.۱۰۸

.۰۰۶

.۸۵۱

روش استخراج: روش تجزیه و تحلیل اصلی
روش چرخش: واریماکس

ماتریس چرخش یافته عاملی شامل بارهای عاملی هر یک از متغیرها در عامل های باقیمانده پس از چرخش می باشد. همانطور که انتظار می رفت با توجه به ماتریس چرخش یافته عاملی می توان مشاهده نمود که ۳ عامل به عنوان عامل های اصلی شناسایی شدند. ۳ عامل بدست امده با توجه به بررسی ادبیات موضوعی تحقیق و مدل مفهومی از پیش طراحی شده بصورت زیر نام گذاری گردیدند: ۱- در دسترس بودن منابع و ۲-درجه کارائی شخصی و ۳-شرایط تسهیل کننده فناوری
تحلیل عاملی تاییدی متغیر‌های پژوهش
در این بخش، نتایج حاصل از تحلیل عاملی تائیدی هر یک از متغیر‌های پژوهش توسط نرم‌افزار LISREL به صورت جداگانه برای هر متغیر آورده شده است. لازم به ذکر است که به منظور کاهش متغیرها و در نظر گرفتن آنها به عنوان یک متغیر مکنون، بار عاملی به دست آمده باید بیشتر از ۳/۰ باشد (مؤمنی و فعال قیوم، ۱۳۸۶). در تحلیل عاملی تائیدی محقق می داند چه سوالی مربوط به چه بعدی است. یعنی در تحلیل عاملی تائیدی مدل مفهومی برای هر یک از مفاهیم یا متغیرهای تحقیق وجود دارد.

در بررسی هر کدام از مدل ها سوال اساسی این است که آیا این مدل های اندازه گیری مناسب است؟ به عبارت دیگر آیا داده های تحقیق با مدل مدل مفهومی همخوانی دارد یا نه ؟
بطور کلی دو نوع شاخص برای آزمودن برازش مدل وجود دارد. ۱- شاخص های خوب بودن و ۲- شاخص های بد بودن
شاخص های خوب بودن مانند AGFI ، AGFI، NFI و … می باشدکه هر چقدر مقدار آنها بیشتر باشد بهتر است. مقدار پیشنهادی برای چنین شاخصهایی ۹/۰ می باشد. همچنین شاخص های بد بودن نیز شامل df /2χ و RMSEA می باشد که هر چقدر مقدار آنها کمتر باشد مدل دارای برازش بهتری است. حد مجاز df /2x عدد ۳ می باشد و حد مجاز RMSEA 08/0 می باشد. برای پاسخ به پرسش برازش مدل بایستی شاخص های خوب بودن و بد بودن به هم (df /2χ ، RMSEA ، AGFI ، AGFI، NFI و CFI) مورد بررسی قرار گیرند.
نیکویی برازش مدل
همانطور که آشکار است، نرم افزار LISREL یک سری شاخص‌های برای سنجش نیکویی برازش مدل تدوی شده ارائه می‌دهد. در ادامه کلیه شاخص های ذکر شده مورد بررسی قرار می گیرند.
شاخص کای دو (۲χ) : که نشان دهندۀ میزان آمارۀ کای دو برای مدل است. در واقع این شاخص اختلاف بین مدل و داده‌ها را نشان می‌دهد و معیاری برای بد بودن مدل است. لذا هرقدر که میزان آن کمتر باشد، حاکی از اختلاف کمتر بین ماتریس واریانس-کوواریانس نمونۀ اتخاذ شده و ماتریس واریانس-کوواریانس حاصل از مدل اتخاذ شده بوده و بد بودن مدل را نشان می‌دهد. البته لازم به ذکر است که میزان این شاخص تحت تأثیر تعداد نمونۀ اتخاذ شده قرار می‌گیرد. در واقع چنانچه حجم نمونه بیشتر از ۲۰۰ بشود، این شاخص تمایل زیادی به افزایش دارد. لذا تحلیل برازندگی مدل با این شاخص، معمولاً در نمونه‌های بین ۱۰۰ تا ۲۰۰ قابل اتکا است. همچنین بهتر است که این شاخص، با در نظر گرفتن درجۀ آزادی تفسیر شود.
درجۀ آزادی (df): این شاخص درجۀ آزادی مدل را نشان می‌دهد و نباید کوچکتر از صفر باشد.
نسبت کای دو بر درجۀ آزادی (): یکی از بهترین شاخص‌های بررسی نیکویی برازش مدل، بررسی نسبت آمارۀ کای دو بر درجۀ آزادی که است. البته حد استانداردی برای مناسب بودن میزان این شاخص وجود ندارد. اما بسیاری از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۳ باشد. در نهایت حد مناسب بودن باید با تشخیص محقق و بر اساس نوع تحقیق صورت گیرد.
شاخص P-Value: این شاخص نیز معیاری دیگر برای سنجش مناسب بودن مدل است. اما در مورد میزان قابل قبول بودن این شاخص، اجماع نظری وجود ندارد. برخی از اندیشمندان حوزۀ آماری معتقدند که میزان آن باید کمتر از ۰٫۰۵ باشد در حالی که برخی بر بیشتر بودن این میزان تأکید دارند.
شاخص میانگین مجذور خطاهای مدل (RMSEA): این شاخص براساس خطاهای مدل ساخته شده و همانند شاخص کای دو، معیاری برای بد بودن مدل است. برخی از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۰٫۰۵ باشد، همچنین برخی دیگر، میزان کمتر از ۰۸/۰ را مناسب می‌دانند.
شاخص Goodness-of-Fit (GFI): این شاخص، معیاری برای سنجش میزان خوب بودن مدل است و میزانی بالاتر از ۰٫۹، نشان دهندۀ مناسب بودن مدل استخراج شده با توجه به داده‌ها است.
شاخص Adjusted GFI (AGFI): این شاخص، در واقع حالت تطبیق داده شدۀ شاخص GFI با در نظر گرفتن میزان درجۀ آزادی (df) است و معیار دیگری برای خوب بودن مدل است. چنانچه میزان این شاخص بالاتر از ۹/۰ باشد، حاکی از مناسب بودن مدل استخراجی با توجه به داده‌ها است .
شاخص Normed Fit Index (NFI): این شاخص نیز یکی دیگر از شاخص‌ها برای سنجش میزان خوب بودن مدل به دست آمده با توجه به داده‌ها است. چنانچه میزان این شاخص بالاتر از ۹/۰ باشد، حاکی از مناسب بودن مدل استخراجی است (Schumacker & Lomax, 2004).
مدل اندازه گیری مرتبه اول در متغیر رفتار
شکل ۴-۳ و ۴-۴ مدل اندازه گیری متغیر رفتار را در حالت تخمین استاندارد نشان می دهد. بارهای عاملی مدل در حالت تخمین استاندارد میزان تاثیر هر کدام از متغیرها و یا گویه ها را در توضیح و تبیین واریانس نمرات متغیر یا عامل اصلی نشان می دهد. به عبارت دیگر بار عاملی نشان دهنده میزان همبستگی هر متغیر مشاهده گر (سوال پرسشنامه) با متغیر مکنون (عامل ها) می باشد. با توجه به شکل ۴-۳ می توان بارهای عاملی هر یک از سوالات تحقیق را مشاهده نمود. برای مثال بار عاملی سوال اول در بُعد درک از راحتی ۴۶/۰ می باشد. به عبارت دیگر سوال تقریباً ۲۱ درصد از واریانس بُعد درک از راحتی را تبیین می نماید. مقدار ۷۹/۰ نیز مقدار خطا می باشد (مقدار واریانسی که توسط سوال اول قابل تبیین نیست، واضح است که هر چه مقدار خطا کمتر باشد ضرایب تعیین بالاتر و همبستگی بیشتری بین سوال و عامل مربوطه وجود دارد). مقدار ضریب تعیین عددی بین ۰ و ۱ است که هر چه به سمت ۱ نزدیک شود مقدار تبیین واریانس بیشتر می گردد.
شکل ۵-۳) مدل اندازه گیری مرتبه اول در متغیر رفتار در حالت تخمین استاندارد
خروجی بعدی(مدل در حالت معناداری) معناداری ظرایب و پارامترهای بدست آمده مدل اندازه گیری مرتبه اول متغیر رفتار را نشان می دهد که تمامی ضرایب بدست آمده معنادار شده اند. مقادیر آزمون معناداری بزرگتر از ۱٫۹۶ یا کوچکتر از ۱٫۹۶- نشان دهنده معناداری بودن روابط است. دو خروجی نرم افزار لیزرل (مدل در حالت تخمین استاندارد و مدل در حالت ضرایب معناداری) در ادامه نشان داده شده است.
شکل ۵-۴) مدل اندازه گیری مرتبه اول در متغیر رفتار در حالت ضرایب معناداری
نتایج تخمین (قسمت زیرین شکل) حاکی از مناسب بودن نسبی شاخص ها دارد. با توجه به خروجی لیزرل مقدار ۲χ محاسبه شده برابر با ۱۲/۲۵۶ می باشد که نسبت به درجه آزادی ۱۱۳ کمتر از عدد ۳ می باشد. مقدار ARMSE نیز برابر با ۰۷۶/۰ می باشد. حد مجاز ARMSE ، ۰۸/۰ است. شاخص های GFI , AGFI و NFI بترتیب برابر با ۸۷/۰ ، ۹۱/۰ و ۹۴/۰ می باشد که نشان دهنده برازش بسیار بالایی می باشند.
مدل اندازه گیری مرتبه اول در متغیر هنجار
شکل ۴-۵ و ۴-۶ مدل اندازه گیری مرتبه اول در متغیر هنجار را در حالت تخمین استاندارد نشان می دهد. با توجه به شکل ۴-۵ می توان بارهای عاملی هر یک از سوالات تحقیق را مشاهده نمود. برای مثال بار عاملی سوال اول در بُعد درک از درستی ۷۹/۰ می باشد. به عبارت دیگر سوال تقریباً ۶۲ درصد از واریانس بُعد درک از درستی را تبیین می نماید. مقدار ۳۸/۰ نیز مقدار خطا می باشد (مقدار واریانسی که توسط سوال اول قابل تبیین نیست، واضح است که هر چه مقدار خطا کمتر باشد ضرایب تعیین بالاتر و همبستگی بیشتری بین سوال و عامل مربوطه وجود دارد). مقدار ضریب تعیین عددی بین ۰ و ۱ است که هر چه به سمت ۱ نزدیک شود مقدار تبیین واریانس بیشتر می گردد.
شکل ۵-۵) مدل اندازه گیری مرتبه اول در متغیر هنجار در حالت تخمین استاندارد
خروجی بعدی(مدل در حالت معناداری) معناداری ظرایب و پارامترهای بدست آمده مدل اندازه گیری مرتبه اول در متغیر هنجار را نشان می دهد که تمامی ضرایب بدست آمده معنادار شده اند. مقادیر آزمون معناداری بزرگتر از ۱٫۹۶ یا کوچکتر از ۱٫۹۶- نشان دهنده معناداری بودن روابط است. دو خروجی نرم افزار لیزرل (مدل در حالت تخمین استاندارد و مدل در حالت ضرایب معناداری) در ادامه نشان داده شده است.
شکل ۵-۶) مدل اندازه گیری مرتبه اول در متغیر هنجار در حالت ضرایب معناداری
نتایج تخمین (قسمت زیرین شکل) حاکی از مناسب بودن شاخص ها دارد. با توجه به خروجی لیزرل مقدار ۲χ محاسبه شده برابر با ۸۸/۱۸ می باشد که نسبت به درجه آزادی ۸ کمتر از عدد ۳ می باشد. مقدار ARMSE برابر با ۰۶۰/۰ می باشد. حد مجاز ARMSE ، ۰۸/۰ است. شاخص های GFI , AGFI و NFI بترتیب برابر با ۹۰/۰ ، ۹۴/۰ و ۹۶/۰ می باشد که نشان دهنده برازش نسبتاً بالایی می باشند.
مدل اندازه گیری مرتبه اول در متغیر کنترل رفتاری
شکل ۴-۷ و ۴-۸ مدل اندازه گیری مرتبه اول در متغیر کنترل رفتار درک شده را در حالت تخمین استاندارد نشان می دهد. با توجه به شکل ۴-۷۳ می توان بارهای عاملی هر یک از سوالات تحقیق را مشاهده نمود. برای مثال بار عاملی سوال اول در بُعد درجه کارائی شخصی ۸۷/۰ می باشد. به عبارت دیگر سوال تقریباً ۷۶ درصد از واریانس بُعد درجه کارائی شخصی را تبیین می نماید. مقدار ۲۴/۰ نیز مقدار خطا می باشد (مقدار واریانسی که توسط سوال اول قابل تبیین نیست، واضح است که هر چه مقدار خطا کمتر باشد ضرایب تعیین بالاتر و همبستگی بیشتری بین سوال و عامل مربوطه وجود دارد). مقدار ضریب تعیین عددی بین ۰ و ۱ است که هر چه به سمت ۱ نزدیک شود مقدار تبیین واریانس بیشتر می گردد.
شکل ۵-۷) مدل اندازه گیری مرتبه اول در متغیر کنترل رفتار درک شده در حالت تخمین استاندارد
خروجی بعدی(مدل در حالت معناداری) معناداری ظرایب و پارامترهای بدست آمده مدل اندازه گیری مرتبه اول در متغیر هنجار را نشان می دهد که تمامی ضرایب بدست آمده معنادار شده اند. مقادیر آزمون معناداری بزرگتر از ۱٫۹۶ یا کوچکتر از ۱٫۹۶- نشان دهنده معناداری بودن روابط است. دو خروجی نرم افزار لیزرل (مدل در حالت تخمین استاندارد و مدل در حالت ضرایب معناداری) در ادامه نشان داده شده است.
نتایج تخمین (قسمت زیرین شکل) حاکی از مناسب بودن شاخص ها دارد. با توجه به خروجی لیزرل مقدار ۲χ محاسبه شده برابر با ۱۲/۴۳ می باشد که نسبت به درجه آزادی ۱۸ کمتر از عدد ۳ می باشد. مقدار ARMSE برابر با ۰۳۲/۰ می باشد. حد مجاز ARMSE ، ۰۸/۰ است. شاخص های GFI , AGFI و NFI بترتیب برابر با ۹۱/۰ ، ۹۵/۰ و ۹۷/۰ می باشد که نشان دهنده برازش نسبتاً بالایی می باشند.
شکل ۵-۸) مدل اندازه گیری مرتبه اول در متغیر کنترل رفتار درک شده در حالت ضرایب معناداری
آمار پارامتریک و آزمون میانگین یک جامعه به منظور بررسی وضعیت متغیرهای تحقیق
آن ‌قسمت ‌از آمار است‌ که ‌به ‌برآورد و آزمون فرضیه ها در خصوص پارامترهای‌ جامعه ‌از روی ‌نمونه ‌می‌پردازد. استنباطهایی ‌که ‌از نمونه ‌میشود نمی تواند قطعی ‌باشد و این ‌استنباط ها احتمالی‌ هستند و لذا باید مبانی‌ نظریه‌ احتمال‌ را در بیان‌ آنها بکار گیریم‌. در واقع هدف نهایی آمار استنباطی برآورد ویژگی های جامعه است. در این بخش به منظور تحلیل داده های پژوهش و استنباط آماری از تحلیل های مختلفی استفاده گردیده است. ابتدا به منظور بررسی وضعیت متغیرهای تحقیق نظیر اعتماد، ارتباطات، همکاری، جو کاری، سازگاری، تکرار رابطه، پافشاری بر رابطه و تنوع رابطه از آزمون فرض آماری میانگین یک جامعه یا بعبارتی از آزمون T یک نمونه ای (One-Sample Test) استفاده گردیده است که در واقع تفاوت بین میانگین نمونه مورد بررسی را با یک مقدار مفروض مورد آزمون قرار می دهد.
برای بررسی وضعیت هر کدام از متغیرهای تحقیق از آزمون آماری میانگین یک نمونه استفاده گردید. به منظور عدم تداخل با فرضیات تحقیق در هر مورد ، گزاره مربوطه به صورت سوال مطرح شده است. فرضیه صفر در تمام متغیرهای تحقیق با توجه به طبف ۵ تایی لیکرت به این صورت است:
آزمون فرض:
H0: (فرضیه صفر) μ = ۳