دانلود پایان نامه

انعطاف پذیری این روش ها در بررسی اثر متقابل نظریه و داده ها است. اگر مبانی نظری قوی باشد، محققان می توانند در تحلیل داده ها بیشتر به نظریه متکی شوند و هنگامی که مبانی نظری قابل اطمینانی وجود نداشته باشد محققان می توانند بیشتر به داده های تجربی متکی شوند (عباس زاده و همکاران، ۱۳۹۱).

این پژوهش از نوع مطالعه توصیفی است که به دنبال شناسایی رابطه حوزه های عدالت سازمانی با نوآوری فردی کارکنان سازمان های پژوهشی با بهره گرفتن از مدل یابی معادلات ساختاری(SEM) است؛ مدل یابی معادلات ساختاری از جمله مدل های آماری برای بررسی روابط خطی بین متغیرهای مکنون(مشاهده نشده) و متغیرهای آشکار(مشاهده شده) به خصوص در مسائل مربوط به علوم اجتماعی و مدیریت می باشد. به کمک این روش می توان انطباق ساختارهای فرضی(مدل های علّی) را با داده های غیرآزمایشی اثبات و یا رد کرد. مدل یابی معادلات ساختاری یک تکنیک تحلیل چندمتغیری نیرومند از خانواده رگرسیون چندمتغیری و به عبارت دقیقتر بسط مدل خطی کلی(GLM) است که به پژوهشگر این امکان را می دهد به صورت همزمان مجموعه ای از معادلات رگرسیون مفروض را مورد بررسی قرار دهد. (هومن, ۱۳۹۰) آنچه باعث مزیت مدل یابی معادلات ساختاری نسبت به سایر مدل های آماری متداول شده است آن است که این مدل علاوه بر آن که توانسته مشکلات ذاتی مدل های قبلی را برطرف کند، کارکردهای جدیدی را نیز به حوزه علم آمار افزوده است. (ابارشی و حسینی, ۱۳۹۱)
مدل یابی معادلات ساختاری نتیجه تلفیق دو روش تحلیل عاملی تأییدی و روش تحلیل مسیر می باشد. سیر تاریخی و مراحل ابداع و شکل گیری این روش به صورت زیر بوده است :
نظریه رگرسیون
نظریه تحلیل عاملی
نظریه تحلیل مسیر
نظریه مدل یابی معادلات ساختاری(ابارشی و حسینی, ۱۳۹۱)
مزایای روش مدل یابی معادلات ساختاری
مدل های رگرسیونی یا تحلیل عاملی و تحلیل مسیر هرکدام دارای معایب و نقاط ضعف خاص خود هستند. به عنوان نمونه در مدل های رگرسیون نمی توان رابطه بین متغیرهای وابسته را نشان داد. در روش تحلیل مسیر نیز نمی توان رابطه بین متغیرهای مستقل یا وابسته ای که خود دارای مدل های رگرسیونی یا تحلیل عاملی و تحلیل مسیر هرکدام دارای معایب و نقاط ضعف خاص خود هستند. به عنوان نمونه در مدل های رگرسیون نمی توان رابطه بین متغیرهای وابسته را نشان داد. در روش تحلیل مسیر نیز نمی توان رابطه بین متغیرهای مستقل یا وابسته ای که خود دارا ی شاخص های جزئی تر هستند، با شاخص های مربوطه را نشان داد. روش تحیل رگرسیون سلسله مراتبی نیز قابلیت اجرا با متغیرهای پنهان را نداشته و تنها امکان استفاده از متغیرهای مشاهده پذیر را دارا است. (deJong, 1999)
برخی از مزایای روش مدل یابی معادلات ساختاری عبارتند از :
– مفروضه های زیربنایی این تحلیل آماری آشکار و آزمون پذیر است و امکان درک بهتر نتایج را برای پژوهشگر فراهم می کند.
– بر خلاف روش های قدیمی تر، برآورد خطای اندازه گیری و پس ماندهای همبسته را ممکن می سازد.
– چهارچوب واحدی برای آزمون مدل های خطی بی شماری را فراهم می آورد.
– توانایی برازش مدل های غیراستاندارد و متغیرهای غیرنرمال و حتی داده های ناقص را هم دارا است. (هومن, ۱۳۹۰)
– برآورد روابط بین متغیرهای وابسته
– برآورد روابط بین متغیرهای مشاهده پذیر برای یک متغیر پنهان
– تعیین میزان خطای اندازه گیری در مورد هریک از متغیرهای مستقل
– وزن دهی نامساوی به شاخص های یک متغیر پنهان
– تعیین میزان همبستگی میان خطاهای همبستگی
– برآورد پایایی و اعتبار سازه
– انجام آزمون های نیکویی برازش (ابارشی و حسینی, ۱۳۹۱)
حوزه کاربرد روش مدل یابی معادلات ساختاری
در تحقیقاتی که هدف، آزمودن مدل خاصی از رابطه بین متغیرها است، از تحلیل مدل معادلات ساختاری یا مدل های علّی استفاده می‌شود. در این مدل داده ها به صورت ماتریس های کواریانس یا همبستگی درآمده و یک مجموعه معادلات رگرسیون بین متغیرها تدوین می‌شود. چنانچه در مدل برای هر متغیر از بیش از یک نشانگر استفاده شود، مدل شامل مولفه اندازه گیری نیز می‌شود. تحلیل مدل معادلات ساختاری برآوردهایی از پارامترهای مدل (ضرایب مسیر و جملات خطا) و چند شاخص نیکویی برازش فراهم می آورد. (سرمدی, ۱۳۷۶)
مدل یابی معادلات ساختاری را می توان در جهت مقاصد پژوهشی ذیل به کار برد:
مدل یابی علّی یا تحلیل مسیر؛
وقتی متغیرهای مشاهده شده حاوی خطاهای اندازه گیری و بین متغیرهای واقعی روابط جالب و بدون تورش وجود داشته باشد.
وقتی بین متغیرهای مشاهده شده روابط درهم تنیده جریان علّی وجود داشته باشد.
وقتی متغیرهای مهم تبیین شده مشاهده نشده باشد. (سرمدی, ۱۳۷۶)
در مواقعی که محقق از همبستگی مجموعه ای از متغیرها بخواهد تغییرات متغیرها را در عامل های محدود تر خلاصه کند یا خصیصه های زیر بنایی یک مجموعه از داده ها را تعیین نماید از روش تحلیل عاملی استفاده می‌کند. برای هر دو منظور فوق لازم است که ماتریس کواریانس متغیرهای اندازه گیری شده تحلیل شود. ماتریس کواریانس در تحلیل عاملی با دو هدف متفاوت می‌تواند تحلیل شود: ”هدف اکتشافی“ و ”هدف تاییدی“. در صورتی که محقق درباره تعداد عامل های خصیصه ها فرضیه ای نداشته باشد، تحلیل اکتشافی و در صورتی که فرضیه موجود باشد تحلیل تاییدی نامیده می‌شود. (سرمدی, ۱۳۷۶)
براین اساس مدل سازی معادلات ساختاری کاربردهای وسیعی در حوزه های علوم انسانی و اجتماعی دارد. قدرت این تکنیک در توسعه نظریه ها باعث کاربرد گسترده آن در علوم مختلف نظیر بازاریابی، منابع انسانی، مدیریت استراتژیک و سیستم های اطلاعاتی شده است. یکی از مهمترین دلایل استفاده پژوهشگران از این روش قابلیت آزمودن تئوری ها در قالب معادلات میان متغیرها است.(داوری، رضازاده, ۱۳۹۲)

