میزان آلفای کرونباخ کلی برابر با 957/٠ است که مقدار مناسبی است. هر قدر این آلفا به عدد یک نزدیک تر باشد، پرسشنامه از پایایی بیشتری برخوردار است.
3-7 روشها و ابزار تجزیه و تحلیل دادهها
برای تجزیه وتحلیل اطلاعات از روش آمار توصیفی و آمار استنباطی استفاده میشود. با استفاده از آمار توصیفی به بیان جداول توصیفی و رسم نمودارها پرداخته میشود. برای آزمون فرضیات تحقیق از آمار استنباطی استفاده میشود. برای آزمون فرضیهها ابتدا با استفاده از آزمون کلموگروف اسمیرنوف فرض نرمال بودن متغیرها را بررسی میشود. برای آزمون فرضیات در صورتی‌که هر دو متغیر دارای توزیع نرمال باشند از روش “ضریب همبستگی پیرسون” استفاده نموده و در صورتی‌که توزیع حداقل یکی از متغیرها نرمال نباشند از “ضریب همبستگی اسپیرمن” استفاده میشود. در ادامه به منظور بررسی رابطه‌ی میان متغیرهای مستقل و متغیر وابسته از رگرسیون خطی ساده و چندگانه استفاده میشود. درحالتی که بیش از یک متغیر وابسته در مدل وجود داشته باشد با استفاده از نرم افزار آموس مدل‌ها را طراحی کرده و با در نظر گرفتن معیارهای مناسبت مدل، با تحلیل اکتشافی بهترین و مناسب ترین مدل را استخراج کرده و پیشنهاد میشود.
مدلها و آزمونهای مورد نیاز در اینجا تشریح شده است:
3-7-1 آزمون کلموگروف- اسمیرنوف
از این آزمون برای بررسی نرمال بودن مشاهدات استفاده میشود. فرض کنید مشاهده iام را با  نمایش دهیم و فراوانی تجمعی مشاهده شده و فراوانی تجمعی مورد انتظار  را به ترتیب با  و  نمایش میدهیم. در این آزمون، در صورتیکه n مشاهده داشته باشیم، ابتدا برای هریک از مشاهدات  و  ،  ، را محاسبه میشود. سپس کمیتهای زیر را محاسبه میشود:
 
حال فرض صفر و مقابل را به صورت زیر تعریف میشود:
فرض صفر:  (نرمال بودن مشاهدات)
فرض مقابل: مخالف فرض صفر.
حال اگر مقدار  بزرگ باشد، فرض  رد میشود.
3-7-2 ضریب همبستگی پیرسون
ضریب همبستگی پیرسون که به نامهای ضریب همبستگی گشتاوری ویا ضریب همبستگی مرتبهی صفر نیز نامیده میشود، توسط سرکارل پیرسون معرفی شده است. این ضریب به منظور تعیین میزان رابطه، نوع و جهت رابطهی بین دو متغیر فاصلهای یا نسبی و یا یک متغیر فاصلهای و یک متغیر نسبی بهکار برده میشود. فرض کنید n داده های زوجی  را داریم. ضریب همبستگی پیرسون را میتوان با استفاده از فرمول زیر محاسبه نمود.
 
این ضریب میزان همبستگی بین دو متغیر فاصلهای یا نسبی را محاسبه ‌کرده مقدار آن بین 1+ و 1- میباشد اگرمقدار بدست آمده مثبت باشد به معنی این است که تغییرات دو متغیر بهطور هم جهت اتفاق میافتد یعنی با افزایش در هر متغیر، متغیر دیگر نیز افزایش مییابد و برعکس. اگر مقدار r منفی شد یعنی اینکه دو متغیر در جهت عکس هم عمل میکنند یعنی با افزایش مقدار یک متغیر مقادیر متغیر دیگر کاهش مییابد و برعکس. اگر مقدار بدست آمده صفر شد نشان میدهد که هیچ رابطهای بین دو متغیر وجود ندارد و اگر 1+ شد همبستگی مثبت کامل و اگر 1- شد همبستگی کامل و منفی است.
3-7-3 ضریب همبستگی اسپیرمن
در آمار نحوه همبستگی و ارتباط دو متغیر از اهمیت بسیاری برخوردار است. برای سنجش همبستگی ضرایب گوناگونی وجود دارد. در بعضي از تحقيقات بدست آوردن دادههاي فاصلهاي ممكن نيست يا اگر هم ممکن باشد فاقد ويژگيهاي لازم است. در اينگونه مواقع ميتوان رتبه را جانشين عدد خام كرد. هرگاه دادهها بهصورت رتبهاي گردآوري شده باشند، ميتوان از همبستگي رتبه‌اي اسپيرمن استفاده كرد.
فرض کنید n داده های زوجی  را داریم. تفاضل زوجها را محاسبه نموده و با  ،  ، نشان مي‌دهیم. سپس با استفاده از فرمول زیر ضریب همبستگی اسپرمن محاسبه می‌شود:
 
 
با استفاده از ضریب همبستگی اسپیرمن میتوان فرض زیر را آزمون کرد:
”  : میان متغیرها همبستگی وجود ندارد. “
”  : میان متغیرها همبستگی وجود دارد.”
براي آزمون فرض  ، نیازي به فرض خاصي در مورد جامعه مورد نمونه گيري نيست. براي مقادير بزرگ نمونه  توزيع  را ميتوان با توزيع نرمال تقريب زد كه در اين صورت آماره آزمون به كمك فرمول زير محاسبه ميشود.
 
تصمیم گیری: اگر  فرض  در سطح خطای 05/0 رد میشود و در غیر اینصورت  پذیرفته میشود.
3-7-4 معیارهای NFI ، RFI ، IFI ، CFI ، RMSEA
NFI : این شاخص به مقایسه مدل مستقل (مدلی که در آن بین متغیرها هیچ رابطهای نیست به این مدل، مدل پایه نیز گفته می شود) با مدلی که توسط ما پیشنهاد داده میشود، میپردازد. این شاخص هرچه به عدد یک نزدیکتر باشد به این معناست که مدل پیشنهادی ما مناسبتر بوده است و بهصورت زیر محاسبه میشود:
 
بهطوریکه، A= مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند.
RFI : شاخص برازش نسبی است و مناسبت مدل ارائه شده را میسنجد و به صورت زیر محاسبه میشود:
 
که در فرمول فوق ، A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند.  و  به ترتیب نشان دهنده درجه آزادی مدل مستقل و درجه آزادی مدل پیشنهادی هستند. هرچه مقدار RFI به یک نزدیکتر باشد، مدل بهتر است.
IFI : این معیار شاخص برازندگی فزاینده است و به صورت زیر محاسبه میشود:
 
بهطوریکه A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی و  نشان دهنده درجه آزادی مدل پی

 

دانلود کامل پایان نامه در سایت pifo.ir موجود است.

شنهادی هستند. هرچه مقدار IFI به یک نزدیکتر باشد نتیجه میشود که مدل پیشنهادی مناسبتر است.
CFI: این معیار شاخص برازش مقایسهای است و به صورت زیر محاسبه میشود: