منابع پایان نامه با موضوع نرم افزار، روش حداقل مربعات، ارزش برند

دانلود پایان نامه

نشان از عدم پايايي پرسشنامه يا تحقيق مي باشد.
با توجه به نتايج بدست آمده پايايي پرسشنامه مورد تاييد قرار گرفتند و مراحل بعدي جهت گردآوري اطلاعات از مابقي نمونه آماري صورت پذيرفت.
براي سنجش پايائي پرسشنامه و قابليت اعتماد آن به روي يک نمونه کوچک 30 نفري تست پيش آزمون انجام شد.
بعد از بررسي و بدست آوردن آلفاي کرونباخ ، ضريب آلفاي کرونباخ کل و تمام متغير ها بالاي 7/0 بدست آمد در نتيجه با توجه به جدول پايايي پرسشنامه با استفاده از ضريب آلفاي کرونباخ بالاي 7/0 مورد تاييد قرار گرفت و شکل نهايي پرسشنامه طراحي و براي اجرا بر روي نمونه آماري تحقيق آماده شده است.
همه اعداد بيانگرآن است که پرسشنامه طراحي شده براي انجام تحقيق از پايايي لازم برخوردار است. 3-8- فرآيند و نتايج ” مطالعه آزمايشي”:
در تحقيق حاضر از پرسشنامه استاندارد استفاده شده است که اين پرسشنامه ترجمه و پس از انجام يک مرحله پيش ازمون تغييرات لازم در آن ايجاد شد. براي درک و فهم آزمودني ها، توضيحاتي در رابطه با خود موضوع تحقيق درآن گنجانده شد و سوالاتي نيز در همان رابطه اضافه شد.
سپس براي سنجش پايايي پرسشنامه و قابليت اعتماد آن ، به روي يک نمونه کوچک 30 نفري تست پيش آزمون انجام شد.
جدول3-2- ميزان آلفاي کرونباخ پيش آزمون
سازه ها
سوالات
تعداد سوالات
مقدارآلفاي کرونباخ
پرسشنامه کلي
29
29
93/0
ارزش برند
4-1
4
86/0
اعتماد
7-5
3
85/0
آگاهي برند
11-8
4
80/0
وفاداري برند
15- 12
4
77/0
رضايت مشتري
18- 16
3
73/0
تصوير برند
23- 19
5
90/0
تداعي برند
26-24
3
87/0
تعهد به روابط
29- 27
3
79/0
بعد از بررسي و بدست آوردن آلفاي کرونباخ ، ضريب آلفاي کرونباخ کل و تمام متغير ها بالاي 7/0 بدست آمد در نتيجه با توجه به جدول پايايي پرسشنامه با استفاده از ضريب آلفاي کرونباخ بالاي 7/0 مورد تاييد قرار گرفت و شکل نهايي پرسشنامه طراحي و براي اجرا بر روي نمونه آماري تحقيق آماده شده است.
3-9- روش تجزيه و تحليل داده ها:
ازتکنيک معادلات ساختاري و از نرم‌افزار ليزرل52 که يکي از مشهورترين نرم‌افزارها جهت اجراي اينگونه مدل‌ها است، به منظور آزمون فرضيه‌ها با هدف سنجش روابط همزمان، مستقيم يا غير مستقيم ميان متغيرها استفاده شده است.
