معني‌داري رابطه دو متغير مکنون پذيرفته ميشود.
3- 8 انواع معيارهاي برازش مدل:
بافتن يک مدل به لحاظ آماري معنادار که همچنين داراي معنا و مفهوم نظري و کاربردي باشد هدف اوليه از به کارگيري مدل‌سازي معادله ساختاري براي آزمون نظريه‌هاست. پژوهشگران معمولاً معيارهاي سه گانه زير را براي قضاوت درباره معناداري آماري و معنا و مفهوم بنيادي از يک مدل نظري به کار مي‌برند:
– اولين معيار، آزمون عدم معناداري آماري کاي اسکوئر و مقدار ريشه مربعات خطاي برآورد است که شاخص‌هاي برازش کلي مدل هستند. يک مقدار به لحاظ آماري غيرمعنادار از کاي اسکوئر نشان مي‌دهد که ماتريس کوواريانس نمونه‌اي و ماتريس کوواريانس توليد شده بر مبناي مدل نظري مشابهند. مقدار کوچکتر يا برابر 5% براي ريشه ميانگين مربعات خطاي برآورد نيز حاکي از قابل قبول بودن مدل است.
– معيار دوم، معناداري آماري پارامترهاي برآورد شده منفرد براي مسيرهاي مدل است که مقادير بحراني بوده و بر اساس تقسيم برآورد پارامترها بر خطاي معيار مربوط به دست مي‌آيند. اين‌ها همان مقادير t که با مقدار t جدول (96/1 در سطح 05/0 معناداري) مقايسه ميشوند.
– معيار سوم، شدت و جهت پارامترهاي برآورد شده را با توجه به اينکه آيا يک ضريب مثبت يا منفي براي يک پارامتر خاص معنا و مفهوم دارد يا خير وارسي مي‌کند.
در اين قسمت معيارهاي متعددي را براي ارزشيابي برازش مدل طرح کرده و پيشنهاداتي ارائه مي‌کنيم که چگونه اين معيارها مي‌توانند مورد استفاده قرار گيرند. تعيين برازش مدل در مدل‌سازي معادلات ساختاري داراي راهي به مستقيمي ساير روشهاي آماري چند متغيره نظير تحليل واريانس، رگرسيون چندگانه، تحليل مسير، تحليل مميز و تحليل متعارف يا کانوني نيست. اين روشهاي چندگانه، متغيرهاي مشاهده شده‌اي را به کار مي‌برند با اين فرض که آنها فاقد خطاي اندازه‌گيري‌اند و بر همين اساس براي تعيين معناداري آماره‌هاي آزمون توزيع شناخته شده‌اي را به کار مي‌گيرند. شاخص‌هاي برازش در مدل‌سازي معادلات ساختاري، داراي آزمون معناداري آماري منفرد نيست که مدل صحيح با داده‌اهي خاص را تعيين کند.
جدول 3- 3- معيارهاي برازش مدل و تفسير برازش قابل قبول
معيار برازش مدل
سطح قابل قبول
تفسير
کاي اسکوئر، Chi- square
مقدار کاي اسکوئر جدول
کاي اسکوئر بدست آمده با کاي اسکوئر جدول براي يک درجة آزادي مشخص، با هم مقايسه ميشوند.
نيکويي برازش، GFI
0 (عدم برازش) تا 1 (برازش کامل)
مقدار نزديک به 9/0 منعکس ننده يک برازش مطلوب است.
نيکويي برازش اصلاح شده، AGFI
0 (عدم برازش) تا 1 (برازش کامل)
مقدار اصلاح شده براي درجه آزادي مشخص با 95/0 يک برازش مطلوب است.
ريشه ميانگين مربعات باقيمانده PMR
تعريف شده به وسيلة پژوهشگر
نزديکي ماتريس ? را به ماتريس S نشان مي‌دهد.
ريشه ميانگين مربعات خطاي برآورد RMSEA
0 (عدم برازش) تا 1 (برازش کامل)
مقدار کمتر از 5% يک برازش خوب را نشان مي‌دهد.