 

مطلب مشابه :  منابع پایان نامه درباره ویژگی های فردی

اینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  ۷۷u.ir  مراجعه نمایید

رشته روانشناسی و علوم تربیتی همه موضوعات و گرایش ها :روانشناسی بالینی ، تربیتی ، صنعتی سازمانی ،آموزش‌ و پرورش‌، کودکاناستثنائی‌،روانسنجی، تکنولوژی آموزشی ، مدیریت آموزشی ، برنامه ریزی درسی ، زیست روانشناسی ، روانشناسی رشد

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

روش حداقل مربعات جزئی(PLS)
مدل سازی معادلات ساختاری به دو نسل روش های تجزیه و تحلیل داده ها دسته بندی می شود. نسل اول روش های روش های مدل سازی معادلات ساختاری روش های کواریانس محور هستند که برای تأیید مدل به نمونه هایی با حجم بالا نیاز دارند. نرم افزارهای Lisrel، Amos، Mplus، EQS از جمله معروفترین ابزارهای نرم در این دسته محسوب می شوند. نسل دوم روش های مدل سازی معادلات ساختاری به منظور برطرف کردن نقاط ضعف روش های نسل اول معرفی شدند. این روش ها نیاز به حجم نمونه بسیار کمتری داشتند، توزیع نرمال داده ها از شروط اساسی تحلیل حذف شد و نیز شرط حداقل سه شاخص به ازاء هر سازه نیز برطرف شد. نسل دوم روش های مدلیابی معادلات ساختاری که مولفه محور هستند با نام روش حداقل مربعات جزئی یا PLS شناخته می شود. پس از معرفی روش PLS نرم افزارهای متعددی برای اجرای مدل به این روش توسعه یافت که نرم افزار Smart PLS که در سال ۲۰۰۵ معرفی شد یکی از بهترین آنها است.(داوری، رضازاده, ۱۳۹۲)
مراحل اساسی تحلیل مدل یابی معادلات ساختاری
در این روش ابتدا مدلی بر پایه تئوری ها و پیشینه موضوع و فرضیات موجود ساخته می شود. سپس تعیین می شود که چگونه سازه ها را اندازه گیری کرده و داده ها را گردآوری می کند. درونداد این تحلیل معمولا ماتریس کوواریانس متغیرهای اندازه گیری شده مثلا نمره های یک تست یا پرسشنامه است. در شکل زیر مراحل این روش به صورت کلی نشان داده شده است.
شکل ‏۳۲- مراحل اساسی اجرای تحلیل مدل یابی معادلات ساختاری (هومن, ۱۳۹۰)
به طور عموم سه دسته استراتژی برای مدل سازی در روش معادلات ساختاری می توان درنظر گرفت. استراتژی تأیید مدل، استراتژی مقایسه مدل، و استراتژی توسعه مدل. (داوری، رضازاده, ۱۳۹۲) که در این تحقیق استراتژی تأیید مدل مدنظر پژوهشگر است. لذا ابتدا برپایه مبانی نظری موجود مدل شامل سازه ها و روابط آنها تدوین و براساس رویکرد PLS بررسی می شود که این مدل تا چه میزان با داده های جمع آوری شده از سطح جامعه آماری برازش دارد.
در این پژوهش برای انجام تحلیل عاملی تأییدی از نرم افزارهای۲۱ SPSS و ۲٫۰M Smart PLS به ترتیب در زمینه تحلیل های دموگرافیک آماری داده ها و مدل یابی معادلات ساختاری استفاده خواهد شد. لذا این توالی را می توان به این گونه در ۵ گام زیر بیان نمود :
مطالعه منابع و پیشینه موضوع و طراحی مدل مفهومی
طراحی مدل ساختاری در نرم افزار
جمع آوری داده ها و ورود آنها به نرم افزار
مشخص کردن جزئیات تحلیل موردنظر
اجرای تحلیل و برآورد پارامتر های مدل
بررسی فرضیات و روابط و آزمون تئوری ها
الگوریتم تحلیل داده ها در روش PLS
روش PLS از دو مرحله اصلی تشکیل شده است: ۱٫ بررسی برازش مدل های اندازه گیری، مدل ساختاری و مدل کلی. ۲٫ آزمودن روابط میان سازه ها. داوری و رضازاده(۱۳۹۲) برای این روش الگوریتمی ارائه داده اند که به طور خلاصه توالی تحلیل های موجود در روش PLS را بیان می کند.
شکل ‏۳۳-خلاصه توالی تحلیل های موجود در روش PLS
