و با استفاده از فرمول کوکران به محاسبه حجم نمونه پرداخته میشود.

در فرمول کوکران
اشتباه مجاز = d
میانگین نمونه =
وارایانس نمونه =
مقدار توزیع نرمال با سطح اطمینان =
حجم جامعه = N
حجم نمونه = n
میخواهیم با استفاده از روش کوکران حجم نمونه را براورد ‌کنیم. برای این منظور نمونهای مقدماتی به حجم 30 انتخاب میشود. میانگین نمونه 30 تایی برابر با 7309/2و واریانس این نمونه برابر با 192/1 است.
همچنین 14696N= و 07/0d= و است. بنابراین حجم نمونهای که باید از جامعه انتخاب شود برابر است با:

بنابراین نمونهای به حجم 125 انتخاب میشود.
3-5- ابزار گردآوری داده‌ها:
در این پژوهش از ابزار پرسشنامه جهت گردآوری اطلاعات استفاده شده است. سئوالات پرسشنامه براساس طیف لیکرت پنج تایی شامل: خیلی زیاد، زیاد، متوسط، کم، خیلی کم میباشند.
جدول 3-1 دسته‌بندی سئوالات پرسشنامه
شماره سئوال
متغیر
8-4
ارزشهای فایده باور
13-9
ارزشهای لذتجویانه
16-14
رضایت خریدار
19-17
آشنایی
23-20
اعتماد
33-24
عادت
36-34
قصد خرید مجدد

3-6- روایی و پایایی پرسشنامه:
3-6-1- روایی پرسشنامه
روایی تعیین می‌کند ابزار تهیه شده تا چه حد مفهوم خاص مورد نظر را اندازه می‌گیرد. بدون آگاهی از اعتبار ابزار اندازه‌گیری نمی‌توان به دقت داده‌های حاصل از آن اطمینان داشت(سرمد و همکاران، 196:1386). روایی پرسشنامه پس از تنظیم آن توسط اساتید راهنما و مشاور و چند متخصص در زمینه‌ی این پژوهش سنجیده شد.
3-6-2- پایایی پرسشنامه
قابلیت اعتماد یکی از ویژگی‌های ابزار اندازه‌گیری است. مفهوم یاد شده با این امر سروکار دارد که ابزار اندازه‌گیری در شرایط یکسان تا چه اندازه نتایج یکسانی بدست می‌دهد(سرمد و همکاران، 166:1386). در این پژوهش برای اندازه‌گیری ضریب پایایی از ضریب آلفای کرونباخ استفاده شده است. این آلفا بیانگر این مطلب است که سئوالات همپوشانی و هم سویی داشته است و پاسخدهندگان هم با دقت و آگاهی به سئوالات پاسخ داده‌اند. هر قدر این عدد به یک نزدیک‌تر باشد، پرسشنامه از پایایی بیشتری برخوردار است.
جدول 3-2مقدار آلفای کرونباخ ابعاد پرسشنامه
‌آلفای کرونباخ
متغیر
664/0
ارزش ادراک شده
758/0
رضایت
560/0
آشنایی
636/0
اعتماد
905/0
عادت
914/0
قصد خرید مجدد
میزان آلفای کرونباخ کلی برابر با 871/٠ 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 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 بعضی از تحقیقات بدست آوردن دادههای فاصلهای ممکن نیست یا اگر هم ممکن باشد فاقد ویژگیهای لازم است. در اینگونه مواقع میتوان رتبه را جانشین عدد خام کرد. هرگاه دادهها بهصورت رتبهای گردآوری شده باشند، میتوان از همبستگی رتبه‌ای اسپیرمن استفاده کرد.
فرض کنید n داده های زوجی را داریم. تفاضل زوجها را محاسبه نموده و با ، ، نشان می‌دهیم. سپس با استفاده از فرمول زیر ضریب همبستگی اسپرمن محاسبه می‌شود:

این مطلب رو هم توصیه می کنم بخونین:   منابع مقاله درموردامام صادق، آیات و روایات، سوره معارج، موازین شرع

با استفاده از ضریب همبستگی اسپیرمن میتوان فرض زیر را آزمون کرد:
“: میان متغیرها همبستگی وجود ندارد. ”
“: میان متغیرها همبستگی وجود دارد.”
برای آزمون فرض ، نیازی به فرض خاصی در مورد جامعه مورد نمونه گیری نیست. برای مقادیر بزرگ نمونه توزیع را میتوان با توزیع نرمال تقریب زد که در این صورت آماره آزمون به کمک فرمول زیر محاسبه میشود.

تصمیم گیری: اگر فرض در سطح خطای 05/0 رد میشود و در غیر اینصورت پذیرفته میشود.

