نمایشگر ۳-۳ . آزمون اعتبار متغیرهای تحقیق
ازنظر میزان اعتبارپرسشنامه درروش آلفای کرونباخ داشتن ضریب آلفا کمتراز۶۰% عموما” ضعیف تلقی می شودواعتبارباحداقل۷۰% قابل قبول وبالاتراز۸۰% خوب می باشد(دانایی فرد،الوانی،آذر،۱۳۸۳).پس درتحقیق فوق پرسشنامه طراحی شده در تمام شاخص ها ازاعتبار و پایایی خوبی برخوردار است.
۲-۱-۷-۳- تحلیل روایی^[۲۳۵] پرسشنامه
روایی پرسشنامه از دو روش روایی محتوا و روایی عاملی بررسی گردیده است. در ابتدا نظرات خبرگان در مورد پرسشنامه بررسی و اعمال گردید و سپس با بهره گرفتن از داده های گرآوری شده روایی عاملی بررسی گردید. روایی عاملی از طریق تحلیل عاملی اکتشافی انجام گردید که نتایج آن در فصل چهارم ارائه خواهد شد. روایی عاملی صورتی از روایی سازه است که با بهره گرفتن از تحلیل عاملی انجام می شود.یک عامل، یک متغیرفرضی(سازه)است که نمرات مشاهده شده را در یک یا چند متغیر تحت تاثیر قرار می دهد. هرگاه تحلیل عاملی روی یک ماتریس همبستگی صورت گیرد، آزمونهایی که تحت تاثیر عوامل خاصی قرار گرفته دارای بار عاملی بالا در آن عامل است(سرمدودیگران، ۱۳۸۵). کلیه سوالات استخراج شده مبتنی برنظریات علمی و مدلهای از پیش تعیین شده است و اساسا تدوین این پرسشنامه مبنای نظری داشته که در ادبیات تحقیق گزارش گردیده است. پس از اجرای پرسشنامه در سطح گروه نمونه (۳۵۴ نفر) با بهره گرفتن از تحلیل عاملی اکتشافی، عاملهای مهم این پرسشنامه استخراج گردید و با مدل نظری مقایسه شد.
۸-۳٫ روش های تجزیه و تحلیل داده های آماری
پس از آنکه محقق داده ­ها را گرد آوری­، استخراج وطبقه بندی وجداول توزیع فراوانی ونسبت های توزیع را تهیه کرد ، باید مرحله جدیدی از فرایند تحقیق که به مرحله تجزیه وتحلیل داده ها معروف است آغاز شود ؛ این مرحله خود شامل دو شیوه تحلیل کیفی وتحلیل کمی است­­(حافظ نیا ،۱۳۸۵ ). استفاده از روش های آماری (­کمی­) با توجه به نوع و روش تحقیق وهدف محقق متفاوت است واز روش های ساده واولیه آماری تا روش های پیچیده را شامل می­ شود­. استفاده از روش های آماری به دو شکل توصیفی واستنباطی انجام می­گیرد (همان منبع ۱۳۸۵­).
آمار توصیفی را عمدتا مفاهیمی از قبیل جدول توزیع فراوانی ونسبت­های توزیع­،نمایش هندسی و تصویری توزیع­، اندازه­ های گرایش به مرکز ، اندازه­ های پراکندگی ونظایر آن تشکیل می­دهد­.آمار توصیفی برای تبیین وضعیت پدیده یا مساله یا موضوع مورد مطالعه مورد استفاده قرار می­گیرد یادر واقع ویژگیهای موضوع مورد مطالعه به زبان آمار تصویر سازی وتوصیف می­ شود (همان منبع ، ۱۳۸۵ ).

(( 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. ))

در تحلیلهای ­آمار استنباطی ­همواره نظر بر این ­است که نتایج ­حاصل از مطالعه گروه کوچکی به نام نمونه چگونه به گروه بزرگتری به نام جامعه تعمیم داده شود­. به عبارتی محقق بر مبنای ارزشهای حاصله در نمونه به آزمون فرضیه متوسل می­ شود و تکنیکهای آماری مورد نیاز از طریق آمار استنباطی تامین می­ شود.­در واقع از دو طریق به تحلیل داده ­ها می پردازد :
۱-برآورد ارزشهای جمعیت از طریق ارزشهای نمونه
۲-آزمون فرضیه ­ها
در این تحقیق نیز پس از جمع­آوری پرسشنامه ­ها و استخراج پاسخها برای تبدیل داده ­ها­ی اولیه حاصل از پرسشنامه ­ها به حالت قابل استفاده با بکارگیری نرم افزار اس.پی.اس.اس^[۲۳۶] و ورود اطلاعات به آن به استخراج آمار توصیفی با دسته­بندی اطلاعات­،تبدیل اطلاعات دسته بندی شده به فراوانی،­میانگین آماری و جداول یک بعدی و دو بعدی اقدام شدو سپس نرمال بودن تحقیق مورد بررسی قرار گرفته است و وضعیت مولفه­های تحقیق مورد آزمون قرار گرفته و در ادامه با بهره گرفتن از تحلیل مسیر توسط نرم افزار لیزرل^[۲۳۷] مدل مسیر ترسیم گشته و فرضیات تحقیق مورد آزمون واقع شدند­.
۱-۸-۳٫ آزمون های آماری مورد استفاده
۱-۱-۸-۳٫ تجزیه و تحلیل واریانس فریدمن ^[۲۳۸]
این آزمون هنگامی به کار می‌رود که داده‌های آماری حداقل ترتیبی باشند و بتوان با مفهوم ترتیبی آنها را در رده‌بندی دو طرفه مرتب نمود. در این آزمون ارزش متغیر­ها برای هر مورد رتبه بندی می­ شود­. رتبه ­های پایین میانگین­ها به ارزش­های کم متغیر­ها و رتبه ­های بالای میانگین­ها به ارزش­های بالا­تر تخصیص می­یابد. به طور کلی آزمون فریدمن بررسی می­ کند که آیا رتبه ­های میانگین­ها بین متغیر­ها متفاوت است یا خیر؟
به کمک این آزمون می‌توان متغیرهای موجود در تحقیق را رتبه‌بندی نمود. (صدقیانی، ابراهیمی، ۱۳۸۱).
آماره آزمون فریدمن به شرح زیر تعریف می‌شود.

که در آن:
تعداد موارد یا پاسخ دهندگان = n.
تعداد متغیرهایی که رتبه‌بندی می گردند = k.
حاصل جمع رتبه‌های داده شده به متغیرها از سوی پاسخ دهندگان = R.
۲-۱-۸-۳٫ مدل لیزرل^[۲۳۹]
مدل لیزرل برای اولین بار در اوایل دهه ۱۹۷۰ توسط جیمز وارد کیس لینگ ^[۲۴۰] ، کارل جورسکاگ ^[۲۴۱] ، و دیوید وایلی^[۲۴۲] تنظیم و ارائه شد . بهمین دلیل گاهی اوقات آن را مدل جی. کی. دبلیو^[۲۴۳] می­نامند ( بنتلر ، ۱۹۸۰ )­. ولی این مدل بیشتر با نام جورسکاگ همراه است و از زمانی که وی برای اولین بار مدل لیزرل را معرفی کرد­، مدلهای ساختار کوواریانس اشتهار قابل توجهی در میان پژوهشگران جدی در بسیاری از زمینه های تحقیقی و کاربردی کسب کرده است­. این اشتهار اساسا” به دو دلیل بوده است
۱ – این مدلها قادرند روابط علی و تئوریکی را که پژوهشگران به هنگام تفکر درباره فراگرد های علی و روابط بین متغیرها در نظر دارند ، به طور بسیار ساده و ملموس منعکس کنند.
۲ – با نرم افزار کامپیوتری که بر این مبنا ایجاد شده ، برآورد پارامترهای مدل در قالبی بسیار ساده امکان پذیر شده است .
در مدلهای ساختار کوواریانس هدایت پژوهش از طریق تئوری صورت می گیرد . نخست روابط بین متغیرها توسط تئوری در قالب یک نمودار تحلیل مسیر مشخص ، و سپس پارامترهای مربوط به آن مدل برآورد و تحلیل می شوند . پارامترهای برآورد شده توسط نرم افزار کامپیوتری دقیقا” مشابه ضرایب رگرسیونی در تحلیل رگرسیون چند متغیره است و معانی و تفاسیر کاملا” مشابهی دارند ( قاضی طباطبائی ، ۱۳۷۴ ) .
