۳-۶ -روش تجزیه و تحلیل داده ها:
با توجه به روش تحقیق تشریح شده در مرحله قبلی و بر اساس نحوه طراحی اهداف و فرضیات پژوهش، تجزیه و تحلیل داده های تحقیق شامل کاربرد آمار توصیفی و استنباطی می شود.
بدین منظور، ابتدا با استفاده از شاخص های آماری و نمودارها و چارت ها، ویژگی های مربوط به جامعه و نمونه آماری و متغیرهای پژوهش توصیف خواهند شد و در ادامه با استفاده از آزمون های آماری فرضیات تحقیق مورد تجزیه و تحلیل قرار خواهند گرفت تا بتوان در مورد نتایج آنها اظهار نظر نمود. داده های پژوهش ابتدا در نرم افزار EXCEL وارد شده و پس از تعیین شاخص های مورد نظر و مرتب کردن داده ها در نرم افزارهای تخصصی آماری SPSS و MINITAB مورد تجزیه و تحلیل قرار گرفتند. برخی از آزمون های مورد استفاده در این پژوهش در ادامه تشریح می شود. منابع مورد استفاده در تشریح این آزمونها کتابها یا منابع مربوط به روش تحقیق و یا آمار است که به منبع آنها اشاره شده است.
۳-۶-۱- ضریب همبستگی:
نوع ساده‌ای از پیوند بین متغیرهای x و y ، زوجهای مقادیر یا به طور نموداری، نقاطی را که در اطراف یک خط مستقیم پراکنده‌اند تولید می‌کند. وجود اندکی پراکندگی در اطراف یک خط نشانه‌ای از یک پیوند قوی است و وجود پراکندگی زیاد نمایشی از پیوندی، ضعیف. معیاری عددی از این رابطه، ضریب همبستگی نمونه‌ای یا بعضی اوقات، ضریب همبستگی گشتاور حاصلضرب پیرسون نامیده می‌شود.
ضریب همبستگی نمونه‌ای (  ) عددی است بین ۱- و ۱ که میزان ارتباط بین دو متغیر را اندازه می‌گیرد. برآورد ضریب همبستگی که با r نمایش داده می‌شود، ضریب همبستگی نمونه نام دارد.
ضریب همبستگی پیرسون ( نمونه ) را می‌توان از فرمول زیر مستقیماً محاسبه کرد :
 
وقتی ۱=r ، نقاط در نمودار پراکنش متغیر پاسخ در مقابل متغیر پیشگو دقیقاً روی یک خط مستقیم با شیب مثبت قرار دارند و وقتی ۱-=r ، نقاط در نمودار پراکنش مذکور دقیقاً روی یک خط مستقیم با شیب منفی قرار می‌گیرند.
مقادیر ۱- و ۱ در مطالعه داده‌های واقعی روی نمی‌دهند و معمولاً r مقدار بین ۱- و ۱ را اختیار می‌کند. مقادیر مثبت و نسبتاً بزرگ r ( مثل ۸۵/۰ ) متناظر با نموداری با الگوی همبستگی مثبت و مقادیر منفی و نسبتاً کوچک r (مثل ۸/۰- ) متناظر با نموداری با الگوی همبستگی منفی است، مقدار صفر برای r حکایت از عدم وجود یک الگوی همبستگی ( نزولی یا صعودی ) می‌کند.
نظر به اینکه r یک متغیر تصادفی است، غالباً آزمون برابری همبستگی با صفر مفید است. یعنی، فرض  در مقابل فرض  .
آماره مناسب برای آزمون این فرض عبارت است از :
 
که آماره t دارای توزیع tی استودنت با  درجه آزادی است و  را رد می‌کنیم اگر  .
نکاتی درباره همبستگی :
در تفسیر ضریب همبستگی باید دو نکته را به خاطر داشت : اولاً همبستگی مانند رابطه علت و معلول نیست، ثانیاً در بین تعداد زیادی ضریب همبستگی ارزش دادن به ضریب همبستگی معنی‌دار عاقلانه نیست. وقتی دو متغیر همبستگی بالایی دارند، بدین معنا نیست که یک متغیر، علت متغیر دیگر است. در برخی حالات ممکن است بین دو متغیر رابطه علت و معلول وجود داشته باشد ولی این رابطه را نمی‌توان از ضریب همبستگی دریافت. اثبات رابطه علت معلولی بسیار مشکل تر از نشان دادن وجود همبستگی قوی است. دومین نکته مرتبط با نکته اول است، غالباً پژهشگران در مطالعه چند متغیر این اشتباه را مرتکب می‌شوند که همبستگی آنها معنی‌دار است.
باید درنظر داشت که معنی‌دار شدن ضریب همبستگی بین دو متغیر ممکن است ناشی از عوامل دیگری باشد که تحت کنترل قرار نگرفته‌اند. چه بسا اگر سایر عوامل، کنترل شوند، ضریب همبستگی معنی‌دار نشود.
۳-۶- ۲- رگرسیون :
در رگرسیون دو متغیره ساده[۲۱]۲، مقادیر یک متغیر ( متغیر وابسته یا y ) از روی مقادیر متغیر دیگری (‌متغیر مستقل یا x) به کمک یک معادله خطی ( خط مستقیم ) برآورد می‌شود. این معادله شکل کلی زیر را دارد:
در این معادله،  ضریب زاویه[۲۲]۳ است، که به عنوان ضریب رگرسیون و  عرض از مبداء[۲۳]۴ که به عنوان مقدار ثابت رگرسیون شناخته می‌شود، ‌است. مقدار  موجب می‌شود که Y روی خط رگرسیون واقع نشود. (  و  پارامترهای مدل نامیده می‌شوند)
وقتی گفته می‌شود که یک مدل خطی یا غیر خطی است، منظور خطی بودن یا غیرخطی بودن پارامترها می‌باشد. مقدار بالاترین توان متغیر مستقل در مدل، درجه آن مدل نامیده می‌شود، برای مثال :
 
یک مدل رگرسیونی درجه دوم برای X و خطی برای  می باشد. درجه مدل ممکن است هر اندازه ای باشد. نماد  اغلب در مدلهای چند جمله‌ای[۲۴]۵ مورد استفاده قرار می گیرد،  پارامتر مربوط به X و  پارامتر مربوط به  است.
در معادله (‌‌۶-۳ )  ،  و  مجهول هستند و یافتن  به علت اینکه برای هر مشاهده Y مقدار آن تغییر می‌کند، دشوار است، اما  و  ثابت هستند.
اگر چه بدون بررسی تمام حالات وقوع Y و X در یک جامعه، نمی‌توان مقدار آنها را به طور دقیق یافت، ولی با استفاده از اطلاعات جمع‌آوری شده برآوردهایی از  و  یعنی  و  به دست می‌آیند. بنابر این می‌توان نوشت:
 
که در آن  مقدار برآورد شده برای  به ازای یک x معین و در حالتی است که  و  تعیین شده باشند، پارامترها به روش کمترین مربعات برآورد می‌شوند.
فرض کنید n جفت از مشاهدات  در اختیار است. در این صورت می‌توان معادله را به شکل زیر نوشت :
 
در این معادله  می‌باشد، و مجموع مربعات انحرافات از خط واقعی برابر است با :
 
و  طوری برآورد می‌شوند که وقتی در معادله (۶-۷) جایگزین  و  شوند، کمترین مقدار ممکن برای D را موجب شوند. خط برازش یافته از راه کمترین مربعات خطی است که مجموع مربعات تمام اختلافات عمودی از آن مقداری حداقل باشد.