منابع پایان نامه درباره تحلیل عامل، تحلیل عاملی، توزیع فراوانی

دانلود پایان نامه ارشد

آلفا
تنوع کاربرد کارتهای ATM
8
6/87 درصد
سودآوری
2
9/87 درصد
رضایت مشتریان
9
3/85 درصد
احساس امنیت مشتری
5
5/72 درصد
بهبود عملکرد
16
2/88 درصد

3-6) روش تجزیه و تحلیل داده ها
طبقه بندی و تجزیه و تحلیل درست داده ها و استفاده صحیح از تکنیک های آماری به طبع استفاده از روش های مناسب پژوهش در نهایت منجر به دستیابی به نتایج قابل اتکا خواهد شد. پس از آنکه محقق داده ها را گردآوری، استخراج و طبقه بندی نمود و جدول توزیع فراوانی و نسبت های توزیع را تهیه کرد باید مرحله جدیدی از فرآیند تحقیق که به تجزیه و تحلیل داده ها معروف است، آغاز شود. در مرحله تجزیه و تحلیل، نکته مهم این است که محقق باید اطلاعات و داده ها را در مسیر هدف، پاسخگویی به سؤال یا سؤالات تحقیق و نیز ارزیابی فرضیه های خود جهت داده و مورد تجزیه و تحلیل قرار دهد ( حافظ نیا، 1388، ص 234).
3-6-1) تجزیه و تحلیل با استفاده از آمار توصیفی
آمار توصیفی را عمدتاً مفاهیمی از قبیل توزیع فراوانی و نسبت های توزیع، نمایش هندسی و تصویری توزیع، اندزه های گرایش به مرکز، اندازه های پراکندگی و نظایر آن تشکیل می دهد. آمار توصیفی برای تعیین وضعیت پدیده یا مسئله یا موضوع مورد مطالعه به زمان آمار، تصویرسازی و توصیف می گردد. محقق پس از استخراج اطلاعات اقدام به خلاصه کردن و طبقه بندی داده های آماری می نماید و این کار را با تشکیل جداول توزیع فراوانی انجام می دهد. پس از تشکیل جداول توزیع فراوانی محقق می تواند درصدهای توزیع فراوانی و درصدهای تراکمی را محاسبه کند ( حافظ نیا، 1388، ص240 ).
3-6-2) تجزیه و تحلیل با استفاده از آمار استنباطی
در تحلیل های آمار استنباطی همواره نظر براین است که نتایج حاصل از مطالعه گروه کوچکی به نام نمونه، چگونه به گروه بزرگ تری به نام جامعه تعمیم داده می شود. رابطه همبستگی به بررسی ارتباط بین دو یا چند متغیر می پردازد و ضریب آن را محاسبه می نماید. همبستگی بین متغیرها ممکن است مثبت یا منفی باشد ( حافظ نیا، 1388، ص 246 ).
3-6-3 ) تحليل رگرسيون
تحليل رگرسيون چند متغيري روش تحليل نيرومندي است كه در انواع مسايل مي توان از آن استفاده كرد و در تحقيقات جامعه شناسي، روانشناختي، اقتصادي وغیره كاربرد دارد. از آن در متغيرهاي پيوسته و متغيرهاي طبقه اي استفاده مي شود و آن را مي توان با دو متغیر مستقل، سه متغير مستقل و يا بيشتر استفاده كرد. يكي از انواع روش هاي تحقيق توصيفي (غير آزمايشي) تحقيق همبستگي است. در اين نوع تحقيق رابطه ميان متغيرها بر اساس هدف تحقيق تحليل مي‌گردد.
رگرسيون تكنيكي است كه از طريق آن به تغيير متغير وابسته از طريق تغييرات متغير مستقل يا از طريق تركيب خطي دو يا چند متغير مستقل تبيين و پيش بيني مي شود. دقت و توانايي اندازه گيري در روش تحليل رگرسيون بالاست.
