۸۸۷۵/۲
۲۳۰۵۷/۱
۵۱۴/۱
نمودار۴-۱۵) هیستوگرام متغیر استفاده از ICT
با توجه به جدول و نمودار ۴-۱۵ مشاهده می شود که متغیر استفاده از ICT دارای کمترین مقدار ۱ ، بیشترین ۵ ، میانگین ۸۸۷۵/۲ ، انحراف معیار ۲۳۰۵۷/۱ و واریانس ۵۱۴/۱ است.
۴-۴- مدل های تحقیق :
۴-۴-۱- مدل پایه تحقیق درحالت استاندارد :
با بهره گرفتن از این حالت می توان به میزان شدت ارتباط بین دو متغیر مکنون در مدل پی برد و از روی آن در مورد تاثیر متغیر ها بر همدیگراظهار نظر نمود.
نمودار ۴-۱۶) مدل پایه تحقیق درحالت استاندارد
۴-۴-۲- مدل پایه تحقیق درحالت اعداد معنی داری :
با بهره گرفتن از این حالت می توان به معنی دار بودن ارتباط بین دو متغیر مکنون در مدل پی برد واز روی آن در مورد رد یا پذیرش فرضیه های تحقیق اظهار نظرنمود. در رابطه با معنی داری اعداد ، باید گفت از آنجایی که در این تحقیق در سطح اطمینان ۹۵/۰ یا خطای ۰۵/۰ به دنبال آزمون فرضیات هستیم. برای آزمون t اعدادی معنی دار خواهند بود که خارج ازبازه ( ۹۶/۱ و ۹۶/۱- ) باشند. به این معنی که اگر در آزمون t عددی بین ۹۶/۱ و ۹۶/۱- باشد بی معنا خواهد بود.
نمودار ۴-۱۷) مدل پایه تحقیق درحالت اعداد معنی داری
۴-۴-۳- بررسی شاخص های معنی داری و برازش مدل :
به منظور تحلیل داده ها و آزمون فرضیه های تحقیق از روش مدل یابی معادلات ساختاری استفاده شده است. مدل یابی معادلات ساختاری یک تکنیک چند متغیری و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلی است که به محقق امکان می دهد مجموع هایی ازمعادلات رگرسیون را به گونه همزمان مورد آزمون قرار دهد. مدل یابی معادلات ساختاری یک رویکردآماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده و مکنون است، که به عنوان تحلیل ساختاری کوواریانس، مدل یابی علّی و همچنین لیزرل نامیده شده است، اما اصطلاح غالب مدل یابی معادله ساختاری[۱۰۱] یا به طورخلاصه SEM می باشد.این واژه به یک سری مدل های عمومی اشاره می کند که شامل تحلیل عاملی تاییدی ،مدل های ساختاری همزمان کلاسیک،تحلیل مسیر، رگرسیون چندگانه و سایر روش های آماری است. پس از معین شدن مدل، طرق متعددی برای برآورد نیکویی برازش کلی مدل با داده های مشاهده شده وجود دارد. به طور کلی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد ولی معمولاً برای تأیید مدل، استفاده از ۳ تا ۵ شاخص کافی است.در ادامه به توضیح چند شاخص مهم پرداخته می شود.
الف) معیار RMSEA[102]
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 مدل هایی که برازندگی خوبی داشته باشد، کمتر از ۰٫۰۵ است. مقادیر بالاتر از آن تا ۰۸/۰ نشان دهنده خطای معقولی برای تقریب درجامعه است. مدل هایی که RMAEA آنها ۱/۰ یا بیشتر باشد برازش ضعیفی دارد.
ب) معیارهای [۱۰۳]CFI ،[۱۰۴]NNFI ،NFI[105]
شاخص NFI که شاخص بنتلر-بونت هم نامیده می شود. بنتلر و بونت ( ۱۹۸۰ ) مقادیر برابر یا بزرگتر از ۹/۰ را در مقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدل های نظری توصیه کرده اند، در حالیکه برخی از پژوهشگران نقطه برش ۸/۰ 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 صفرو یک نیست تفسیر آن نسبت به NFI دشوارتر است. شاخص CFI بزرگتر از ۹/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص ازطریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می آزماید. شاخص CFI از لحاظ معنا مانندNFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.
ج) معیار[۱۰۶]GFI
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 GFI به عدد یک نزدیکتر باشد، نیکویی برازش مدل با داده های مشاهده شده بیشتر است .
جدول زیر معرف انواع شاخص های برازش و معنی داری مدل می باشد.
جدول۴-۱۶) شاخص های برازش مدل های تحقیق
مدل کلی
شاخص
مقدار مطلوب
مقدار بدست آمده
نتیجه
RMSEA
۱/۰≥& ≥۰
۰۸۵/۰
تائید
۵≥& ≥۱
۲۶/۳
|
[یکشنبه 1400-08-02] [ 12:47:00 ق.ظ ]
|
