این روش فاقد فرضیه بوده و خود فرضیه ساز و تئوری ساز است.( کلانتری،۱۹۳:۱۳۸۷)
در تحلیل عاملی تاییدی، محقق مطالعه خود را بر مبنای ساختار عاملی از پیش تعیین شده ،دنبال می کند و در صدد است تا، صحت و سقم ساختار عاملی مجموعه ای از متغیرهای مشاهده شده را مورد آزمون قررا دهد. این تکنیک به محقق اجازه می دهد تا به آزمون این فرضیه که بین متغیرهای آشکار و سازه های نهفته، رابطه وجود دارد را مورد بررسی قرار می دهد. بنابراین بر اساس این تکنیک محقق ابتدا باید به تدوین مدل نظری اقدام کند تا در عمل بتواند آن را محک بزند. تحلیل عاملی تاییدی مورد ویژه ای از مدل معادلات ساختاری است که به ساختار کوواریانس یا مدل روابط ساختاری خطی نیز معروف است.(کلانتری،۱۹۰:۱۳۸۷)
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
تحلیل عاملی تاییدی دارای ویژگی هایی است که آن را از تحلیل عاملی اکتشافی متمایز می کند:
این روش براساس یک مدل از قبل طراحی شده دنبال می شود که مبتنی بر تئوری ها و مطالعات قبلی است.
در این روش تعداد عامل ها از قبل توسط محقق پیش بینی می شود.
در این روش از قبل مشخص می شود که کدام متغیر ها بر هر یک از عامل بار شده اند.
در این روش خطاها در مدل در نظر گرفته می شود.(کلانتری،۱۹۳:۱۳۸۷)

۳-۱۰-۲ تحلیل ماتریس کوواریانس

در تحلیل عاملی پس از تقلیل متغیرها به عامل از طریق گروه بندی متغییر هایی که بیشترین همبستگی یا همبستگی متوسط دارند، به تشکیل ماتریس کوواریانس پرداخته می شود. در این ماتریس واریانس در قطر اصلی ماتریس قرار می گیرد و هر کدام از آنها نشان دهنده کووایانس هر متغیر با خود آن متغیر است.
بقیه قسمت های ماتریس (به جز قطر اصلی) مقادیر کوواریانس را نشان می دهد. آماره کوواریانس رابطه موجودبین دو متغیر را نشان می دهد.اگر بین متغیرها ارتباط خطی مثبت وجود داشته باشد، کوواریانس مثبت و اگر این ارتباط بین متغیرها عکس باشد، کووایانس منفی و اگر ارتباط خطی بین متغیرها وجود نداشته باشد، کوواریانس صفر خواهد بود.(کلانتری،۳۹:۱۳۸۷)
همچنین ماتریس هبستگی دارای جدولی است که در آن همه متغیر ها بصورت سطر و ستون نوشته شده اند. همبستگی بین هر متغیر با متغیر دیگر در محل تقاطع سطر و ستون مربوط نشان داده می شود. سپس متغیر های دارای بیشترین همبستگی درون یک عامل قرار می گیرند.(دلاور،۲۷۷:۱۳۸۵)

۳-۱۰-۳ مدل معادلات ساختاری^[۴۶]

یک مدل معادلات ساختاری کامل از دو مولفه تشکیل شده است:
یک مدل ساختاری که ساختار علی خاصی را بین متغیر های مکنون مفروض می دارد.
یک مدل اندازه گیری که روابطی را بین متغیر های مکنون و متغیرهای نشانگر (اندازه گیری شده) تعریف می کند.(خاکی،۳۳۹:۱۳۸۹)
متغیرهای مکنون در مدل معادلات ساختاری به دو دسته برون زا و درون زا تقسیم می شوند. متغیرهای برون زا ، متغیر هایی هستند که علت تغییرات آنها در مدل منظور نشده و خارج از مدل است. متغیرهای درون زا، متغیرهایی هستند که تغییرات آنها توسط متغییرهای موجود در مدل پیش بینی شده است.(خاکی،۲۳۹:۱۳۸۹)
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 خطی کلی است که به پژوهشگر امکان می دهد مجموعه ای از معادلات رگرسیون را بصورت همزمان مورد آزمون قرار دهد. این تکنیک یک رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیرهای مشاهده شده و مکنون استکه گاه تحلیل سازی کوواریانس، مدل یابی علی و گاه نیز لیزرل نامیده شده است.(هومن،۱۱:۱۳۸۸)
مدل معادلات ساختاری بر پایه فرضیه هایی درباره وجود رابطه علی بین متغیرها مدل های علی را با دستگاه معادله خطی آزمون می کند. بدین ترتیب مدل معادلات ساختاری روابط نظری بین شرایط ساختاری معین و مفروض را می آزماید و برآورد روابط علی میان متغیرهای مکنون(مشاهده نشده) و نیز روابط میان متغیرها اندازه گیری شده ( مشاهده شده) را امکان پذیر می سازد. متغیر های مستقل که فرض برآن است بدون خطا اندازه گیری می شوند متغیرهای برونزا یا جریان دهنده و متغیرهای ئابسته یا میانجی ، متغیرهای درونزا یا جریان گیرنده نامیده می شود.(هومن،۱۹:۱۳۸۸)
متغیرهای مشاهده شده بصورت مستقیم، توسط پژوهشگر اندازه گیری می شوند در حالی که متغیر های مکنون به گونه مستقیم اندازه گیری نمی شوند ، بلکه بر اساس روابط یا همبستگی های بین متغیرهای اندازه گیری شده استنباط می شوند.
در مدل معادلات ساختاری روابط بین متغیرهای مشاهده شده و مشاهده نشده را با بهره گرفتن از نمودار مسیر نشان می دهند. این نمودار که نقش اساسی در مدل یابی ساختاری بازی می کند مانند فلوچارت های رایانه ای است که متغیرهایی را که با خطوط بیانگر جریان علی به هم متصل شده اند نشان می دهد.نمودار مسیر را می توان به عنوان وسیله ای برای نمایش این مطلب در نظر گرفت که کدام متغیر ها موجب تغییراتی در متغیرهای دیگر می شود. همه متغیرهای مستقل دارای پیکانهایی هستند که به سوی متغیر وابسته نشانه می روند.ضریب وزنی بالای پیکان قرار می گیرد.(هومن،۱۹:۱۳۸۸)

۳-۱۰-۴ شاخص های برازندگی^[۴۷] مدل

شاخص های متفاوتی جهت تعیین برازندگی مدل با واقعیت وجود دارد ،به طور کلی این شاخص ها به سه دسته تعلق دارند : مطلق، نسبی و تعدیل یافته. شاخص های مطلق به واریانس خطا یا واریانس تعدیل شده می پردازندکه پس از برازش مدل باقی می ماند. شاخص های نسبی ، درباره مقایسه یک مدل با مدل های ممکن دیگر می پردازند و در نهایت شاخص های تعدیل یافته به این مطالب می پردازند که مدل مورد نظر چگونه برازندگی و صرفه جویی را باهم ترکیب می کند، یعنی در عین داشتن برازندگی خوب از گستردگی بدون دلیل مدل نیز جلوگیری می شود.

۵-۱۰-۳مجذور کا ^[۴۸]

وقتی حجم گروه نمونه برابر ۷۵ تا ۲۰۰ باشد ،مقدار مجذور کای یک اندازه معقول برای برازندگی است. اما
برای مدل هایی با n بزرگتر، مجذور کای تقریباً همیشه از لحاظ آماری معنی دار است. علاوه بر این ، مجذور برای مدل هایی با n بزرگتر، مجذور کای تقریباً همیشه از لحاظ آماری معنی دار است. علاوه بر این ، مجذور کای تحت تاثیر مقدار همبستگی های موجود در مدل نیز است . هرچه این همبستگی ها زیادتر باشد، برازش ضعیف تر است.(هومن،۴۱:۱۳۸۸)

۶-۱۰-۳ نسبت  به درجه آزادی

در مورد معنی دار شدن اندازه مجذور کا، درجه آزادی به عنوان اندازه هایی که می توان بر اساس آن بزرگی یا کوچکی  را سنجید، مطرح می شود. هر چند این شاخص فاقد یک معیار ثابت برای الگوی قابل قبول است ، اما اندازه گیری کوچکتر از ۲ معمولاً به عنوان شاخص مطلوب برای نیکویی برازش در نظر گرفته می شود.(هومن،۴۱:۱۳۸۸)

۷-۱۰-۳ریشه خطای میانگین مجذورات تقریب^[۴۹]

این شاخص که بصورت اعشاری گزارش می شود، مبتنی بر پارامتر غیر مرکزی است. اگر  کوچکتر از درجه آزادی باشد ، ریشه خطای میانگین مجذورات تقریب برابر صفر بدست می آید. این شاخص برای مدل های خوب برابر ۰۵/۰ یا کمتر است. مدل هایی که ریشه خطای میانگین مجذورات تقریب آنها ۱۰/۰ یا بیشتر باشد برازش ضعیفی دارند . برای این شاخص می توان فاصله اعتماد محاسبه کرد. ایده آل آن است که حد پایین فاصله اعتماد نزدیک به صفر باشد و حد بالایی آن خیلی بزرگ نباشد.(هومن،۱۳۸۸:۴۲)

۸-۱۰-۳ ریشه مجذور میانگین باقی مانده^[۵۰]

معیاری است برای اندازه گیری متوسط باقیمانده ها و تنها در ارتباط با اندازه واریانس ها و کووایانس ها قابل تفسیر است. بطور معمول این معیار هر قدر کوچکتر باشد حاکی از برازش بهتر است. (هومن،۴۲:۱۳۸۸)

۳-۱۰-۹ شاخص نکویی برازش^[۵۱]

این اندازه تحت تاثیر حجم نمونه است و می تواند برای مدلهایی که به گونه ضعیفی فرمول بندی شده اند بزرگ باشد . کمیت این شاخص از صفر تا یک متغیر است . اندازه یک نشان دهنده برازندگی کامل داده ها با الگو و
و صفرنشان دهنده عدم برازندگی است . هر چه این مقدار به یک نزدیکتر باشد نکویی برازش الگوبیشتر است و هرچه به صفر نزدیک تر نکویی برازش کمتر است .(هومن،۴۲:۱۳۸۸)

