ر کیفیت خدمت دهی دارای وضعیت مطلوبی در جامعه آماری است.
جدول4-6- آزمون میانگین جامعه آماری مربوط به کیفیت خدمت دهی
حجم نمونه=384
Test Value=3
سطح اطمینان 95%
اختلاف از میانگین
سطح معناداری
(P-Value)
درجه آزادی
آماره آزمونT
کران بالا
کران پایین
4.78
3.70
1.36
0.00
383
4.36
کیفیت خدمت دهی
4-3-4- وضعیت متغیر عملکرد سیستم خدمات
با استناد به نتایج بدست آمده از نمونه و انجام آزمون T-1sample و نتایج آن در جدول 4-7 ملاحظه می شود که وضعیت متغیر عملکرد سیستم خدمات در سطح 000/0 معنا دار تلقی شده (Sig=0?=0/05) و می توان گفت که فرض H0رد و فرض H1پذیرفته شده است. از سوی دیگر از آنجا که مقدار t مثبت بوده و مقدار میانگین متغییر بزرگتر از 3 است، فرضیه اول تایید می شود. به عبارت دیگر متغیر عملکرد سیستم خدمات دارای وضعیت مطلوبی در جامعه آماری است.
جدول 4-7- آزمون میانگین جامعه آماری مربوط به عملکرد سیستم خدمات
حجم نمونه=384
Test Value=3
سطح اطمینان95%
اختلاف از میانگین
سطح معناداری
(P-Value)
درجه آزادی
آماره آزمونT
کران بالا
کران پایین
4.63
3.51
1.21
0.00
384
4.21
عملکرد سیستم خدمات
4-3-5- وضعیت متغیر زمان انتظار ارائه خدمت
با استناد به نتایج بدست آمده از نمونه و انجام آزمون T-1sample و نتایج آن در جدول 4-8 ملاحظه می شود که وضعیت متغیر زمان انتظار ارائه خدمت در سطح 000/0 معنا دار تلقی شده (Sig=0?=0/05) و می توان گفت که فرض H0رد و فرض H1پذیرفته شده است. از سوی دیگر از آنجا که مقدار t مثبت بوده و مقدار میانگین متغییر بزرگتر از 3 است، فرضیه اول تایید می شود. به عبارت دیگر متغیر زمان انتظار ارائه خدمت دارای وضعیت مطلوبی در جامعه آماری است.
جدول 4-8- آزمون میانگین جامعه آماری مربوط به زمان انتظار ارائه خدمت
حجم نمونه=384
Test Value=3
سطح اطمینان95%
اختلاف از میانگین
سطح معناداری
(P-Value)
درجه آزادی
آماره آزمونT
کران بالا
کران پایین
4.06
3.33
0.880
0.00
383
3.88
زمان انتظار ارائه خدمت
4-3-6- وضعیت متغیر قابلیت اطمینان
با استناد به نتایج بدست آمده از نمونه و انجام آزمون T-1sample و نتایج آن در جدول 4-9 ملاحظه می شود که وضعیت متغیر قابلیت اطمینان در سطح 000/0 معنا دار تلقی شده (Sig=0?=0/05) و می توان گفت که فرض H0رد و فرض H1پذیرفته شده است. از سوی دیگر از آنجا که مقدار t مثبت بوده و مقدار میانگین متغییر بزرگتر از 3 است، فرضیه اول تایید می شود. به عبارت دیگر متغیر قابلیت اطمینان دارای وضعیت مطلوبی در جامعه آماری است.
جدول 4-9- آزمون میانگین جامعه آماری مربوط به قابلیت اطمینان
حجم نمونه=384
Test Value=3
سطح اطمینان95%
اختلاف از میانگین
سطح معناداری
(P-Value)
درجه آزادی
آماره آزمونT
کران بالا
کران پایین
4.93
3.51
0.104
0.00
383
4.21
قابلیت اطمینان
4-3-7- وضعیت متغیر انعطاف پذیری
با استناد به نتایج بدست آمده از نمونه و انجام آزمون T-1sample و نتایج آن در جدول 4-10 ملاحظه می شود که وضعیت متغیر زمان انتظار ارائه خدمت در سطح 000/0 معنا دار تلقی شده (Sig=0?=0/05) و می توان گفت که فرض H0رد و فرض H1پذیرفته شده است. از سوی دیگر از آنجا که مقدار t مثبت بوده و مقدار میانگین متغییر بزرگتر از 3 است، فرضیه اول تایید می شود. به عبارت دیگر متغیر زمان انتظار ارائه خدمت دارای وضعیت مطلوبی در جامعه آماری است.
جدول 4-10- آزمون میانگین جامعه آماری مربوط به زمان انتظار ارائه خدمت
حجم نمونه=384
Test Value=3
سطح اطمینان95%
اختلاف از میانگین
سطح معناداری
(P-Value)
درجه آزادی
آماره آزمونT
کران بالا
کران پایین
4.36
3.70
0.162
0.00
383
3.91
زمان انتظار ارائه خدمت
4-4- تحلیل عاملی اکتشافی به منظور شناخت متغیرهای مکنون
روش تحلیل عاملی بر روی این ایده تاکید دارد که آیا مجموعه‌ای از پرسش‌ها و یا متغیرها دارای آنچنان سنخیتی با هم هستند که بتوان آنها را در سازه‌ای و یا متغیری قابل ترکیب دانست. هدف تحلیل عاملی این است که یک عامل (متغیر غیرقابل مشاهده یا مکنون) از ترکیب چند متغیر مشاهده شده ساخته شود. محققین همواره با دو پرسش کلیدی مواجه اند:
1- آیا مجموعه‌ای از پرسش‌ها، یک سازه یا متغیر مشخص را اندازه‌گیری می‌کنند؟
2- کدام دسته از پرسش ها، یک سازه یا متغیر را اندازه گیری می کنند؟
برای پاسخ به سوال نخست از تحلیل عاملی تاییدی و سوال دوم از تحلیل عاملی اکتشافی بهره برده خواهد شد.
4-5- تحلیل عاملی تاییدی متغیرهای تحقیق
در تحلیل عاملی تاییدی پژوهشگر به دنبال تایید یک چارچوب سازه‌ای از پیش تعیین شده است. وی از پیش بر اساس تئوری‌های موجود ارتباط هر عامل با زیرمجموعه خاصی از متغیرها را معین ساخته و به دنبال تایید آن‌ها می‌باشد. تحلیل عاملی تاییدی اگر تنها در برگیرنده یک سازه باشد، می‌توان آن را در نرم‌افزار SPSS انجام داد. اما به طور کلی نرم افزارهایی مانند AMOS، Lisrel برای انجام تحلیل عاملی تک‌سازه‌ای و یا چند سازه‌ای کاربرد دارند. شکل 4-5 در زیر انواع تحلیل عاملی را با یک مثال ساده به تصویر کشیده است.
شکل 4-5- نمونه تحلیل عاملی تک و چند سازه ای
قبل از انجام تحلیل عاملی ابتدا باید اطمینان حاصل کرد که آیا تعداد داده های موجود برای تحلیل عاملی مناسب هستند یا خیر، برای این منظور از شاخص های KMO و آزمون بارتلت استفاده می شود که به این کار کفایت نمونه گیری اطلاق می گردد. در این تحقیق 3 گویه برای سنجش قیمت خدمات، 4 گویه برای سنجش کیفیت خدمت دهی، 5 گویه برای سنجش عملکرد سیستم خدمات، 6 گویه برای سنجش زمان انتظار خدمات، 7 گویه برای سنجش انعطاف پذیری و 4 گویه برای سنجش قابلیت اطمینان طراحی شده است، که توسط تحلیل عاملی اکتشافی مکنون های متغییر ها را تایید و سپس صحت و برازش مدل های آنان توسط تحلیل عاملی تاییدی مورد بحث قرار گرفته اند. نتایج تحلیل عاملی اکتشافی حاصل از نرم افزار SPSS ارائه شده است. همچنین به منظور تقلیل متغییر ها و در نظر گرفتن آنها به عنوان یک متغییر مکنون، بار عاملی بدست آمده باید بیشتر از 3 درصد باشد (مومنی، فعال قیوم، 1386).
به طور کلی برای پرسشنامه تحقیق حاضر ماتریس چرخش یافته با استفاده از روش چرخش واریماکس86 حاصل شده که برای تفسیر و شناسایی عامل ها بکار می رود، همچنین روش استخراج در تمامی تحلیل های اکتشافی، روش تجزیه و تحلیل اصلی87 می باشد.
4-6- شاخص KMO
در تحلیل عاملی تاییدی پیش فرض اساسی پژوهشگر آن است که هر عاملی با زیر مجموعه خاصی از متغیرها ارتباط دارد. حداقل شرط لازم برای تحلیل عاملی تاییدی این است که محقق در مورد تعداد عاملهای مدل، قبل از انجام تحلیل، پیش فرض معینی داشته باشد (مومنی، قیومی، 1389). اما برای انجام این آزمون ابتدا باید از این مساله اطمینان حاصل کرد که آیا میتوان دادههای موجود را برای تحلیل مورد استفاده قرار داد یا خیر؟ به عبارت دیگر، آیا تعداد دادههای مورد نظر(اندازه نمونه و رابطه بین متغیر ها) برای تحلیل عاملی مناسب است یا خیر؟ بدین منظور از شاخص KMO و آزمون بارتلت استفاده میشود. از شاخص KMO برای بررسی کوچک بودن همبستگی جزیی بین متغیرها استفاده میشود. این شاخص در دامنه صفر و یک قرار دارد. اگر مقدار شاخص نزدیک به یک باشد، دادههای مورد نظر(اندازه نمونه) برای تحلیل عاملی مناسب است و در غیر این صورت(معمولا کمتر از 6/0) نتایج تحلیل عاملی برای دادههای مورد نظر چندان مناسب نمیباشد(مومنی، قیومی، 1389). این شاخص از فرمول (4-1) به شرح ذیل محاسبه میشود.
