۸۱۱/۰

۳

حمایت از آموش

۶

۸۴۹/۰

۴

تعهد سازمانی

۶

۹۱/۰

۵

کیفیت خدمات

۲۲

۹۰۸/۰

۳-۶) روش تجزیه و تحلیل داده ها

به منظور تحلیل داده ها و آزمون فرضیه های تحقیق از روش مدل یابی معادلات ساختاری^[۲۴] استفاده شده است. مدل یابی معادلات ساختاری یک تکنیک چند متغیری و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلی ^[۲۵] است که به محقق امکان می دهد مجموع هایی ازمعادلات رگرسیون را به گونه همزمان مورد آزمون قرار دهد. مدل یابی معادلات ساختاری یک رویکردآماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده^[۲۶]و مکنون^[۲۷] است، که به عنوان تحلیل ساختاری کوواریانس، مدل یابی علّی و همچنین لیزرل نامیده شده است، اما اصطلاح غالب مدل یابی معادله ساختاری یا به طورخلاصه SEM می باشد. این واژه به یک سری مدل های عمومی اشاره می کند که شامل تحلیل عاملی تاییدی^[۲۸]،مدل های ساختاری همزمان کلاسیک^[۲۹]،تحلیل مسیر^[۳۰]، رگرسیون چندگانه^[۳۱]،تحلیل واریانس^[۳۲]و سایر روش های آماری است. پس از معین شدن مدل، طرق متعددی برای برآورد نیکویی برازش کلی مدل با داده های مشاهده شده وجود دارد. به طور کلی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد ولی معمولاً برای تأیید مدل، استفاده از ۳ تا ۵ شاخص کافی است. در ادامه به توضیح چند شاخص مهم پرداخته می شود.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

الف) معیار RMSEA^[33]
ریشه میانگین مجذورات تقریب می باشد. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است. مقدار RMSEA که به واقع همان آزمون انحراف هر درجه آزادی است، برای مدل هایی که برازندگی خوبی داشته باشد، کمتر از ۰۵/۰ است. مقادیر بالاتر از آن تا ۰۸/۰ نشان دهنده خطای معقولی برای تقریب در جامعه است. مدل هایی که RMSEA آن ها ۱/۰ یا بیشتر باشد برازش ضعیفی دارد.
ب) معیارهای^[۳۴]CFI ، ^[۳۵]NNFI ،NFI^[36]
شاخص NFI شاخص بنتلر-بونت هم نامیده می شود. بنتلر و بونت ( ۱۹۸۰ ) مقادیر برابر یا بزرگ تر از ۹/۰ را در مقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدل های نظری توصیه کرده اند، در حالی که برخی از محققان نقطه برش ۸/۰ را به کار می برند .شاخص دیگر ، شاخص تاکر-لویز است که در بیشتر موارد شاخص نرم شده برازندگی (NNFI) نامیده می شود. این شاخص مشابه NFI است اما برای پیچیدگی مدل جریمه می پردازد. چون دامنه این مدل محدود به صفرو یک نیست تفسیر آن نسبت به NFI دشوارتر است. شاخص CFI بزرگتر از ۹/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص ازطریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می آزماید. شاخص CFI از لحاظ معنا مانندNFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.
ج) معیارهای ^[۳۷]AGFI , ^[۳۸]GFI
لیزرل یک شاخص نیکویی برازش (نسبت مجموع مجذورات تبیین شده توسط مدل به کل مجموع مجذورات ماتریس برآورد شده در جامعه) محاسبه می کند. این شاخص از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک، متغیر هستند، گرچه از لحاظ نظری ممکن است منفی باشند (البته نباید چنین اتفاقی بیفتد؛ چرا که حاکی از عدم برازش قطعی مدل با داده هاست). هر چه AGFI و GFI به عدد یک نزدیک تر باشند، نیکویی برازش مدل با داده های مشاهده شده بیشتر است .
فصل چهارم
تجزیه و تحلیل داده ها

۴-۱) مقدمه

تجزیه و تحلیل داده ها به منظور بررسی صحت و سقم فرضیه ها برای هر نوع تحقیق، از اهمیت خاصی برخوردار است. داده های خام با بهره گرفتن از فنون آماری مورد تجزیه و تحلیل قرار می گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده کنندگان قرار می گیرند. برای تجزیه و تحلیل داده ها و اطلاعات، مطابق اهداف ارائه شده، ابتدا میزان و یا مقدار هر متغیر بر اساس داده ها و امتیازات حاصل از پرسشنامه مشخص شد. سپس توصیف اطلاعات حاصل شده در قالب جداول و نمودارهای توصیفی، دیدگاه کلی از چگونگی توزیع آن ها را ایجاد نموده که می تواند در چگونگی استفاده از الگو های آماری گوناگون کمک نماید. در گام بعدی به آزمون فرضیه های تحقیق پرداخته شد و در نهایت با جمع بندی وتجزیه و تحلیل اطلاعات خاتمه یافت. کلیۀ این تجزیه و تحلیل ها به وسیلۀ نرم افزار SPSS20 و LISREL 8.58 انجام گردیده است.

۴- ۲ ) توصیف متغیر های جمعیت شناختی پاسخ دهندگان:

۴- ۲- ۱) توصیف متغیر های جمعیت شناختی کارکنان:

توصیف متغیرجنسیت پاسخ دهندگان
جدول ۴ – ۱) توصیف متغیر جنسیت پاسخ دهندگان

فراوانی

درصد