3-7-4 رگرسیون خطی:
رگرسیون روش آماری است که به بررسی ارتباط دو یا چند متغیر میپردازد که با استفاده از آن میتوان یک متغیر را بر اساس یک یا چند متغیر دیـگر پیش بـینی نمود. حال در صورتیکه یک متغیر مستقل داشته باشیم با مدل رگرسیون خطی ساده و در صورتیکه بیش از یک متغیر متغیر مستقل داشته باشیم با مدل رگرسیون چندگانه مواجه میشویم.
3-7-4-1 رگرسیون ساده:
فرض کنید X یک متغیر مستقل، Y یک متغیر وابسته و e متغیر خطا باشد. معادله خط رگرسیون بهصورت:

است که در آن پارامترنشاندهنده عرض از مبدا خط رگرسیونی و پارامتر نشان دهنده شیب خط است. در مدل رگرسیونی خطی ساده متغیر مستقل تحت کنترل است و تصادفی نیست در صورتی که متغیر وابسته تصادفی است. با استفاده از تحلیل رگرسیون میشود فرض وجود ارتباط بین دو متغیر مستقل و وابسته را آزمون کنیم. به منظور آزمون کردن فرض
“: مدل رگرسیون خطی برازش داده شده، معنی دار نیست ”
“: مدل رگرسیون خطی برازش داده شده، معنی دار است “
از جدول تحلیل واریانس استفاده می‌شود که به صورت زیر می باشد:

جدول 3-3 جدول تحلیل واریانس
منبع تغییرات
مجموع مربعات
درجه آزادی
میانگین مربعات
آماره F
سطح معنی داری
رگرسیون
SSR
1
MSR=SSR/1
MSR/MSE
P-Value
خطا
SSE
n-2
MSE=SSE/n-2

مجموع
SST
n-1

که در آن
، و است.
تصمیم گیری: اگر فرض در سطح خطای 05/0 رد می‌شود و در غیر اینصورت پذیرفته میشود.

3-7-4-2 رگرسیون چندگانه:
مدلهای رگرسیونی که شامل دو یا چند متغیر مستقل باشند به مدلهای رگرسیون چندگانه معروفند. فرض کنید ، k متغیر تصادفی مستقل باشند و یک متغیرتصادفی وابسته باشد. رگرسیون خطی چندگانه میان این متغیرها بهصورت زیر تعریف میشود:

که در آن عرض از مبدا و ضرایب رگرسیونی میباشند.
حال به منظور آزمون فرض
“: مدل رگرسیون خطی برازش داده شده، معنی دار نیست ”
“: مدل رگرسیون خطی برازش داده شده، معنی دار است “
از جدول تحلیل واریانس استفاده می‌شود که به صورت زیر میباشد.

جدول 3-4 جدول تحلیل واریانس
منبع تغییرات
مجموع مربعات
درجه آزادی
میانگین مربعات
آماره F
سطح معنی داری
رگرسیون
SSR
K
MSR=SSR/k
MSR/MSE
P-Value
خطا
SSE
n-k-1
MSE=SSE/n-k-1

مجموع
SST
n-1

تصمیم گیری: اگر فرض در سطح خطای 05/0 رد می‌شود و در غیر اینصورت پذیرفته میشود.

3-7-5 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 پیشنهادی 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:

در این فرمول نیز مقادیر A ، B ، d و همانند قبل تعریف میشوند. هرچه مقدار CFI به یک نزدیکتر باشد نتیجه میگیریم که مدل پیشنهادی مناسبتر است.
RMSEA: این شاخص نشان دهنده جذر میانگین مربعات خطای تقریبی است و به صورت تفاضل بین مجموع مربعات خطای کلی و مجموع مربعات خطای مدل پیشنهادی محاسبه میشود. در صورتیکه مقدار RMSEA از 05/0 کمتر باشد نتیجه میگیریم مدل بسیار مناسب است. در صورتیکه مقدار آن بین 05/0 تا 08/0 باشد، مد
ل برازش داده شده مناسب و در صورتیکه از 1/0 بالاتر باشد نتیجه میگیریم که مدل برازش داده شده ضعیف است.

فصل چهارم
تجزیه و تحلیل دادهها

4-1 مقدمه
در این فصل به منظور تصمیمگیری در مورد پذیرفته یا رد فرضیههایی که در پرسشنامه مطرح شده است، با استفاده از نرمافزارهای SPSS و آموس و با انتخاب روشهای آماری مناسب، به تجزیه و تحلیل دادهها پرداخته میشود. تجزیه و تحلیل اطلاعات یکی از پایههای اصلی هر مطالعهای است. در بخش اول، با استفاده از آمار توصیفی جداول فراوانی راتعیین نموده و نمودارهای مربوط به آن‌ها رسم میشود. در بخش دوم با استفاده از آمار استنباطی، به آزمون فرضیهها، بررسی مدل‌ها و ارائه بهترین مدل پرداخته میشود.
4-2 آمار توصیفی نمونه آماری
در این بخش ویژگی‌های جمعیت شناختی نمونه آماری تشریح می‌گردد. ویژگی‌هایی که مورد توجه قرار گرفته شده است عبارتند از: تحصیلات، جنسیت، سن.
4-2-1 تحصیلات پاسخگویان
همانطور که در جدول زیر مشاهده می‌شود از کل 125 نفر که به

دسته‌ها: پایان نامه ها

دیدگاهتان را بنویسید