(4-1)
جدول 4- 11- گزارشات نرم افزار SPSS برای آزمون کایزرمیر و اوکلین بارتلت
KMO and Bartlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.885
Bartlett’s Test of Sphericity
Approx. Chi-Square
325.511
df
383
Sig
.000
آزمون بارتلت نیز مشخص میکند که چه هنگام ماتریس همبستگی، یک ماتریس واحد و همانی است و برای شناسایی ساختار(مدل عاملی) نامناسب است. اگر میزان خطای محاسبه شده (sig) آزمون بارتلت کوچکتر از 5% باشد، تحلیل عاملی برای شناسایی ساختار (مدل عاملی) مناسب است؛ زیرا فرض یکه بودن ماتریس همبستگی رد میشود (مومنی، قیومی، 1389). حال برای اطمینان از کفایت نمونه برای تحلیل عاملی اکتشافی متغیرها از آزمون کایزرمیر و بارتلت استفاده شده است، اندازه کفایت نمونه (KMO) و همچنین آزمون معناداری کرویت نمونه بارتلت (Bartlett) نیز در این تحلیل توسط SPSS به ترتیب برابر 0.885 و 0.000 است. که در جدول 4- 11 تمامی گزارشات نرم افزار ارائه شده است. سطح تحت پوشش آماره کای دو برای شاخص بارتلت نیز صفر می‌باشد که وضعیت این شاخص را نیز مناسب نشان می‌دهد (سطح تحت پوشش آماره در صورتی که کمتر از پنج درصد باشد، وضعیت روایی مناسب تشخیص داده می‌شود). با توجه به اینکه شاخص KMO از 7 درصد بیشتر می باشد و همچنین میزان SIG آزمون بارتلت کوچکتر از سطح معناداری 5 درصد است می توان گفت داده ها برای تحلیل عاملی مناسب اند. جدول اشتراکات که در قالب جدول 4-12 آمده است، نشان دهنده مناسب بودن شاخص ها در فرآیند تحلیل عاملی می باشند، زیرا عدد اشتراکات سوالات بیشتر از 5 درصد هستند.
جدول 4-12- جدول اشتراکات آزمون تحلیل عاملی
Initial
Extraction
VAR00001
1.000
.792
VAR00002
1.000
.470
VAR00003
1.000
.619
VAR00004
1.000
.685
VAR00005
1.000
.571
VAR00006
1.000
.535
VAR00007
1.000
.760
VAR00008
1.000
.802
VAR00009
1.000
.820
VAR00010
1.000
.816
VAR00011
1.000
.778
VAR00012
1.000
.755
VAR00013
1.000
.986
VAR00014
1.000
.504
VAR00015
1.000
.460
VAR00016
1.000
.572
VAR00017
1.000
.785
VAR00018
1.000
.497
VAR00019
1.000
.515
VAR00020
1.000
.360
VAR00021
1.000
.529
VAR00022
1.000
.591
VAR00023
1.000
.783
VAR00024
1.000
.777
VAR00025
1.000
.845
VAR00026
1.000
.826
VAR00027
1.000
.769
VAR00028
1.000
.788
VAR00029
1.000
.986
Extraction Method: Principal Component Analysis.
جدول کل تبیین واریانس نشان می دهد که در مجموع 7 عامل شناخته شده است. جدول کل واریانس تبیین شده نشان می دهت که عامل اول حدود 34 % از واریانس، عامل دوم حدود 10 % از واریانس، عامل سوم حدود 7 % از واریانس، عامل چهارم حدود 6 % از واریانس، عامل پنجم حدود 4 % از واریانس، عامل ششم حدود 4 % از واریانس و عامل هفتم حدود 4 % از واریانس را تبیین می کنند و در مجموع هر هفت عامل حدود 69 % از واریانس را تبیین می کنند با توجه به اینکه میزان تبیین واریانس بیشتر از 50 % می باشد، نشان دهنده نوعی از روایی می باشد. گزارشات این واریانس ها در جدول 4-13 و جدول 4-14 آمده است.
جدول 4-13- جدول کل واریانس تبیین شده
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative %
Total
% of Variance
Cumulative

این مطلب رو هم توصیه می کنم بخونین:   تحقیق رایگان دربارهافغانستان، سلسله مراتب، منشور ملل متحد
دسته‌ها: No category

دیدگاهتان را بنویسید