پایان نامه با کلید واژه های ناسازگاری، سلسله مراتبی، مقایسات زوجی

دانلود پایان نامه ارشد

روش تصنیف، و ضریب آلفای کرونباخ اشاره نمود. جهت سنجش اعتبار پرسشنامه این پژوهش از ضریب آلفای کرونباخ استفاده شده است، این روش برای محاسبه هماهنگی درونی ابزار اندازهگیری از جمله پرسشنامه یا آزمونهایی که خصیصههای مختلف را اندازهگیری میکنند، بکار میرود. برای محاسبه ضریب آلفای کرونباخ ابتدا باید واریانس نمرههای هر زیرمجموعه سوالهای پرسشنامه (یا زیرآزمون) و واریانس کل را محاسبه کرد؛ سپس با استفاده از فرمول زیر مقدار ضریب آلفا را محاسبه نمود [75].
r α=J/(1-J) [1-(∑_(j=1)^n▒S_j^2 )/S^2 ]
که در آن:
تعداد زيرمجموعه هاي سوال هاي پرسشنامه يا آزمون=J
واريانس زيرآزمونjام=
واريانس کل پرسشنامه يا آزمون=
ضریب آلفای کرونباخ بین صفر تا یک نوسان دارد که بر اساس آن هر چه مقدار این ضریب به عدد 1 نزدیکتر باشد،نشاندهنده همسازی بیشتر گویه های یک مقیاس است چنانچه این ضریب بزرگتر یا مساوی 6/0 باشد، پرسشنامه از پایایی قابل قبولی برخوردار است [76]. پایایی پرسشنامه این پژوهش با استفاده از ضریب آلفای کرونباخ بصورت بخشی و همچنین بصورت کلی اندازهگیری شد و نتایج آن در جدول (3-1) قابل مشاهده است:

جدول (3-1)-ضرایب آلفای کرونباخ برای پرسشنامه تحقیق
متغیر
تعداد گویهها
آلفای کرونباخ

اهمیت
عملکرد
اعتماد
3
0.718
0.691
همدلی
3
0.629
0.657
تعهد
4
0.701
0.776
مدیریت تعارض
4
0.814
0.731
ارتباطات
4
0.732
0.785
عمل متقابل
4
0.710
0.803
شایستگی
5
0.813
0.802
ارزشهای مشترک
3
0.783
0.623
کلی
30
0.924
0.939

از آنجا که ضریب آلفای بخشی و کلی بزرگتر از 0.6 بوده؛ بنابراین میتوان ادعا نمود که اعتبار جمعآوری مطالعات مطلوب بوده است.
مفهوم روایی به این سوال پاسخ میدهدکه ابزار اندازهگیری تا چه حد خصیصه مورد نظر را میسنجد؛ بدون آگاهی از روایی ابزار اندازهگیری نمیتوان به دقت دادههای حاصل از آن اطمینان داشت. روشهای متعددی برای تعیین روایی ابزار اندازهگیری وجود دارد که میتوان به روایی محتوا، روایی ملاکی و روایی سازه اشاره کرد [76]. جهت سنجش روایی ابزار اندازه گیری این پژوهش از روایی محتوایی استفاده شده است، روایی محتوایی یک آزمون توسط افرادی متخصص در مورد موضوع مورد مطالعه تعیین میشود. به منظور سنجش روایی ابزار اندازهگیری این پژوهش ابتدا پرسشنامه در اختیار خبرگان بانک تجارت و اساتید قرار گرفت تا نظرات و پیشنهادات خود را ابراز نمایند و بعد از انجام اصلاحات لازم، پرسشنامهی نهایی تحقیق در میان افراد نمونه توزیع گردید.

3-8) روشهای تجزیه وتحلیل دادههای پردازش
3-8-1) مقدمه
در این تحقیق برای تجزیه و تحلیل دادههای پژوهش از دو روش تکنیک سلسلهمراتبی و ماتریس اهمیت-عملکرد به ترتیب برای جامعه آماری اول و جامعه آماری دوم استفاده شده است. در این راستا به تشریح روشهای مذکور میپردازیم:

3-8-2) تکنیک سلسلهمراتبی
در علم تصمیمگیری که در آن انتخاب یک راهکار از بین راههای موجود یا اولویتبندی آن راهکارها مطرح است روشهای MCDM و خصوصاَ AHP جای خود را باز کردهاند. روش تحلیل فرایند سلسه مراتبی(AHP) یکی از معروفترین فنون تصمیمگیری چندمنظوره است که اولین بار توسط توماس ال ساعتی27 در دهه 1970 ابداع گردید. این روش بیش از سایر تکنیک ها و روش ها در علم پژوهش در عملیات مورد استفاده قرار گرفته است [14].
امروزه برای حل مسائل پیچیده در بررسی موضوعات مختلف از جمله مسائل اقتصادی و اجتماعی، باید اولویتها را تعیین کرد؛ به عبارت دیگر باید در خصوص اولویتها به نوعی توافق برسیم. بیشتر افراد بر این باورند که زندگی آن‌قدر پیچیده است که جهت حل مسائل آن باید به روشهای پیچیده تفکری روی آورد. البته در راستای ساده سازی علمی، باید چارچوبی یافت که ما را قادر سازد تا در خصوص مسائل پیچیده به شیوه‌ای ساده و علمی بیندیشیم که روش و تکنیک AHP چنین چارچوبی را ایجاد میکند. فرایند تحلیل سلسله مراتبی منعکس‌کننده رفتار طبیعی و تفکر انسان است این تکنیک مسائل پیچیده را بر اساس آثار متقابل آن‌ها مورد بررسی قرار می‌دهد و آن‌ها را به شکلی ساده تبدیل کرده، به حل آن می‌پردازد [14].

3-8-2-1) معرفی تکنیک سلسلهمراتبی (AHP)
فرایند تحلیل سلسله مراتبی یکی از جامعترین روش‌های طراحی شده برای تصمیمگیری با شاخصهای چندگانه است که به منظور تصمیم‌گیری و انتخاب یک گزینه از میان گزینه‌های متعدد تصمیم، با توجه به شاخص‌هایی که توسط تصمیم‌گیرنده تعیین می‌گردد به کار گرفته می‌شود. فرایند AHP ترکیب معیارهای کیفی و کمی را به‌طور همزمان امکانپذیر می‌سازد. این فرایند از مقایسه‌های دوبهدویی متغیرها و معیارهای تصمیمگیری استفاده مینماید. مقایسات زوجی به تصمیمگیرنده این امکان را می‌دهد که فارغ از هرگونه نفوذ و مزاحمت خارجی تنها بر روی مقایسه دو معیار یا گزینه تمرکز کند بعلاوه اطلاعات ارزشمندی در مورد مسئله تحت بررسی فراهم می‌آورد و باعث بهبود عامل منطقی بودن فرایند تصمیمگیری می‌گردد [15].
AHP در آغاز برای تصمیمگیریهای انفرادی در یک محیط متلاطم و فازی ارائه شد. سپس استفاده از آن در تصمیم‌گیری‌های گروهی رواج پیدا کرد. فرایند تحلیل سلسله مراتبی ساختار مؤثری را برای تصمیم‌گیری‌های گروهی به‌وسیله تحمیل یک نظم بر فرایندهای تفکر گروه فراهم می‌سازد. ضرورت تعیین ارزش عددی برای هر متغیر مسئله، به تصمیمگیرندگان کمک می‌نماید تا الگوهای یک تفکر منسجم را حفظ نموده و به یک نتیجه دست یابند. بعلاوه ماهیت توافق در تصمیمگیری موجب بهبود هماهنگی و ثبات قضاوتها شده و اعتبار AHP به عنوان یک ابزار تصمیمگیری افزایش مییابد [77].
در ‌بکارگیری روشAHP برای حل مسئله تصمیمگیری چهار مرحله اساسی وجود دارد[15]:
الف-ترسیم درخت سلسلهمراتبی ب-مقایسه زوجی عوامل مندرج ج-محاسبه وزن نسبی عوامل د-ادغام وزنهای نسبی.
اکنون هر یک از مراحل فوق را شرح می‌دهیم:

الف)ترسیم درخت سلسله مراتبی28:
تجزیه یک مسئله بزرگ‌تر به مسائل کوچک‌تر، بیانگر روابط موجود بین عناصر کوچکتر است به‌گونه‌ای که با انجام این عمل، روابط و مفاهیم مسئلهی مورد تصمیم‌گیری و همچنین ارتباط هر عنصر با عناصر دیگر، به دقت درک می‌شود به‌این‌ترتیب که در رأس سلسه‌مراتب، هدف29 کلی و کلان موضوع تصمیمگیری و در مراتب پایینتر، صفات و معیارهایی30 که به نحوی در کیفیت هدف تأثیر دارند قرار گرفته، و بالاخره در آخرین سطح، گزینهها31 و انتخابهای تصمیمگیری قرار میگیرند. این وضعیت یک چارچوب کلی و استاندارد به شرح شکل شماره (3-1) به وجود میآورد که صرف‌نظر از نوع مسئله برای کلیه مسائل یکسان خواهد بود.
شکل (3-1)-درخت سلسلهمراتبی تصمیمگیری

تعداد سطوح بستگی به پیچیدگی مسئله دارد. ازآنجایی‌که اصول مدل AHP بر مقایسات زوجی است استوار است، ساعتی پیشنهاد میکند که حتی‌المقدور تعداد عوامل در هر سطح از 9 عامل تجاوز ننماید. البته این امر به لحاظ تئوریکی الزاماً محدودیتی برای این روش محسوب نمیگردد.

ب)مقایسه زوجی32 عوامل مندرج:
در این مرحله عوامل مندرج در هر سطح از سلسله‌مراتب در ماتریسی به نام «ماتریس مقایسات زوجی»33 درج میشود؛ این ماتریس دو خاصیت عمده دارد: اول اینکه قطر این ماتریس عدد 1 است و این امر به معنای این است که نسبت ترجیح یک عامل در مقایسه با خودش مساوی با 1 است و دوم آنکه ترجیح عوامل نسبت به یکدیگر خاصیت معکوسپذیری دارد؛ یعنی اگر نسبت ترجیح A نسبت به B، 4 است در آن صورت نسبت ترجیح B نسبت به A،4/1 خواهد بود و بالعکس. جدول زیر جدول مقایسه کمیتی ساعتی را نشان میدهد:

جدول (3-2)- مقیاس 9 کمیتی ساعتی برای مقایسه دودویی معیار [31]
ارزش
اولویت‌ها
توضيح
1
ترجيح يکسان
گزينه يا شاخص i نسبت به j اهميت برابر دارد و يا ارجحيتي نسبت به هم ندارند.
3
کمي مرجح
گزينه يا شاخص i نسبت به j كمي مهم‌تر است.
5
خيلي مرجح
گزينه يا شاخص i نسبت به j مهم‌تر است.
7
خيلي زياد مرجح
گزينه i داراي ارجحيت خيلي بيشتري از j است.
9
كاملاً مرجح
گزينه i از j مطلقاً مهم‌تر و قابل‌مقایسه با j نيست.
2و4و6و8
بينابين
ارزش‌های بين ارزش‌های ترجيحي را نشان مي‌دهد مثلاً 8، بيانگر اهميتي زيادتر از 7 و پايين‌تر از 9 براي i است.

AHP گروهی
در حالت قبلی و مدلی که ارائه شد، فرض بر این بود که برای ارزیابی گزینهها و شاخصها، فقط یک تصمیمگیرنده وجود دارد. حال اگر به‌جای یک تصمیمگیرنده، بخواهیم از نظرات دو یا چند تصمیمگیرنده استفاده کنیم، در این صورت باید از مدل AHP گروهی استفاده کنیم. در این حالت میانگین هندسی34 نظرات کارشناسان مختلف را به دست میآوریم و آن را به‌عنوان ماتریس اصلی در نظر میگیریم [76].
〖X ́ij=(∏_(i=1)^k▒〖Xij_I)〗〗^(1/k)
i , j=1,2,3,…,n و i≠j
k=تعداد تصمیمگیرندگان
X ́ij=شده ادغام ماتریس j و ستون i سطر درایه
I=1,2,3,… ,k

