تحلیل عاملی اکتشافی، روش حداقل مربعات جزئی

33
0.849
کل پرسش‌نامه
0.758
ازآنجایی‌که مقدار ضریب آلفای کرونباخ محاسبه‌شده برای هر بخش پرسش‌نامه و همچنین برای کل داده‌ها از حد قابل‌قبول (7/0= α) بیشتر است لذا پایایی پرسش‌نامه قویاً تأیید می‌گردد.
3-6 – روش تجزیه‌وتحلیل داده‌ها
روش‌های آماری که روی پرسش‌نامه انجام‌شده است، به شرح ذیل است:
3-6-1- آمار توصیفی
آمار توصیفی به یک مجموعه از مفاهیم و روش‌های به کار گرفته‌شده جهت سازمان دادن، خلاصه کردن، تهیه جدول، رسم نمودار و توصیف داده‌ها جمع‌آوری می‌شود. به‌طور کل آمار توصیفی چکیده و تصویری از داده‌های مورد مشاهده و با کمک ارقام استاندارد و نمودارها ارائه می‌دهد (مؤمنی و فعال قیومی، 1386). لذا در این پژوهش به‌منظور تجزیه‌وتحلیل و بررسی داده‌ها با استفاده از آمار توصیفی، اعم از جداول توزیع فراوانی، درصدها، رسم نمودارها به بررسی مشخصات جمعیت شناختی پرسش‌نامه‌ها می‌پردازیم.
3-6-2 – آمار استنباطی
در آمار استنباطی همواره محقق با جریان نمونه‌گیری و انتخاب یک گروه کوچک موسوم به نمونه از یک گروه بزرگ‌تر موسوم به جامعه آماری با جمعیت اصلی سروکار دارد و پژوهشگر به‌وسیله داده‌ها و اطلاعات حاصله از نمونه به برآورد و پیشگویی ویژگی‌های مطالعه جهت موردمطالعه می‌پردازد. برای پاسخ‌گویی به پرسش‌های پژوهش و تحلیل داده‌ها و آزمون فرضیه‌های آماری پژوهش، از آزمون تحلیل معادلات ساختاری استفاده‌شده است (مؤمنی و فعال قیومی، 1386). در این مطالعه، به‌منظور طبقه‌بندی، تحلیل آماری و آزمون فرضیات تحقیق از نرم‌افزارهای SPSS و PLS استفاده‌شده است.
3-6-3- مدل معادلات ساختاری
به‌منظور اعتبار سنجی ارزش محتوایی هر یک از شاخص‌ها در اندازه‌گیری مفاهیم مطروحه، به روش مدل معادلات ساختاری، اعتبار مدل طراحی‌شده مورد آنالیز قرار می‌گیرد. یک مدل کامل معادلات ساختاری آمیزه‌ای از نمودار مسیر و تحلیل عاملی تأییدی است. در پژوهش‌هایی که هدف، آزمون مدلی خاص از رابطه بین متغیرها است، ازاین‌رویش استفاده می‌شود (مانیان و همکاران، 1386).
یکی از قوی‌ترین و مناسب‌ترین روش‌های تجزیه‌وتحلیل در تحقیقات علوم رفتاری و اجتماعی، تجزیه‌وتحلیل چند متغیره است، زیرا ماهیت این‌گونه موضوعات چند متغیره بوده و نمی‌توان آن‌ها را با شیوه دو متغیری حل نمود. تجزیه‌وتحلیل ساختارهای کوواریانس یا مدل‌سازی علی یا مدل معادلات ساختاری، یکی از اصلی‌ترین روش‌های تجزیه‌وتحلیل ساختارهای داد‌ه‌ای پیچیده است و به معنی تجزیه‌وتحلیل متغیرهای مختلفی است که دریک ساختار مبتنی بر تئوری، تأثیرات همزمان متغیرها را بر هم نشان ‌می‌دهد. این روش ترکیب ریاضی و آماری پیچیده‌ای از تحلیلی عاملی، رگرسیون چند متغیره و تحلیل مسیر است که در یک سیستم پیچیده گرد هم آمده تا پدیده‌های پیچیده را مورد تجزیه‌وتحلیل قرار دهد. مدل معادلات ساختاری به دو فاز کلی تحلیل عاملی تأییدی و تحلیل مسیر تقسیم می‌شود. در قسمت اندازه‌گیری، ارتباط نشانگرها یا همان سوا لات پرسش‌نامه با سازه‌ها موردبررسی قرار می‌گیرد و در قسمت ساختاری ارتباط عامل‌های موردبررسی با یکدیگر جهت آزمون فرضیات موردتوجه هستند. برای اجرای مدل معادلات ساختاری روش‌های متنوعی وجود دارند که یکی از جدید‌ترین رویکردها در مدل معادلات ساختاری روش حداقل مربعات جزئی است که در سال 1975 توسط محقق سوئدی هرمان ولد ارائه شد (ولد، 1975). حداقل مربعات جزئی روشی برای مدل پیش‌بینی کننده سازه‌ای است. به‌ویژه زمانی که تعداد نشانگرهای هر عامل زیاد و بین آن‌ها هم‌راستایی چندگانه وجود داشته باشد این رویکرد جهت برآورد بارهای عاملی و ضرایب مسیر استفاده‌شده است.
روش حداقل مربعات جزئی پیش‌فرض در مورد نوع توزیع متغیرهای اندازه‌گیری نیاز ندارد. ازاین‌رو برای داده‌هایی با توزیع غیر نرمال یا با توزیع نا‌معلوم مناسب و کاربردی است. در مواردی که متغیرهای اندازه‌گیری متغیرهای ادراکی هستند که در مقیاس لیکرت تعریف‌شده‌اند. آن‌ها توزیع نامعلومی دارند و به دلیل عدم نرمال بودن آن‌ها، روش حداقل مربعات جزئی نسبت به روش‌های کوواریانس محور برتری دارد. روش‌های کوواریانس محور به‌اندازه نمونه حساس هستند. نمونه‌های کوچک‌تر باعث کاهش قدرت آماری روش می‌شود. همچنین با کاهش اندازه نمونه فرض نرمال بودن داده‌ها نیز نمی‌توان به‌خوبی نشان داد شود. روش حداقل مربعات جزئی پارامترهای مدل را با استفاده از نمونه اصلی تخمین می‌زند. اگرچه برای تخمین صحیح آماری مدل، از روش تولید مجدد نمونه برای تعیین فاصله اطمینان پارامترهای مدل استفاده می‌کند. تولید مجدد نمونه (مانند روش بوت استرپینگ) روش‌هایی هستند که از زیر‌مجموعه‌های تصادفی داده‌ها برای ارزش‌دهی به مدل استفاده می‌کنند. زمانی که شروط پارامتری (مانند شرط نرمال بودن) برقرار نباشد، از بازنمونه‌گیری روش قدرتمند دیگری برای استنتاج آماری است. بر اساس موارد بیان‌شده، روش حداقل مربعات جزئی درزمانی که اندازه نمونه کوچک و داده‌ها غیر نرمال باشند بسیار مناسب است (چین، 1998).
به‌منظور پی بردن به متغیرهای زیر بنایی یک پدیده یا تلخیص مجموعه‌ای از داده‌ها از روش تحلیل عاملی استفاده می‌شود. داده‌های اولیه برای تحلیل عاملی، متغیرهای وابسته از قبل تعیین‌شده‌ای ندارد. موارد استفاده تحلیل عاملی را به دودسته کلی می‌توان تقسیم ک
رد: الف) مقاصد اکتشافی و ب) مقاصد تأییدی. درصورتی‌که محقق درباره تعداد عامل‌های خصیصه فرضیه‌ای نداشته باشد، تحلیل اکتشافی و درصورتی‌که فرضیه موجود باشد تحلیل تأییدی نامیده می‌شود (سرمد و همکاران، 1391).
در تحلیل عاملی اکتشافی محقق درصدد کشف ساختار زیر بنائی مجموعه نسبتاً بزرگی از متغیرهاست و پیش‌فرض اولیه محقق آن است که هر متغیری با هر عاملی ارتباط داشته باشد. به عبارتی محقق هیچ تئوری اولیه‌ای ندارد؛ اما در تحلیل عامل تأییدی پیش‌فرض اساسی محقق آن است که هر عاملی با زیرمجموعه‌ای خاص از متغیرها ارتباط دارد.
در تحلیل عاملی تأییدی که هدف پژوهشگر تأیید ساختار عاملی ویژه‌ای است، درباره تعداد عامل‌ها به‌طور آشکار فرضیه‌ای بیان می‌شود و برازش ساختار عاملی موردنظر در فرضیه با ساختار کوواریانس متغیر‌های اندازه‌گیری شده مورد آزمون قرار می‌گیرد (سرمد و همکاران، 1391).
در تحقیقاتی که هدف آزمون مدلی خاص از رابطه بین متغیرها است، از مدل معادلات ساختاری استفاده می‌شود بنابراین این روش مستلزم تنظیم مدلی به‌صورت نمودار علی است.