مرحله تفسیر مدل: 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-نمائیم. در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می گیرد (هومن،۱۳۸۴، ص ۵۵). آزمون ها و مقایسه تخمین پارامترها و همچنین نمایش آن ها مستلزم تخمین های استاندارد شده ای است. به همین دلیل در این مرحله تخمین های غیر استاندارد را که عمدتا به مقیاس خود وابسته هستند؛ را به تخمین های استاندارد شده ای که وابسته به مقیاس خود نیستند؛ تبدیل می کنیم و این کار تا حدودی برازش و پارامترهای مدل را تحت تأثیر قرار می دهد. تنها گام این مرحله ارزیابی مدل و ضرایب پارامترهای مدل با آزمون فرض می باشد (هومن،۱۳۸۴، ص ۵۶).
ابلاغ یا نوشتن گزارش تحقیقاتی: در این مرحله نتایج مدل معادلات ساختاری به شکل نمودار مسیر ارائه می گردد. نمودار مسیر، یک نمایش گرافیکی از مدل معادلات ساختاری است. سه جزء اصلی این نمودار شامل مستطیل­ها، بیضی ها و پیکان ها هستند. گام نهایی در هر تحقیق، گزارش نتایج تحقیق به روشی است؛ که سایر محققین بتوانند از منطق رویه­ ها و تجزیه و تحلیل­های تحقیق و تفسیرهای آن استفاده کنند (هومن،۱۳۸۴، ص ۵۵).

آزمون‌های برازندگی مدل کلی

برازندگی، مناسب بودن و کفایت داده‌ها برای مدل مورد بررسی است. به این معنی که اگر شاخص‌های برازندگی نشان دهنده برازنده بودن مدل باشند، داده‌ها برای تجزیه و تحلیل و نتیجه‌گیری روابط موجود در مدل مناسب و کافی بوده‌اند (هومن،۱۳۸۴، ص ۵۶). در دهه گذشته برای مدل‌های معادلات ساختاری آزمون‌های برازندگی متعددی ارائه شده است. با آن‌که انواع گوناگون آزمون‌ها که به گونه کلی شاخص‌های برازندگی نامیده می‌شوند؛ پیوسته در حال مقایسه، توسعه و تکامل‌اند، اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد و این شاخص‌ها به شیوه‌های مختلفی طبقه‌بندی شده است. انواع شاخص های برازندگی مدل عبارتند از: (هومن،۱۳۸۴، ص ۵۷).

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شاخص مجذور­کای (۲χ) _ نخست شاخص کای دو برای آزمون این فرضیه صفر که مدل مورد نظر در جامعه موجه است، محاسبه می‌شود. کای دو معنادار دلالت بر رد فرضیه صفر دارد که بیان می‌کند؛ آن مدل در جامعه موجه نیست. وقتی حجم گروه نمونه برابر با ۷۵ تا ۲۰۰ باشد، مقدار مجذور کای یک اندازه معقول برای برازندگی است؛ اما برای مدل‌های با n نمونه بزرگ‌تر، مجذور کای (همانند همه آزمون‌های معنادار بودن)، تقریباً همیشه از لحاظ آماری معنادار است. این مسئله با توجه به این مطلب که برای روش معادلات ساختاری ([۹۰]SEM)، گروه‌های نمونه با حجم زیاد توصیه می‌شود، تناقض دارد. علاوه بر این، مجذور کای تحت تأثیر مقدار همبستگی‌های موجود در مدل نیز هست. هرچه این همبستگی‌ها زیادتر باشد؛ برازش ضعیف‌تر است. به همین دلیل برای برازش مدل‌ها، اندازه‌های دیگری توسعه یافته است. یک راه‌ حل برای این مسئله توسعه شاخص‌های برازندگی است؛ که هر چند مبتنی بر مجذور کای است، اما به خاطر حجم نمونه از راهی کنترل می‌شود.
جذر برآورد واریانس خطای تقریب ([۹۱]RMSEA)- این اندازه که به صورت اعشاری گزارش می‌شود، مبتنی بر پارامتر غیر مرکزی است. این شاخص برای مدل‌های خوب برابر با ۰۵/۰ یا کمتر است. مدل‌هایی که RMSEA آن‌ها ۱۰/۰ یا بیشتر باشد، برازش ضعیفی دارند (هومن،۱۳۸۴، ص ۵۸).
شاخص بنتلر- بونت[۹۲]­یا شاخص نرم شده برازندگی (NFI)_ شاخص نرم شده برازندگی (NFI)، مدل صفر را به عنوان مدلی که در آن همه همبستگی‌ها صفر است تعریف می‌کند. چنان چه مقدار این شاخص بین ۹۰/۰ تا ۹۵/۰ باشد قابل قبول، و مقادیر بالاتر از ۹۵/۰ عالی است. عیب آن این است که اگر پارامترهای بیشتری به مدل اضافه شود، شاخص مذکور نمی تواند کوچک تر شود، بنابراین هرچه پارامترهای زیادتری به مدل افزوده شود، شاخص مذکور بزرگ تر خواهد بود (هومن،۱۳۸۴، ص ۵۸).
شاخص تاکر- لویز[۹۳] (TLI) یا شاخص نرم نشده برازندگی ([۹۴]NNFI)_ این شاخص ایراد به کاربردن شاخص نرم شده برازندگی (NFI[95]) که برای افزودن پارامترها به مدل، جریمه‌ای وجود نداشت را با در نظر گرفتن چنین جریمه‌ای مطرح می‌کند. اگر این شاخص بزرگتر از ۰/۱ باشد، برابر با ۰/۱ قرار داده می‌شود. هم­چنین چنانچه مقدار این شاخص بین ۹۰/۰ تا ۹۵/۰ باشد؛ قابل قبول تلقی می‌گردد (هومن،۱۳۸۴، ص ۵۸).
شاخص برازندگی تطبیقی ([۹۶]CFI)_ اگر این شاخص بزرگتر از ۰/۱ باشد؛ برابر با ۰/۱ و اگر کوچکتر از صفر باشد؛ برابر با صفر قرار داده می‌شود و همانند شاخص‌های قبلی چنان چه مقدار این کسر بین ۹۰% تا ۹۵% باشد، قابل قبول تلقی می‌گردد (هومن،۱۳۸۴، ص ۵۸).

