سرمایه اجتماعی ساختاری

Q12-Q17

۰٫۷۵

عدالت توزیعی

Q18-Q28

۰٫۷۸

عملکرد شغلی

Q29-Q40

۰٫۸۰

میانگین کل

۰٫۷۹

از آنجایی که ضریب آلفای محاسبه شده برای تمامی پرسشنامه در ابعاد مختلف بالاتر از ۷۰/۰ است، لذا پرسشنامه مورد نظر دارای پایایی قابل قبولی است.

روش تجزیه و تحلیل داده‌ها

برای بررسی روابط علی بین متغیرها به صورت منسجم کوشش های زیادی در دهه اخیر صورت گرفته است. یکی از این روش ها برای انجام تحلیل عامل تاییدی، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. مدل سازی معادله ساختاری یک تکنیک تحلیل چندمتغیری بسیار کلی و نیرومند از خانوانده رگرسیون چندمتغیری و به بیان دقیق تر بسط مدل خطی کلی است که به پژوهشگر امکان می­دهد مجموعه ­ای از معادلات رگرسیون رت به گونه هم زمان مورد آزمون قرار دهد. مدل سازی معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیر های مشاهده شده و متغیر های مکنون است، که گاه تحلیل ساختاری کوواریانس، مدل یابی علی و گاه نیز لیزرل^[۴۰] نامیده شده است. اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری یا به گونه خلاصه SEM^[41] است.
یک مدل کامل معادلات ساختاری شامل دو مولفه می­باشد:
مدل اندازه گیری: جزئی ازمعادلات ساختاری است که طی آن متغیرهای مکنون مشخص می­شوند. متغیرهای مکنون، متغیرهای غیرقابل مشاهده ای اند که به وسیله کواریانس میان دو یا چند شاخص نشان داده می شوند.
مدل ساختاری: جزئی از مدل ساختاری که روابط بین متغیر های مکنون را نشان می دهد. بررسی وتحلیل مدل­های اندازه گیری درمراحل اولیه مطالعات تایید مفیدی بوده چرا که می ­تواند به ارزیابی ابزار پژوهش وتوسعه سازه ها کمک کند. همچنین تحلیل مدل­های ساختاری می تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته های پژوهش کمک نموده و در طرح مطالعات آینده سهم عمده­ای داشته باشد.
براین اساس مدل سازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل می باشد. در تدوین مدل محقق با استفاده ازکلیه نظریات مرتبط، پژوهش و اطاعات در دسترس به طرح مدل می پردازد و در این مرحله مدل روابط علی بین متغیرها را توصیف می نماید. ارتباطات بین متغیرها می ­تواند مبین فرضیه­هایی باشد که روابط علی بین متغیرهای مشهود و مکنون را از فضای تئوریک استنتاج نموده اند. مرحله بعدی آزمون برازندگی ومیزان انطباق این نظریه ها با داده های تجربی است که از جامعه ای معین گرد­آوری شده اند (کلانتری, ۱۳۸۸).