يکي از قوي‌ترين و مناسب‌ترين روش‌هاي تجزيه و تحليل در تحقيقات علوم رفتاري و اجتماعي تجزيه و تحليل چند متغيره است، زيرا ماهيت اينگونه موضوعات چند متغيره بوده و نمي‌توان آنها را با شيوه دو متغيري (که هربار تنها يک متغير مستقل با يک متغير وابسته در نظر گرفته مي‌شود) حل نمود. تجزيه و تحليل چند متغيره به يک سري روش‌هاي تجزيه و تحليل اطلاق مي‌شود که ويژگي اصلي آنها تجزيه و تحليل همزمان k متغير مستقل و n متغير وابسته است. تکنيک معادلات ساختاري يکي از اصلي‌ترين روش‌هاي تجزيه و تحليل ساختارهاي داده‌اي پيچيده است و به معني تجزيه و تحليل متغيرهاي مختلفي است که در يک ساختار مبتني بر تئوري، تاثيرات همزمان متغيرها را بر هم نشان مي‌دهد. اين روش، ترکيب رياضي و آمار پيچيده‌اي از تحليل عاملي، رگرسيون چند متغيره و تحليل مسير است که در يک سيستم پيچيده گرد هم آمده تا پديده‌هاي پيچيده را مورد تجزيه و تحليل قرار دهد. از طريق اين رويکرد مي‌توان قابل قبول بودن مدل‌هاي نظري را در جامعه‌هاي خاص با استفاده از داده‌هاي همبستگي، غير آزمايشي و آزمايشي آزمود. مدل معادلات ساختاري به دو فاز کلي تحليل عاملي تائيدي و تحليل مسير تقسيم مي‌شود. در قسمت اندازه‌گيري ارتباط نشانگرها يا همان سوالات پرسشنامه با سازه‌ها مورد بررسي قرار مي‌گيرد و در قسمت ساختاري ارتباط عامل‌هاي مورد بررسي با يکديگر جهت آزمون فرضيات مورد توجه هستند (کلانتري، 1388 ،108).
به طور کلي به منظور طبقه‌بندي داده‌هاي جمع‌آوري شده از آمار توصيفي در نرم افزار 53SPSS و جهت بررسي تاثير همزمان متغيرهاي پژوهش بر يکديگر و اندازه‌گيري اثرات مستقيم و غير مستقيم آنها بر يکديگر از تکنيک معادلات ساختاري در نرم افزار ليزرل استفاده شد.
3-9-1- مدل يابي معادلات ساختاري براي طراحي مدل تحقيق:
در تحقيق حاضر جهت داده پردازي از مدل معادلات ساختاري استفاده خواهد شد. مدل يابي معادلات ساختاري54 يک تکنيک تحليل چند متغيري بسيار کلّي و نيرومند از خانواده رگرسيون چند متغيري و به بيان دقيق تر بسط مدل خطي کلي است که به پژوهشگر امکان مي دهد مجموعه اي از معادلات رگرسيون را به طور همزمان مورد آزمون قرار دهد. مدل يابي معادلات ساختاري يک رويکرد آماري جامع براي آزمون فرضيه هايي درباره روابط بين متغير هاي مشاهده شده و مکنون است که گاه تحليل ساختاري کواريانس، مدل يابي علّي و گاه نيز ليزرل55 ناميده مي شود (هومن،1373، 11). مدل معادلات ساختاري يک روش چند متغيره با هدف نشان دادن عليّت و بر اساس تحليل مسير با متغير هاي مکنون است که اخيراً در علوم رفتاري و اجتماعي براي داده پردازي هاي چند متغيره کاربرد فراواني پيدا کرده است.
در مدل ساختاري روابط بين صفت هاي مکنون قابل توجه است. در واقع در مدل ساختاري به دنبال اين هستيم که مشخص کنيم روابط موجود بين صفت هاي مکنون که بر اساس نظريه استخراج شده اند با توجه به داده هاي گردآوري شده از نمونه مورد تاييد قرار مي گيرد يا خير؟ مدل كلي مدل معادلات ساختاري به شكل زير است كه در آن:
? (گاما)
ماتريس n × m نشان‌دهنده تاثير مستقيم متغيرهاي بر متغيرهاي ،
? (بتا)
ماتريس m × m ، نشان‌دهنده تاثير متغيرهاي بر ساير متغيرهاي ،
(زتا)
بردار 1× m براي خطاهاي معادلات در رابطه ساختاري بين و است.
ماتريس n ×n براي نشان دادن همبستگي بين ها
ماتريس m × m براي نشان دادن همبستگي بين
شکل 3-1: مدل کلي معادلات ساختاري
? (گاما) نشان‌دهنده تاثير مستقيم متغيرهاي بر متغيرهاي
? (بتا) نشان‌دهنده تاثير متغيرهاي بر ساير متغيرهاي
(زتا) نماد خطاهاي معادلات در رابطه ساختاري بين و
نماد همبستگي بين ها
نماد همبستگي بين ها مي باشد.
رويکرد ها مختلفي براي برآورد پارامتر هاي مدل معادلات ساختاري وجود دارد، که يکي از پر کاربرد ترين آن ها استفاده از روش شناسي مبتني بر واريانس به روش حداقل مربعات جزيي56 يا همان مدل هاي نرم است که در مقابل مدل هاي ساختاري کوواريانس محور از انعطاف پذيري بالاتري برخوردار هستند. اين روش در سال 1960 توسط اقتصادداني به نام هرمان والد57 ابداع و در اقتصاد سنجي كاربرد فراوان يافت و كم كم به ساير حوزه هاي علمي به ويژه بازاريابي كشيده شد. اين روش در مقايسه با روش تحليل حداكثر نمودن افزونگي كه به دنبال يافتن فاكتورهايي در متغير وابسته به شكلي كه بيشترين واريانس را تبيين نمايد بوده و توسط ون دن ولنبرگ58 در سال 1977، ابداع شده از قدرت پيش بيني بالاتري برخوردار است. به اين علت 59PLS‌ به عنوان روشي جايگزين به علت قدرت بالاي آن در تحليل افزونگي شده است.
از زمان ارايه مدل معادلات ساختاري مبتني بر کوواريانس به وسيله جارسکوگ60 در 1973، اين روش به عنوان روشي قابل قبول در بين محققان مختلف مطرح شده است. با وجود محبوبيت ليزرل براي اجراي مدل معادلات ساختاري ساير نرم افزار هايي که به حجم نمونه مانند ليزرل وابسته نيستند؛ امروزه مورد توجه محققان قرار گرفته است. يکي از جديدترين رويکرد هاي مدل معادلات ساختاري روش حداقل مربعات جزيي است. اين روش مدل معادلات ساختاري واريانس محور، زماني که براي هر سازه تعداد متغير زياد و يا حجم نمونه کم است، بسيار مناسب بوده و نتايج مشابه ليزرل را براي تخمين مدل ايجاد مي کند.
مدل معادلات ساختاري در قالب حداقل مربعات جزيي روشي براي مدل پيش بيني كننده سازه اي است. به ويژه زماني كه تعداد نشانگر هاي هر عامل زياد و بين آنها هم راستايي چند گانه وجود داشته باشد، اين رويكرد گزينه ي اول براي برآورد مدل محسوب مي گردد، زيرا در اين تحقيق روش هاي مبتني بر ليزرل عملاً پاسخگو نخواهند بود. از سوي ديگر اين روش به نرمال بودن جامعه وابسته نيست و محقق به راحتي مي تواند مدل خود را بدون نگراني از وضعيت توزيع جامعه طراحي نمايد.
از آنجا که شاخص هاي ليزرل استفاده از تخمين مسير ها را با آن ناممکن نشان مي دهند و غالب بودن واريانس ها نسبت به کوواريانس ها مشهود است، لذا در طراحي مدل ساختاري تحقيق حاضر از اين رويكرد جهت برآورد بارهاي عاملي و ضرايب مسير استفاده خواهد شد(صمدي،89، 78).
3-9-2- شاخص هاي برازندگي مدل کلي:
برازندگي مناسب بودن و کفايت داده‌ها براي مدل مورد بررسي است. به اين معني که اگر شاخص‌هاي برازندگي نشان دهنده برازنده بودن مدل باشند داده‌ها براي تجزيه و تحليل و نتيجه‌گيري روابط موجود در مدل مناسب و کافي بوده‌اند.
در دهه گذشته براي مدلهاي معادلات ساختاري آزمونهاي برازندگي متعددي ارائه شده است. با آنکه انواع گوناگون آزمونها که به گونه کلي شاخص‌هاي برازندگي ناميده مي‌شوند پيوسته در حال مقايسه، توسعه و تکامل‌اند، اما هنوز درباره حتي يک آزمون بهينه نيز توافق همگاني وجود ندارد و اين شاخص‌ها به شيوه‌هاي مختلفي طبقه بندي شده است (هومن، 1384، 235).
برخي از اين شاخصها عبارتند از:
3-9-2-1-شاخصهاي 61GFIو62AGFI:
شاخصGFI مقدار نسبي واريانسها و کوواريانسها را به گونه مشترک از طريق مدل ارزيابي مي کند. دامنه تعييراتGFI بين صفر و يک ميباشد. مقدارGFIبايد برابر يا بزرگتر از 0.90 باشد.
شاخص برازندگي ديگرAGFI يا همان مقدار تعديل يافته شاخص GFI براي درجه آزادي ميباشد. اين مشخصه معادل با کاربرد ميانگين مجذورات به جاي مجموع مجذورات در صورت و مخرج(GFI-1) است. مقدار اين شاخص نيز بين صفر و يک است.
شاخصهاي GFI , AGFI را که جارزکاگ و سوربوم(1989) پيشنهاد کرده اند بستگي به حجم نمونه ندارد.
3-9-2-2-شاخصRMSEA63:
اين شاخص ريشه ميانگين مجذورات تقريب ميباشد. شاخص RMSEA که به واقع همان آزمون انحراف هر درجه آزادي است ، براي مدلهاي خوب برابر 0.05 يا کمتر است. مدلهايي که RMSEA آنها 0.1 باشد برازش ضعيفي دارند.
3-9-2-3-مجذور کاي:
آزمون مجذور کاي (خي دو) اين فرضيه را كه مدل مورد نظر هماهنگي الگوي همپراشي بين متغيرهاي مشاهده شده و مدل را مي آزمايد، کميت خي دو بسيار به حجم نمونه وابسته مي باشد و در نمونه هاي بزرگ بيشتر مدل مورد تاييد قرار مي گيرد تا اين كه بخواهد مدل را غلط برآورد كند.
3-9-2-4-شاخصNFI64 , CFI65 :
شاخص NFI (که شاخص بتلر- بونت هم ناميده مي شود) براي مقادير بالاي 0.90 قابل قبول و نشانه برازندگي مدل است. شاخص CFI بزرگتر از 0.90 قابل قبول و نشانه برازندگي مدل است. اين شاخص از طريق مقايسه يک مدل به اصطلاح مستقل که در آن بين متغير ها هيچ رابطه اي نيست با مدل پيشنهادي موردنظر، مقدار بهبود را نيز مي آزمايد. شاخص CFI از لحاظ معنا مانند NFI است با اين تفاوت که براي حجم گروه نمونه جريمه مي دهد.
3-9-2-5-شاخص 66NNFI :
اين شاخص مشابهNFI است اما براي پيچيدگي مدل جريمه ميپردازد. چون دامنه اين مدل محدود به صفر و يک نيست تفسير آن نسبت بهNFI دشوارتر است. بر پايه قرداد مقادير کمتر از 0.90 آن مستلزم تجديد نظر در مدل است.
3-9-2-6-شاخص 67IFI :
اين شاخص بر اساس مقايسه ندل تدوين شده با مدل استقلال محاسبه .مقدار IFI نيز، بر پايه قرارداد، بايد دست كم 90/0 باشد، تا مدل مورد نظر پذيرفته شود.
فصل چهارم
تجزيه وتحليل داده ها
مقدمه
هدايت هر فرايند تحقيق در هر يک از شاخه هاي علوم جهت

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *