۲

تنوع خدمات

۷۳۲/۰

۳

ارتباط با مشتری

۷۹۲/۰

۴

ویژگی‌های کارکردی

۷۸۱/۰

۵

تصویر برند

۹۰۷/۰

کل

۸۱۵/۰

باتوجه به جدول فوق مشاهده می‌شود که برای تمام عوامل پرسشنامه مقدار آلفای کرونباخ بالاتر از۷/۰ است که بیانگر ثبات درونی داده‌های پرسشنامه است. مقدار آلفای کرونباخ برای کل مقیاس نیز عدد ۸۱۵/۰ را نشان می‌دهد که مقدار مطلوبی است و می‌توان تجزیه و تحلیل‌های آماری برای آزمون فرضیات تحقیق را با بهره گرفتن از همین داده‌ها انجام داد.

۳-۷ روش‌های تجزیه و تحلیل داده‌ها
در این پژوهش برای تحلیل داده‌های جمع آوری شده از آمار تحلیلی به دو صورت آمار توصیفی و استنباطی استفاده می‌شود. در ابتدا با بهره گرفتن از آمار توصیفی شناختی از وضعیت و ویژگی‌های جمعیت شناختی پاسخ دهندگان حاصل می شود. سپس تحلیل عاملی انجام می‌گیرد و برای آزمون فرضیه‌ها و بررسی روابط علی بین متغیرهای موجود در مدل تحلیلی تحقیق(به صورت تحلیل مسیر) پرداخته می شود که برای این کار از مدل معادلات ساختاری با بهره گرفتن از نرم‌افزار AMOS Graphic ویرایش ۲۲ استفاده می‌کنیم.
۳-۷-۱ توصیف متغیرهای اصلی پژوهش
در بخش توصیفی پژوهش از روش های آماری توصیفی شامل جداول توزیع فروانی و نمودارهای مربوطه، شاخص های مرکزی میانگین، شاخص پراکندگی انحراف معیار و واریانس مربوط به پاسخ های ارائه شده توسط شرکت کنندگان در پژوهش بهره گرفته شد.
۳-۷-۲ آزمون K-S
از این آزمون برای بررسی نرمال بودن مشاهدات استفاده می کنیم. فرض کنید مشاهده iام را با  نمایش دهیم و فراوانی تجمعی مشاهده شده و فراوانی تجمعی مورد انتظار  را به ترتیب با  و  نمایش می دهیم. در این آزمون،در صورتیکه n مشاهده داشته باشیم،ابتدا برای هریک از مشاهدات  و  ،  ،را محاسبه می کنیم. سپس کمیت های زیر را محاسبه می کنیم:

حال فرض صفر و مقابل را به صورت زیر تعریف می‌کنیم:
فرض صفر:  (نرمال بودن مشاهدات)
فرض مقابل: داده‌ها نرمال نیستند.
حال اگر مقدار  بزرگ باشد، فرض  را رد می کنیم. (آمار کاربردی جان نتر و همکاران،ترجمه علی عمیدی).
در تحقیق حاضر و بررسی آزمون نرمال بودن داده‌ها که در فصل چهارم بیان شد و همچنین بررسی چولگی و کشیدگی متغیر‌ها نشان از عدم نرمال بودن تک متغیره و در نتیجه نرمال بودن چند متغیره است. هرچند که توزیع متغیرها توسط قضیه حد مرکزی نرمال تشخیص داده شد؛ اما به دلیل اهمیت مبحث نرمال بودن چند متغیره از روش خودگردان سازی (Bootstrap) در نرم‌افزار AMOS استفاده می‌کنیم.
◼ خودگردان‌سازی
از آنجا که در پژوهش حاضر مفروضه نرمال بودن چند متغیره برقرار نیست به منظور مقایسه مدل­های مختلف با داده ­های یکسان و نیز به منظور گزینش مناسب‌ترین آنها می­توان از خودگردان سازی استفاده نمود. خودگردان‌سازی به عنوان روشی که مبتنی بر بازنمونه گیری با جایگذاری ^[۶۴] از یک نمونه مورد مطالعه است(نمونه ای که فرض می‌شود معرف جامعه است)، در شرایطی که در آن مفروضه­ی نرمال بودن چند متغیره نقض شده است می ­تواند به برآورد دقیق‌تر پارامترها و خطای معیار مرتبط به آنها یاری رساند (قاسمی، ۱۳۹۲) .
روش مورد استفاده برای برآورد پارامترها و خودگردان‌سازی به منظور ارضای پیش‌فرض نرمال بودن چندمتغیره، استفاده از روش برآرود مجانبی ADF است (فربد، ۱۳۹۳).
روش ADF زمانی نتایج قابل قبولی ارائه می‌کند که حجم نمونه از ۱۰ برابر تعداد متغیرهای مشاهده شده (سوالات پرسشنامه) کمتر نباشد (فربد، ۱۳۹۳).
باتوجه به اینکه در پرسشنامه تعداد ۲۴ سوال مطرح شده است لذا حجم نمونه براساس مطالب فوق تعداد ۲۴۰ پرسشنامه می‌باشد که باتوجه به مقدار نمونه ۳۸۴ برای تحقیق حاضر ، این پیش‌فرض نیز برآورده شده است. لذا در گام‌های بعدی به منظور انجام تحلیل عاملی تاییدی CFA در روش معادلات ساختاری SEM می‌توان از داده‌های خودگردان شده بهره برد.
۳-۷-۳ معادلات ساختاری (SEM)
مدل یابی معادلات ساختاری، یک رویکرد آماری جامع برای آزمون فرضیه‌هایی درباره روابط بین متغیرهای مشاهده شده و پنهان است که گاه تحلیل ساختاری کواریانس یا مدل یابی علی نیز نامیده می‌شود. متغیر پنهان متغیری است که به طور مستقیم اندازه‌گیری نمی‌شود بلکه با بهره گرفتن از دو یا چند متغیر مشاهده شده در نقش معرف سنجش می‌شود. در تحقیق حاضر نیز به منظور عملیاتی کردن متغیرهای تحقیق، مانند رهبری مشارکت مدیران ارشد و … از معرف‌ها (ابعاد) آن استفاده می‌کنیم که در مدل یابی معادلات ساختاری آنها را متغیرهای مشاهده شده می‌نامیم و این متغیرها در پرسشنامه مطرح می شوند.
۳-۸-۳-۱ تحلیل عاملی تاییدی و اکتشافی
تحلیل عاملی اکتشافی روشی است که می‌تواند به منظور ساده‌سازی متغیرها مورد مطالعه براساس هم‌وابستگی بین آنها مورد استفاده قرار گیرد. این روش به طور سنتی برای کشف ساختار عمومی مجموعه‌ای از متغیرهای مشاهده شده و بدون تحمیل ساختار از پیش تعیین شده در آثار پژوهشی به کار برده می‌شود. در تحلیل عاملی اکتشافی محقق از قبل مفروضات خاصی را دنبال نمی‌کند. بلکه، درصدد تلخیص داده‌های مورد نظر در مجموعه کوچک‌تری از عامل‌هاست. در واقع تحلیل عاملی اکتشافی عمدتاً فرضیه ساز و تئوری ساز است (حافظی، ۱۳۸۸).
در مقایسه با تحلیل عاملی اکتشافی، تحلیل عاملی تاییدی زمانی بخوبی مورد استفاده قرار می‌گیرد که مقداری اطلاعات و آگاهی در مورد سازه اصلی وجود دارد. محقق بر اساس دانش نظری، تحقیق تجربی یا هردو، ارتباط بین اندازه‌های مشاهده شده و عوامل اصلی پیشین را مفروض می‌گیرد و سپس این ساختار فرض شده را به طور آماری می‌آزماید (هومن، ۱۳۸۵).
بنابراین با توجه به مطالب فوق چون در تحقیق حاضر عوامل موثر بر تصویر برند بانک مسکن از طریق مطالعات پیشین و با بهره گرفتن از مبانی نظری تحقیق استخراج شده‌اند، بر همین اساس تحلیل عاملی مورد استفاده در این تحقیق، تحلیل عاملی تاییدی خواهد بود که این تحلیل‌ها بر روی داده‌های جمع‌ آوری شده در فصل چهارم مورد بررسی قرار گرفته اند.
۳-۸-۳-۲ تحلیل مسیر
تحلیل مسیر^[۶۵] یک رویکرد مدل‌سازی برای تبیین روابط بین متغیرهای مشاهده شده است. در رویکرد مدل‌سازی تحلیل مسیر فرض بر این است که متغیرهای مستقل هیچ گونه خطای اندازه‌گیری ندارند. در مقابل ممکن است که متغیرهای وابسته دارای خطای اندازه‌گیری باشند به‌گونه‌ای که این مساله در قالب مولفه‌های خطا در معادلات مدل در نظر گرفته شوند. گسترش روش‌های رگرسیون و در حقیقت کاربرد رگرسیون چند متغیری، در ارتباط با تدوین بارز مدل‌های علّی است. هدف آن برآوردهای کمی روابط علّی بین مجموعه‌ای از متغیرها است. روابط بین متغیرها در یک جهت جریان می‌یابد و به عنوان مسیرهای متمایزی در نظر گرفته می‌شود. مقاهیم عمده تحلیل مسیر در بهترین صورت از طریق ویژگی عمده آن یعنی نمودار مسیر^[۶۶] که پیوند علّی احتمالی بین متغیرها را آشکار می‌سازد تبیین می‌شود.
فرق اساسی تحلیل مسیر با تحلیل رگرسیونی این است که وابستگی یک متغیر (وابسته) به متغیرهای دیگر (مستقل) تنها در یک معادله بررسی می‌شود که همان معادله خط رگرسیون استاندارد شده می‌باشد. در صورتی که در تحلیل مسیر بتاهای محاسبه شده، ضرایب مسیری هستند که مجموعه معینی از متغیرهای مستقل را به متغیرهای وابسته وصل می‌کنند و در چند معادله بررسی می‌شوند. رگرسیون و ضرایب رگرسیونی صرفاً تاثیر مستقیم یک متغیر مستقل را بر یک متغیر وابسته نشان می‌دهند، در حالیکه تحلیل مسیر علاوه بر مشخص نمودن تاثیرات مستقیم متغیر مستقل (علت) بر روی متغیر وابسته (معلول) تاثیرات غیر مستقیم یک متغیر را بر دیگر متغیرهای وابسته نشان می‌دهد (هومن، ۱۳۸۸).
۳-۸-۳-۳ شاخص‌های نیکویی برازش