۶٫۳٫ روش تجزیه و تحلیل داده‌ها
تفسیر کردن به معنای تبیین و معنا بخشیدن به داده‌هاست. تبیین داده‌های خام دشوار و غیر ممکن است. بنابراین شخص باید داده‌ها را تجزیه و تحلیل کند و سپس به تفسیر آن‌ها بپردازد. تحلیل به معنی طبقه‌بندی، تنظیم، پردازش، دستکاری و خلاصه کردن داده‌ها برای یافتن پاسخ برای پرسش‌های پژوهش است. هدف از تحلیل، تقلیل داده‌ها به شکل قابل فهم و قابل تفسیر است به نحوی که بتوان روابط متغیرهای گوناگون مرتبط با مسئله پژوهش را مورد مطالعه قرار داد.
(( 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. ))

در تفسیر کردن با توجه به نتایج تحلیل، استنباط‌هایی پیرامون روابط مطالعه شده در پژوهش انجام می‌گیرد و درباره این روابط نتیجه‌گیری‌هایی به عمل می‌آید. پژوهشگری که نتایج پژوهش را تفسیر می‌کند در جستجوی معانی و کاربرد آن‌هاست [۱۲۲].
در این پژوهش داده‌های گرد آوری شده از طریق پرسشنامه در هر مرحله وارد نرم افزار SPPS شده و تحلیل‌های لازم بر روی آن‌ها انجام شده است. تحلیل‌های آماری صورت گرفته از دو نوع کلی آمار توصیفی و استنباطی هستند که در آمار توصیفی با ارائه شاخص‌های توصیفی تمایل به مرکز و همچنین رسم شکل‌ها شمای کلی داده‌ها نمایش داده می‌شود. در آمار استنباطی نیز با توجه به اهداف و یافته‌های پژوهش از روش تحلیل عاملی استفاده می‌شود.
۱٫۶٫۳٫ تحلیل عاملی
تحلیل عاملی^[۶۶] از روش‌های خلاصه‌سازی داده‌ها به شمار می‌رود. در این روش چندین متغیر وابسته که بصورت توأم باعث ایجاد تغییرات در یک سیستم می‌شوند به تعداد کمی عامل تبدیل می‌شوند که این عوامل به ترتیب بیشترین تأثیر را در تبیین تغییرات دارند، عوامل به وجود آمده به صورت تابعی از متغیرهای اولیه بیان می‌شوند و دارای دو خصوصیت اساسی زیر هستند. عوامل ایجاد شده بر خلاف متغیرهای اولیه از یکدیگر مستقل هستند.
تغییرات تبیین شده توسط عوامل با تغییرات تبیین شده توسط متغیرها کاملاً برابر است اما تغییرات تبیین شده توسط هر مؤلفه بصورت نزولی کاهش می‌یابد. بنابراین چند مؤلفه اول بیشتر تغییرات را تبیین می‌کنند.
هنگامی‌که مقدار زیادی از تغییرات (بیش از ۷۰%) توسط چند عامل اول تبیین شود آن‌گاه می‌توان با کنار گذاشتن سایر عوامل از چند عامل اولیه به عنوان نماینده کل متغیرها استفاده کرد. در این حالت می‌توان بجای استفاده از تعداد زیادی متغیر اولیه، از چند مؤلفه یا عامل استفاده کرد. با توجه به اینکه مؤلفه‌ها یا عوامل بصورت تابعی از متغیرهای اولیه بیان می‌شوند بنابراین در بسیاری از موارد می‌توان آن‌ها را بصورت متغیرهای جدیدی که صورت کلی‌تری نسبت به متغیرهای اولیه دارند تعریف کرد. تحلیل عاملی یک دسته‌بندی از متغیرهای اولیه ارائه می‌دهد که مبنای علمی این دسته‌بندی میزان همبستگی متغیرها است. در حقیقت تحلیل عاملی متغیرهایی با بیشترین همبستگی و شباهت در روند اندازه‌گیری را در یک گروه قرار می‌دهد. اگر گروه‌بندی جدید توسط محققان قابل شناسایی و تفسیر به یک متغیر عام باشد آن‌گاه می‌تواند با انتساب نام‌های جدید برای عوامل بدست آمده از آن‌ها به عنوان مهم‌ترین عوامل تأثیر گذار استفاده نماید. ذکر این نکته ضروری است که محقق هیچ‌گونه دخالتی در ارائه گروه‌بندی متغیرها ندارد و روش‌های مشخص آماری این گروه‌بندی را ارائه می‌کنند. تحلیل عاملی از جمله تحلیل‌هایی است که در مورد متغیرهای اندازه‌گیری شده به روش لیکرت نیز کاربرد دارد [۱۲۳].
نقطه آغاز در استفاده از تحلیل عاملی، استفاده از پارامتر ^[۶۷] )لامبدا) استاندار شده، یا بار عاملی^[۶۸] است. بار عاملی عبارت است از ارتباط بین هر متغیر اصلی و عامل‌های جدید. هر بار عاملی، مقیاس اهمیت متغیر در اندازه‌گیری هر عامل است. گام بعدی در این تحلیل، نام گذاری عامل‌های بدست آمده است. محقق وابستگی و ارتباط هر متغیر با عامل را بررسی می‌کند. بیشتر اوقات یک سازگاری مشخصی بین متغیرهایی که آن عامل را تعریف می‌کنند، وجود دارد. نام گذاری عامل‌ها یک فرایند ذهنی است که آمیخته‌ای از حس ششم و بررسی دقیق متغیرهاست. یک مقیاس مهم برای انتخاب تعداد عامل‌های مورد بررسی، درصد تغییر اطلاعات اصلی است که توسط هر عامل توضیح داده شده است [۱۲۴].
۱٫۱٫۶٫۳٫ نحوه نمایش و پذیرش تحلیل عاملی
تحلیل عاملی از روش‌های مختلفی انجام می‌شود که در این پژوهش با توجه به اینکه شناخت مؤلفه‌های تأثیر گذار مورد نیاز است از روش تجزیه به مؤلفه‌های اصلی^[۶۹] این کار صورت می‌گیرد. ماتریس مؤلفه‌های اصلی به شکل‌های مختلفی دوران پیدا می‌کند که از بین این اشکال دوران وریماکس^[۷۰] برای شناسایی مؤثرترین مؤلفه‌ها مناسب‌ترین روش است. انتخاب تعداد عوامل نیز علاوه بر مقدار واریانس تبیین شده توسط آن‌ها به روش‌های مختلفی صورت می‌گیرد. مؤلفه‌هایی که انتخاب می‌شوند باید دارای مقدار ویژه بزرگتر از ۱ باشند. این روش اصلی‌ترین روش انتخاب تعداد مؤلفه‌هاست. پذیرش یک تحلیل عاملی مشروط بر تأیید برخی از مشخصه‌ ها است. شاخص‌هایی جهت کفایت تحلیل عاملی معرفی شده‌اند که تعدادی از آن‌ها عبارتند از:
مقدار دترمینان ماتریس همبستگی صفر نباشد.
شاخص KMO^[71] ترجیحاً بالاتر از ۰٫۶ باشد
نتیجه آزمون کرویت بارتلت^[۷۲] از لحاظ آماری معنادار باشد.
تحلیل عاملی در صورت داشتن شرط‌های فوق قابل قبول است [۱۲۵].
در انجام تحلیل عاملی، ابتدا باید از این مسئله اطمینان حاصل شود که می‌توان داده‌های موجود را برای تحلیل مورد استفاده قرار داد. به عبارت دیگر، آیا تعداد داده‌های مورد نظر برای تحلیل عاملی مناسب هستند یا خیر؟ بدین منظور از شاخص KMO و آزمون بارتلت استفاده می‌شود.
شاخص KMO : شاخصی از کفایت نمونه‌گیری است که کوچک بودن همبستگی جزیی بین متغیرها را بررسی می‌کند و از این طریق مشخص می‌سازد آیا واریانس متغیرهای پژوهش، تحت تأثیر واریانس مشترک برخی عامل‌های پنهان و اساسی است یا خیر. این شاخص در دامنه صفر تا یک قرار دارد. در صورتیکه مقدار KMO کمتر از ۵/. باشد، داده ها برای تحلیل عاملی مناسب نخواهند بود و اگر مقدار آن بین ۵/. تا ۶۹/. باشد می توان با احتیاط بیشتر به تحلیل عاملی پرداخت. اما در صورتیکه مقدار آن بزرگتر از ۷/. باشد، همبستگی های موجود در بین داده‌ها برای تحلیل عاملی مناسب خواهد بود (جدول ۳-۳).