دانلود پایان نامه

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، 1391)
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.
3-9 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:
3-9-1 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 90/0 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.
3-9-2 شاخص RMSEA
این شاخص، ریشه میانگین مجذورات تقریب می‏باشد. شاخص (Root Mean Square Error of Approximation)RMSEA برای مدل‏های خوب برابر 0. 05 یا کمتر است. مدلهایی که RMSEA آنها ۰. ۱ باشد برازش ضعیفی دارند.
3-9-3 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)
3-9-4 شاخصNFI وCFI
شاخصNFI (که شاخص بنتلر- بونت هم نامیده می‏شود) برای مقادیر بالای 90/0 قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از 90/0 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
4-1 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 داشتند.
تجزیه و تحلیل اطلاعات از اصلی‌ترین و مهم‌ترین بخش‌های تحقیق محسوب می‌شود. داده‏های خام با استفاده از نرم افزار آماری مورد تجزیه و تحلیل قرار می‌گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده کنندگان قرار می‌گیرند.
برای تجزیه و تحلیل داده‏های جمع‏آوری شده این تحقیق با استفاده از نرم افزار آموس 18 به بررسی فرضیات تحقیق پرداخته می‏شود.
4-2- آمار توصیفی
4-2-1- توصیف ویژگی‏های جمعیت شناختی
الف)پاسخگویان پرسشنامه بر اساس جنسیت

مطلب مشابه :  موفقیت سازمانی چیست و چگونه می توان به آن دست یافت؟

دسته‌ها: داغ ترین ها