
منظور آگاهی از توزیع دادهها از اولویت اساسی برخوردار است (صادقی، 1393). از آنجا که برای انجام تحلیل عاملی تاییدی عاملهای پرسشنامه (متغیرهای مکنون)، فرض نرمال بودن پیش فرض است (نظری و مختاری، 1388).
جهت نشان دادن این موضوع که متغیرهاي مورد مطالعه شرایط نرمال بودن توزیع را دارند از آزمون کولموگروف – اسمیرنف114 استفاده می شود. در این آزمون فرض صفر مبنی بر نرمال بودن توزیع دارد. در صورتی که سطح معنی داري بیشتر از 0.05 باشد نشان از نرمال بودن متغیر های مورد مطالعه دارد (چمنی و سلیمی، 1393).
بر اساس قضیه حد مرکزی می توان نتیجه گرفت که توزیع داده ها به توزیع نرمال نزدیک است (قائد محمدی و ناظم، 1390).
با توجه به قضيه حد مركزي مبني بر اينكه توزيع هاي نمونه برداري مبتني بر تعداد نمونه زياد، حتي در شرايطي كه خود توزيع جامعه هم قطعا نرمال نباشد، نرمال تلقي مي شوند (هومن، 1374).
وقتی با یک نمونه تصادفی بزرگ به اندازه n بزرگتر یا مساوی 30 از جامعه ای که لزوما نرمال نیست ولی واریانس متناهی دارد سر و کار داریم می توانیم از قضیه حد مرکزی برای توجیه به کاربردن آزمونی که برای جامع های نرمال به کار می رود استفاده کنیم و حتی وقتی δ^2 نامعلوم است می توانیم مقدار آن را در موقع محاسبه آماره آزمون، با s^2 تقریب کنیم (تاج زاده نمین و محقق، 1393).
لذا برای همین منظور در این پژوهش از آزمون کلموگروف- اسمیرنف برای بررسی فرض نرمال بودن دادههای پژوهش استفاده شدهاست.
3-8-2 آزمون بارتلت – کایزر، میر و اولکین KMO))
آزمون بارتلت یکی از روشهای تشخیص مناسب بودن دادهها برای انجام تحلیل عاملی میباشد(چایلد115، 1990).
آزمون بارتلت، این فرضیه را که ماتریس همبستگی مشاهده شده متعلق به جامعه ای با متغیرهای ناهمبسته است، میآزماید. برای اینکه یک مدل عاملی، مفید و دارای معنا باشد لازم است متغیرها همبسته باشند. پس فرضیه آزمون بارتلت به اینصورت است(رضایی پور و حسام، 1393).
فرض صفر : دادهها ناهمبسته اند.
فرض مقابل : دادهها همبسته اند.
پس مطلوب آن است که فرض صفر رد شود. اگر فرض صفر رد نشود مطلوبیت تحلیل عاملی زیر سوال میرود و باید درباره انجام آن تجدید نظر کرد(رضایی پور و حسام، 1393). به همین دلیل است که قبل از تحلیل عاملی بایستی به تشکیل ماتریس همبستگی بین متغیرها اقدام کرد (حبیبی و دیگران، 1393). فرمول این آزمون به صورت رابطه زیر است (زارع چاهوکی، 1389).
که در آن n معرف تعداد آزمودنیها، p تعداد متغیرها، R دترمینان ماتریس همبستگی است. این آماره که دارای توزیع مربع کای با درجهی آزادی است. مقدار اطلاعات موجود در قدر مطلق R را با بررسی رابطه بین تعداد مشاهدهها و تعداد متغيرها ارزشيابي مي كند و احتمال خطا را براي رد كردن فرضية صفر عدم وجود تفاوت از ماتريس هماني116 مي آزمايد. ماتريس هماني ماتريسي است كه همه عناصر قطري آن يك و همه عناصر غيرقطري آن صفر باشد (زارع چاهوکی، 1389).
بر اساس این دو آزمون، دادهها زمانی برای انجام تحلیل عاملی مناسب هستند که شاخص KMO بیشتر از (60/0) باشد و به عدد یک نزدیک و سطح معنی داری (Sig) نیز برای آزمون بارتلت کمتر از 05/0 باشد(قلی پور و دیگران، 1390). بنابراین برای اطمینان از اینکه دادههای تحقیق برای انجام تحلیل عاملی تاییدی مناسب هستند از آزمون KMO استفاده میکنیم .
این شاخص از رابطه زیر به دست می آید و rij ضريب همبستگي بين متغيرهاي i و j است و aijضریب همبستگي جزيي بين آنهاست (جنگی و دیگران، 1393).
3-8-3 آزمون همبستگی
تحلیل همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه بین دو متغیر است .ضریب همبستگی یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است.ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم و معکوس) را نشان می دهد. مقدار این ضریب بین 1+ و 1- است و در صورت عدم وجود رابطه بین دو متغیر ضریب همبستگی برابر صفر است. آزمون همبستگی پیرسون در ادامه آمده است(عسگری، 1388):
H0: همبستگی معنیداری بین دو متغیر وجود ندارد. H_0:ρ=0
H1: همبستگی معنیداری بین دو متغیر وجود دارد. H_1:ρ≠0 (عسگری، 1388).
برای انجام آزمون معناداری از P-Value یا سطح معنی داری significane Level استفاده می شود. اگر سطح آزمون برابر α=0.05 در نظر بگیریم فرض H0 (عدم وجود رابطه) را رد می کنیم اگر sig <0.05 یعنی همبستگی بین دو متغیر معنی دار است(عسگری، 1388).
ضريب همبستگي مثبت نشان دهنده رابطه مستقيم بين دو متغير است (صادقی شریف و امیری، 1387).
در این تحقیق جهت تعیین ارتباط معنادار و نوع این ارتباط به لحاظ مثبت یا منفی بودن بین هرکدام از متغیرهای مستقل( رهبری تحول آفرین، کارایی هزینه، ارائه انعطاف پذیر خدمات،ارائه خدمات با کیفیت،زمان مناسب ارائه خدمات) و متغیر وابسته (بهبود مزیت رقابتی) از ضریب همبستگی استفاده می شود.
3-8-4 مدلیابی معادلات ساختاری ((SEM
مدلیابی معادله ساختاری یک رویکرد جامع برای آزمون فرضیههایی درباره روابط متغیرهای مشاهده شده است که گاه تحلیل ساختاری کواریانس، مدلیابی علی وگاه نیز لیزرل نامیده شده است. اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاري یا به گونه اي خلاصه SEMاست (هومن، 1384).
متغیرهای مکنون، که به طور مستقیم مشاهده پذیر نیست و از طریق متغیرهای مشاهده شده ساخته می شود (هومن، 1387).
در تحقیق حاضر نیز به منظور عملیاتی کردن متغیرهای مفهومی مانند رهبری تحول آفرین از معرفها (ابعاد) آن استفاده میکنیم که در مدلیابی معادلات ساختاری آنها را متغیرهای مشاهده شده می نامیم. برای آزمودن مدل این تحقیق از تحلیل دادهها به روش مدل معادلات ساختاری استفاده میکنیم.
مدلیابی معادلات ساختاری، مدلی آماری برای بررسی روابط خطی بین متغیرهای مکنون (مشاهده نشده) و متغیرهای آشکار (مشاهده شده) است. به عبارتی دیگر مدلیابی معادلات ساختاری، تکنیک آماری قدرتمندی است که مدل اندازهگیری (تحلیل عاملی تاییدی) و مدل ساختاری (رگرسیون یا تحلیل مسیر) با یک آزمون آماری همزمان ترکیب میکند، از طریق این فنون پژوهشگران میتوانند ساختارهای فرضی (مدلها) را رد یا انطباق آنها را با دادهها تایید کنند. در این روش ابتدا پایایی و روایی مدل مورد بررسی قرار میگیرد و سپس به ذکر ضرایب مسیر و آزمون هریک از این ضرایب پرداخته میشود. در تدوین معادلات ساختاری، نمودار و تحلیل مسیر سهم بسزایی دارد. این نمودارها به طور موثری تفکرات مفهومی مدل را نشان میدهند (صادقی و دیگران، 1391). همچنین برای تجزیه و تحلیل اطلاعات از روش آمار توصیفی و آمار استنباطی را استفاده میشود. با استفاده از آمار توصیفی به بیان جداول توصیفی و رسم نمودارها میپردازیم.نرم افزارهای مورد استفاده در این تحقیق : SPSS و AMOS Graphics میباشند.
3-8-4-1 تحلیل عاملی
يكي از روشهاي آماري براي تجزية اطلاعات موجود در مجموعة دادهها روش تجزيه عاملها يا تحليل عاملي است. این روش توسط کارل پیرسون117 (1901) و چارلز اسپیرمن118 (1904) برای اولین بار هنگام اندازهگیری هوش مطرح شد و براي تعيين تأثيرگذارترين متغيرها در زمانيكه تعداد متغيرهاي مورد بررسي زياد و روابط بين آنها ناشناخته باشد، استفاده مي شود. در اين روش متغيرها در عاملهايي قرار مي گيرند، به طوريكه از عامل اول به عاملهاي بعدي درصد واريانس كاهش مييابد، از اينرو متغيرهايي كه در عاملهاي اولي قرار مي گيرند، تأثيرگذارترين هستند تجزية عاملي در واقع گسترش تجزية مؤلفههاي اصلي است. در هر دو روش تلاش بر آن است كه ماتريس كواريانس تقريب زده شود، اما اين تقريب در مدل تحليل عاملي از دقت و ظرافت بيشتري برخوردار است. به طور كلي هدف از تجزية عاملها به شرح زير خلاصه مي شود (زارع چاهوکی، 1389).
الف) تفسير وجود همبستگي دروني بين تعدادي صفت قابل مشاهده از طريق عواملي كه قابل مشاهده نيستند و آنها را عامل گويند. در واقع اين عوامل غيرقابل مشاهده دليل مشترك همبستگي بين متغيرهاي اصلي هستند (زارع چاهوکی، 1389).
ب) ارائه روش تركيب و خلاصه كردن تعداد زيادي از متغيرها در تعدادي گروه متمايز (زارع چاهوکی، 1389).
ج) از بين متغيرهاي مختلف تأثيرگذارترين آنها تعيين شده و در پژوهشهاي بعدي به طور جزييتر متغيرهاي تأثيرگذار را با تكرار بيشتري بررسي مي كنند (زارع چاهوکی، 1389).
با توجه به موارد بالا، عمدهترين هدف استفاده از تحليل عاملي، كاهش حجم دادهها و تعيين مهمترين متغيرهاي مؤثر در شكل گيري پديدههاست. از آنجا كه پژوهشهایي که اغلب با تعداد زيادي از متغيرها روبرو هستيم، در نتيجه براي كاهش حجم متغيرها مي توان از تحليل عاملي به عنوان يك روش مناسب استفاده كرد. اين روش در دهههاي اخير به ويژه با پيشرفت استفاده از برنامههاي آماري در رايانه در سطح وسيع مورد استفاده پژوهشگران قرار گرفته است (زارع چاهوکی، 1389).
تحليل عاملي بر دو نوع تحليل عاملي اكتشافي119 و تحليل عاملي تأييدي است(زارع چاهوکی، 1389).در تحليل عاملي اكتشافي، پژوهشگر درصدد كشف ساختار زيربنايي مجموعة نسبتاً بزرگي از متغيرهاست و پيش فرض اوليه آن است كه هر متغيري ممكن است با هر عاملي ارتباط داشته باشد (رحمانی یوشانلوئی،1390). به عبارت ديگر پژوهشگر در اين روش هيچ نظرية اوليهاي ندارد (زارع چاهوکی، 1389).
در تحليل عاملي تأييدي پيش فرض اساسي آن است كه هر عاملي با زيرمجموعة خاصي از متغيرها ارتباط دارد. حداقل شرط لازم براي تحليل عاملي تأييدي اين است كه پژوهشگر در مورد تعداد عاملهاي مدل، قبل از انجام تحليل، پيش فرض معيني داشته باشد، ولي در عين حال پژوهشگر می تواند انتظارات خود مبني بر روابط بين متغيرها و عاملها را نيز در تحليل وارد كند (هومن،1385). در این تحقیق چون مدل مورد استفاده در تحقیق با استفاده از تحقیقات قبلی و مطالعه ادبیات مرتبط با تحقیق استخراج شده است لذا گویههای مرتبط با متغیرهای مکنون بر همین اساس استخراج شده اند و تحلیل مورد استفاده در این تحقیق تحلیل عاملی تاییدی میباشد.
در این تحقیق با استفاده از نرم افزارهای رایج در زمینه انجام تحلیلهای معادلات ساختاری از دو نرمافزار SPSS و AMOS Graphics ویرایش 22 استفاده میکنیم و نتایج تحلیلها را در فصلهای 4 و 5 مورد بحث قرار خواهیم داد.
3-8-4-2 شاخصهای برازش
دو شيوه براي بررسي برازش مدل وجود دارد.ابتدا ملاحظه برخي آزمون هاي عموميت يافته براي برازش كل مدل است.شيوه دوم، بررسي برازش پارامترهاي منفرد در هر يك از اجزاي مدل است.در شيوه اول، شاخص هاي برازش كلي مي تواند با تحليل عاملي تأييدي محاسبه شود(هاو و بنتلر120، 1998).
شاخص هاي برازندگي به شيوه هاي مختلفي طبقه بندي مي شوند كه يكي از عمده ترين آنها متعلق به مارش و همكاران121 (1998) است آنها شاخصهای برازندگی را به سه گروه مطلق، نسبی و تعدیل یافته تقسیم می کنند (حنفی زاده و رحمانی، 1389).
3-8-4-2-1 شاخصهای مطلق
شاخصهای مطلق این پرسش را مطرح می سازند که آیا واریانس خطا یا تبیین نشده که پس از برازش مدل باقی می ماند، قابل توجه است یا خیر (حنفی زاده و رحمانی، 1389).
3-8-4-2-2 شاخصهای نسبی
شاخصهای نسبی در پی پاسخ به این سوال است که یک مدل بخصوص در مقایسه با سایر مدلهای ممکن از لحاظ تبیین مجموعه ای از دادههای مشاهده شده تا چه حد خوب عمل می کند؟ (حنفی زاده و رحمانی، 1389).
3-8-4-2-3 شاخصهای تعدیل یافته
شاخصهای تعدیل یافته به گونه مشهود این پرسش را مطرح می کنند که مدل مورد نظر چگونه برازندگی و صرفه جویی یا ایجاز را با هم ترکیب می نماید (حنفی زاده و رحمانی، 1389).
3-8-4-2-4 شاخص های مورد استفاده در این تحقیق
شاخص های مورد استفاده در این تحقیق جهت بررسی برازش مدل عبارتند از: نسبت کای دو122 به درجه آزادی – 123GFI – RMR- 124AGFI- 125NFI – 126CFI – 127RMSEA – IFI
AGFI: شاخص نیکویی برازش اصلاح شده – GFI: شاخص نیکویی برازش – 128NNFI: شاخص برازش هنجار نشده – NFI: شاخص برازش هنجار شده – CFI: شاخص برازش تطبیقی – IFI: شاخص برازش افزایشی- RMSEA: ریشه میانگین مربعات خطای برآورد (جلالی و خسروانی، 1389).
نسبت کای دو به درجه آزادی: يكي از شاخصهاي عمومي براي به حساب آوردن پارامترهاي آزاد در محاسبه شاخص برازش، كاي اسكوئر بهنجار يا نسبي است كه از تقسيم ساده مقدار كاي اسكوئر بر درجه آزادي مدل محاسبه مي شود. اغلب مقادير بين2 تا 3 را براي اين شاخص قابل قبول مي دانند با اين حال دیدگاه ها در این باره متفاوت است (قاسمی، 1389).
GFI: نشان مي دهد كه مدل تا چه حد نسبت به عدم وجود آن برآزندگي بهتري دارد، چون GFI نسبت به ساير مشخصه هاي برآزندگي اغلب مقدار بزرگتري دارد، برخی پژوهشگران نقطه برش 95/0 را برای آن پیشنهاد کرده اند.برپایه ی قرارداد مقدار GFI باید برابر یا بزرگتر از9/0باشد تا مدل مورد نظر پذیرفته شود(هومن، 1384).
RMR: ماتريس باقيمانده يكي از ماتريس هاي مهمي است كه هم مي تواند براي ارزيابي برازش كلي (مدل تدوين شده) و هم برازش جزئي (پارامتر تعريف شده بين دو متغير) مورد استفاده قرار گيرد.اين شاخص يكي از شاخصهاي برازش است كه از آن براي مقايسه دو مدل متفاوت با داده هاي يكسان استفاده مي شود.حداقل مقدار اين شاخص صفر است يعني حالتي كه برازش كامل و ماتريس باقيمانده يك صفر است.اما حداكثر آن با توجه به مقادير كوورايانسها در ماتريس باقيمانده مي تواند عددي كوچك يا بزرگ باشد. در هر حال كوچكتر بودن مقدار RMR براي يك مدل در مقايسه با مدل ديگر مي تواند به عنوان يكي از معيارهاي بهتر بودن آن مدل تلقي شود (هومن، 1384).
AGFI: برازندگی دیگر AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی می باشد. مقدار این شاخص نیز بین صفر و یک می باشد.شاخص های GFI و AGFI را که جارزک اگوس و ربوم (1989) پیشنهاد کرده اند بستگی به حجم نمونه ندارد (معین الدین و دیگران، 1394).
NFI: شاخص نرم شده برازندگي مدل صفر را به عنوان مدلي كه در آن همه همبستگيها صفر است تعريف ميكند، چنان چه مقدار آن بين 0.90 تا 0.95 باشد قابل قبول و مقادیر بالاتر از 0.95 عالی است(هومن،1384).
شاخص NFIکه شاخص بنتلر-بونتهم نامیده می شود، برای مقادیر بالای 0.9 قابل قبول و نشانه برازندگی مدل است (معین الدین و دیگران، 1394).
NNFI: شاخص نرم نشده برازندگي هر چند مقدار آن نسبت به تغييرات حجم گروه نمونه مقاوم است، اما چون دامنه آن محدود به صفر و يك نيست تفسير آن نسبت به NFI بر پايه قرار داد، مقادير كمتر از 0.9 آن مستلزم تجدید نظر در مدل است(اسماعیل پور و دیگران، 1391).
CFI: شاخص CFI از لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد (معین الدین و دیگران، 1394).
RMSEA: این شاخص، ریشة میانگین مجذورات تقریب می باشد.شاخص RMSEA هر چقدر به صفر نزدیکتر باشد بهتر است (معین الدین و دیگران، 1394).
IFI: IFIیا شاخص برازش افزایشی در صورتی که مقدار بدست آمده برای آن بزرگتر از 0.9 باشد نشان دهنده برازش قابل قبول مدل خواهد بود(جلالی و خسروانی، 1389).
فصل چهارم
تجزیه و تحلیل داده ها
4-1 مقدمه
به کارگیری روش های آماری در علوم اجتماعی و رفتاری کمی قبل از جنگ جهانی دوّم شروع شد. تعداد آمارگیری ها در زمینه های مختلف افزایش یافت و ضرورت تفسیر اطلاعات مربوط به روانشناسی و تعلیم و تربیت آشنایی با علم آمار را اجتناب ناپذیر کرد. امروزه موفقیت در بسیاری از زمینه های علمی مانند علوم انسانی، پزشکی و فنی و مهندسی بدون داشتن اطلاعات لازم از علم آمار مشکل و گاهی غیرممکن است (عباسی و دیگران، 1388).
تجزیه و تحلیل داده ها ، فرآیندی چند مرحله ای است که در آن داده هایی که با بکارگیری شیوه ها و ابزارهای گوناگون در نمونه (جامعه) آماری فراهم آمده اند خلاصه ، کدبندی و دسته بندی و در نهایت پردازش می شوند تا امکان انواع تحلیل ها و برقراری ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید در این فرآیند ، داده ها هم از لحاظ نظری و هم از جنبه تجربی پالایش می شوند و با تکنیک های گوناگون آماری ، از آنها اطلاعات استنتاج و تعمیم داده می شوند (خاکی ، 1391).
اساس و مبناي تصميم گيري مديران و سازمانها در سطح خرد و كلان ، اطلاعاتي است كه غالباً با استفاده از علم آمار تحليل داده ها در اختيار تصميم گيران قرار مي گيرد . به طور كلي داده ها نمايانگري از واقعيت ها و مفاهيم هستند . چنانچه داده ها به صورت واژه ( و نه به صورت) ارقام به توصيف واقعيت ها مي پردازد آن را داده هاي كيفي مي نامند ، اينگونه داده ها از طريق مشاهده، مصاحبه، استخراج از اسناد و مدارك و امثال آن گردآوري مي شوند (سرمد و دیگران، 1380).
در فصل حاضر باتوجه به اطلاعات جمعآوری شده از ابزار تحقیق (پرسشنامه) به تجزیه و تحلیل دادهها جهت آزمون فرضیات تحقیق میپردازیم. این تجزیه و تحلیل در دوبخش کلی انجام میگیرد. در بخش اول با استفاده از نرمافزار SPSS به توصیف ویژگیهای جمعیت شناسانه و متغیرهای تحقیق میپردازیم و وضعیت این متغیرها را از لحاظ تناسب و کفایت نمونه برای انجام روشهای آماری مشخص میکنیم و همچنین به بررسی نرمال بودن توزیع متغیرهای عامل تحقیق می پردازیم . جهت تعیین معناداری همبستگی و نوع همبستگی مثبت یا منفی بین هرکدام از متغیرهای مستقل و متغیر وابسته از ضریب همبستگی استفاده می کنیم و در ادامه بخش آمار استنباطی به تجزیه و تحلیل اطلاعات برای انجام آزمون فرضیات میپردازیم. روش اصلی مورد استفاده در تحقیق حاضر، استفاده از روش معادلات ساختاری SEM با استفاده از نرمافزار AMOS Graphic V. 22.0 است.
SEMیک تکنیک تحلیل چند متغیری بسیار کلّی و نیرومند از خانوادة رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلّی است که به پژوهشگر امکان می دهد مجموعه ای از رگرسیون را به گونة هم زمان مورد آزمون قرار دهد. SEM یک رویکرد آماری جامع برای آزمون فرضیه هایی دربارة روابط بین متغیرهای مشاهده شده و پنهان است، که گاه تحلیل ساختاری کوواریانس، مدل سازی علّی و گاه نیز Lisrel (مدل روابط ساختاری خطی) نامیده شده است (هومن، 1388).
در تحقیق حاضر گویههای پرسشنامه به منظور عملیاتی کردن متغیرهای مکنون از تحقیقات قبلی و با استفاده از ادبیات تحقیق استخراج شدهاند، لذا روش تحلیل عاملی تاییدی برای تایید معنادار بودن ضرایب رگرسیونی مورد استفاده قرار میگیرد و پس از بررسی معنیدار بودن بارهای عاملی با استفاده از آماره t ، به بررسی شاخصهای برازش میپردازیم. در نهایت با استفاده از طراحی مدل در محیط نرمافزار AMOS به آزمون مدل تحقیق میپردازیم و با استفاده از روش تحلیل مسیر به آزمون فرضیات تحقیق میپردازیم.
4-2 آمار توصیفی
4-2-1 توصیف ویژگیهای دموگرافیک
الف) جنسیت
براساس اطلاعات گردآوری شده از پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، فراوانی مربوط به جنسیت پاسخدهندگان به صورت زیر میباشد.
