۳-۸-۶ مرحله تخمین مدل
هنگامی­که یک مدل بیان شد و حالت تعیین آن مورد ارزیابی قرار گرفت کار بعدی به دست­آوردن تخمین‌های پارامتر­های آزاد از روی مجموعه ­ای از داده ­های مشاهده­شده است.
این مرحله شامل یکسری فرایند­های تکراری است که در هر تکرار یک ماتریس کوواریانس ضمنی^[۸۳]ساخته می­ شود و با ماتریس کوواریانس داده ­های مشاهده­شده مقایسه می­گردد. مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده^[۸۴] می­ شود و این تکرار­ها تا جایی ادامه می­یابد که این ماتریس باقیمانده به حداقل ممکن برسد. یعنی:
Data = Model + Residual
گام­های موجود در این مرحله به شرح زیر است:

1. 1. جمع­آوری داده ­ها: در این مرحله انتخاب اندازه نمونه مهم است. زیرا بسیاری از روش­های تخمین موجود در مدل معادلات ساختاری و شاخص­ های ارزیابی متناسب بودن مدل نسبت به اندازه نمونه حساس است. بنتلر^[۸۵] پیشنهاد نموده که همواره نسبت ۱۰ به ۱ بین اندازه نمونه و تعداد پارامتر­های آزاد که می­بایستی تخمین زده شود، وجود داشته باشد. بنابراین در پژوهش حاضر باتوجه به پارامتر­های آزاد از یک نمونه ۱۵۰ تایی استفاده گردیده است، تا برآورد مدل با کمترین میزان خطا صورت پذیرد.

   

1. 1. ساخت ماتریس واریانس-کوواریانس متغیر­های اندازه ­گیری شده: بعد از بیان مدل و جمع­آوری داده ­ها تخمین مدل با مجموعه ­ای از روابط شناخته شده بین متغیر­های اندازه ­گیری­شده شروع می­ شود. این روابط در ماتریسی به نام ماتریس واریانس-کوواریانس یا ماتریس همبستگی مرتب می­ شود.

1. 1. ایجاد یک مجموعه ­ای از ماتریس­ها برای برنامه نرم­افزاری و اجرای آن: در یک تخمین همزمان، به علت اینکه تخمین مدل ساختاری و مدل اندازه ­گیری به طور همزمان صورت می­گیرد، ممکن است یک راه­حل برای پارامترهای مدل ساختاری و مدل اندازه ­گیری به هم وابسته شوند. بنابراین بهتر است برای جلوگیری از ابهامات تفسیری متغیر­های مکنون، ابتدا مدل اندازه ­گیری و سپس مدل ساختاری تخمین زده شود (ناطق، ۱۳۸۵).

۳-۸-۷ ارزیابی تناسب^[۸۶] یا برازش مدل
یک مدل وقتی گفته می­ شود که با یکسری داده ­های مشاهده­شده تناسب دارد که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس داده ­های مشاهده­شده، معادل شده باشد. بدین معنی­که ماتریس نزدیک به صفر باشد. مهم­ترین گام موجود در این مرحله عبارت است از: بررسی معیار کلی تناسب مدل و قابلیت آزمون‌پذیری مدل و ارزیابی این موضوع که آیا اصلاحات مورد نیاز است یا خیر؟
هنگامی­که یک مدلی تخمین زده می­شودبرنامه نرم­افزاری یکسری آمار­هایی از قبیل خطای استاندارد، T-Value و غیره را درباره ارزیابی تناسب مدل با داده ­ها منتشر می­ کند. اگر مدل قابل آزمون باشد ولی با داده‌ها به طور مناسب تناسب نداشته باشد شاخص­ های اصلاحی^[۸۷] که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند به کار گرفته می­شوند، تا مدل متناسب با داده ­ها شود. مهم­ترین شاخص تناسب مدل آزمون ^۲xاست ولی به خاطر اینکه آزمون ^۲xتحت شرایط خاصی عمل می­ کند و همیشه این شرایط محقق نمی­ شود لذا یکسری شاخص­ های ثانویه­ای نیز ارائه می­گردد.
مهم­ترین این شاخص ­ها عبارتند از: ^[۸۸]GFI، ^[۸۹]AGFI، ^[۹۰]RMSR
حالت­های بهینه برای این آزمون­ها به شرح زیر است:

1. 1. آزمون ^۲xهرچه کمتر باشد بهتر است، زیرا این آزمون اختلاف بین داده و مدل را نشان می­دهد.

