بسیاری از آزمونهای آماری بر مبنای نرمال بودن توزیع دادهها بنا نهاده شدهاند و با این پیش فرض به کار میروند که توزیع دادههای آن جامعه از توزیع نرمال پیروی مینماید. بنابراین تحلیلگر لازم است تا قبل از پرداختن به تحلیلهای آماری متغیرها، نوع توزیع آن متغیرها را بداند. برای برآورد مدل تحلیلگر لازم است تا قبل از پرداختن به تحلیلهای آماری متغیرها، نوع توزیع آن متغیرها را بداند که توزیع داده ها دارای چولگی و کشیدگی به راست و یا چپ نباشد.

۳-۱۲-۲-آزمون معنادار بودن

۳-۱۲-۲-۱- آزمون معنادار بودن رگرسیون

برای بررسی معنادار بودن رگرسیون آزمون ANAOVA و آمارهF مورد استفاده قرار میگیرد. در یک مدل رگرسیون چندگانه چنانچه رابطهای بین متغیر وابسته و متغیر مستقل وجود نداشته باشد، تمام ضرایب متغیرهای مستقل صفر میشود. بدین ترتیب می توانیم معنادار بودن رگرسیون را آزمون نماییم. در آزمون ANAOVA آمارهF با سطح معناداری Sig مقایسه میشود؛ چنانچه Sig بدست آمده کمتر از مقدارF باشد، فرض خطی بودن مدل تأیید میشود. فرض صفر و فرض مقابل برای این آزمون به شرح زیر میباشد:
مدل معناداری وجود ندارد =H
مدل معناداری وجود دارد = H1

۳-۱۲-۳- نمودار پراکنش

نداشتن الگوی منظم در پراکندگی این نقاط میتواند موید همسانی واریانس که یکی از پیشفرضهای الگوبندی رگرسیونی است میباشد.

