۴- تفسیر نتایج و انتخاب نهایی ابعاد مناسب مدیریت کیفیت خدمات برای مدل مدیریت کیفیت خدمات راهور.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

برای تبیین نحوه استفاده از تحلیل عاملی و فرایند آن در این تحقیق مختصراً بدان اشاره می­ شود.
– تحلیل عاملی
تحلیل عاملی یکی از روش­های آماری است که بیشترین استفاده را در تحقیقات چند متغیری دارد. محققان غالباً متغیرهای زیادی را در یک تحقیق اندازه ­گیری می­ کنند. هر یک از این متغیرها منعکس­کننده­ جنبه­ های مختلفی از یک مفهوم جامع هستند. تحلیل عاملی بر اساس ملاک­های تجربی و علمی تعداد متغیرها را که خیلی زیاد هستند، به چند عامل کاهش می­دهد و به این ترتیب با تبدیل متغیرها به چند عامل تجزیه و تحلیل و تفسیر آنها آسان­تر می­ شود. تحلیل عاملی، عمل تقلیل متغیرها به عاملی را از طریق گروه­بندی کردن متغیرهایی که باهم همبستگی متوسط یا نسبتاً بالایی دارند، انجام می­دهد (دلاور، ۱۳۸۹، ۲۲۵).
به منظور پی بردن به متغیرهای زیربنایی یک پدیده یا تلخیص مجموعه ­ای از داده ­ها از روش تحلیل عاملی استفاده می­ شود. داده ­های اولیه برای تحلیل عاملی، ماتریس همبستگی بین متغیرهاست. تحلیل عاملی، متغیرهای وابسته از قبل تعیین­شده­ای ندارد (سرمد، بازرگان و حجازی، ۱۳۸۵؛ نقل از Tinsley & Tinsley, 1987).
تحلیل عامل روش مناسبی در ساختن مقیاس برای رشته­ای از متغیرهای غیردوشقی و فاصله­ای است. تحلیل عامل روش ریاضی پیچیده­ای برای تقلیل مجموعه بزرگی از متغیرها به مجموعه کوچک­تری از متغیرهای اساسی است که عامل خوانده می­شوند. در این بخش فقط به منطق و مراحل تحلیل عامل می­پردازیم.
هدف اصلی در تحلیل عامل، بررسی این امر است که بر اساس پاسخ افراد به پرسش­ها می­توان معدودی عوامل عام­تر را مشخص کرد که شالوده­ی پاسخ افرادند یا نه (دواس، ۱۳۸۵، ۲۵۴).
در این روش متغیرهایی که با هم همبستگی دارند، دسته­بندی می­شوند. دسته نخست؛ عامل اول نامیده می­ شود و نمایان­گر متغیرهایی است که بیشترین همبستگی درونی را با یکدیگر دارند.
ضریب همبستگی هر متغیر با هر عامل، وزن عامل^[۲۸۳] نامیده می­ شود.
پس از تعیین و نام­گذاری عامل اول، محقق به شناسایی عوامل دیگر اقدام می­ کند. البته این مرحله از تحلیل، به این بستگی دارد که متغیرهای مورد مطالعه بر اساس همبستگی درونی­شان به چند دسته تقسیم شده باشند (دلاور، ۱۳۸۹، ۲۲۶).
موارد استفاده تحلیل عاملی را به دو دسته کلی می­توان تقسیم کرد: الف) مقاصد اکتشافی، ب) مقاصد تأییدی (سرمد، بازرگان و حجازی، ۱۳۸۵؛ نقل از Tinsley & Tinsley, 1987).
موارد استفاده اکتشافی نیز به دو رویکرد کلی تقسیم می­ شود:
مواردی که هدف آن پیدا کردن متغیرهای مکنون یا سازه­های یک مجموعه متغیر اندازه ­گیری شده است. برای نیل به این هدف از روش تحلیل عامل مشترک^[۲۸۴] (یا تحلیل عامل اصلی)^[۲۸۵] و با بهره گرفتن از ماتریس همبستگی یا کواریانس متغیرهای اندازه ­گیری شده (نمره سؤالات یک آزمون یا ریزنمرات آزمون­ها) استفاده می­ شود. از لحاظ نـظری متغیرهای مکنون یا سازه­ها علل زیربنـایی متغیرهای اندازه ­گیری شـده است. رگرسـیون متغیرهای اندازه ­گیری شده، روی متغیرهای مکنون وزن­هایی فراهم می ­آورد که بارهای عاملی نامیده می­ شود. تحلیل عامل مشترک، واریانس هر متغیر اندازه ­گیری­شده را به دو واریانس مشترک و واریانس اختصاصی افراز می­ کند. واریانس مشترک، تغییرات مشترک متغیرهای اندازه ­گیری شده را با متغیرهای مکنون نمایان می­ کند.
در موارد اکتشافی که هدف تلـخیص مجموعه ­ای از داده ­ها باشد، از تحلیل مؤلفه­ های اصلی^[۲۸۶] استفاده می­ شود. در تحلیل مؤلفه­ های اصلی، واریانس کل متغیرهای مشاهده­شده تحلیل می­گردد. ماتریس همبستگی متغیرهای اندازه ­گیری شده دارای قطر اصلی۱ است. در حالی که در تحلیل عامل مشترک در قطر اصلی، ماتریس همبستگی میزان اشتراک (واریانس مشترک متغیر اندازه ­گیری شده و متغیرهای مکنون) قرار می­گیرد. وقتی میزان اشتراک به ۱ نزدیک باشد، نتایج تمام روش­های اکتشافی با نتایج مؤلفه­ های اصلی مشابه خواهد بود (سرمد، بازرگان و حجازی، ۱۳۸۵؛ به­نقل از Floyd, 1995).
در تحلیل مؤلفه­ های اصلی، برعکس تحلیل عامل مشترک، مؤلفه­ ها طوری برآورد می­ شود تا واریانس متغیرهای مشاهده­شده را در کم­ترین ابعاد نشان دهد و مؤلفه­ های اصلی در واقع مجموع موزون متغیرهای مشاهده شده است. به­عبارت دیگر در تحلیل مؤلفه­ های اصلی، متغیرهای مشاهده­شده علل متغیرهای ترکیبی (مؤلفه­ ها) می­باشد.
در تحلیل­های عاملی تأییدی که هدف پژوهش­گر تأیید ساختار عاملی ویژه­ای می­باشد، درباره تعداد عامل­ها به­ طور آشکار فرضیه­ای بیان می­ شود و برازش ساختار عاملی موردنظر در فرضیه با ساختار کوواریانس متغیرهای اندازه ­گیری شده، مورد آزمون قرار می­گیرد.
تحلیل عاملی را نیز برحسب نمونه یا جامعه بودن آزمودنی­ها و متغیرها به دو دسته توصیفی و استنباطی تقسیم می­ کنند. جدول (۵-۳) انواع تکنیک­های استخراج عامل­ها را برحسب اکتشافی- تأییدی و توصیفی- استنباطی نشان می­دهد.
جدول ۵-۳: رده­بندی روش­های استخراج عامل­ها برحسب ویژگی اکتشافی- تأییدی و توصیفی- استنباطی بودن تحلیل

نوع تحلیل
توصیفی
استنباطی
اکتشافی

مؤلفه­ های اصلی (PC)
عامل مشترک (عامل اصلی)
تحلیل تصویر^[۲۸۷]
تحلیل حداقل مانده^[۲۸۸]

تحلیل عامل متعارف
حداکثر درست­نمایی
تحلیل عاملی آلفا (a)

تأییدی

چندگروهی
LISREL^[289]

حداکثر درست­نمایی تأییدی
LISREL

(منبع: سرمد، بازرگان و حجازی، ۱۳۸۵؛ به­نقل از Tinsley & Tinsley, 1987 )
تحلیل عاملی تاییدی در واقع یک مدل آزمون تئوری است، که در آن پژوهش­گر تحلیل خود را با یک فرضیه قبلی آغاز می­ کند. این مدل که مبتنی بر یک شالوده تجربی و نظری قوی است، مشخص می‌کند که کدام متغیرها با کدام عامل­ها و کدام عامل با کدام عامل­ها باید همبسته شوند. برای ارزشیابی روایی سازه نیز یک روش قابل اعتماد به پژوهش­گر عرضه می‌کند، تا از این طریق بتواند به گونه بارزی فرضیه­هایی را درباره ساختار عاملی داده ­ها که ناشی از یک مدل از پیش تعیین شده، با تعداد و ترکیب مشخصی از عامل‌هاست، بیازماید (هومن، ۱۳۸۷، ۲۹۶- ۲۹۵). در تحلیل عاملی تأییدی، پژوهش­گر به­دنبال تهیه مدلی است که فرض می­ شود داده ­های تجربی را بر پایه چند پارامتر نسبتاً اندک، توصیف، تبیین یا توجیه می­ کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده­هاست که می ­تواند به شکل؛ ۱) تئوری یا فرضیه، ۲) یک طرح طبقه ­بندی کننده معین برای گویه ­ها یا پاره تست­ها در انطباق با ویژگی­های عینی شکل و محتوا، ۳) شرایط معلوم تجربی، و یا ۴) دانش حاصل از مطالعات قبلی درباره داده‌های وسیع باشد (هومن، ۱۳۸۷، ۲۹۵).
ویژگی­های لازم ماتریس همبستگی برای تحلیل عاملی
ماتریس داده­هایی که روی آنها تحلیل عاملی صورت می­گیرد، باید دارای پنج خصیصه زیر باشد:
– ترکیب ماتریس داده ­ها؛ اگر محققی بخواهد ابعاد مشترکی بین چند مقیاس اندازه ­گیری پیدا کند، باید تمام اندازه­ها روی نمونه واحدی به دست آمده باشد.