جدول 4-1 : توزیع فراوانی مربوط به جنسیت
جنسیت
فراوانی
درصد
فراوانی تجمعی
مرد
153
2/61
2/61
زن
97
8/38
100
کل
250
100
با توجه به نتایج بدست آمده از تحلیل دادهها و خروجی نرمافزار SPSS مشاهده میگردد که از 250 نفری که در این پژوهش شرکت کرده اند 153 نفر معادل 2/61 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، مرد و 97 نفر معادل 8/38 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، زن میباشند. بنابراین مردان در این تحقیق حجم بیشتری از پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، را به خود اختصاص دادهاند. در نمودار زیر نیز میتوان فراوانی پاسخ دهندگان از نظر جنسیت را مشخص کرد.
نمودار 4-1 : فراوانی مربوط به جنسیت
ب) تحصیلات
براساس اطلاعات گردآوری شده از پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، فراوانی مربوط به تحصیلات پاسخدهندگان به صورت زیر میباشد:
جدول 4-2 : توزیع فراوانی مربوط به تحصیلات
سطح تحصیلات
فراوانی
درصد
فراوانی تراکمی
دیپلم
64
6/25
6/25
فوق دیپلم
63
2/25
8/50
لیسانس
101
4/40
2/91
تحصیلات تکمیلی
22
8/8
100
کل
250
100
با توجه به نتایج بدست آمده از تحلیل داده ها، مشاهده می گردد که از 250 پرسشنامهای که مورد تحلیل قرار گرفت، 64 نفر معادل 6/25 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، دارای مدرک تحصیلی دیپلم، 63 نفر معادل 2/25 درصد فوق دیپلم، 101 نفر معادل 4/40 درصد لیسانس و 22 نفر معادل 8/8 درصد فوق لیسانس و بالاتر (تحصیلات تکمیلی) میباشند. بنابراین بیشترین فرآوانی به مدرک تحصیلی لیسانس و دارندگان مدرک تحصیلی فوق لیسانس و بالاتر(تحصیلات تکمیلی) کمترین درصد از پاسخ دهندگان را تشکیل میدهند.
نمودار 4-2 : فراوانی مربوط به تحصیلات
ج) سن
براساس اطلاعات گردآوری شده از پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، فراوانی مربوط به سن پاسخدهندگان به صورت زیر میباشد:
جدول 4-3 : توزیع فراوانی مربوط به سن
رده سنی
فراوانی
درصد
فراوانی تراکمی
30-20 سال
83
2/33
2/33
40-31 سال
118
2/47
4/80
50-41 سال
29
6/11
0/92
بالای 50 سال
20
0/8
100
کل
250
100
همانطور که جدول (4-3) نیز نشانمی دهد؛ با توجه به نتایج بدست آمده از تحلیل داده ها، مشاهده می گردد که از 250 پرسشنامهای که مورد تحلیل قرار گرفت، 83 نفر معادل 32.2 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، در رده سنی 30-20 سال ، 118 نفر معادل 47.2 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، در رده سنی 40-31 سال ، 29 نفر معادل 11.6درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، در رده سنی 50-41 سال و 20 نفر معادل 8.0 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، بالای 50 سال سن دارند. بیشتر پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، از لحاظ سن در رده سنی 31 تا 40 سال (2/47 درصد) و کمترین آن در محدوده سنی بالای 50 سال (8 درصد) قرار دارند. در نمودار زیر نیز نمودار میلهای مربوط به فراوانی سن پاسخ دهندگان ارائه شده است :
نمودار 4-3 : فراوانی مربوط به سن پاسخدهندگان
د) مشتری خدمات
براساس اطلاعات گردآوری شده از پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، فراوانی مربوط به مشتری خدمات پاسخدهندگان به صورت زیر میباشد:
جدول 4-4 : توزیع فراوانی مربوط به مشتری خدمات
مشتری خدمات
فراوانی
درصد
فراوانی تجمعی
همراه اول
150
60
60
ایرانسل
100
40
100
کل
250
100
با توجه به نتایج بدست آمده از تحلیل دادهها و خروجی نرمافزار SPSS مشاهده میگردد که از 250 نفری که در این پژوهش شرکت کرده اند 150 نفر معادل 0/60 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، مشتری خدمات اپراتور همراه اول هستند و 100 نفر معادل 0/40 درصد از کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، مشتری خدمات ایرانسل میباشند. بنابراین مشتریان همراه اول در این تحقیق حجم بیشتری از پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، را به خود اختصاص دادهاند. در نمودار زیر نیز میتوان فراوانی پاسخ دهندگان از نظر مشتری خدمات را مشخص کرد.
نمودار 4-4 : فراوانی مربوط به مشتری خدمات
4-2-2 آمار توصیفی متغیرهای تحقیق
جدول 4-5 : شاخصهای مرکزی، پراکندگی و توزیع متغیرهای تحقیق
کشیدگی
چولگی
واریانس
انحراف معیار
میانگین
میانه
حجم
متغیر
317/0
766/0-
434/0
65877/0
0685/3
00/3
250
رهبری تحول آفرین
292/0
903/0-
507/0
71201/0
2200/3
00/3
250
کارایی هزینه
913/0-
252/0-
530/0
72817/0
9140/2
75/2
250
ارائه انعطاف پذیر خدمات
613/0-
363/0-
679/0
82431/0
8840/2
00/3
250
ارائه خدمات با کیفیت
777/0
218/1-
624/0
79003/0
3573/4
00/3
250
زمان (موقعیت) مناسب ارائه خدمات
044/0
278/0-
406/0
63720/0
9573/2
00/3
250
مزیت رقابتی بهبود
رهبری تحول آفرین
مطابق جدول 4-5 این متغیر دارای میانگین (0685/3)، میانة (00/3)، انحراف معیار (659/0) و واریانس (434/0) میباشد. ضریب چولگی این متغیر برابر (766/0-) است که نشان میدهد این متغیر دارای چوله منفی است.
از آنجایی که قدرمطلق این ضریب بیشتر از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت فاحش با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (317/0) می باشد که نشاندهندة بلندتر بودن توزیع این متغیر نسبت به توزیع نرمال است.
با توجه به اینکه قدرمطلق ضریب کشیدگی کمتر از مقدار (5/0) است، کشیدگی توزیع، دارای تفاوت اندکی با توزیع نرمال است.
/کارایی هزینه
مطابق جدول 4-5 این متغیر دارای میانگین (22/3)، میانة (00/3)، انحراف معیار (71201/0) و واریانس (507/0) میباشد. ضریب چولگی این متغیر برابر (903/0-) است که نشان میدهد این متغیر دارای چوله منفی است. از آنجایی که قدرمطلق این ضریب بیشتر از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت فاحش با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (292/0) میباشد که نشاندهندة بلندتر بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی کمتر از مقدار (5/0) است، کشیدگی توزیع، دارای تفاوت اندکی با توزیع نرمال است.
ارائه انعطافپذیر خدمات
مطابق جدول 4-5 این متغیر دارای میانگین (9140/2)، میانة (75/2)، انحراف معیار (72817/0) و واریانس (530/0) میباشد. ضریب چولگی این متغیر برابر (252/0-) است که نشان میدهد این متغیر دارای چوله منفی است. از آنجایی که قدرمطلق این ضریب کمتر از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت اندکی با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (913/0-) میباشد که نشاندهندة کوتاهتر بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیشتر از مقدار (5/0) است، کشیدگی توزیع، دارای تفاوت زیادی با توزیع نرمال است.
ارائه خدمات با کیفیت
مطابق جدول 4-5 این متغیر دارای میانگین (8840/2)، میانة (00/3)، انحراف معیار (82431/0) و واریانس (679/0) میباشد. ضریب چولگی این متغیر برابر (363/0-) است که نشان میدهد این متغیر دارای چوله منفی است. از آنجایی که قدرمطلق این ضریب کمتر از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت کمی با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (613/0-) میباشد که نشاندهندة کوتاهتر بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیشتر از مقدار (5/0) است، کشیدگی توزیع، دارای تفاوت زیادی با توزیع نرمال است.