حجم نمونه لازم در روش PLS
همانطور که پیشتر اشاره شد یکی از دلایل محبوبیت و کاربرد وسیع روش PLS عدم نیاز به استفاده از حجم بالای نمونه در پژوهش است. عدم حساسیت PLS به حجم نمونه تا آنجاست که حتی تعداد نمونه می تواند کمتر از تعداد کل متغیرهای پژوهش باشد. یکی از قواعد شناخته شده برای تعیین حداقل نمونه لازم در روش PLS، توسط بارکلای(۱۹۹۵) ارائه شده است. در این روش حداقل حجم نمونه لازم برابر است با بزرگترین مقدار حاصل از دو قاعده زیر :
۱- ۱۰ ضرب در تعداد شاخص های مدل اندازه گیری ای که دارای بیشترین شاخص در میان مدل های اندازه گیری مدل اصلی پژوهش است.
۲- ۱۰ ضرب در بیشترین روابط موجود در بخش ساختاری مدل اصلی پژوهش که به یک متغیر مربوط می شوند.
ویژگی های فنی ابزار اندازه گیری(مدل اندازه گیری) در PLS
محقق برای حصول اطمینان از دقت و صحت نتایج بدست آمده از تحقیق خود ناگزیر از ارزیابی ویژگی های فنی ابزار مورد استفاده در پژوهش خود(در اینجا پرسشنامه و مدل اندازه گیری) می باشد.
الف. روایی : روایی یا اعتبار ابزار تعیین می کند که سوال های مورد استفاده در پرسشنامه همان مفهومی که پژوهشگر موردنظر دارد را می سنجد یا خیر؟ ب.پایایی : پایایی یا قابلیت اطمینان مشخص می کند که ابزار اندازه گیری در صوت اجرا در شرایط یکسان تا چه اندازه نتایج یکسانی را نشان خواهد داد. پایایی و روایی در PLS در دو بخش بررسی می شود : بخش مربوط به مدل اندازه گیری و بخش مربوط به مدل ساختاری. برای بررسی برازش در مدل اندازه گیری پایایی شاخص(با سه آزمون آلفای کرونباخ، CR، و ضرایب بارهای عاملی) و روایی همگرا و روایی واگرا آزمون هایی هستند که باید صورت گیرند. در اینجا به طور خلاصه به روش های ارزیابی پایایی و روایی در PLS پرداخته می شود.
ارزیابی پایایی به روش آلفای کرونباخ
پایداری درونی نشانگر میزان همبستگی بین یک سازه و شاخص های مربوط به آن است. مقدار بالای واریانس تبیین شده بین سازه و شاخص هایش در مقابل خطای اندازه گیری مربوط به هر شاخص، پایداری درونی بالا را نتیجه می دهد.موس و همکاران(۱۹۹۸) در مورد متغیرهایی با تعداد سوالات اندک مقدار ۰٫۶ را به عنوان سرحد ضریب آلفای کرونباخ معرفی کرده اند.
پایایی ترکیبی CR
این معیار توسط ورتس(۱۹۷۴) معرفی شد و برتری آن نسبت به آلفای کرونباخ در این است که پایایی سازه ها نه به صورت مطلق بلکه با توجه به همبستگی سازه هایشان با یکدیگر محاسبه می گردد. لذا برای سنجش بهتر پایایی در PLS به طور همزمان از هردو این شاخص ها استفاده می شود.مقدار CR از یک نسبت حاصل می شود که در صورت این کسر، واریانس بین یک سازه با شاخص هایش و در مخرج کسر، واریانس سازه با شاخص هایش به اضافه مقدار خطای اندازه گیری می آید. مقدار برابر و بیشتر از ۰٫۷ برای CR نشان از پایایی درونی مناسب برای مدل های اندازه گیری دارد.(Nunnally, 1978)
فرمول محاسبه CR برای سازه iام مطابق عبارت ذیل است.
CRi =
سنجش ضرایب بارهای عاملی
بارهای عاملی از طریق محاسبه مقدار همبستگی شاخص های یک سازه با آن سازه محاسبه می شود که اگر این مقدار برابر یا بیشتر از ۰٫۴ شود موید این مطلب است که واریانس بین سازه و شاخص های آن از واریانس خطای اندازه گیری آن سازه بیشتر بوده و پایایی آن مدل اندازه گیری قابل قبول است.(Hulland, 1999) نکته مهمی که باید به آن توجه کرد این است که اگر محقق پس از محاسبه بارهای عاملی بین سازه و شاخص های آن با مقادیری کمتر از این مقدار مواجه شد باید آن شاخص ها را اصلاح نوده و یا از مدل پژوهش خود حذف نماید.(داوری و رضازاده, ۱۳۹۲)
روایی همگرا
روایی همگرا دومین معیاری است که برای برازش مدل های اندازه گیری در روش PLS به کار برده می شود.معیار AVE نشان دهنده میانگین واریانس به اشتراک گذاشته شده بین هر سازه با شاخص های خود است. طبق نظر فورنل و لارکر(۱۹۸۱) مقدار AVE برابر و بیشتر از ۰٫۵ نشان دهنده روایی همگرا قابل قبول است. فرمول محاسبه AVE برای سازه iام با n شاخص مطابق عبارت ذیل است.
AVEi =
روایی واگرا
نهایتاً سومین معیار برای سنجش برازش مدل های اندازه گیری در روش PLS روایی واگرا است. در این معیار میزان همبستگی بین شاخص های یکی سازه با آن سازه و میزان همبستگی بین شاخص های یک سازه با سازه های دیگر مقایسه می گردد. در صورتی که مشخص شود میزان همبستگی بین یک شاخص با سازه دیگری غیر از سازه خود بیشتر از میزان همبستگی آن شاخص با سازه مربوط به خود است، روایی واگرای مدل زیر سوال می رود.(Hensler, 2009) روایی واگرا وقتی در سطح قابل قبول است که میزان AVE برای هر سازه بیشتر از واریانس اشتراکی بین آن سازه و سازه های دیگر(یعنی مربع مقدار ضرایب همبستگی بین سازه ها) در مدل باشد.(داوری و رضازاده, ۱۳۹۲) در PLS بررسی این امر به وسیله یک ماتریس صورت می گیرد که درایه های این ماتریس حاوی مقادیر ضرایب همبستگی بین سازه ها است. مقادیر قطر اصلی ماتریس نیز جذر AVE مربوط به شاخص موردنظر است. یک مدل در صورتی روایی واگرای قابل قبولی دارد که اعداد مندرج در قطر اصلی این ماتریس از مقادیر ستون زیرین خود بیشتر باشد.
معیارهای ارزیابی برازش مدل اندازه گیری، ساختاری و کلی
محققینی که از روش PLS استفاده می کنند همانطور که گفته شد باید سه مرحله را به ترتیب در پژوهش خود اجرا کنند. به این ترتیب که ابتدا از صحت روابط موجود در مدل های اندازه گیری با بهره گرفتن از معیارهای پایایی و روایی اطمینان حاصل کنند. سپس به بررسی و تفسیر روابط موجود در بخش ساختاری بپردازند و در مرحله نهایی نیز برازش کلی مدل پژوهش خود را بررسی نمایند. تنها در صورتی روابط بخش ساختاری معنادار و قابل تفسیر هستند که روابط و مقادیر بخش مدل های اندازه گیری در حد قابل قبول باشد.
معیارهای ارزیابی برازش بخش مدل های اندازه گیری
معیار مقادیر اشتراکی Communality
کیفیت مدل های اندازه گیری در روش PLS با این معیار سنجیده می شود. این معیار نشان می دهد که چه مقدار از تغییرپذیری شاخص ها توسط سازه مرتبط با خود تبیین می شود. این معیار برای هر شاخص از طریق میانگین مقادیر مرتبه دوم رابطه بین شاخص و سازه مربوط به آن(بار عاملی) محاسبه می شود.
Communality(i)=(Factor Loadingi)2
معیارهای ارزیابی برازش مدل ساختاری
مقدار معناداری t(T-Values)
ابتدایی ترین معیار برای سنجش رابطه بین سازه ها در مدل بخش ساختاری است.در صورتی که مقدار این معیار بیشتر از ۱٫۹۶ باشد نشان از صحت رابطه بین سازه ها و نتیجه تأیید فرضیه های پژوهش در سطح اطمینان %۹۵ است. باید توجه داشت این معیار تنها صحت رابطه ها را نشان می دهد و در مورد شدت رابطه بین سازه ها نمی توان به آن استناد کرد.

معیار R Squares(R2)
این معیار برای متصل کردن بخش اندازه گیری و بخش ساختاری مدل به کار می رود و نشان دهنده تأثیری است که یک متغیر برون زا بر یک متغیر درون زا دارد. لذا مقدار این معیار برای متغیرهای برون زا برابر صفر است و برای یک متغیر درون زا برابر از توان دوم

دیدگاهتان را بنویسید