شاخص برازش هنجار شده، NFI
0 (عدم برازش) تا 1 (برازش کامل)
مقدار نزديک به 9/0، منعکس کننده يک برازش مطلوب است.
شاخص مجذوي کاي
کاي اسکوئر تنها آزمون معناداري براي مدل مورد نظر است. مقدار کاي اسکوئر در دامنه تغييرات براي يک مدل اشباع شده که در آن همه مسيرها تعريف شده است، تا مقدار حداکثر براي يک مدل مستقل که در آن هيچ مسيري تعريف نشده است، تغيير مي‌کند.
در مدل‌سازي معادله ساختاري کمترين تمايل به يک مدل نظري است که در آن همه مسيرهاي ممکن تعريف شده (مدل اشباع شده) باشند. هدف در مدل‌سازي معادلات ساختاري، دستيابي به مدل مقتصد با تعداد کمي از مسيرهاي بنيادي و با مفهوم است که داراي مقدار غيرمعناداري از کاي اسکوئر و نزديک به يک مدل اشباع شده باشد به نحوي که تفاوت اندکي بين ماتريس واريانس- کوواريانس نمونه‌اي و ماتريس واريانس- کوواريانس باز توليد شده نشان دهد، تفاوت بين اين دو ماتريس کوواريانس، در ماتريس باقي مانده ارائه ميشود. هنگامي که کاي اسکوئر معنادار نيست (نزديک به صفر) مقادير باقي مانده در ماتريس باقي مانده نزديک صفر هستند که نشان مي‌دهد مدل نظري با دادههاي نمونه‌اي برازش دارد. بسياري از معيارهاي برازش مدل از عناصر مدل اشباع شده، مدل مستقيم، حجم نمونه. درجه آزاد و يا مقادير کاي اسکوئر فرمول کرده يک شاخص برازش مدل استفاده مي‌کنند. دامنه تغييرات اين شاخص‌ها اغلب بين صفر (عدم برازش) تا 1 (برازش کامل) تغيير مي‌کند (همان منبع: 71)
شاخص کاي دو براي آزمون اين فرضيه صفر که مدل مورد نظر در جامعه موجه است، محاسبه مي شود کاي دو معنادار دلالت بر رد فرضيه صفر دارد که بيان مي‌کند آن مدل در جامعه موجه نيست. وقتي حجم گروه نمونه برابر 75 تا 200 نفر باشد، مقدار مجذور کاي، يک اندازه معقول براي برازندگي است. اما براي مدل‌هاي با n بزرگتر، مجذور کاي (همانند همه آزمونهاي معنادار بودن) تقريباً هميشه از لحاظ آماري معنادار است. اين مسأله با توجه به اين مطلب که براي روش معادلات ساختاري (SEM) گروه‌هاي نمونه با حجم زياد توصيفه ميشود، تناقض دارد. علاوه بر اين، مجذور کاي تحت تأثير مقدار همبستگي موجود در مدل نيز هست. هر چه اين همبستگي‌ها زيادتر باشد، برازش ضعيف‌تر است. به همين دليل براي برازش مدل‌ها، اندازه‌اهي ديگري توسعه يافته است. يک راه حل براي اين مسأله توسعه شاخص‌هاي برازندگي163 است که هر چند مبتني بر مجذور کاي است، اما به خاطر حجم نمونه از راهي کنترل ميشود (هومن: 40).
جذر برآورد واريانس خطاي تقريب (RMSEA)
اين اندازه که به صورت اعشاري گزارش ميشود، مبتني بر پارامترهاي غيرمرکزي164 است. اين شاخص، ريشه ميانگين مجذورات تقريب مي‌باشد. اين شاخص براي مدل‌هاي خوب برابر با 5% يا کمتر است. مدل‌هايي که EMSEA آورده 10/0 يا بيشتر باشد، برازش ضعيفي دارند (همان منبع: 42).
شاخص برازندگي تطبيقي (CFI)
اگر اين شاخص بزرگتر از 0/1 باشد، برابر با 0/1 و اگر کوچکتر از صفر باشد برابر با صفر قرار داده ميشود و همانند شاخص‌هاي قبلي چنان مقدار اين کسر بين 90% تا 95% باشد، قابل قبول تلقي ميشود (همان منبع: 41).
شاخص برازندگي (GFI) و شاخص تعديل شده برازندگي (AGFI)
شاخص برازندگي به گونه کلي در دامنه بين صفر و يک قرار داده ميشوند. ضرايبي که بالاتر از 90/0 باشد، قابل قبول در نظر گرفته ميشوند، هر چند اين نيز مانند سطح P=5%، اختياري است، به طوري کلي مقادير شاخص‌هاي GFI و AGFI با نزديک‌تر شدن به عدد 0/1 برازندگي خوب مدل را نشان ميدهند. از ميان شاخص‌هاي ذکر شده، به گونه کلي RMSEA به عنوان يک شاخص مطلوب و CFI به عنوان بهترين شاخص در نظر گرفته ميشود (هومن، 1384: 43).
فصل چهارم
4-1 مقدمه
تجزيه و تحليل دادهها فرآيندي چندمرحلهاياست که طي آن دادههايي که از طريق بکارگيري ابزارهاي جمعآوري در نمونة (جامعه) آماري فراهمآمدهاند؛ خلاصه، کدبندي و دستهبندي… و در نهايت پردازش ميشوند تا زمينة برقراري انواع تحليلها و ارتباطها بين اين دادهها بهمنظور آزمون فرضيهها فراهم آيد. در اين فرآيند دادهها هم از لحاظ مفهومي و هم از جنبة تجربي پالايش ميشوند و تکنيکهاي گوناگون آماري نقش بسزايي در استنتاجها و تعميمها به عهده دارند. (خاکي، 1378: 305)
در اين فصل ابتدا آمار توصيفي مربوط به اطلاعات جمعيت شناختي پاسخ دهندگان (افراد نمونه) و همچنين وضعيت متغيرهاي تحقيق با بکارگيري جداول و نمودارها به نمايش گذاشتهشده و در ادامه براي پاسخگويي به سؤالات پژوهش و نتيجهگيري از روشهاي آماري و آزمونهاي متفاوت با استفاده از نرمافزار SPSS20 و lisrel8.54 به نحوي که ذکر ميشود، استفادهگرديد: جهت بررسي نرمال بودن دادهها از آزمون کلموگروف- اسميرنف، از آزمون تحليل عاملي اکتشافي جهت تأييد روايي سؤالات و مشخصسازي عوامل کليدي هر مؤلفه و از فن مدليابي معادلات ساختاري جهت بررسي برازش مدل پژوهش با دادههاي جمعآوري شده استفاده گرديده است.
4-2 ويژگي هاي جمعيت شناختي نمونه آماري
در اين بخش ويژگيهاي جمعيت شناختي نمونه آماري تشريح ميشوند.
4-2-1 وضعيت افراد پاسخ دهنده از نظر جنسيت
جدول توزيع فراواني افراد پاسخدهنده بر اساس جنسيت آنها در زير داده شده است.
جدول 4-1. توزيع فراواني افراد پاسخ دهنده از نظر جنسيت
جنسيت
فراواني
درصد فراواني
مرد
77
56.2
زن
60
43.8
جمع کل
137
100
همانطور که از دادههاي جدول 4-1 مشخص است 2/56 درصد افراد پاسخ دهنده مرد و 8/43 درصد آنها را زنان تشکيل ميدهند.
نمودار 4-1. نمودار فراواني افراد پاسخ دهنده از نظر جنسيت
4-2-2. وضعيت افراد پاسخ دهنده از نظر سن
جدول توزيع فراواني افراد پاسخدهنده بر اساس گروه سني آنها در زير داده شده است.
جدول 4-2. توزيع فراواني افراد پاسخ دهنده از نظر سن
سن
فراواني
درصد فراواني
درصد تجمعي
کمتر از 20 سال
0
0.00
0.00
30-21 سال
41
29.9
29.9
40-31 سال
57
41.6
71.5
50-41 سال
39
28.5
100
51-60 سال
0
0.00
0.00
60 سال و بالاتر
0
0.00
0.00
جمع کل
137
100
همانطور که از دادههاي جدول 4-2 مشخص است 9/29 درصد افراد پاسخ دهنده در گروه سني 21 تا 30 سال، 6/41 درصد 31 تا 40 سال و 5/28 درصد در گروه سني 41 تا 50 سال قرار دارند.
