۳-۹ روش های تجزیه و تحلیل داده ها
برای تجزیه و تحلیل داده های بدست آمده و بررسی فرضیه های تحقیق و پاسخگویی به سوالات پژوهش از آمار توصیفی و آمار استنباطی بهره گرفته شده است.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳- ۹-۱ روش آمار توصیفی
در ابتدا با بهره گرفتن از سؤالات جمعیت شناختی در پرسشنامه و با بهره گرفتن از شاخص های آماری به بررسی ویژگی های جمعیت شناختی پرداخته شده است. این ویژگی ها در این تحقیق عبارتند از: سن، جنسیت، تحصیلات و میزان مصرف محصولات شرکت.
۳-۹-۲ روش آمار استنباطی
در آمار تحلیلی، ابتدا باید از این مسئله اطمینان یابیم که می توان داده های موجود را برای تحلیل عاملی به کار برد. به سخن دیگر آیا تعداد داده ­های مورد نظر برای تحلیل عاملی مناسبند یا خیر؟ بدین منظور از شاخص KMO استفاده می کنیم. سپس باید اطمینان حاصل نماییم که توزیع داده ها نرمال می باشند. بدین منظور از آزمون کولموگروف-اسمیرنوف (KS) استفاده میکنیم. سپس با بهره گرفتن از تحلیل عاملی تأییدی معنا داری روابط میان سوالات و متغیر ها بررسی شده است. همچنین برازش کلی مدل اندازه گیری شده است. برای سنجش روایی عاملی از تحلیل عاملی تأییدی استفاده شده است. پس از بررسی روایی سوالات پرسشنامه به منظور بررسی وضعیت متغیر های تحقیق از آزمون میانگین یک جامعه یا T تک نمونه ای استفاده شده است. برای بررسی اثرات متغیر های تحقیق بر یکدیگر از مدل یابی معادلات ساختاری ( SEM ) و تکنیک تحلیل مسیر با نرم افزار لیزرِل[۱۴۱] استفاده شده است. این تحقیق با بهره گرفتن از نسخه ۸/۸ نرم افزار لیزرِل تجزیه و تحلیل شده که ویرایش سال ۲۰۰۸ این نرم افزار می باشد.
در ادامه به تشریح روش ها و تکنیک های به کار برده شده برای آزمون فرضیات می پردازیم.
۳-۹-۲-۱ آزمون کفایت داده ها یا شاخص KMO
شاخصی از کفایت نمونه گیری می باشد که کوچک بودن همبستگی جزیی بین متغیر ها را بررسی می کند و از این طریق مشخص می کند که آیا واریانس متغیر های پژوهش تحت تاثیر واریانس مشترک برخی عامل های پنهان و اساسی است یا خیر. این شاخص در بازه صفر تا یک قرار دارد. اگر مقدار شاخص نزدیک به یک باشد داده های مورد نظر (اندازه نمونه) برای تحلیل عاملی مناسب هستند و مقادیر کم تر از ۶/۰ چندان مناسب نمی باشد.(مؤمنی و فعال قیومی، ۱۳۹۱: ۱۷۰)
۳-۹-۲-۲ آزمون کولموگروف-اسمیرنوف (KS)
برای بررسی نرمال بودن توزیع ها که پیش شرط استفاده از مدل سازی معادلات ساختاری با بهره گرفتن از نرم افزار لیزرِل می باشد، از آزمون کولموگروف-اسمیرنوف استفاده می کنیم. فرض صفر آزمون کولموگروف-اسمیرنوف توزیع نرمال داده ها می باشد. پس ما به دنبال سطح معناداری بالای ۰۵/۰ می باشیم.(مؤمنی و فعال قیومی، ۱۳۹۱ : ۱۶۶)
۳-۹-۲-۳ تحلیل عاملی تأییدی
تحلیل عاملی تأییدی برای بررسی ارتباط میان متغیر های مشاهده شده (سؤالات پرسشنامه) و متغیرهای مکنون به کار برده می شود. منظور از متغیر مکنون، متغیری است که نمی توان آن را به طور مستقیم اندازه ­گیری نمود و باید آن را از طریق متغیر های مشاهده پذیری که به صورت مستقیم قابلیت اندازه ­گیری را دارند، مورد سنجش و اندازه گیری قرار داد. تحلیل عاملی تأییدی نشان می­دهد که آیا نشانگرهایی که برای معرفی سازه یا متغیرهای مکنون در نظر گرفته شده واقعاً معرف آنها هستند؟ همچنین این نشانگرها با چه دقتی معرف متغیر مکنون می باشند.
