دانلود پایان نامه مدیریت در مورد معادلات ساختاری

که این برنامه به خوبی جای خود را در میان برنامه های کامپیوتری موجود در زمینه مدل سازی باز کرده و به سرعت استفاده از آن در حال گسترش است. با توجه به این که در حال حاضر به روز کردن و عرضه این نرم افزار توسط شرکت SPSS انجام می شود و این نرم افزار به همراه نگارش های 16 به بعد نرم افزار SPSS عرضه می شود، این انتظار وجود دارد که عمومیت استفاده از آن به تدریج به اندازه عمومیت استفاده از نرم افزار SPSS شود.
استفاده از Amos کار بردیتر از لیزرل است و با استفاده از آن می توان روی انواع مدل ها کار نمود، انواع شیوه های برآورد پارامترها را محاسبه کرد، حجم نمونه، نرمالیزه بودن و یا محاسبه انواع شاخص های برازندگی و خروجی های مختلف را بدست آورد (قاسمی، 1389).
مدل یابی معادلات ساختاری، یک تکنیک چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیقتر بسط”مدل خطی عمومی ” است که به پژوهشگر امکان میدهد مجموعهای از معادلات رگرسیون را به گونهای همزمان مورد آزمون قرار دهد. مدل یابی معادلات ساختاری یک رویکرد جامع برای آزمون فرضیه هایی درباره روابط متغیرهای مشاهده شده و مکنون است که گاه تحلیل ساختاری کوواریانس، مدل یابی علی و گاه نیز لیزرل نامیده شده است(هومن، 1387: 11). یکی از قوی ترین و مناسبترینروش های تجزیه و تحلیل در پژوهشهای علوم رفتاری و اجتماعی، تجزیه و تحلیل چند متغیره است زیرا این گونه موضوعات چند متغیره بوده و نمیتوان آنها را به شیوه دو متغیری(که هر بار یک متغیر مستقل با یک متغیر وابسته در نظر گرفته میشود) حل نمود.
نکته حائز اهمیت آنست که مدلهای SEM را هرگز نمیتوان به گونه مطلق پذیرفت، تنها میتوان آنها را رد نکرد. این مسئله موجب میشود که پژوهشگران، یک مدل بخصوص را به گونهای موقتی بپذیرند، زیرا اذعان دارند که در بیشتر موارد، مدلهای هم ارز و معادلی وجود دارد که به همان اندازه مدلی که به گونه موقت پذیرفتهاند، با دادهها برازش دارد.
در این پژوهش از روش دو مرحلهای معادلات ساختاری پیشنهاد شده آندرسون و جربینگ (1988) برای تحلیل داده ها استفاده شده است. در این پژوهش در گام اول از تحلیل عاملی تأئیدی و در گام دوم از تحلیل مسیر برای تحلیل روابط بین سازه ها بهره برده شده، بنابراین در این بخش به توضیح اجمالی درباره تحلیل مسیر و تحلیل عاملی پرداخته میشود.
3-9-2-2- تحلیل مسیر
مدل یابی علی یا تحلیل مسیر که برای نخستین بار از سوی سوول رایت (1934) توسعه یافت گسترشروش های رگرسیون و در حقیقت کاربرد رگرسیون چند متغیری در ارتباط با تدوین بارز مدلهای علی است. هدف آن به دست آوردن برآوردهای کمی روابط علی بین مجموعهای از سازه ها است. پارامترهای حاصل از تحلیل رگرسیون دست کم در سه موقعیت اساسی زیر نمیتواند اطلاعات لازم را فراهم آورد:
وقتی متغیرهای مشاهده شده حاوی خطای اندازه گیری و بین متغیرهای واقعی روابط جالب و بدون تورش وجود داشته باشد.
وقتی بین متغیرهای مشاهده شده روابط درهم تنیده جریان علی وجود داشته باشد.
وقتی متغیرهای مهم تبیین کننده مشاهده نشده باشند.
در علوم اجتماعی و رفتاری برخلاف علوم طبیعی، استنباط روابط علی بر پایه مطالعاتی صورت میگیرد که در آنها مدلها و فرضیه های علی از لحاظ آماری ارزیابی میشود. در چنین مطالعاتی حتی روابط علی را نمیتوان ثابت کرد، تنها منطقی بودن نسبی آنها را در برابر سایر چارچوبهای تبیین میتوان تأیید نمود. در این علوم بیشتر تئوریها و مدلها در قالب سازه های نظری که مستقیماً مشاهده پذیر و اندازه پذیر نیست بیان میشود. اما برای عملیاتی کردن و اندازه گیری متغیرهای نظری میتوان از شاخصها یا نشانه هایی که نشانگر نامیده میشود، استفاده کرد. استنباطهای علی به واقع به مسیرهایی بستگی دارد که طرح مطالعه مشخص کرده است(هومن، 1387: 17).
3-9-2-3- تحلیل عاملی
تحلیل عاملی می‌تواند دو صورت اکتشافی و تأییدی داشته باشد. اینکه کدام یک از این دو روش باید در تحلیل عاملی به کار رود مبتنی بر هدف تحلیل داده هاست. در تحلیل عاملی اکتشافی پژوهشگر به دنبال بررسی داده‌های تجربی به منظور کشف و شناسایی شاخص‌ها و نیز روابط بین آنهاست و این کار را بدون تحمیل هر گونه مدل معینی انجام می‌دهد. به بیان دیگر تحلیل اکتشافی علاوه بر آنکه ارزش تجسسی یا پیشنهادی دارد می‌تواند ساختارساز، مدل ساز یا فرضیه ساز باشد(هومن، 1387).
تحلیل عاملی تأییدی به واقع بسط تحلیل عاملی معمولی است، یکی از جنبههای مهم SEM است، که در آنفرضیه های معینی درباره ساختار بارهای عاملی و همبستگیهای متقابل بین متغیرها مورد آزمون قرار میگیرد. با توجه به معیار فرنل و لاکر (1981) بارهای عاملی گویه ها باید بزرگتر از5/0 و معنادار باشدو همچنین پایایی سازه ها باید از 8/0 بزرگتر باشد. در پژوهش حاضر برای اینکه بتوان فهمید گویه ها بیان کننده عاملها(سازهها) مورد نظر هستند از تحلیل عاملی تأییدی استفاده شده است.
3-9-2-4- آزمون‌های برازندگی مدل کلی
با آنکه انواع گوناگون آزمون‌ها که به گونه کلی شاخص‌های برازندگی(Fitting indexes) نام
یده می‌شوند پیوسته در حال مقایسه، توسعه و تکامل می‌باشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقاله‌های مختلف، شاخص‌های مختلفی را ارائه
کردهاند و حتی نگارش‌های مشهور برنامه‌های SEM مانند نرم افزارهایLisrel, Amos, EQS نیز تعداد زیادی از شاخص‌های برازندگی به دست می‌دهند.(هومن،1387 ،235) این شاخص‌ها به شیوه‌های مختلفی طبقه بندی شده اند که یکی از عمده‌ترین آنها طبقه بندی به صورت مطلق، نسبی و تعدیل یافته می‌باشد. برخی از این شاخص ها عبارتند از:
الف- مجذور کای ( 2χ )
در میان شاخصهای مطلق، مجذور کای ( 2χ ) به قدرمطلق پس ماندها توجه دارد.
آزمون مجذور کای (خی دو) این فرضیه را مدل مورد نظر هماهنگ با الگوی همپراشی بین متغیرهای مشاهده شده است را می‌آزماید، کمیت خی دو بسیار به حجم نمونه وابسته می‌باشد و نمونه بزرگ کمّیّت کای دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد, افزایش می‌دهد. (هومن.1387. 422).
ب- ریشه میانگین مجذور پس ماندها(RMR)
یکی دیگر از شاخصهای مطلق است که در زبان لیزرل با RMSR و گاه با RMS مشخص
میشود. مقدار آن به واقع ریشه دوم میانگین پس ماندها یعنی تفاوت بین بین عناصر ماتریس مشاهده شده در گروه نمونه و عناصر ماتریسهای برآورد با فرض درست بودن مدل مورد نظر است. هرچه RMR برای مدل مورد آزمون نزدیکتر به صفر باشد ، مدل مذکور برازش بهتری دارد.

پ- شاخص‌های مطلق GFI وAGFI
شاخص GFI مقدار نسبی واریانس‌ها و کوواریانس‌ها را به گونه مشترک از طریق مدل ارزیابی می‌کند. دامنه تغییرات GFI بین صفر و یک می‌باشد. مقدار GFI باید برابر یا بزرگتر از 90/0باشد.
شاخص برازندگی دیگر AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی می‌باشد. این مشخصه معادل با کاربرد میانگین مجذورات به جای مجموع مجذورات در صورت و مخرج (1- GFI) است. مقدار این شاخص نیز بین صفر و یک می‌باشد. مقدار AGFI نیز باید برابر یا بزرگتر از 9/0 باشد تا مدل مورد نظر پذیرفته شود. شاخص‌های GFI و AGFI بستگی به حجم نمونه ندارد.
ت- شاخص RMSEA
این شاخص، ریشه میانگین مجذورات تقریب می‌باشد. شاخص RMSEAبرای مدل‌های خوب برابر 0.05 یا کمتر است. مدلهایی که RMSEA آنها 0.1 باشد برازش ضعیفی دارند.
ج- شاخصNFI وCFI و IFI
شاخص برازندگی هنجار شده (NFI)که شاخص بنتلر-بونت هم نامیده می‌شود) برای مقادیر بالای 90/0 قابل قبول و نشانه برازندگی مدل است. شاخص برازندگی تطبیقی (CFI) از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می‌آزماید. شاخص CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می‌دهد، مقدار آن بر پایه قرارداد باید دست کم برابر9/0 باشد. شاخص برازندگی فزاینده (IFI) که شباهت با NFI دارد. مقدار IFI نیز بر پایه قرارداد باید دست کم 9/0 باشد تا مدل مورد نظر پذیرفته شود.
شاخص‌های دیگری نیز در خروجی نرم افزار لیزرل دیده می‌شوند که برخی مثلAIC, CAIC ECVA , برای تعیین برازنده‌ترین مدل از میان چند مدل مورد توجه قرار می‌گیرند برای مثال مدلی که دارایکوچکترین AIC,CAIC,ECVA باشد برازنده‌تر است(هومن1387 ،244-235). برخی از شاخص‌ها نیز به شدت وابسته حجم نمونه اند و در حجم نمونه‌های بالا می‌توانند معنا داشته باشند.
3-10- خلاصه :
در واقع تحقیق عملی است منظم که در نتیجه آن سوالات مطرح شده پاسخ داده میشوند و پایه و اساس علم، روش تحقیق و شیوه شناخت آن علم میباشد. در این فصل ضمن بیان مقدمه ای بر فصل، روش تحقیق، فرآیند تحقیق، جامعه آماری، ابزار گردآوری داده ها، روایی و پایایی پرسشنامه، روش جمع آوری دادهها و در نهایت روش تجزیه و تحلیل داده های تحقیق بیان گردید.

فصل چهارم :
تجزیه و تحلیل داده های تحقیق

مقدمه
تجزیه و تحلیل یافته‌ها برای بررسی صحت و سقمفرضیه های برای هر نوع تحقیق از اهمیت خاصی برخوردار است. امروزه در بیشتر پژوهش‌ها، تجزیه و تحلیل اطلاعات از اصلی‌ترین و مهم‌ترین بخش‌های تحقیق محسوب می‌شود. داده‌های خام با استفاده از فنون آماری مورد تجزیه و تحلیل قرار می‌گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده کنندگان قرار می‌گیرند.
در این فصل ابتدا آمار توصیفی حاصل از پرسشنامهها تشریح میگردد، سپس برازش الگو تحلیل معادلات ساختاری ارائه میگردد و در نهایت به تجزیه و تحلیلفرضیه ها پرداخته میشود.
4-1- یافتههای توصیفی
در این قسمت به توصیف داده های مربوط به ویژگی‌های عمومی پاسخ دهندگان مانند جنسیت، سن، تحصیلات، میزان سابقه کار پاسخ دهندگان پرداخته میشود، و برای هر مورد، وضعیت پاسخ دهندگان شامل تعداد، درصد و درصد تجمعی آن بیان شده و همچنین نمودار دایره ای مربوط به آن آمده است. و در پایان به تجزیه و تحلیل آن‌ها پرداخته شده است. بر اساس داده های به دست آمده حاصل از پرسشنامه عمومی، اطلاعات تفصیلی در خصوص مشخصات و ویژگی‌های عمومی نمونه به دست آمده که به صورت مرتب در جداول (4-1، 4-2، 4-3 و 4-4 ) و شکل‌های زیر به آن‌ها اشاره می‌گردد.

4-1-1- توزیع فراوانی متغیر جنسیت در نمونه
در این قسمت به بررسی نسبت جنسیت پاسخ دهندگان برداخته شده است:
جدول 4-1- توزیع فراوانی متغیر جنسیت در نمونه
جنسیت فراوانی هر طبقه درصد فراوانی داده های هر طبقه درصد فراوانیداده های معتبر هر طبقه درصد تجمعی
مرد 186 93.5 93.5 93.5
زن 13 6.5 6.5 6.5
کل 199 100.0 100.0
جدول 4-1، توزیع فراوانی متغیر جنسیت را نشان می‌دهد. بر اساس نتایج به دست آمده از این جدول بیشتر افراد تشکیل دهنده جامعه آماری مردان می‌باشد که درصد فراوانی آنان 5/93 درصد می‌باشد و کمترین متعلق به زنان با درصد فراوانی 5/6 درصد است. در ادامه نمودار دایره ای توزیع فراوانی این متغیر جمعیت شناسی را نیز می‌توان مشاهده نمود.

شکل 4-1: نمودار دایرهای متغیر جنسیت در نمونه

4-1-2- توزیع فراوانی متغیر سن پاسخ‌دهندگان در نمونه
در این قسمت به بررسی نسبت سن پاسخ دهندگان برداخته شده است:
جدول 4-2- توزیع فراوانی متغیر سن پاسخ دهندگان در نمونه
سن فراوانی هر طبقه درصد فراوانی داده های هر طبقه درصد فراوانی داده های معتبر هر طبقه درصد تجمعی
20-29 30 15.1 15.1 15.1
30-39 83 41.7 41.7 56.8
40-49 49 24.6 24.6 81.4
50 و بالاتر 37 18.6 18.6 100.0
کل 199 100.0 100.0
جدول 4-2، توزیع فراوانی متغیر سن را نشان می‌دهد. بر اساس نتایج به دست آمده در جدول فوق، 83 نفر از نمونه 199 نفری 30 تا 39 سال دارند که 7/47 درصد از کل نمونه را تشکیل میدهند و بیشترین رده سنی را تشکیل میدهند. تعداد فراوانی افرادی که 29-30 سن دارند، 37 نفر در نمونه میباشند که 6/18 درصد از کل نمونه را تشکیل میدهند و کمترین رده سنی در بین افراد نمونه آماری هستند. نمودار دایرهای توزیع فراوانی این متغیر جمعیت شناسی در شکل 4-2 ارائه شده است.

شکل 4-2: نمودار دایرهای متغیر سن در نمونه

4-1-3- توزیع فراوانی متغیر سطح تحصیلات در نمونه
در این قسمت به بررسی نسبت سطح تحصیلات پاسخ دهندگان برداخته شده است:
جدول 4-3- توزیع فراوانی متغیر سطح تحصیلات در نمونه
سطح تحصیلات فراوانی هر طبقه درصد فراوانی داده های هر طبقه درصد فراوانی داده های معتبر هر طبقه درصد تجمعی
دیپلم 11 5.5 5.5 5.5
کاردانی 6 3.0 3.0 8.5
کارشناسی 137 68.8 68.8 77.4
کارشناسی ارشد 45 22.6 22.6 100.0
کل 199 100.0 100.0
جدول 4-3، توزیع فراوانی متغیر سطح تحصیلات را نشان میدهد. بر اساس نتایج به دست آمده از این جدول، 137 نفر از نمونه 199 نفری دارای مدرک لیسانس میباشند که 8/68 درصد از کل نمونه را تشکیل میدهند و بیشترین تعداد از افراد نمونه آماری دارای این مدرک میباشند. تعداد فراوانی افرادی که دارای مدرک کاردانی میباشند، 6 نفر در نمونه میباشد که 0/3 درصد از کل نمونه را تشکیل میدهند و افراد دارای این مدرک در حداقل قرار دارند. در ادامه نمودار دایرهای توزیع فراوانی این متغیر جمعیت شناسی را نیز می‌توان مشاهده نمود.

شکل 4-3: نمودار دایرهای متغیر سطح تحصیلات در نمونه
4-1-4- توزیع فراوانی متغیر میزان سابقه اشتغال در نمونه
در این قسمت به بررسی نسبت سابقه اشتغال پاسخ دهندگان برداخته شده است:
جدول 4-4- توزیع فراوانی متغیر وضعیت سابقه اشتغال در نمونه
سابقه اشتغال در
سازمان فراوانی هر طبقه درصد فراوانی داده های هر طبقه درصد فراوانی داده های معتبر هر طبقه درصد تجمعی
0-10 45 22.6 22.6 22.6
11- 20 92 46.2 46.2 68.8
21- 30 62 31.2 31.2 100.0
کل 199 100.0 100.0
جدول 4-5، توزیع فراوانی متغیر وضعیت سابقه اشتغال را نشان میدهد. بر اساس نتایج به دست آمده در جدول فوق، 92 نفر از نمونه 199 نفری دارای تجربه کاری 11-20 سال میباشند که 2/46 درصد از کل نمونه را تشکیل میدهند و بیشترین افراد می‌باشند. تعداد فراوانی افرادی که سابقه 0-10 سال می باشند ، 45 نفر در نمونه هستند که 6/22 درصد از کل نمونه را تشکیل میدهند. نمودار دایرهای توزیع فراوانی این متغیر جمعیت شناسی در شکل 4-4 ارائه شده است.

شکل 4-4: نمودار دایرهای متغیر وضعیت سابقه اشتغال در نمونه

4-2- برآورد الگو
پس از تدوین نظری الگو برای تبیین پدیده مورد پژوهش و

دیدگاهتان را بنویسید