بعد اجتماعی

 

.۸۸۱

 

 

 

جدول ۵-۳ : آلفای کرونباخ برای کل پرسش نامه‌ها
پایان نامه - مقاله - پروژه

 

 

پرسش نامه

 

آلفای کرونباخ

 

 

 

توسعه پایدار گردشگری

 

.۸۷۳

 

 

 

سرمایه اجتماعی جامعه محلی

 

.۷۹۳

 

 

 

۱۰-۳-روش تجزیه و تحلیل داده‌ها
تجزیه و تحلیل داده‌ها فرایندی چند مرحله ای است که طی آن داده‌های بدست آمده از طریق ابزارهای جمع آوری درنمونه( جامعه) آماری، خلاصه، کدبندی، دسته بندی و… درنهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط‌ها بین این داده‌ها به منظور آزمون فرضیه‌ها فراهم آید. دراین فرایندها، داده‌ها هم ازلحاظ مفهومی و هم از لحاظ تجربی پالایش می‌شوند و فنون گوناگون آماری نقش بسزایی در استنتاج و تعمیم به عهده دارند.
تجزیه و تحلیل اطلاعات حاصل از اجرای آزمون (پرسشنامه پژوهشی) در این تحقیق به دوصورت توصیفی و استنباطی می‌باشد. اطلاعات جمعیت شناختی پرسش نامه‌ها با بهره گرفتن از آمارتوصیفی ( جدول فراوانی، میانگین، نمودار) توصیف شده ارائه شده است.
درآمار استنباطی، تجزیه و تحلیل اطلاعات آماری این پژوهش انجام می‌گیرد، آزمون‌های آماری مورد استفاده در تحقیق به شرح زیر می‌باشد:
۱ -۱۰-۳-آزمون رگرسیون خطی ساده با نرم افزار SPSS19
در رگرسیون به دنبال برآورد رابطه ای ریاضی و تحلیل آن هستیم، به طوری که با آن بتوان کمیت متغیری مجهول را با بهره گرفتن از متغیرهای معلوم تعیین کرد. رگرسیون خطی ساده یا دو متغیره به بررسی تاثیر یک متغیر مستقل بر متغیر وابسته می‌پردازد. هم چنین با بهره گرفتن از ضریب همبستگی خروجی از این آزمون به رتبه بندی روابط میان متغیرهای مستقل و وابسته پژوهش می‌پردازیم.
۲-۱۰-۳- تحلیل عاملی تاییدی مرتبه اول[۱۰۰] با نرم افزار LISREL8.8
تحلیل عاملی تاییدی اساسا یک روش آزمون فرضیه است و زمانی استفاده می‌شود که محقق بخواهد ارتباطات ساختار چند بعدی را فرضیه سازی کرده و می‌خواهد داده‌ها رابرای ساختار از پیش تعیین شده بسنجد. در تحلیل عاملی مرتبه اول مجموعه شاخص‌های هربعد منحصرا بعد مربوط به خود را اندازه گیری می‌کنند و این مطلب را که آیا شاخص‌هایی که برای معرفی هر بعد ارائه شده‌اند، واقعا معرف آن هستند و یا نه، می‌آزماید و گزارش می‌دهد که شاخص انتخابی با چه دقتی معرف یا براندازه بعد هستند. به این ترتیب احتمال خطا در مدل یابی معادلات ساختاری نهایی که ممکن است به دلیل خطای اندازه گیری هر بعد باشد، کاهش می‌یابد (حنفی زاده و رحمانی،۸۹). پس از سنجش مناسب بودن شاخص‌های پژوهش با بهره گرفتن از تحلیل عاملی تاییدی مرتبه اول، جهت تعیین سهم و رتبه هرشاخص در توسعه پایدار و سرمایه اجتماعی از بار عاملی استفاده می‌کنیم.
۳-۱۰-۳-تحلیل مدل معادلات ساختاری[۱۰۱] با نرم افزار LISREL8.8
برای بررسی روابط علی 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. مدل سازی معادله ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلی است که به پژوهشگر امکان می‌دهد مجموعه ای از معادلات رگرسیون را به گونه ای همزمان مورد آزمون قرار می‌دهد. مدل معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه‌هایی درباره روابط بین متغیرهای مشاهده شده[۱۰۲] و متغیرهای مکنون[۱۰۳] است، که گاه تحلیل ساختاری کوواریانس، مدل یابی علی و گاه نیز LISREL[104] نامیده شده است. اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری یا به گونه خلاصه SEM نامیده شده است (هومن،۱۳۸۸، ۱۱).
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 مشاهده ‌اند که بوسیله 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 می‌تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته‌های پژوهش کمک نموده و در طرح مطالعات آینده سهم عمده ای داشته باشد بر این اساس مدل سازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل می‌باشد. در تدوین مدل محقق با بهره گرفتن از کلیه نظریات مرتبط، پژوهش و اطلاعات در دسترس به طرح مدل می‌پردازد و در این مرحله مدل روابط علی بین متغیرها را توصیف می کند. ارتباط بین متغیرها می‌تواند مبین فرضیه‌هایی باشد که روابط علی بین متغیرهای مشهود و مکنون را از فضای تئوریک استنتاج نموده‌اند. مرحله بعدی آزمون برازندگی و میزان انطباق این نظریه‌ها با داده‌های تجربی است که از جامعه معین گرد آوری شده‌اند.
