
ارائه میگردد.
نمودار 4-4 : درصد فراوانی مربوط به تحصیلات
4-2-2 آمار توصیفی متغیرهای تحقیق
در این قسمت از فصل چهارم به بررسی امار توصیفی متغیرهای تحقیق میپردازیم. نتایج تجزیه و تحلیل دادههای تحقیق برای عاملها (متغیرهای مکنون) با استفاده از نرمافزاز آماری SPSS در جدول زیر ارائه شده است. در ادامه مطالب برای هر متغیر مکنون به صورت جداگانه به تفسیر اعداد و ارقام جدول زیر میپردازیم.
جدول 4-5 : شاخصهای توصیفی متغیرهای تحقیق
حجم
میانگین
انحراف معیار
واریانس
چولگی
کشیدگی
توسعه روندهای اجتماعی
384
4.1146
.59608
.355
-1.674
4.746
توسعه تکنولوژی های جدید
384
3.9564
.60071
.361
-1.140
1.824
قیمت منطقی خدمات
384
4.0195
.47449
.225
-1.283
4.182
محتوای جذاب
384
4.1393
.53144
.282
-.519
-.268
عوامل تقاضا
384
3.2826
.94647
.896
-.051
-1.394
تجارت سیار
384
3.9909
.70866
.502
-1.221
1.506
توسعه روندهای اجتماعی
مطابق خروجی نرمافزار SPSS این متغیر دارای میانگین (1146/4)، انحراف معیار (59608/0) و واریانس (355/0) میباشد. ضریب چولگی این متغیر برابر (674/1-) 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 (746/4) 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، تفاوت فاحشی با توزیع نرمال دارد.
/ توسعه تکنولوژی های جدید
مطابق خروجی نرمافزار SPSS این متغیر دارای میانگین (9564/3)، انحراف معیار (60071/0) و واریانس (361/0) میباشد. ضریب چولگی این متغیر برابر (140/1-) 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 (824/1) میباشد که نشاندهندة بلندتر توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیشتر از مقدار (5/0) است، کشیدگی توزیع، تفاوت فاحشی با توزیع نرمال دارد.
م قیمت منطقی خدمات
مطابق خروجی نرمافزار SPSS این متغیر دارای میانگین (0195/4)، انحراف معیار (47449/0) و واریانس (225/0) میباشد. ضریب چولگی این متغیر برابر (283/1-) 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 (182/4) میباشد که نشاندهندة بلندتر توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیشتر از مقدار (5/0) است، کشیدگی توزیع، تفاوت فاحشی با توزیع نرمال دارد.
ع محتوای جذاب
مطابق خروجی نرمافزار SPSS این متغیر دارای میانگین (1393/4)، انحراف معیار (53144/0) و واریانس (282/0) میباشد. ضریب چولگی این متغیر برابر (519/0-) 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 (268/0-) میباشد که نشاندهندة کوتاه 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، تفاوت زیادی با توزیع نرمال ندارد.
/ عوامل تقاضا
مطابق خروجی نرمافزار SPSS این متغیر دارای میانگین (2826/3)، انحراف معیار (94647/0) و واریانس (896/0) میباشد. ضریب چولگی این متغیر برابر (051/0-) 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 (394/1-) میباشد که نشاندهندة کوتاه بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیش از مقدار (5/0) است، کشیدگی توزیع، تفاوت زیادی با توزیع نرمال دارد.
/ توسعه تجارت سیار
مطابق خروجی نرمافزار SPSS این متغیر دارای میانگین (9909/3)، انحراف معیار (70866/0) و واریانس (502/0) میباشد. ضریب چولگی این متغیر برابر (221/1-) است که نشان میدهد این متغیر دارای چوله منفی است. از آنجایی که قدرمطلق این ضریب بیش از مقدار (5/0) است، ازنظر قرینگی دارای تفاوت زیادی با توزیع نرمال است. ضریب کشیدگی این متغیر نیز برابر (506/1) میباشد که نشاندهندة بلند بودن توزیع این متغیر نسبت به توزیع نرمال است و با توجه به اینکه قدرمطلق ضریب کشیدگی بیش از مقدار (5/0) است، کشیدگی توزیع، تفاوت زیادی با توزیع نرمال دارد.
