تفسیر نتایج برآمده از مدل: پس از اصلاح مدل و اطمینان از کفایت برازش مدل، محقق مجاز است که نتایج حاصل از یافته های پژوهش خود را تفسیر نماید. در این مرحله اعداد و مقادیر حاصل از تحلیل داده ها به عبارات ساده و قابل فهم برای مخاطب تبدیل شده و به وی گزارش داده می شود(داوری، رضازاده,۱۳۹۲).
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
۳-۸-۳ روش حداقل مربعات جزئی(PLS)
همانطور که قبلأ ذکر شد، روش تجزیه و تحلیل داده ها در این تحقیق رویکرد PLS و بطور مشخص نرم افزار SmartPLS می باشد، در ادامه توضیحی مختصر و مفید دربارۀ آنها ارائه می گردد.
روش مدل سازی معادلات ساختاری با رویکرد حداقل مربعات جزئی یا همان PLS-SEM توسط ولد[۷۳] (۱۹۷۴) ابداع گردید و در ادامه نسخۀ پیشرفته تر آن توسط لمولر[۷۴] (۱۹۸۹) ارائه گشت(همان منبع).
PLS یکی از رویکردهای نسل دوم مدل سازی معادلات ساختاری است و در مقایسه با روش های نسل اول که کوواریانس محور بودند، مزیتهایی دارد که، مهمترین دلیل، برتری این روش برای نمونه های کوچک ذکر شده است. دلیل بعدی داده های غیرنرمال است که، محققین در برخی پژوهشها با آن روبرو می شوند. در نهایت، دلیل آخر استفاده از این روش، سر و کار داشتن با مدلهای اندازه گیری از نوع سازنده[۷۵] است (رینگل و همکاران[۷۶]، ۲۰۱۲).
۳-۸-۴ پایایی و روایی در PLS
پایایی و روایی در این روش در دو بخش بررسی می شود.
بخش مربوط به مدلهای اندازه گیری
بخش مربوط به مدل ساختاری
برای برازش بخش اول یعنی مدلهای اندازه گیری، سه مورد استفاده می شود: پایایی شاخص[۷۷]، روایی همگرا[۷۸] و روایی واگرا[۷۹]. که پایایی شاخص نیز خود توسط سه معیار مورد سنجش واقع می گردد: ۱) آلفای کرونباخ، ۲) پایایی ترکیبی(CR)[80]، ۳) ضرایب بارهای عاملی[۸۱](داوری، رضازاده,۱۳۹۲).
۳-۸-۵ آلفای کرونباخ
که معیاری کلاسیک برای سنجش پایایی و سنجه ای مناسب برای ارزیابی پایداری درونی[۸۲](سازگاری درونی)محسوب می گردد. پایداری درونی نشانگر میزان همبستگی بین یک سازه و شاخصهای مربوط به آن است. مقدار بالای واریانس تبیین شده بین سازه و شاخص هایش در مقابل خطای اندازه گیری مربوط به هر شاخص، پایداری درونی بالا را نتیجه می دهد. مقدار آلفای کرونباخ بالاتر از ۷/۰ نشانگر پایایی قابل قبول است(همان منبع).
۳-۸-۶ پایایی ترکیبی(CR)
این معیار توسط ورتس و همکاران[۸۳] (۱۹۷۴) معرفی شد و برتری آن نسبت به آلفای کرونباخ در این است که، پایایی سازه ها نه بصورت مطلق، بلکه با توجه به همبستگی سازه هایشان با یکدیگر محاسبه می گردد. مقدار CR یک سازه از یک نسبت حاصل می شود، که در صورت این کسر، واریانس بین یک سازه با شاخص هایش و در مخرج کسر واریانس سازه با شاخص هایش به اضافۀ مقدار خطای اندازه گیری می آید. درصورتی که، مقدار CR برای هر سازه بالای۷/۰ شود، نشان از پایایی درونی مناسب برای مدلهای اندازه گیری دارد و مقدار کمتر از ۶/۰ عدم وجود پایایی را نشان می دهد(داوری، رضازاده,۱۳۹۲).
۳-۸-۷ سنجش بارهای عاملی
بارهای عاملی از طریق محاسبۀ مقدار همبستگی شاخصهای یک سازه با آن سازه، بدست می آید که اگر این مقداربرابر و یا بیشتر از ۴/۰ شود، مؤید این مطلب است که، واریانس بین سازه و شاخص هایش از واریانس خطای اندازه گیری آن سازه بیشتر بوده و پایایی در مورد آن مدل اندازه گیری قابل قبول است. اگر محقق پس از محاسبۀ بارهای عاملی بین سازه و شاخصهای آن، با مقادیر کمتر از ۴/۰ مواجه شد، باید آن شاخصها (سئوالات پرسشنامه) را اصلاح نموده یا از مدل پژوهش خود حذف کند(همان منبع).
۳-۸-۷-۱ روایی همگرا
روایی همگرا دومین معیاری است که برای برازش مدلهای اندازه گیری در روش PLS به کار برده می شود. فورنل و لارکر[۸۴](۱۹۸۱) معیار AVE[85](میانگین واریانس استخراج شده) را برای سنجش روایی همگرا معرفی کردند که، نشان دهندۀ میانگین واریانس به اشتراک گذاشتۀ بین هر سازه با شاخص هایش است. به بیان ساده تر، AVE میزان همبستگی یک سازه با شاخص های خود را نشان می دهد که هر چه بیشتر باشد، برازش نیز بیشتر است. آنها اظهار داشتند که، در مورد AVE، مقداربحرانی عدد ۵/۰ است. بدین معنی که مقادیر بالاتر از این عدد، روایی همگرایی قابل قبول را نشان می دهند(داوری، رضازاده,۱۳۹۲).
۳-۸-۷-۲ روایی واگرا
روایی واگرا سومین معیار سنجش برازش مدلهای اندازه گیری در روش PLS می باشد که خود از دو طریق سنجیده می شود.
روش بارهای عاملی متقابل[۸۶]: در این روش میزان همبستگی بین شاخصهای یک سازه با آن سازه، و میزان همبستگی بین شاخصهای یک سازه با سازه های دیگر مقایسه می گردد. اگر میزان همبستگی بین شاخص یک سازۀ دیگری غیر از سازۀ خود بیشتر از میزان همبستگی آن شاخص با سازۀ مربوط به خود باشد، روایی واگرای مدل زیر سئوال می رود(داوری، رضازاده,۱۳۹۲).
روش فورنل و لارکر: در این روش میزان رابطۀ یک سازه با شاخصهایش در مقایسۀ با رابطۀ آن سازه با سایر سازه ها بررسی می شود. روایی واگرای قابل قبول یک مدل، حاکی از آن است که یک سازه در مدل تعامل بیشتری با شاخصهای خود دارد تا با سازه های دیگر. فورنل و لارکر(۱۹۸۱) بیان می کنند: روایی واگرا وقتی در سطح قابل قبول است که AVE برای هر سازه بیشتر از واریانس اشتراکی بین آن سازه و سازه های دیگر(یعنی مربع مقدار ضرایب همبستگی بین سازه ها)در مدل باشد(همان منبع).
۳-۸-۸ معیارهای ارزیابی برازش مدل در PLS(مدل اندازه گیری، ساختاری و کلی)
روش PLS برای ارزیابی مدلهای معادلات ساختاری، سه قسمت را تحت پوشش قرار می دهد. محققینی که از این روش استفاده می کنند، باید این مراحل سه گانه را به ترتیب در پژوهش خود اجرا کنند. به این ترتیب که ابتدا از صحت روابط موجود در مدلهای اندازه گیری با بهره گرفتن از معیارهای پایایی و روایی اطمینان حاصل کرده، سپس به بررسی و تفسیر روابط موجود در بخش ساختاری بپردازند، و در نهایت برازش کلی مدل پژوهش خود را بررسی کنند(داوری، رضازاده,۱۳۹۲).
روش PLS و نرم افزارهای اجرا کنندۀ آن مطابق با هر سه بخش فوق، معیارهایی را برای سنجش بکار می برد که ما در اینجا به ذکر مختصر یک معیار برای هر بخش می پردازیم.
۳-۸-۸-۱معیار مقادیر اشتراکی[۸۷] برای ارزیابی برازش بخش مدل های اندازه گیری
این معیار نشان می دهد که چه مقدار از تغییرپذیری شاخصها (سئوالات) توسط سازۀ مرتبط با خود، تبیین می شود. معیار مقادیر اشتراکی مربوط به هر شاخص، از طریق میانگین مقادیر مرتبۀ دوم رابطۀ بین آن شاخص و سازۀ مربوط به خود که همان بارهای عاملی هستند، حاصل می شود. میانگین مقادیر اشتراکی شاخصهای یک سازه، مقدار AVE آن سازه را می سازد که همانگونه که قبلأ اشاره شد، برای تعیین روایی همگرا بکار می رود(همان منبع).