1. 1. آزمون GFIو AGFI از ۹۰ درصد بایستی بیشتر باشد.

1. 1. آزمون RMSR هرچه کمتر باشد بهتر است، زیرا این آزمون یک معیار برای میانگین اختلاف بین داده‌های مشاهده شده و داده ­های مدل است (ناطق ۱۳۸۵، ۲۱۴).

۳-۸-۸ اصلاح مدل
یکی از مهم­ترین جنبه­ های بحث­انگیز مدل معادلات ساختاری اصلاح مدل است. اصلاح مدل مستلزم تطبیق کردن یک مدل بیان­شده و تخمین­زده­شده است که این کار از طریق آزاد کردن پارامتر­هایی که قبلاً ثابت بوده ­اند و یا ثابت کردن پارامتر­هایی که قبل از آن آزاد بوده ­اند، صورت می­گیرد. این مرحله را می­توان با مقایسه­های تبعی یا Post Hoc در ANOVA قیاس کرد. مهم­ترین گام موجود در این مرحله این است: اگر اصلاحاتی مورد نیاز باشد مشخصات مدل (پارامتر­ها) را ارزیابی کنید و مشخصات جدیدی را وارد کنید. اصلاحات این مرحله شامل محدودیت­ها و اضافه کردن پارامتر­های اضافی است (ناطق، ۱۳۸۵: ۲۱۴).
۳-۸-۹ تفسیر مدل
اگر آزمون­های تناسب نشان دهند که مدل به طور کافی متناسب با داده ­ها می­باشد در این مرحله ما بر روی عوامل مشخص­شده (پارامتر­های مدل) مدل متناسب­شده تمرکز می­نماییم. در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می­گیرد. آزمون­ها و مقایسه تخمین پارامتر­ها و همچنین نمایش آن­ها مستلزم تخمین استاندارد­شده­ای^[۹۱] است. به همین دلیل در این مرحله تخمین­های غیر­استاندارد را که عمدتاً به مقیاس خود وابسته هستند را به تخمین­های استاندارد­شده­ای که وابسته به مقیاس خود نیستند، تبدیل می‌کنیم و این کار تا حدودی برازش و پارامتر­های مدل را تحت تأثیر قرار می­دهد (ناطق، ۱۳۸۵: ۲۱۵). این مرحله از مدل معادلات ساختاری دقیقاً شبیه استاندارد کردن ضرایب رگرسیون (β استاندارد) در آمار می‌باشد. مهم­ترین گام این مرحله ارزیابی مدل و ضرایب پارامتر­های مدل با آزمون فرض می­باشد.
۳-۹ خلاصه فصل سوم
در این فصل در ابتدا به بیان کامل روش تحقیق پرداخته­شده است و پس از آن جامعه آماری مشخص گردید و سپس تعداد نمونه و نحوه نمونه گیری بیان شد. در ادامه ابزار گردآوری اطلاعات معرفی گردید و روایی و پایایی آن مورد سنجش قرار گرفت. در پایان نیز روش­های آماری مورد استفاده نام برده شد و در مورد آنها توضیحاتی ارائه گردید.همچنین در این فصل روش تحقیق مورد استفاده توضیح داده شد. برای تجزیه و تحلیل داده ­ها از نرم­افزار SPSS و LISREL استفاده گردید.
فصل چهارم
تجزیه و تحلیل داده ­ها
۴-۱ مقدمه
