شاخص مجذوی کای
کای اسکوئر تنها آزمون معناداری برای مدل مورد نظر است. مقدار کای اسکوئر در دامنه تغییرات برای یک مدل اشباع شده که در آن همه مسیرها تعریف شده است، تا مقدار حداکثر برای یک مدل مستقل که در آن هیچ مسیری تعریف نشده است، تغییر می‌کند.
در مدل‌سازی معادله ساختاری کمترین تمایل به یک مدل نظری است که در آن همه مسیرهای ممکن تعریف شده (مدل اشباع شده) باشند. هدف در مدل‌سازی معادلات ساختاری، دستیابی به مدل مقتصد با تعداد کمی از مسیرهای بنیادی و با مفهوم است که دارای مقدار غیرمعناداری از کای اسکوئر و نزدیک به یک مدل اشباع شده باشد به نحوی که تفاوت اندکی بین ماتریس واریانس- کوواریانس نمونه‌ای و ماتریس واریانس- کوواریانس باز تولید شده نشان دهد، تفاوت بین این دو ماتریس کوواریانس، در ماتریس باقی مانده ارائه می‌شود. هنگامی که کای اسکوئر معنادار نیست (نزدیک به صفر) مقادیر باقی مانده در ماتریس باقی مانده نزدیک صفر هستند که نشان می‌دهد مدل نظری با داده‌های نمونه‌ای برازش دارد. بسیاری از معیارهای برازش مدل از عناصر مدل اشباع شده، مدل مستقیم، حجم نمونه. درجه آزاد و یا مقادیر کای اسکوئر فرمول کرده یک شاخص برازش مدل استفاده می‌کنند. دامنه تغییرات این شاخص‌ها اغلب بین صفر (عدم برازش) تا ۱ (برازش کامل) تغییر می‌کند (همان منبع: ۷۱)
شاخص کای دو برای آزمون این فرضیه صفر که مدل مورد نظر در جامعه موجه است، محاسبه می شود کای دو معنادار دلالت بر رد فرضیه صفر دارد که بیان می‌کند آن مدل در جامعه موجه نیست. وقتی حجم گروه نمونه برابر ۷۵ تا ۲۰۰ نفر باشد، مقدار مجذور کای، یک اندازه معقول برای برازندگی است. اما برای مدل‌های با n بزرگتر، مجذور کای (همانند همه آزمون‌های معنادار بودن) تقریباً همیشه از لحاظ آماری معنادار است. این مسأله با توجه به این مطلب که برای روش معادلات ساختاری (SEM) گروه‌های نمونه با حجم زیاد توصیفه می‌شود، تناقض دارد. علاوه بر این، مجذور کای تحت تأثیر مقدار همبستگی موجود در مدل نیز هست. هر چه این همبستگی‌ها زیادتر باشد، برازش ضعیف‌تر است. به همین دلیل برای برازش مدل‌ها، اندازه‌اهی دیگری توسعه یافته است. یک راه حل برای این مسأله توسعه شاخص‌های برازندگی[۱۶۳] است که هر چند مبتنی بر مجذور کای است، اما به خاطر حجم نمونه از راهی کنترل می‌شود (هومن: ۴۰).
جذر برآورد واریانس خطای تقریب (RMSEA)
این اندازه که به صورت اعشاری گزارش می‌شود، مبتنی بر پارامترهای غیرمرکزی[۱۶۴] است. این شاخص، ریشه میانگین مجذورات تقریب می‌باشد. این شاخص برای مدل‌های خوب برابر با ۵% یا کمتر است. مدل‌هایی که EMSEA آورده ۱۰/۰ یا بیشتر باشد، برازش ضعیفی دارند (همان منبع: ۴۲).
شاخص برازندگی تطبیقی (CFI)
اگر این شاخص بزرگتر از ۰/۱ باشد، برابر با ۰/۱ و اگر کوچکتر از صفر باشد برابر با صفر قرار داده می‌شود و همانند شاخص‌های قبلی چنان مقدار این کسر بین ۹۰% تا ۹۵% باشد، قابل قبول تلقی می‌شود (همان منبع: ۴۱).
شاخص برازندگی (GFI) و شاخص تعدیل شده برازندگی (AGFI)
شاخص برازندگی به گونه کلی در دامنه بین صفر و یک قرار داده می‌شوند. ضرایبی که بالاتر از ۹۰/۰ باشد، قابل قبول در نظر گرفته می‌شوند، هر چند این نیز مانند سطح P=5%، اختیاری است، به طوری کلی مقادیر شاخص‌های GFI و AGFI با نزدیک‌تر شدن به عدد ۰/۱ برازندگی خوب مدل را نشان می‌دهند. از میان شاخص‌های ذکر شده، به گونه کلی RMSEA به عنوان یک شاخص مطلوب و CFI به عنوان بهترین شاخص در نظر گرفته می‌شود (هومن، ۱۳۸۴: ۴۳).
فصل چهارم

این را هم حتما بخوانید :
بررسی تاثیر مدیریت دانش (KM) بر موفقیت مدیریت ارتباط مشتری (CRM) اثرات عوامل واسطه سازمانی ...

۴-۱ مقدمه

تجزیه و تحلیل دادهها فرآیندی چندمرحلهایاست که طی آن دادههایی که از طریق بکارگیری ابزارهای جمعآوری در نمونه (جامعه) آماری فراهمآمدهاند؛ خلاصه، کدبندی و دستهبندی… و در نهایت پردازش میشوند تا زمینه برقراری انواع تحلیلها و ارتباطها بین این دادهها بهمنظور آزمون فرضیهها فراهم آید. در این فرآیند دادهها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش میشوند و تکنیکهای گوناگون آماری نقش بسزایی در استنتاجها و تعمیمها به عهده دارند. (خاکی، ۱۳۷۸: ۳۰۵)
در این فصل ابتدا آمار توصیفی مربوط به اطلاعات جمعیت شناختی پاسخ دهندگان (افراد نمونه) و همچنین وضعیت متغیرهای تحقیق با بکارگیری جداول و نمودارها به نمایش گذاشتهشده و در ادامه برای پاسخگویی به سؤالات پژوهش و نتیجهگیری از روشهای آماری و آزمونهای متفاوت با استفاده از نرمافزار SPSS20 و lisrel8.54 به نحوی که ذکر میشود، استفادهگردید: جهت بررسی نرمال بودن دادهها از آزمون کلموگروف- اسمیرنف، از آزمون تحلیل عاملی اکتشافی جهت تأیید روایی سؤالات و مشخصسازی عوامل کلیدی هر مؤلفه و از فن مدلیابی معادلات ساختاری جهت بررسی برازش مدل پژوهش با دادههای جمعآوری شده استفاده گردیده است.

۴-۲ ویژگی های جمعیت شناختی نمونه آماری

در این بخش ویژگیهای جمعیت شناختی نمونه آماری تشریح میشوند.

۴-۲-۱ وضعیت افراد پاسخ دهنده از نظر جنسیت

جدول توزیع فراوانی افراد پاسخدهنده بر اساس جنسیت آنها در زیر داده شده است.
جدول ۴-۱٫ توزیع فراوانی افراد پاسخ دهنده از نظر جنسیت

جنسیت فراوانی درصد فراوانی
مرد ۷۷ ۵۶٫۲
زن ۶۰ ۴۳٫۸
جمع کل ۱۳۷ ۱۰۰

همانطور که از دادههای جدول ۴-۱ مشخص است ۲/۵۶ درصد افراد پاسخ دهنده مرد و ۸/۴۳ درصد آنها را زنان تشکیل میدهند.
 

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