۶

اعتماد

۹۵۳/۰

۷

تبلیغات شفاهی

۸۵۳/۰

ضریب آلفای کرونباخ به­دست آمده برای تک تک متغیرها بالاتر از ۷/۰ می باشد و نشان دهنده آن است که پرسشنامه مورد استفاده، از پایایی و یا به عبارت دیگر از قابلیت اعتماد لازم برخوردار می­باشد.

۳-۷) روش تجزیه و تحلیل داده ها
در این تحقیق، برای تجزیه و تحلیل داده ­های به­دست آمده از نمونه­ها، هم از روش­های آمار توصیفی و هم از روش­های آمار استنباطی استفاده شده است. در این تحقیق برای بررسی روابط بین اجزاء مدل از مدل یابی معادلات ساختاری^[۷۹] استفاده شده است. در ضمن محقق از مدل یابی معادلات ساختاری در جهت تحلیل عاملی تأییدی^[۸۰] بهره برده است.

مدل معادلات ساختاری

برای بررسی روابط علّی بین متغیرها به صورت منسجم کوشش های زیادی در دهه اخیر صورت گرفته است. یکی از این روش های نوید بخش در این زمینه، مدل معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. بدون توجه به نام یا مفهوم بی شمار آن، این واژه به یک سری مدل های عمومی اشاره می کند؛ که شامل تحلیل عاملی تأییدی، مدل های ساختاری همزمان کلاسیک^[۸۱]، تجزیه و تحلیل مسیر^[۸۲]، رگرسیون چندگانه^[۸۳]، تحلیل واریانس^[۸۴] و سایر روش های آماری است (Holey,1995,p65). جرقه ورود به بحث مدل معادلات ساختاری با موضوع شاخص های چندگانه شروع شد (شمس،۱۳۸۶، ص ۶۵). مدل یابی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون^[۸۵] چند متغیری و به بیان دقیق تر، بسط مدل خطی کلی است؛ که به تحقیق گر امکان می دهد؛ مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد (Hair et al, 2006,p302). مدل معادلات ساختاری یک رویکرد آماری جامعی برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده^[۸۶] و متغیرهای مکنون^[۸۷] ­می­باشد(Holey,1995,p98)­. در میان تمامی شیوه های تحلیل چند متغیره، تنها روش معادلات ساختاری است؛ که هم زمان هم از تحلیل رگرسیون چندگانه و هم از تحلیل عاملی استفاده می کند(Hair et al. 2006,p67). آن چه باعث می شود روش معادلات ساختاری روشی قدرتمند و مورد استفاده در میان محققان باشد، این است که علاوه بر ظاهر گرافیکی آن که تفسیر را آسان می کند، این روش می تواند مجموعه ای از روابط میان متغیرها را به صورت هم زمان محاسبه کند.­(Kumar et al, 2008,p432) بنابراین در تحقیق حاضر استفاده از مدل معادلات ساختاری ضرورت می یابد. لذا برای پاسخ به پرسش اصلی این تحقیق، از روش معادلات ساختاری و نرم افزار آماری لیزرل ۲/۸ استفاده شده است. روش معادلات ساختاری می تواند به دو صورت یک مرحله ای و دو مرحله ای انجام شود. در روش یک مرحله ای، برازش مدل اندازه گیری و مدل علی به صورت یک جا انجام می شود، اما در روش دو مرحله ای هر کدام از این دو، به صورت مجزا انجام می شود. بسیاری از محققان روش دو مرحله ای را ترجیح می دهند، زیرا در این شیوه هم از سردرگمی در تفسیر اجتناب می شود (Burt, 1976) و هم جلوی تصریح نادرست مدل را می گیرد (Gallagher et al. 2008,p65).
در این تحقیق از روش دو مرحله­ ای استفاده می شود. در مرحله اول، مدل اندازه گیری مورد آزمون قرار می گیرد و سپس مدل علی برازش می شود. تحلیل عاملی می تواند دو صورت اکتشافی و تاییدی داشته باشد. اینکه کدام یک از این دو روش باید در تحلیل عاملی به کار رود؛ مبتنی بر هدف تحلیل داده هاست. در تحلیل اکتشافی^[۸۸] تحقیق گر به دنبال بررسی داده های تجربی به منظور کشف و شناسایی شاخص ها و نیز روابط بین آن هاست و این کار را بدون تحمیل هر گونه مدل معینی انجام می دهد. به بیان دیگر تحلیل اکتشافی علاوه بر آن که ارزش تجسسی یا پیشنهادی دارد؛ می تواند ساختار ساز، مدل ساز یا فرضیه ساز باشد (میرزایی،۱۳۸۸، ص ۴۲). در تحلیل عاملی تاییدی، تحقیق گر به دنبال تهیه مدلی است که فرض می شود؛ داده های تجربی را بر پایه چند پارامتر نسبتا اندک توصیف، تبیین یا توجیه می کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده هاست که می تواند به شکل یک تئوری یا فرضیه، یک طرح طبقه بندی کننده معین برای گویه ها، یا پاره تست ها در انطباق با ویژگی های عینی شکل و محتوا، شرایط معلوم تجربی و یا دانش حاصل از مطالعات قبلی درباره داده های وسیع باشد. با توجه به این که در این تحقیق مدل نظری پیش از جمع آوری داده ها تدوین شده است، برای آزمون برازش و محاسبه بار عاملی گویه ها در شاخص های ساخته شده، از تحلیل عاملی تأییدی استفاده می شود (میرزایی،۱۳۸۸، ص ۲۴). با توجه به این که در این تحقیق مدل نظری پیش از جمع آوری داده ها تدوین شده است، برای آزمون برازش و محاسبه بار عاملی گویه ها در شاخص های ساخته شده، از تحلیل عاملی تاییدی استفاده می شود.
مراحل مدل معادلات ساختاری
فرآیندهای تجزیه و تحلیل ساختارهای کوواریانس شامل یک سری گام هایی است؛ که به محقق توصیه می شود که حتما به صورت متوالی این گام ها را انجام دهد. این گام ها عبارتند از:

• بیان مدل

• تخمین مدل

• اصلاح مدل

• آزمون فرضیه

• تفسیر مدل

• ابلاغ یا نوشتن گزارش تحقیقاتی (شمس،۱۳۸۶، ص ۲۶).

در هر گام محقق باید در مورد موارد زیر تصمیماتی را اتخاذ کند.

• مدل چگونه ساخته شود؟

• چه شاخص ها و چه تعداد شاخص برای متغیرهای مکنون مورد نیاز است؟

• چگونه می بایستی خطاهای اندازه گیری را به طور جداگانه اداره نمود؟

• چه مقدار نمونه برای تخمین مدل مورد نیاز است؟

• از چه نوع ماتریسی استفاده شود؟ (Holey, 1995,p453).

در ذیل سعی می شود هر یک از مراحل به تفضیل شرح داده شود.
مرحله بیان مدل: مدل معادلات ساختاری با بیان مدلی که می-خواهد تخمین زده شود؛ شروع می شود. در ساده ترین سطح، مدل یک عبارت آماری درباره روابط میان متغیرها است. این مدل ها در زمینه رویکردهای مختلف تحلیلی، اَشکال مختلفی به خود می گیرند. برای مثال یک مدل در زمینه همبستگی عموماً روابط غیر جهت داری را (دو طرفه)، بین دو متغیر نشان می دهد. در حالی که رگرسیون چندگانه و تحلیل واریانس، مدل هایی را با روابط جهت دار بین متغیرها نشان می دهد(Holey, 1995,p453). این مرحله یکی از مهم ترین مراحل موجود در مدل معادلات ساختاری است. زیرا هیچ گونه تحلیلی صورت نمی گیرد؛ مگر این که محقق ابتدا مدل خود را بیان کند. گام های موجود در این مرحله به شرح زیر است:
گام اول: ساخت یک مدل ساختاری فرضی: بیان یک مدل در واقع ترجمان یک تئوری به یک سری معادلات ساختاری (ریاضی) است. بنابراین بهتر است؛ ابتدا نمودار مسیر را ترسیم کنیم و متغیرهای درون زا و برون زا و روابط علّی بین این متغیرها را نشان دهیم.
گام دوم: انتخاب شاخص های مشاهده شده برای متغیرهای مکنون: بعد از مشخص کردن متغیرهای مکنون درون زا و برون زا، در این گام لازم است؛ تا برای متغیرهای مکنون (متغیرهای مشاهده شده)، شاخص های مناسبی انتخاب و به آن ها وصل شود. بهتر است از چندین شاخص به جای یک شاخص برای اندازه گیری متغیر مکنون استفاده شود؛ که این کار بر اساس تعریف مفهومی و تعریف عملیاتی صورت می گیرد(Holey, 1995,p454). گام سوم: ارزیابی حالت تعین مدل: قبل از مرحله تخمین و بعد از مرحله بیان حتما میبایستی حالت تعین مدل مورد ارزیابی قرار گیرد. تعین یک مدل مستلزم مطالعه شرایطی برای به دست آوردن یک راه حل منحصر به فرد برای پارامترهای بیان شده در یک مدل می باشد(Holey, 1995,p4.) مرحله تخمین مدل: هنگامی که یک مدل بیان شد و حالت تعین آن مورد ارزیابی قرار گرفت؛ کار بعدی به دست آوردن تخمین های پارامترهای آزاد از روی مجموعه ای از داده های مشاهده شده است. این مرحله شامل یک­سری فرآیندهای تکراری است؛ که در هر تکرار یک ماتریس کوواریانس ضمنی ساخته می شود و با ماتریس کوواریانس داده های مشاهده شده مقایسه می گردد. مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده می شود و این تکرارها تا جایی ادامه می یابد؛ که این ماتریس باقیمانده به حداقل ممکن برسد(Holey, 1995,p453). گام های موجود در این مرحله به شرح زیر است:
گام اول: جمع آوری داده ها: در این مرحله انتخاب اندازه نمونه مهم است. زیرا بسیاری از روش های تخمین موجود در مدل معادلات ساختاری و شاخص های ارزیابی متناسب بودن مدل نسبت به اندازه نمونه حساس است. بنتلر^[۸۹] پیشنهاد نموده که همواره نسبت ۱۰ به ۱ بین اندازه نمونه و تعداد پارامترهای آزاد که می بایستی تخمین زده شود وجود داشته باشد (شمس،۱۳۸۶، ص ۲۸).
