داده ها نرمال هستند ( داده ها از جامعه نرمال آمده اند)
داده ها نرمال نیستند ( داده ها از جامعه نرمال نیامده اند)

اگر مقدار سطح معنی داری کوچک باشد (کمتر از مقدار خطای ۰٫۰۵) فرض صفر یعنی نرمالیتی رد می شود و برای آزمون فرضیه ها باید از آمار ناپارامتری استفاده نمود و در غیر اینصورت فرض صفر رد نمیشود و درنتیجه داده ها دارای توزیع نرمال هستند و می توان برای بررسی آنها از آزمون های پارامتری مناسب استفاده نمود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۶-۲ آزمون ویلکاکسون :
کاری که «آزمون رتبه علامت‌دار» (ویلکاکسون) می‌کند این است که وزن های بیشتر را به علامت هایی می‌دهد که از صفر دورند. در آزمون رتبه علامت‌دار، تفاضل های زوجی برحسب قدر مطلق مقادیرشان مرتب می‌شوند. تفاضل های صفر را کنار می‌گذاریم و اگر قدر مطلق دو یا چند تفاضل یکسان باشند به هر یک از آنها میانگین رتبه‌هایی را که توأماً اشغال می کنند، تخصیص می‌دهیم. برای تشکیل آماره آزمون، T+، رتبه‌های مربوط به مشاهدات مثبت را با هم جمع می‌کنیم.
برای مقادیر کوچک n، آزمون فرض صفر چه برای آزمون یک نمونه‌ای و چه برای آزمون زوج نمونه‌ای، مبتنی بر جداول خاصی است. ولی برای مقادیر بزرگ n ، n≥۱۵ ، توزیع T+ تقریبا نرمال است و برای انجام آزمون نیاز به امید ریاضی و واریانس آن داریم.
تحت فرض صفر، امیدریاضی و واریانس T+ عبارت است از :

(آذر و مؤمنی، ۱۳۸۵، ج۲، ۲۹۱-۲۹۲)
یک نمونه n تایی از دوتایی‌های زیر درنظر می‌گیریم:
(X₁,Y₁) , (X₂,Y₂) , … , (X_n,Y_n)
متغیر Z از تفاضل دو متغیر فوق تشکیل می‌شود :
Z_i = Y_i – X_i
در آزمون رتبه‌ای ـ نشانه‌ای ویلکاکسون نه تنها نشانه Zi ها بلکه رتبه قدر مطلق آنها یعنی رتبه ها مورد استفاده قرار می‌گیرند.
در این آزمون فرض می‌کنیم Z دارای توزیع پیوسته و متقارن نسبت به c باشد. می‌خواهیم مثلاً آزمون یکطرفه زیر را انجام دهیم :

برای این کار نخست نمونه تصادفی Z1, Z2, … , Zn را در نظر می‌گیریم. رتبه‌های ,…, , را به ترتیب با R1, R2, …, Rn نشان می‌دهیم. واضح است که این رتبه‌ها درست یک جایگشت برای ۱, ۲, …, n می‌باشند. حال تابع نشانگر:

را در نظر می‌گیریم و فرض می‌کنیم که، برای i = 1, 2, … , n ، Ui = I(Zi)
متغیرهای تصادفی U1, U2, …, Un همتوزیع و مستقل می‌باشند. آماره

به آماره رتبه‌ای ـ نشانه‌ای ویلکاکسون شهرت دارد. اگر W خیلی بزرگ شود معلوم می‌شود که تعداد زیادی از یافته‌های نمونه Z1, Z2, … , Zn در طرف راست صفر می‌باشند و با صفر فاصله زیادی دارند. پس Z نمی‌تواند متقارن باشد، یعنی H0 را باید رد کرد. بنابر این ناحیه بحرانی به صورت W ≥ k است، که در آنk به خطایα بستگی دارد. (بهبودیان، ۱۳۸۷، ص ۱۲۶، ۱۲۸ و ۱۲۹)
تعریف مدل معادلات ساختاری
مدل معادلات ساختاری یک رویکرد آماری جامعی برای آزمون فرضیه‌هایی درباره روابط بین متغیرهای مشاهده شده و متغیرهای مکنون می‌باشد (Hoyle, 1995: 1). از طریق این رویکرد می‌توانیم قابل قبول بودن مدلهای نظری را در جامعه‌‌های خاص با بهره گرفتن از داده‌های همبستگی، غیرآزمایشی، آزمایشی آزمون نمود.
۳-۶-۳ ضرورت مدل معادلات ساختاری در پژوهش حاضر
یکی از قویترین و مناسب‌ترین روش های تجزیه و تحلیل در تحقیقات علوم رفتاری و علوم اجتماعی تجزیه و تحلیل چند متغیره است. زیرا ماهیت این گونه موضوعات، چند متغیره بوده و نمی‌توان آنها را با شیوه دو متغیری (که هر بار تنها یک متغیر مستقل با یک متغیر وابسته در نظر گرفته می‌شود) حل نمود.تجزیه و تحلیل چند متغیره به یک سری روش های تجزیه و تحلیل اطلاق می‌شود که ویژگی اصلی آنها، تجزیه و تحلیل همزمان K متغیر مستقل و N متغیر وابسته است.
تجزیه و تحلیل ساختارهای کوواریانس یا مدل سازی علّی یا مدل معادلات ساختاری یکی از اصلی‌ترین روش های تجزیه و تحلیل ساختارهای داده‌های پیچیده است.
بنابراین از آنجایی که در تحقیق حاضر چند متغیر مستقل وجود دارد که می بایستی اثر آنها بر روی متغیر وابسته مورد بررسی قرار گیرد استفاده از مدل معادلات ساختاری ضرورت می یابد.
۳-۶-۴ مراحل مدل معادلات ساختاری
فرآیندهای تجزیه و تحلیل ساختارهای کوواریانس شامل یک سری گامهایی است که به محقق توصیه می‌شود که حتماً به صورت متوالی این گامها را انجام دهد. این گامها عبارتند از :

1. 1. بیان مدل

1. 1. تخمین مدل