۵- گردآوری داده ها
۶- آزمون مدل
۷- ارزیابی مدل
۸- اصلاح مدل
۹- تائید مدل نهایی
در الگوی معادلات ساختاری روش کار بدین صورت است که :

1. 1. 1. مشخص کردن الگویی بر پایه یک نظریه : الگو یا مدل، یک عبارت آماری درباره روابط بین متغیرها است. این الگوها در زمینه رویکردهای مختلف تحلیلی، شکل های مختلفی به خود می گیرند. برای نمونه یک مدل در زمینه همبستگی معمولا روابط غیرجهت داری را دو طرفه بین دو متغیر نشان می دهد؛ در حالیکه رگرسیون چندگانه و تحلیل واریانس مدل هایی را با روابط جهت دار بین متغیرها نشان می دهد. در این مرحله یک الگو یا مدل بر اساس ترجمان یک نظریه به معادلات ساختاری یا ریاضی تهیه می شود. یعنی ابتدا باید یک نمودار مسیر را ترسیم کنیم و روابط علی بین متغیرها را نشان دهیم. بعد از مشخص کردن متغیرهای پنهان باید شاخص ها یا متغیرهای مشاهده شده مناسبی را انتخاب و به آنها وصل کنیم. بهتر است از چندین شاخص به جای یک شاخص برای اندازه گیری متغیر پنهان استفاده شود و این کار به کمک تعریف مفهومی و عملیاتی صورت می گیرد.

   

1. 1. ارزیابی حالت تعیین مدل یا الگو: براساس این که مدل باید مستلزم شرایطی برای بدست آوردن یک راه حل منحصر به فرد برای پارامترهای بیان شده باشد.

1. 1. ارائه تخمین برای الگوی پیشنهادی: بدست آوردن تخمین پارامترهای آزاد از روی مجموع داده های مشاهده شده که شامل فرآیندهای تکراری است که در هر تکرار یک ماتریس کوواریانس ضمنی^[۲۲]ساخته می شود و با ماتریس کوواریانس داده های مشاهده شده مقایسه می گردد. مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده می شود و این تکرارها تا جایی ادامه می یابد که این ماتریس باقیمانده به حداقل ممکن برسد.

1. 1. ارزیابی تناسب یا برازش الگو یا مدل: زمانی الگو یا مدل با داده های مشاهده شده تناسب دارد که ماتریس کوواریانس ضمنی با ماتریس کوواریانس داده های مشاهده شده، معادل باشد. بدین معنی که ماتریس باقیمانده نزدیک صفر باشد. مهم ترین گام موجود در این مرحله عبارت است از : بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟ هنگامی که مدلی تخمین زده می شود، برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد و غیره را درباره ارزیابی تناسب مدل با داده ها منتشر می کند.

1. 1. اصلاح مدل: تطبیق مدل بیان شده و تخمین زده شده از طریق آزادکردن پارامترهایی که قبلا ثابت بوده اند یا ثابت کردن پارامترهایی که قبل از آن آزاد بوده اند.

1. 1. تفسیرمدل: اگر آزمون های تناسب نشان دهند که مدل به طور کافی متناسب با داده ها می باشد، در این مرحله ما بر روی عوامل مشخص شده (پارامترهای مدل) مدل متناسب شده تمرکز می نماییم. در این مرحله، معناداری پارامترهای مدل، مورد ارزیابی قرار می گیرد. البته نمی توان انتظار داشت که یک الگوی ساختاری به گونه ای کامل همسان گردد، زیرا الگوهای معادله ساختاری را نمی توان به طور مطلق پذیرفت. در واقع تنها می توان آنها را رد نکرد و یک الگوی بخصوص را به گونه موقتی پذیرفت، زیرا در بیشتر موارد الگوهای هم ارز و معادلی وجود دارد که به همان اندازه الگوی پذیرفته شده موقت، با داده ها همسان است. باید توجه داشت که الگو با داده های ارائه شده به خوبی همخوانی داشته باشد. در معادلات ساختاری، میزان تأثیر یک متغیر با اثرگذاری آنان بر یکدیگر و با بهره گرفتن از ضریب همبستگی نشان داده می شود.

«تجزیه و تحلیل ساختارهای کوواریانس» یا همان «مدل یابی معادلات ساختاری»، یکی از اصلی ترین روش های تجزیه و تحلیل ساختار داده های پیچیده و یکی از روش های نو برای بررسی روابط علت و معلولی است و به معنی تجزیه و تحلیل متغیرهای مختلفی است که در یک ساختار مبتنی بر تئوری، تأثیرات همزمان متغیرها را به هم نشان می دهد. از طریق این روش می توان قابل قبول بودن مدل های نظری را در جامعه های خاص با بهره گرفتن از داده های همبستگی^[۲۳]، غیر آزمایشی و آزمایشی آزمود (سرمد و همکاران، ۱۳۸۸ : ۲۷۷).
نرم افزار Lisrel
لیزرل یک محصول نرم افزاری است که به منظور برآورد و آزمون مدلهای معادلات ساختاری طراحی و از سوی “شرکت بین المللی نرم افزار علمی^[۲۴] ” به بازار عرضه شده است. این نرم افزار با بهره گرفتن از همبستگی و کوواریانس اندازه گیری شده، می تواند مقادیر بارهای عاملی^[۲۵]، واریانسها و خطاهای متغیرهای مکنون را برآورد یا استنباط کند و از آن می توان برای اجرای تحلیل عاملی اکتشافی^[۲۶]، تحلیل عاملی مرتبه دوم^[۲۷]، تحلیل عاملی تأییدی و همچنین تحلیل مسیر^[۲۸] (مدل یابی علت و معلولی با متغیرهای مکنون) استفاده کرد.
لیزرل یا مدل یابی معادلات، یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط ” مدل خطی کلی^[۲۹] ” است که به پژوهشگر امکان می دهد مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری یک رویکرد جامع برای آزمون فرضیه هایی درباره روابط متغیرهای مشاهده شده و مکنون است که گاه تحلیل ساختاری کوواریانس، مدل یابی علّی و گاه نیز لیزرل نامیده شده است، اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری است (هومن، ۱۳۸۴ :۲۳۵).
موارد کاربرد روش لیزرل
روش لیزرل ضمن آنکه ضرایب مجهول مجموعه معادلات ساختاری خطی را برآورد می کند برای برازش مدلهایی که شامل متغیرهای مکنون، خطاهای اندازه گیری در هر یک از متغیرهای وابسته و مستقل، علیت دو سویه، هم زمانی و وابستگی متقابل می باشد طرح ریزی گردیده است. اما این روش را می توان به عنوان موارد خاصی برای روش های تحلیل عاملی تاییدی، تحلیل رگرسیون چند متغیری، تحلیل مسیر، مدلهای اقتصادی خاص داده های وابسته به زمان، مدلهای برگشت پذیر^[۳۰] و برگشت ناپذیر برای داده های مقطعی^[۳۱] / داده های طولی^[۳۲]، مدلهای ساختاری کوواریانس و تحلیل چند نمونه ای^[۳۳] (مانند آزمون فرضیه های برابری ماتریس کوواریانس ها، برابری ماتریس همبستگی ها، برابری معادلات و ساختارهای عاملی و غیره) نیز به کار برد (مسعودی، ۱۳۹۱ : ۶).
تحلیل عاملی اکتشافی و تأییدی
تحلیل عاملی می تواند دو صورت اکتشافی و تاییدی داشته باشد. اینکه کدام یک از این دو روش باید در تحلیل عاملی به کار رود مبتنی بر هدف تحلیل داده هاست. در تحلیل عاملی اکتشافی، پژوهشگر به دنبال بررسی داده های تجربی به منظور کشف و شناسایی شاخص ها و نیز روابط بین آنهاست و این کار را بدون تحمیل هر گونه مدل معینی انجام می دهد. به بیان دیگر تحلیل اکتشافی علاوه بر آنکه ارزش تجسسی یا پیشنهادی دارد می تواند ساختارساز، مدل ساز یا فرضیه ساز باشد.
تحلیل اکتشافی وقتی به کار می رود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل های زیربنایی داده ها نداشته و به واقع مایل باشد درباره تعیین تعداد یا ماهیت عامل هایی که همپراشی^[۳۴] بین متغیرها را توجیه می کنند داده ها را بکاود. بنابر این تحلیل اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری و نه یک روش آزمون تئوری در نظر گرفته می شود.
