بایگانی ماهیانه: جولای 2021

پرسشنامه استاندارد

پرسشنامه ارزیابی تغییرات رفتار مربوط به سبک زندگی در طی بیماری همه گیر کرونا (19COVID ) آرچنا و همکاران(2020) ترجمه(عزیزی مقدم، 1400)

پرسشنامه ارزیابی تغییرات رفتار مربوط به سبک زندگی در طی بیماری همه گیر کرونا (19COVID ) آرچنا و همکاران(2020)  – ترجمه(عزیزی مقدم، 1400)

A short questionnaire to assess changes in lifestyle-related behaviour
during COVID 19 pandemic-
Archana et al(2020)

بیماری همه گیر COVID منجر به تغییر چالش در میان زندگی شده است،  برای مردم سراسر جهان اصطلاحاتی مانند “فاصله اجتماعی” و “ماسک زدن ” به واقعیت تبدیل شده اند. در حالی که مردم سعی می کنند به این امر عادت کنند ، این نوع زندگی شهروندان را به شدت تحت تأثیر قرار داده و باعث ایجاد تغییر ناگهانی و اساسی در روال روزمره و سبک زندگی آن ها می شود.  تأثیر پایدار بیماری همه گیر COVID19  و محدودیت های مربوط به آن قطعاً در رفتارهای مربوط به سبک زندگی از جمله رژیم غذایی ، فعالیت بدنی و خواب مهم است.

این پرسشنامه دارای 20 عبارت است و تغییرات رفتار مربوط به سبک زندگی در طی بیماری همه گیر کرونا (19COVID ) که توسط آرچنا و همکاران(2020) طراحی و اعتبار سنجی شده و توسط عزیزی مقدم(1400) ترجمه شده است. این پرسشنامه به صورت تک مولفه ای می باشد.

به همراه 1 مقاله پایه رایگان

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile : 09102194672

Telegram: @abazizi

  • E-mail: abazizi1392@gmail.com

 

پرسشنامه استاندارد

پرسشنامه ادراک بیماری بردبنت و همكاران (2006) Benet Benet

پرسشنامه ادراک بیماری بردبنت و همكاران (2006) Benet Benet

اخیـراً نقـش ادراک بیماری بر کیفیت زندگی مبتلایان به بیماری هـای مـزمن مورد توجه قرار گرفته اسـت. منظـور از ادراک بیمـاری بازنمـایی شـناختی سـازمان یافتـه بیمـار از بیمـاری خـود مـی باشـد. بـراسـاس نظریـه Levental و همکـاران بیماران رفتار و واکنش هیجانی خود نسبت به بیمـاری را بــراســاس ادراکــات خــود از ماهیــت، علــل، پیامــد،

کنترل پذیری و درمان پذیری و مدت زمان بیماری تنظیم می نمایند.

پرسشنامه ادراک بیماری توسط بردبنت، پتريه، مين و وينمن (2006) طراحی و اعتباریابی شده است، این پرسشنامه شامل 9 گویه می باشد، سؤال‌ها به ترتيب پي‌آمدها، طول مدت، كنترل شخصي، كنترل درمان، ماهيت، نگراني، شناخت بيماري، پاسخ عاطفي و علت بيماري را مي‌سنجند. دامنه نمرات 8 سؤال اول از 0 تا 10 است. سؤال 9 پاسخ باز بوده و سه علت عمده ابتلا به بیماری را به ترتيب مورد سؤال قرار مي‌دهد، این پرسشنامه توسط برقی ایرانی(1392) اعتباریابی شده است.

به همراه 2 مقاله پایه رایگان

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile : 09102194672

Telegram: @abazizi

  • E-mail: abazizi1392@gmail.com

روش تحقیق کمی و کیفی

– روشهای کمی در کل با شمارش و اندازه گیری جنبه هایی از زندگی اجتماعی سروکار دارند؛ درحالیکه روشهای کیفی بیشتر با تولید توصیف های استدلالی و کشف معناها و تغییرهای کنشگران اجتماعی سروکار دارند (بلیکی ۳۰۱:۱۳۸۴).

– ” مقصود پژوهشگران از روشهای کمی عبارت است از آزمایشهای تصادفی سازی شده، شبه آزمایش، آزمون های “عینی” قلم و کاغذی، تحلیل های آماری چند متغیری، پیمایش های نمونه ای، و از این قبیل. در مقابل، روشهای کیفی شامل قوم نگاری مطالعات موردی، مصاحبه های ژرف و مشاهده مشارکتی اند ( Cook and Leichardt به نقل از بلیکی ۳۰۲:۱۳۸۴).

– داده های کمی معمولاً با کدگذاری داده های دیگری ایجاد می شوند که از طریق برکندن آنها از متن و خالی کردن آنها از محتوا به یک عدد فرد کاسته می شوند. بعدا پس از دستکاری اعداد، آنها مورد تفسیر قرار می گیرند، یعنی با افزودن محتوا و قرار دادن آنها در متن بسط می یابند و فرد را قادر می سازند از دریچه نشانه های عددی دوباره به دنیای اجتماعی بازنگرد (۱۹۹۶:۵Halfpenny – به نقل از بلیکی ۳۱۶:۱۳۸۴).

– به اعتقاد بلیکی (۱۳۸۴) پژوهشگران کمی نگر دلمشغولی هایی دارند که آنان را از محققان کیفی نگر متمایز می کند؛ به اختصار هر یک از این موارد را مورد بررسی قرار می دهیم :

سنجش مفاهیم : نخست اینکه ،توجهی اساسی به مفاهیم و اندازه گیری آنها وجود دارد. این مسئله به تصمیم گیری درباره آنچه باید سنجیده شود و چگونه باید سنجیده شود مربوط می شود، یعنی چگونه مفهومی را عملیاتی کنیم تا به یک متغیر تبدیل شود. بخشی از فرایند سنجش یک مفهوم، تعیین اعتبار و پایایی روش سنجش آن است: آیا سنجه مورد نظر پایایی درونی دارد، (مثل مقیاسی که باید تک بعدی باشد )؛ آیا این سنجه در طول زمان نتایج سازگار تولید می کند( پایایی )؛ و آیا برازش مطلوبی بین مفهوم و متغیر وجود دارد؛ یعنی آیا رویدادهای اندازه گیری همان چیزی را می سنجند که ادعای سنجش آن را دارند (اعتبار). دغدغه پایایی و اعتبار ویژگی پژوهشگران کمی است زیرا آنان معتقدند که با یک واقعیت “بیرونی” سروکار دارند (بلیکی ۳۲۱:۱۳۸۴).

تعیین علیت : دومین دلمشغولی پژوهشگران کمی تعیین علیت است. متغیرها را می توان تحت عناوین “مستقل” و “وابسته” طبقه بندی کرد، که فرض می شود به ترتیب علت و معلول اند. اما توالی زمانی باید از طریق کاربرد فنونی مثل تحلیل مسیر ورگرسون چند متغیری به طور مصنوعی ایجاد شود. با این حال حتی اگر مفروضات پذیرفته شده درست باشند، این فنون نمی توانند علیت تعاملی یا دوجانبه میان متغیرها را بررسی کنند. مسلماً احتمال اثبات توالی وقایع وجود دارد، برای مثال وقتی یک ازدواج از هم می گسلد و پس از آن رفتار بزهکارانه آغاز می شود. اما مدل های علی ساده اجازه بررسی اثرات تعاملی ممکن بین رفتار پدر و مادر و کودک در طول زمان را نمی دهند. طرح های طولی ممکن است بتوانند کمکهایی عرضه کنند، اما آنها برای نشان دادن تغییرات سودمندترند تا برای اثبات توالی علی یا اثرات تعاملی (همان:۳۲۲).

تعمیم دهی : در مطالعات کمی اشتیاقی برای یافتن نتایجی وجود دارد که فراتر از جمعیت مورد مطالعه به کار آید. درحالیکه استراتژی های استقرایی و قیاسی هر یک به طریق خود می کوشند به این هدف برسند: ظاهراً پژوهشگران کمی راضی به پذیرش محدودیت های زمانی و مکانی همه پرسشهای اجتماعی نیستند. بدون توجه به میزان گستردگی جمعیت مورد مطالعه، احکامی فراتر از آن جمعیت را فقط می توان براساس استدلال مبتنی بر شواهد بیشتر صادر کرد، مثل اثبات شباهت هایی با ویژگی های جمعیت های دیگر. اما بخش اعظم توجه آنها معطوف به مسئله فنی تر چگونگی تعمیم نتایج نمونه به جمعیت می شود (همان: ۳۲۳).

تکرار پذیری : دلمشغولی چهارم به امکان تکرار یافته های هر پژوهشی در همان متن و زمینه یا زمینه های مشابه مربوط می شود. فرض بر این است که امکان تکرار یافته ها نوعی وارسی و کنترل میزان دخالت سوگیری های شخصی در پژوهش است. فرض مي شود اگر پژوهشگر (بي طرف) ديگري نتواند همان نتايج را بدست آورد، بايد يك جاي كار در تحقيق اوليه بلنگد. مسلماً همواره امكان دارد كه دو پژوهشگر، يا دو روش پژوهشي به يك صورت و يك اندازه اريب باشند! پس تكرارپذيري تضمين نمي كند كه به نتيجه گيري “درست” برسيم (همان:۳۲۳).

تمركز بر افراد : آخرين دلمشغولي در كاربرد روشهاي كمي عبارت است از تمايل اين نوع پژوهش ها به تمركز بر افراد. شايد اين، تا حدي به واسطه غلبه كاربرد روشهاي پيمايشي باشد كه روي افراد اجرا مي شوند، اما ظاهراً عامل بنيادي تري در كار است. به رغم اين دستورالعمل استقرارگرايانه دوركيم كه پژوهشگران اجتماعي نبايد هيچ اعتباري براي نحوه درك افراد از واقعيت اجتماعي قائل باشند، پژوهشگران كمي به سنجش متغيرهاي فردي و سپس شئي سازي آنها به صورت واقعيتي كه حاوي هيچ چيز نيست جز شبكه هايي از روابط بين اين متغيرها، همچنان ادامه مي دهند. اين روشها هرگز به دنياي اجتماعي سكونتگاه پاسخگويان زياد نزديك نمي شوند، و فرايند تحليل مردم را از اين واقعيت مفهومي كه به صورت آماري برساخته شده محو مي كنند (همان:۳۲۴).روش تحقيق كيفي و ويژگي هاي آن : منظور از تحقيق كيفي عبارت است از هر نوع تحقيقي كه يافته هايي را به دست مي دهد كه با شيوه هايي غير از روشهاي آماري يا هرگونه كمي كردن كسب شده اند. شيوه مذكور ممكن است به تحقيق درباره زندگي افراد، شرح حالها، رفتارها و همچنين درباره كاركرد سازماني جنبش هاي اجتماعي يا روابط بين الملل معطوف باشند. يعني داده ها ممكن است به شيوه آماري كمي شده باشند اما خود تجزيه و تحليل به شكي كيفي باشد. در واقع تحقيق كيفي گنگ و مغشوش است زيرا مي تواند براي افراد گوناگون،معاني متفاوتي داشته باشد. بعضي محققان داده ها را از طريق مصاحبه يا مشاهده گردآوري مي كنند. اين فنون معمولاً با روشهاي كيفي قرين اند. با اين حال، آنها بعداً داده ها را به گونه اي كدگذاري مي كنند كه به آنان امكان تجزيه و تحليل آماري را بدهد. آنها در اصل داده هاي كيفي را كمي مي كنند (استراس و كوربين ۱۷:۱۳۸۵).

ماهيت خلاق، انعطاف پذير و بدون محدوديت تحقيق كيفي به محقق اجازه نمي دهد كه در گردآوري و تفسير داده ها با همان دقتي كه در تحقيق كمي به كار مي برد عمل كند. در تحقيق كيفي، قواعد چندان مشخصي براي تعيين نحوه اجراي مناسب و مطلوب آن و تفسير داده ها وجود ندارد. كتابهاي مربوط به روش شناسي كيفي غالباً تحقيق كيفي را يك هنر يا نوعي جهت گيري فكري مي دانند و اشاره مي كنند كه بهترين راه فراگرفتن نحوه هاي متعدد اجراي آن همان پرداختن به چندين تحقيق كيفي متفاوت است (ببي ۶۲۴:۱۳۸۸).

ويژگي هايي كه بليكي (۱۳۸۴) براي محققان كيفي گرا برمي شمارد ويژگي هايي است كه تحقيقات كيفي را از تحقيقات كمي متمايز مي كند. هر يك از اين ويژگي ها با اندكي توضيح آمده است :

استفاده كنندگان از ديدگاه كنشگران اجتماعي : اين موضع در مقابل موضع اتخاذ شده از سوي پژوهشگران كمي قرار مي گيرد كه پژوهش را از ديدگاه خودشان نسبت به چيستي واقعيت اجتماعي انجام مي دهند. اين تفاوت تحت عناويني مثل موضع “خودي” و “بيگانه”، يا رهيافت از “بالا به پايين” و “از پايين به بالا” و يا آن طور كه من ترجيح مي دهم، موضع “بالا” و “پايين” از هم تمييز داده شده است (بليكي۱۳۸۴ :۳۲۵-۳۲۴).

توصيف فربه : دومين ويژگي پژوهش كيفي اهميتي است كه به توليد توصيف هاي “فربه” از محيط هاي اجتماعي تحت مطالعه داده مي شود. همانطور كه ديده ايم، برخي پژوهشگران كيفي اين ديدگاه را دارند كه توصيف همه كاري است كه براي تأمين فهم هر جنبه اي از زندگي اجتماعي، امكان پذير يا ضروري است. آنها توجه بسياري به توصيف چيزهايي مي كنند كه ممكن است ريزه كاري ها يا جزئيات بي اهميت فعاليت اجتماعي به نظر آيند. چنين استدلال شده كه ارائه پس زمينه اي كه كنشها و تعامل ها را مي توان در متن آن درك كرد، ضرورتي حتمي است. و اين فاصله زيادي از آن نوع تبيين هاي علي دارد كه برخي از پژوهشگران كمي در تكاپوي آن هستند. اما اين توصيف مي تواند توليد شرح و تعبيرهاي رضايت بخش لز برخي جنبه هاي زندگي اجتماعي را تسهيل كند (همان:۳۲۵).

تمركز بر فرايندهاي اجتماعي : به عنوان يك قاعده كلي، پژوهشگران كيفي دنياي اجتماعي را فرايند وار مي نگرند نه ايستا امري مربوط به پويايي هاي روابط اجتماعي كنشگران اجتماعي نه ويژگي هاي افراد و روابط ميان مفاهيم انتزاعي. استدلال آنها اين است كه چون مشاركت كنندگان درگير فرايند اجتماعي مي شوند، پژوهشگراني كه مي خواهند ديدگاه اين افراد را به واقعيت اجتماعي بپذيرند، و ديدگاه افراد خودي و داخلي را بدست آورند، بايد واقعيت اجتماعي را نيز به همان شيوه بنگرند (همان: ۳۲۶).

پذيرش رهيافت انعطاف پذير : استفاده از روشهاي كيفي اغلب با پذيرش رهيافتي ساخت نيافته و انعطاف پذير به انجام پژوهش، همراه است. عدم تمايلي نسبت به تحميل مفاهيم و روابط ميان آنها بر هر بخش از دنياي اجتماعي پيش از كاوش باز و آزاد در آن وجود دارد. برخي از پژوهشگران كيفي ممكن است حتي بدون داشتن موضوع صريحاً فرمول بندي شده اي، يا بدون پرسشهاي پژوهش وارد ميدان شوند و ترجيح دهند كه موضوع و پرسشها همراه با جلوتر رفتن كار ميداني پديد آيند. نيروي محرك اين رهيافت، تاحدي اشتياق به ديدن جهان از دريچه چشمان كنشگران اجتماعي است. اما، همچنين اين رهيافت مبتني بر اين ديدگاه است كه پژوهشگر احتمالاً درك كافي از وضعيت ندارد و در طول فرايند مشاهده مشاركتي يا روشهاي مشابه ديگر، موارد خلاف انتظار احتمالاً پيش خواهد آمد (همان:۳۲۶).

پروراندن مفاهيم و نظريه : پژو هشگران كيفي كه با استراتژي پژوهش استفهامي كار مي كنند به اين نكته توجه دارند كه پذيرش پيشاپيش يك نظريه نه تنها پژوهشگر را محدود مي كند بلكه همچنين او را از اتخاذ ديدگاه كنشگران بازمي دارد. در عوض، اين پژوهشگران بيشتر به پروراندن مفاهيم و نظريه ها در طول گرآوري داده ها علاقمندند. اگر مفاهيم فني از همان آغاز در پژوهش مورد استفاده قرار گيرند، صرفاً نقشي حساس ساز ايفا مي كنند، يعني بعنوان مرجع و راهنما و نه از پيش تعيين كننده پديده مورد كاوش (همان:۳۲۶). موارد تفاوت روشهاي تحقيق كمي و كيفي :

ديدگاه كيفي و ديدگاه كمي هم از لحاظ مباني نظري و هم اهداف با همديگر تفاوتهاي بنيادي دارند. در اينجا تفاوتهاي تحقيقات كمي و كيفي را به ترتيب مراحل انجام يك پژوهش بررسي مي كنيم :

1- فرضيه : تحقيقات كمي در عاليترين شكل خود كار را با فرضيه آغاز مي كنند و اساساً در روش كمي، وجود فرضيه قبل از جمع آوري اطلاعات يكي از ملاكهي ارزيابي تحقيقات است. اما در روش كيفي، محققان پژوهش را با فرضيه يا پيش بيني هاي از قبل تعريف شده آغاز نمي كنند،بلكه فرضيه هاي تحقيق در حين جمع آوري اطلاعات صورت بندي و تبيين مي شوند. اين تفاوت از آنجا ناشي مي شود كه محققان تحقيقات كيفي اعتقادي بر عام بودن پديده ها در شرايط مختلف ندارد.

2- متغيرها : در تحقيقات كمي قبل از ورود به مرحله گردآوري داده متغيرها تعريف مي شوند. اما در پژوهشهاي كيفي سازه ها يا متغيرها داراي تعاريف متعددي هستند كه با توجه به موقعيت و شرايط مختلف تعريف متفاوتي دارند. يعني تعريف هر متغير از يك موقعيت به موقعيت ديگر متفاوت است.

3- طرح تحقيقاتي : در تحقيقات كمي محقق بايد از قبل طرح تحقيقاتي مدون و استاندارد براي تحقيق مشخص نمايد و تا حد امكان مطابق با آن عمل نمايد و عدول از طرح تحقيقاتي به معناي ضعف در طرح تحقيق است. اما در تحقيقات كيفي طرح از پيش تعيين شده و استانداردي براي تحقيق وجود ندارد و در هر مرحله از تحقيق مطابق آنچه رخ داده مرحله بعد تعيين مي شود به عبارت ديگر طرح تحقيق در جريان تحقيق به شكل مرحله اي شكل مي گيرد. محققين كيفي گرا معتقدند كه آغاز ننمودن تحقيق با يك طرح از پيش تعريف شده اين امكان را براي محقق فراهم مي آورد كه متغيرهاي پيش بيني نشده را در هر مرحله از تحقيق كه ضرورت آنها را احساس كند، وارد طرح نمايد.

4- نقش محقق در گردآوري اطلاعات : در روشهاي كمي محقق به دليل حجم وسيع و گسترده افراد يا پديده مورد بررسي خود به گردآوري اطلاعات نمي پردازد و بلكه با بكارگيري و يا تلفن يا پرسشنامه پستي داده هاي خود را گردآوري مي كند. اما در روش كيفي كه بيشتر به صورت مصاحبه و مشاهده است، اطلاعات مورد نياز تحقيق از طريق ارتباط مستقيم بين پرسشگر يا محقق با پاسخگو گردآوري مي شود. در واقع مصاحبه يك مكالمه دوطرفه است كه با طرح سوال مصاحبه گر به منظور كسب اطلاعات مربوط به تحقيق آغاز مي شود (حافظ نيا ۱۹۹:۱۳۸۷).

5- نمونه گيري : اساساً هدف تحقيقات كمي تعميم دادن نتايج تحقيق به ساير جوامع مشابه است. بنابراين براي كسب چنين امكاني بايستي نمونه اي از افراد انتخاب شود كه معرف جامعه مورد مطالعه باشند. اما در تحقيقات كيفي نمونه گيري جنبه قضاوتي دارد چرا كه اعتقاد بر اين است كه هر فرد آزمودني ويژگي هاي خاص خود را دارد و اگر هدف بررسي آن ويژگي ها باشد از طريق نمونه گيري تصادفي نمي توان چنين افرادي را انتخاب نمود.

6- تحليل داده ها : روشهاي تحليل كيفي از جهت ميزان تلاش براي “حفظ يكپارچگي پديده مورد مطالعه” با يكديگر تفاوت دارند. يعني، از اين نظر كه پژوهشگر تا چه حد به زبان ومفاهيم و معاني كنشگران اجتماعي وفادار مي ماند، نه اينكه مفاهيم و مقوله هاي خود را بر تعابير عاميانه تحميل كند (بليكي ۳۱۲:۱۳۸۴).

در روشهاي كمي داده هاي گردآوري شده به صورت عددي ارائه مي شوند لذا ابزارهای تحلیلی روشهای آماری و جداول توصیفی است. آمار توصیفی آماری است که الگوی پاسخ های افراد نمونه را تلخیص می کند. کار آمار استنباطی نشان دادن این نکته است که آیا الگوهای توصیف شده در نمونه کاربردی در مورد جمعیتی که نمونه از آن انتخاب شده دارد یا نه (دواس۱۳۸۷: ۱۳۸-۱۳۷).

7- گزارش نتایج : در نتایج یک پژوهش کیفی کمتر پیش می آید از ارقام و داده ها استفاده شود، نتایج حاصل بیشتر در قالب شرح وقایع و توصیفات بیان می شود. اما در تحقیقات کمی از جداول، نمودارها، خروجی های آماری و کامپیوتری استفاده می شود. نحوه انتخاب روش تحقیق متناسب با عنوان موضوع :

مقصود اصلی انتخاب استراتژی یا استراتژی های پژوهشی دستیابی به بهترین رویه های تحقیقاتی برای پرداختن به موضوع پژوهش و بخصوص، پاسخ دادن به پرسشهای پژوهش است. با این حال، توجه به این نکته اهمیت شایانی دارد که شاید لازم باشد از استراتژی های متفاوتی برای پرسشهای پژوهشی متفاوت استفاده شود. برای مثال استراتژی استقرایی را می توان برای پاسخ دادن به پرسشهای “چیست” به کاربرد، و استراتژی قیاسی و پس کاوی را برای پاسخ دادن به پرسشهای “چرا”. استراتژی استفهامی این مزیت را دارد که هم برای پاسخ دادن به به پرسشهای “چیست” و هم پرسشهای “چرا” قابل استفاده است، بسته به اینکه پژوهشگر در چه شاخه ای از تفسیرگرایی فعالیت می کند (بلیکی ۱۶۳:۱۳۸۴).

در انتخاب روش و ابزار مورد استفاده به تناسب موضوع و هدف پژوهش باید دقت زیادی به خرج داد. مطالعات کیفی گرا که بیشتر توصیف یک پدیده و آن هم از طریق مشاهده صورت می گیرد معمولاً به صورت مطالعه موردی است. هدف کلی در مطالعه موردی مشاهده تفصیلی ابعاد “مورد” تحت مطالعه و تفسیر مشاهده ها از دیدگاه کل گرا است. از این رو مطالعه موردی بیشتر به روش کیفی و با تأکید بر فرایندها و درک و تفسیر آنها انجام می شود. مورد چنان انتخاب می شود که نمایان کننده وضعیت یا حالت کلی تحت مطالعه، یا مثالی از پدیده(های) مورد نظر باشد که پژوهشگر می خواهد درباره آن(ها) به درک عمقی دست یابد. در تعلیم و تربیت، “مورد” می تواند شامل: یک فرد ( دانش آموز،معلم،مدیر )، یک برنامه درسی، یک گروه از افراد (معلمان و مسئولان اداری)، یکی از رویدادهای آموزشی (دانش آموختگی)، یا یک سازمان (رسمی یا غیررسمی) باشد (سرمد و دیگران ۸۹:۱۳۸۲).

روشهای کمی به سبب اهدافشان که تعمیم پذیری و شمول عام یافتن نتایج است، معمولاً از اعداد و ابزارهای عددساز استفاده می کنند. عالیترین نوع روشها برای نیل به این هدف، پیمایش است.در مطالعات پیمایشی از ابزار پرسشنامه استفاده می شود. پرسشنامه ها سوالاتی را پیش روی پاسخگویان قرار می دهند و در مقابل اعدادی را به پژوهشگر تحویل می دهند و پژوهشگر متناسب با فرضیه های اولیه خود داده ها را مقایسه و به نتایجی دست می یابد. محققان (بیشتر محققان رفتاری) گاهی از آزمایش نیز استفاده می کنند. گرچه در آزمایشها محقق به مشاهده رفتار افراد می پردازد اما میزان تکرارپذیری رفتارها و عکس العملها داده های محقق را تأمین می کند و این بار نیز محقق گرفتار اعداد و داده هایی می شود که نتایج تحقیق او را نشان می دهد. محاسن و معایب روش تحقیق کمی :

نظم و قدرت تحلیل عددی است که اطلاعات کمی سازی شده را چنین جذاب کرده و موجب بدگمانی نسبت به اطلاعات کیفی شده است. اما برای آنکه داده های کمی از این مزایای آشکار برخوردار شوند لازم است فرض کنیم که خواص یک دستگاه عددی با برخی خصوصیات داده های اصلی متناظرند (بلیکی ۳۱۷:۱۳۸۴).

به طور سنتی، پژوهشگران کمی توجه خود را معطوف به محرز ساختن “اعتبار” و “پایایی” اندازه گیری های خود می کنند، یعنی اینکه ابزارهای آنها همان چیزی را می سنجد که داعیه سنجیدن آن را دارند و این سنجش با انسجام و سازگاری همراه است. اگر روشهای تعیین اعتبار و پایایی را بررسی کنیم، درمی یابیم که آنها براساس تأیید و تکرار استوارند. هیچ معیار نهایی که بتوان ابزارهای سنجش را با آن محک زد وجود ندارد، چیزی که وجود دارد فقط ابزارهای به خوبی استفاده شده ای هستند که اجتماعی از پژوهشگران به آنها اطمینان زیادی دارند. عینیت همواره نسبی است (همان:۳۱۹).

روشهای کمی نقاط ضعف و قوتی دارند که باعث می شود مقبول و یا مطرود شود. در زیر به برخی نقاط ضعف و قوت آن اشاره می شود :

نقاط قوت :

دقت : به دلیل سنجه های قابل اطمینان و سنجشگر
کنترل : به علت نمونه گیری و طراحی
توانایی ارائه روابط علی : به سبب استفاده از آزمونهای کنترل شده
تکنیک های آماری که توان تحلیل های پیچیده را به محقق می دهد.
تکرارپذیر (برگرفته از ۲۰۰۶Hughes )
نقاط ضعف :

به علت پیچیدگی تجربیات انسانی مشکل است بتوان متغیرها را کنترل یا محدود کرد.
به دلیل پویایی انسان، مردم نمی توانند به همان شیوه مواد ثابت در علوم طبیعی عکس العمل نشان دهند.
روش مکانیستی آن مانع ظهور تفکر خلاق و آزاد، انتخاب و اخلاق مسئولیت می شود.
کمیت سازی ممکن است تبدیل به غایت شود. (برگرفته از۲۰۰۶Hughes ) محاسن و معایب روش تحقیق کیفی :
پژوهشگران کیفی درباره نیاز به محرز ساختن اصالت یافته هایشان توافق نظر ندارند. برخی استدلال می کنند که پژوهشگران تعابیر منحصر به فرد خود را تولید می کنند و تأیید و تکرار غیرممکن است. آنها مدعی اند که اگر به صورت حرفه ای عمل شده باشد و تبیین شده باشد که چگونه پژوهش انجام یافته است، باید به تعابیر آنها اعتماد کرد. سایر پژوهشگران کیفی استدلال کرده اند که کنشگران اجتماعی مورد نظر باید همه تعابیری را که پژوهشگر از زندگی اجتماعی آنها ارائه می دهد، تأیید کنند. به عبارت دیگر، تعبیر پژوهشگر باید تناظر نزدیک با تعابیر کنشگران اجتماعی داشته باشد. شوتز ( b1963 Schultz ) از اصل کفایت سخن می گفت که مستلزم این است که پژوهشگران اجتماعی باید بتوانند خود را در تعابیر جامعه شناسان بازشناسند. به همین ترتیب داگلاس (۱۹۷۱ Douglas ) اصرار داشت پژوهشگران یکپارچگی پدیده را حفظ کنند، و متدولوژیست ها از اعتبار بخشی اعضا سخن گفته اند. این نوع اعتبار، مثل همه صور اعتباربخشی، مشکلات خاص خود را دارد. با این حال تلاشی است برای نزدیک ساختن برساخته های جامعه شناختی به برساخته های اجتماعی از واقعیت (بلیکی ۳۲۰:۱۳۸۴).

اگرچه استفاده و بكارگيري روشهاي كيفي در مقابل روشهاي كمي به سبب اعتبار و منطقي بودن آن است اما مسئله تعميم دهي موضوعي است كه برخي پژوهشگران را نسبت به آن دلسرد كرده است. مسئله تعميم در پژوهش كيفي دو جنبه دارد. نخست : نمونه گيري احتمالي در اين پژوهش ها جايي ندارد و معمول نيست. دوم داده هخاي كيفي پذيراي آن قسم تعميم كه در پژوهش كمي رواج دارد، مثل فنون آماري مبتني بر نظريه احتمالات،نيستند (بليكي ۳۲۸:۱۳۸۴). با اين حال پژوهش هاي كيفي نيز نقاط قوت و ضعفي دارند كه ذاتي آنهاست و تلاش روانشناسان در برطرف كردن ضعف ها تاكنون بي نتيجه بوده است. در زير به اختصار برخي محدوديت ها و توانايي هاي روشهاي كيفي را ارائه مي كنيم :

نقاط قوت :

به علت تداخل و حضور مستقيم محقق، وي به نگرش يك فرد خودي در مورد مسئله دست مي يابد و اين به محقق اين امكان را مي دهد كه مسائل گمشده را راحت تر بيابد.
توصيفات كيفي مي توانند نقش مهمي را در امكان پيش بيني روابط، علت ها، تأثيرات و فرايندهاي پويا ايفا كنند.
محقق كيفي گوشت و خونش را درگير تحليل اجتماعي مي كند .
(۲۰۰۶ Hughes)

نقاط ضعف :

ميدان، جايگاه ها، رخدادها، شرايط و تعاملات نمي توانند همواره تكرار شوند و نه مي توانند با همان اطمينان يك پژوهش در سطح گسترده تر عموميت يابند.
گردآوري، تحليل و تفسير داده ها بيش از اندازه زمان بر است.
مسئله گمنامي و جلب اعتماد هنگام گزينش يافته ها مسائلي را بوجود مي آورد.
حضور محقق تأثير عميقي بر موضوعات مورد مطالعه مي گذارد (برگرفته از ۲۰۰۶ Hughes)
تقسيم بندي ابزارها با توجه به نگرش كلي محقق :

همانطور که قبلاً نیز اشاره شد پژوهش با توجه به نگرش محقق و اهداف او می تواند کمی یا کیفی باشد. هر یک از دو گرایش ویژگی های منحصربفردی دارند که در همه مراحل محقق را هدایت می کند و حتی او را محدود به چارچوبی می کند که خارج شدن از آن چارچوب کل تحقیق را منحرف می کند. محقق قبل از اقدام به هر کاری بایستی تکلیف خود را با جنبه هایی از پژوهش مشخص کند و سعی کند آنها را در طول انجام تحقیق مدنظر داشته باشد. این جنبه عبارتند از :

پارادایم ها: رهیافت ها یا دیدگاههایی که مفروضات هستی شناختی و روش شناختی متفاوتی دارند.
روش ها: که شامل فنون گردآوری و تحلیل داده ها می شوند.
پژوهش: که یکی از دو روش در آن بکار می رود.
داده ها: که توسط یکی از این دو روش تولید می شود.
منابع

استراس،آنسلم؛کوربین،جولیت: اصول روش تحقیق کیفی(نظریه مبنایی). ترجمه بیوک محمدی، پژوهشگاه علوم انسانی و مطالعات فرهنگی. تهران۱۳۸۵٫

ببی،ارل: روشهای تحقیق در علوم اجتماعی. ترجمه رضا فاضل. انتشارات سمت. تهران۱۳۸۸٫

بلیکی ، نورمن: طراحی پژوهشهای اجتماعی. ترجمه حسن چاوشیان. انتشارات نی، تهران ۱۳۸۴٫

بیکر،ترز.ال: نحوه انجام تحقیقات اجتماعی. ترجمه هوشنگ نائبی. نشر نی. تهران۱۳۸۸٫

حافظ نیا،محمدرضا: مقدمه ای بر روش تحقیق در علوم انسانی، انتشارات سمت، تهران۱۳۸۷٫

دواس، دی.ای: پیمایش در تحقیقات اجتماعی. ترجمه هوشنگ نائبی. نشر نی، تهران۱۳۸۷٫

رفیع پور، فرامرز: تکنیک های خاص تحقیق در علوم اجتماعی. انتشارات شرکت سهامی انتشار تهران ۱۳۸۵٫

ساروخانی، باقر: روشهای تحقیق در علوم اجتماعی ۳ جلد. جلد اول و دوم. پژوهشگاه علوم انسانی و مطالعات فرهنگی. تهران ۱۳۸۸٫

سرمد، زهره؛بازرگان،عباس؛حجازی،الهه: روشهای تحقیق در علوم رفتاری، انتشارات آگه تهران۱۳۸۲٫
برگرفتە از:فارسی داکس

پرسشنامه استاندارد

پرسشنامه هویت برند کولمن(2011)

پرسشنامه هویت برند کولمن(2011)

هويت، جوهر و اصالت برند است .اگر شركتي بخواهد تصويري ماندگار براي خود ايجاد كند، نخست برند بايد هويت خود را به وجود آورد، سپس بر مبناي اين هويت، تصويرو پيام ذهني خود را مي سازند . هويت برند عبارت است از معنا و مفهوم برند كه وسيله به شركت مطرح  می شود. در واقع جوهرة برندسازي، آن است كه ها شركت بايد تلاش كنند برندهايي با تداعی هاي پرقدرت، مطلوب و منحصر به فرد بودن خلق كنند .  هويت برند هر شرايطي را نمي پذيرد و نمادهاي هويت مرزهايي را تعريف می کنند  كه برخي موقعيت را ممنوع و برخي را  تضمين می کند.  موقعيت بايد باورپذير و قابل توجيه باشد.

پرسشنامه هویت برند توسط کولکن(2011) طراحی و اعتباریابی شده است، این پرسشنامه شامل 12 گویه بسته پاسخ بر اساس طیف پنج درجه ای لیکرت می باشد، پرسشنامه پنج بعد ابعاد بصری سازمان، شخصیت برند، طرح های منابع انسانی، تمرکز بر کارکند و مشتری، ارتباطات سازگار را مورد سنجش قرار می دهد.

به همراه 2 مقاله پایه رایگان

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile : 09102194672

Telegram: @abazizi

  • E-mail: abazizi1392@gmail.com

پرسشنامه استاندارد

 تحلیل آماری

شاخص های برازش مدل

از آنجایی که موضوع برازش مدل مفهومی و شاخص هایی که به بهترین نحو توانایی تفسیر بهتر برازش مدل را داشته باشند بسیار متنوع و پیچیده شده است و محققان با نوعی سردرگمی مواجه هستند.در این پژوهش از پرکاربردترین و مناسب ترین شاخص های برازش مدل استفاده کرده ایم.در ایتدای امر در هر مورد توضیحی مختصر داده شده و دامنه پذیرش آن نیز بیان شده است.

در حالت کلی ۲ نوع شاخص برازش وجود دارد که هر کدام از آنها دارای زیر شاخص هایی هستند.

شاخص های اصلی عبارتند از :

الف) شاخص های برازش مطلق

ب) شاخص های برازش مقایسه ای یا نسبی

شاخص های اندازه گیری مطلق از اساسی ترین و اصلی ترین معیارها برای صحت و سقم برازش داده ها بر اساس مدل یا فرضیات پیشنهاد شده می باشند که بر مبنای تفاوت میان واریانس ها و کوواریانس های دو مدل مشاهده شده و تدوین شده اندازه گیری می شود ؛ هرچه تعداد پارامترهای مدل بیشتر باشد، شاخص های برازش مطلق بهبود خواهند یافت و به سمت مدل اشباع شده(برازش کامل) نزدیکتر می شود.

الف  ۱ ) کای اسکوئر(مجذور کای) و نسبت کای اسکوئر به درجه آزادی

شاخص کای اسکوئر برای ارزیابی برازش کلی مدل و تعیین میزان شدت اختلاف بین ماتریس های کوواریانس برآورد شده و مشاهده شده تعریف می شود(Hu & Bentler,1992:2).در واقع برای این شاخص باید مقدار سطح معناداری بیشتر از ۰٫۰۵ باشد(p-value>0.05)

این شاخص معایبی از جمله وابستگی زیاد به حجم نمونه ( با افزایش نمونه برازش مناسب تری نشان می دهد)،وابستگی به نرمال بودن چند متغیره متغیرهای مشاهده شده(در صورت نرمال نبودن، موجب رد مدلهای خوب می شود) ، و تاثیر میزان همبستگی بین متغیرهای مدل بر این شاخص(با افزایش همبستگی متغیرها شاخص کای اسکوئر برازش  ضعیفتری نشان می دهد) دارد و همین امر موجب شده محققان شاخص نسبت کای اسکوئر بر در جه آزادی برای ارزیابی برازش خوب یا ضعیف مدل معرفی کنند که به حجم نمونه حساس نباشد.برخی از محققین مقدار بسیار بالای ۵ را برای این شاخص متناسب دیده اند(Wheaton et al,1977) برخی مقدار کمتر از ۲ (Tabachnick & Fidell, 2007) و ۱ تا ۳ (Kline, 2005;2011) را بعنوان بهترین نسبت برای این شاخص در نظر گرفته اند.ضمنا مقدار ۱ نشان دهنده برازش کامل مدل(مدل اشباع شده ) می باشد.

الف  ۲ ) نیکویی برازش (GFI) و نیکویی برازش اصلاح شده (AGFI)

این دو شاخص که به حجم نمونه بستگی ندارد و نسبت واریانس باز تولید شده را به کمک برآورد مقدار کوواریانس مشاهده شده محاسبه می کند(Tabachnick & Fidell, 2007  )

مقدار GFI بیانگر میزان دقت مدل در تکرار ماتریس کوواریانس مشاهده شده است.این معیار به شدت تحت تاثیر تعداد پارامترهای مدل می باشد و با افزایش آن ، مقدار GFI افزایش می یابد(MacCallum & Hong, 1997) .برای این شاخص مقادیر بالای ۹/۰ را جهت مناسبت مدل پیشنهاد کرده اند.

همچنین شاخص AGFI که مرتبط به مقدار GFI می باشد، شاخص است که  GFIرا بر اساس میزان درجه آزادی مدل تنظیم می نمایددر واقع هدف این معیار جریمه نمودن مدل به ازای افزایش تعداد پارامترهای جدید به مدل است، بطوریکه اضافه کردن تعداد پارامترهای جدید به مدل تاثیر مثبت بسیار کمی در بهبود برازش مدل دارد(Hoyle,2012:215). همچنین این معیار با افزایش حجم نمونه افزایش نمی یابد و دامنه مورد پذیرش آن مانند شاخص  GFIمقادیر بالای ۹/۰ می باشد(Hooper et al.,2008)

الف  ۳ ) ریشه میانگین مربعات باقی مانده(RMR) و ریشه میانگین مربعات باقی مانده استاندارد شده (SRMR)

شاخص RMR یکی از شاخص هایی است که بد بودن مدل تجربی را نشان می دهد هر دو شاخص RMR و SRMR ریشه مربعات حاصل از تفاوت بین ماتریس کوواریانس نمونه باقی مانده و مدل کوواریانس فرض شده می باشد که برای مقایسه برازش دو مدل متفاوت با داده های یکسان مورد استفاده قرار مورد استفاده قرار می گیرد.

اگر در پرسشنامه ای از طیف های لیکرت متفاوت( ۵ تایی و ۷ تایی) استفاده شده باشد شاخص RMR اعتبار چندانی ندارد (Kline,2005).شاخص SRMR این مشکل را برطرف کرده و در این گونه موارد استفاده از این شاخص اعتبار بالایی دارد(Hooper et al.,2008 ).شاخص SRMR بین ۰ تا ۱ تغییر می کند که برای مدلهایی با برازش خوب این مقدار زیر ۰٫۰۵ است (Byrne,1998;Hooper et al,2008).همچنین مقادیر زیر ۰٫۰۸نیز مورد پذیرش می باشند(Bentler,1999;Kline,2011)

همچنین معیار های ترکیبی شاخص SRMR و شاخص های NNFI ,RMSEA و CFI در جدول زیر آورده ایم.

ترکیب شاخص های برازشمقدار پذیرش ترکیبی
SRMR و NNFIمقادیر بالاتر برای شاخص NNFI و مقادیر ۰۸/۰ یا کمتر برای SRMR
SRMR و RMSEAمقادیر ۰۶/۰ یا کمتر برای شاخص RMSEA و مقادیر ۰۸/۰ یا کمتر برای SRMR
SRMR و CFIمقادیر ۹۵/۰ یا بالاتر برای شاخص CFI و مقادیر ۰۸/۰ یا کمتر برای شاخص SRMR

الف  ۴ ) ریشه میانگین مربعات خطای برآورد(RMSEA)

این شاخص یکی از اصلی ترین شاخص های برازش مدل در تحلیل مدل سازی معادلات ساختاری با نرم افزار LISREL می باشد که میزان بد بودن مدل برازش شده را در مقایسه با مدل اشباع شده برآورد می نماید(Ullman, 2006:44) و همانند شاخص SRMR مقدار کم این شاخص نشان دهنده برازش خوب مدل است.در سالهای اخیر مقادیر زیر ۰۶/۰ ( Hu & Bentler,1999) یا حتی مقادیر زیر ۰۷/۰ (Steiger,2007) و در سخت گیرانه ترین حالت دامنه بین ۰ تا  ۰۵/۰  بعنوان دامنه پذیرش برازش خوب مدل در نظر گرفته شده است و مقادیر بالای ۱/۰ نشان دهنده برازش ضعیف مدل می باشد(Hoyle,2012;Browne & Cudeck,1993).مقدار این شاخص از فرمول زیر محاسبه می شود:

نکته:

در مواردی که تعداد نمونه موجود در پژوهش کمتر از ۱۵۰ باشد، RMSEA شاخص مناسبی برای ارزیابی بد بودن مدل نیست ، چون در این حالت این شاخص بسیار بالا محاسبه می شود و برای حل این مشکل باید به مقدار CFI مراجعه شود ، چنانچه این مقدار بیشتر از ۹۵/۰ باشد، می توان به برازش خوب مدل توجه نمود و از کنار شاخص RMSEA گذشت(Ullman, 2006:44)

ب) شاخص های برازش مقایسه ای یا نسبی

شاخص های برازش نسبی ، شامل گروهی از شاخص ها می شوند که مقادیر کای اسکوئر را با مدل پایه ای مقایسه می نماید در واقع این شاخص ها بدنبال مقایسه بین یک مدل خاص با سایر مدلهای ممکن می پردازد.