ج)محاسبه وزن نسبی عوامل
در مرحله سوم از فرایند مدل AHP با استفاده از ماتریس مقایسات زوجی، وزن نسبی عوامل هر سطح محاسبه می‌شود. برای محاسبه ضریب اهمیت معیارها چهار روش عمده زیر مطرح هستند [15]:
1-روش حداقل مربعات 2-روش حداقل مربعات لگاریتمی 3-روش بردار ویژه 4-روش تقریبی.
از روشهای فوق، روش بردار ویژه بیشتر مورداستفاده قرارگرفته است. اما اگر ماتریس A دارای ابعاد بزرگ‌تر باشد محاسبه مقادیر و بردارهای ویژه، طولانی و وقتگیر خواهد بود مگر اینکه از نرم‌افزارهای کامپیوتری برای حل آن کمک گرفته شود به همین دلیل است که ساعتی 4 روش تقریبی زیر را ارائه کرده است:
1-مجموع سطری 2-مجموع ستونی 3-میانگین حسابی 4-میانگین هندسی. که در این میان میانگین هندسی دقت بیشتری دارد؛ در این روش برای محاسبه ضریب اهمیت معیارها ابتدا میانگین هندسی ردیفهای ماتریسA را به دست آورده و آن‌ها را نرمالیزه میکنیم عدد به‌دست‌آمده برابر با وزن هر معیار است.
بررسی سازگاری در قضاوتها:
یکی از مزیتهای فرایند تحلیل سلسلهمراتبی امکان بررسی سازگاری در قضاوتهای انجام‌شده برای تعیین ضریب اهمیت معیارها و زیرمعیارها است. به‌عبارت‌دیگر در تشکیل ماتریس مقایسه دودویی معیارها (ماتریسA)، چقدر سازگاری در قضاوتها رعایت شده است؟ این مکانیزم نشان می‌دهد که تا چه اندازه می‌توان به اولویتهای حاصل از اعضای گروه و یا اولویتهای جدولهای ترکیبی اعتماد کرد. گاهی اوقات ممکن است که مقایسات انجام شده توسط تصمیمگیرنده سازگار نباشد، برای مثال اگر اولویت A_i به Ajتوسط تصمیمگیرنده 2 در نظر گرفته شود و اولویتAj به Ak برابر با 3 تعین شود، در این صورت باید اولویت A_i به Ak، 6 تعیین گردد درحالی‌که چون مقایسات دوبه‌دو انجام میگیرد ممکن است تصمیمگیرنده اولویت A_i به Akرا عددی غیر از 6 تعیین کند، در این صورت ناسازگاری در مقایسات حاصل میگردد [78].
مکانیزمی که ساعتی برای بررسی ناسازگاری در قضاوتها در نظر گرفته است محاسبه ضریبی به نام ضریب ناسازگاری35 (I.R.) است که از تقسیم شاخص ناسازگاری36 (I.I.) به شاخص تصادفی بودن37 R.I.)) حاصل می‌شود. چنانچه این ضریب کوچک‌تر یا مساوی 0.1 باشد سازگاری در قضاوتها مورد قبول است وگرنه باید در قضاوتها تجدیدنظر شود. به‌ عبارت ‌دیگر ماتریس مقایسه دودویی معیارها باید مجدداً تشکیل شود [77]:
I.I.=(λ_max-n)/(n-1)شاخص ناسازگاری
I.R.=(I.I.)/(R.I.) ضریب سازگاری
مقدار شاخص تصادفی بودن با توجه به تعداد معیارها ((n از جدول زیر قابل استخراج است:

جدول(3-3)- مقدار شاخص تصادفی بودن (R.I.)
15
14
13
12
11
10
9
8
7
6
5
4
3
n
59/1
57/1
56/1
48/1
51/1
49/1
45/1
41/1
32/1
24/1
12/1
9/0
58/0
R.I.

در روش میانگین هندسی که یک روش تقریبی است، به‌جای محاسبه مقدار ویژه ماکزیمم (λ_max) از L به شرح زیر استفاده میشود:

] [ ∑_(i=1)^n▒〖((A×Wi)/Wi)〗 L=1/n
A= ماتریس مقایسه دودویی معیارها
Wi= بردار وزن یا ضریب اهمیت معیارها
بررسی سازگاری قضاوتها در ماتریس مقایسه

پایان نامه
Previous Entries پایان نامه با کلید واژه های وفاداری مشتری، وفاداری مشتریان، بانک تجارت Next Entries پایان نامه با کلید واژه های رضایتمندی مشتری، رضایتمندی، بازاریابی رابطه‌مند