معیارهای سنجش برازش مدل معادلات ساختاری

به منظور سنجش برازندگی مدل‎ها آزمون‎های گوناگونی ارائه شده است که به‎گونه کلی شاخص‎های برزاندگی نامیده می‎شوند. با وجود اینکه این آزمون‎ها پیوسته در حال مقایسه، توسعه و تکامل‎اند، اما هنوز درباره یک آزمون بهینه توافق همگانی وجود ندارد. در ادامه برخی از پرکاربردترین شاخص‌هایی که جهت آزمون برازش مدل در روش مدلسازی معادلات ساختاری استفاده می‌شود به صورت مختصر توصیف شده‌اند.
آماره کای دو (^۲χ): در مدل‎سازی معادلات ساختاری، آماره کای دو روشی سنتی برای ارزیابی برازش کل مدل می‎باشد. بر اساس این آماره، فرض صفر این است که مدل به‎گونه کامل با داده‎های جامعه آماری برازش دارد. زمانی که آماره کای دو از نظر آماری معنی‎دار باشد، منجر به رد این فرض می‎گردد و نشان می‎دهد که مدل مورد نظر از برازش کامل برخوردار نیست و مدل رد می‎شود. در آزمون کای دو، نمونه‎ های کوچک ممکن است کفایت لازم را نداشته و همچنین با نمونه‎ های بزرگ، عموماً کای دو معنی‎دار می‎شود و تقریباً بیشتر مدل‎ها رد می‎شود. از این رو، می‎باید شاخص‎های برازش دیگری را مورد استفاده قرار داد (هومن, ۱۳۸۷).
شاخص ریشه میانگین مجذور خطای تقریب^[۴۲] (RMSEA): به‎گونه کلی، زمانی که مقدار این آماره کمتر از ۰٫۰۵ باشد، نشان می‎دهد که مدل از برازش خوبی برخوردار است. در صورتی که مقدار آن بین ۰٫۰۵ تا ۰٫۰۸ باشد، برازش قابل قبول، اگر بین ۰٫۰۸ تا ۰٫۱ باشد، برازش متوسط، و اگر بزرگتر از ۰٫۱ باشد، برازش ضعیف است (هومن, ۱۳۸۷).
شاخص‎های برازش مطلق^[۴۳]: این شاخص‎ها عبارتند از: شاخص نیکویی برازش^[۴۴] (GFI)، شاخص نیکویی برازش تعدیل یافته (AGFI). مقادیر شاخص نیکویی برازش و شاخص نیکویی برازش تعدیل یافته باید بین صفر و یک باشد و مقدار بزرگتر از ۰٫۹ حاکی از برازش قابل قبول است. معمولاً برای برازش مطلق مقدار آماره GIF توصیه می‎شود (هومن, ۱۳۸۷).
شاخص‎های برازندگی نسبی: این شاخص‎ها نشان می‎دهند که تا چه حد برازش مدل نسبت به مدل خط پایه که در واقع مدل استقلال است، مناسب می‎باشد. مقادیر این شاخص‎ها، هر چه مقدار آن به ۱ نزدیکتر باشد، نشان‎دهنده برازش خوب مدل است. برخی از منابع، استفاده از شاخص NFI و شاخص برازش مقایسه‎ای (CFI) که آن را شاخص تاکر-لوئیس^[۴۵] (TLI) نیز می‎گویند را برای بررسی برازش مدل توصیه می‎کنند (هومن, ۱۳۸۷).

فصل چهارم: تجزیه و تحلیل داده‌ها

مقدمه

تجزیه و تحلیل داده‌ها فرآیندی چند مرحله‌ای است که طی آن داده‌هایی که از طریق بکارگیری ابزار جمع‌ آوری در نمونه (جامعه) آماری فراهم آمده‌اند، کدبندی و دسته‌بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط‌ها بین این داده‌ها به منظور آزمون فرضیه‌ها فراهم آید. برای تجزیه و تحلیل داده‏های جمع آوری شده و تبدیل آن‌ها به اطلاعاتی که بتوان فرضیه‏ها را آزمود باید تکنیک‌ها و فنون آماری مناسب با داده‏ها را برگزید.
در این فصل ابتدا مشارکت کنندگان در انجام این پژوهش به صورت توصیفی مورد تجزیه و تحلیل قرار گرفته و سپس به آزمون فرضیه‌ها و مدل مفهومی پژوهش با بهره گرفتن از داده‌های تجربی جمع‌ آوری شده خواهیم پرداخت.

آمار توصیفی

آمار توصیفی را عمدتاً مفاهیمی از قبیل جدول توزیع فراوانی و نسبت­های توزیع، نمایش هندسی و تصویری توزیع و نظایر آن تشکیل می­دهد. آمار توصیفی برای تبیین وضعیت پدیده یا مسئله یا موضوع مورد مطالعه مورد استفاده قرار می­­گیرد یا در واقع ویژگی­های موضوع مورد مطالعه به زبان آمار، تصویر سازی و توصیف می­گردد (حافظ‌نیا, ۱۳۸۸). در این بخش‌ها به توصیف پاسخگویان و نمونه آماری این پژوهش به واسطه ویژگی‌های جمعیت‌شناختی پرداخته می‌شود و سپس متغیرهای پژوهش از لحاظ شاخص‌های مرکزی و پراکندی توصیف می‌شوند.

جنسیت پاسخگویان

جدول و نمودار شماره ۴-۱ وضعیت نمونه مورد پژوهش را از لحاظ جنسیت نشان می‌دهد. همان‌گونه که در جدول و نمودار شماره ۴-۱ مشاهده می‌کنید، تعداد مردها در نمونه آماری بیشتر از زن‌ها بوده به نحوی که تعداد زن‌ها ۱۲ درصد و مرد‌ها ۸۸ درصد از کل نمونه می‌باشند.
جدول شماره ‏۴‑۱- مشخصات نمونه آماری از لحاظ جنسیت

جنسیت

تعداد

درصد