پژوهش، استقلال يا وابستگي بين عامل‌ها تعيين شده و بر اين اساس شيوه مناسب چرخش و استخراج عوامل شناسايي مي‌گردد. به این ترتيب بارهاي عاملي كه نشان دهنده سهم تبيين واريانس متغيرهاي مشهود بوسيله عامل‌ها است، استخراج شده و مبناي تعريف عامل‌ها قرار مي‌گيرد.
4-5)تحلیل عاملی اکتشافی متغیر بعد مشتری
به منظور تحليل دقيق‌تر دادهها و دستيابي به نتايج تحقیق، راهكار كاهش تعداد متغيرها و شناسايي ساختار دروني آنها مي‌تواند كارساز باشد. تحليل عاملي اكتشافي شيوه‌اي است كه سعي در اكتشاف متغيرهاي اساسي يا عامل‌ها در راستاي تبيين الگوي همبستگي بين متغيرهاي مشاهده شده دارد. آنچه در اين بخش به دنبال دستيابي به آن هستيم، بررسي روابط همبستگي بين متغيرهاي مشهود و برونزايي است كه ابزارهاي اندازهگيري متغيرهاي اصلي تحقيق را شكل مي‌دهد. با استفاده از تحليل عاملي اكتشافي قادر خواهيم بود تا متغيرهاي مكنوني كه سهم عمده‌اي در تبيين تغييرات متغيرهاي مشهود را دارند، شناسايي نموده و روابط آنها با يكديگر و ساير متغيرها را در قالب فرضياتي تعريف نماييم.
همانگونه كه در پيشينه تحقيق مورد اشاره قرار گرفت، ابزارهاي اندازهگيري مختلفي متشكل از متغيرهاي برونزا به منظور سنجش مفهوم بعد مشتری در مدیریت تغییر و تحول در بانکداری الکترونیک توسط صاحبنظران به کار گرفته شده است. بر اين اساس مجموعه‌اي متشكل از 8 سوال استخراج شده و در قالب بخشي از پرسشنامه تحقيق مدوّن گرديد. سپس با استفاده از نرم افزار SPSS تحليل عاملي اكتشافي بر تمامي متغيرها صورت گرفت. در ادامه به تشریح نتایج تحلیل عاملی اکتشافی متغیر بعد مشتری می‌پردازیم.
نتایج حاصل از آزمون KMO-Bartlett در جدول 4-7 نشان داده شده است. با توجه به نتایج میتوان مراحل تحلیل عاملی تاییدی را نیز بر روی دادهها به انجام رساند. مقدار بیش از 5/0 آماره KMO موید کفایت نمونه گیری و سطح اطمینان 000/0 برای آزمون بارتلت نیز نشان دهنده مناسب بودن مدل عاملی مورد استناد میباشد. میزان KMO محاسبه شده برابر 653/0 (بالاتر از 5/0) میباشد بنابراین محاسبات نشان دهنده کفایت نمونهگیری است.
جدول 4-7 نتایج آزمون KMO-Bartlett در بعد مشتری
معیار کفایت نمونهگیری KMO
653/0
آزمون بارتلت
کای دو
291/456
درجه آزادی
28
سطح معنیداری
000/0
در مرحله بعد می بایست به شناسایی تعداد عوامل مکنون بپردازیم. بدین منظور در جدول 4-7 نتايج تعيين تعداد عوامل مكنون برحسب مقادير ویژه ارائه شده است. ستون مقادیر ویژه اولیه نشان دهنده تعداد عوامل مکنون تحقیق میباشد و تعداد مقادیر ویژه کل بالاتر از 1 نشان دهنده عوامل مکنون است. بنابراین، ستون مقادير ويژه بعد مشتری ، سه عامل را با مقدار ويژه بالاتر از 1 معرفي مي‌كند، بنابراين ساختار عاملي پيشنهادي داراي سه عامل خواهد بود.
جدول 4-8 کل واریانس تبیین شده عامل مکنون مشتری
عامل
مقادیر ویژه اولیه
مجموع مجذور بارهای عاملی استخراج شده
کل
درصد واریانس
درصد تجمعی
کل
درصد واریانس
درصد تجمعی
1
631/2
894/32
894/32
817/1
709/22
709/22
2
302/1
275/16
169/49
614/1
170/20
879/42
3
079/1
493/13
662/62
583/1
783/19
662/62
شيوه ديگر تعيين تعداد عوامل مكنون نمودار اسكري است كه در نمودار 4-6 نمايش داده شده است. تعداد شکستگی های نمودار نسبت به محور افقی نشان دهنده تعداد عوامل مکنون یک متغیر میباشد. این نمودار نشان دهنده وجود 3 عامل مکنون می باشد كه برحسب محل شكستگي نمودار نسبت به محور افقي تعريف شده است. بنابراین، نمودار با 3 شکستگی نیز موید تعداد عوامل مکنون برای بعد مشتری میباشد.
4-6) نمودار اسكري براي تعيين تعداد عوامل مكنون سازه بعد مشتری
به منظور بررسي تناسب عوامل استخراج شده تا اين مرحله، از ماتريس همبستگي دوباره توليد شده مي‌توان بهره گرفت. اين ماتريس، همبستگي بين عوامل را با استفاده از بار آنها که بر روي عوامل استخراج شده محاسبه و آنها را با همبستگي اصلي بين متغيرها مقايسه مي‌كند. مقادير اندك باقيمانده‌ها بیانگر مناسب بودن ساختار عاملي شناسايي شده مي‌باشد.