4-2-3 بررسی نرمال بودن توزیع دادهها
برای اجرای روشهای آماری و محاسبة آماره آزمون مناسب و استنتاج منطقی درباره فرضیههای پژوهش؛ مهمترین عمل، قبل از هر اقدامی انتخاب روش آماری مناسب برای پژوهش است. برای این منظور آگاهی از توزیع دادهها از اولویت اساسی برخورداراست. برای همین منظور در این پژوهش از آزمون معتبر کلموگروف- اسمیرنف برای بررسی فرض نرمال بودن دادههای پژوهش استفاده شدهاست. این آزمون باتوجه به فرضیات زیر به بررسی نرمال بودن داده می پردازد.
H0: دادهها دارای توزیع نرمال هستند.
H1: دادهها دارای توزیع نرمال نیستند.
نحوة داوری با توجه به جدول آزمون کلموگروف- اسمیرنف بدین صورت است که اگر سطح معنیداری (sig) برای کلیة متغیرها بزرگتر از سطح آزمون (05/0) باشد توزیع دادهها نرمال میباشد.
جدول 4-6 : نتایج آزمون K-S
متغیر
تعداد
مقدار آماره z
سطح معنیداری
توسعه روندهای اجتماعی
384
936/4
000/0
توسعه تکنولوژی های جدید
384
731/3
000/0
قیمت منطقی خدمات
384
700/5
000/0
محتوای جذاب
384
026/3
000/0
عوامل تقاضا
384
108/3
000/0
تجارت سیار
384
795/4
000/0
نتایج آزمون کلموگروف-اسمیرنوف (جدول 4-6) و بررسی چولگی و کشیدگی متغیرها ( جدول4-5) نشان از عدم پیروی توزیع متغیرها از توزیع نرمال است. هرچند باتوجه به حجم بالای نمونه (30<384) و قضیه حدمرکزی نرمال بودن تک متغیره برقرار میشود اما نرمال بودن چند متغیره در تحقیق حاضر برقرار نیست. باتوجه به اینکه روش اصلی تجزیه و تحلیل دادهها در تحقیق حاضر روش معادلات ساختاری SEM و برقراری پیشفرض نرمال بودن چند متغیره است، لذا؛ برهمین اساس باید این پیشفرض با استفاده از روش خودگردان سازی دادهها برقرار شود.
خودگردانسازی
از آنجا که در پژوهش حاضر مفروضه نرمال بودن چند متغیره برقرار نیست به منظور مقایسه مدلهای مختلف با دادههای یکسان و نیز به منظور گزینش مناسبترین آنها میتوان از خودگردان سازی استفاده نمود. خودگردانسازی به عنوان روشی که مبتنی بر بازنمونه گیری با جایگذاری 58 از یک نمونه مورد مطالعه است(نمونه ای که فرض میشود معرف جامعه است)، در شرایطی که در آن مفروضهی نرمال بودن چند متغیره نقض شده است میتواند به برآورد دقیقتر پارامترها و خطای معیار مرتبط به آنها یاری رساند (قاسمی، 1392) .
4-2-4 آزمون KMO و بارتلت59
باتوجه به اینکه در تحقیق حاضر از روش مدل یابی معادلات ساختاری برای تجزیه و تحلیل دادهها استفاده میکنیم و یکی از پیششرطهای این روش آماری تناسب دادههای گردآوری و کفایت برای انجام تحلیل عاملی است، لذا در این بخش از تجزیه و تحلیل دادهها به انجام و آزمون تناسب دادها میپردازیم. روش مورد استفاده برای این آزمون استفاده از آزمون KMO-بارتلت است. آزمون بارتلت یکی از روشهای تشخیص مناسب بودن دادهها برای انجام تحلیل عاملی میباشد. آزمون بارتلت، این فرضیه را که ماتریس همبستگی مشاهده شده متعلق به جامعه ای با متغیرهای نابسته است، میآزماید. برای اینکه یک مدل عاملی، مفید و دارای معنا باشد لازم است متغیرها همبسته باشند. پس فرضیه آزمون بارتلت به اینصورت است:
فرض صفر : دادهها ناهمبسته اند.
