مدل سازی معادلات ساختاری، مدل یابی معادلات ساختاری

قابلیت های نوآوری محصول
5
736/0
قابلیت های نوآوری فرآیند
11
8970
عملکرد شرکت
6
905/0
3-7 روش تجزیه وتحلیل داده های تحقیق :
به منظور تحلیل داده ها و آزمون فرضیه اصلی تحقیق از روش مدل یابی معادلات ساختاری استفاده شده است. مدل یابی معادلات ساختاری یک تکنیک چند متغیری و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلّی است که به محقق امکان میدهد مجموع هایی ازمعادلات رگرسیون را به گونه همزمان مورد آزمون قرار دهد. مدل یابی معادلات ساختاری یک رویکردآماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شدهو مکنون است که به عنوان تحلیل ساختاری کوواریانس، مدل یابی علّی و همچنین لیزرل نامیده شده است، اما اصطلاح غالب مدل یابی معادله ساختاری و یا به طورخلاصه SEM می باشد. این واژه به یک سری مدل های عمومی اشاره می کند که شامل تحلیل عاملی تاییدی،مدل های ساختاری همزمان کلاسیک،تحلیل مسیر، رگرسیون چندگانه،تحلیل واریانسو سایر روش های آماری است. پس از معیّن شدن مدل، طرق متعددی برای برآورد نیکویی برازش کلی مدل با داده های مشاهده شده وجود دارد. به طور کلّی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد ولی معمولاً برای تأیید مدل، استفاده از 3 تا 5 شاخص کافی است. در ادامه به توضیح چند شاخص مهم پرداخته می شود.
الف) معیار RMSEA
ریشه میانگین مجذورات تقریب می باشد. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است. مقدار RMSEAکه به واقع همان آزمون انحراف هر درجه آزادی است، برای مدلهایی که برازندگی خوبی داشته باشد، کمتراز 05/0 است. مقادیر بالاتر از آن تا 08/0 نشان دهنده خطای معقولی برای تقریب در جامعه است. مدل هایی که RMAEA آن ها 1/0 یا بیشتر باشد برازش ضعیفی دارد.
ب) معیارهایCFI ، NNFI ،NFI
شاخصNFI شاخص بنتلر-بونت هم نامیده می شود. بنتلر و بونت ( 1980 ) مقادیر برابر یا بزرگ تر از 9/0 را در مقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدل های نظری توصیه کرده اند، در حالی که برخی از محققان نقطه برش 8/0 را به کار می برند .شاخص دیگر ، شاخص تاکر-لویز است که در بیشتر موارد شاخص نرم شده برازندگی (NNFI) نامیده میشود. این شاخص مشابه NFI است اما برای پیچیدگی مدل جریمه میپردازد. چون دامنه این مدل محدود به صفرو یک نیست تفسیر آن نسبت به NFI دشوارتر است. شاخص CFI بزرگتر از 9/0 قابل قبول و نشانه برازندگی مدل است. این شاخص ازطریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می آزماید. شاخص CFI از لحاظ معنا مانندNFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.
ج) معیارهایGFI
لیزرل یک شاخص نیکویی برازش (نسبت مجموع مجذورات تبیین شده توسط مدل به کل مجموع مجذورات ماتریس برآورد شده در جامعه) محاسبه میکند. این شاخص از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک، متغیر هستند، گرچه از لحاظ نظری ممکن است منفی باشند (البته نباید چنین اتّفاقی بیفتد؛ چرا که حاکی از عدم برازش قطعی مدل با داده هاست). هر چه GFI به عدد یک نزدیک تر باشد، نیکویی برازش مدل با داده های مشاهده شده بیشتر است. جهت آزمون فرضیه های فرعی تحقیق از روش رگرسیون استفاده شده است.
فصل چهارم
(تجزیه و تحلیل یافته ها)
4-1- مقدمه
تجزیه وتحلیل داده‌ها به منظور بررسی صحت و سقم فرضیات،از اهمیت خاصی برخوردار است. داده‌های خام با استفاده از فنون آماری، پس از تجزیه و تحلیل و پردازش، به شکل اطلاعات در اختیار استفاده کنندگان قرار میگیرند. این فصل به تجزیه و تحلیل داده‌های تحقیق اختصاص دارد؛بدین معنی که داده‌ها، پس از جمع‌آوری، مورد تجزیه و تحلیل واقع شده تا تکلیف فرضیه‌های پژوهش که گذاره‌های احتمالی و غیر یقینی بودند معین شود. برای این منظور ابتدا میزان و یا مقدار هر متغیر بر اساس داده‌ها و امتیازات حاصل از پرسشنامه، مشخص گردید و سپس توصیف اطلاعات حاصل شده در قالب جداول و نمودار های توصیفی، دیدگاه کلی از چگونگی توزیع آنها ایجاد نمود که می‌تواند در چگونگیاستفاده از الگوهای آماری گوناگون مفید باشد. این قسمت از تحلیل توسط نرم افزار SPSS 20 انجام شد. با تعیین الگو، آزمون فرضیه‌های تحقیق از طریق مدل سازی معادلات ساختاری انجام شده و همچنین کل مدل نیز از طریق این روش مورد آزمون قرار می گیرد. تجزیه و تحلیل مذکور به وسیله نرم افزار LISREL 8.54 انجام میگیرد.
4-2- توصیف متغیر های تحقیق: