ردیف

متغیرها

ضریب آلفای کرونباخ

۱

مزیت رقابتی

۸۷۷/۰

۲

سرمایه فکری

۹۰۵/۰

۳

کارآفرینی

۹۲۰/۰

۴

قابلیت ها

۸۷۷/۰

مشاهده می شود که مقدار ضریب آلفای کرونبخ برای متغیرها بالای ۷۰ درصد می باشد که می توان گفت مقدار مناسبی است، چرا که هر چقدر مقدار آلفا به ۱ نزدیکتر باشد نشانگر همسانی درونی بالاتری است.
۳-۶) روش آماری تجزیه و تحلیل داده ها
در این تحقیق جهت تجزیه و تحلیل داده ها و آزمون فرضیه ها از آمار توصیفی و روش معادلات ساختاری( SEM )[224] استفاده شده است و برای اجرای مدل معادلات ساختاری از نرم افزار لیزرل[۲۲۵] استفاده گردید. یکی از روش های بررسی روابط علی بین متغیرها مدل معادلات ساختاری می باشد. از این روش تحت عنوان مدل علی یاد شده است. هنگامی که داده های به دست آمده از نمونه به صورت ماتریس همبستگی درآید و توسط مجموعه ای از معادلات رگرسیون تعریف شود، مدل را می توان با استفاده از نرم افزار لیزرل تحلیل نمود و برازش آن را برای جامعه ای که نمونه از آن استخراج شده آزمود. مدل یابی معادله ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل کلی خطی است که به محقق امکان می دهد مجموعه ای از معادلات رگرسیون را به گونه همزمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری، یک رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده و مکنون است، که گاه تحلیل ساختاری کووایانس، مدل یابی علی و گاه نیز لیزرل نامیده شده است. لیزرل یک محصول نرم افزاری است که به منظور برآورد و آزمون مدل های معادلات ساختاری طراحی شده است. لیزرل یک محصول نرم افزاری است که به منظور برآرود و آزمون مدل های معادلات ساختاری طراحی شده است. این نرم افزتر با استفاده از همبستگی و کوواریانس اندازه گیری شده، می تواند مقادیر بارهای عاملی، واریانس ها و خطاهای متغیر مکنون را برآورد یا استنباط می کند و از آن می توان برای اجرای تحلیل عاملی اکتشافی، تحلیل عاملی مرتبه دوم، تحلیل عاملی تائیدی و همچنین تحلیل مسیر( مدل یابی علت و معلولی با متغیرهای مکنون ) استفاده کرد.
تحقیق حاضر دارای ۴ متغیر مکنون می باشد که توسط ۱۱ سازه مشاهده شده اندازه گیری می شود. پس از معین شدن مدل، طرق متعددی برای برآورد نیکویی برازش کلی مدل با داده های مشاهده شده وجود دارد. به طور کلی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد ولی معمولا برای تائید مدل، استفاده از ۳ تا ۵ شاخص کافی است.در ادامه به توضیح چند شاخص مهم پرداخته می شود.
الف) RMSEA[226]
ریشه میانگین مجذورات تقریب می باشد. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است. مقدار RMSEA که به واقع همان آزمون انحراف هر درجه آزادی است، برای مدل هایی که برازندگی خوبی داشته باشد، کمتر از ۰۵/۰ است. مقادیر بالاتر از آن تا ۰۸/۰ نشان دهنده خطای معقولی برای تقریب در جامعه است. مدل هایی که RMAEA آن ها ۱/۰ یا بیشتر باشد برازش ضعیفی دارد.
ب) معیارهای NFI, [۲۲۷]NNFI, [۲۲۸]CFI[229]
شاخص NFI که شاخص بنتلر- بونت هم نامیده می شود. بنتلر و بونت( ۱۹۸۰ ) مقادیر برابر یا بزرگتر از ۹/۰ را درمقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدل های نظری توصیه کرده اند، در حالیکه برخی از پژوهشگران نقطه برش ۸/۰ را به کار می برن. شاخص دیگر، شاخص تاکر- لویز است که در بیشتر موارد شاخص نرم شده برازندگی (NNFI ) نامیده می شود. این شاخص مشابه NFI است اما برای پیچیدگی مدل جریمه می پردازد. چون دامنه این مدل محدود به صفر و یک نیست تفسیر آن نسبت به NFI دشوارتر است. شاخص CFI بزرگتر از ۹/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل یشنهادی مورد نظر، مقدار بهبود را نیز میآزماید. شاخص CFI از لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.
ج) معیارهای AGFI[230]، GFI[231]
لیزرل یک شاخص نیکویی برازش ( نسبت مجموع مجذورات تبیین شده توسط مدل به کل مجموع مجذورات ماتریس یرآورد شده در جامعه ) محاسبه می کند. این شاخص از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک، متغیر هستند، گرچه از لحاظ نظری ممکن است منفی باشند ( البته نباید چنین اتفاقی بیفتد، چرا که حاکی از عدم برازش قطعی مدل با داده هاست). هرچه AGFI و GFI به عدد یک نزدیکتر باشند، نیکویی برازش مدل با داده های مشابه شده بیشتر است.
فصل چهارم
تجزیه و تحلیل دادهها و اطلاعات
۴ـ ۱) مقدّمه

برای دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.