بررسی پایان نامه های انجام شده درباره بررسی تأثیر ویژگی ارتباطی برند بر اعتماد برند از طریق ...

۳۸۴

۱۰۰%

نمودار۴-۳- نمودار ستونی سابقه مشتری پاسخگویان
نتایج حاصل از بررسی پرسشنامه ها نشان می دهد که اکثر پاسخ دهندگان بین ۱۰-۵ سال دارای سابقه مشتری بوده اند.
۴-۴- آمار استنباطی
این نوع آمار از اوایل قرن بیستم مطرح شد. در این نوع آمار محقق با بهره گرفتن از مقادیر نمونه آماره ها را محاسبه می کند، سپس به کمک تخمین و آزمون فرض آماری، آماره ها به پارامترهای جامعه تعمیم داده می شود. بطور کلی در بحث آماری، هرجا سخن از استنباط و استنتاج باشد، آن را آمار استنباطی می خوانند.
۴-۴-۱- مدل معادلات ساختاری
در این پژوهش،برخی تحلیل های آماری بااستفاده از تحلیل عاملی تأییدی، روش تحلیل مسیرو با نرم افزار لیزرل انجام گرفته است. لیزرل شامل دو الگوی اندازه گیری و الگوی ساختاری است. الگوی اندازه گیری(تحلیل عاملی تأییدی) مشخص می کند که چگونه متغیرهای نهان بر حسب متغیرهای قابل مشاهده، سنجش می شود و اعتبار و روایی آن ها به چه میزان می باشد. از طرف دیگر، الگوی ساختاری(تحلیل مسیر)، روابط علّی(تأثیر) بین متغیرهای نهان را در چارچوب مفهومی تحقیق مشخص می کند. زمانی یک الگو از برازش مناسب برخوردار خواهد بود که از RMRوRMSEA پایینی برخوردار بوده و نیز شاخص هایCFI, NNFI, GFIAGFI, آن از ۹۰ درصد بیشتر باشد. چنانچه مقادیر بحرانی ضرایب مسیر از عدد ۲ بزرگتر و از عدد ۲- کوچکتر باشد، رابطه موجود در الگوی تحقیق، معنادار خواهد بود.
درادامه به توضیح چند شاخص مهم ذکر شده پرداخته می شود، سپس محاسبات ارائه می شود.
معیار RMSEA^[19]
ریشه میانگین مجذورات تقریب می باشد. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است.مقدار RMSEA که به واقع همان آزمون انحراف هر درجه آزادی است، برای مدلهایی که برازندگی خوبی داشته باشد، کمتر از ۰٫۰۵ است. مقادیر بالاتر از آن تا ۰٫۰۸ نشان دهنده خطای معقولی برای تقریب در جامعه است. مدلهایی که RMAEAآنها ۰٫۱ یا بیشتر باشد برازش ضعیفی دارد.

معیارهایCFI^[20]،NNFI^[21]،^[۲۲]NFI
شاخص NFIکه شاخص بنتلر-بونتهم نامیده می شود. بنتلروبونت(۱۹۸۰) مقادیر برابر یا بزرگتر از ۰٫۹ را در مقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدل های نظری توصیه کرده اند، در حالی که برخی از پژوهشگران نقطه برش ۰٫۸۰ را به کار می برند. شاخص دیگر،شاخص تاکر-لویز است که در بیشتر موارد شاخص نرم شده برازندگی(NNFI) نامیده می شود. این شاخص مشابه NFI است اما برای پیچیدگی مدل جریمه می پردازد. چون دامنه این مدل محدود به صفر و یک نیست تفسیر آن نسبت به NFI دشوارتر است. شاخصCFI بزرگتر از ۰٫۹قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی موردنظر، مقدار بهبود را نیز می آزماید. شاخصCFI از لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.
معیارهای ^[۲۳]AGFI و GFI^[24]
لیزرل یک شاخص نیکویی برازش (نسبت مجموع مجذورات تبیین شده توسط مدل به کل مجموع مجذورات ماتریس برآورد شده در جامعه) محاسبه می کند. این شاخص از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک، متغیر هستند، گرچه از لحاظ نظری ممکن است منفی باشند (البته نباید چنین اتفاقی بیفتد؛ چرا که حاکی از عدم برازش قطعی مدل با داده هاست). هر چه AGFI و GFI به عدد یک نزدیکتر باشند، نیکویی برازش مدل با داده های مشاهده شده بیشتر است.
معیارRMR^[25]
این معیار تحت عنوان ریشه میانگین مجذور باقیمانده (شاخصی برای واریانس باقیمانده در برازش هر پارامتر به داده های نمونه) و یا تحت عنوان متوسط باقیمانده های گزارش شده در مدل، بیان می شود(سرمد و همکاران،۱۳۸۰).معیار RMR معیاری است برای اندازه گیری متوسط باقیمانده ها و تنها در ارتباط با واریانس ها و کوواریانس ها قابل تغییر است. در مدلی که نیکویی برازش خوبی دارد، این باقیمانده ها بسیار کوچکند پس به طور خلاصه این معیار هر قدر کوچکتر باشد(به صفر نزدیکتر باشد) حاکی از برازش بهتر مدل است(صیادآذری، ۱۳۸۹).
جدول ۴-۴- شاخص های معنی داری و برازش مدل