تجزیه و تحلیل داده ­ها فرآیندی چند­مرحله­ ای است که طی آن داده­هایی که از طریق بکارگیری ابزار­های جمع­آوری در نمونه (جامعه) آماری فراهم آمده­اند؛ خلاصه، کد­بندی و دسته­بندی …. و در نهایت پردازش می­شوند تا زمینه برقراری انواع تحلیل­ها و ارتباط­ها بین این داده ­ها به منظور آزمون فرضیه ­ها فراهم آید. در این فرایند داده ­ها هم از لحاظ مفهومی و هم از لحاظ تجربی پالایش می­شوند و تکنیک­های گوناگون آماری نقش بسزایی در استنتاج­ها و تعمیم­ها بر عهده دارند (خاکی، ۱۳۹۰). امروزه در بیشتر تحقیقاتی که متکی بر اطلاعات جمع­آوری شده از موضوع مورد تحقیق است، تجزیه و تحلیل اطلاعات از اصلی­ترین و مهم­ترین بخش­های تحقیق محسوب می­ شود. داده ­های خام با بهره گرفتن از نرم­افزار آماری مورد تجزیه و تحلیل قرار می­گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده­کنندگان قرار می­گیرند. برای تجزیه و تحلیل داده ­های جمع­آوری شده آمار تحلیلی به دو صورت آمار توصیفی و استنباطی مطرح می­گردد.در این فصل، داده ­های جمع­آوری­شده به کمک روش­های آماری، تبدیل به اطلاعات شده و فرضیات تدوین شده با بهره گرفتن از نرم­افزار کامپیوتری SPSS 16 و LISREL 8.80مورد آزمون قرار می­گیرند تا صحت فرضیات و سطح معناداری و شدت و ضعف روابط بین متغیر­ها مشخص گردد.
در ابتدا، اطلاعات مربوط به مشخصات عمومی پاسخ ­دهندگان نظیر سن، میزان تحصیلات، نوع عضویت، حوزه ­های شغلی، نوع شغل و سابقه کار با کمک شاخص­ های آمار توصیفی بیان می­گردد و نتایج حاصل، به شکل جداول توزیع­فراوانی و نمودار نشان داده می­ شود. سپس با بهره گرفتن از آزمون­های استنباطی نظیر رگرسیون و معادلات ساختاری، اقدام به آزمون صحت فرضیه ­های تحقیق می­نماییم.در این بخش سعی شده است که تمام عملیات آماری انجام شده بر روی پرسشنامه در قالب دسته­بندی معین، ارائه شود.
۴-۲ تجزیه و تحلیل داده ­ها
بعد از گردآوری داده ­ها از نمونه معرف جامعه، نوبت به تحلیل داده ­ها می­باشد. در تجزیه و تحلیل داده ­ها، سه هدف دنبال می­ شود: توصیف آماری اولیه از داده ­ها (آگاهی اولیه نسبت به داده ­ها)، آزمون برازش داده ­ها و آزمون فرضیه ­های پژوهش (دانایی­فرد و دیگران، ۱۳۹۰). در ادامه، ابتدا به تحلیل­های توصیفی و سپس به تحلیل­های استنباطی پرداخته شده است.
۴-۲-۱ آمار توصیفی
۴-۲-۱-۱ تحلیل داده ­های مربوط به سن پاسخ ­دهندگان
با توجه به جدول ۴-۱ فراوانی افراد کمتر از ۳۰ سال ۸۲/۲ درصد، ۳۱ تا ۴۰ سال ۸۲/۵۲ درصد، ۴۱ تا ۵۰ سال ۳۷/۴۴ درصد، ۵۱ تا ۶۰ سال ۰ و بیشتر از ۶۱ سال ۰ می­باشد.
جدول ۴-۱ توزیع فراوانی پاسخ ­دهندگان با توجه به سن

سن

فراوانی

فراوانی درصدی

درصد داده ­های معتبر

فراوانی تجمعی درصدی