زمان مناسب ارائه خدمات
مطابق جدول 4-5 این متغیر دارای میانگین (3573/4)، میانة (00/3)، انحراف معیار (79003/0) و واریانس (624/0) میباشد. ضریب چولگی این متغیر برابر (218/1-) است که نشان میدهد این متغیر دارای چوله منفی است. از آنجایی که قدرمطلق این ضریب بیشتر از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت فاحش با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (777/0) میباشد که نشاندهندة بلندتر بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیشتر از مقدار (5/0) است، کشیدگی توزیع، دارای تفاوت زیادی با توزیع نرمال است.
بهبود مزیت رقابتی
مطابق جدول 4-5 این متغیر دارای میانگین (9573/2)، میانة (00/3)، انحراف معیار (6372/0) و واریانس (406/0) میباشد. ضریب چولگی این متغیر برابر (278/0-) است که نشان میدهد این متغیر دارای چوله منفی است. از آنجایی که قدرمطلق این ضریب کمتر از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت اندکی با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (044/0) میباشد که نشاندهندة بلندتر بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی کمتر از مقدار (5/0) است، کشیدگی توزیع، دارای تفاوت کمی با توزیع نرمال است.
4-2-3 بررسی نرمال بودن توزیع متغیرها
روش اصلی تجزیه و تحلیل دادهها برای آزمون فرضیات تحقیق، استفاده از روش معادلات ساختاری است .
از آنجا که برای انجام تحلیل عاملی تاییدی عاملهای پرسشنامه (متغیرهای مکنون)، فرض نرمال بودن پیش فرض است (نظری و مختاری، 1388).
لذا؛ در این قسمت به بررسی نرمال بودن متغیرهای مکنون تحقیق میپردازیم.
در این پژوهش از آزمون معتبر کلموگروف- اسمیرنف (K-S) برای بررسی فرض نرمال بودن دادههای پژوهش استفاده شدهاست.
جهت نشان دادن این موضوع که متغیرهاي مورد مطالعه شرایط نرمال بودن توزیع را دارند از آزمون کولموگروف – اسمیرنف استفاده می شود. در این آزمون فرض صفر مبنی بر نرمال بودن توزیع دارد. در صورتی که سطح معنی داري بیشتر از 0.05 باشد نشان از نرمال بودن متغیر های مورد مطالعه دارد (چمنی و سلیمی، 1393).
وقتی با یک نمونه تصادفی بزرگ به اندازه n بزرگتر یا مساوی 30 از جامعه ای که لزوما نرمال نیست ولی واریانس متناهی دارد سر و کار داریم می توانیم از قضیه حد مرکزی برای توجیه به کاربردن آزمونی که برای جامع های نرمال به کار می رود استفاده کنیم و حتی وقتی δ^2 نامعلوم است می توانیم مقدار آن را در موقع محاسبه آماره آزمون، با s^2 تقریب کنیم (تاج زاده نمین و محقق، 1393).
جدول 4-6 : نرمال بودن متغیرهای تحقیق
بهبود مزیت رقابتی
زمان مناسب ارائه خدمات
ارائه خدمات با کیفیت
ارائه انعطاف پذیر خدمات
کارایی هزینه
رهبری تحول آفرین
250
250
250
250
250
250
تعداد پاسخ دهندگان
9573/2
3573/4
8840/2
9140/2
2200/3
0685/3
میانگین
پارامترهای نرمال
63720/0
79003/0
82431/0
72817/0
71201/0
65877/0
انحراف معیار
066/2
306/4
847/1
988/1
644/2
559/1
آماره آزمون Z
000/0
000/0
002/0
001/0
000/0
015/0
سطح معنیداری
غیر نرمال
غیر نرمال
غیر نرمال
غیر نرمال
غیر نرمال
غیر نرمال
نتیجه گیری
نرمال
نرمال
نرمال
نرمال
نرمال
نرمال
قضیه
حد مرکزی
با توجه به نتیجة آزمون کلموگروف- اسمیرنف تمام متغیرهای مکنون دارای توزیع نرمال نمیباشد چون سطح معنیداری به دست آمده از این آزمون برای تمام متغیرها کمتر از 05/0 میباشد. ولی چون تعداد پاسخ دهندگان به پرسش نامه برابر 250 بوده و بیشتر از 30 است؛ لذا، طبق قضیة حد مرکزی توزیع این متغیرها نرمال فرض میشود.
4-2-4 بررسی تناسب و کفایتداده ها
4-2-4-1 آزمون بارتلت
همانگونه که در فصل سوم اشاره شد قبل از انجام هرگونه آزمونی در راستای انجام مدل یابی معادلات ساختاری، ابتدا باید به تحلیل عاملی متغیرهای مکنون پرداخت و باتوجه به سطح معنیداری ضرایب رگرسیونی در مورد تحلیل عاملی نظر داد. نکته قابل توجه در انجام تحلیل عاملی، کفایت حجم نمونه میباشد.
آزمون بارتلت یکی از روشهای تشخیص مناسب بودن دادهها برای انجام تحلیل عاملی میباشد(چایلد129، 1990).
آزمون بارتلت، این فرضیه را که ماتریس همبستگی مشاهده شده متعلق به جامعه ای با متغیرهای ناهمبسته است، میآزماید. برای اینکه یک مدل عاملی، مفید و دارای معنا باشد لازم است متغیرها همبسته باشند(رضایی پور و حسام، 1393).
4-2-4-2 آماره KMO
برای اطمینان از اینکه دادههای تحقیق برای انجام تحلیل عاملی تاییدی مناسب هستند از آزمون KMO استفاده میکنیم .
بر اساس این دو آزمون، دادهها زمانی برای انجام تحلیل عاملی مناسب هستند که شاخص KMO بیشتر از (60/0) باشد و به عدد یک نزدیک و سطح معنی داری (Sig) نیز برای آزمون بارتلت کمتر از 05/0 باشد(قلی پور و دیگران، 1390).
ابتدا براي بررسی اینکه آیا حجم نمونۀ انتخاب شده براي تحلیل عاملی کافی است یا نه؟ آزمون کفایت نمونه برداري کیزر- می یر- الکین (KMO) انجام شد. همچنین براي این که مشخص شود که همبستگی بین مواد آزمون در جامعه برابر صفر نیست، از آزمون کرویت بارتلت استفاده شد (هومن، 1386).
در این بخش از فصل چهارم به انجام این آزمونها میپردازیم. نتایج در جدول زیر ارائه میشود :
جدول 4-7 : آزمون KMO و بارتلت
ضریب KMO
887/0
آزمون بارتلت
χ^2
924/3318
درجه آزادی (df)
276
Sigسطح معنیداری
000/0
خروجی نرمافزار SPSS در انجام آزمونهای مذکور نشان از تناسب دادهها برای انجام روش تحلیل عاملی تاییدی و روش معادلات ساختاری SEM دارد. باتوجه به نتایج به دست آمده، مقدار عددی ضریب KMO در سطح قابل قبولی (بیشتر از 6/0) است، مقدار این ضریب 887/0 میباشد که نشان از تناسب و کفایت خوب دادهها دارد. همچنین مقداره آماره کای اسکوئر130 و سطح معنیداری بدست آمده (000/0 کمتر از 05/0) نشان از رد فرض صفر در آزمون بارتلت دارند. بنابراین داده ها همبسته اند و در ادامه مراحل تجزیه و تحلیل میتوان به دادههای گردآوری شده اتکا کرد و آنها را مبنای تجزیه و تحلیل در روش معادلات ساختاری (برای آزمون فرضیات) قرار داد.