به طور کلی ، در علوم اجتماعی و رفتاری بیشتر نظریه ها و مدلها در قالب مفاهیم نظری بیان می شوند که مستقیما” قابل مشاهده و اندازه گیری نیستند . در چنین مواقعی معمولا” از تعدادی معرفها یا نشانگرها برای اندازه گیری و مطالعه این متغیرهای نظری استفاده می شود . دو مسئله اساسی در استنباط علی از مسایل علوم اجتماعی و رفتاری وجود دارد که عبارتند از :‌
۱ – اندازه گیری : اندازه گیریهای مشاهده شده واقعا” چه چیزی را اندازه می گیرند ؟ چگونه و با چه دقتی می توان نوع اشیایی را که باید اندازه گرفته شوند ، مشخص کرد ؟ روایی و اعتبار اندازه گیریهای انجام شده را چگونه می توان تعیین و بیان کرد ؟
۲ – روابط علی بین متغیرها و قدرت تبیین نسبی آنها : چگونه می توان روابط علی پیچیده را بین متغیرهایی که مستقیما” قابل مشاهده و اندازه گیری نیستند ، ولی در معرفهای
جایز الخطا و یا خطا دار منعکس هستند ، استنباط کرد ؟ چگونه می توان قدرت رابطه را بین متغیرهای نهفته ارزیابی کرد ؟‌
در پاسخ به چنین پرسشهایی درباره استنباط علی ” مدل های لیزرل ” به شکل جامع از دو قسمت تشکیل می شوند :
الف – مدل اندازه گیری ^[۲۴۴]
ب­­ – مدل تابع ساختاری ^[۲۴۵]
مدل اندازه ­گیری پاسخ پرسش اول­، یعنی چگونگی اندازه گیری متغیرهای مکنون­^[۲۴۶] ، توسط متغیرهای مشاهده شده و روایی و اعتبار آنها را مطرح و مشخص می­ کند .
مدل تابع ساختاری­، پاسخ پرسش دوم­، یعنی روابط علی بین متغیرهای مکنون را مشخص می کند و تاثیرات علی و میزان واریانس تبیین شده و تبیین نشده را مورد ارزیابی قرار می­دهد ( قاضی طباطبایی ، ۱۳۷۷ ) .
مدلهای اندازه ­گیری در علوم رفتاری و اجتماعی­، در مواردی اهمیت دارند که مفاهیمی مانند رفتارها­، نگرشها­، احساسات و انگیزه های مردم مورد مطالعه قرار می گیرند . بیشتر ابزارهای اندازه گیری چنین مفاهیمی­، خطای اندازه گیری بسیار زیادی دارند­. مدل اندازه گیری لیزرل می تواند چنین خطاهایی را مورد توجه قرار دهد­. در لیزرل ، این ضرایب مجهول در یک مجموعه از معادلات خطی ساختاری برآورد می­شوند­. متغیرهای موجود در دستگاه معادلات ، ممکن است هم متغیرهای مشاهده شده و هم متغیرهای مکنون باشند که مستقیما” مشاهده و اندازه گیری نشده اند ، ولی به متغیرهای مشاهده شده مربوطند . مدل مذکور بر این فرض استوار است که یک ساختار علی بین مجموعه ای از متغیرهای مکنون وجود دارد و متغیرهای مشاهده شده معرفها و نشانگرهای آنها هستند­، متغیرهای مکنون­، هم می­توانند به عنوان مجموعه ­ای خطی از متغیرهای مشاهده شده فرض شوند­ و هم به عنوان متغیرهای میانی در یک زنجیره علی مطرح شوند .
