قابل مشاهده می‌باشد.
۳-۱۱- تکنیک‌های تجزیه و تحلیل داده‌ها
۳-۱۱-۱- تجزیه و تحلیل با استفاده از آمار توصیفی
در تجزیه و تحلیل با کمک آمار توصیفی ، پژوهشگر داده‌های جمع‌آوری شده را با استفاده از شاخص‌های آمار توصیفی خلاصه و طبقه‌بندی می‌نماید و سپس با استفاده از نمودار آنها را نمایش می‌دهد. و سرانجام با استفاده از شاخص‌های مرکزی و پراکندگی آنها را خلاصه می‌نماید. در این پژوهش تجزیه و تحلیل داده‌های جمعیت شناسی پاسخ‌گویان به پرسشنامه ( نمونه آماری ) از لحاظ جنسیت ، شغل ، سطح تحصیلات ، سابقه فعالیت با نرم‌افزارهای مالی و اداری بر اساس تجزیه و تحلیل توصیفی صورت گرفته و نمودارهای دایره‌ای هر کدام ترسیم شده است.
۳-۱۱-۲- تجزیه و تحلیل داده‌ها با استفاده از آمار استنباطی
در تجزیه و تحلیل داده‌ها با بهره‌گیری از آمار استنباطی همیشه نظر بر تعمیم نتایج حاصل از مطالعه یک گروه کوچک‌تر تحت عنوان نمونه به گروه بزرگ‌تر یعنی جامعه آماری می‌باشد. آمار استنباطی معمولا برای تخمین ویژگی‌های جامعه از روی نمونه آماری تصادفی و نیز جهت آزمون فرضیه‌ها با استفاده از آزمون‌های معنی‌دار بودن آماری ، به منظور تشخیص واقعی بودن و یا تصادفی بودن تفاوت‌های مشاهده شده بین گروه‌ها یا متغیرها ، بکار می‌رود. در پژوهش حاضر برای بررسی فرضیه‌ها و آزمون‌ها آنها ، همچنین تحلیل عاملی پرسشنامه و آزمون نیکوی برازش مدل از روش مدل‌سازی معادلات ساختاری با استفاده از نرم‌افزار AMOS بهره گرفته شده است.
۳-۱۱-۳ -مدل سازی معدلات ساختاری۱۲۲
یک تکنیک تحلیل چند متغیره بسیار کلی و نیرومند از خانواده ریگرسیون چند متغیره و به بیان دقیق‌تر بسط “بسط مدل خطی کلی۱۲۳ ” است. این تکنیک به پژوهشگر اجازه می‌دهد مجموعه‌ای از معادلات رگرسیون را به گونه همزمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری یک رویکرد جامع برای آزمون فرضیه‌هایی درباره روابط متغیرهای مشاهده شده و مکنون است که گاه تحلیل کووریانس و یا مدل یابی علی نیز نامیده می‌شود. اما اصطلاح غالب همان مدل‌یابی معدلات ساختاری یا به اختصار SEM می‌باشد. (هومن،۱۳۸۴)
یکی از قوی‌ترین و کاربردی‌ترین روش‌های تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی ، تجزیه و تحلیل چند متغیره است. زیرا اینگونه موضوعات ذاتاً چند متغیره بوده و نمی‌توان آنها را به شیوه دو متغیره که در هربار تنها یک متغیر وابسته و مستقل منظور می‌شوند ، حل نمود.
در پژوهش حاضر چهار عامل آمیخته بازاریابی بعنوان متغیرهای پنهان بیرونی منظور می‌شوند. همچنین سه بعد مدل آکر ( آگاهی و تداعی‌های برند ، کیفیت ادراک شده ، وفاداری به برند ) به عنوان متغیر پنهان درونی و در نهایت ارزش ویژه برند نیز به عنوان متغیر پنهان درونی در نظر گرفته می‌شوند. هریک از این عوامل به کمک متغیرهای مشهود که همان سوالات پرسشنامه می‌باشند اندازه‌گیری می‌شوند.
