۲- ساخت ماتریس واریانس – کوواریانس متغیرهای اندازهگیری شده
بعد از بیان مدل و جمع آوری دادهها تخمین مدل با مجموعهای از روابط شناخته شده بین متغیرهای اندازهگیری شده شروع میشود. این روابط در ماتریسی به نام ماتریس کوواریانس – واریانس یا ماتریس همبستگی مرتب میشود.
۳- ایجاد یک مجموعه ای از ماتریسها برای برنامه آموس و اجرای آن
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
در یک تخمین همزمان، به علت این که تخمین مدل ساختاری و مدل اندازهگیری به طور همزمان صورت میگیرد؛ ممکن است یک راه حل برای پارامترهای مدل ساختاری و مدل اندازهگیری به هم وابسته شوند.
بنابراین بهتر است برای جلوگیری از ابهامات تفسیری متغیرهای مکنون، ابتدا مدل اندازهگیری و سپس مدل ساختاری تخمین زده شود. (Lavee, 1988)
ج – ارزیابی تناسب یا برازش
یک مدل وقتی گفته میشود که با یکسری دادههای مشاهده شده تناسب دارد که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس دادههای مشاهده شده، معادل شده باشد. بدین معنی که ماتریس نزدیک صفر باشد. (Hoyle, 1995: 6)
گامهای موجود در این مرحله به شرح زیر است :
۱- بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟
هنگامی که یک مدلی تخمین زده میشود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد، t – value و غیره را درباره ارزیابی تناسب مدل با دادهها منتشر میکند.
اگر مدل قابل آزمون باشد ولی با دادهها به طور مناسب تناسب نداشته باشد شاخصهای اصلاحی که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند به کار گرفته میشوند؛ تا مدل متناسب با دادهها شوند. (Lavee, 1988)
مهمترین شاخص تناسب مدل آزمون است ولی به خاطر این که آزمون تحت شرایط خاصی عمل میکند و همیشه این شرایط محقق نمیشود لذا یکسری شاخصهای ثانویهای نیز ارائه میگردد.مهمترین این شاخصها عبارتند از : GFI، AGFI، RMSR
حالتهای بهینه برای این آزمونها به شرح زیر است :
آزمون هر چه کمتر باشد بهتر است، زیرا این آزمون اختلاف بین داده و مدل را نشان میدهد.
آزمون GFI و AGFI از ۹۰ درصد بایستی بیشتر باشد.
آزمون RMSEA هر چه کمتر باشد بهتر است؛ زیرا این آزمون یک معیار برای میانگین اختلاف بین دادههای مشاهده شده و دادههای مدل است. (Lavee, 1988)
د – اصلاح مدل
یکی از مهمترین جنبههای بحث انگیز مدل معادلات ساختاری اصلاح مدل است.
اصلاح مدل مستلزم تطبیق کردن یک مدل بیان شده و تخمین زده شده است که این کار از طریق آزاد کردن پارامترهایی که قبلاً ثابت بودهاند و یا ثابت کردن پارامترهایی که قبل از آن آزاد بودهاند صورت میگیرد.این مرحله را میتوان با مقایسههای تبعی یا Post Hoc در ANOVA قیاس کرد . (Hoyle, 1995: 8)
مهمترین گام موجود در این مرحله به شرح زیر است :
۱- اگر اصلاحاتی موردنیاز باشد مشخصات مدل (پارامترها) را ارزیابی کنید و مشخصات جدیدی را وارد کنید. اصلاحات این مرحله شامل شناسایی محدودیتها و اضافه کردن پارامترهای اضافی است. (Lavee, 1988)
ه - تفسیر مدل
اگر آزمونهای تناسب نشان دهند که مدل به طور کافی متناسب با دادهها میباشد دراین مرحله ما بر روی عوامل مشخص شده (پارامترهای مدل) مدل متناسب شده تمرکز مینمائیم.
در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار میگیرد. (Lavee, 1988)
آزمونها و مقایسه تخمین پارامترها و همچنین نمایش آنها مستلزم تخمینهای استاندارد شدهای است. به همین دلیل در این مرحله تخمینهای غیراستاندارد را که عمدتاً به مقیاس خود وابسته هستند را به تخمینهای استاندارد شدهای که وابسته به مقیاس خود نیستند؛ تبدیل میکنیم و این کار تا حدودی برازش و پارامترهای مدل را تحت تأثیر قرار میدهد. (Hoyle, 1995: 9)
این مرحله از مدل معادلات ساختاری دقیقاً شبیه استانداردکردن ضرایب رگرسیون ( استاندارد) در آمار میباشد.
تنها گام این مرحله به صورت زیر است :
۱- ارزیابی مدل و ضرایب پارامترهای مدل با آزمون فرض
و – ابلاغ یا نوشتن گزارش تحقیقاتی
در این مرحله نتایج مدل معادلات ساختاری به شکل نمودار مسیر ارائه میگردد. نمودار مسیر یک نمایش گرافیکی از مدل معادلات ساختاری است سه جزء اصلی این نمودار شامل مستطیلها، بیضیها و پیکانها هستند. (Hoyle, 1995: 11)
Lavee گام نهایی در هر تحقیق، گزارش نتایج تحقیق به روشی است که سایر محققین بتوانند از منطق رویهها و تجزیه و تحلیلهای تحقیق و تفسیرهای آن استفاده کنند.
فصل چهارم
گردآوری و تجزیه و تحلیل داده ها
۴-۱ آمار توصیفی
در این بخش، به توصیف ویژگیهای جمعیتشناختی پاسخ دهندگان پرداخته خواهد شد.
۴-۱-۱ آمار توصیفی جنسیت
جدول۴-۱ فراوانی مطلق و نسبی توزیع جنسیت
فراوانی نسبی درصد | فراوانی | جنسیت |
۴۳٫۱۱ | ۱۶۵ | مرد |
۵۶٫۸۸ |