تحلیل عاملی اکتشافی و مقیاس مورد استفاده

دانلود پایان نامه
شاخص RMSEA
این شاخص، ریشه میانگین مجذورات تقریب میباشد. شاخص RMSEA هر چقدر به صفر نزدیکتر باشد بهتر است(هومن، 1384 ، 244- 235).
مجذور کای ()
آزمون مجذور کای (خی دو) این فرضیه را که مدل مورد نظر هماهنگ با الگوی هم پراشی بین متغیرهای مشاهده شده است را می آزماید، کمیت خی دو بسیار به حجم نمونه وابسته میباشد و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آنرا به غلط بودن مدل نسبت داد، افزایش می دهد(هومن، 1384، 244- 235 ).
شاخصNFI و CFI
شاخصNFI که شاخص بنتلر-بونتهم نامیده میشود، برای مقادیر بالای 9/. قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از 9/. قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی موردنظر، مقدار بهبود را نیز می آزماید. شاخص CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه میدهد(هومن، 1384).
در تحلیل تائیدی با استفاده از نرم افزار لیزرل یک سری شاخص های قراردادی وجود دارند که در صورتی که مقدار آنها در حد قابل قبولی باشد، اجرای مدل را معنی دار و مسیر پیشنهادی را مناسب می سازد. تحلیل عاملی تأییدی به منظور بررسی روایی مقیاس مورد استفاده قرار می گیرد. چنانچه اشاره شد، ابتدا بایستی میزان انطباق پذیری مدل ارزیابی، مورد آزمون قرارگیرد. ادبیات موجود پیشنهاد می کند که برای برازندگی و تناسب یک مدل خوب باید:
درجه کای دو تقسیم بر درجه آزادی( ) کمتر از 3 باشد.
شاخص میزان انطباق پذیری (GFI) باید بزرگتر از 8/0 باشد.
شاخص میزان انطباق پذیری تنظیمی (AGFI)،شاخص (NFI) وشاخص (NNFI) باید بزرگتر از 9/0 باشد.
شاخص (RMSEA) باید کمتر از 1/0 باشد(Henry and Stone, 1994).
یک اندازه جزئی دیگر برازندگی ، مجذور همبستگی چند متغیری است که برای هر معادله و برای متغیر های اندازه گیری شده در یک مدل کامل معادله ساختاری بدست می آید. مجذور همبستگی چند متغیری (R2)، معرف نسبت واریانس تبیین شده بوسیله متغیر مکنون است (آزمون اینکه یک نشانگر تا چه حد دقیق است)، و باید (تاحد ممکن) نزدیک به 1 باشد(هومن، 1384).
نرم افزار لیزرل، برای هر پارامتر آزاد (برآورد شده) در مدل یک مقدار t محاسبه می کند. این آزمون نشان می دهد که کدام یک از پارامتر ها می تواند از مدل حذف شود، بدون آنکه مقدارافزایش یابد. ایدئال آن است که این مقادیر کوچک تر از 1.96 باشند تا بی معنا در نظر گرفته شوند(هومن، 1384، 244- 235).

این مطلب مشابه را هم بخوانید :   سیستم پشتیبانی تصمیم گیری و سیستم پشتیبانی تصمیم

فصل چهارم
تجزیه و تحلیل داده ها
4.1. مقدمه
تجزیه و تحلیل دادهها فرایندی چند مرحلهای است که طی آن دادههایی که از طریق به کارگیری 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. تجزیه و تحلیل دادهها در تحقیقات کاربردی از اهمیت خاصی برخوردار میباشد (فلاح زاده،1389). ازآنجایی که تحقیق حاضر نیز از نوع تحقیقات کاربردی محسوب میشود؛ بنابراین تجزیه و تحلیل دادهها از اصلیترین و مهمترین بخشهای این تحقیق محسوب میشود.
در این فصل ابتدا دادهها با استفاده از نرم افزار spss و با استفاده از تحلیل عاملی اکتشافی مورد تجزیه و تحلیل قرار میگیرد تا عوامل شکلدهنده متغیرهای تحقیق شناسایی گردد سپس ساختار عاملی شناسایی شده مبنای تعریف فرضیات قرار میگیرد که تایید روابط بین متغیر و عوامل را نشان میدهد. آزمون این فرضیات از طریق نرم افزار لیزرل صورت میگیرد.همچنین در آزمون فرضیهها از آزمون t یک نمونهای و سطح معنیداری به منظور بررسی فروض اصلی پژوهش استفاده شده است.