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

دانلود پایان نامه ارشد

1390).
پس از جمع‌آوری اطلاعات از نمونه‌های جامعه آماری، مرحله بعدی آن است که داده‌ها جهت آزمون فرضیه‌ها تحلیل شوند (سکاران، 1386). مرحله تجزیه و تحلیل داده‌ها فرآیندی چند مرحله‌ای است که طی آن داده‌هایی که از طریق به کارگیری ابزارهای جمع‌آوری در نمونه آماری فراهم آمده‌اند خلاصه، کدبندی و دسته‌بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط‌ها بین این داده‌ها به منظور آزمون فرضیه‌ها فراهم آید (خاکی، 1388).
در این فصل ابتدا آمار توصیفی ( جنس، سن، تحصیلات، وضعیت تأهل، نام سازمان) به تفصیل توضیح داده می‌شوند. در ادامه آمار استنباطی مورد بحث قرار می‌گیرد، که در ابتدا فرض نرمال یا غیرنرمال بودن داده‌ها آزمون می‌شود و تائید یا رد فرضیات با مدلسازی معادلات ساختاری از طریق نرم افزار لیزرل 8.54 بررسی شده است:

4-2 آمار توصیفی و آزمون نرمال بودن داده ها
منظور از آمار توصیفی، جمع‌بندی و خلاصه کردن داده‌ها، برای بهتر نشان دادن آن‌ها به خوانندگان می‌باشد. آمار توصیفی آماری است که الگوی پاسخ‌های افراد نمونه را تلخیص می‌کند (دواس، 1376). از این رو در این بخش برای شفافیت داده‌ها از جداول آمارهای توصیفی و نمودارها استفاده شده است. جداول از مهم‌ترین ابزارها برای سنجش و اندازه‌گیری داده‌های یک تحقیق انسانی- اجتماعی به شمار می‌آیند هم‌چنین زمانی که توزیع یک متغیر مهم است، بهتر است که توزیع همراه با یک نمودار نشان داده شود.

4-2-1 جنسیت پاسخ دهندگان
در زیر، جدول فراوانی و نمودار درصد افراد بر حسب جنسیت پاسخ‌دهندگان آمده است.
جدول 4-1 : توزیع فراوانی و درصد افراد بر حسب جنسیت
جنس
فراوانی
درصد فراوانی
مرد
174
87
زن
26
13
کل
200
100

یافته‌های جدول 4-1 نشان می‌دهد که با توجه به جنس، 87 درصد افراد نمونه مرد و 13درصد زن می‌باشند.

نمودار 4-1 : نمودار فراوانی افراد بر حسب جنسیت

4-2-3 تحصیلات پاسخ‌دهندگان
در زیر جدول فراوانی و نمودار درصد افراد بر حسب تحصیلات پاسخ‌دهندگان آمده است.
جدول 4-3 : توزیع فراوانی و درصد افراد بر حسب تحصیلات
تحصیلات
فراوانی
درصد فراوانی
دیپلم و زیر دیپلم
28
14
فوق دیپلم
42
21
کارشناسی
97
48.5
کارشناسی ارشد و بالاتر
33
16.5
کل
200
100

یافته‌های جدول 4-3 نشان می‌دهد که از نظر تحصیلات، 14 درصد دیپلم و زیر دیپلم، 21درصد در مقطع فوق دیپلم، 48.5 درصد در مقطع کارشناسی و 16.5 درصد افراد دارای تحصیلات در مقطع کارشناسی ارشد و بالاتر است.
نمودار 4-3 : نمودار فراوانی و درصد افراد بر حسب تحصیلات

4-2-4 سابقه کاری
در زیر فراوانی و درصد افراد بر حسب سابقه کار منابع انسانی مجتمع آموزشی صالح آمده است.
جدول4-4 : توزیع فراوانی و درصد افراد بر حسب سابقه کاری
نام تجاری
فراوانی
درصد فراوانی
زیر 5 سال
29
14.5
بین 6 تا 10 سال
52
26
بین 11 تا 15 سال
58
29
بین 16 تا 20 سال
30
15
21 سال به بالا
31
15.5
کل
200
100
یافته‌های جدول 4-5 نشان می‌دهد که، 14.5 درصد افراد نمونه دارای سابقه کاری زیر 5 سال، 26 درصد نمونه آماری دارای سابقه کار بین 6 تا 10 سال، 29 درصد افراد دارای سابقه کاری 11 تا 15 سال و 15درصد افراد، بین 16 تا 20 سال و 15.5 درصد بالاتر از 21 سال سابقه کار دارند.
نمودار 4-5 : نمودار فراوانی افراد بر حسب سابقه کاری

4-2-5 آزمون نرمال بودن داده‌ها
برای بررسی نرمال بودن داده ها از روش آزمون کولموگروف- اسمیرنوف برای هر یک از متغیرها استفاده شده است:
جدول4-1 : آزمون کولموگروف، اسمیرنوف
نام متغیر
مقدار آماره Z
عدد معناداری
وضعیت نرمالیتی
وفاداری کارکنان
2.274
0.251
نرمال
امنیت شغلی
2.760
0.070
نرمال
آموزش کارکنان
2.048
0.157
نرمال
پاداش کارکنان
1.891
0.024
نرمال
بهره وری نیروی انسانی
1.519
0.070
نرمال
توانایی
2.211
0.090
نرمال
درک و شناخت
2.458
0.450
نرمال
حمایت سازمانی
2.780
0.214
نرمال
انگیزش
2.842
0.257
نرمال
بازخورد
2.584
0.264
نرمال
اعتبار
2.684
0.214
نرمال
سود آوری
2.158
0.214
نرمال

با توجه به نتایج آزمون کولموگروف، اسمیرنوف نرمال بودن داده ها تائید می شود یا به عبارات دیگر، دلیلی برای رد فرض صفر وجود ندارد ، فرض صفر نرمال به این مساله اشاره دارد که داده ها از توزیع نرمال تبعیت می کنند

4-3 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 3/0 باشد (مؤمنی و فعال قیوم، 1386). 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 سئوال 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. 1- شاخص های خوب بودن و 2- شاخص های بد بودن
شاخص های خوب بودن مانند GFI ، AGFI، NFI و … می باشد که هر چقدر مقدار آنها بیشتر باشد بهتر است. مقدار پیشنهادی برای چنین شاخصهایی 9/0 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 3 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 ، GFI ، AGFI، NFI و CFI) مورد بررسی قرار گیرند.

4-3-1 نیکویی برازش مدل
همانطور که آشکار است، نرم افزار لیزرل 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 (2χ) : 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 200 بشود، این شاخص تمایل زیادی به افزایش دارد. لذا تحلیل برازندگی مدل با این شاخص، معمولاً در نمونه‌های بین 100 تا 200 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 (χ^2⁄df): 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 3 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 0.05 باشد در حالی که برخی بر بیشتر بودن این میزان تأکید دارند.
4-3-2 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 0.05 باشد، همچنین برخی دیگر، میزان کمتر از 0.08 را مناسب می‌دانند.
4-2-2 رده سنی پاسخ‌دهندگان
در زیر، جدول فراوانی و نمودار درصد افراد بر حسب رده سنی پاسخ‌دهندگان آمده است.
جدول 4-2 : توزیع فراوانی و درصد افراد بر حسب طبقه سنی
طبقه سنی
فراوانی
درصد فراوانی
زیر 25 سال
17
8.5
25 تا 35 سال
48
24
35 تا 45 سال
64
32
45 تا 55 سال
41
20.5
بالاتر از 55 سال
30
15
کل
200
100

نتایج جدول فوق نشان‌دهنده این است که 8.5 درصد افراد در طبقه سنی زیر 25 سال، 24 درصد در طبقه سنی 25 تا 35 سال، 32 درصد در طبقه سنی 35 تا 45 سال، 20.5 درصد در طبقه سنی 45 تا 55 سال و 15 درصد در طبقه سنی 55 سال به بالا قرار دارند.

نمودار4-2 : نمودار توزیع فراوانی و درصد افراد بر حسب طبقه سنی

4-3-3 شاخص Goodness-of-Fit (GFI):
این شاخص، معیاری برای سنجش میزان خوب بودن مدل است و میزانی بالاتر از 0.9، نشان دهندۀ مناسب بودن مدل استخراج شده با توجه به داده‌ها است.
4-3-4 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 0.9 باشد، حاکی از مناسب بودن مدل استخراجی با توجه به داده‌ها است .
4-3-5 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 0.9 باشد، حاکی از مناسب بودن مدل استخراجی است (Schumacker & Lomax, 2004).

4-4 تحلیل عاملی تائیدی متغیر مستقل تحقیق
شکل 4-1 مدل اندازه گیری متغیر های مستقل را در حالت تخمین استاندارد نشان می دهد. بارهای عاملی مدل در حالت تخمین استاندارد48 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 شکل4-1 می توان بارهای عاملی هر یک از سوالات تحقیق را مشاهده نمود. برای مثال بار عاملی سوال 1 در بعد امنیت شغلی (0.25) می باشد. به عبارت دیگر سوال اول تقریباً 6 درصد از واریانس متغیر موثر بودن را تبیین می نماید. مقدار 0.94 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 0 و 1 است که هر چه به سمت 1 نزدیک شود مقدار تبیین واریانس بیشتر می گردد.

شکل 4-1- تحلیل عاملی متغیر مستقل در حالت تخمین استاندارد

خروجی بعدی(مدل در حالت معناداری) معناداری ظرایب و پارامترهای بدست آمده مدل اندازه گیری متغیرهای مستقل تحقیق را نشان می دهد که تمامی ضرایب بدست آمده معنادار شده اند. زیرا مقدار آزمون معناداری بزرگتر از 1.96 یا کوچکتر از 1.96- 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 4-2- تحلیل عاملی متغیر مستقل در حالت ضرایب معناداری

نتایج تخمین (قسمت زیرین شکل) حاکی از مناسب بودن نسبی شاخص ها دارد. با توجه به خروجی لیزرل مقدار 2χ محاسبه شده برابر با 126.49 می باشد که نسبت به درجه آزادی کمتر از عدد 4 می باشد. پایین بودن میزان این شاخص نشان دهنده تفاوت اندک میان مدل مفهومی با داده های مشاهده شده تحقیق است. مقدار RMSEA برابر با 086/0 می باشد. حد مجاز RMSEA ، 08/0 است. شاخص های GFI , AGFI و NFI بترتیب برابر با 90/0 ، 87/0 و 92/0 می باشد که نشان دهنده برازش مناسب مدل می باشد. همان طور که در شکل مشخص است به دلیل قرار نگرفتن مقدار آماره تی در

پایان نامه
Previous Entries منابع پایان نامه درباره تحلیل داده، سودآوری، علوم اجتماعی Next Entries منابع پایان نامه درباره تحلیل مسیر، معادلات ساختاری، مدل ساختاری