۳-۱۲-۴- تجزیه و تحلیل رگرسیون

چنانچه هدف تحقیق تنها بررسی رابطه متغیر وابسته با متغیر (متغیرهای) مستقل باشد میتوان با محاسبه ضریب همبستگی، درجه وابستگی و ارتباط بین دو یا چند متغیر را مشخص ساخت. اما در این تحلیل نمیتوان رابطه علت و معلولی در مورد متغیرها را نتیجه گیری نمود. در صورتی که علاوه بر تعیین رابطه همبستگی، اندازهگیری و بررسی میزان تغییر یک متغیر که قابل استناد به متغیرهای دیگر است نیز مد نظر باشد، از تجزیه تحلیل رگرسیون استفاده میشود. استفاده از معادله رگرسیون و تعمیم روند گذشته به آینده با این فرض امکان پذیر است که روند گذشته تعمیم پذیر باشد و ملاک پیشبینی آینده قرار گیرد به عبارتی از چنان ثباتی برخوردار باشد که روند آینده براساس آن قابل استخراج باشد. در تجزیه و تحلیل و رسیدگی ضمن تعیین رابطه همبستگی میتوان ضرایب متغیرهای مستقل را برآورد نموده و مشخص نمود که تغییر در یک واحد در هریک از متغیرهای مستقل به چه میزان بر متغیر وابسته اثر میگذارد. ضریب تعیین  معرف میزان تغییر پذیری در متغیر وابسته است که به وسیله رگرسیون توضیح داده میشود. تحلیلهای رگرسیون به مطالعه وابستگی یک متغیر (متغیر وابسته) به یک یا چند متغیر دیگر (متغیر مستقل) میپردازد که با تخمین یا پیشبینی مقدار متوسط یا میانگین متغیر نوع اول در حالتی که متغیر نوع دوم معلوم و معین شده باشند صورت میپذیرد. در این روش درجات همبستگی و روابط بین متغیرها بررسی میشود. اگر تمامی مشاهدات روی خط رگرسیون باشند برازش کامل بدست میآید اما این حالت به ندرت اتفاق میافتد و انحرافات مثبت و منفی خواهیم داشت در این حالت در رگرسیون مرکب معیار خلاصه ای خواهد بود که بیان مینماید چگونه خط رگرسیون نمونه دادهها ضریب تعیین  را به خوبی برازش میدهد. این ضریب بین صفر و ۱ قرار خواهد داشت. اگر برابر با یک باشد به این معناست که خط رگرسیون ۱۰۰ درصد تغییرات متغیر وابسته را توضیح میدهد و اگر صفر باشد مدل تغییرات متغیر وابسته را به هیچ عنوان توضیح نمیدهد.
فصل چهارم
تجزیه و تحلیل اطلاعات
۴-۱- مقدمه
تجزیه و تحلیل به عنوان یک روش علمی، یکی از پایه های اساسی هر روش تحقیق است. به طورکلی تجزیه و تحلیل عبارتست از روشی که از طریق آن کل فرآیند پژوهش، از انتخاب مسأله تا دسترسی به یک نتیجه هدایت می شود.(دلاور،۱۳۷۷)
در این فصل کار اصلی محقق جمع آوری دادهها از دنیای واقعی میباشد. پس از جمع آوری دادهها بایستی این دادهها سازماندهی، تلخیص و به اطلاعات قابل فهم تبدیل شده و مورد تجزیه و تحلیل قرار گیرند، و این کاری است که در این فصل به تفصیل به آن پرداخته شده است. هدف از این فصل تجزیه و تحلیل دادههای به دست آمده و انجام آزمون فرضیات در چارچوب فرآیند و روش تحقیق تعریف شده در فصل سوم است.
۴-۲- آمار توصیفی متغییرهای تحقیق
به یک مجموعه از مفاهیم و روشهای به کار گرفته شده جهت سازمان دادن، خلاصه کردن، تهیه جدول، رسم نمودار و توصیف دادههای جمع آوری شده آمار توصیفی گفته میشود(خاکی، ۱۳۸۸). در این قسمت اطلاعات پس از استخراج به صورت اعداد و ارقام و قرار دادان آنها در جدول Excel و با بکارگیری نرم افزار Spss در تحلیل آماری مورد بررسی قرار گرفته‌اند. به منظور تحلیل داده‌ها در بخش آمار توصیفی از شاخص هایی همچون میانگین، میانه، واریانس و انحراف معیار استفاده شده است و در ادامه آزمون نرمال بودن متغیرهای تحقیق را مورد بررسی قرار داده ایم. آمار توصیفی تحقیق حاضر به شرح جدول زیر نشان داده شده است.
جدول ۴-۱- آمارههای توصیفی متغیرهای مدل رگرسیون تحقیق
منبع: یافته های محقق
یکی از مهمترین مشخصه های مرکزی در آمار توصیفی میانگین یا متوسط حسابی می باشد که از تقسیم حاصل جمع هر یک از متغییرهای مستقل در سال های ۱۳۸۰ تا ۱۳۹۰ بر تعدادشان به دست می آید یا در واقع همان متوسط داده‌ها را نشان می‌دهد. میانه نیز همچون میانگین یکی از مشخصه های مرکزی می باشد که نشان دهنده توزیع صفت متغییر است که جامعه را به دو گروه با حجم یکسان تقسیم می کند تا نیمی از داده‌ها کوچکتر از عدد وسط مجموعه و نیم دیگری از داده‌ها بزرگتر از عدد وسط مجموعه باشند. نکته قابل توجه این است که هر چه مقدار میانگین و میانه به هم نزدیک تر باشند داده‌های موجود متقارن تر و توزیع آنها نرمال تر خواهد بود. یکی دیگر از مشخصه هایی که در آمار توصیفی این پژوهش به کار گرفته شده است واریانس و یا همان متوسط مجذور انحرافات می باشد که به دلیل آنکه واریانس پراکندگی داده ها را به صورت مجذور انحرافات نشان می دهد از واریانس جذر گرفته و آن را انحراف معیار صفت متغییر می نامند که مناسب ترین و متداول ترین مشخصه پراکندگی می باشد که در عمل از آن استفاده می شود.
۴-۳- آزمون های پیش فرض رگرسیون
رگرسیون فرایندی آماری است که توسط آن چندین متغیر جهت پیش‌بینی متغیری دیگر بکار گرفته میشوند. در تحلیل رگرسیون ما یک معادله برآوردکننده را خواهیم ساخت ـ معادله برآوردکننده یک فرمول ریاضی است ـ که متغیرهای معلوم را به متغیر نامعلوم مربوط میسازد. در این پژوهش پس از محاسبه میزان ضریب همبستگی بین تک تک متغیرهای مستقل با متغیرهای وابسته، به منظور بررسی میزان همبستگی متغیرهای مستقل و متغیرهای وابسته و تعیین رابطه علت و معلولی آن ها از تحلیل رگرسیون گام به گام استفاده می گردد.
در تحلیل رگرسیون فرض بر آن است که میانگین یا امید ریاضی خطاها
صفر باشد، واریانس خطاها ثابت باشد، متغیر وابسته دارای توزیع نرمال باشد، بین خطاهای مدل همبستگی وجود نداشته باشد، بین متغیرهای مستقل همبستگی وجود نداشته باشد.
باید توجه داشت که پیش از آنکه بتوان فرضیات تحقیق را آزمون کرد و مدل را تخمین زد، باید فرضیات و پیش فرضهای بالا را بررسی کرد تا در صورت وجود شرایط، از رگرسیون بتوان استفاده کرد.

این را هم حتما بخوانید :
شناسایی و اولویت بندی عوامل حیاتی موفقیت در صنعت روانکارهای ایران- قسمت ۶

۴-۳-۱- آزمون نرمال بودن داده ها

به منظور بررسی نرمال بودن داده ها از آزمون کلموگروف استفاده شده است که به وسیله این آزمون اگر مقدار میانگین و میانه هر یک از متغییرها نزدیک به هم باشند یعنی توزیع داده های آن متغییر نرمال است و نمودار هیستوگرام آن به شکل زنگوله است ولی اگر مقدار میانگین با تفاوت زیاد از میانه بیشتر باشد نمودار هیستوگرام آن نرمال نیست چولگی به راست دارد و اگر میانه با تفاوت زیاد از میانگین بیشتر باشد نمودار هیستوگرام آن نرمال نیست و چولگی به چپ دارد.
با توجه به جدول ۴-۱ مقایسه میانگین و میانه هر یک از متغییرها متوجه خواهیم شد که توزیع داده های هر یک از متغییرهای تحقیق دارای توزیع نرمال است و نمودار هیستوگرام آن به شکل زنگوله است و چولگی به راست و یا چپ ندارد بنابراین به اختصار یک نمودار به عنوان نمونه که همه متغییرهای این تحقیق دارای نمودار هیستوگرامی با توزیع نرمال می باشند در زیر نشان داده شده است.

نمودار۴-۱- نمودار هیستوگرام

۴-۴- تجزیه و تحلیل مدل های تحقیق
ما در این پژوهش به دنبال تحقیق در ارتباط با اثبات و یا رد فرضیه های تحقیق هستیم بنابراین باید به بررسی تاثیر فناوری اطلاعات بر بهبود عملکرد سیستم بانکی کشور در طی سال های ۱۳۸۰ تا ۱۳۹۰ با توجه به فرضیات تحقیق بپردازیم.

۴-۴-۱- تجزیه و تحلیل فرضیه اول

۴-۴-۱-۱- آزمون معنادار بودن رگرسیون

برای آنکه معلوم شود که مدل رگرسیونی استفاده شده معنادار هست یا نیست از آزمون معنادار بودن رگرسیون استفاده می شود. آماره این آزمون آماره فیشر(F) می باشد که نشان دهنده این است که آیا مدل رگرسیونی تحقیق، مدل خوبی است یا خیر. به عبارت دیگر، آیا متغیرهای وابسته رابطه معناداری با متغیر مستقل دارد یا خیر؟
فرضیه اصلی اول: بررسی تاثیر استفاده از فناوری اطلاعات بر افزایش حجم سپرده های بانکی مشتریان
فرضیه فرعی اول از فرضیه اصلی اولبررسی تاثیر تعداد کارت های بانکی بر حجم سپرده های بانکی
بین تعداد کارت بانکی و میزان سپرده های بانکی رابطه معناداری وجود ندارد=H
بین تعداد کارت بانکی و میزان سپرده های بانکی رابطه معناداری وجود دارد H1=
جدول۴-۲- تجزیه واریانس رگرسیونی تعداد کارت های بانکی و سپرده

نمودار ۴-۲- رابطه رگرسیونی تعدادکارت بانک و سپرده

از آنجا که مقدار آماره F در سطح احتمال ۱% و با اطمینان ۹۵% برابر با ۵٫۵۸ می باشد می توان اظهار داشت که بین استفاده از تعداد کارت های بانکی صادر شده با میزان سپرده های بانکی رابطه معناداری وجود دارد. بنابراین فرض Hرد می شود و فرض Hتایید می شود. این نتایج نشان می دهد که متغیر مستقل مدل از قدرت بالایی برخوردار است و قادر است به خوبی میزان تغییرات و واریانس متغییر وابسته را توضیح دهد و از آنجا که Rبرابر با ۰٫۱۲۵ می باشد می توان گفت که تغییرات سپرده به میزان ۱۲ درصد به تغییرات تعداد کارت های بانکی بستگی دارد.
فرضیه فرعی دوم از فرضیه اصلی اولبررسی تاثیر تعداد پایانه های شعب بر حجم سپرده های بانکی
بین تعداد پایانه شعب و میزان سپرده های بانکی رابطه معناداری وجود ندارد=H
بین تعداد پایانه شعب و میزان سپرده های بانکی رابطه معناداری وجود دارد H1=
جدول ۴-۳- تجزیه واریانس اثر تعداد پایانه شعب بر میزان سپرده

نمودار ۴-۳ – رابطه رگرسیونی تعداد پایانه شعب و سپرده

با توجه به مقدار آماره F که برابر با ۱٫۵۱ می باشد می توان گفت که بین تعداد پایانه های شعب و میزان سپرده گذاری مشتریان در بانک ها رابطه معناداری وجود ندارد، که موجب قبول فرض H می شود که این جمله بدین معناست که میزان پایانه های شعب به خوبی تغییرات حجم سپرده را نشان نمی دهد و مدل رگرسیونی مناسب نمی باشد و با توجه به اینکه R(ضریب تعیین) که به میزان ۰٫۰۱۹ است نشان می دهد که تغییرات سپرده به میزان ۰٫۰۱۹ ناشی از تغییرات پایانه شعب است.

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.