4-3 آمار استنباطی
در قسمت آمار استنباطی به انجام آزمونهایی با هدف رسیدن به مرحله اصلی تحقیق، یعنی آزمون فرضیات، میپردازیم. لازم به ذکر است ابتدا جهت تعیین معناداری همبستگی و مثبت یا منفی بودن همبستگی بین هرکدام از متغیرهای مستقل و متغیر وابسته از ضریب همبستگی پیرسون (با توجه به نرمال بودن توزیع متغیرها) استفاده می کنیم. در ادامه ی قسمت آمار استنباطی باتوجه به اینکه از روش معادلات ساختاری و روش تحلیل مسیر برای رد یا تایید فرضیات تحقیق استفاده میکنیم؛ لذا، برای هر متغیر مکنون به آزمون مدل تاییدی بر اساس معنیداری بارهای عاملی و شاخصهای برازش مدل، میپردازیم و بررسی میکنیم که آیا رابطه متغیرهای مشاهده شده با متغیرهای مکنون مورد تایید است یا خیر؟ .
از طرفی لازم به یادآوری است که بدلیل آنکه ابعاد هر متغیر با استفاده از مطالعه تحقیقات قبلی و مبانی نظری تحقیق استخراج شدهاند، لذا ضرورتی برای انجام روش تحلیل عاملی اکتشافی وجود ندارد بلکه با روش تحلیل عاملی تاییدی نشان میدهیم که چگونه سوالات مطرح شده در پرسشنامه قادر به عملیاتی کردن متغیرهای مکنون هستند. بر همین اساس در فصل حاضر برای هر متغیر مکنون مدل تحلیل عاملی تاییدی آزمون میشود و نتایج آنرا براساس خروجی نرمافزار AMOS مورد تجزیه و تحلیل قرار میدهیم. همچنین بعد از انجام تحلیلهای عاملی تاییدی (CFA) به بررسی و آزمون مدل تحقیق میپردازیم و با بررسی ضرایب مسیر و معنی دار بودن آنها با استفاده از آماره آزمون t (ناحیه بحرانی131)، فرضیات تحقیق را مورد آزمون قرار می دهیم.
4-3-1 آزمون همبستگی
در این قسمت از تجزیه و تحلیل دادهها جهت تعیین وجود همبستگی بین هرکدام از متغیرهای مستقل و وابسته با توجه به نرمال بودن بودن توزیع متغیرها، از ضریب همبستگی پیرسون استفاده میکنیم. نتایج مربوط به آزمون همبستگی در جدول زیر ارائه میگردد. تجزیه و تحلیلهای صورت گرفته در محیط نرمافزار SPSS انجام میگیرد. با توجه به توضیحات ارائه شده در فصل سوم، در این قسمت به دنبال آزمون زیر هستیم :
فرض (H0): همبستگی معنیدار بین دو متغیر وجود ندارد. H_0:ρ=0
فرض (H1): همبستگی معنیدار بین دو متغیر وجود دارد. H_1:ρ≠0
و همچنین تعیین می کنیم که در صورت وجود همبستگی معنادار بین هرکدام از متغیرهای مستقل و متغیر وابسته، این همبستگی، مثبت(مستقیم) یا منفی(معکوس) است.
برای انجام آزمون معناداری از P-Value یا سطح معنی داری significane Level استفاده می شود. اگر سطح آزمون برابر α=0.05 در نظر بگیریم فرض H0 (عدم وجود رابطه) را رد می کنیم اگر sig <0.05 یعنی همبستگی بین دو متغیر معنی دار است(عسگری، 1388).
ضريب همبستگي مثبت نشان دهنده رابطه مستقيم بين دو متغير است (صادقی شریف و امیری، 1387).
ابتدا برای کل داده های حاصل از پاسخ های کل پاسخ دهندگان به پرسش نامه (250 پرسش نامه)، این آزمونها ارائه و همبستگی بین هرکدام از متغیرهای مستقل و وابسته تعیین می شود، سپس برای هرکدام از شرکتهای همراه اول و ایرانسل به صورت جداگانه این آزمونها ارائه میگردد و همبستگی بین هرکدام از متغیرهای مستقل و وابسته تعیین می شود.
4-3-1-1 آزمون همبستگی (کل داده های حاصل از پاسخ های تمامی پاسخ دهندگان به پرسش نامه)
جدول 4-8 : ضریب همبستگی (کل داده های حاصل از پاسخ های تمامی پاسخ دهندگان به پرسش نامه)
متغیر مستقل
متغیر وابسته
ضریب همبستگی
سطح معناداری
رهبری تحول آفرین
بهبود مزیت رقابتی
558/0
000/0
کارایی هزینه
بهبود مزیت رقابتی
409/0
000/0
ارائه انعطافپذیر خدمات
بهبود مزیت رقابتی
635/0
000/0
ارائه خدمات با کیفیت
بهبود مزیت رقابتی
625/0
000/0
زمان (موقعیت) مناسب ارائه خدمات
بهبود مزیت رقابتی
187/0-
003/0
باتوجه به داده های گردآوری شده از پاسخ های تمامی پاسخ دهندگان به پرسش نامه و خروجی نرم افزار spss :
برای رابطه متغیر رهبری تحول آفرین و بهبود مزیت رقابتی، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی دو متغیر مذکور (558/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر کارایی هزینه و بهبود مزیت رقابتی، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (409/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر ارائه انعطاف پذیر خدمات و بهبود مزیت رقابتی، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (635/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر ارائه خدمات با کیفیت و بهبود مزیت رقابتی ، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (625/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر زمان مناسب ارائه خدمات و بهبود مزیت رقابتی، با توجه به اینکه سطح معنی داری (003/0) از 0.05 کمتر است است لذا این رابطه معنادار است و با توجه به مقدار منفی ضریب همبستگی (187/0-) بنابراین رابطه بین دو متغیر فوق منفی (معکوس) است.
4-3-1-2 آزمون همبستگی ( در مورد شرکت همراه اول به صورت مجزا)
جدول 4-9 : ضریب همبستگی (شرکت همراه اول)
متغیر مستقل
متغیر وابسته
ضریب همبستگی
سطح معناداری
رهبری تحول آفرین
بهبود مزیت رقابتی
552/0
000/0
کارایی هزینه
بهبود مزیت رقابتی
473/0
000/0
ارائه انعطافپذیر خدمات
بهبود مزیت رقابتی
644/0
000/0
ارائه خدمات با کیفیت
بهبود مزیت رقابتی
651/0
000/0
زمان (موقعیت) مناسب ارائه خدمات
بهبود مزیت رقابتی
204/0-
012/0
باتوجه به داده های گردآوری شده و خروجی نرم افزار spss:
برای رابطه متغیر رهبری تحول آفرین و بهبود مزیت رقابتی در شرکت همراه اول، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی دو متغیر مذکور(552/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر کارایی هزینه و بهبود مزیت رقابتی در شرکت همراه اول، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (473/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر ارائه انعطاف پذیر خدمات و بهبود مزیت رقابتی در شرکت همراه اول، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (644/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر ارائه خدمات با کیفیت و بهبود مزیت رقابتی در شرکت همراه اول، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (651/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر زمان مناسب ارائه خدمات و بهبود مزیت رقابتی در شرکت همراه اول، با توجه به اینکه سطح معنی داری (012/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار منفی ضریب همبستگی (204/0-) بنابراین رابطه بین دو متغیر فوق منفی (معکوس) است.
4-3-1-3 آزمون همبستگی (در مورد شرکت ایرانسل به صورت مجزا)
جدول 4-10 : ضریب همبستگی (شرکت ایرانسل)
متغیر مستقل
متغیر وابسته
ضریب همبستگی
سطح معناداری
رهبری تحول آفرین
بهبود مزیت رقابتی
565/0
000/0
کارایی هزینه
بهبود مزیت رقابتی
309/0
002/0
ارائه انعطافپذیر خدمات
بهبود مزیت رقابتی
619/0
000/0
ارائه خدمات با کیفیت
بهبود مزیت رقابتی
590/0
000/0
زمان (موقعیت) مناسب ارائه خدمات
بهبود مزیت رقابتی
158/0-
118/0
باتوجه به داده های گردآوری شده و خروجی نرم افزار spss :
برای رابطه متغیر رهبری تحول آفرین و بهبود مزیت رقابتی در شرکت ایرانسل، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی دو متغیر مذکور(565/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر کارایی هزینه و بهبود مزیت رقابتی در شرکت ایرانسل ، با توجه به اینکه سطح معنی داری (002/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (309/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر ارائه انعطاف پذیر خدمات و بهبود مزیت رقابتی در شرکت ایرانسل، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (619/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر ارائه خدمات با کیفیت و بهبود مزیت رقابتی در شرکت ایرانسل ، با توجه به اینکه سطح معنی داری (000/0) از 0.05 کمتر است لذا این رابطه معنادار است و با توجه به مقدار مثبت ضریب همبستگی (590/0) بنابراین رابطه بین دو متغیر فوق مثبت (مستقیم) است.
برای رابطه متغیر زمان مناسب ارائه خدمات و بهبود مزیت رقابتی در شرکت ایرانسل ، با توجه به اینکه سطح معنی داری (118/0) از 0.05 بیشتر است لذا این رابطه معنادار نیست.
4-3-2 تحلیل عاملی تاییدی متغیر رهبری تحولآفرین
نمودار 4-5 : مدل تحلیل عاملی تاییدی رهبری تحولآفرین با ضرایب غیر استاندارد
نمودار 4-6 : مدل تحلیل عاملی تاییدی رهبری تحول آفرین با ضرایب استاندارد
هرچه بار يك شاخص در يك عامل بزرگتر باشد، در تفسير آن عامل بايد وزن بيشتري به آن شاخص داده شود (کلاین132، 1381).
در این تحقیق منظور از Var1،Var2 ،Var3 ،Var4 ، Var5، Var6، Var7، Var8 به ترتیب سوالات 1 و 2 و3 و 4 و 5 و 6 و7 و 8 پرسش نامه (به عبارت دیگر متغیرهای مشاهده شده) و منظور از E1 ، E2 ، E3 ، E4 ، E5 ، E6 ، E7 ، E8 واریانس های خطا می باشند.باتوجه به خروجی نرمافزار AMOS به بررسی بارهای عاملی به دست آمده ار آزمون مدل تحلیل عاملی تاییدی رهبری تحولآفرین میپردازیم. بر اساس ضرایب استاندارد به دست آمده در نمودار 4-6 ملاحظه میگردد که متغیر (تاكید بر اهمیت آینده نگری در شركت توسط رهبری) دارای بیشترین ضریب رگرسیونی بر متغیر مکنون رهبری تحولآفرین است؛ بعبارتی این متغیر نقش پررنگتری در عملیاتی کردن متغیر رهبری تحولآفرین دارد. همچنین متغیر مشاهده شدهی (در نظر گرفتن نیازها و خواسته های كاركنان و مشتریان توسط رهبری شركت) دارای کمترین بارعاملی بر روی متغیر مکنون رهبری تحولآفرین است.
معنیداری بارهای عاملی:
باتوجه به خروجینرمافزار آموس به بررسی بارهای عاملی مربوط به متغیر مکنون رهبری تحول آفرین میپردازیم :
جدول 4-11 : معنیداری بارهای عاملی متغیر رهبری تحولآفرین
Estimate
S.E.
C.R.
P
Var7
<---
رهبری
.988
.207
4.786
***
Var6
<---
رهبری
1.384
.240
5.770
***
Var5
<---
رهبری
2.036
.323
6.305
***
Var4
<---
رهبری
2.147
.337
6.367
***
Var3
<---
رهبری
1.885
.299
6.294
***
Var2
<---
رهبری
1.769
.293
6.046
***
Var1
<---
رهبری
1.987
.320
6.214
***
Var8
<---
رهبری
1.000
طبق محاسبات انجام شده توسط مدل سازی معادلة ساختاری، تمامی بارهای عاملی شاخص ها، معنادار هستند (P<0.05) و قدرمطلق مقادیر t بزرگتر از 1.96 به دست آمده است که این ها شواهدی برای اعتبار متغیرهای آشکار (شاخص های) استفاده شده برای اندازه گیری می باشند (کلانتری، 1388 ب).
براساس خروجیهای به دست آمده و با استفاده از مقدار آماره آزمون (t) و سطح معنی داری (P-Value) استنباط میشود که تمام بارهای عاملی معنیدار میباشند. زیرا؛ برای تمامی ضرایب رگرسیونی، مقدار آماره t از عدد 96/1 بیشتر بوده و سطح معنیداری نیز با علامت *** نشان از معنیداری بارعاملی با Sig=0/000 دارد. به عنوان مثال برای متغیر شماره 7 (در نظر گرفتن دیدگاههای مختلف توسط رهبری شرکت) مقدار آماره آزمون (سطح بحرانی) برابر 786/4 است و مقدار p نیز عدد 000/0 را نشان میدهد.
بررسی شاخصهای برازش:
در این قسمت از آزمون مدل تحلیلی مربوط به متغیر مکنون رهبری تحولآفرین، به بررسی شاخصهای برازش میپردازیم. اینکار با مقایسه مقادیر به دست آمده با ناحیه مطلوب برای هر شاخص صورت میگیرد.
شاخص نسبت کای اسکوئر به درجه آزادی: برای این شاخص مقادیر 1 تا 5 مناسب و مقادیر نزدیک به 2 تا 3 بسیار خوب تفسیر شده است (شوماخر و لومکس133، 1388).
نسبت کای دو به درجه آزادی کمتر از 5، نشان دهنده برازش مناسب است (بیرنه134، 2006).
برای شاخص برازش RMSEA مقادیر کوچکتر از 0.08(آخوندی، 1389).
دامنه مورد قبول برای شاخص AGFI بزرگتر از 0.85 (لیاقت و قاسمی، 1393).
بدین صورت که مدلی از برازش مناسب برخوردار است که میزان NFI ، CFI ، IFI ،GFI از 0.9 بیشتر و RMR کمتر از 0.05 باشد (کلانتری، 1388 الف).
در جدول زیر شاخصهای محاسبه شده و نتایج داوری ارائه میگردد :
جدول 4- 12 : شاخصهای برازش متغیر مکنون رهبری تحولآفرین
شاخص برازش
مشخصه
مقدار
دامنه مطلوب
نتیجه
مجذور کای
x^2/df
117/4
0 تا 5
تایید
ریشه خطای میانگین مجذورات تقریب
RMSEA
112/0
< 0.08
نامناسب
ریشه میانگین مربعات باقیمانده
RMR
054/0
< 0.05
متوسط
نیکویی برازش
GFI
917/0
> 0. 9
تایید
شاخص نیکویی برازش اصلاح شده
AGFI
850/0
0.85
تایید
شاخص برازش هنجار شده ( بنتلر ـ بونت135 )
NFI
917/0
0.90
تایید
شاخص برازش تطبیقی
CFI
935/0
0. 90
تایید
شاخص برازش افزایشی
IFI
936/0
0. 90
تایید
باتوجه به مقادیر شاخصهای برازش، مشاهده میگردد که برای شاخصهای برازش ریشه خطای میانگین مجذورات تقریب و ریشه میانگین مربعات باقیمانده مقادیر به دست آمده خارج از ناحیه مطلوب هستند. در این حالت با مراجعه به شاخصهای بهبود آموس به اصلاح مدل میپردازیم. باتوجه به پیشنهادهای خروجی آموس برای اصلاح مدل، بین متغیرهای واریانس خطای E7 و E8 مسیر کواریانس رسم شد و نتایج به دست آمده نشان دهنده برازش مناسب مدل اصلاحی است. در نمودار زیر مدل اصلاحی ترسیم شده است :
نمودار 4-7 : مدل اصلاحی تحلیل عاملی تاییدی رهبری تحول آفرین با ضرایب استاندارد
• معنیداری بارهای عاملی:
باتوجه به خروجینرمافزار آموس به بررسی بارهای عاملی مدل اصلاحی مربوط به متغیر مکنون رهبری تحولآفرین میپردازیم :
جدول 4-13 : معنیداری بارهای عاملی مدل اصلاحی متغیر رهبری تحولآفرین
Estimate
S.E.