در بررسی بخش ساختاری مدل، روابط بین متغیرهای نهفته درونی و بیرونی (متغیرهای نهفته مستقل و وابسته) مورد توجه قرار می‌گیرند. در اینجا هدف، تشخیص این موضوع است که آیا روابط تئوریکی که بین متغیرها در مرحله تدوین چارچوب مفهومی مد نظر محقق بوده است، به وسیله داده‌ها تأیید گردیده یا نه. در رابطه با این موضوع، سه مسئله مد نظر قرار می‌گیرد.
۱) علائم (مثبت یا منفی) پارامترهای مربوط به مسیرهای ارتباطی بین متغیرهای نهفته نشان می‌دهند که آیا پارامترهای محاسبه شده جهت روابط فرضی را مورد تأیید قرار داده‌اند.
۲) مقدار پارامترهای برآورد شده نشان می‌دهد که تا چه حد روابط پیش بینی شده، قوی می‌باشند. در اینجا پارامترهای تخمینی باید معنی دار باشند (یعنی مقدار قدر مطلق t باید بیشتر از ۹۶/۱ باشد).
۳) مجذور همبستگی چندگانه () برای معادلات ساختاری، مقدار واریانس هر متغیر نهفته درونی که به وسیله متغیرهای نهفته مستقل (بیرونی) تبیین می‌شود را نشان می‌دهد. هر چه مقدار بزرگتر باشد قدرت تبیین بالای واریانس را بیان می‌کند (کلانتری, ۱۳۸۸, ص. ۱۴۰).
بنابراین ازآنجایی که در تحقیق حاضر چند متغییر مستقل وجود دارد که می‌باید اثرآن بر روی متغیروابسته مورد بررسی قرار گیرد استفاده از مدل معادلات ساختاری ضرورت می‌یابد. دراین پژوهش برای پاسخ به فرضیه‌های اصلی تحقیق از مدل معادلات ساختاری استفاده شده است. هم چنین مدل نهایی تحقیق با بهره گرفتن از شاخص‌های نکوئی نرم افزار LISREL8.8 برازش می‌شود.
۴-۱۰-۳-شاخص‌های نکوئی برازش
همچنین می‌توان بر اساس تجزیه و تحلیل عاملی تاییدی، شاخص‌های برازندگی مدل‌های پیشنهادی را اندازه‌گیری کرد. معمولا سه معیار زیر برای قضاوت در مورد معنی‌داری آماری یک مدل معادلات ساختاری در نظر گرفته می‌شود.
اولین معیار، بررسی معناداری آماری آزمون مجذور کای مربع ) و نیز مقادیر ریشه میانگین مجذورات خطای تقریب RMSEA می‌باشد.
آزمون : از این شاخص به عنوان شاخص موفقیت نام برده می‌شود. این شاخص به سادگی نشان می‌دهد که آیا بیان مدل ساختار روابط میان متغیرهای آشکار را توصیف می‌کند یا خیر. هرچقدر کوچکتر باشد بهتر است. برخی محققان معتقدند شاخص مناسب‌تری برای جایگزینی است که اگر برابر یا کمتر از ۳ باشد مطلوب است.
RMR یا RMSR: معیار میانگین اختلاف داده‌ها و ماتریس کوواریانس – واریانس باز تولید شده است. این معیار هر چقدر کوچک‌تر (زیر ۰۵/۰ بسیار عالی و زیر ۱/۰ نامناسب است) برای تناسب مدل با داده‌ها بهتر است.
معیار دوم: معنی دار بودن آماری برآوردهای هر پارامتر برای مسیرهای مدل است. مقادیر t از تقسیم برآورد هر پارامتر بر خطای استاندارد مربوط به دست می‌آمده، اگر مقدار t در خارج از ۹۶/۱ باشد مناسب است؛ یعنی معناداری در سطح ۰۵/۰ مقایسه می‌شود.
سومین معیار: به مقدار موفقیت برآورد پارامتر مربوط می‌شود و معنی دار بودن علامت مثبت و یا منفی مربوط مورد توجه قرار می‌گیرد.
سایر معیارها: معیارهای فوق بهترین معیارها در تشخیص برازندگی مدل معادلات ساختاری است البته آزمون فوق به واقع شاخص Badness Of Fit و هر چه ارزش آنها کمتر شود نشان دهنده این است که مدل برازش بهتری دارد. اما در مقابل شاخص‌های مناسب ثانوی از قبیل GFI، NFI، AGFI که شاخص‌های Goodness Of Fit هستند. در این شاخص‌ها هر چقدر ارزش بالاتر باشد مدل تناسب بهتری دارد. این شاخص‌ها مانند در رگرسیون هستند ولی این شاخص‌ها جزو آزمون‌های آماری نیستند. دامنه تغییرات این شاخص‌ها بین صفر و یک می‌باشد و برای مقادیر بالاتر از ۹/۰، قابل قبول و نشانه برازندگی مدل است(ابراهیمی ،۱۳۸۸).
۱۱-۳-جمع بندی فصل سوم
درمجموع درفصل سوم، نوع تحقیق از لحاظ هدف، روش و نوع داده‌ها و سپس روش و ابزار گردآوری داده‌ها و روایی و پایایی مربوط به ابزار گردآوری داده‌ها مورد بررسی قرارگرفت، پس از آن محاسبات مربوط به تعیین حجم نمونه ارائه گردید. مطلب دیگری که دراین فصل مورد توجه قرار گرفت، روش‌های تحلیل داده‌های گردآوری شده است. خلاصه این روش‌ها شامل عنوان و موضوع مورد بررسی توسط آنها در جدول ۶- ۳ بیان شده است.
جدول۶- ۳: روش‌های آماری پژوهش

موضوعات: بدون موضوع
[پنجشنبه 1400-07-29] [ 06:03:00 ب.ظ ]