ادراکات مصرف کننده از الزامات و پیامدهای مسئولیت اجتماعی سازمان- قسمت ۴۵

وقتی محقق علاقهمند به تبیین و تعیین متغیرهای مهمی که به مساله مرتبط می‌شوند می باشد ، این بررسی «پژوهش همبستگی» نامیده میشود. گاهی اوقات سعی بر آن است تا از طریق انواع تحلیل همبستگی یا رگرسیون و تجزیه و تحلیل مسیر، نوعی روابط علت و معلولی برقرار شود . این که یک بررسی چه موقع علی و چه موقع همبستگی است، بستگی به نوع پرسش‌های پژوهش و چگونگی تعریف مساله دارد (سبحانی فر، اخوان و خرازیان ،۱۳۹۱) .
۳-۹٫ آزمون های برازندگی مدل
انواع گوناگونی از آزمونهای برازندگی که به گونه کلی شاخصهای برازندگی[۸۶] نامیده میشوند، وجود دارند که به طور پیوسته در حال مقایسه، توسعه و تکامل میباشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقالههای مختلف، شاخصهای مختلفی را ارائه کرده اند و حتی نگارشهای مشهور برنامههای SEM مانند نرم افزارهای LISREL, AMOS, EQS نیز تعداد زیادی از شاخصهای برازندگی به دست میدهند (هومن، ۱۳۹۰: ص ۴۰). این شاخصها به شیوههای مختلفی طبقهبندی شدهاند که یکی از عمدهترین آنها طبقهبندی به صورت شاخصهای خوب بودن و بد بودن میباشد. شاخصهای خوب بودن مانند NFI ,GFI ,AGFI هر چه مقدار بالاتری داشته باشند، نشاندهنده برازندگی بیشتر میباشند. شاخص‌های بد بودن مانند RMSEA χ, هر چه مقدار پایینتری داشته باشند، نشاندهنده برازندگی بیشتر میباشد. برخی از این شاخص ها عبارتند از:
۳-۹-الف. شاخص های GFI و AGFI (اندازه های (LISREL
شاخص GFI[87] مقدار نسبی واریانسها و کوواریانسها را به گونه مشترک از طریق مدل ارزیابی میکند. دامنه تغییرات GFI بین صفر و یک میباشد. مقدار GFI باید برابر یا بزرگتر از ۹۰ درصد باشد. شاخص برازندگی دیگر AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی میباشد. این مشخصه معادل با کاربرد میانگین مجذورات بهجای مجموع مجذورات در صورت و مخرج ( – GFI1) است. مقدار این شاخص نیز بین صفر و یک می‌باشد (هومن، ۱۳۹۰: ص ۴۰) .
۳-۹-ب. شاخص جذر برآورد واریانس خطای تقریب RMSEA
این شاخص، ریشه میانگین مجذورات تقریب میباشد. شاخص [۸۸] RMSEAبرای مدلهای خوب برابر ۵ درصد یا کمتر است. مدل‌هایی که RMSEA آنها ۱ درصد باشد، برازش ضعیفی دارند. برای این شاخص می‌توان فاصله اعتماد محاسبه کرد. ایدهآل آن است که حد پایین فاصله اعتماد به صفر نزدیک باشد و حد بالای آن خیلی بزرگ نباشد (هومن، ۱۳۹۰: ص ۴۱) .
۳-۹-ج. آزمون مجذور کای، مجذور کای به درجه آزادی
از شاخص مجذور کای اغلب به عنوان شاخص موفقیت نام برده میشود. این شاخص به سادگی نشان می‌دهد که آیا بیان مدل ساختار روابط میان متغیرهای مشاهده شده را توصیف میکند یا خیر. این شاخص نسبت به اندازه نمونه حساس است، وقتی حجم نمونه برابر ۷۵ تا ۲۰۰ باشد، مقدار مجذور کای یک اندازه معقول برای برازندگی است. اما برای مدلهایی با n بزرگتر از جمله این پژوهش مجذور کای تقریبا همیشه از لحاظ آماری معنادار است. از طرف دیگر مجذور کای تحت تأثیر مقدار همبستگیهای موجود در مدل نیز هست .هرچه این همبستگیها زیادتر باشد، برازش ضعیفتر است (هومن، ۱۳۹۰: ص ۴۱).
۳-۹-د. شاخص RMR یا RMSR
معیار میانگین اختلاف بین دادهها و ماتریس کوواریانس – واریانس ضمنی RMSR است. این معیار هرچقدر که کوچکتر باشد، برای تناسب مدل با دادهها بهتر است (زیرا ۵ درصد بسیار عالی، زیر ۸ درصد مناسب و بالای ۹ درصد نامناسب است). این شاخص یک شاخص با ارزش است هنگامی که میانگین واریانس – کوواریانس دادهها شناخته شده باشد .ارزیابی آن هنگامی که ماتریس واریانس – کوواریانس غیراستاندارد مورد استفاده قرار میگیرد، سخت و مشکل است.
۳-۹-ر. شاخص بنتلر- بونت یا شاخص نرم شدگی برازندگی
NFIشاخص NFI که شاخص بنتلر-بونت هم نامیده میشود، مدل صفر را به عنوان مدلی که در آن تمام همبستگیها صفر است، تعریف میکند. چنانچه مقدار آن بین ۹۰ درصد تا ۹۵ درصد باشد، قابل قبول و مقادیر بالای ۹۵ درصد عالی بوده و نشانه برازندگی مدل است.
۳-۹-ز. شاخص برازندگی تطبیقی CFI
این شاخص بزرگتر از ۹۰ درصد قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطهای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می‌آزماید. شاخص GFI از لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه میدهد. (هومن، ۱۳۹۰: ص ۴۴-۳۸). شاخص های نیکویی برازش مدل پژوهش در جدول زیر آورده شده است.
جدول ۳-۷٫ شاخص های نیکویی برازش مدل مفهومی پژوهش

شاخص فاصله اعتماد برازش مقدار
RMSEA RMSEA≤۸% ۱٫۹%
NFI ۹۵%≥NFI ≥۹۰% ۹۳%
NNFI NNFI≥۹۰% ۹۵%
CFI
منبع فایل کامل این پایان نامه این سایت pipaf.ir است