مقاله دانشگاهی – بررسی تأثیر الحاق ایران به سازمان تجارت جهانی بر رقابت پذیری صنعت …

یکپارچگی (ادغام) دانش

۳-۹) روش تجزیه و تحلیل داده ها
در این پژوهش به منظور تحلیل داده های به دست آمده از نمونه ها از روش های آمار توصیفی و همچنین روش های آمار استنباطی استفاده شده است. برای بررسی مشخصات پاسخ دهندگان از آمار توصیفی و شاخص های آمار توصیفی نظیر شاخص های مرکزی و شاخص های پراکندگی استفاده شده است. برای آزمون فرضیات تحقیق ،با هدف سنجش روابط همزمان ، مستقیم یا غیر مستقیم میان متغیر ها از مدل معادلات ساختاری و بطور اخص تکنیک حداقل مربعات جزئی (PLS) استفاده شده است.
۳-۹-۱) معرفی روش PLS
پیدایش روش حداقل مربعات جزئی[۲۵] به زمانی بر می گردد که هرمان والد (۱۹۷۵) دو روش تکراری با استفاده برآورد کمترین مربعات برای مدل های یک مؤلفه ای و چند مؤلفه ای و همبستگی بنیادی را معرفی کرد. انگیزه رشد PLS توسط والد یافتن وضعیتی بود که بین تحلیل داده ها و مدلیابی سنتی باشد. زیرا مدل یابی سنتی دارای مفروضه های سخت گیرانه ای در مورد توزیع احتمالی داده ها بود ولی رویکرد PLS آزاد توزیع (نابسته به توزیع) می باشد.
کمترین مربعات جزئی روش نسبتا جدیدی از معادلات ساختاری رگرسیونی است. این روش هم برای رگرسیون تک متغیری و هم چند متغیری و با چند متغیر وابسته کاربرد دارد. برای بررسی ارتباط بین متغیرهای وابسته و متغیرهای مستقل، PLS متغیرهای تبیینی یا مستقل جدیدی ایجاد می کند که غالبا عامل یا متغیر مکنون نامیده می شوند. این مؤلفه ها ترکیب خطی از نشانگرهای خود هستند. روش حداقل مربعات جزئی با هدف بهینه سازی تبیین واریانس در سازه های وابسته مدل های معادله ساختاری، ساخته شده است. این روش اغلب برای تحلیل موقعیت ها یا مدل های بسیار پیچیده ای بکار می رود که اطلاعات نظری کمی در مورد آن ها وجود دارد یا این که اساسا هدف از آزمون این مدل ها پیش بینی می باشد. روش PLS بر بیشترین واریانس متغیرهای وابسته به وسیله متغیرهای مستقل تمرکز دارد. همانند هر روش مدل یابی معادلات ساختاری، روش کمترین مربعات جزئی نیز از یک بخش ساختاری که ارتباط بین متغیرهای مکنون را نشان می دهد و یک قسمت اندازه گیری که نحوه ارتباط متغیرهای مکنون و نشانگرهای آن ها را منعکس می کند، تشکیل شده است. علاوه بر این، روش مذکور دارای بخش دیگری به نام نسبت وزنی است که برای برآورد مقادیر مورد ها یا نمره های عاملی افراد نمونه در متغیرهای مکنون به کار می رود.
روش PLS برای مقابله با داده های خاص مانند داده ها با حجم نمونه اندک، داده های دارای مقادیر گمشده و همچنین هنگامی که بین متغیرهای مستقل هم خطی وجود دارد، طراحی شده است. باید توجه داشت که به دلیل آن که توزیع کمترین مربعات نامعلوم است، آزمون معناداری متداولی وجود ندارد. اما در هر حال معناداری مسیرها از طریق روش های خودگردان سازی ، بوت استراپ، برش متقاطع یا جک نایف که از روش های بازنمونه گیری هستند، آزمون می شوند. (عباس زاده و همکاران ، ۱۳۹۱) .
فصل چهارم
تجزیه و تحلیل یافته های تحقیق
۴-۱) مقدمه
طبقه‌بندی و تجزیه‌ و‌تحلیل درست داده‌ها و استفاده صحیح از تکنیک‌های آماری به طبع استفاده از روش‌های مناسب پژوهش در نهایت منجر به دستیابی به نتایج قابل اتکا خواهد شد. پس از آنکه محقق داده‌ها را گردآوری، استخراج و طبقه بندی نمود و جدول توزیع فراوانی و نسبت‌های توزیع را تهیه کرد باید مرحله جدیدی از فرایند تحقیق که به تجزیه و تحلیل داده‌ها معروف است، آغاز شود. در مرحله تجزیه و تحلیل، نکته مهم این است که محقق باید اطلاعات و داده‌ها را در مسیر هدف، پاسخگویی به سؤال یا سؤالات تحقیق و نیز ارزیابی ‌فرضیه‌های خود جهت داده و مورد تجزیه و تحلیل قرار دهد. (حافظ نیا، ۱۳۸۲، ۱۰۲)
در فصل حاضر داده‌های گردآوری شده از طریق پرسشنامه با استفاده از تکنیک‌های مناسب آماری مورد تجزیه ‌و تحلیل قرار گرفته خواهد شد و با استفاده از تکنیک‌های آماری توصیفی و استنباطی نتایج حاصل ارائه می‌گردد. از شاخص‌های آمار توصیفی مانند فراوانی، درصد، میانگین و انحراف معیار برای بررسی و تجزیه‌وتحلیل اطلاعات مربوط به ویژگی‌های عمومی پاسخگویان و متغیرهای تحقیق استفاده شده است. فرضیات تحقیق با استفاده از نرم افزار PLS مورد تحلیل قرار گرفتند.
۴-۲) آمار توصیفی
۴-۲-۱) توصیف ویژگی های جمعیت شناختی
الف) جنسیت
جدول (۴-۱). توزیع فراوانی پاسخدهندگان برحسب جنسیت

جنسیت فراوانی درصد فراوانی درصد فراوانی تجمعی
مرد ۸۲ ۲/۸۸% ۲/۸۸%
زن ۱۱ ۸/۱۱% ۱۰۰
برای دانلود متن کامل پایان نامه به سایت  jemo.ir  مراجعه نمایید.
یک مطلب دیگر:
مدل اندازه گیری کیفیت خدمات خرده فروشی RSQS صورت گرفته که در ...