نمودار 4-2. وضعيت افراد پاسخ دهنده از نظر سن
4-2-3. وضعيت افراد پاسخ دهنده از نظر تأهل
جدول توزيع فراواني افراد پاسخدهنده بر اساس تأهل آنها در زير داده شده است.
جدول 4-3. توزيع فراواني افراد پاسخ دهنده از نظر تأهل
تاهل
فراواني
درصد فراواني
متاهل
92
67.2
مجرد
45
32.8
جمع کل
137
100
همانطور که از دادههاي جدول 4-3 مشخص است 2/67 درصد افراد پاسخ دهنده متاهل و 8/32 درصد آنها مجرد هستند.
نمودار 4-4. وضعيت افراد پاسخ دهنده از نظر تأهل
4-2-4. وضعيت افراد پاسخ دهنده از نظر ميزان تحصيلات
جدول توزيع فراواني افراد پاسخدهنده بر اساس ميزان تحصيلات آنها در زير داده شده است.
جدول 4-4. توزيع فراواني افراد پاسخ دهنده از نظر ميزان تحصيلات
ميزان تحصيلات
فراواني
درصد فراواني
درصد تجمعي
زير ديپلم
2
1.5
1.5
ديپلم
19
13.9
15.3
فوق ديپلم
10
7.3
22.6
کارشناسي
74
54
76.6
کارشناسي ارشد
31
22.6
99.3
دکتري
1
0.7
100
جمع کل
137
100
همانطور که از دادههاي جدول 4-4 مشخص است ميزان تحصيلات 5/1 درصد افراد پاسخ دهنده زيرديپلم، 9/13 درصد ديپلم، 3/7 درصد فوق ديپلم، 54 درصد کارشناسي و 6/22 درصد کارشناسي ارشد و 7/0 درصد دکتري است.
نمودار 4-4. وضعيت افراد پاسخ دهنده از نظر ميزان تحصيلات
4-2-5. وضعيت افراد پاسخ دهنده از نظر سابقه کار
جدول توزيع فراواني افراد پاسخدهنده بر اساس سابقه کار آنها در زير داده شده است.
جدول 4-5. توزيع فراواني افراد پاسخ دهنده از نظر سابقه کار
سابقه کار
فراواني
درصد فراواني
درصد تجمعي
زير 5 سال
24
17.5
17.5
بين 5 تا 10 سال
29
21.2
38.7
بين 10 تا 15 سال
31
22.6
61.3
بين 15 تا 20 سال
22
16.1
77.4
20 سال به بالا
31
22.6
100
جمع کل
137
100
همانطور که از دادههاي جدول 4-5 مشخص است سابقه کار 5/17 درصد افراد پاسخ دهنده زير 5 سال، 2/21 درصد بين 5 تا 10 سال، 6/22 درصد بين 10 تا 15 سال، 1/16 درصد بين 15 تا 20 سال و 6/22 درصد 20 سال به بالا است.
نمودار 4-5. وضعيت افراد پاسخ دهنده از نظر سابقه کار
4-2-6. وضعيت افراد پاسخ دهنده از نظر پست سازماني
جدول توزيع فراواني افراد پاسخدهنده بر اساس پست سازماني آنها در زير داده شده است.
جدول 4-6. توزيع فراواني افراد پاسخ دهنده از نظر پست سازماني
پست سازماني
فراواني
درصد فراواني
درصد تجمعي
مدير
3
2.2
2.2
معاون مدير
4
2.9
5.1
رئيس اداره
20
14.6
19.7
کارشناس
110
80.3
100
جمع کل
137
100
همانطور که از دادههاي جدول 4-6 مشخص است 2/2 درصد افراد پاسخ دهنده مدير، 9/2 درصد