ب  ۱ ) شاخص نرم شده برازندگی( NFI) و شاخص نرم نشده برازندگی(  NNFI)

دامنه پذیرش این شاخص در بین مقادیر ۰ تا ۱ توسط

ب  ۲ ) شاخص برازندگی فزاینده ( IFI)

ب  ۳ ) شاخص برازندگی تطبیقی ( CFI)

شاخص های برازش مدل

از آنجایی که موضوع برازش مدل مفهومی و شاخص هایی که به بهترین نحو توانایی تفسیر بهتر برازش مدل را داشته باشند بسیار متنوع و پیچیده شده است و محققان با نوعی سردرگمی مواجه هستند.در این پژوهش از پرکاربردترین و مناسب ترین شاخص های برازش مدل استفاده کرده ایم.در ایتدای امر در هر مورد توضیحی مختصر داده شده و دامنه پذیرش آن نیز بیان شده است.

در حالت کلی ۲ نوع شاخص برازش وجود دارد که هر کدام از آنها دارای زیر شاخص هایی هستند.

شاخص های اصلی عبارتند از :

الف) شاخص های برازش مطلق

ب) شاخص های برازش مقایسه ای یا نسبی

شاخص های اندازه گیری مطلق از اساسی ترین و اصلی ترین معیارها برای صحت و سقم برازش داده ها بر اساس مدل یا فرضیات پیشنهاد شده می باشند که بر مبنای تفاوت میان واریانس ها و کوواریانس های دو مدل مشاهده شده و تدوین شده اندازه گیری می شود ؛ هرچه تعداد پارامترهای مدل بیشتر باشد، شاخص های برازش مطلق بهبود خواهند یافت و به سمت مدل اشباع شده(برازش کامل) نزدیکتر می شود.

الف  ۱ ) کای اسکوئر(مجذور کای) و نسبت کای اسکوئر به درجه آزادی

شاخص کای اسکوئر برای ارزیابی برازش کلی مدل و تعیین میزان شدت اختلاف بین ماتریس های کوواریانس برآورد شده و مشاهده شده تعریف می شود(Hu & Bentler,1992:2).در واقع برای این شاخص باید مقدار سطح معناداری بیشتر از ۰٫۰۵ باشد(p-value>0.05)

این شاخص معایبی از جمله وابستگی زیاد به حجم نمونه ( با افزایش نمونه برازش مناسب تری نشان می دهد)،وابستگی به نرمال بودن چند متغیره متغیرهای مشاهده شده(در صورت نرمال نبودن، موجب رد مدلهای خوب می شود) ، و تاثیر میزان همبستگی بین متغیرهای مدل بر این شاخص(با افزایش همبستگی متغیرها شاخص کای اسکوئر برازش  ضعیفتری نشان می دهد) دارد و همین امر موجب شده محققان شاخص نسبت کای اسکوئر بر در جه آزادی برای ارزیابی برازش خوب یا ضعیف مدل معرفی کنند که به حجم نمونه حساس نباشد.برخی از محققین مقدار بسیار بالای ۵ را برای این شاخص متناسب دیده اند(Wheaton et al,1977) برخی مقدار کمتر از ۲ (Tabachnick & Fidell, 2007) و ۱ تا ۳ (Kline, 2005;2011) را بعنوان بهترین نسبت برای این شاخص در نظر گرفته اند.ضمنا مقدار ۱ نشان دهنده برازش کامل مدل(مدل اشباع شده ) می باشد.

الف  ۲ ) نیکویی برازش (GFI) و نیکویی برازش اصلاح شده (AGFI)

این دو شاخص که به حجم نمونه بستگی ندارد و نسبت واریانس باز تولید شده را به کمک برآورد مقدار کوواریانس مشاهده شده محاسبه می کند(Tabachnick & Fidell, 2007  )

مقدار GFI بیانگر میزان دقت مدل در تکرار ماتریس کوواریانس مشاهده شده است.این معیار به شدت تحت تاثیر تعداد پارامترهای مدل می باشد و با افزایش آن ، مقدار GFI افزایش می یابد(MacCallum & Hong, 1997) .برای این شاخص مقادیر بالای ۹/۰ را جهت مناسبت مدل پیشنهاد کرده اند.

همچنین شاخص AGFI که مرتبط به مقدار GFI می باشد، شاخص است که  GFIرا بر اساس میزان درجه آزادی مدل تنظیم می نمایددر واقع هدف این معیار جریمه نمودن مدل به ازای افزایش تعداد پارامترهای جدید به مدل است، بطوریکه اضافه کردن تعداد پارامترهای جدید به مدل تاثیر مثبت بسیار کمی در بهبود برازش مدل دارد(Hoyle,2012:215). همچنین این معیار با افزایش حجم نمونه افزایش نمی یابد و دامنه مورد پذیرش آن مانند شاخص  GFIمقادیر بالای ۹/۰ می باشد(Hooper et al.,2008)

الف  ۳ ) ریشه میانگین مربعات باقی مانده(RMR) و ریشه میانگین مربعات باقی مانده استاندارد شده (SRMR)

شاخص RMR یکی از شاخص هایی است که بد بودن مدل تجربی را نشان می دهد هر دو شاخص RMR و SRMR ریشه مربعات حاصل از تفاوت بین ماتریس کوواریانس نمونه باقی مانده و مدل کوواریانس فرض شده می باشد که برای مقایسه برازش دو مدل متفاوت با داده های یکسان مورد استفاده قرار مورد استفاده قرار می گیرد.

اگر در پرسشنامه ای از طیف های لیکرت متفاوت( ۵ تایی و ۷ تایی) استفاده شده باشد شاخص RMR اعتبار چندانی ندارد (Kline,2005).شاخص SRMR این مشکل را برطرف کرده و در این گونه موارد استفاده از این شاخص اعتبار بالایی دارد(Hooper et al.,2008 ).شاخص SRMR بین ۰ تا ۱ تغییر می کند که برای مدلهایی با برازش خوب این مقدار زیر ۰٫۰۵ است (Byrne,1998;Hooper et al,2008).همچنین مقادیر زیر ۰٫۰۸نیز مورد پذیرش می باشند(Bentler,1999;Kline,2011)

همچنین معیار های ترکیبی شاخص SRMR و شاخص های NNFI ,RMSEA و CFI در جدول زیر آورده ایم.

ترکیب شاخص های برازشمقدار پذیرش ترکیبی
SRMR و NNFIمقادیر بالاتر برای شاخص NNFI و مقادیر ۰۸/۰ یا کمتر برای SRMR
SRMR و RMSEAمقادیر ۰۶/۰ یا کمتر برای شاخص RMSEA و مقادیر ۰۸/۰ یا کمتر برای SRMR
SRMR و CFIمقادیر ۹۵/۰ یا بالاتر برای شاخص CFI و مقادیر ۰۸/۰ یا کمتر برای شاخص SRMR

الف  ۴ ) ریشه میانگین مربعات خطای برآورد(RMSEA)

این شاخص یکی از اصلی ترین شاخص های برازش مدل در تحلیل مدل سازی معادلات ساختاری با نرم افزار LISREL می باشد که میزان بد بودن مدل برازش شده را در مقایسه با مدل اشباع شده برآورد می نماید(Ullman, 2006:44) و همانند شاخص SRMR مقدار کم این شاخص نشان دهنده برازش خوب مدل است.در سالهای اخیر مقادیر زیر ۰۶/۰ ( Hu & Bentler,1999) یا حتی مقادیر زیر ۰۷/۰ (Steiger,2007) و در سخت گیرانه ترین حالت دامنه بین ۰ تا  ۰۵/۰  بعنوان دامنه پذیرش برازش خوب مدل در نظر گرفته شده است و مقادیر بالای ۱/۰ نشان دهنده برازش ضعیف مدل می باشد(Hoyle,2012;Browne & Cudeck,1993).مقدار این شاخص از فرمول زیر محاسبه می شود:

نکته:

در مواردی که تعداد نمونه موجود در پژوهش کمتر از ۱۵۰ باشد، RMSEA شاخص مناسبی برای ارزیابی بد بودن مدل نیست ، چون در این حالت این شاخص بسیار بالا محاسبه می شود و برای حل این مشکل باید به مقدار CFI مراجعه شود ، چنانچه این مقدار بیشتر از ۹۵/۰ باشد، می توان به برازش خوب مدل توجه نمود و از کنار شاخص RMSEA گذشت(Ullman, 2006:44)

ب) شاخص های برازش مقایسه ای یا نسبی

شاخص های برازش نسبی ، شامل گروهی از شاخص ها می شوند که مقادیر کای اسکوئر را با مدل پایه ای مقایسه می نماید در واقع این شاخص ها بدنبال مقایسه بین یک مدل خاص با سایر مدلهای ممکن می پردازد.

ب  ۱ ) شاخص نرم شده برازندگی( NFI) و شاخص نرم نشده برازندگی(  NNFI)

دامنه پذیرش این شاخص در بین مقادیر ۰ تا ۱ توسط

ب  ۲ ) شاخص برازندگی فزاینده ( IFI)

ب  ۳ ) شاخص برازندگی تطبیقی ( CFI)

پرسشنامه استاندارد

پرسشنامه رهبری خیرخواهانه کارکاس و سارگلو(2012)

پرسشنامه رهبری خیرخواهانه کارکاس و سارگلو(2012)

امروزه مدیران با اتخاذ سبکهای مناسب رهبری میتوانند نقش عمدهای در بهبود عملکرد کارکنان و همچنین افزایش بهرهوریسازمانی ایفا نمایند. رهبری را اصولا هنر نفوذ در دیگران میدانند. بدین معنى که پیروان به دلخواه و نه از رو ىاجبار، از رهبر اطاعت مىکنند. بنابراین، منظور از رهبری به طور عام، تأثیرگذاری بر افراد و انگیزش آنان به طوری است که از رو ىمیل، علاقه و با اشتیاق برا ىدستیابی به هدفهای گروهی تلاش کنند.

رهبری‌ خیرخواه ‌ ‌شاخه ای‌ از ‌رهبری‌ والدینی و‌گونه ای ‌از‌ رهبری ‌اصیل‌ است‌ که‌ از طریق ‌توسعه‌

اخلاقیات‌، جستجوی‌ معنا‌ و ‌ایجاد‌ حسی ‌عمیق‌تر ‌از‌معنویت،‌ پرورش‌ اندیشه‌ها ‌و ‌‌اعمال ‌مثبت‌ و‌

توسعه ‌احساس‌ مسئولیت ‌اجتماعی ‌در ‌قبال ‌جامعه، ‌به ‌توسعه ‌فضایل ‌در ‌سازمان ‌و‌ شاید ‌ فراتر ‌از‌ آن‌ در ‌جامعه،‌ می‌پردازد‌.

پرسشنامه رهبری خیرخواهانه توسط کارکاس و سارگلو (2012) طراحی و اعتباریابی شده است، این پرسشنامه شامل 40 گویه بسته پاسخ بر اساس طیف پنج درجه ای لیکرت می باشد، پرسشنامه چهار بعد عمق معنوی، تعامل مثبت، حساسیت اخلاقی، پاسخگویی به جامعه را مورد سنجش قرار می دهد، این پرسشنامه توسط سپهوند و حسوند (1397) اعتباریابی شده است.