تحليل رگرسيون از لحاظ ساختاري را مي توان به سه دسته تقسيم كرد.
1. تحليل رگرسيون ساده: تغييرات متغير y را از طريق يك متغير x برآورد مي كند و تابع رگرسيون خطي بصورت y=a+bx است.
2. تحليل رگرسيون چند گانه: در آن واريانس متغير y از طريق مشاركت نسبي و تركيب خطي دو يا چند متغير مستقل تبيين مي شود و يك متغيروابسته و مجموعه اي از متغيرهاي مستقل وجود دارد.
تركيب خطي: b2x2+….+bixiy=a+b1x1+
3. تحليل رگرسيون چندگانه چند متغيره ( آذر و مومنی، 1388، ص548 ).
تحقيقات همبستگي را مي‌توان بر حسب هدف به سه دسته تقسيم كرد:
الف ) مطالعه همبستگي دو متغيري، ب ) تحليل رگرسيون، ج ) تحليل ماتريس همبستگي يا كواريانس.
در مطالعات همبستگي دو متغيري، هدف بررسي رابطه دو به دو متغيرهاي موجود در تحقيق است. در تحليل رگرسيون هدف پيش بيني تغييرات يك يا چند متغير وابسته (ملاك) با توجه به تغييرات متغيرهاي مستقل (پيش بين) است. در بعضي بررسي ها از مجموعه همبستگي هاي دو متغيري متغيرهاي مورد بررسي در جدولي به نام ماتريس همبستگي يا كواريانس استفاده مي‌شود. از جمله تحقيقاتي كه در آن ها ماتريس همبستگي يا كواريانس تحليل مي شود، تحليل عاملي و مدل معادلات ساختاري است. در تحليل عاملي هدف تلخيص مجموعه اي از داده ها يا رسيدن به متغيرهاي مكنون (سازه) و در مدل معادلات ساختاري آزمودن روابط ساختاري مبتني بر نظريه ها و يافته هاي تحقيقاتي موجود است. در زير با تفضيل بيشتر هر يك از موارد فوق مورد بحث قرار مي‌گيرد ( حافظ نیا، 1388، ص 423 ).
تحقيق همبستگي دو متغيري
در اين گونه تحقيقات هدف تعيين ميزان هماهنگي تغييرات دو متغير است. براي اين منظور بر حسب مقياس هاي اندازه گيري متغيرها شاخص هاي مناسبي اختيار مي‌شود از آنجا كه در اكثر تحقيقات همبستگي دو متغيري از مقياس فاصله اي با پيش فرض توزيع نرمال دو متغيري براي اندازه گيري متغيرها استفاده مي شود، لذا ضريب همبستگي محاسبه شده در اين گونه تحقيقات ضريب همبستگي گشتاوري پيرسون يا به طور خلاصه ضريب همبستگي پيرسون است.
3-6-4) آزمون دوربین واتسون
در تحلیل رگرسیون بخصوص زمانی که متغیرها در طول یک فاصله زمانی مورد مطالعه قرار می گیرند ممکن است تغییر داده ها در طول زمان از الگوی خاصی پیروری کند. برای تشخیص این الگو از آزمون دوربین واتسون استفاده می شود.
مفهوم مستقل بودن به این معنی است که نتیجه یک مشاهده تاثیری بر نتیجه مشاهدات دیگر نداشته باشد. در رگرسیون، بیشتر در مواقعی که رفتار متغیر وابسته در یک بازه زمانی مورد مطالعه قرار می گیرد ممکن است با مشکل مستقل نبودن خطا ها برخورد کنیم. در صورت وجود خودهمبستگی در خطاها نمی توان از رگرسیون خطی استفاده کرد. برای بررسی این فرض به صورت شهودی میتوان از نمودار کردن توالی متغیر (studentized) در SPSS استفاده کرد. اما راه مطمئن تر استفاده از آزمون دوربین واتسون می باشد. آماره دوربین واتسون بین 0 تا 4 می باشد. اگر بین باقیمانده ها همبستگی متوالی وجود نداشته باشد مقدار این آماره باید به 2 نزدیک باشد. اگر به 0 نزدیک باشد نشان دهنده همبستگی مثبت و اگر به 4 نزدیک باشد نشان دهنده همبستگی منفی می باشد. در مجموع اگر این آماره بین 5/1 تا 5/2 باشد جای هیچ نگرانی نیست ( هومن، 1387، ص 8 ).
3-6-5) تکنیک مدل یابی معادلات ساختاری
مدل یابی معادلات ساختاری34 یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون

چند متغیری و به بیان دقیق تر بسط “مدل خطی کلی35” است که به پژوهشگر امکان می دهد مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد. مدل یابی معادله 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 لیزرل36 نامیده شده است، اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری است
مدل معادلات ساختاری، یک ساختار علی خاص بین مجموعه ای از سازه های غیر قابل مشاهده است. یک مدل معادلات ساختاری از دو مؤلفه تشکیل شده است: یک مدل ساختاری که ساختار علی بین متغیرهای پنهان را مشخص می کند و یک مدل اندازه گیری که روابطی بین متغیرهای مشاهده شده را تعریف می کند ( هومن، 1387، ص 11 ).
3-6-6 ) آزمون کلموگروف – اسمیرنف37
این آزمون از نوع ناپارامتری است و برای ارزیابی همقوارگی متغیرهای رتبه ای در دو نمونه (مستقل و یا غیر مستقل) و یا همقوارگی توزیع یک نمونه با توزیعی که برای جامعه فرض شده است، به کار می رود. اسمیرنف یک نمونه ای در مواردی به کار می رود که متغیرها رتبه ای باشند و توزیع متغیر رتبه ای را در جامعه بتوان مشخص نمود. این آزمون از طریق مقایسه توزیع فراوانی های نسبی مشاهده شده در نمونه با توزیع فراوانی های نسبی جامعه انجام می گیرد. این آزمون ناپارامتری است و بدون توزیع است اما باید توزیع متغیر در جامعه برای هر یک از رتبه های مقیاس رتبه ای در جامعه بطور نسبی در نظر گرفته شود که آنرا نسبت مورد انتظار می نامند.
آزمون کلموگروف – اسمیرنف دو نمونه ای38 : این آزمون در مواقعی به کار می رود که قرار باشد همقوارگی بین دو نمونه هم مقایسه شود ( آذر و مومنی، 1388، ص327 ).
3-6-7 ) آزمون t-value
برای مقایسه یا میانگین دو نمونه مستقل از داده های کمی، اغلب آزمون t با نمونه های مستقل39 مناسب است. آزمون t با نمونه های مستقل، در شکل اصلی اش با فرض ثابت بودن واریانس جامعه از یک متوسط واریانس ها یا برآورد ترکیبی آن استفاده می کند. به همین دلیل این آزمون را به عنوان آزمون t ترکیبی40 شناخته می شود.
از این آزمون زمانی استفاده می شود که محقق می خواهد بداند، آیا میانگین یک متغیر از حدود خاصی فراتر می رود.
آزمون tبه طور متداول جهت معنی داری تفاوت بین دو میانگین به کار می رود. این یک فرضیه آزمایشی41 است اما در آزمون های معنی داری رسمی، فرضیه آزمایش مستقیماً آزمون نمی شود بلکه حالت منفی آن به عنوان فرضیه صفر42 شناخته می شود مورد آزمون قرار می گیرد ( هومن، 1387، ص 82 ).