تحلیل عاملی اکتشافی روشی است که اغلب برای کشف و اندازه گیری منابع مکنون پراش^[۳۵] و همپراش در اندازه گیری های مشاهده شده به کار می رود. پژوهشگران به این واقعیت پی برده اند که تحلیل عاملی اکتشافی می تواند در مراحل اولیه تجربه یا پرورش تستها کاملا مفید باشد. توانشهای ذهنی نخستین ترستون^[۳۶] ، ساختار هوش گیلفورد^[۳۷] نمونه های خوبی برای این مطلب می باشند. اما هر چه دانش بیشتری درباره طبیعت اندازه گیری های روانی و اجتماعی به دست آید ممکن است کمتر به عنوان یک ابزار مفید به کار رود و حتی ممکن است بازدارنده نیز باشد.
از سوی دیگر بیشتر مطالعات ممکن است تا حدی هم اکتشافی و هم تاییدی باشند زیرا شامل متغیر معلوم و تعدادی متغیر مجهول اند. متغیرهای معلوم را باید با دقت زیادی انتخاب کرد تا حتی الامکان درباره متغیرهای نامعلومی که استخراج می شود اطلاعات بیشتری فراهم آید. مطلوب آن است که فرضیه ای که از طریق روش های تحلیل اکتشافی تدوین می شود از طریق قرار گرفتن در معرض روش های آماری دقیق تر تایید یا رد شود. تحلیل اکتشافی نیازمند نمونه هایی با حجم بسیار زیاد می باشد.
در تحلیل عاملی تأییدی، پژوهشگر به دنبال تهیه مدلی است که فرض می شود داده های تجربی را بر پایه چند پارامتر نسبتا اندک، توصیف، تبیین یا توجیه می کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده ها است که می تواند به شکل: ۱) یک تئوری یا فرضیه ۲) یک طرح طبقه بندی کننده معین برای شاخص ها در انطباق با ویژگی های عینی شکل و محتوا ۳)شرایط معلوم تجربی و یا ۴) دانش حاصل از مطالعات قبلی درباره داده های وسیع باشد.
تمایز مهم روش های تحلیل اکتشافی و تأییدی در این است که روش اکتشافی با صرفه ترین روش تبیین واریانس مشترک زیربنایی یک ماتریس همبستگی را مشخص می کند. در حالی که روش های تاییدی (آزمون فرضیه) تعیین می کنند که داده ها با یک ساختار عاملی معین (که در فرضیه آمده) هماهنگ اند یا نه (هومن، ۱۳۸۴: ۲۴۴).
۳-۸) خلاصه فصل سوم
روش پژوهش علمی کلیه مراحل نظاممند جمع آوری داده ها، طبقه بندی و تجزیه و تحلیل منطقی آنها برای رسیدن به هدف پژوهش را در بر میگیرد که در این فرایند یک عمل یا یک موقعیت نامعین، مشخص میشود. در فصل حاضر روش پژوهش استفاده شده توسط محقق تشریح شد. به این ترتیب که زمینه های پژوهش تشریح شد، پس از آن، جامعه و نمونه آماری و روش جمعآوری اطلاعات از نمونه انتخاب شده و روایی و پایایی پرسشنامه توضیح داده شد. در انتهای فصل نیز شیوه تجزیه و تحلیل در پژوهش مورد برسی قرار گرفت.
فصل چهارم: تجزیه و تحلیل داده ها
فصل چهارم:
تجزیه و تحلیل داده ها
۴-۱ مقدمه
در هر پژوهش تحلیل نتایج به دست آمده از مرحله گردآوری اطلاعات یکی از مهمترین کارها است، چرا که دستاورد تحقیق چند ماهه و حتی چند ساله محقق که حاصل مطالعات نظری، پیشینه پژوهش‌های دیگر، تهیه ابزار گردآوری داده‌ها، رفتن به میدان و جمع‌ آوری اطلاعات می باشد، به آزمون گذاشته می‌شود و برای او آشکار می‌شود که پیش‌فرض‌های حاصل از مطالعاتش تا چه حد معتبر و دقیق بوده‌اند (هومن، ۱۲:۱۳۸۴).
این بخش از پژوهش به دو قسمت تقسیم شده است:
۱- توصیف داده‌ها ۲- تحلیل داده‌ها
در بخش اول با بهره گرفتن از جداول فراوانی و آماره‌های توصیفی، متغیرهای جمعیت شناختی تحلیل می شوند، در بخش دوم فرض نرمال بودن متغیرهای تحقیق با بهره گرفتن از آزمون کولموگروف-اسمیرنوف بررسی شده، برای بررسی فرضیه های پژوهش از نرم افزار معادلات ساختاری لیزرل مورد استفاده قرار گرفته است
۴-۲) آمار توصیفی
بررسی سن پاسخ گویان: همانطور که جدول زیر نشان می دهد بیشترین گروه سنی را افراد بین ۳۰ تا ۴۰ سال به خود اختصاص داده اند.
جدول ۴-۱) توزیع فراوانی پاسخگویان بر حسب سن