دانلود پایان نامه

-متغیرهای مشاهده شده
-متغیرهای مکنون : یک سری سازه های نظری هستند مانند مفاهیم انتزاعی که مستقیما قابل مشاهده نیستند.
مدل ساختاری نیز روابط علی میان سازه ها (متغیرهای نهفته ) و قدرت تبیین آنها را نشان می دهد . این مدل به سوال های مربوط به قدرت روابط علی (مستقیم ، غیر مستقیم ، کل) بین متغیرهای نهفته و مقدار واریانس تبیین شده در کل مدل پاسخ می دهد.
هدف تحلیل عاملی تاییدی:
از کاربردی ترین مباحث در علوم اجتماعی ، اقتصادی ، مدیریت و روان شناسی است . هدف از آن : تایید راهی برای ساختن پرسشنا مه ها برای سنجش و اندازه گیری مفاهیم (متغیرهای پنهان ) است . از آنجا که متغیرهای پنهان به خودی خود قابل اندازه گیری نیستند می بایست برای آنها تعریف عملیاتی صورت داد که این تعریف عملیاتی به کمک متغیرهای آشکار صورت می گیرد. (داوری و رضا زاده ،1392)
3-7-2 معیارهای NFI ، RFI ، IFI ، CFI ، RMSEA
NFI : این شاخص به مقایسه مدل مستقل (مدلی که در آن بین متغیرها هیچ رابطه ای نیست به این مدل، مدل پایه نیز گفته میشود) با مدلی که توسط ما پیشنهاد داده میشود، میپردازد. این شاخص هرچه به عدد یک نزدیک تر باشد به این معناست که مدل پیشنهادی ما مناسب بوده است و به صورت زیر محاسبه می شود:
بطوریکه، A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند.
RFI : شاخص برازش نسبی است و مناسبت مدل ارائه شده را می سنجد و به صورت زیر محاسبه می شود:
که در فرمول فوق ، A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند. و به ترتیب نشان دهنده درجه آزادی مدل مستقل و درجه آزادی مدل پیشنهادی هستند. هرچه مقدار RFI به یک نزدیک تر باشد، مدل بهتر است.
IFI : این معیار شاخص برازش نموی است و به صورت زیر محاسبه می شود:
بطوریکه A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی و نشان دهنده درجه آزادی مدل پیشنهادی هستند. هرچه مقدار IFI به یک نزدیک تر باشد نتیجه می گیریم که مدل پیشنهادی مناسب است.
CFI: این معیار شاخص برازش مقایسه ای است و به صورت زیر محاسبه می شود:
در این فرمول نیز مقادیر A ، B ، d و همانند قبل تعریف می شوند. هرچه مقدار CFI به یک نزدیک تر باشد نتیجه می گیریم که مدل پیشنهادی مناسب است.
RMSEA : این شاخص نشان دهنده جذر میانگین مربعات خطای تقریبی است و به صورت تفاضل بین مجموع مربعات خطای کلی و مجموع مربعات خطای مدل پیشنهادی محاسبه میشود. در صورتی که مقدار RMSEA از 05/0 کمتر باشد نتیجه میگیریم مدل مناسب است. در صورتی که مقدار آن بین 05/0 تا 08/0 باشد، مدل برازش داده شده مناسب و در صورتی که از 1/0 بالاتر باشد نتیجه میگیریم که مدل برازش داده شده ضعیف است.
3-7-2 آزمون کلموگروف- اسمیرنوف
از این آزمون برای بررسی نرمال بودن مشاهدات استفاده میکنیم. فرض کنید مشاهده iام را با نمایش دهیم و فراوانی تجمعی مشاهده شده و فراوانی تجمعی مورد انتظار را به ترتیب با و نمایش می دهیم. در این آزمون، در صورتیکه n مشاهده داشته باشیم، ابتدا برای هریک از مشاهدات و ، ، را محاسبه میکنیم. سپس کمیتهای زیر را محاسبه می کنیم:
حال فرض صفر و مقابل را به صورت زیر تعریف میکنیم:
فرض صفر: (نرمال بودن مشاهدات)
فرض مقابل: مخالف فرض صفر.
حال اگر مقدار بزرگ باشد، فرض را رد میکنیم.
3-8 نرم افزار های مورد استفاده
در این تحقیق از برخی نرمافزارهای2010 Office از قبیل نرمافزار word و Excel استفاده شده است و نیز برای پردازش اطلاعات و تحلیل آن از نرم افزار Spss22, Amos استفاده شده است.
فصل چهارم: