فرضیه مورد بررسی در یک مدل معادلات ساختاری، یک ساختار علی خاص بین مجموعه‌ای از سازه‌های غیرقابل مشاهده یا مکنون[۶۲] است. این سازه‌ها از طریق مجموعه‌ای از متغیرهای مشاهده گر[۶۳] یا نشان‌گر اندازه‌گیری می‌شود. یک معادلات ساختاری کامل از دو مؤلفه‌ تشکیل شده است: الف) مدل ساختاری که ساختار علی خاصی را بین متغیرهای مکنون مفروض می‌دارد ب) مدل اندازه‌گیری که روابطی را بین متغیرهای مکنون و متغیرهای نشان‌گر (اندازه‌گیری شده) تعریف می‌کند. هنگامی که داده های به دست آمده از نمونه مورد بررسی به صورت ماتریس همبستگی یا کواریانس درآید و توسط مجموعه‌ای از معادلات رگرسیون تعریف شود، مدل را می‌توان با بهره گرفتن از نرم افزار‌های مربوط (LISREL، AMOS یا EQS) تحلیل کرد و برازش آن را برای جامعه‌ای که نمونه از ان استخراج شده آزمود. این تحلیل برآوردهایی از پارامترهای مدل (ضرایب مسیر و جملات خطا) و همچنین چند شاخص نیکویی برازش فراهم می‌آورد. برآورد پارامترها و اطلاعات مربوط به نیکویی برازش را می‌توان برای تغییرات احتمالی در مدل و آزمودن مجدد مدل نظری مورد استفاده قرار داد (سرمد و دیگران، ۱۳۸۵).

برای برآورد پارامترهای مدل معادلات ساختاری، یک مجموعه معادلات رگرسیون بر حسب متغیرهای وابسته و مستقل تدوین می‌شود. نمودار مسیر، تعریف پارامترها و معادلات بین هر متغیر مکنون و متغیرهای نشانگر (مشاهده شده) را نشان می‌دهد. نحوه تاثیر متغیرها در نمودار مسیر توسط پیکآن‌های جهت دار مشخص می‌شود. از آنجا که فرض می‌شود اندازه‌گیری متغیرهای مکنون همراه با خطاست، نمودار مسیر این خطاها را نیز در بر دارد. خطاهای مربوط به متغیرهای مستقل مکنون با دلتا و خطاهای مربوط به متغیرهای مکنون وابسته با اپسیلون مشخص می‌شود (سرمد، ۱۳۷۷).

همچنین متغیرهای مکنون در مدل معادلات ساختاری به دو دسته برون زا[۶۴] و درون زا[۶۵] تقسیم می‌شوند. متغیرهای برون زا متغیرهایی هستند که علت تغییرات آن‌ ها در مدل منظور نشده و خارج از مدل است. متغیرهای درون زا متغیرهایی هستند که تغییرات آن‌ ها توسط متغیرهای موجود در مدل پیش‌بینی شده است (سرمد، ۱۳۷۷).

شاخص­ های مورد استفاده برای برازش در این تحقیق عبارتند از:

شاخص برازش هنجار شده بنتلر-بونت[۶۶] یا [۶۷]NFI: این شاخص اولین بار توسط بنتلر و بونت در سال ۱۹۸۰ طرح شد. مقدار قابل قبول برای این شاخص در حدود ۹/۰ است.این شاخص، شاخص چندان مناسبی محسوب نمی‌شود زیرا به تعداد پارامترهای مدل حساس است.

شاخص برازش نسبی یا RFI: این شاخص که توسط مارش،بالا و مک دونالد در سال ۱۹۸۸ طرح شده است بین ۰تا۱ تغییر می­ کند به طوری که مقادیر نزدیک تر به ۱ به عنوان برازش بهتر داده ­ها به مدل تفسیر می­ شود.

شاخص برازش افزایشی یا IFI: یکی دیگر از شاخص­ های تطبیقی که بر اساس مقایسۀ مدل‌های تدوین شده یا مفروض با مدل استقلال محاسبه می­ شود شاخصی است که به نام شاخص برازش افزایشی نامیده می­ شود.این شاخص بین ۰تا۱ تغییر می­ کند به طوری که مقادیر نزدیک تر به ۱ به عنوان برازش بهتر داده ­ها به مدل تفسیر می­ شود.

شاخص توکلر-لویس یا TLI: این شاخص بر مبنای متوسط ضرایب همبستگی بین متغیرها در مدل قرار دارد.در این شاخص مقدار نزدیک به ۹۵/۰ نشان از یک مدل خوب است.

شاخص برازش تطبیقی یا CFI: این شاخص بر مبنای همبستگی بین متغیرهای حاضر در مدل قرار دارد.مقادیر نزدیک به عدد ۱ نشان از قابل قبول بودن مدل است.

ریشه دوم میانگین مربعات خطای برآورد یا RMSEA: این شاخص برای اولین بار توسط اشتایگر در سال ۱۹۹۰ معرفی شده است.این شاخص نیز بر مبنای تحلیل ماتریس باقی مانده قرار دارد. برخلاف بسیاری از شاخص­ های برازش دیگر در مدلسازی که تنها دارای برآورد نقطه­ای هستند این شاخص برای فواصل اطمینان مختلف نیز قابل محاسبه است که ‌می‌توان با بهره گرفتن از آن‌ ها مشخص کرد که آیا مقدار به دست آمده برای مدل تدوین شده با مقدار ۰۵/۰ تفاوت معنادار دارد یا خیر.مدل های قابل قبول دارای مقدار ۰۵/۰ یا کوچکتر برای این شاخص هستند.

۴-۱ مقدمه:

تجزیه و تحلیل داده ­ها فرایندی چند مرحله­ ای است که طی آن داده­هایی که از طریق به کارگیری ابزارهای جمع‌ آوری در نمونه (جامعه) آماری فراهم آمده­اند، خلاصه، کدبندی و دسته بندی و در نهایت پردازش می­شوند تا زمینه برقراری انواع تحلیل­ها و ارتباط­ها بین این داده ­ها به منظور آزمون فرضیه ­ها فراهم آید. در واقع تحلیل اطلاعات شامل سه عملیات اصلی ‌می‌باشد: ابتدا شرح و آماده سازی داده ­های لازم برای آزمون فرضیه ­ها؛ سپس تحلیل روابط میان متغیرها؛ و در نهایت مقایسه نتایج مشاهده شده با نتایجی که فرضیه ­ها انتظار داشتند. در این فرایند داده ­ها هم از لحاظ مفهومی و هم از لحاظ تجربی پالایش می­شوند و تکنیک­های گوناگون آماری نقش به سزایی در استنتاج‌ها و تعمیم­ها به عهده دارند. در این فصل تحلیل داده ها با بهره گرفتن از نرم افزارهای ۱۶SPSS و AMOS صورت گرفته است. برای تجزیه و تحلیل داده ­های جمع‌ آوری شده آمار تحلیلی به دو صورت آمار توصیفی و استنباطی مطرح شده است. در ابتدا با بهره گرفتن از آمار توصیفی، شناختی از وضعیت و ویژگی­های جمعیت شناختی پاسخ ­دهندگان حاصل می­ شود و در ادامه در آمار استنباطی این تحقیق به بررسی وضعیت متغیرهای ارائه شده در تحقیق پرداخته می­ شود.

۴-۲ آمار جمعیت شناختی

شرکت کنندگان

از میان ۳۸۴ نفر شرکت کننده مورد مطالعه قرار گرفته، ۵۱٫۸ درصد (۱۹۹ نفر) را مردان و ۴۸٫۲ درصد (۱۸۵ نفر) را زنان تشکیل می‌دادند.