فرض مقابل : دادهها همبسته اند.
پس مطلوب آن است که فرض صفر رد شود. آگر فرض صفر رد نشود مطلوبیت تحلیل عاملی زیر سوال میرود و باید درباره انجام آن تجدید نظر کرد. به همین دلیل است که قبل از تحلیل عاملی بایستی به تشکیل ماتریس همبستگی بین متغیرها اقدام کرد. آماره کای دو برای این آزمون به صورت رابطه زیر است که مقدار آن با استفاده از نرمافزار SPSS در جدول 4-7 ارائه میگردد:
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 هماني60 مي آزمايد. ماتريس هماني ماتريسي است كه همه عناصر قطري آن يك و همه عناصر غيرقطري آن صفر باشد.
جدول 4-7 : قضاوت در مورد مقدار KMO
شاخص KMO
645/0
آزمون بارتلت
χ^2
3712/091
درجه آزادی (df)
276
Sig
000/0
باتوجه به جدول 4-7 مقدار شاخص KMO برابر است 645/0 است (بیشتر از 6/0)، لذا تعداد نمونه (تعداد پاسخدهندگان 384 نفر) برای تحلیل عاملی کافی میباشد همچنین مقدار Sig آزمون بارتلت (000/0)، کوچکتر از 05/0 است؛ که نشان میدهد تحلیل عاملی برای شناسایی ساختار مدل عاملی مناسب است و فرض شناخته بودن (یکه بودن) ماتریس همبستگی رد میشود.
در جه آزادی برای آماره کای اسکوئر در آزمون بارتلت از فرمول زیر محاسبه میشود که در آن p تعدا کل سوالات در پرسشنامه است. همچنین مقدار آماره از طریق نرمافزار SPSS محاسبه شده است :
باتوجه به اینکه نتایج آزمون KMO و بارتلت دادههای به دست آمده از پرسشنامه پژوهش را برای تحلیل عاملی، کافی و مناسب تشخیص میدهند؛ پس میتوان از تحلیل عاملی روش معادلات ساختاری برای تجزیه و تحلیل دادهها استفاده کرد.
4-3 آمار استنباطی
در این قسمت و با هدف بررسی فرضیات تحقیق یک سری از آزمونها و روشهای آماری مقتضی مورد استفاده قرار میگیرد. در ابتدا به بررسی همبستگی متغیرهای مستقل و وابسته میپردازیم. باتوجه به اینکه قضیه حد مرکزی و روش خودگردانسازی، نرمال بودن متغیرهای تحقیق را نتیجه داد بنابراین از ضریب همبستگی پیرسون استفاده میکنیم. این همبستگی به صورت بررسی یک متغیر مستقل و متغیر وابسته (توسعه تجارت سیار) صورت میگیرد و در مرحله بعد به منظور بررسی تاثیر متغیرهای مستقل (در حضور یکدیگر) بر متغیر وابسته (توسعه تجارت سیار) از روش SEM استفاده میکنیم. برا این منظور ابتدا تحلیل عاملی CFA متغیرهای مکنون و در نهایت مدل ساختاری تحقیق مورد بررسی قرار میگیرد. در نهایت با استفاده از نتایج روشهای مذکور به استنباطهای لازم برای تایید یا رد فرضیات میپردازیم.
4-3-1 بررسی همبستگی
ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان میدهد. این ضریب بین 1 تا 1- میباشد و درصورت عدم وجود رابطه بین دو متغیر برابر صفر میباشد. این آزمون با توجه به فرضیات زیر به بررسی ارتباط بین دو متغیر میپردازد.
فرض (H0): همبستگی معنیدار بین دو متغیر وجود ندارد.
فرض (H1): همبستگی معنیدار بین دو متغیر وجود دارد.
نحوة داوری در مورد وجود یا عدم وجود ارتباط براساس سطح معنیداری بهدست آمده صورت میپذیرد. بدین ترتیب که اگر sig آزمون کوچکتراز 05/0 باشد فرض H0 رد شده و بین دو متغیر ارتباط معنیداری وجود دارد.
هدف از برسی همبستگی در این مرحله از تحقیق برقراری یکی دیگر از پیششرطهای استفاده از روش معادلات ساختاری SEM است . پساز آنکه با استفاده از آزمون KMO-بارتلت همبستگی درونی متغیرها برای انجام روش تحلیل عاملی CFA برقرار شد، لذا در این مرحله ارتباط متغیرهای مستقل و وابسته براساس فرضیات تحقیق مورد بررسی قرار میگیرد.
جدول 4-8 : ضریب همبستگی
متغیر مستقل
متغیر وابسته
R
Sig
توسعه روندهای اجتماعی
توسعه تجارت سیار
294/0
000/0
توسعه تکنولوژی های جدید
075/0
141/0
قیمت منطقی خدمات
286/0
000/0
محتوای جذاب
230/0
000/0
عوامل تقاضا
218/0
000/0
نتایج تجزیه و تحلیل داده ها با استفاده از نرمافزار SPSS نشان میدهد که سطح معنیداری (Sig) برای میزان همبستگی (r) بین متغیرهای توسعه روندهای اجتماعی، قیمت منطقی خدمات، محتوای جذاب، عوامل تقاضا با متغیر توسعه تجارت سیار مقداری کمتر از 05/0 است که نشان از معناداری اختلاف با صفر این ارتباط است. همچنین سطح معنیداری برای همبستگی بین متغیر توسعه تکنولوژیهای جدید و توسعه تجارت سیار مقدار 141/0 محاسبه شده است که از مقدار خطای تعیین شده (05/0) بیشتر است و نشان از عدم تفاوت معنادار با عدد صفر برای همبستگی است.
4-3-2 مدلیابی معادلات ساختاری
مدل معادلات ساختاری (SEM) تحلیل چند متغیری بسیار نیرومند از خانواده رگرسیون چند متغیری است که به محقق امکان میدهد مجموعهای از معادلات رگرسیون رابه طور همزمان مورد آزمون قرار دهد. مدلسازی معادله ساختاری دیدگاهی است که در آن الگوهای فرضی از ارتباطات مستقیم وغیرمستقیم در میان یک مجموعه از متغیرهای مشاهده شده و پنهان بررسی میشود.
کاربرد اصلی آن در موضوعات چند متغیره ای است که نمی توان آنها را به شیوه دو متغیری با در نظر گرفتن هربار یک متغیر مستقل با یک متغیر وابسته انجام داد.
ن مدل معادله ساختاری اساسا تركیب مدل های مسیر و مدل های تحلیل عاملی تاییدی است:
1. تحلیل مسیر بطور کامل با متغیرهای آشکار تعریف شده است اما در آن چند متغیر مستقل آشکار و چند متغیروابسته آشکار بکار میرود و رابطه علی بین مجموعه ای ازمتغیرهای مستقل و وابسته را ارزیابی می کند.
2. تحلیل عاملی شامل متغیرهای آشکاری است که فرض شده یک یاچندمتغیرپنهان رااندازه گیری می کند.
بطور کلي با تکنيک مدل یابي معادلات ساختاري و به کمک نرمافزار AMOS Graphic 22.0 فرضيههاي تحقيق مورد آزمون قرار گرفته اند. براي نيل به اين منظور نخست آزمون نرمال بودن داده ها صورت گرفته است. سپس با انجام آزمون KMO و بارتلت دادههای به دست آمده از پرسشنامه برای انجام تحلیل عاملی مورد تایید قرار گرفتند. در این بخش نیز تحليل عامل تائيدي براي هر يک از عوامل پرسشنامه انجام شده است. در نهايت نيز مدل تحقیق با استفاده از روش تحلیل مسیر مورد بررسی قرار میگیرد.
4-3-3 تحلیل عاملی تاییدی CFA
در اين مطالعه از ابزار پرسشنامه براي گردآوري دادهها استفاده شده است. بنابراين با استفاده از تحليل عاملي تائيدي ساختار کلي پرسشنامههاي تحقيق مورد روائي سنجي محتوائي قرار گرفته است.