گام دوم: ساخت ماتریس واریانس – کوواریانس متغیرهای اندازه گیری شده: بعد از بیان مدل و جمع آوری داده ها، تخمین مدل با مجموعه ای از روابط شناخته شده بین متغیرهای اندازه گیری شده شروع می شود. این روابط در ماتریسی به نام ماتریس واریانس –کوواریانس یا ماتریس همبستگی مرتب می شود (شمس،۱۳۸۶).
گام سوم: ایجاد یک مجموعه ای از ماتریس ها برای برنامه لیزرل و اجرای آن: در یک تخمین هم زمان، به علت این که تخمین مدل ساختاری و مدل اندازه گیری به طور هم زمان صورت می گیرد؛ ممکن است یک راه حل برای پارامترهای مدل ساختاری و مدل اندازه گیری به هم وابسته شوند. بنابراین بهتر است؛ برای جلوگیری از ابهامات تفسیری متغیرهای مکنون، ابتدا مدل اندازه گیری و سپس مدل ساختاری تخمین زده شود (هومن،۱۳۸۴، ص ۵۳).
مرحله ارزیابی تناسب یا برازش: یک مدل وقتی گفته می شود؛ با یک سری داده های مشاهده شده تناسب دارد؛ که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس داده های مشاهده شده، معادل شده باشد. بدین معنی که ماتریس نزدیک صفر باشد(Holey, 1995,p459). تنها گام موجود در این مرحله به این شرح است: بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟
هنگامی که یک مدلی تخمین زده می شود؛ برنامه نرم افزاری یک سری آمارهایی از قبیل خطای استاندارد، T – Value و غیره را درباره ارزیابی تناسب مدل با داده ها منتشر می کند. اگر مدل قابل آزمون باشد ولی با داده ها به طور مناسب تناسب نداشته باشد، شاخص­ های اصلاحی که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند، به کار گرفته می شوند؛ تا مدل متناسب با داده ها شوند. مهم­ترین شاخص تناسب مدل، آزمون ^۲χ است، ولی به خاطر این که آزمون ^۲χ تحت شرایط خاصی عمل می کند و همیشه این شرایط محقق نمی شود؛ لذا یکسری شاخص های ثانویه ای نیز ارائه می گردد. مهم­ترین این شاخص ها عبارتند از: GFI، AGFI، RMSR (هومن،۱۳۸۴، ص ۵۴).
حالت­های بهینه برای این آزمون ها به شرح زیر است:
۱- آزمون ^۲χ هر چه کمتر باشد بهتر است، زیرا این آزمون اختلاف بین داده و مدل را نشان می دهد.
۲- آزمون GFI و AGFI از ۸۰ درصد بایستی بیشتر باشد.
۳- آزمون RMSR هر چه کمتر باشد بهتر است، زیرا این آزمون یک معیار برای میانگین اختلاف بین داده های مشاهده شده و داده های مدل است (هومن،۱۳۸۴، ص ۵۴).
مرحله اصلاح مدل: یکی از مهم ترین جنبه های بحث برانگیز مدل معادلات ساختاری اصلاح مدل است. اصلاح مدل مستلزم تطبیق کردن یک مدل بیان شده و تخمین زده شده است؛ که این کار از طریق آزاد کردن پارامترهایی که قبلا ثابت بوده اند؛ و یا ثابت کردن پارامترهایی که قبل از آن آزاد بوده اند؛ صورت می گیرد. این مرحله را می توان با مقایسه های تبعی یا Post Hoc در ANOVA قیاس کرد(Holey, 1995,p459).
مهم ترین گام موجود در این مرحله به این شرح است: اگر اصلاحاتی موردنیاز باشد، مشخصات مدل (پارامترها) را ارزیابی کنید؛ و مشخصات جدیدی را وارد کنید. اصلاحات این مرحله شامل شناسایی محدودیتها و اضافه کردن پارامترهای اضافی است (هومن،۱۳۸۴، ص ۵۵).