C.R.
P
Label
Var7
—
رهبری
.993
.170
5.851
***
Var6
—
رهبری
1.434
.260
5.522
***
Var5
—
رهبری
2.136
.355
6.011
***
Var4
—
رهبری
2.255
.372
6.065
***
Var3
—
رهبری
1.969
.328
5.996
***
Var2
—
رهبری
1.853
.320
5.785
***
Var1
—
رهبری
2.073
.350
5.924
***
Var8
—
رهبری
1.000
مشابه استدلال صورت گرفته برای مدل قبلی، ملاحظه میگردد که تمام بارهای عاملی از سطح معنی داری قابل قبولی برخوردارند. در بخش بعد به بررسی شاخصهای برازش مدل اصلاحی میپردازیم
جدول 4- 14 : شاخصهای برازش مدل اصلاحی متغیر مکنون رهبری تحولآفرین
شاخص برازش
مشخصه
مقدار
دامنه مطلوب
نتیجه
مجذور کای
x^2/df
167/2
0 تا 5
تایید
ریشه خطای میانگین مجذورات تقریب
RMSEA
068/0
0.08
تایید
ریشه میانگین مربعات باقیمانده
RMR
033/0
0.05
تایید
نیکویی برازش
GFI
957/0
0. 9
تایید
شاخص نیکویی برازش اصلاح شده
AGFI
919/0
0.85
تایید
شاخص برازش هنجار شده ( بنتلر ـ بونت )
NFI
957/0
0.90
تایید
شاخص برازش تطبیقی
CFI
977/0
0. 90
تایید
شاخص برازش افزایشی
IFI
977/0
0. 90
تایید
باتوجه به اصلاح مدل و آزمون مدل اصلاحی مشاهده میگردد که در اثر این اصلاح، تمامی شاخصهای برازش بهبود یافتند و این امر نشان از برازش مناسب مدل دارد. بنابراین میتوان نتیجه گرفت که رابطه متغیرهای مشاهده شده با متغیر مکنون رهبری تحولآفرین مورد تایید است.
4-3-3 تحلیل عاملی تاییدی متغیر کارایی هزینه
نمودار 4-8 : مدل تحلیل عاملی تاییدی کارایی هزینه با ضرایب غیراستاندارد
نمودار 4-9 : مدل تحلیل عاملی تاییدی کارایی هزینه با ضرایب استاندارد
در این تحقیق منظور از Var9،Var10 ،Var11 به ترتیب سوالات 9 و 10 و11 پرسش نامه (به عبارت دیگر متغیرهای مشاهده شده) و منظور از E9 ، E10 ، E11 واریانس های خطا می باشند. متغیر مکنون کارایی هزینه به عنوان یکی از عوامل موثر بر بهبود مزیت رقابتی در تحقیق حاضر در نظر گرفته شد. برای این عامل سه متغیر مشاهده شده در پرسشنامه در نظر گرفته شد. براساس خروجی نرمافزار مشاهده می گردد که متغیر (ارائه خدمات با هزینه تمام شده پایین به مشتریان) دارای بیشترین بارعاملی و متغیر (برگزاری جشنواره های مختلف فروش خدمات همراه با قیمت پایین و تخفیف) دارای کمترین بارعاملی بر متغیر مکنون کارایی هزینه هستند.
معنیداری بارهای عاملی:
جدول 4-15 : معنیداری بارهای عاملی متغیر کاراییهزینه
Estimate
S.E.
C.R.
P
Label
Var11
—
کارایی.هزینه
1.000
Var10
—
کارایی.هزینه
1.482
.245
6.053
***
Var9
—
کارایی.هزینه
1.817
.321
5.667
***
باتوجه به مقادیر آماره t که همگی بالاتر از 96/1 هستند و سطح معنی داری به دستآمده که همگی کمتر از 0.05 است، نتیجهمیگیریم که تمامی بارهای عاملی معنادار هستند و رابطه آنها با متغیر مکنون مورد تایید است. در بخش بعد به بررسی شاخصهای برازش می پردازیم.
بررسی شاخصهای برازش:
جدول 4- 16 : آماره کای اسکوئر متغیر مکنون کارایی هزینه
Model
NPAR
CMIN
DF
P
CMIN/DF
Default model
6
.000
0
Saturated model
6
.000
0
Independence model
3
204.736
3
.000
68.245
با توجه به اينكه درجه آزادي كاي دو در مدل اندازه گيري متغير صفر شده است و در نتيجه اندازه هاي نيكويي برازش محاسبه نمي شوند. چنين مدلي را اشباع شده مي نامند. شاخص هاي برازش ديگر همچون GFI،RFI، NFI و CFI داراي مقدار يك در مدل اشباع شده است (صادقپور و مرادی، 1389).
مطابق خروجی نرمافزار AMOS این مدل یک مدل اشباع است، کای اسکوئر (CMIN) مدل فوق برابر صفر) و به دلیل درجه آزادی صفر این مدل غیر قابل آزمون است و به همین دلیل نمیتوان آنرا رد کرد. در این مدل تناظر یک به یک بین دادهها و پارامترهای ساختاری وجود دارد. می توان گفت تعداد واریانسها و کواریانسها برابر تعداد پارامترهایی است که باید برآورد شوند. و چون درجه آزادی آن صفر است (0=6-6)، چنین مدلهایی را طبق نظریه ری کف و مارکولیدس136 (2002) نمیتوان رد کرد.
جدول 4-17 : محاسبه درجه آزادی مدل تاییدی متغیر کارایی هزینه
6
تعداد کل نقاط
6
پارامترهایی که باید برآورد شوند
0
درجه آزادی (6 – 6)
در این مدلها تعداد پارامترهایی که باید برآورد شوند 6 پارامتر می باشد (3 بارعاملی و3 واریانس خطا ). تعداد کل نقاط (واریانسی و کواریانسی) از رابطه زیر بدست میآید :
p(p+1)/2=3(4)/2=6
که در آن p تعداد متغیرهای مشاهده شده است مقدار p در این مدل برابر 3 میباشد، لذا تعداد کل نقاط برابراست با 6.
از طرفی برای محاسبه درجه آزادی باید تعداد پارامترهایی را که میخواهیم برآورد کنیم از تعداد کل نقاط کم کنیم که نتیجه میشود درجه آزادی برای این مدل برابر صفر است، در جدول 4- 16 و در خروجی نرمافزار AMOS نیز به آن اشاره شده است و نشان میدهد که مدل تنها مشخص (اشباع) است و قابل رد شدن نیست و لازم به بررسی دیگر شاخص های برازش نمیباشد.
4-3-4 تحلیل عاملی تاییدی متغیر ارائه انعطافپذیر خدمات
نمودار 4-10 : مدل تحلیل عاملی تاییدی ارائه انعطافپذیر خدمات با ضرایب غیراستاندارد
نمودار 4-11 : مدل تحلیل عاملی تاییدی ارائه انعطافپذیر خدمات با ضرایب استاندارد
در این تحقیق منظور از Var12،Var13 ،Var14 ،Var15 به ترتیب سوالات 12 و 13 و14 و 15 پرسش نامه (به عبارت دیگر متغیرهای مشاهده شده) و منظور از E12 ، E13 ، E14 وE15 واریانس های خطا می باشند. نتایج تحلیل عاملی تاییدی نشان میدهد که متغیر مشاهدهشدهی (همگام شدن با تغییرات فناوری و ارائه نسل های جدید خدمات 3G و 4G) دارای بیشترین بارعاملی بر متغیر مکنون ارائه انعطافپذیر خدمات است و همچنین متغیر (پذیرش نظرات مشتریان در ارائه خدمات مناسب به آنها) دارای کمترین بارعاملی است.
بررسی معنیداری بارهای عاملی:
جدول 4-18 : معنیداری بارهای عاملی متغیر مکنون ارائه انعطافپذیر0>