۳-۱۱-۴ -آزمون‌های برازندگی مدل معادلات ساختاری
در دهه گذشته، انواع گوناگون و متعددی آزمون که به صورت کلی شاخص‌های برازندگی نامیده می‌شوند توسعه ، تکمیل ، مقایسه و ارائه شده‌اند. اما هنوز توافق همگانی در‌مورد یک آزمون تحقق نیافته است. به همین دلیل است که مقالات ، پژوهش‌ها و مطالعات مختلف ، شاخص‌های گوناگونی معرفی می‌گردد و حتی نرم‌افزارهای SEM نیز تعداد زیادی از این‌گونه شاخص‌ها ارائه می‌دهند. این شاخص‌ها به روش‌های مختلفی دسته‌بندی می‌گردند. یکی از عمده‌ترین روش‌های طبقه بندی متعلق به مارش و همکاران۱۲۴ بوده است که آنها را به مطلق ، نسبی، تعدیل‌یافته تقسیم نموده است. البته ذکر این نکته ضرورت دارد که در رابطه با شاخص‌های کلی برازش هیچ شاخص‌منفردی وجود نداشته که به توان بر اساس آن درباره برازش مدل اظهار نظر کرد و باید از چند شاخص در کنار یکدیگر جهت قضاوت استفاده نمود . به همین خاطر استفاده و ارائه حداقل سه شاخص ( از هر طبقه یک شاخص ) می‌توان ضروری تلقی نمود هرچند کافی نیست. ( قاسمی ، ۱۳۸۹)
شاخص‌های مطلق این پرسش را مطرح می‌کنند که آیا واریانس خطا که پس از برازش مدل باقی می‌ماند، قابل توجه است ؟ بدین ترتیب، این شاخص‌ها تا وقتی مطلق به حساب می‌آیند که برای داده‌های معین هیچ خط پایه‌ای تحمیل نکنند. شاخص‌های نسبی در پی پاسخ به این سوال است که یک مدل به خصوص در مقایسه با سایر مدل‌های ممکن ، از لحاظ تبین مجموعه‌ای از داده‌ها مشاهده شده تا چه حد خوب عمل می‌کند ؟ بیشتر شاخص‌های نسبی ،‌مدلی با بدترین برازندگی را به عنوان یک خط پایه ایجاد می‌کنند. سرانجام شاخص‌های تعدیل یافته به گونه مشهود، این پرسش را مطرح می‌کنند که مدل مورد نظر چگونه برازندگی و صرفه‌جویی یا ایجاز را باهم ترکیب می‌کند؟
نکته مهم این است که بسیاری از مدل‌ها وقتی می‌توانند با داده‌ها برازش یابند که پارامترها به اندازه کافی برآورد شوند. بنابراین مدل‌های ارزشمند است که تغییرپذیری داده‌ها را با تعداد نسبتاً اندکی از پارامتر‌های آزاد توجیه کند. (هومن ۱۳۹۰) در ادامه به بررسی تعدادی از این شاخص‌ها می‌پردازیم.
۳-۱۱-۵ -شاخص کای مربع۱۲۵ (CIM)
این شاخص بسیار پرکاربرد از طبقه شاخص‌های مطلق می‌باشد. از لحاظ نظری ، مقدار این شاخص بین صفر تا بینهایت قرار می‌گیرد و هرچه به صفر نزدیک‌تر باشد ، برازش مدل کامل‌تر خواهد بود. این شاخص بسیار به حجم نمونه حساس می‌باشد و نمونه‌های بزرگ مقدار آن را بیش از آنچه بتوان آن را به غلط بودن مدل نسبت داد ، بیشتر می‌کنند.
۳-۱۱-۶- شاخص نسبت کای مربع به درجه آزادی (CIM/df)
از آنجا که مقدار شاخص کای مربع نسبت به تعداد نمونه‌ها دارای حساسیت می‌باشد و با افزایش تعداد نمونه‌ها افزایش می‌یابد، برای رفع این مشکل میزان کای مربع را به تعداد درجه آزادی تقسیم می‌کنند تا رابطه مستقیم آن با تعداد نمونه کنترل شود. ( سبحانی فرد ، ۱۳۹۱ ) برای این شاخص مقادیر ۱ تا ۵ مناسب بوده و مقادیر ۲ تا ۳ مطلوب تفسیر می‌شود.
۳-۱۱-۷- شاخص RMSEA126
این شاخص مطلق ، شاخصی جامعه‌محور بوده که به تعداد نمونه حساس می‌باشد. این شاخص کمترین نیاز را به مشخصات مدل مورد نظر دارد. مقدار مطلوب برای این شاخص ۵/۰ و یا کمتر از آن می‌باشد. مقادیر بیشتر از ۱/۰ بیانگر برازش ضعیف مدل می‌باشد.
۳-۱۱-۸- شاخص‌های NFI127 و CFI
شاخص NFI یا شاخص نرم‌شده برازندگی از طبقه شاخص‌های نسبی بوده که قبلاً به صورت گسترده مورد استفاده قرار می‌گرفت. اما در حال حاضر به سبب آنکه تحت تاثیر حجم نمونه بوده و برای نمونه‌های با حجم کم ضعیف عمل می‌کند ، زیاد توصیه نمی‌شود. این شاخص برای مقادیر بالاس ۹/۰ مطلوب ارزیابی می‌شود. شاخص CFI نیز مانند NFI بوده و از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه‌ای وجود ندارد با مدل پیشنهادی مورد نظر ، مقدار بهبود را نیز می‌آزماید. تنها تفاوت CFI این است که این شاخص برای حجم نمونه جریمه در نظر می‌گیرد.
۳-۱۱-۹- شاخص‌های ۱۲۸GFI و AGFI129
شاخص GFI مقدار نسبی واریانس‌ها و کوورناس‌ها را به گونه‌ای مشترک از طرق مدل ارزیابی می‌کند. دامنه تغییرات آن بین صفر و یک بوده و مقدار مطلوب باید بیشتر از ۹/۰ باشد. شاخص AGFI مقدار تعدیل یافته GFI بر حسب درجه آزادی می‌باشد. این دو شاخص به حجم نمونه وابستگی ندارند.
۳-۱۱-۱۰- تحلیل عاملی تائیدی (CFA)
تحلیل عاملی در سال ۱۹۰۰ برای اولین بار توسط روانشناس انگلیسی یعنی چارلز اسپیرمن ابداع شد. اما تا دهه ۱۹۷۰ کمتر مورد استفاده قرار می‌گرفت. با پیشرفت‌های چشمگیری که در رایانه و نرم‌افزارها پدید آمد، جهت‌گیری رویکردهای تحلیل عاملی تغیرر یافت ، و کوشش به عمل آمد تا قابل قبول بودن ساختارهای پیش تجربی مورد آزمون قرار گیرد.
برای قبول روایی یک مدل و در نتیجه روایی نشانگر‌های آن سازه ، لازم است نشان دهیم که بین نشانگرها (مثلا سوال‌ها یا تست‌های فرعی ) هماهنگی و همسویی وجود دارد. از میان روش‌های مختلفی که برای مطالعه ساختار داخلی یک مجموعه از نشانگرها وجود دارد، تحلیل عاملی تائیدی احتمالاً مفیدترین روشی است که برآورد پارامتر و آزمون‌های فرضیه‌ها، باتوجه به تعداد عامل‌های زیربنایی روابط میان مجموعه نشانگرها می‌پردازد. تحلیل عاملی تائیدی در واقع یک مدل آزمون تئوری است، که درآن پژوهشگر تحلیل خود را با یک فرضیه یا مدل قبلی آغاز می‌کند. تحلیل عاملی تائیدی که مبتنی بر یک شالوده تجربی و نظری قوی است ، مشخص می‌کند که کدام متغیرها با کدام عامل‌ها و کدام عامل‌ها با کدام‌ عامل‌ها باید همبسته شوند. برای ارزشیابی روایی سازه نیز یک روش قابل اعتماد به پژوهشگر عرضه می‌کند.(هومن ، ۱۳۹۰)
تحلیل عاملی تائیدی راهی برای ساختن پرسشنامه‌ها برای سنجش و اندازه‌گیری مفاهیم ( متغیرهای پنهان ) می‌باشد. از آنجا که متغیرهای پنهان به خودی خود قابل اندازه‌گیری نیستند.می‌بایست برای آنها تعریف عملیاتی صورت پذیرد. که این تعریق عملیاتی توسط متغیرهای آشکار صورت می‌گیرد . حال کار تحلیل عاملی تائیدی این است که مشخص کند آیا می‌توان آن متغیر مکنون را به کمک متغیرهای آشکار مشخص شده اندازه‌گیری کرد؟ هدف دیگر تحلیل عاملی تائیدی می‌تواند خلاصه‌سازی متغیرها و آسان سازی تحلیل تلقی گردد. ( سبحانی‌فرد،۱۳۹۱)
۳-۱۲ خلاصه فصل
یکی از مهمترین مراحل هر پژوهش ، روش شناسی انجام آن است. پژوهش حاضر از نوع پیماشی است که بر توصیف و اندازه گیری اثر عوامل آمیخته بازاریابی بر روی ارزش ویژه برند از طریف ابعاد مختلف مدل آکر می‌پردازد در بازار نرم‌افزارهای مالی و اداری می‌پردازد. در این پژوهش سعی شده است با روش نمونه‌گیری تصادفی ساده ، نمونه مناسب انتخاب گردد. و سپس با استفاده از پرسشنامه داده‌های مورد نیاز جهت آزمون فرضیه‌ها از نمونه انتخاب شده گرد‌آوری شود. در این پژوهش از آمار توصیفی، جهت بررسی نمونه و همچنین از روش‌های تحلیل عاملی تائیدی ، مدل‌یابی معادلات ساختاری و روش‌های آزمون برآزندگی مد استفاده خواهد شد که در این فصل به معرفی و تشریح آنها پرداخته شد.
فصل چهارم : تجزیه و تحلیل یافته‌ها
۴-۱- مقدمه
تجزیه و تحلیل داده‌ها فرایندی چند مرحله‌ای است که طی آن داده‌هایی که از طریق بکارگیری ابزارهای جمع‌آوری در نمونه آماری فراهم آمده‌اند، خلاصه، دسته‌بندی و پردازش می‌شوند، تا زمینه برقراری انواع تحلیل‌ها و ارتباط‌ها بین این داده‌ها به منظور آزمون فرضیه‌ها فراهم آید. دراین فرایند داده‌ها هم از لحاظ مفهومی و هم از لحاظ تجربی پالایش می‌شوند و تکنیک‌های گوناگون آماری نقش بسزای در استنتاج‌ها و

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه با کلمات کلیدیرگرسیون، اندازه گیری، مدل رگرسیون، روایی محتوا
دسته‌ها: No category

دیدگاهتان را بنویسید