به همراه 2 مقاله پایه رایگان

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile : 09102194672

Telegram: @abazizi

  • E-mail: abazizi1392@gmail.com
تحلیل داده های آماری

آشنایی کلی با نرم افزار اموس Amos

AMOS  مخفف عبارات Analysis of moment structures می باشد. Amos را می توان یکی از موفق ترین نرم افزارهای کامپیوتری دانست که به طور خاص برای مدل سازی معادله ساختاری طراحی شده اند. این نرم افزار توسط شرکت IBM SPSS Statistics طراحی شده است.

نرم افزار آموس (ایموسAmos ) نرم افزاری برای مدل سازی معادلات ساختاری  است که مدل سازی معادله ساختاری را به شیوه ای ترسیمی ارائه می دهد، به نحوی که می توان به سرعت مدل ها را تعریف کرد، محاسبات را انجام داد و در صورت نیاز آن ها را به سادگی اصلاح کرد.

هرچند هدف اصلی از طراحی این نرم افزار مدل سازی است اما قابلیت اجرای مجموعه ای از تحلیل های کمی و آماری معمول نیز بوسیله این نرم افزار وجود دارد. این نرم افزار برای اجرا به حداقل ۲۵۶ مگابایت RAM و  125 مگابایت فضای آزاد نیاز دارد.

Amos Graphics

استفاده از این نرم افزار به دو شیوه نوشتن برنامه به زبانVB.NET و همچنین استفاده از Amos Graphics امکان پذیر است. استفاده از هریک از روش های ذکر شده به لحاظ کار بر روی انواع مدل ها، استفاده از انواع شیوه های برآورد پارامترها و یا محاسبه انواع شاخص های برازندگی و اخذ خروجی های مختلف، مشابه یکدیگر است اما در عین حال استفاده از  Amos Graphics تاحدودی ساده تر از برنامه نویسی است چرا که استفاده از آن برمبنای ترسیم مدل تدوین شده توسط پژوهشگر قرار دارد.

مدل نظری پژوهش در مقایسه با مدل مدون در Amos

به منظور استفاده از نرم افزار Amos بایستی به تفاوت های بین مدل های تعریف شده در Amos و مدل نظری توجه داشته باشیم. مدل نظری مدلی است که پژوهشگر با توجه به مبانی و چارچوب نظری مدل تعریف کرده است. این مدل عمدتا شامل متغیرهای پنهان، معرف های مرتبط و همچنین روابط بین آن ها می باشد. در مدل نظری پژوهشگر تعریف می کند که متغیرهای پنهان قرار است با کدام معرف ها اندازه گیری شوند و اینکه متغیرهای پنهان (و احتمالا برخی متغیرهای آشکار) چگونه با یکدیگر ارتباط داشته و یا یکدیگر را تحت تأثیر قرار می دهند. مدل مدون در ایموس گرافیکس (Amos Graphics) ضمن آن که همه اجزای تعریف شده در مدل نظری پژوهش را داراست، دارای اجزای جدیدی است که برای کار با Amos وجود این اجزا یا عناصر جدید ضرورت دارد.

جزئیات بیشتر هنگام کار با Amos Graphics معمولا شامل تعریف متغیرهای خطا (خطاهای اندازه گیری و خطاهای تبیین شده یا ساختاری) و همچنین تعریف متغیرهای مرجع است.تعریف متغیر مرجع به این مسئله برمی گردد که متغیرهای پنهان  موجود در مدل فاقد ریشه و واحد اندازه گیری هستند.

برای حل بدون مقیاس بودن متغیرهای پنهان دو راه وجود دارد :

  1. استاندارد در نظر گرفتن متغیر پنهان (متغیری با میانگین صفر و انحراف معیار ۱) که برای این منظور لازم است واریانس متغیر پنهان برابر ۱ قرار داده شود.
  2. قرار دادن ریشه و واحد اندازه گیری یکی از متغیرهای مشاهده شده مرتبط با متغیر پنهان به عنوان ریشه و واحد اندازه گیری همان متغیر پنهان. در این حالت به متغیر مشاهده شده اصطلاحا متغیر مرجع یا معرف نشان گذار گفته می شود.

آنچه در مدل سازی معمول است استفاد از روش دوم می باشد هرچند استفاده از روش اول نیز منجر به نتایج مشابهی در برآورد پارامترها می شود. لازم به ذکر است که متغیرهای پنهان موجود در مدل (به عبارت دیگر متغیرهایی که فاقد مقیاس اندازه گیری اند) خود به دو دسته اصلی تقسیم می شوند :

الف– متغیرهای خطا که شامل خطای اندازه گیری در مدل های اندازه گیری و خطاهای تبیین در مدل ساختاری اند. این متغیرها اساسا متغیرهای پنهانی هستند که اندازه گیری نشده اند، مدل را تحت تأثیر قرار می دهند ولی در مدل نظری پژوهش حضور نداشته اند.

ب– متغیرهای پنهان درمدل ساختاری که هرکدام با مجموعه ای از متغیرهای مشاهده شده اندازه گیری خواهند شد.

مراحل اجرایی کار با Amos Graphics

به طور خلاصه چهار مرحله اجرایی زیر را برای کار با Amos Graphics  می توان نام برد:

الف. تهیه فایل داده ها با SPSS
ب. ترسیم مدل تدوین شده در صفحه میانجی.
ج. مشخص کردن جزئیات تحلیل شامل موارد مورد نیاز در خروجی وتغییر شیوه برآورد پارامترها(درصورت لزوم)
د. انجام تحلیل و برآورد پارامترها.

حال به توضیح هر کدام می پردازیم:

الف .تهیه فایل داده های ورودی

فایل داده ها با استفاده از نرم افزار SPSS  و به سه شکل زیر تهیه می شود:

  1. فایل حاوی داده های خام
  2. فایل حاوی ماتریس واریانس-کواریانس برگرفته از داده های خام
  3. فایل حاوی ماتریس همبستگی، میانگین و انحراف معیارها برگرفته ازداده های خام

مراحل تهیه ماتریس همبستگی تا حد زیادی به تهیه فایل در قالب واریانس-کواریانس شباهت دارد اما با این حال توجه به تفاوت های آن ها نیز ضرورت دارد. یکی از مهمترین این تفاوت ها این است که در صورت تدارک داده های گردآوری شده در قالب ماتریس همبستگی ضرورت دارد که میانگی ها و انحراف معیارهای متغیرها نیز در فایل وارد شوند تا امکان برآورد پارامترها به صورت غیراستاندارد نیز فراهم شود. درحالیکه با وجود ماتریس واریانس-کواریانس امکان برآوردهای استاندارد و غیراستاندارد وجود دارد.

ب. ترسیم مدل تدوین شده در Amos Graphics

Amos Graphics  یک جعبه ابزار متنوع در اختیار کاربر قرار می دهد که با استفاده از آن ها می توان مدل تدوین شده را با کلیه جزئیات آن ترسیم کرد بلکه امکانات مختلفی را برای اجرای تحلیل و مشاهده خروجی ها در اختیار قرار می دهد. توضیح این نکته لازم است که جعله ابزار قابل مدیریت است به نحوی که می توان نشانه هایی را به آن افزوده یا از آن کم کرد.

ج. مشخص کردن جزئیات تحلیل

پس از تدارک داده ها و ترسیم مدل لازم است قبل از اجرای تحلیل برخی از جزئیات آن مشخص شوند. چنین جزئیاتی می توانند موارد متنوعی را در برگیرند اما توجه به دو نکته لازم است :

  1. تعیین مواردی که مایل هستید علاوه بر موارد پیش فرض در خروجی گزارش شوند. مانند گزارش برآوردهای استاندارد علاوه بر برآوردهای غیراستاندارد در مدل.
  2. تعیین روش برآورد پارامترها. به طور پیش فرض روش حداکثر درستنمایی برای این منظور تعریف شده است.

د. اجرای تحلیل و برآورد پارامترها

اجرای تحلیل و برآورد پارامترها را می توان آخرین مرحله در اجرای اولیه دانست. پس از اجرای اولیه تحلیل و برآورد پارامترها و شاخص های مختلف برازش و همچنین وارسی سایر خروجی ها درباره تغییر، پژوهشگر می تواند درباره تغییر و اصلاح مدل تصمیم گیری نماید.

منبع

مدل سازی معادله ساختاری در پژوهش های اجتماعی با کاربرد Amos / نوشته دکتر وحید قاسمی / انتشارات جامعه شناسان.

تحلیل داده های آماری

مدل یابی معادله ساختاری (STRUCTURAL EQUATION MODELING: SEM)

مدل یابی معادله ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق‌تر بسط “مدل خطی عمومی” (General linear model) است که به پژوهشگر امکان می‌دهد مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری،روش­های تحلیل عاملی، همبستگی کانونی و رگرسیون چندمتغیری را با یکدیگر ترکیب می­ کند.

یکی از قوی‌ترین و مناسب‌ترین روشهای تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی، تجزیه و تحلیل چند متغیره است. زیرا ماهیت این گونه موضوعات چند متغیره بوده و نمی‌توان آنها را با شیوه دو متغیری (که هر بار یک متغیر مستقل با یک متغیر وابسته در نظر گرفته می‌شود) حل نمود. تجزیه و تحلیل چند متغیره به یک سری روشهای تجزیه و تحلیل اطلاق می‌شود که ویژگی اصلی آنها تجزیه و تحلیل همزمان k متغیر مستقل و  n متغیر وابسته است. مدل یابی معادله ساختاری یک رویکرد جامع برای آزمون فرضیه‌هایی درباره روابط متغیرهای آشکار (مشاهده شده) و پنهان (نهفته یا مکنون) است که گاه تحلیل ساختاری کوواریانس، مدل یابی علّی و گاه نیز لیزرل (LISREL) نامیده شده است؛ اما اصطلاح غالب در این روزها، مدل‌یابی معادله ساختاری یا به گونه خلاصه SEM است.

از طریق این روش می‌توان قابل قبول بودن مدلهای نظری را در جامعه‌های خاص با استفاده از داده‌های همبستگی، غیر آزمایشی و آزمایشی آزمود. این روش برآوردهایی از پارامترهای مدل (ضرایب مسیر و عبارات خطا) و همچنین چند شاخص برای نیکویی برازش فراهم می‌کند و با بهره‌گیری از داده‌های تجربی امکان آزمون مدلهای تدوین شده را به عنوان یک کل فراهم آورده و با شاخصهایی که در اختیار پژوهشگر قرار می‌دهد، وی را در اصلاح و بهبود مدل راهنمایی می‌کند.

انواع مدل در مدل یابی معادله ساختاری

مدل یابی معادله ساختاری را می توان برای آزمون انواع مختلفی از مدل‌ها مانند مدل‌های رگرسیون، تحلیل مسیر، مدل‌های تحلیل عاملی تاییدی، مدل‌های عاملی مرتبه دوم، مدل‌های MIMIC (مدل‌های با شاخص‌های چندگانه و علل چندگانه)، مدل‌های چندسطحی، مدل‌های گروه‌های چندگانه و …. به کار برد.

