مدیریت تعارض

۵

۶۴۴/۰

۷۴۸/۰

۳-۸- روش تجزیه و تحلیل داده ­ها
پژوهشگر برای پاسخگویی به مسأله تدوین شده و یا تصمیم ­گیری در مورد رد یا تأیید فرضیه­ای که صورت­بندی کرده است از روش­های مختلف تجزیه و تحلیل آماری می ­تواند استفاده کندو روش­های تجزیه و تحلیل آماری که در این پژوهش نیز به کار گرفته شده ­اند عبارتند از:

• تجزیه و تحلیل توصیفی: در این نوع تجزیه و تحلیل، پژوهشگر داده ­های جمع­آوری شده را با بهره گرفتن از شاخص­ های آمار توصیفی خلاصه و طبقه ­بندی می­ کند. به عبارت دیگر در تجزیه و تحلیل توصیفی، پژوهشگر ابتدا داده ­های جمع­آوری شده را با تهیه و تنظیم جدول توزیع فراوانی خلاصه می­ کند. در پژوهش حاضر در تحلیل سیمای آزمودنی­ها و اطلاعات جمعیت­شناختی مشتریان هتل­های منتخب شهر اصفهان که نمونه پژوهش را تشکیل داده­اند از تحلیل­های توصیفی استفاده شد.

• تجزیه و تحلیل استنباطی: به طور کلی هدف آمار استنباطی، انجام استنباط درباره جامعه از طریق تجزیه و تحلیل اطلاعات موجود در داده ­های نمونه و همچنین سنجش عدم قطعیتی است که در این استنباط وجود دارد. به عبارت دیگر، محقق بر مبنای ارزش­های جامعه در نمونه به آزمون فرضیه متوسل می­ شود و تکنیک­های آماری مورد نیاز از طریق آمار استنباطی تأمین می­ شود.

آمار استنباطی در یک طبقه بندی کلی به دو دسته تقسیم می­ شود:

• آزمون­های پارامتریک: آزمون­های پارامتریک وابسته به توزیع نرمال صفت در جامعه آماری مربوطه بوده و برای نمونه­هایی کاربرد دارند که حجم آن­ها بیش از ۳۰ مورد می­باشد. مقیاس­های صفت و متغیر در این گونه آزمون­ها از نوع فاصله­ای و نسبتی می­باشند.

• آزمون­های ناپارامتریک: آزمون­های ناپارامتریک تابع توزیع برمال صفت در جامعه آماری و نیز شرایط حداقل نمونه به تعداد ۳۰ مورد نمی­باشند و به آزمون­های آزاد توزیع مرسوم­اند. این گونه آزمون­ها اعتبار کمتری نسبت به آزمون­های پارامتریک دارند. مقیاس­های اندازه ­گیری صفت یا متغیر در آن ها از نوع اسمس و رتبه­ای است که دارای توزیع مبهم و غیر نرمال می­باشد (حافظ­نیا، ۱۳۸۹).

در پژوهش حاضر، با توجه به نرمال بودن اکثر مؤلفه­ های پژوهش از آزمون­های پارامتریک برای تجزیه و تحلیل داده ها استفاده شده است. برای آزمودن فرض نرمال بودن متغرهای پژوهش از آزمون کولموگراف_ اسمیرنوف استفاده شد.
۳-۸-۱- معادلات ساختاری
در این پژوهش، به منظور تحلیل داده ­ها (اطلاعات) و آزمون فرضیه ­های پژوهش مرتبط با مدل ساختاری، از روش معادلات ساختاری استفاده شده است. معادلات ساختاری یک تحلیل چند متغیره بسیار کلی و نیرومند از خانواده رگرسیون چند متغیره است که به پژوهشگران امکان می­دهد مجموعه ­ای از معادلات رگرسیون را به طور همزمان مورد آزمون قرار دهد. همچنین این روش یک رویکرد آماری جامع برای آزمون فرضیه ­های مربوط به روابط علت و معلولی بین متغیرهای درون­زا و برون­زا است و به معنی تجزیه و تحلیل متغیرهای مختلفی است که در یک ساختار مبتنی بر تئوری، تأثیرات همزمان متغیرها را به هم نشان می­دهد. از طریق این روش قابل قبول بودن الگوهای نظری را در جامعه­های خاص با بهره گرفتن از داده ­های همبستگی، غیر آزمایشی و آزمایشی آزمود. این روش به عناوین متفاوت از جمله تحلیل ساختاری کوواریانس، الگو یابی علّی و گاه نیز لیزرل نامیده می­ شود، که اصطلاح غالب در این روزها الگو یابی معادلات ساختاری یا به طور اختصار (SME^[109]) است ( هومن، ۱۳۸۴).
در خروجی نرم افزار لیزرل دو نوع اطلاعات ارائه می­ شود که از اهمیت بیشتر برخوردار است. اول شاخص­ های نیکویی برازش الگوی مفهومی با داده ­های مشاهده شده می­باشد. برنامه­ لیزرل پس از برآورد این شاخص ­ها، قدرت برازش یک الگو با داده ­های مشاهده شده را با ارائه شاخص­ های نیکویی برازش ارزیابی می­ کند. در مرحله دوم، نرم افزار با محاسبه همبستگی های دوگانه و چندگانه و مانند آن، معنی­داری روابط موجود در الگوی مفهومی را آزمون می­نماید و میزان استاندارد و غیر استاندارد بودن پارامترهای اصلی را نشان می­دهد.در خروجی نرم افزار می­توان به صورت ترسیمی و متنی معنی داری این آماره­ها را مشاهده نمود.
۳-۸-۱-۱- شاخص­ های برازندگی الگو
با آنکه انواع گوناگون آزمون­ها که به گونه­ کلی شاخص­ های برازندگی نامیده می­شوند پیوسته در حال مقایسه، توسعه و تکامل می­باشند، با این وجود، درباره یک آزمون بهینه خاص، نیز توافق همگانی وجود ندارد (هومن، ۱۳۸۴). اهم شاخص­ های برازندگی الگوها عبارتند از:

• شاخص برازش تطبیقی

شاخص نیکویی برازش^[۱۱۰] (CFI): این شاخص نشان دهنده میزان برازش داده ­های تجربی با الگوی ایدهآل بوده و تحت تأثیر حجم نمونه است و می ­تواند برای الگوهایی که به گونه ضعیفی فرمول بندی شده ­اند، بزرگ باشد.دامنه تغییر این شاخص، از صفر تا یک است. اندازه یک، نشانه برازندگی کامل داده ­ها با الگو و صفر نشانه عدم برازندگی است. هر چه مقدار به یک نزدیک­تر باشد، نیکویی برازش الگو بیشتر است (هومن،۱۳۸۴).
شاخص توکر-لوییس (TLI) : این شاخص در ابتدا توسط توکر و لوییس(۱۹۷۳) برای تحلیل عاملی مطرح شد. اما سپس آن را برای مبحث مدل سازی معادله ساختاری توسعه دادند. این شاخص می تواند برای مقایسه مدل های جایگزین یا یک مدل پیشنهاد شده در مقابل مدل صفر به کار رود. مقدار ۰ نشان دهنده فقدان برازش و ۱ بیانگر برازش کامل است.

• شاخص برازش مقتصد

ریشه خطای میانگین مجدورات تقریب^[۱۱۱] (RMSEA): این شاخص برای مدل­هایی که برازش خوبی داشته باشند، کمتر از ۰۵/۰ است. همچنین مقادیر بالای آن تا ۰۸/۰ نشان دهنده خطاهای معقولی برای تقریب در جامعه است و مدل­هایی که RMSEA آن­ها ۱۰/۰یا بیشتر باشد برازش ضعیفی دارند. فاصله اعتماد این شاخص، دارای حد پایین نزدیک به صفر و حد بالای نه چندان بزرگ باشد (هومن،۱۳۸۴).
شاخص برازش هنجار شده مقتصد(PNFI): شاخص برازش مقتصد به عنوان یکی از شاخص های برازش، اصلاح شده ی شاخص برازش هنجار شده می باشد. این شاخص تعداد درجات آزادی را به حساب می آورد که برای حصول سطح خاصی از برازش بکار می رود.شاخص های برازش مقتصد برای مقایسه مدل ها با درجات آزادی متفاوت مورد استفاده قرار می­گیرد.

• شاخص برازش مطلق

کای اسکوئر(CMIN): یک مقدار کای اسکوئر با درجه آزادی مشخص که به لجاظ آماری معنادار است، نشان می دهد که ماتریس های واریانس-کواریانس مشاهده شده و برآورد شده متفاوتند. به بیان دیگر محقق مایل به دستیابی به مقادیری از آماره کای دو است که کوچکتر از مقدار جدول کی دو باشد یعنی از نظر آماری معنادار نباشد.
۳-۸-۲- تحلیل عاملی

• تحلیل عاملی اکتشافی: تحلیل عاملی اکتشافی یک شیوه ساده و منظم برای دسته بندی مقیاس ها و متغیرهایی می باشد که از لحاظ درونی با هم همبسته هستند. در واقع در تحلیل عاملی اکتشافی بدون اعمال یک پیش فرض بر داده ها، ساختار عاملی زیربنایی یک مجموعه از متغیرهای مشاهده شده مشخص می شود. بنابراین تحلیل عاملی اکتشافی کمک می کند تا حجم زیادی از متغیرها به تعداد محدودی از عامل ها کاهش یابد و همچنین هم پوشی بین عامل ها را به طرز مطلوبی کنترل می کند.

• تحلیل عاملی تاییدی:تحلیل عاملی تاییدی راهی برای ساختن پرسش نامه ها برای سنجش و اندازه گیری مفاهیم (متغیرهای پنهان) می باشد. از آنجا که متغیرهای پنهان به خودی خود قابل اندازه گیری نیستند می بایست برای آنها تعریف عملیاتی صورت داد که این تعریف عملیاتی به کمک متغیرهای آشکار صورت می گیرد. به عنوان مثال وقتی از ادب، خوش­تیپی، رضایت، وفاداری، کیفیت، انگیزه، بزه‌کاری  مواردی از این قبیل صحبت می­کنیم در واقع در حال صحبت از مفاهیم انتزاعی می­باشیم که در تحلیل عاملی به این مفاهیم انتزاعی متغیر پنهان گفته می­ شود. چنین متغیرهایی برای فهم و درک به رفع ابهام نیاز دارند که به این رفع ابهام تعریف عملیاتی گفته می شود. در تعریف عملیاتی یک متغیر پنهان یا مفهوم ما آن متغیر را به کمک متغیرهای قابل مشاهده یا آشکار که قابل اندازه گیری با یک مقیاس اندازه گیری هستند نشان می­دهیم. مثلاً میتوان میزان وفاداری یک مشتری را با مثلاً ۸ عامل مورد نظر گرفته شده از استادان یا ادبیات موضوعی و مقالات اندازه ­گیری کرده و آن را به عنوان پرسشنامه اندازه ­گیری وفاداری مشتری مطرح کنیم یا خیر؟

خلاصه
در این فصل به ارائه توضیحاتی در رابطه با نوع تحقیق پیش رو پرداخته شد. سپس جامعه آماری، نمونه و فرمول محاسبه آن ارائه شد. در ادامه روش­های گردآوری اطلاعات مرور گردید و روش­های گرد­آوری اطلاعات که محقق برای پاسخ به سوالات تحقیق به کار گرفته است، شرح داده شد. همچنین توضیح کاملی در رابطه با پرسشنامه تدوین شده به عنوان ابزار مهم گردآوری اطلاعات در این تحقیق ارائه گردید. از طرف دیگر برای تحلیل و بررسی اطلاعات از روش­های آماری خاصی در نرم افزار استفاده شده است.