-
- ارزیابی مدل اندازهگیری (مدل بیرونی)
-
- ارزیابی مدل ساختاری (مدل درونی)
-
- ارزیابی کلی مدل
۴-۵-۲-۱- ارزیابی مدل اندازهگیری (مدل بیرونی)
برای ارزیابی مدل اندازهگیری باید پایایی و روایی مدل اندازهگیری را مورد بررسی قرار داد.
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
در این تحقیق برای ارزیابی پایایی مدل از دو معیار تکبعدی بودن و قابلیت اطمینان ساختاری استفاده کردهایم، که به تحلیل نتایج آن میپردازیم.
الف) تکبعدی بودن
اولین عاملی که در ارزیابی مدل باید مورد توجه قرار گیرد، تکبعدی بودن معرفهای مدل است. بدین معنی که هر معرفی در مجموعه معرفها، باید با یک مقدار بار عاملی بزرگ، تنها به یک بعد یا متغیر نهفته، بارگذاری گردد. تحلیل عاملی تأییدی بدین سبب انجام میگیرد که بررسی نماید آیا سؤالات هر متغیر (متغیرهای آشکار) با سازه مربوط به خودش (متغیر پنهان) ارتباط دارد یا خیر؟ در تحلیل عاملی تأییدی پیشفرض اساسی پژوهشگر آن است که هر عاملی با زیرمجموعه خاصی از متغیرها ارتباط دارد. قدرت رابطه بین عامل (متغیر پنهان) و متغیر قابل مشاهده بهوسیله بار عاملی نشان داده میشود. به عبارتی، بار عاملی عبارت است از همبستگی بین متغیر پنهان و متغیر آشکار، چنانچه بار عاملی (مقادیر همبستگی) کمتر از ۲/۰ باشد، متغیر مشاهده شده مقیاس ضعیفی جهت اندازهگیری متغیر پنهان بوده و باید از کل مدل حذف شود. مقدار بار عاملی بین ۲/۰ تا ۳/۰ نشاندهنده مقیاس ضعیف بوده و احتمالاً بایستی از مدل حذف شوند. بارهای عاملی بین ۳/۰ تا ۵/۰ نشان میدهند که متغیر مشاهده شده مقیاس نسبتاً ضعیفی بوده ولی درعینحال برای ادامه آنالیز کفایت میکند. مقادیر بزرگتر از ۵/۰ نیز نشان میدهند که متغیر مشاهدهپذیر مقیاس قابلاطمینان برای محاسبه متغیر پنهان است. در جدول ۴-۲۳ متغیرهای پژوهش به همراه شماره سؤالات مربوطه آنها در ابزار پژوهش و بارهای عاملی آنها که از نرمافزار PLS استخراج گردیده است، آورده شده است.
جدول (۴-۲۳): یافتههای تحلیل عاملی تأییدی
عامل | گویه | بار عاملی | عامل | گویه | بار عاملی |
فراوانی (Frequency) |
۱ | ۲۶۰/۰ | قابلیت بازاریابی (Marketing capability) |
۱۸ | ۶۷۸/۰ |
۲ | ۳۲۵/۰ | ۱۹ | ۶۵۴/۰ | ||
۳ | ۲۲۱/۰ | ۲۰ | ۷۶۵/۰ | ||
بازخورد متقابل (Reciprocal feedback) |