سایت مقالات فارسی – بررسی تأثیر فرهنگ، نیمرخ اخلاقی سازمان و آمیخته اخلاقی بازاریابی بر اعتماد مشتریان- قسمت …

این شاخص، ریشه میانگین مجذورات تقریب میباشد. شاخص RMSEA هر چقدر به صفر نزدیکتر باشد بهتر است(هومن، ۱۳۸۴ ).
مجذور کای (  )
آزمون مجذور کای (خی دو) این فرضیه را که مدل مورد نظر هماهنگ با الگوی هم پراشی بین متغیرهای مشاهده شده است را میآزماید، کمیت خی دو بسیار به حجم نمونه وابسته میباشد و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آنرا به غلط بودن مدل نسبت داد، افزایش میدهد(هومن،۱۳۸۴).
شاخصNFI و CFI
شاخصNFI که شاخص بنتلر- بونتهم نامیده میشود، برای مقادیر بالای ۹/. قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از ۹/. 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 CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه میدهد(هومن، ۱۳۸۴).
در تحلیل تأییدی با استفاده از نرم افزار لیزرل یک سری شاخصهای قراردادی وجود دارند که در صورتی که مقدار آنها در حد قابل قبولی باشد، اجرای مدل را معنیدار و مسیر پیشنهادی را مناسب میسازد. تحلیل عاملی تأییدی به منظور بررسی روایی مقیاس مورد استفاده قرار میگیرد. چنانچه اشاره شد، ابتدا بایستی میزان انطباق پذیری مدل ارزیابی، مورد آزمون قرارگیرد. ادبیات موجود پیشنهاد میکند که برای برازندگی و تناسب یک مدل خوب باید:
درجه کای دو تقسیم بر درجه آزادی  ( کمتر از ۳ باشد.
شاخص میزان انطباق پذیری (GFI) باید بزرگتر از ۸/۰ باشد.
شاخص میزان انطباق پذیری تنظیم (AGFI)، شاخص (NFI) و شاخص (NNFI) باید بزرگتر از ۹/۰ باشد.
شاخص (RMSEA) باید کمتر از ۱/۰ باشد(Henry and Stone, 1994).
یک اندازه جزئی دیگر برازندگی ، مجذور همبستگی چند متغیری است که برای هر معادله و برای متغیرهای اندازهگیری شده در یک مدل کامل معادله ساختاری بدست میآید. مجذور همبستگی چند متغیری (R2)، معرف نسبت واریانس تبیین شده بوسیله متغیر مکنون است (آزمون اینکه یک نشانگر تا چه حد دقیق است)، و باید (تاحد ممکن) نزدیک به ۱ باشد (هومن، ۱۳۸۴).
نرم افزار لیزرل، برای هر پارامتر آزاد (برآورد شده) در مدل یک مقدار t محاسبه میکند. این آزمون نشان میدهد که کدام یک از پارامترها میتواند از مدل حذف شود، بدون آنکه مقدار  افزایش یابد. ایدئال آن است که این مقادیر کوچکتر از ۱٫۹۶ باشند تا بیمعنا در نظر گرفته شوند(هومن، ۱۳۸۴).
فصل چهارم
تجزیه و تحلیل دادهها
۱٫۴٫ مقدمه
تجزیه و تحلیل دادهها فرآیندی چند مرحلهای است که در آن دادهها با استفاده از ابزارها مناسب جمعآوری، کدبندی، خلاصه، دستهبندی و تحلیل میگردند تا از این طریق فهم و درک آن برای افراد مختلف آسان باشد. در این فرآیند دادهها هم از نظر مفهومی و هم از لحاظ تجربی پالایش میشوند و تکنیکهای مختلف آماری در آن مورد استفاده قرار میگیرد.
در این فصل با استفاده از روشهای توصیفی و استنباطی دادهها بررسی و تجزیه و تحلیل شدهاند.
۲٫۴٫ گردآوری دادهها
گردآوری دادهها با استفاده از روش تصادفی طبقهای و تعیین حجم نمونه صورت گرفته است. در این بخش از تجزیه و تحلیل آماری به بررسی چگونگی توزیع نمونههای آماری از حیث متغیرهایی چون جنسیت، وضعیت تأهل، میزان تحصیلات و سن پرداخته می شود.
جدول ۴-۱ فراوانی پاسخگویان براساس متغیرهایی جنسیت، تأهل، تحصیلات

درصد فراوانی گروه متغیر
۳۸% ۱۳۶ مرد جنسیت
۶۲% ۲۱۸ زن
برای دانلود متن کامل این پایان نامه به سایت  fumi.ir  مراجعه نمایید.