۳-۱۰-۱۰شاخص تعدیل یافته نیکویی برازش^[۵۲]

اندازه برازندگی شاخص تعدیل یافته نیکویی برازش ،بستگی به حجم نمونه ندارد و نشان می دهد که مدل تا چه حد نسبت به عدم وجود آن برازندگی بهتری دارد. کمترین مقدار آن باید صفر باشد که البته منفی بودن آن نشانه آن است که مدل مورد نظر بسیار ضعیف و بدتر از نبودن آن است. (هومن،۲۳۸:۱۳۸۸)

۳-۱۰-۱۱ شاخص برازندگی تطبیقی^[۵۳]

این شاخص در واقع برازندگی مدل موجود را با مدل صفر ^[۵۴] که در آن فرض می شود با متغیر مکنون موجود در مدل ناهمبسته(مدل مستقل)، مورد مقایسه قرار می دهد. مقدار آن باید دست کم ۹۰/۰ باشد تا مدل پذیرفته شود. (هومن،۲۴۲:۱۳۸۸)

۳-۱۰-۱۲ شاخص صرفه جویی برازندگی^[۵۵]

برخی از شاخص ها انواع گوناگونی دارند که در آنها برای مدل های مورد مقایسه ارزیابی مستقیمی از میزان صرفه جویی و ایجاز نیز در نظر گرفته می شود. به واقع ضرب آنها در نسبت درجه آزادی در مدل نظری دیگری است که مقدار آن در ماتریسی که در مدل های مطلق بکار می رود برای V اندازه ای برابر با v(v+1) 5/0، و در مدل صفر که در مدل نسبی بکار می رود برابر با v(v-1) 5/0 است.
در تحقیق حاضر از شاخص های : P-value ، مجذور کا  ، درجه آزادی df ، درجه آزادی بر مجذور کا، ریشه خطای میانگین مجذورات (RMSEA) ، شاخص نکویی برازش (GFI) ، شاخص تعدیل یافته نکویی برازش(AGFI) ، شاخص برازندگی تطبیقی(CFI) ، ریشه مجذور میانگین باقیمانده (RMR) و شاخص صرفه جویی برازندگی (PGFI) برای برازش مدل استفاده خواهد شد. (هومن،۲۴۲:۱۳۸۸)

۳-۱۰-۱۳ روش حداقل مربعات جزئی^[۵۶]

تحلیل حداقل مربعات جزئی تکنیک آماری چند متغیری است که اجازه می دهد تا مقایسه بین متغیر های واکنش چند گانه و متغیر های توضیحی چندگانه صورت گیرد. حداقل مربعات جزئی یکی از روش های آماری مبتنی بر کوواریانس است که اغلب به عنوان مدل سازی معادلات ساختاری به آن اشاره شده است. این تکنیک جهت رگرسیون چند گانه هنگامی که حجم نمونه کم بوده ، مقادیر گم شده و هم خطی بین متغیرهای مستقل وجود داشته باشد طراحی شده است.
پس از بررسی کلی مدل با بهره گرفتن از پایایی و روایی جزئیات مدل نیز با بهره گرفتن از خروجی مدل مقادیر آماره T مورد بررسی و تجریه و تحلیل قرار می گیرد .(هومن،۲۵۰:۱۳۸۸)

۳-۱۱خلاصه فصل

در این فصل کلیات روش تحقیق بکار گرفته شده در تحقیق حاضر مورد بررسی قرار گرفت . پرسشنامه ابزار جمع آوری اطلاعات بوده و ارزیابی پایانی آن نیز از طریق روش آزمون کرونباخ سنجیده وبا استفاده از نرم افزار لیزرل صورت خواهد گرفت . همچنین روایی پرسشنامه نیز با هماهنگی استاد محترم راهنما و اساتید محترم مشاور و مشورت با صاحب نظران و اساتید رشته مدیریت احراز گردیده است . جامعه آماری تحقیق متشکل از ۳۱۷ نفر از خریدارن کالاهای لوکس و مشتریان در شهر مشهد می باشد.

فصل چهارم

تجزیه وتحلیل داده ها

۴-۱ مقدمه

در تلاش فهمیدن واقعیت ما تا حدی نظیر کسی هستیم که تلاش می کند مکانیزم یک ساعت در بسته را درک کند. او صفحه و عقربه های متحرک آن را می بیند، حتی تیک تیک آن را نیز می شنود، اما هیچ راهی برای باز کردن در آن ندارد. اگر زیرک و باهوش باشد ممکن است تصویری از مکانیزم آن درست کند که بتواند جوابگوی همه چیزهایی باشد که مشاهده می کند. اما هرگز نمی تواند کاملاً مطمئن باشد که تصویر او تنها تصویری است که می تواند مشاهدات وی را توضیح دهد. او هرگز قادر نخواهد بود که تصویر خود را با مکانیزم واقعی مقایسه کند و حتی نمی تواند امکان چنین مقایسه ای را تصور کند. (انیشتن)