۳-۹-۲-۴ نیکویی برازش مدل
برای تحقیق در مورد نیکویی مدل پژوهش و اینکه آیا داده ها با مدل مفهومی پژوهش همخوانی دارند یا خیر از یک سری شاخص ها استفاده می کنیم. این شاخص ها پس از بدست آوردن مدل در نرم افزار لیزرِل در خروجی نرم افزار وجود دارند. در زیر برخی از مهمترین این شاخص ها بررسی شده است.
شاخص کای دو ( ۲χ ) :
آزمون کای دو برای نمونه­های ۷۵ تا ۲۰۰ تایی یک معیار معقول به حساب می ­آید. اما برای نمونه­های ۴۰۰ یا بیشتر از لحاظ آماری بسیار معنادار می­باشد. کای دو همچنین تحت تأثیر اندازه همبستگی­های درون مدل قرار می گیرد. هر چه این همبستگی ها بیشتر باشد معیار کای دو ضعیف­تر می­باشد.
درجه آزادی (df ): این شاخص درجه آزادی مدل را نشان می دهد و نباید منفی باشد.
نسبت کای دو بر درجه آزادی () :
یک معیار برازش قدیمی نسبت کای دو به درجه آزادی می باشد. مشکل این معیار این است که معیار دقیق و معتبری برای اندازه مناسب آن پذیرفته نشده است. شاخص های برازش TLI و RMSEA نیز بر اساس کای دو بدست می آیند. همچنین از مشکلات دیگر این شاخص این می‏باشد که هنگامی که متغیر ها توزیع نرمال نداشته باشند این شاخص دارای تعداد بسیار زیادی خطای نوع اول خواهد بود به خصوص اگر این توزیع ها دارای چولگی نیز باشند.
شاخص P- Value :
این شاخص آزمون یک طرفه­ای را برای فرض صفر مبنی بر اینکه RMSEA برابر ۰۵/۰ است فراهم می کند. فرض یک در این آزمون این است که RMSEA بزرگتر از ۰۵/۰ می باشد. در نتیجه برای برازش خوب مدل باید شاخص P مقدار بزرگتر از ۰۵/۰ باشد. مقادیر کمتر از ۰۵/۰ نشان از برازش نامناسب مدل است.
شاخص میانگین مجذور خطاهای مدل ( RMSEA ) :
این شاخص براساس خطاهای مدل ساخته شده است و مقادیر پایین آن معیاری برای نیکویی مدل می باشد. این شاخص در حال حاضر محبوب ترین شاخص در تحقیقات می باشد. مقادیر کمتر از ۰۱/۰ نشان از برازش عالی ، مقادیر کمتر از ۰۵/۰ نشان از برازش خوب و مقادیر کمتر از ۰۸/۰ نشان از برازش متوسط مدل دارد.
شاخص نیکویی برازش( GFI ) و شاخص نیکویی برازش تطبیق داده شده( AGFI ) :
شاخص GFI بر اساس نسبت مجموع مربعات تفاوت میان ماتریسهای مشاهده شده و باز تولید شده برای واریانس های مشاهده شده است. شاخص GFI مقدار واریانس کوواریانسی را اندازه می گیرد که در ماتریس S بوسیله ماتریس تولید شده ∑ برآورد می شود و AGFI برای درجات آزادی یک مدل در ارتباط با متغیر ها اصلاح شده است (شوماخر و لومکس، ۱۳۸۸ : ۱۲۵). مقدار GFI و AGFI بالاتر از ۹/۰ نشان دهنده برازش خوب مدل است. مشکل این دو شاخص این است که تحت تاثیر حجم نمونه است و برای N بالا مناسب نیست.