در جدول (4-8) بخش باقيمانده به تصوير كشيده شده است. اختلاف‌هاي بزرگتر از 05/0 نامطلوب شناخته مي‌شود كه در اين جدول چنین اختلافی مشاهده نشده است. بنابراين تناسب ساختار عاملي اكتشاف شده از اين معيار نيز به تاييد مي‌رسد.
جدول 4-9 ) ماتريس همبستگي باز توليد شده بر مبناي بارهاي عاملی
سنجه
عامل 1
عامل 2
عامل 3
تبلیغات و آموزش های همگانی
Q1
860/0
کاهش خطای انسانی و در نتیجه افزایش رضایت مشتریان
Q2
869/0
سرویس دهی سریع و ارزان
Q3
606/0
شناسایی ارزش های خاص هر بخش از بازار و مشتریان
Q4
771/0
تقسیم بخش های مختلف بازار و بهبود فرایند ارتباط با مشتریان
Q5
692/0
افزایش رضایت مندی و وفاداری مشتریان
Q6
882/0
بهینه سازی کانال های خدمت دهی به مشتریان
Q7
627/0
کسب نظرات و علاقه مندی های مشتریان
Q8
624/0
همان طور که در جدول 4-9) قابل مشاهده است، تحلیل عاملی اکتشافی توانست عوامل مکنون را شناسایی و استخراج نماید. پس از شناسايي عوامل مكنون بعد مشتری، لازم است تا درست نمايي روابط بين اين عوامل و متغيرهاي مشهود آزمون گردد. این امر با تاييد روابط بين متغيرها در قالب مدل اندازهگيري و از طریق نرم‌افزار Amos ورژن 21 صورت میپذیرد.
4-5-1)تحلیل عاملی تاییدی متغیر بعد مشتری
هرچند تحليل عاملي اكتشافي، ساختاری با سه عامل را برای بعد مشتری پيشنهاد نمود اما به منظور اطمينان از تناسب این ساختار با داده‌هاي جمع‌آوري شده، ضرورت دارد تحليل عاملي تاييدي نيز با استفاده نرم‌افزار Amosانجام گردد. در گام اول میبایست مدل اول را بر اساس نتایج تحلیل عاملی اکتشافی تعریف نماییم.
مدل پيشنهادي همان مدلي است كه در شكل 4-1 ترسيم شده است. اين مدل در دو سطح سنجه ها و عوامل مکنون شناسایی شده را در بر می گیرد.
شکل 4-1) مدل اندازه گیری متغیر بعد مشتری در حالت تخمین استاندارد
جدول 4-10 شاخص‌های برازش مدل را نشان میدهد. با توجه به نتایج به دست آمده و مقایسه آن با دامنه قابل قبول میتوان اذعان کرد تمامي شاخص هاي برازندگي مدل فوق در دامنه قابل قبول قرار گرفته و بنابراين تناسب داده‌هاي گردآوري شده با مدل مطلوب است. لذا برازندگی مدل نهایی بعد مشتری مورد تایید می باشد.
جدول 4-10 شاخصهاي برازش مدل اندازه گیری بعد مشتری
نتیجه
دامنه مطلوب
مقدار
عنوان شاخص
مجذور کای
تأیید مدل
5
389/1
ریشه خطای میانگین مجذورات تقریب
تأیید مدل
RMSEA < 0.05
036/0
RMSEA
ریشه میانگین مربعات باقیمانده
تأیید مدل
RMR ≥ 0
067/0
RMR
نیکویی برازش
تأیید مدل
GFI > 0. 9
984/0
GFI
شاخص نیکویی برازش اصلاح شده
تأیید مدل
AGFI > 0.85
961/0
AGFI
شاخص برازش هنجار شده ( بنتلر ـ بونت )
تأیید مدل
NFI > 0.90
955/0
NFI
شاخص برازش تطبیقی
تأیید مدل
CFI > 0. 90
987/0
CFI
شاخص برازش افزایشی
تأیید مدل
IFI > 0. 90
987/0
IFI
: در مدل سازی معادلات ساختاری، آماره کای اسکویر، 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 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. از آنجا که میزان محاسبه شده سازههای نوع دوستی برابر 389/1 می باشد نشان دهنده تایید فرض صفر و برازش کامل مدل با دادههای جامعه آماری میباشد.
GFI و AGFI: 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 هنجار شده (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 تایید برازش مدل بر اساس این سه شاخص می باشد.
4-6)تحلیل عاملی اکتشافی بعد تکنولوژی
در این قسمت ساختار عاملی متغیر تکنولوژی مورد بررسی قرار میگیرد. برای اندازهگیری این متغیر از 7 سنجه بهره گرفته شده است. نتايج حاصل از آزمون KMO-Bartlett بيانگر بلامانع بودن انجام تحليل عاملي بر روي داده‌هاي اين سازه مي‌باشند. آماره KMO با مقداري بيش از 5/0 نشان‌دهنده كفايت نمونه‌گيريو سطح اطمينان صفر براي آزمون بارتلت مناسب بودن مدل عاملي مورد استناد را نشان می دهد.
جدول 4-11 نتایج آزمون KMO-Bartlett عامل مکنون تکنولوژی
معیار کفایت نمونهگیری KMO
664/0
آزمون بارتلت
کای دو
135/307
درجه آزادی
21
سطح معنیداری
000/0
