۷۴۲/۰

هزینه­ های پیشگیری

۷۷۰/۰

هزینه­ های ارزیابی

۷۹۳/۰

هزینه­ های شکست درونی

۸۴۰/۰

هزینه­ های شکست بیرونی

۷۶۶/۰

از آنجایی که مقدار بدست آمده آلفای کرونباخ برای همه متغیرهای پژوهش بالای ۷/۰ می­باشد می­توان گفت پرسشنامه ­ها از پایایی قابل قبولی برخوردارند.

۳-۸- مقیاس­های مورد استفاده
یکی از مراحل اساسی در پژوهش، اندازه ­گیری است. اندازه ­گیری روشی است که از طریق آن به یک صفت یا یک ویژگی با توجه به ملاک مشخص، عددی نسبت داده می‌شود. مقیاس­ها به چهار دسته کلی تقسیم می‌شوند (دلاور، ۱۳۸۳): مقیاس اسمی، مقیاس رتبه‌ای، مقیاس فاصله‌ای و مقیاس نسبی. در این پژوهش از مقیاس رتبه ای استفاده شده که بدین منظور برای طراحی گزینه­ های پرسشنامه از طیف لیکرت ۵ گزینه­ای استفاده شده است.
۳-۹- آزمون­های آماری
پس از اینکه پژوهشگر روش پژوهش خود را مشخص کرد و با بهره گرفتن از ابزارهای مناسب، داده ­های مورد نیاز را برای آزمون فرضیه ­های خود جمع­آوری کرد، اکنون نوبت آن است که با بهره­ گیری از تکنیک­های آماری مناسب که با روش پژوهش، نوع متغیرها و … سازگاری دارد، داده ­های جمع­آوری شده را دسته­بندی و تجزیه و تحلیل نماید و در نهایت فرضیه­هایی که تا این مرحله او را در پژوهش هدایت کرده ­اند، در بوته آزمایش قرار دهد و تکلیف آنها را روشن کند و سرانجام بتواند پاسخی برای پرسشی که پژوهش تلاشی سیستماتیک برای به دست آوردن آن بود، بیابد (خاکی، ۱۳۸۷).
در این پژوهش به دو روش توصیفی و استنباطی به تحلیل داده ­های به دست آمده از محل پرسشنامه پرداخته شده است. برای تحلیل داده ­ها در این پژوهش در سطح توصیفی و توصیف داده ­های بدست آمده از نرم افزار آماری SPSS نسخه ۲۰ و در سطح استنباطی و برای آزمودن فرضیه ­های پژوهش از نرم افزار LISREL و روش معادلات ساختار­یافته استفاده شده است.
به منظور تحلیل داده ­های پژوهش از تحلیل­های گوناگون استفاده شده است. در مرحله اول نرمال بودن داده ها با بهره گرفتن از آزمون کولموگروف – اسمیرنوف مورد بررسی قرار می­گیرد و در صورتیکه داده ­ها نرمال باشند از آمار پارامتریک و در صورتیکه غیر نرمال باشند از آمار ناپارامتریک استفاده می­کنیم. در مرحله بعد روایی سازه متغیرهای پژوهش و شاخص­ های منتج از آنها با بهره گرفتن از آزمون تحلیل عاملی تأییدی مورد بررسی قرار میگیرد. با بهره گرفتن از مدل معادلات ساختاری که در حقیقت آمیزه­ای از نمودار تحلیل مسیر و تحلیل عاملی تأییدی است، آزمون مقایسه زوجی و آنالیز واریانس، به آزمون فرضیه ­های پژوهش پرداخته می­ شود.
۳-۹-۱- مدل­سازی معادلات ساختاری
برای بررسی روابط علّی بین متغیرها به صورت منسجم کوشش­های زیادی در دهه اخیر صورت گرفته است. یکی از این روش­ها برای انجام تحلیل عاملی تاییدی، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. مدل­سازی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق­تر بسط مدل خطی کلی است که به پژوهشگر امکان می­دهد مجموعه ­ای از معادلات رگرسیون را به گونه ­ای همزمان مورد آزمون قرار دهد. مدل معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه­هایی درباره روابط بین متغیرهای مشاهده شده^[۶۲] و متغیرهای مکنون^[۶۳] است، که گاه تحلیل ساختاری کوواریانس، مدل­یابی علّی و گاه نیز LISREL^[64] نامیده می­ شود. اما اصطلاح غالب در این روزها، مدل یابی معادلات ساختاری یا به گونه خلاصه SEM^[65] می­باشد (هومن، ۱۳۸۸). یک مدل کامل معادلات ساختاری شامل دو مولفه می­گردد:
الف) مدل اندازه ­گیری: جزئی از معادلات ساختاری که طی آن متغیرهای مکنون مشخص می­شوند. متغیرهای مکنون، متغیرهای قابل مشاهده­ای­اند که به وسیله کواریانس میان دو یا چند شاخص نشان داده می­شوند.
ب) مدل ساختاری: جزئی از مدل ساختاری که روابط بین متغیرهای مکنون را نشان می­دهد.
بررسی و تحلیل مدل­های اندازه ­گیری در مراحل اولیه مطالعات تاییدی مفید بوده چرا که می ­تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته­های پژوهش کمک نماید و در طرح مطالعات آینده سهم عمده­ای داشته باشد. بر این اساس مدل­سازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل می­باشد. در تدوین مدل، پژوهشگر با بهره گرفتن از کلیه نظریات مرتبط، پژوهش و اطلاعات در دسترس، به طرح مدل می ­پردازد و در این مرحله مدل روابط علّی بین متغیرها را توصیف می­نماید. ارتباط بین متغیرها می ­تواند مبیّن فرضیه هایی باشد که روابط علّی بین متغیرهای مشهود و مکنون را از فضای تئوریک استنتاج نموده ­اند. مرحله بعدی آزمون برازندگی و میزان انطباق این نظریه ­ها با داده ­های تجربی است که از جامعه معیّن گردآوری شده ­اند و در بررسی بخش ساختاری مدل، روابط بین متغیرهای نهفته درونی و بیرونی (متغیرهای نهفته مستقل و وابسته) مورد توجه قرار می­گیرند (دانشگر، ۱۳۹۰).
۳-۹-۲- تحلیل عاملی
تحلیل عاملی می ­تواند به دو دسته اکتشافی و تاییدی تقسیم شود.
۳-۹-۳- تحلیل عاملی اکتشافی
روشی است که اغلب برای کشف و اندازه ­گیری منابع مکنون پراش و همپراش در اندازه ­گیری­های مشاهده شده به کار می­رود. پژوهشگران به این واقعیت پی برده­اند که تحلیل عاملی اکتشافی می ­تواند در مراحل اولیه تجربه یا پرورش تست­ها کاملاً مفید باشد. در تحلیل اکتشافی، پژوهش در صدد بررسی داده ­های تجربی به منظور کشف و شناسایی شاخص­ های ویژه و نیز روابط جالب بین آنهاست و این کار را بدون تحمیل هر گونه مدل معیّنی بر روی داده ­ها انجام می­دهد. به بیان دیگر تحلیل اکتشافی علاوه بر آنکه ارزش تجسسی یا پیشنهادی دارد، میتواند ساختارساز، مدل­ساز یا فرضیه­ساز باشد و یا فرضیه­هایی تدوین کند که نسبت به سایر روش­های چند متغیری، آزمایش عینی­تری داشته باشد. تحلیل اکتشافی وقتی به کار می­رود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل­های زیر بنایی نداشته باشد. بنابراین تحلیل اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری در نظر گرفته می­ شود تا یک روش آزمون تئوری. ویژگی بارز تحلیل عاملی اکتشافی در ارتباط با مدل­یابی معادلات ساختاری آن است که در بیشتر پژوهش­ها از آن برای استخراج عامل­های متعامد، یعنی عامل­های مستقل و بدون وابستگی به یکدیگر استفاده می­ شود (هومن، ۱۳۸۸).
۳-۹-۴- تحلیل عاملی تاییدی
برای بررسی روابط بین متغیرها به صورت منسجم کوشش های زیادی در دهه اخیر صورت گرفته است. یکی از این روش­ها برای انجام تحلیل عاملی تاییدی، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. مدل­سازی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند­متغیری و به بیان دقیق­تر بسط مدل خطی کلی است که به پژوهشگر امکان می­دهد مجموعه ­ای از معادلات رگرسیون را به گونه ­ای همزمان مورد آزمون قرار دهد. مدل معادلات ساختاری، رویکرد آماری جامع برای آزمون فرضیه­هایی درباره روابط بین متغیرهای مشاهده شده و متغیرهای مکنون است، که گاه تحلیل ساختاری کوواریانس، مدل­یابی علّی و گاه نیز LISREL نامیده می­ شود. اما اصطلاح غالب در این روزها، مدل­یابی معادلات ساختاری یا به گونه خلاصه SEM نامیده می­ شود (هومن، ۱۳۸۸).
مهم­ترین هدف در تحلیل عاملی تاییدی، تعیین میزان توان مدل عامل از قبل تعریف شده با مجموعه ­ای از داده ­های مشاهده شده است. به عبارتی تحلیل عاملی تاییدی در صدد تعیین این مسئله است که آیا تعداد عامل ها و بارهای متغیرهایی که روی این عامل اندازه ­گیری شده ­اند با آن چه که بر اساس تئوری و مدل، انتظار میرفت، انطباق دارد. در این روش ابتدا متغیرها و شاخص­ های مربوط بر اساس تئوری اولیه انتخاب می­شوند و سپس از تحلیل عاملی استفاده می­ شود که آیا این متغیرها و شاخصه­ها آن طور که پیش ­بینی شده بار (لود) میشوند یا اینکه ترکیب آنها عوض می­ شود و روی عامل­های دیگر بار می­شوند. در این پژوهش با توجه به توضیحات داده شده از تحلیل عاملی تاییدی استفاده می­ شود.
۳-۹-۵- شاخص KMO
شاخصی از کفایت نمونه گیری است که کوچک بودن همبستگی جزیی بین متغیرها را بررسی می­ کند و از این طریق مشخص می­سازد آیا واریانس متغیرهای پژوهش، تحت تأثیر واریانس مشترک برخی عامل­های پنهانی و اساسی است یا خیر. این شاخص در دامنه صفر تا یک قرار دارد. اگر مقدار شاخص نزدیک به یک باشد، داده ­های مورد نظر برای تحلیل عاملی مناسب هستند و در غیر این صورت (معمولاً کمتر از ۶/۰) نتایج تحلیل عاملی برای داده ­های مورد نظر چندان مناسب نمی­باشند.
۳-۹-۶- آزمون کرویت بارتلت
این آزمون بررسی می کند چه هنگام ماتریس همبستگی، شناخته شده (از نظر ریاضی ماتریس واحد و همانی) است و بنابراین برای شناسایی ساختار (مدل عاملی) نامناسب می­باشد. ماتریس همبستگی دارای دو حالت است: حالت اول زمانی که ماتریس همبستگی بین متغیرها، یک ماتریس واحد و همانی می­باشد، در این صورت متغیرها ارتباط معنی داری با هم نداشته و در نتیجه امکان شناسایی عامل­های جدید، براساس همبستگی متغیرها با یکدیگر وجود ندارد. حالت دوم زمانی که ماتریس همبستگی بین متغیرها یک ماتریس واحد و همانی نباشد، که در این صورت ارتباط معنی داری بین متغیرها وجود داشته و بنابراین امکان شناسایی و تعریف عامل­های جدیدی براساس همبستگی متغیرها وجود دارد. اگر معنی داری (Significance) آزمون بارتلت کوچک تر از ۵% ، () باشد تحلیل عاملی برای شناسایی ساختار (مدل عاملی) مناسب است، زیرا فرض شناخته شده بودن ماتریس همبستگی رد می­ شود. (مومنی و فعال قیومی، ۱۳۹۱). نتایج این شاخص ­ها در جدول ۳-۳ آمده است. همانطور که در جدول ۳-۳ نیز مشاهده می‌شود، از آنجایی که مقدار شاخص KMO بیشتر از ۶/۰ است تعداد نمونه (در اینجا همان تعداد پاسخ ­دهندگان) برای تحلیل عاملی کافی می­باشد. همچنین مقدار معناداری (Sig) آزمون بارتلت، کوچک تر از ۵ درصد است که نشان می­دهد تحلیل عاملی برای شناسایی ساختار مدل عاملی، مناسب است.
جدول ۳-۴- نتایج آزمون کرویت بارتلت و KMO جهت بررسی کفایت عوامل پرسشنامه

ابعاد

KMO

Sig

فناوری اطلاعات

۶۵۸/۰

۰۰۰/۰