شاخص بِنتلِر-بونِت یا شاخص برازش تعدیل شده( NFI ) :
شاخص برازش هنجار شده مقدار کای دو را به مقیاسی با حداکثر ۱ و حداقل صفر تبدیل می کند. بالاتر از ۹/۰ نشانه برازش مناسب مدل است. ضعف اصلی این مقیاس این است که جریمه­ای برای پیچیدگی مدل در آن تعریف نشده است. یعنی هر چه تعداد پارامتر ها در مدل افزایش یابد مقدار این شاخص نیز افزایش می­یابد. برای همین این شاخص برای برازش مدل توصیه نمی‏شود.(کارشکی، ۱۳۹۱ : ۵۲)
شاخص توکِر-لویس (TLI) یا شاخص برازش تعدیل نشده (NNFI) :
این شاخص نسبت به شاخص NFI این مزیت را دارد که برای پیچیده شدن مدل جریمه در نظر گرفته می شود. شاخص TLI بستگی مستقیم به اندازه همبستگی های میان داده ها دارد. این شاخص از فرمول زیر بدست می آید :
شاخص برازش تطبیقی (CFI) :
یکی دیگر از شاخص های برازش مدل می باشد . اگر مقدار آن بیش از یک باشد، به یک و اگر کمتر از صفر باشد به صفر تبدیل می شود. اگر CFI کمتر از یک باشد همواره از TLI بزرگتر می باشد. از آن جا که CFI و TLI همبستگی قوی با یکدیگر دارند معمولاً به گزارش یکی از آن ها بسنده می شود. این شاخص از فرمول زیر بدست می آید :
شاخص SRMR :
این شاخص یک شاخص مطلق برای اندازه گیری برازش مدل می باشد به صورت تفاوت استاندارد شده میان همبستگی مشاهده شده و همبستگی پیش بینی شده تعریف می شود. مقادیر کمتر از ۰۸/۰ نشان از برازش خوب مدل دارند.
۳-۹-۲-۵ آزمون میانگین یک جامعه برای بررسی وضعیت متغیرهای پژوهش
برای بررسی وضعیت متغیر های اصلی تحقیق که عبارتند از : تبلیغات، پیشبرد فروش، روابط عمومی، وفاداری به برند، آگاهی از برند، کیفیت ادراک شده، تداعی برند و ارزش ویژه برند از آزمون فرض آماری میانگین یک جامعه یا آزمون T تک نمونه ­ای استفاده گردیده است. این آزمون تفاوت میان میانگین متغیر مورد آزمون را در نمونه تحقیق با یک مقدار مفروض، مورد آزمون قرار می­دهد. آزمون فرض در آزمون T تک نمونه ای به شرح زیر می باشد :
آزمون فرض:
فرض صفرH0: = 0/3
فرض یکH1: ≠ ۰/۳
با توجه به اینکه طیف سوالات ۵ گزینه ای لیکرت بوده ، برای مقدار آزمون ( میانگین )، عدد ۳ در نظر گرفته شد.
۳-۹-۲-۶ آزمون فرضیات تحقیق توسط تکنیک معادلات ساختاری
مناسب ترین روش برای تجزیه و تحلیل در تحقیقات علوم رفتاری تجزیه و تحلیل چند متغیره می باشد. در این تحقیق برای تأیید یا رد فرضیات تحقیق از مدل یابی معادلات ساختاری استفاده می کنیم. برای بررسی فرضیات تحقیق ، بعد از انجام تحلیل عاملی تاییدی برای تمامی متغیر های تحقیق، از تکنیک معادلات ساختاری برای بررسی فرضیات فرعی تحقیق استفاده شده است. ملاک بررسی صحت فرضیه های فرعی ضرایب مسیر استاندارد شده میان متغیر های تحقیق است. رایت اظهار می دارد که ضریب مسیر کسری از انحراف استاندارد متغیر وابسته است که عامل مشخص شده مستقیماً مسئول آن می باشد (کارشکی، ۱۳۹۱ : ۶۶).
همچنین در نرم افزار لیزرِل امکان بررسی اثرات غیر مستقیم متغیر ها بر روی یکدیگر فراهم شده است که ضرایب مسیر غیر مستقیم استاندارد شده و ضرایب معناداری آن ها را گزارش می‏کند.
فصل چهارم
یافته­های تحقیق
فصل چهارم : یافته­های تحقیق
۴-۱ مقدمه
تجزیه و تحلیل داده ­ها برای بررسی صحت و سقم فرضیات، برای هر نوع تحقیق از اهمیت خاصی برخوردار می­باشد و از اصلی­ترین و مهم­ترین بخش­های تحقیق محسوب می­ شود. با بهره گرفتن از روش های آماری باید داده های خام و ابتدایی تحقیق را تجزیه و تحلیل کرد و این داده های خام را به شکلی در آورد که محقق بتواند از آن ها استفاده کند.
روش های گوناگونی برای تجزیه و تحلیل داده ها وجود دارد که تمامی این روش ها در دو گروه زیر جای می گیرند :
۱ - آمار توصیفی
۲ - آمار استنباطی

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...