۳-۸-۸-۲ اعداد معناداری t[88]و RSquares برای ارزیابی برازش بخش ساختاری
ابتدایی ترین معیار برای سنجش رابطۀ بین سازه ها در بخش ساختاری مدل، اعداد معناداری t است. در صورتی که مقدار این اعداد از ۹۶/۱ بیشتر شود، نشان از صحت رابطۀ بین سازه ها و در نتیجه، تأیید فرضیه های پژوهش در سطح معناداری ۹۵% است. البته باید توجه داشت که اعداد t فقط صحت رابطه ها را نشان می دهند و شدت رابطۀ بین سازه ها را نمی توان با آنها سنجید. برای این کار باید از معیار RSquares استفاده کرد. این معیار برای متصل کردن بخش اندازه گیری و بخش ساختاری مدل بکار می رود و نشان از تأثیری دارد که یک متغیر برون زا (مستقل) بر یک متغیر درون زا (وابسته) می گذارد. این مقدار تنها برای سازه های درون زای مدل محاسبه می شود و در مورد سازه های برون زا، مقدار آن صفر است. در مدل ارائه شده توسط نرم افزار SmartPLS، مقدار این معیار در داخل دایره ها نمایش داده می شود. لازم به ذکر است که، محققینی که از روش PLS استفاده
می کنند، حتمأ باید مقادیر RSquares را در مورد تمام متغیرهای درون زای مدل خود گزارش دهند. هر چه مقدار آن برای سازه های درون زا بیشتر باشد، نشان از برازش بهتر مدل است. چین[۸۹](۱۹۹۸) سه مقدار ۱۹/۰، ۳۳/۰ و ۶۷/۰ را بعنوان مقدار ملاک برای مقادیر ضعیف، متوسط و قوی این معیار معرفی کرده است(داوری، رضازاده,۱۳۹۲).
۳-۸-۸-۳ معیار برازش(GOF)[90]برای ارزیابی برازش بخش کلی
توسط این معیار، محقق می تواند پس از بررسی برازش بخش اندازه گیری و بخش ساختاری مدل پژوهش خود، برازش بخش کلی را نیز کنترل نماید. معیار GOF توسط تننهاوس و همکاران[۹۱](۲۰۰۴) ابداع گردید وطبق فرمول زیر محاسبه می گردد:
بطوری که نشانۀ میانگین مقادیر اشتراکی هر سازه و نیز مقدار میانگین RSquares سازه های درون زای مدل است.
وتزلس و همکاران[۹۲](۲۰۰۹)سه مقدار ۰۱/۰، ۲۵/۰ و ۳۶/۰ را بعنوان مقادیر ضعیف، متوسط و قوی برایGOF معرفی نموده اند(همان منبع).
۳ -۸ خلاصه فصل
از آغاز تاریخ بشر انسان در صدد پی بردن به قاعده و نظم موجود در پدیدهها بوده است. بدین جهت به کشف قوانین، اصول و نظریههای حاکم بر پدیدهها و رویدادها نائل آمده است؛ اما باید توجه داشت که این قوانین و اصول تحت شرایط خاصی اعتبار دارد. این شرایط زیربنای صحت آن ها را تشکیل میدهد. تحقیق علمی که همان کاربرد روش علمی است در جستجوی شرایطی است که تحت آن پدیده خاصی رخ میدهد و مشخص کردن شرایط دیگری است که تحت آن پدیده رخ نمیدهد؛ به عبارت دیگر قضیه اصلی روش علمی آن است که تحت چه شرایط خاصی پدیده رخ میدهد. پیش از شروع بحث درباره مراحل روش علمی و صورتبندی مسئله تحقیق لازم است تعریف روششناسی، روش و تحقیق مورد نظر قرار داده شود. (بازرگان و دیگران، ۱۳۸۳: ۱۹-۱۸).
در این فصل در مورد روش تحقیق، قلمرو مکانی تحقیق و همچنین در مورد نحوه نمونهگیری و تعیین اندازه آن مطالبی آورده شد. آنگاه ابزار جمع آوری اطلاعات را در این تحقیق معرفی و در پایان روایی و پایایی آن را مورد بررسی قرار داده شد.
فصل چهارم :
تجزیه و تحلیل داده ها
۴-۱ مقدّمه
تجزیه و تحلیل داده ها جهت بررسی صحت و سقم فرضیات برای هر نوع تحقیق از اهمیت خاصی برخوردار است. امروزه در بیشتر تحقیقاتی که متکی بر اطلاعات جمع آوری شده از موضوع مورد تحقیق می باشد؛ تجزیه و تحلیل اطلاعات از اصلی ترین و مهم ترین بخشهای تحقیق محسوب می شود. 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.
محقق برای تجزیهوتحلیلآماری و پاسخگویی به مسأله تدوین شده و یا تصمیم گیری در مورد رد یا تأیید فرضیهای که صورت بندی کرده است، می تواند از روشهای مختلفی استفاده نماید. استفاده از هر یک از این روشها منوط به شرایطی است که محقق باید آنها را در رابطه با تحقیق خود مورد توجه قرار دهد. این روشها را میتوان به دو دسته تقسیم نمود:
آمار توصیفی
آمار استنباطی
موضوعات: بدون موضوع
لینک ثابت