تحلیل مسیر

سول رایت (Sewall Wright) تحلیل مسیر را به عنوان روشی برای مطالعۀ تأثیرات مستقیم و غیرمستقیم متغیرهایی که علت گرفته شده‌اند در متغیرهایی که معلول فرض شده‌اند ساخت و پرداخت. باید در نظر داشت که از تحلیل مسیر برای کشف علت‌ها استفاده نمی‌شود بلکه این روش در مورد مدل‌هایی به کار می‌رود که بر مبنای دانش و ملاحظات نظری تدوین شده باشند. تحلیل مسیر ابزار تحلیلی مهمی برای آزمودن نظریه هاست که از کاربرد آن محقق می تواند توافق الگویی از همبستگی ها را که از مجموعه ای از مشاهدات حاصل شده است، با یک مدل معین معلوم کند.

مدل مسیر: مدل مسیر دیاگرامی است که متغیرهای مستقل، میانجی یا واسطه‌ای و وابسته را به هم مرتبط می‌کند. پیکان‌های یک‌طرفه نشان دهندۀ علّیت بین متغیرهای برونزا یا واسطه‌ای و متغیرهای وابسته هستند. پیکان‌ها عبارت‌های خطا را هم به متغیرهای درونزا مخصوص خود مرتبط می‌کنند. پیکان‌های دو طرفه نشان دهنده همبستگی بین جفت‌های متغیرهای برونزا هستند.

ضرایب مسیر: ضریب مسیر یک ضریب رگرسیون استاندارد (بتا) است که اثر مستقیم یک متغیر مستقل روی یک متغیر وابسته را در مدل مسیر نشان می‌دهد. بنابراین زمانی که مدل دو یا چند متغیر علّی دارد، ضرایب مسیر ضرایب رگرسیون پاره‌ای هستند که میزان تأثیر یک متغیر روی متغیر دیگر را با کنترل سایر متغیرها در مدل اندازه می‌گیرد. برآوردهای مسیر می‌توانند توسط رگرسیون حداقل مجذورات یا بیشینه درست نمایی برآورد شوند.

اثرات مستقیم و غیرمستقیم: ضرایب مسیر می‌توانند برای تجزیه همبستگی بین دو متغیر به اثرات مستقیم و غیرمستقیم استفاده شوند. اثرهای غیرمستقیم مستلزم متغیرهای میانجی است.

رویکرد‌های مدل یابی معادله ساختاری (LISREL یا PLS)

به طور کلی در مدل یابی معادله ساختاری (SEM)  برای برآورد پارامترهای مدل دارای دو نوع می‌باشد که عبارتند از: رویکرد مبتنی بر کوواریانس و رویکرد مبتنی بر واریانس.

رویکرد کوواریانس محور

روش کوواریانس محور که به عنوان نسل اول مدل یابی معادلات ساختاری شناخته شده است، به شدت به حجم نمونه بالا بستگی دارد و هر چه داده‌ها نرمال‌تر باشند، برازش بهتری را نشان می‌دهد. روش کوواریانس محور تلاش می‌کند تا اختلاف بین کوواریانس‌های نمونه و آنچه که مدل نظری پیش‌بینی کرده است را به حداقل برساند. نرم افزار LISREL یکی از ﻗﻮی‌ترین و ﻣﻨﺎﺳﺐﺗﺮین رویکردهای کوواریانس محور برای تجزیه و تحلیل در ﺗﺠﺰیه و تحلیل ﭼﻨﺪ متغیره اﺳﺖ. زیرا ﻣﺎهیت این ﮔﻮﻧﻪ ﻣﻮﺿﻮﻋﺎت، دارای چند متغیر بوده و این متغیرها نیز با هم ارتباطات پیچیده‌تری دارند و ﻧﻤﯽﺗﻮان آﻧﻬﺎ را ﺑﺎ شیوه‌ای که ﺗﻨﻬﺎ ارتباط میان یک متغیر ﻣﺴﺘﻘﻞ ﺑﺎ یک متغیر واﺑﺴﺘﻪ بررسی می‌شود، ﺣﻞ‫ﻧﻤﻮد. روش کوواریانس محور برای توسعه نظریه مناسب‌تر است و با MPLUS ، AMOS وEQS  نیز قابل اجرا می‌باشد.

مفاهیم مدل یابی معادله ساختاری کوواریانس محور

  • متغیر آشکار (مشاهده شده)‌

متغیرهایی که با مشاهده مستقیم رویداد بدست می‌آیند که به عنوان شاخص اندازه‌گیری یک متغیر پنهان ایفای نقش می‌کنند و در دیاگرام مسیر با مستطیل مشخص می‌شوند.

مدل یابی معادله ساختاری متغیر آشکار

متغیرهایی که مستقیماً قابل مشاهده نیستند. متغیرهای پنهان از طریق پیوند با متغیرهای قابل اندازه‌گیری (آشکار) بررسی و در دیاگرام مسیر با دایره یا بیضی مشخص می‌شوند. متغیرهای پنهان در مدل معادلات ساختاری به دو دسته بیرونی و درونی تقسیم می‌شوند.

مدل یابی معادله ساختاری متغیر پنهان

متغیرهای پنهان بیرونی: متغیرهایی هستند که علت تغییرات آن‌ها در مدل منظور نشده و تحت تأثیر متغیرهای دیگر مدل قرار ندارند.

متغیرهای پنهان درونی: متغیرهایی که تحت تأثیر یک یا چند متغیر دیگر قرار دارند.

  • خطای باقیمانده

خطاهای باقیمانده نشان‌دهنده خطای تصادفی متغیرهای آشکار و نیز متغیرهای پنهان هستند که درون خطوط بسته قرار نمی‌گیرند.

خطوط کشیده شده به سمت متغیرهای آشکار بیان‌گر خطاهای اندازه‌گیری هستند.

مدل یابی معادله ساختاری خطاهای اندازه‌گیری

خطوط کشیده شده به سمت متغیرهای پنهان بیان‌گر واریانس‌های باقیمانده‌ یا از دست رفته‌ هستند.

مدل یابی معادله ساختاری خطاهای اندازه‌گیری

توجه: در مدل یابی معادله ساختاری، از خطوط راست (فلش‌های یکطرفه) برای نشان دادن روابط علی یا تأثیر یک متغیر بر متغیر دیگر استفاده می‌شود.

مدل یابی معادله ساختاری فلش یکطرفه

خطوط منحنی (فلش‌های دوطرفه) برای نشان دادن همبستگی‌ها استفاده می‌شود.

فلش‌های دوطرفه
  • مدل اندازه‌گیری:

مدل اندازه‌گیری روابط بین متغیرهای پنهان و آشکار (مولفه‌های یک متغیر پنهان) را تعریف می‌کند. مدل اندازه‌گیری دارای دو نوع می‌باشد:

مدل اندازه‌گیری X : روابط بین متغیر پنهان مستقل و متغیرهای آشکار مربوط به آن را نشان می‌دهد.

مدل اندازه‌گیری X

شکل ۱: مدل اندازه‌گیری  X برای متغیر ساختار و زمینه تیم

مدل اندازه‌گیری Y : روابط بین متغیر پنهان وابسته و متغیرهای آشکار مربوط به آن را نشان می‌دهد.شکل ۱: مدل اندازه‌گیری  X برای متغیر ساختار و زمینه تیم

مدل اندازه‌گیری Y

شکل ۲: مدل اندازه‌گیری Y برای متغیر فراشناخت تیمی

  • مدل ساختاری (تحلیل مسیر):

مدل ساختاری، روابط بین متغیرهای پنهان را مشخص می‌کند.

مدل ساختاری

شکل ۳: مدل ساختاری

  • مدل عمومی معادله ساختاری

این مدل ترکیب دو مدل اندازه‌گیری و ساختاری است و در آن هم روابط بین متغیرهای پنهان با متغیرهای آشکار (مدل اندازه‌گیری) و هم روابط بین متغیرهای پنهان (مدل ساختاری) مورد توجه قرار می‌گیرد.

نمونه‌ای از یک مدل عمومی معادله ساختاری

پژوهشی رابطه سه متغیر پنهان A، B وC  به صورت زیر بررسی شده است:

  • متغیر پنهان بیرونی A متغیر مستقل است که بر هر دو متغیر پنهان درونی B و C تاثیر می‌گذارد.
  • برای اندازه‌گیری متغیر A از سه متغیر آشکار (شاخص) X1 ، X2 و X3 استفاده شده است.
  • برای اندازه‌گیری متغیر B از سه متغیر آشکار (شاخص) Y1 ، Y2 و Y3 استفاده شده است.
  • برای سنجش متغیر پنهان C از سه متغیر آشکار (شاخص) Y4 ، Y5 و Y6 استفاده شده است.
  • ضریب مسیر بین دو متغیر پنهان وابسته با β و ضریب مسیر بین متغیر پنهان مستقل و وابسته با γ نشان داده می‌شود.
  • ارتباط بین هر متغیر پنهان با متغیرهای آشکار مربوطه با حرف λ نشان داده که به آن‌ها بار عاملی گفته می‌شود.
  • ε نشان دهنده خطا (باقیمانده) برای متغیر آشکار درونی
  • δ نشان دهنده خطا (باقیمانده) برای متغیر آشکار بیرونی
  • ζ نشان دهنده واریانس خطا (باقیمانده) برای متغیر پنهان درونی
مدل عمومی معادلات ساختاری

شکل ۴: نمونه‌ای از یک مدل عمومی معادلات ساختاری براساس نمادها

مراحل مدل یابی معادله ساختاری کوواریانس محور

مرحله ۱: تدوین مدل

تدوین مدل براساس تئوری صورت می‌گیرد. در تدوین مدل، تعداد متغیرهای پنهان مدل، تعداد متغیرهای آشکار، روابط بین متغیرهای پنهان و آشکار مربوطه، الگوی روابط بین متغیرهای پنهان و محدودیت‌های مدل (مشخص‌کردن پارامترهای ثابت، آزاد و مقید مناسب) مشخص می‌شود.

تعداد متغیرها در تدوین مدل

تعداد متغیرها به موضوع مورد مطالعه، هدف تحقیق و امکان سنجش این متغیرها بستگی دارد. در مجموع هرچه مدل طراحی شده پیچیده‌تر باشد، دستیابی به برازش مدل مشکل‌تر می‌شود. ضمن اینکه باید به خاطر داشت که هرچه تعداد متغیر در یک مدل بیشتر باشد باید حجم نمونه نیز افزایش یابد. هرچند قاعده قطعی برای تعیین تعداد متغیرهای مدل وجود ندارد، اما عده‌ای معتقدند که در یک مدل نباید بیش از ۲۰ متغیر وارد کرد یعنی مثلاً ۵ یا ۶ متغیر به عنوان متغیرهای نهفته و هر متغیر ۳ تا ۴ شاخص را به خود اختصاص دهد.

