۰٫۵۰ ۱٫۰۰
۰٫۴۱ ۰٫۳۳ ۱٫۰۰
۰٫۱۶ ۰٫۵۷ ۰٫۳۰ ۱٫۰۰
Sample Size 100
Observed Variables: NACH GAP SES IQ
Correlation Matrix:
۱٫۰۰
۰٫۵۰ ۱٫۰۰
۰٫۴۱ ۰٫۳۳ ۱٫۰۰
۰٫۱۶ ۰٫۵۷ ۰٫۳۰ ۱٫۰۰
Sample Size 100
توجه داشته باشید که ترتیب متغیرهای مشاهده شده در ماتریس همبستگی همان ترتیب متغیرها در گزاره Observed Variables است.
متغیرهای پنهان با اضافه کردن حرف L (مخفف latent) از متغیرهای مشاهده شده متمایز شده و به همان ترتیب هم معرفی شده اند.
رابطه بین متغیرهای پنهان و متغیرهای آشکار هم بدین صورت معین شده است :
SES = 1*SESL
IQ = 1*IQL
NACH = 1*NACHL
GAP = 1*GPLA
در این مثال، برای هر متغیر پنهان (نظیر SESL) یک متغیر آشکار مرجع (نظیر SES) وجود دارد. یعنی، مقیاس و واحد اندازه گیری متغیر پنهان از مقیاس و واحد اندازه گیری متغیر آشکار مرجع آن تبعیت میکند. واریانس اشتباهات باقی مانده هم مساوی صفر قرار داده شده و توسط گزاره های زیر در برنامه اعلام شده است :
Set Error Variance Of SES To 0.0
Set Error Variance Of IQ To 0.0
Set Error Variance Of NACH To 0.0
Set Error Variance Of GPA To 0.0
با انتساب صفر به واریانس باقی مانده متغیرهای مشاهده شده، در واقع اعلام می شود که متغیرها بدون اشتباه اندازه گیری شده اند .
معادلات ساختاری هم به صورت زیر در برنامه معرفی شده اند :
NACHL = SESL IQL
GPAL = SESL IQL NACHL
در معادله اول، NACH متغیر وابسته و SESL و IQL متغیرهای مستقل هستند. در معادله دوم GPAL متغیر وابسته و SESL, IQL و NACHL متغیرهای مستقل اند .
پیدا است که برنامه آسان ساز لیسرل (SIMPLIS) برنامه نویسی با لیسرل را بسیار آسان تر
کردهاست .
برون داد برنامه
در برون داد یا خروجی برنامه ابتدا ماتریس همبستگی (یا کوواریانس) برای تحلیل گزارش می شود. با این کار برنامه به تحلیل گر میگوید که چه داده هایی را دارد تحلیل میکند. تحلیل گر هم فرصت دارد ماتریسی را که برای تحلیل به برنامه داده از نو بازبینی کند و، برای مثال، نسبت به ترتیب متغیرها و ارزش های مندرج در ماتریس داده شده برای تحلیل اطمینان حاصل کند. ماتریس همبستگی داده شده برای تحلیل این برنامه بدین صورت گزارش شده است :
Figure 12.3 ( = Figoure 11.1)
Sample size 100
Correlation Matrix
NACHL
GPA
SES
IQ
NACHL
۱٫۰۰۰
GPA
۰٫۵۰۰
۱٫۰۰۰
SES
۰٫۴۱۰
۰٫۳۳۰
۱٫۰۰۰
IQ
۰٫۱۶۰
۰٫۵۷۰
۰٫۳۰۰
۱٫۰۰۰
(البته، در بالای ماتریس همبستگی، حجم نمونه و عنوان برنامه را هم آورده ایم). خواننده توجه دارد که این ماتریس همان ماتریسی است که در متن برنامه آمده بود.
پارامترهای اصلی برآورد شده توسط لیسرل در معادلات اندازه گیری و ساختاری آورده می شود. این معادلات به صورتی که در برون داد برای این مثال گزارش شده به شرح زیر است :
Measurement Equations
NACH = 1.000 * NACHL,, R2 = ۱٫۰۰۰
GPA = 1.000 * GPAL,, R2 = ۱٫۰۰۰
SES = 1.000 * SESL,, R2 = ۱٫۰۰۰
IQ = 1.000 * IQL,, R2 = ۱٫۰۰۰
Structural Equations
NACHL = 0.398 * SESL + 0.0407 * IQL, Errorvar. = 0.830, R2 = ۰٫۱۷۰
(۰٫۰۹۶۰) (۰٫۹۶۰) (۰٫۱۱۸)
۴٫۱۴۳ ۰٫۴۲۴ ۷٫۰۳۶
GPAL = 0.3416 * NACHL + 0.00919 * SESL + 0.501 * IQL, Errorvar= 0.504, R2 = ۰٫۴۹۶
(۰٫۰۷۸۳) (۰٫۰۸۱۰) (۰٫۰۷۴۸) (۰٫۰۷۱۶)
۵٫۳۱۷ ۰٫۱۱۳ ۶٫۶۹۱ ۷٫۰۳۶
در معادلات اندازه گیری که مبین رابطه متغیرهای آشکار و پنهان هستند، با توجه به اینکه هر متغیر پنهان فقط دارای یک معرف مرجع است که باآن تناظر کامل دارد، ضریب مساوی ۱ است. برای مثال، در معادله اول NACHL متغیر پنهان وابسته وSESL و IQL متغیرهای پنهان مستقل هستند و ضریب مسیر آن ها هم که نشان دهنده میزان تاثیر هر یک بر NACHL است به ترتیب ۳۹۸/۰ و ۰۴۱/۰ است. در زیر هر ضریب مسیر اشتباه استاندارد و ارزش t آن گزارش شده است. بنابرین، تحلیلگر میتواند، اضافه بر مقدار ضریب مسیر ،ازمعنی داربودن نظری و آماری آن مطلع شود.برای مثال،در معادله اول یک ضریب مسیرکوچک تر از ۰۵/۰، مساوی ۰۴۰۷/۰با ارزش t آن کمتر از ۱، مساوی ۴۲۴/۰ است. بنابرین این ضریب چه به لحاظ نظری و چه به لحاظ آماری معنی دار نیست. همین نکته در مورد ضریب SESL در معادله دوم صدق میکند. بنابرین خواننده ممکن است به این فکر بیافتد که با حذف این دو مسیر، یا انتساب صفر به ضریب آن ها، مدل را جمع و جورترکند. ماتریس همبستگی میان متغیرهای پنهان هم در آخر گزارش شده است. همان طور که ملاحظه می کنید، ماتریس همبستگی متغیرهای پنهان درست هم ارز با ماتریس همبستگی متغیرهای آشکار است. به تعبیر دیگر، ماتریس باقی مانده یک ماتریس صفر خواهد بود .
Correlation Matrix of Latent Variables
NACHL
GPA
SES
IQ
NACHL
۱٫۰۰۰
GPA
۰٫۵۰۰
۱٫۰۰۰
SES
۰٫۴۱۰
۰٫۳۳۰
۱٫۰۰۰
IQ
۰٫۱۶۰
۰٫۵۷۰
۰٫۳۰۰
۱٫۰۰۰
Goodness of Fit Statistice
Degrees of Freedom = 0
Minimum Fit Function Chi- Square = 0.0 (P = 1.000)
Normal Theory Weighted Least Squares Chi- Square = 0.00 (P = 1.000)
The Model is Staturated, the Fit is Perfect!
۳-۱-۳ تحلیل عاملی تاییدی
تحلیل عاملی تاییدی در واقع بسط تحلیل عاملی معمولی است با این تفاوت که در آن فرضیه های معینی درباره ساختار بارهای عاملی و همبستگی های متقابل بین متغیر ها مورد آزمون قرار میگیرد، این تحلیلی اساساً یک روش آزمون فرضیه است و این مطلب را که آیا نشانگر هایی که برای معرفی سازه یا متغیرهای مکنون در نظر گرفته شده اند واقعا” معرف آن ها هستند یا نه ، را می آزماید و همچنین مشخص می کند که نشانگر های انتخابی با چه دقتی معرف یا برازنده متغیر مکنون هستند. (هومن،۱۳۸۴، ۱۸-۱۷)
۳-۲ متغییرهای تحقیق
در این تحقیق دو نوع متغیر در نظر گرفته شده است .
الف) متغیر مستقل : عوامل اثر گذار بر وفاداری مشتریان
ب) متغیر وابسته : وفاداری
۳-۳ روش های گردآوری اطلاعات
مهمترین روش های گردآوری اطلاعات در این تحقیق بدین شرح است .
الف) مطالعات کتابخانه ای