شاخص برازندگی ([۹۷]GFI) و شاخص تعدیل شده برازندگی ([۹۸]AGFI)_ ­شاخص‌های برازندگی به گونه کلی در دامنه بین صفر و یک قرار داده می‌شوند. ضرایبی که بالاتر از ۹۰% باشد؛ قابل قبول در نظر گرفته می‌شوند، هر چند این نیز مانند سطح ۰۵/۰=P، اختیاری است. به طور کلی مقادیر شاخص‌های GFI و AGFI با نزدیک‌تر شدن به عدد ۰/۱ برازندگی خوب مدل را نشان می‌دهند. از میان شاخص‌های ذکر شده، به گونه کلی RMSEA به عنوان یک شاخص مطلوب و CFI به عنوان بهترین شاخص در نظر گرفته می‌شود (هومن،۱۳۸۴، ص ۵۹).

فصل چهارم
تجزیه و تحلیل داده ها
۴-۱ )مقدمه
در این تحقیق برای برای تجزیه و تحلیل داده های جمع آوری شده ابتدا در سطح توصیفی با بهره گرفتن از شاخص های آماری به توصیف و تلخیص ویژگی­های جمعیت شناختی افراد نمونه در تحقیق شامل جنسیت، سن، تحصیلات و شغل و همچنین نوع بیمه ای که از آن استفاده نموده اند پرداخته می شود سپس آمار تحلیلی مطرح می­گردد؛ که در آن مدل اندازه ­گیری تحقیق برازش شده و بعد مدل اصلی تحقیق بررسی می­ شود. در نهایت فرضیات تحقیق آزمون می­شوند. تجزیه و تحلیل مذکور به وسیله نرم افزار Lisrel8.2 انجام می گیرد.
۴-۲) آمارتوصیفی

برای توصیف متغیرها در این تحقیق از شاخص­ های آمار توصیفی استفاده خواهد شد. آمار توصیفی شامل تنظیم جداول فراوانی، درصد فراوانی و برآورد مشخصه­های مرکزی و پراکندگی همچون (میانگین، واریانس، انحراف معیار و غیره.) و رسم گرافهای آماری مرتبط می باشد.

۴-۲-۱) تحلیل جمعیت شناختی نمونه
در این بخش به تجزیه تحلیل وضعیت توزیع نمونه آماری حاصل از توزیع پرسشنامه از حیث متغیرهای جمعیت شناختی، پرداخته می شود. جنسیت، سن، تحصیلات، شغل و نوع بیمه از جمله متغیرهایی هستند که چگونگی توزیع آنها در بین پاسخگویان به پرسشنامه مورد بررسی قرار می گیرد.
۴-۲-۱-۱) جنسیت
باتوجه به جدول زیر مشاهده می شود که ۲/۴۸% از پاسخگویان زن و ۸/۵۱% نیز مرد هستند.
جدول ۴-۱) جدول فراوانی متغیر جنسیت

فراوانی
درصد
درصدمعتبر
درصد تجمعی

زن

۱۸۵

۲/۴۸

۲/۴۸

۲/۴۸

مرد

۱۹۹

۸/۵۱

۸/۵۱

۱۰۰

جمع

۳۸۴

۱۰۰

۱۰۰

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...