F1

۲٫۰۳۰

۵٫۰۰۰

-.۷۵۲

-۶٫۰۱۳

-.۳۲۹

-۱٫۳۱۵

Tasvir

۲٫۰۰۰

۵٫۰۰۰

-۱٫۱۵۲

-۹٫۲۱۶

.۲۰۸

.۸۳۲

Multivariate

۹٫۰۵۲

۹٫۰۵۲

نتایج نشان از عدم شرط لازم برای برقراری نرمال چند متغیره است. این نتیجه با بهره گرفتن از سطر آخر جدول فوق قابل استنباط می باشد.گزارش سطر آخر جدول زیر نشان می‌دهد که مقدار ضریب ماردیا^[۷۲] (برای برقراری شرط نرمال چند متغیره) نیز مقداری (۰۵۲/۹) بیش از ۵۸/۲ است. بنابراین پیش‌فرض نرمال بودن چند متغیره در تحقیق حاضر برقرار نمی‌باشد.

(( 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. ))

۴-۲-۳-۲ خودگردان‌سازی
از آنجا که در پژوهش حاضر مفروضه نرمال بودن چند متغیره برقرار نیست به منظور مقایسه مدل­های مختلف با داده ­های یکسان و نیز به منظور گزینش مناسب‌ترین آنها می­توان از خودگردان‌سازی استفاده نمود. خودگردان‌سازی به عنوان روشی که مبتنی بر بازنمونه گیری با جایگذاری ^[۷۳] از یک نمونه مورد مطالعه است(نمونه ای که فرض می‌شود معرف جامعه است)، در شرایطی که در آن مفروضه­ی نرمال بودن چند متغیره نقض شده است می ­تواند به برآورد دقیق‌تر پارامترها و خطای معیار مرتبط به آنها یاری رساند (قاسمی، ۱۳۹۲) .
این روش با بهره گرفتن از قابلیت‌های نرم‌افزار AMOS Graphic قابل اجرا می‌باشد که سبب برآورده شدن پیش‌فرض نرمال بودن چند متغیره و حصول نتایج قابل اطمینان (از لحاظ صحت پارامترهای برآورد شده) در بخش برآورد پارامترهای آزاد و خطای معیار در معادلات ساختاری می‌شود.
۴-۲-۴ بررسی کفایت و تناسب داده‌ها
باتوجه به اینکه در تحقیق حاضر از روش مدل یابی معادلات ساختاری برای تجزیه و تحلیل داده‌ها استفاده می‌کنیم و یکی از پیش‌شرط‌های این روش آماری تناسب داده‌های گردآوری و کفایت حجم نمونه برای انجام تحلیل عاملی است، لذا در این بخش از تجزیه و تحلیل داده‌ها به انجام و آزمون تناسب دادها می‌پردازیم. روش مورد استفاده برای این آزمون استفاده از آزمون KMO-بارتلت^[۷۴] است. آزمون بارتلت یکی از روش‌های تشخیص مناسب بودن داده‌ها برای انجام تحلیل عاملی می‌باشد. آزمون بارتلت، این فرضیه را که ماتریس همبستگی مشاهده شده متعلق به جامعه ای با متغیرهای نابسته است، می‌آزماید. برای اینکه یک مدل عاملی، مفید و دارای معنا باشد لازم است متغیرها همبسته باشند. پس فرضیه آزمون بارتلت به اینصورت است:
فرض صفر : داده‌ها ناهمبسته اند.
فرض مقابل : داده‌ها همبسته اند.
پس مطلوب آن است که فرض صفر رد شود. اگر فرض صفر رد نشود مطلوبیت تحلیل عاملی زیر سوال می‌رود و باید درباره انجام آن تجدید نظر کرد. به همین دلیل است که قبل از تحلیل عاملی بایستی به تشکیل ماتریس همبستگی بین متغیرها اقدام کرد. آماره کای دو برای این آزمون به صورت رابطه زیر است که مقدار آن با بهره گرفتن از نرم‌افزار SPSS در جدول ۴-۸ محاسبه شده است :

که در آن n معرف تعداد آزمودنی‌ها، p تعداد متغیرها، R دترمینان ماتریس همبستگی است. این آماره که دارای توزیع مربع کای با  درجه‌ی آزادی است. مقدار اطلاعات موجود در قدر مطلق R را با بررسی رابطه بین تعداد مشاهده‌ها و تعداد متغیرها ارزشیابی می کند و احتمال خطا را برای رد کردن فرضیه صفر عدم وجود تفاوت از ماتریس همانی^[۷۵] می آزماید. ماتریس همانی ماتریسی است که همه عناصر قطری آن یک و همه عناصر غیرقطری آن صفر باشد.
در انجام تحلیل عاملی، باید از این مساله اطمینان حاصل شود که آیا می توان داده‌های موجود را برای تحلیل مورد استفاده قرار داد یا نه. بعبارت دیگر؛ آیا تعداد داده‌های مورد نظر برای تحلیل عاملی مناسب هستند یا خیر. بدین منظور از شاخص KMO^[76] و آزمون بارتلت استفاده گردیده است. براساس این دو آزمون داده‌ها زمانی برای تحلیل عاملی مناسب هستند که شاخص KMO بیشتر از ۶/۰ و نزدیک به یک و Sig آزمون بارتلت کمتر از ۰۵/۰ باشد.
توجه : در جه آزادی برای آماره کای اسکوئر در آزمون بارتلت از فرمول زیر محاسبه می‌شود که در آن p تعدا کل متغیرهای مشاهده شده (۳۰) در پرسشنامه است. همچنین مقدار آماره کای اسکوئر با بهره گرفتن از رابطه معرفی شده و از طریق نرم‌افزار SPSS محاسبه شده است.

خروجی این آزمون‌ها در جدول ۴-۸ ارائه گردیده است :