مدل اندازه گیری نشان دهنده بارهای عاملی متغیرهای مشاهده شده (عامل) برای هر متغیر مکنون است. قدرت رابطه بين عامل (متغير پنهان) و متغير قابل مشاهده بوسيله بار عاملي نشان داده ميشود. بار عاملي مقداري بين صفر و يک است. اگر بار عاملي کمتر از 3/0 باشد رابطه ضعيف درنظر گرفته می شود. بارعاملي بين 3/0 تا 6/0 متوسط و اگر بزرگتر از 6/0 باشد خيلي مطلوب است.
در این بخش برای هر یک از عاملها (متغیرهای مکنون) مدلهای اندازهگیری ارائه می شود که پس از طراحی مدل شاخصهای برازش مدل مورد بررسی قرار میگیرند.
4-3-3-1 تحلیل عاملی تاییدی توسعه روندهای اجتماعی
نمودار 4-5 : مدل تحلیل عاملی تاییدی توسعه روندهای اجتماعی با ضرایب غیر استاندارد
در مدل اندازهگیری فوق متغیرهای q1 تا q4 متغیرهای مشاهده شده در پرسشنامه هستند که توسط متغیر مکنون توسعه روندهای اجتماعی تحت تاثیر هستند و زیربنای متغیرهای مشاهده شده محسوب شده است. در این مدلها میزان ارتباط متغیر مکنون و مشاهده شده مورد آزمون قرار میگیرد تا در نهایت مشخص شود که آیا این متغیرها (q1 تا q4) توانایی سنجش متغیر مکنون (توسعه روندهای اجتماعی) را دارا هستند یا خیر. به همین منظور مدل اندازهگیری فوق در محیط نرمافزار AMOS طراحی و پس از مشخص کردن پارامترهای آزاد (بارهای عاملی و واریانسهای خطا) به آزمون مدل پرداخته شد. لازم به ذکر است متغیرهای بیضی شکل موثر بر متغیرهای مشاهده شده نیز متغیرهای خطا میباشند و واریانس این متغیرها یکی دیگر از پارامترهای آزاد در مدل می باشد که همزمان با بارهای عاملی برآورد شدهاند.
تفسیر نتایج جدول فوق برای تعیین متغیری که بیشترین بارعاملی را از عامل خود دریافت کرده است، نشان میدهد که متغر q2 بیشترین بارعاملی را به خود اختصاص داده است و متغیر q4 نیز کمترین بارعاملی را داراست.
لازم به دکر است که مدل فوق درحالت تخمین استاندار بارهای عاملی را نمایش میدهد که نرمافزار AMOS به منظور هممقیاس سازی بارهای عاملی آنها را بصورت استاندارد نیز ارائه میدهد (به پیوست میباشند). در تحقیق حاضر برای تحلیل و بررسی معنیداری از ضرایب غیر استاندارد بهره میبریم.
در گام بعدی به منظور بررسی معنیداری بارهای عاملی فوق (اعداد روی مسیر) با استفاده از خروجی آزمون فوق در محیط نرم افزار AMOS جدول زیر ارائه میشود.
جدول 4-9 : نسبت بحرانی و سطح معناداری
Estimate
S.E.
C.R.
P
Label
q1
<---
Factor_1
1.000
q2
<---
Factor_1
1.243
.143
8.692
***
q3
<---
Factor_1
1.086
.128
8.453
***
q4
<---
Factor_1
.931
.122
7.621
***
نسبت بحرانی (C.R) و احتمال خطا (سطح معنیداری P) دو فاکتور قضاوت در مورد معنی دار بودن بارهای عاملی هستند. همانگونه که نتایج ارائه شده در جدول فوق نشان میدهند، سطح بحرانی (آماره t) برای تمامی بارهای عاملی عددی بالاتر از 96/1 را نشان میدهد. همچنین سطح معنی داری (p) نیز برای تمامی بارهای عاملی مقداری کمتر از حد مجاز (05/0) است که این مورد با علامت *** در جدول فوق نمایان است. در واقع این علامت نشان میدهد که سطح معنیداری از عدد 001/0 کم تر است. بنابراین بارهای عاملی فوق معنادار تشخیص داده می باشند.
گام بعدی به منظور تایید مدل تحلیل عاملی فوق، استفاده از شاخصهای برازش است. این شاخصها در سه دسته عمده (مطلق، نسبی و اقتصادی) هستند که با استفاده از محاسبه و بررسی همه آنها در نرمافزار AMOS در مورد تایید یا اصلاح آن تصمیم میگیریم. نتایج مربوط به مدل اندازهگیری فوق در ادامه ارائه میگردد. در این جدول برای هر شاخص برازش دامنه قابل قبولو مقدر محاسبه شده ارائه میشود و با استفاده از مقایسه این قسمتها در مورد تایید یا رد مدل نتیجهگیری خواهیم کرد
جدول 4- 10 : شاخصهای برازش متغیر مکنون توسعه روندهای اجتماعی
شاخص برازش
مشخصه
مقدار
دامنه مطلوب
نتیجه
مجذور کای
x^2/df
576/2
0 تا 5
تایید
ریشه خطای میانگین مجذورات تقریب
RMSEA
064/0
< 0.08
تایید
ریشه میانگین مربعات باقیمانده
RMR
012/0
< 0/05
تایید
نیکویی برازش
GFI
997/0
> 0. 9
تایید
شاخص نیکویی برازش اصلاح شده
AGFI
967/0
0.85
تایید
شاخص برازش هنجار شده ( بنتلر ـ بونت )
NFI
992/0
0.90
تایید
شاخص برازش تطبیقی
CFI
995/0
0. 90
تایید
شاخص برازش افزایشی
IFI
995/0
0. 90
تایید
مقدار آماره کای اسکوئر نسبی برای مدل فوق، 576/2 میباشد که باتوجه به دامنه مطلوب، مقدار مناسبی میباشد. دوشاخص برازش RMSEA و RMR نیز مقادیر بسیار مطلوبی دارند.
دو شاخص برازندگی GFI و برازندگی تعدیل یافته AGFI به شاخصهای برازش مطلق معروفند. مقادیر این شاخصها باید بین 0 و 1 باشد. مقدار بزرگتر از 9/0 حاکی از برازش قابل قبول مدل است.
اندازهگیری برازش بعدی که در خروجی برنامه ظاهر میشود، به مقایسه شاخصهای برازش نسبی میپردازند و نشان میدهند که تا چه حد برازش مدل نسبت به مدل خط پایه که در واقع مدل استقلال است، مناسبتر میباشد.
شاخص برازش غیرنرم (NFI ) از شاخصهای این گروه میباشد که هر چه مقدار آن به 1 نزدیک باشد، نشان دهنده برازش خوب مدل است. از شاخصهای دیگر این گروه CFI میباشد که فقط میتواند مقادیر بین 0 تا 1 اختیار کند در حالیکه NFI میتواند بزرگتر از 1 باشد. مقدار این شاخص نیز هرچه به 1 نزدیکتر باشد، نشان دهنده برازش خوب مدل است. مقادیر محاسبه شده نشان دهنده تأیید برازش مدل بر اساس این شاخصها می باشد.
بنابراین در مجموع نتیجه میگیریم که مدل اندازه گیری توسعه روندهای اجتماعی در سطح مناسبی برازش میشود و رابطه متغیرهای مشاهده شده q1 تا q4 با متغیر مکنون مورد تایید است و این متغیرها قابلیت سنجش متغیر پنهان را دارا میباشند.
4-3-3-2 تحلیل عاملی تاییدی توسعه تکنولوژی جدید
برای این عامل 4 سوال در پرسشنامه طرح گردید که شامل سوالات (q5 تا q8) میباشند. به منظور سنجش روایی سازه و بررسی معنیداری و سنجش متغیر پنهان (تکنولوژی جدید) به آزمون مدل اندازهگیری مربوط اقدام میکنیم :
نمودار 4-6 : مدل تحلیل عاملی تاییدی تکنولوژیهای جدید با ضرایب غیر استاندارد
بررسی بارهای عاملی فوق نشان میدهد که تمامی بارهای عاملی عددی بالاتر از 3/0 را نشان میدهند که نوید معنیدار بودن آنهاست. با بررسی این ضرایب مشاهده میشود که متغیر q7 بیشترین بارعاملی را از متغیر مکنون دریافت کرده است و متغیر q8 نیز دارای کمترین بار عاملی است. در گام بعد معنیداری این بارها مورد بررسی قرار میگیرد .