روش لیزرل­، بخصوص برای برآورد نیاز مدلهایی طراحی شده است که دارای متغیرهای مکنون ، خطای اندازه گیری­، روابط علی متقابل یا دو طرفه­، همزمان و در هم تنیده باشند­. همچنین­، لیزرل طیف وسیعی از مدلهای سودمند برای علوم رفتاری و اجتماعی­، مانند تحلیل عوامل تائیدی­، تحلیل مسیر­، مدلهای اقتصاد سنجی برای مقاطع زمانی­، مدلهای یک طرفه و دو طرفه برای تحلیلهای مقطعی و متوالی­، و مدلهای ساختاری کوواریانس را در بر می­گیرد ( همان منبع ، ۱۳۷۴­)­. در یک مدل لیزرل روابط بین متغیرهای مکنون­، در قالب دو نوع متغیرهای برونزا­^[۲۴۷] و متغیرهای درونزا ^[۲۴۸] از طریق بردارهایی که از متغیرهای برونزا به طرف متغیرهای درونزا کشیده می­شوند مشخص می­ شود­. این روابط نشان دهنده مدل تابع ساختاری است­. ضریب این بردارها نشان دهنده میزان تاثیر متغیرهای مکنون برونزا روی متغیر درونزا است و ضرایب بردارهای میان متغیرهای درونزا نشان دهنده تاثیر متغیرهای مکنون درون زا روی سایر متغیرهای درونزا هستند . ^[۲۴۹]
شاخصهای آزمون تناسب مدل بر مبنای کوواریانس داده ­های مشاهده شده در مقابل پیش بینی شده :
این دسته از شاخصها بر مبنای مقایسه داده ­های نمونه با داده ­های برآورد شده به دست می ­آید . بنابر­این­، شاخصها از تابع تفاوت قراردادی^[۲۵۰] برای محاسبه استفاده می­ کنند­. انواع این شاخصها به شرح زیر است :
۱ – شاخص کااسکوئر^[۲۵۱] : این شاخص عمومی ترین آزمون تناسب مدل است . در مدلهایی که کای دو معنی­دار است­، مد فاقد تناسب رضایت بخش است­. به عبارت دیگر شاخص کای دو معیار عدم تناسب قلمداد می­ شود­، و معنی­دار بودن ارزش کای دو به این مفهوم است که بین ساختار کوواریانس مدل پیشنهادی و ماتریس کوواریانس داده های مشاهده شده تفاوت معناداری وجود دارد­. بنابر این مدل پیشنهادی محقق رد می شود . اما اگر کای دو کمتر از ۵/۰ باشد ، مدل محقق پذیرفته می شود
۲ – شاخص ” جی اِف آی­”^[۲۵۲] : شاخص “­­جی اف آی­” در حقیقت درصد کوواریانسهای مشاهده شده­^[۲۵۳] به کوواریانسهای تعیین شده ^[۲۵۴] در مدل است­. بدین ترتیب­، این شاخص نمی­تواند درصد خطای توضیح داده شده به وسیله مدل را تبیین کند­، و بر خلاف در رگرسیون چند متغیره که نشان دهنده واریانس خطاست­، این شاخص نشان دهنده خطا در تولید مجدد ماتریس کوواریانس – واریانس است­. به صورت قراردادی ، وقتی مدلی پذیرفته می شود که تعداد این شاخص برابر یا بیش از ۹/۰ باشد­. اما از آنجایی که شاخص مذکور در مقایسه با شاخصهای تناسب دیگر عموما” بزرگتر است ، برخی عدد ۹۵/۰ را پیشنهاد کرده اند .
۳ – شاخص ” اِجی اِف آی ^[۲۵۵] “ : از آنجا که شاخص ” جی اف آی ” نسبت به حجم نمونه شدیدا” حساس است ، شاخص دیگری معرفی شده که تغییر یافته شاخص ” جی اف آی ” است . در این شاخص به جای جمع کل مجذورات ، از میانگین مجذورات در صورت کسر و (جی اف آی – ۱ ) در مخرج کسر استفاده می­ شود که تا حدودی معیار “­جی اف آی­” را نسبت به حجم نمونه و درجات آزادی تعدیل می­ کند­. این شاخص نیز همانند­” جی اف ای­” بین صفر و یک تغییر می­ کند و سطح پذیرش معدل برای این شاخص نیز ۹/۰ است .
۴ – شاخص ” آر. ام. اس. آر­”^[۲۵۶] ‌: این شاخص برابر است با میانگین ریشه دوم
باقیمانده­های مجذور شده­، و تفاوت واریانس و کواریانس نمونه را از واریانس کوواریانس برآورد شده نشان می­دهد­. چون این شاخص متوسط باقیمانده­های گزارش شده در مدل است­، بنابر این هر چه به صفر نزدیکتر باشد تناسب مدل بهتر خواهد بود .
۵– شاخص­”­اس. آر. ام. آر.­”^[۲۵۷]­: این شاخص متوسط باقیمانده­های استاندار شده در مدل است و تفاوت واریانس و کوواریانسهای مشاهده شده را از واریانس و کوواریانس پیش بینی شده نشان می­دهد­. بنابر­این هر چه شاخص­” اس آر. ام آر.­” کوچکتر باشد­، مدل تناسب بهتری با داده ­های واقعی دارد­. این شاخص همانند شاخص­” آر. ام. اس. آر­” است­، با این تفاوت که از باقیمانده­های استاندارد برای محاسبه استفاده می­ کند­(­باقیمانده­های استاندارد از تقسیم باقیمانده­ها بر خطای استاندارد باقیمانده­ها به دست می ­آید.
فصل چهارم