• • اعتقاد بر یک ساختارساده درمدل‌ها (حداقل ‌در مورد رویکردهای مبتنی بر رگرسیون)

• • فرض مشاهده‌پذیری همه متغیرهای موجود در مدل

• تصوراندازه‌گیری بدون خطای تمامی متغیرها

برای رفع محدودیت‌های مربوط به نسل اول تکنیک ‌ها، در ارزیابی مدل‌ها، بسیاری از محققان شروع به استفاده از یکی دیگر از روش‌های تحلیل داده های آماری، باعنوان تحلیل مسیر کرده‌اند که بیشتر با بهره گرفتن از رگرسیون چند متغیره انجام می‌گیرد. این روش برای آزمون

مدل­های علّی به‌کارگرفته می‌شود و مستلزم تنظیم مدلی به‌ صورت نمودارعلّی است و به ما کمک می‌کند بدانیم چه می‌خواهیم بگوییم (منصورفر، ۱۳۷۴).

تحلیل مسیر، شکلی ازتحلیل رگرسیون کاربردی است که درآن برای هدایت کردن مسئله با آزمون فرضیه‌های پیچیده، ازنمودار مسیر استفاده می­ شود. تحلیل مسیر معمولاً در تحقیقات اکتشافی و آزمون نظریه های ثانویه مورد استفاده قرارمی­گیرد. یک محقق می‌تواند مجموعه داده ها را برای بررسی روابط غیرقابل ‌پیش‌بینی بین متغیرها آزمون کند، خواه مستقیم باشد، خواه غیرمستقیم و بدینوسیله بین مدل‌های مختلف مناسب‌ترین مدل را به­ دست آورد. همچنین می‌توان نظریه ها را به وسیله برقراری ارتباط پیش‌بینی‌ شده یا مورد شک آزمون کند و از این راه مناسب‌ترین مدل را کسب کند (منصورفر، ۱۳۷۴).

در واقع تحلیل مسیر مشخص می‌کند که هر متغیر مستقل تاچه حد برروی متغیر وابسته به طورمستقیم و غیرمستقیم اثر دارد، ‌بنابرین‏ با استفاده ازتحلیل مسیر می‌توان اثر مستقیم و غیرمستقیم متغیرهای مستقل بر متغیر‌های وابسته را محاسبه کرد. در نتیجه، تحلیل مسیر ما را قادر می‌سازد به سازگاری اثر متغیر‌ها با یکدیگر پی بریم. بدین ترتیب تحلیل مسیر به طریق قابل ‌فهم ساده ­ای اطلاعات زیادی درباره فرایندهای علّی فراهم می‌آورد؛ کاربرد تحلیل مسیر، آزمون مدل تحلیلی تحقیق است که مدل تحلیل مسیر، برآیند چارچوب نظری پژوهش است.

در نمودار مسیر متغیرها ‌بر اساس یک نظم علّی قرار می‌گیرند. انتخاب متغیر‌ها چگونگی ترتیب آن‌ ها و پیکان‌های علّی که بین متغیر‌ها رسم می‌شود، بستگی به ‌نظر پژوهشگر دارد . پژوهشگر ‌بر اساس این که کدام متغیر بر متغیر دیگر تأثیر می‌گذارد آن‌ ها را با پیکان به هم ربط
می­دهد. پس ارائه مدل، ‌بر اساس نظریه معقول و منطقی استوار است، در واقع، مدل ‌بر مبنای‌ استدلال نظری پایه‌گذاری می‌شود(منصورفر، ۱۳۷۴).

شکل- ۱‑ ۳ – نمودارتحلیل مسیر

۱-۹ -۳ – محاسبه ضرایب مسیر

منظورازمحاسبه ضرایب مسیر، پیداکردن روابط بین ضرایب همبستگی و ضرایب مسیراست که برای هر متغیر مستقل ‌در معادله، یک ضریب مسیر وجود دارد که مقدار تغییر مورد انتظار درمتغیر وابسته را در نتیجه‌ یک واحد تغییر در متغیر مستقل نشان می‌دهد.

یکی از روش‌های نو در این زمینه مدل معادلات ساختاری است. تکنیک مدل‌ سازیSEM)) معادلات ساختاری به ‌عنوان جایگزینی برای رویکردهای قبلی است. این تکنیک، درمقایسه با رویکردهای مبتنی بررگرسیون که فقط یک سطح از روابط را بین متغیرهای وابسته و مستقل به طور همزمان تحلیل نموده، به‌ عنوان نسل دوم تکنیک‌ها، امکان مدل‌سازی همزمان روابط میان چندین سازه مستقل و وابسته را فراهم می‌کند (جفن و همکاران ۲۰۰۰).

به‌طورکلی، دو رویکرد برای تخمین پارامترها در مدل­سازی معادلات ساختاری وجود دارد که عبارت‌اند از:

• • رویکرد مبتنی برکوواریانس

• رویکرد مبتنی بر واریانس

رویکرد مبتنی برکوواریانس، خصوصاًً درطی دهه های اخیر شهرت زیادی یافته است و برای بسیاری از پژوهشگران علوم اجتماعی، رویه‌های مبتنی برکوواریانس به‌ طورکاملا ًبدیهی معادل با واژه مد­­ل­سازی معادلات ساختاری است.

اگر چه ابزارهای مختلفی ازجمله CALISوSEPATH، AMOS، EQSبرای انجام این نوع تحلیل‌ها وجود داشته، ولی برنامه LISREL که توسط یورسکوگ ‌در سال‌ ۱۹۷۵ ابداع گردید، عمومیت و شهرت فراوانی کسب نموده است. لذا اصطلاح LISREL معمولاً به ‌عنوان مترادف
مدل­سازی معادلات ساختاری مبتنی برکوواریانس به کار می‌رود.

رویکرد دوم، یعنی مدل­سازی معادلات ساختاری مبتنی بر واریانس است، تحلیل حداقل مربعات جزئی (PLS) به ‌عنوان تکنیکی از این گروه، به ­طورخلاصه مورد بررسی قرار خواهد گرفت.

رویکرد حداقل مربعات جزئی در ابتدا توسط اچ. ولد تحت عنوان حداقل مربعات جزئی تکراری غیرخطی معرفی شدکه هدف از آن حداکثر کردن واریانس متغیرهای وابسته‌ای است که توسط متغیرهای مستقل تعریف می‌شوند (وولد، ۱۹۷۵). همانند سایر مدل‌های معادلات ساختاری، مدل حداقل مربعات جزئی نیز دارای بخش ساختاری است که ‌منعکس کننده ارتباط بین متغیرهای پنهان (مکنون) و یک جزء اندازه‌گیری است.

وولد عقیده دارد که حوزه اصلی یک مدل متغیر پنهان مانند حداقل مربعات جزئی،
حوزه­ای است که تعداد متغیرهای پنهان، معنی­دار بوده و از متغیرهای اندازه‌گیری شده بسیار کمتر باشند که در نتیجه تعداد متغیرهای پنهان از تعداد مشاهدات ‌نیز کمتر می‌شوند. مدل­سازی معادلات ساختاری مبتنی برکوواریانس درشرایطی که اندازه نمونه کوچک است پیشنهاد می‌شود، برای این رویکرد حداقل سایز نمونه باید ۱۰۰ باشد (بدون توجه به خصوصیات سایر داده ها) تا بتوان از راهکارهای مشکل ­ساز پرهیزکرد و به سطح پذیرش قابل قبولی دست یافت. حتی بسیاری از محققین، حداقل سایز نمونه را ۲۰۰ پیشنهاد می‌کنند تا از نتایجی که قابل تفسیرنیستند (مانند واریانس منفی و یا همبستگی بالا) پرهیز شود. ولی حداقل مربعات جزئی (PLS) درشرایطی که نمونه بسیارکوچک است نیز می‌تواند مورد استفاده قرار بگیرد .اگرچه این‌گونه شرایط فقط برای تحلیل قدرت آماری می‌تواند به کار برده شود (وولد، ۱۹۷۵).

۱۰- ۳ – ابزارها و نرم­افزارهای مورد استفاده

جهت انجام محاسبات آماری؛ از نرم­ افزارهای ۲۰۱۰Microsoft Office Excel وSPSS 19استفاده گردید. از نرم ­افزار اکسل برای طبقه‌بندی داده های اولیه، محاسبه استفاده گردید. برخی آزمون‌های آماری و تخمین‌های صورت گرفته نیز با کمک نرم ­افزارآماری SPSS 19انجام شد.همچنین به منظور ارزیابی فرضیات و نیز تأیید مدل مفهومی ارائه شده از نرم­افزار SmartPLS2 استفاده گردید. SmartPLS2 یک ابزار بسیار مشهور در تحلیل مسیر حداقل مربعات جزئی (PLS) است. این نرم ­افزار بیش از ۱۶۰۰۰ کاربر در سرتاسر جهان دارد .توسعه‌ دهنده این نرم­افزار گرافیکی دانشگاه هامبورگ آلمان بوده و دریافت آن رایگان است. این نرم­افزار نسبت به وجود شرایطی مانند هم­ خطی متغیرهای مستقل، نرمال نبودن داده‌‌‌ها، کوچک بودن حجم نمونه و غیره سازگار است.

۱۱-۳- جمع بندی

روش انجام پژوهش از قسمت های مهم یک کار تحقیقاتی می‌باشد. بدون داشتن متدولوژی مشخص و دارای اعتبار علمی، نتایج بررسی ها و تحلیل های مربوطه، معتبر و قابل تعمیم نخواهد بود. از این رو، روش شناسی تحقیق از جمله معیارهای رایج جهت تحقیقات علمی تلقی می‌گردد. در این راستا، در فصل سوم به تفصیل روش تحقیق، نحوه گرداوری اطلاعات جامعه و نمونه آماری بیان گردید و ساختار پرسشنامه مورد بررسی قرارگرفت. همچنین در پایان به بررسی ابزارها، روش ها و تکنیک های مورد استفاده پژوهش پرداخته شد.

فصل چهارم:
تجزیه وتحلیل داده ها ویافته ها

۱-۴- مقدمه