جدول 4-11 : نسبت بحرانی و سطح معناداری
Estimate
S.E.
C.R.
P
Label
q5
—
Factor_2
1.000
q6
—
Factor_2
.993
.100
9.927
***
q7
—
Factor_2
1.163
.112
10.396
***
q8
—
Factor_2
.739
.095
7.807
***
سطح بحرانی (C.R) و سطح معنی داری (P) نشان میدهد که در رد ادعای معنیداری بارعاملی تا چه اندازه با خطا رو به رو میشویم. بر همین اساس مشاهده میشود که مقدار خطا (سطح معنی داری P) برای تمامی سطوح بحرانی و بارهای عاملی مقداری کمتر از 001/0 است که با علامت *** نمایان است. از همینرو باتوجه به کمبودن مقدار سطح معنی داری از 05/0 کمتر هستند و نتیجه میگیریم که بارهای عاملی معنادار هستند.
در گام بعد با استفاده از شاخص های برازش به قضاوت در مورد تایید مدل اندازهگیری اخیر میپردازیم. ابتدا با اتوجه به اهمیت شاخصهای مقتصد کای اسکوئر بهنجار و شاخص ریشه خطای میانگین مجذورات تقریب (RMSEA) را بررسی میکنیم که باتوجه به خروجی نرمافزار مقادیر آنها برای مدل تجربی فوق به صورت زیر است :
CMIN
Model
NPAR
CMIN
DF
P
CMIN/DF
Default model
8
12.038
2
.002
6.019
Saturated model
10
.000
0
Independence model
4
348.514
6
.000
58.086
RMSEA
Model
RMSEA
LO 90
HI 90
PCLOSE
Default model
.114
.058
.180
.032
Independence model
.386
.352
.421
.000
در مدل سازی معادلات ساختاری، آماره کای اسکویر (CMIN)، روش سنتی برای ارزیابی برازش کل مدل میباشد. بر اساس این آماره، فرض صفر این است که مدل به طور کامل با دادههای جامعه آماری برازش دارد. زمانی که آماره کای اسکویر از نظر آماری معنیدار باشد منجر به رد این فرض میگردد و نشان میدهد که مدل مورد نظر، از برازش کامل برخوردار نبوده و رد میشود. برای رد فرض صفر از نسبت یا (CMIN/DF) نیز استفاده میکنند. در صورتی که مقدار این نسبت کمتر از 5 باشد، فرض صفر تائید میشود. به عبارت دیگر مدل به طور کامل با دادههای جامعه آماری برازش دارد. مطابق نتایج فوق، برای مدل مذکور این مقدار در ناحیه مطلوب قرار دارد.
نتایج ارائه شده در جدول فوق نشان میدهد که مقدار کای اسکوئر نسبی (019/6) از دامنه مجاز (0 تا 5) فراتر رفته . همچنین شاخص RMSEA نیز مقدار 114/0 را نشان میدهد که بیش از مقدار مجاز 08/0 است. بنابراین میتوان نتیجه گرفت که مدل از برازش مناسب برخوردار نیست. در این حالت با استفاده از شاخصهای بهبود (M.I) به اصلاح مدل میپردازیم. این شاخصها به پیوست میباشند و با استفاده از پیشنهادهای AMOS پارامترهای پیشنهادی آزاد میگردند و موجب بهبود شاخصهای برازش میشوند. در جدول زیر نتایج اصلاح مدل ارائه شده است :
جدول 4- 12 : شاخصهای برازش متغیر مکنون توسعه تکنولوژیهای جدید
شاخص برازش
مشخصه
مقدار
دامنه مطلوب
نتیجه
مجذور کای
x^2/df
052/0
0 تا 5
تایید
ریشه خطای میانگین مجذورات تقریب
RMSEA
000/0
0.08
تایید
ریشه میانگین مربعات باقیمانده
RMR
002/0
0/05
تایید
نیکویی برازش
GFI
000/1
0. 9
تایید
شاخص نیکویی384>