مرحله ۲: تشخیص مدل (مشخص‌سازی)

تشخیص مدل یعنی آیا برای هریک از پارامترهای آزاد، می‌توان یک مقدار منحصر به فرد از روی داده‌ها به دست آورد. براساس این تعریف سه نوع مدل خواهیم داشت:

مدل‌های فرومشخص (under-identified): یک برآورد واحد برای هر پارامتر ناممکن باشد. یا به عبارتی اطلاعات مورد نیاز برای حل کردن پارامترها ناکافی باشد.

مدل‌های کاملاً مشخص (just-identified): برای هر پارامتر واحد می‌توان یک مقدار واحد برآورد کرد. یا به عبارتی تعداد معادلات با تعداد پارامترهای مورد تخمین برابر است.

مدل‌های فرامشخص (over-identified): مدل‌هایی که برای هر پارامتر بیش از یک جواب دارند. یعنی تعداد پارامترهای مدل کمتر از مشاهدات است.

قاعده حسابی برای تشخیص مدل: تعداد پارامترهایی که باید برآورد شوند (پارامترهای آزاد) نباید از تعداد واریانس‌ها و کوواریانس‌های نمونه بیشتر باشد. اگر تعداد متغیرهای مشاهده شده (شاخص‌ها) برابر P باشد، بنابراین از طریق فرمول زیر می‌توان تعداد کل واریانس‌ها و کوواریانس‌های ممکن را برآورد نمود.

p × (p+1)〉 / ۲〉= تعداد کل واریانس‌ها و کوواریانس‌های نمونه

  • مدل کاملا مشخص از نظر علمی مطلوب نیست. زیرا درجه آزادی (df) آن صفر می‌شود و هرگز نمی‌تواند رد شود. در عمل محققان باید مدل‌های فرامشخص که دارای درجه آزادی مثبت هستند را تجزیه و تحلیل کنند. مدل‌هایی که مشخص نیستند باید دوباره تدوین شوند.
  • برای این‌که مدلی مشخص باشد باید هر عامل حداقل ۳ شاخص داشته باشد.
  • شرط لازم و کافی برای مشخص سازی وقتی فراهم می‌شود که هر متغیر مشاهده شده (شاخص) فقط و فقط یک متغیر پنهان (عامل) را اندازه‌گیری کند.
مرحله ۳: برآورد مدل

برآورد مدل شامل تکنیک‌هایی است که برای برآورد پارامترهای مدل استفاده می‌شوند. برآورد پارامترها آنقدر تکرار می‌شود تا مدل موردنظر در یک مجموعه نهایی از پارامترهای برآورد شده همگرا شود.

روش‌های برآورد مدل

  • (Maximum Likelihood (ML: متداول‌ترین روش برآورد و مستقل از مقیاس داده‌ها‌ است. اگر متغیرهای مشاهده شده نرمال و خطی باشند و بیش از ۱۰۰ مورد وجود داشته باشد، از این روش می‌توان استفاده کرد.
  • (Generalized Least Squares (GLS: نتایجی مشابه روش ML ارائه می‌کند و با حجم نمونه‌های کوچکتر قابل کاربرد است.
  • (Unweighted Least Squares (ULS : زمانی مناسب است که تمام متغیرهای مشاهده شده با یک مقیاس واحد اندازه‌گیری شده باشند.
  • (Weighted Least Squares (WLS و (Diagonal weighted Least Squares (DWLS: وابسته به پیش فرض نرمال بودن نیستند و به حجم نمونه بسیار بالا (بیش از ۱۰۰۰ مورد) نیاز دارند.
مرحله ۴: آزمون مدل

یک بخش مهم در فرایند برآورد، ارزیابی برازش مدل است. منظور از برازش مدل این است که تا چه حد یک مدل با داده‌های نمونه سازگاری و توافق دارد. بدین منظور از شاخص‌های برازش استفاده می‌شود.

در صورتی که برازش مدل قابل قبول باشد، تخمین پارامترها مورد بررسی قرار می‌گیرند. یعنی نتایج بخش اندازه‌گیری و ساختاری مدل ارزیابی می‌شوند. نسبت تخمین هر پارامتر به خطای استاندارد آن بوسیله آماره t نشان داده می‌شود. برای این‌که پارامتر موردنظر قابل قبول یا به عبارتی معنادار باشد، باید قدرمطلق مقدار t آن بزرگتر یا مساوی ۱٫۹۶ باشد. بنابراین شاخصها از دقت لازم برای اندازه­گیری سازه‌های نهفته تحقیق برخوردارند.

آزمون‌های برازندگی مدل کلی

گرچه انواع گوناگونی از آزمون‌ها که به آن‌ها شاخص‌های برازش گفته می‌شود، در حال توسعه و تکامل می‌باشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. تصمیم‌گیری درباره برازش یک مدل براساس چند شاخص و نه یک شاخص انجام می‌گیرد. بنابراین برای ارزیابی برازش مدل، ضروری است تعداد متنوعی از شاخص‌ها گزارش شود. زیرا شاخص های مختلف، جنبه‌های متفاوتی از برازش مدل را انعکاس می‌دهند. برخی از این شاخص‌ها عبارتند از:

جدول۱: انواع شاخص‌های برازش مدل و مقدار مجاز آن‌ها

شاخص‌های برازش مدل

شاخص‌های دیگری نیز در خروجی نرم افزار لیزرل دیده می‌شوند که برخی مثلAIC ،CAIC  و ECVI  برای تعیین برازنده‌ترین مدل از میان چند مدل مورد توجه قرار می‌گیرند برای مثال مدلی که دارای کوچکترینAIC ،CAIC  و ECVI  باشد برازنده‌تر است. مقدار آماره ECVI به خودی خود قابل قضاوت نیست و برای نتیجه‌گیری درباره برازش مدل با مقادیر بدست آمده برای مدل استقلال و مدل اشباع شده مقایسه می‌گردد. مدلی که دارای کوچکترین CAIC و AIC باشد (هرچه به صفر نزدیکتر باشند)، برازنده‌تر است. برخی از شاخصها نیز به شدت وابسته به حجم نمونه‌اند و در حجم نمونه‌های بالا می‌توانند معنا داشته باشند.

مرحله ۵: اصلاح مدل

گام نهایی اصلاح مدل نامیده می‌شود. در صورتی که مدل از برازش ضعیفی برخوردار باشد، با استفاده از اطلاعات حاصل از خروجی برنامه، جهت بهبود مدل تغییراتی در آن اعمال می‌شود.

منابع:

  • کلانتری، خلیل (۱۳۸۸). مدل یابی معادله ساختاری در تحقیقات اجتماعی-اقتصادی. تهران: انتشارات فرهنگ صبا. چاپ اول.
  • هومن، حیدرعلی (۱۳۸۸). مدل یابی معادله ساختاری با کاربرد نرم‌افزار لیزرل. تهران: انتشارات سمت. چاپ سوم.
  • شوماخر، راندال ای و لومکس، ریچارد جی (۱۳۸۸). مقدمه‌ای بر مدل‌سازی معادله ساختاری. مترجم: وحید قاسمی. تهران: انتشارات جامعه شناسان. چاپ اول. سال انتشار به زبان اصلی، ۲۰۰۴٫
  • میرز، گامست، و گارینو (۲۰۰۶). پژوهش چندمتغیری کاربردی طرح و تفسیر. ترجمه شریفی و همکاران ۱۳۹۱. انتشارات رشد.
  • کرلینجر، پدهازر (۱۹۸۲). رگرسیون چندمتعیری در پژوهش رفتاری.  ترجمه حسن سرایی ۱۳۸۶. انتشارات سمت.
  • Bollen, K. A. (1989). Structural equations with latent variables. New York: Wiley

برگرفته از تاپ تحلیل

پرسشنامه استاندارد

پرسشنامه کیفیت ارتباط با مشتری نگی و کتما(2013)

پرسشنامه کیفیت ارتباط با مشتری نگی و کتما(2013)

مدیریت ارتباط با مشتری از سه بخش اصلی تشکیل شده است: مشتری، ارتباط، و مدیریت. منظور از مشتری مصرف کننده نهایی است که درروابط ارزش آفرین، نقش حمایت کننده را دارا می باشد. منظور از ارتباط، ایجاد مشتریان وفادارتر و سودمندتر از طریق رابط های یادگیرنده می

باشد و مدیریت عبارت است از خالقیت و هدایت یک فرایند کسب و کار مشتری مدار و قرار دادن مشتری در مرکز فرایندها و تجارب سازمان.مدیریت ارتباط با مشتری نیازمند یک فلسفه مشتری محور و فرهنگ پشتیبانی از فرآیندهای مؤثر بازاریابی،فروش و خدمات پس از فروش در سازمان می باشد. فرهنگ مشتری محور بر مفهومی ساده از ارتباط یک به یک بین مشتریان و فروشندگان استوار است. این نگرش، به هر مشتری به چشم یک فرد با خواسته ها، خریدها و نیازهای مربوط به خود نگاه می کند. مدیریت ارتباط با مشتری در واقع فرایندی است جهت گردآوری و یکپارچه سازی اطلاعات به منظور بهره برداری موثر و هدفدار از آنها.

پرسشنامه کیفیت ارتباط با مشتری توسط نگی و کتما (2013) طراحی و اعتباریابی شده است، این پرسشنامه شامل 5 گویه بسته پاسخ بر اساس طیف پنج درجه ای لیکرت می باشد، و تک بعدی می باشد.

به همراه 1 مقاله پایه رایگان

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.

نرم افزار های کمی: SPSS- PLS – Amos

نرم افزار کیفی: Maxquda

تعیین حجم نمونه با:Spss samplepower

روش های تماس:

Mobile : 09102194672

Telegram: @abazizi

  • E-mail: abazizi1392@gmail.com

پرسشنامه استاندارد

 تحلیل آماری

پرسشنامه استاندارد

آموزش چهار عمل اصلی ریاضی به زبان انگلیسی

چهار عمل اصلی ریاضی به انگلیسی (جمع، تفریق، ضرب و تقسیم)در اینجا آموزش داده می شود با دانستن این اصطلاحات و عبارات کاربردی ریاضی در انگلیسی می توانید از آن ها در مکالمه روزمره در خصوص ریاضی استفاده نمایید. همچنین فیلم آموزشی لغات، اصطلاحات و جملات پرکاربرد ریاضی و هندسه نیز تقدیم حضورتان می شود.

چهار عمل اصلی ریاضی به زبان انگلیسی

1. عمل جمع (غیررسمی):

two and two is four (2+2=4)

2. عمل جمع (رسمی):

two plus two equals four (2+2=4)

3. عمل تفریق (غیررسمی):

five from eight is three (8-5=3)

4. تفریق (رسمی):

eight minus five equals three (8-5=3)

5. تقسیم:

six divided by three equals two (6÷3=2)

6. ضرب غیر رسمی:

three fours are twelve (3×4=12)

7. ضرب رسمی:

three multiplied by four equals twelve (3×4=12)

لغات ریاضی به انگلیسی

ضرب کردن. افزایش دهنده =multiplied

برابر، هم پایه=equals

منهای…= minus

تقسیم شده=divided

برگرفته از: زبان پروژه