3-6-8 ) تحلیل عاملی تأییدی
تحلیل عاملی تأییدی از کاربردی ترین مباحث در علوم اجتماعی، اقتصاد، مدیریت، و روانشناسی می باشد. هدف از انجام تحلیل عاملی تأییدی می تواند مورد زیر باشد:
تحلیل عاملی تأییدی راهی برای ساختن پرسش نامه ها برای سنجش و اندازه گیری مفاهیم (متغیرهای پنهان) می باشد. از آنجا که متغیرهای پنهان به خودی خود قابل اندازه گیری نیستند می بایست برای آنها تعریف عملیاتی صورت داد که این تعریف عملیاتی به کمک متغیرهای آشکار صورت می گیرد. در تعریف عملیاتی یک متغیر پنهان یا مفهوم، آن متغیر به کمک متغیرهای قابل مشاهده یا آشکار که قابل اندازه گیری با یک مقیاس انداز گیری است نشان داده می شود.
باید توجه داشت که در تمامی نرم افزارهایی مثل اس پی اس اس (( SPSS 43 ، ساس ( SAS )44 ، لیزرل و غیره وقتی سخن از متغیر به میان می آید منظور متغیر آشکار است و برای همین این متغیرها همان مواردی هستند که در نام ستون های این نرم افزارها قرار گرفته و دارای اندازه می باشد اما در هیچ نرم افزاری متغیرهای پنهان دارای اندازه نمی باشند و این محاسبات به کمک نرم افزار لیزرل انجام خواهد شد. این متغیرهای پنهان را باید از طریق متغیرهای آشکار مربوط به خود و از طریق تحلیل عاملی تأییدی اندازه گیری کرده و روابط مربوط را نشان داد.
هدف مهم دیگر تحلیل عاملی تأییدی می تواند همان هدف گفته شده برای تحلیل عاملی اکتشافی یعنی خلاصه سازی متغیرها و آسان سازی تحلیل متغیرهای با تعداد بالا باشد. اما تفاوت مهمی که در این دو نوع تحلیل عاملی وجود دارد این است که کار تحلیل عاملی اکتشافی بر اساس وجود فرضیه صورت می گیرد. یعنی در این روش محقق مشخص می کند کدام یک از متغیرهای آشکار تحت کدام کدامیک از متغیرهای پنهان قرار گرفته و موجب تعریف عملیاتی و اندازه گیری آنها می شود. این در حالی است که در تحلیل عاملی اکتشافی عوامل (متغیرهای پنهان) کشف شده نه اینکه از قبل تعریف شوند و در ادامه نیز متغیرهای آشکار به صورت اکتشافی تحت متغیر پنهان مربوطه قرار می گیرند ( حافظ نیا، 1388، ص247 ).
3-6-9 ) شاخص های برازندگی
3-6-9-1 ) آزمون خی – دو
آزمون خی دو، اولین شاخص است که برای سنجش برازندگی مدل بکار گرفته شده است. آزمون های نیکوئی برازش نوعی از کاربردهای آزمون هستند. یکی از شاخص های عمومی برای حساب آوردن پارامترهای آزاد در محاسبه شاخص های برازش، شاخص خی – دو بهنجار است که از تقسیم ساده خی – دو بر درجه آزادی مدل محاسبه می شود. چنانچه این مقدار بین 1 تا 5 باشد مطلوب است ( ساروخانی، 1388، ص452 ).
3-6-9-2 ) شاخص RMSEA 45
شاخصRMSEA با فرمول زیر محاسبه می شود.
√((X-df))/√(df(N-1))

شاخصRMSEA در بیشتر تحلیل های عاملی تأییدی و مدلهای معادلات ساختاری استفاده می شود. بر اساس دیدگاه مک کالوم، براون و شوگاوارا46 (1996) اگر مقدار این شاخص کوچکتر از 0.1 باشد برازندگی مدل بسیار عالی است. اگر بین 0.1 و0.5 باشد برازندگی مدل خوب است و اگر بین 0.5 و 0.8 باشد

پایان نامه
Previous Entries منابع پایان نامه درباره استان گیلان، بهبود عملکرد، رضایت مشتریان Next Entries منابع پایان نامه درباره انحراف معیار، تحلیل داده، جمعیت شناختی