخص های مطلق
شاخص های مطلق این پرسش را مطرح میسازد که آیا واریانس خطا که پس از برازش مدل باقی میماند مقدار قابل توجهای است یا خیر؟
شاخص های مطلق تابعی از برنامه Amos (مانند تابع برازندگی بیشینه احتمال یا نسبت درست‌نمایی مقیاسبندی شده) را به گونه ای به کار میبرند که ریشه میانگین باقی مانده، آزمون مجذور کای و نسبت به درجه آزادی، شاخص برازندگی (GFI) و شاخص تعدیل یافته برازندگی(AGFI) را مینیمم کند. در میان شاخص های مطلق مجذور کای و نسبت به درجه آزادی، به قدرمطلق باقی مانده‌ها توجه دارد. مشخصه مجذور کای برای یک مدل کاملاً برازش یافته برابر صفربوده و نسبت (نسبت مجذورکای به درجه آزادی) در یک برازش ایده آل برابر ۱ خواهد بود.
