۱۱ الی ۱۵
رفتار هوش فرهنگی
مستقل
۱۶ الی۲۰
رفتار شهروندی
وابسته
۲۱ الی ۲۵
۳-۱۲- روش تجزیه و تحلیل آماری داده‌ها
در این پژوهش به منظور توصیف داده‌ها از آمار توصیفی با بهره گرفتن از نرم‌افزار اس‌پی‌اس‌اس و به منظور تحلیل داده‌ها و آزمون فرضیه‌های پژوهش از آمار استنباطی و از روش مدل‌سازی معادلات ساختاری با بهره گرفتن از نرم‌افزار لیزرل صورت خواهد گرفت.
مدل‌سازی معادله ساختاری یک تکنیک تحلیل چند متغیره بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خطی کلی است که به پژوهشگر امکان می‌دهد مجموعه‌ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد. مدل‌سازی معادله ساختاری یک رویکرد آماری جامع برای آزمون فرضیه‌هایی درباره روابط بین متغیره‌های مشاهده شده و مکنون است، که گاه تحلیل ساختاری کوواریانس، مدل‌سازی علی و گاه نیز لیزرل نامیده می‌شود. اما اصطلاح غالب در این روزها، مدل‌سازی معادله ساختاری[۱۰۰] است. نرم‌افزار لیزرل به عنوان یکی از پیشرفتهای روش شناختی نوید بخش در علوم اجتماعی و علوم رفتاری می‌تواند مدلهای سنتی را مورد آزمون قرار دهد و در عین حال امکان بررسی روابط و مدلهای پیچیده تری مانند تحلیل عاملی (تائیدی) و تحلیل سریهای زمانی را نیز فراهم کند و کاربرد داده‌های همبستگی، آزمایشی و غیره آزمایشی را برای تعیین میزان موجه بودن مدلهای نظری در یک جامعه به خصوص امکان پذیر سازد(هومن، ۱۳۸۸، ۱۱).
بطور کلی به منظور طبقه‌بندی داده‌های جمع آوری شده از آمار توصیفی در نرم‌افزار اس‌پی‌اس‌اس و جهت بررسی تاثیر همزمان متغیرهای پژوهش بر یکدیگر و اندازه‌گیری اثرات مستقیم و غیر مستقیم آنها بر یکدیگر از تکنیک معادلات ساختاری در نرم‌افزار لیزرل استفاده شد.
۳-۱۳- آزمونهای برازندگی مدل کلی
برازندگی مناسب بودن و کفایت داده‌ها برای مدل مورد بررسی است. به این معنی که اگر شاخصهای برازندگی نشان دهنده برازنده بودن مدل باشند داده‌ها برای تحلیل و نتیجه‌گیری روابط موجود در مدل مناسب و کافی بوده‌اند.
در دهه گذشته برای مدلهای معادلات ساختاری آزمونهای برازندگی متعددی ارائه‌شده است. با آنکه انواع گوناگون آزمونها که به گونه کلی شاخصهای برازندگی نامیده می‌شوند پیوسته در حال مقایسه، توسعه و تکامل‌اند، اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد و این شاخصها به شیوه‌های مختلفی طبقه‌بندی شده است (هومن، ۱۳۸۸، ۲۳۵).
۳-۱۳-۱- شاخص مجذور خی دو بر درجه آزادی(کای دو بر درجه آزادی)
یکی از بهترین شاخصهای بررسی نیکویی برازش مدل، بررسی نسبت آماره کای دو بر درجه آزادی است. البته، حد استانداردی برای مناسب بودن این شاخص وجود ندارد. اما بسیاری از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۳ باشد(هنری، ۱۳۹۰، ۹۶).
۳-۱۳-۲ - جذر برآورد واریانس خطای تقریب (RMSEA)
این اندازه که به صورت اعشاری گزارش می‌شود، مبتنی بر پارامتر غیر‌مرکزی[۱۰۱] است. این شاخص برای مدلهای خوب برابر ۰۵/۰ یا کمتر است. مدل‌هایی که RMSEA آن ها ۱۰/۰ یا بیشتر باشد، برازش ضعیفی دارند (همان منبع، ۴۲). در صورتی که مقدار آن بین ۰۵/۰ تا ۰۸/۰ باشد برازش قابل قبول، اگر بین ۰۸/۰ تا ۱ /۰ باشد برازش متوسط و اگر بزرگتر از ۱/۰ باشد برازش ضعیف است(کلانتری، ۱۳۸۸، ۱۳۱)
۳-۱۳-۳- ریشه استاندارد میانگین مجذور پس ماندها (SRMR)
برابر با متوسط تفاوت بین واریانس و کواریانسهای پیش بینی شده و مشاهده شده در مدل، بر پایه پس ماندهای استاندارد شده است و مقدار آن وقتی برابر با صفر است که مدل به گونه کامل برازش شده است(هومن، ۱۳۸۸، ۲۳۸).
۳-۱۳-۴ - شاخص تاکر-لویز[۱۰۲] یا شاخص نرم نشده برازندگی (NNFI)
این شاخص ایراد به‌کار بردن شاخص نرم شده برازندگی (NFI) که برای افزودن پارامترها به مدل، جریمه‌ای وجود نداشت را با در نظر گرفتن چنین جریمه‌ای مطرح می‌کند. اگر این شاخص بزرگتر از ۰/۱ باشد برابر با ۰/۱ قرار داده می‌شود. همچنین چنانچه مقدار این شاخص بین ۹۰/۰ تا ۹۵/۰ باشد قابل قبول تلقی می‌گردد (همان منبع، ۴۱).
۳-۱۳-۵- شاخص برازندگی تطبیقی (CFI)
اگر این شاخص بزرگتر از ۰/۱ باشد برابر با ۰/۱ و اگر کوچکتر از صفر باشد برابر با صفر قرار داده می‌شود و همانند شاخصهای قبلی چنانچه مقدار این کسر بین ۹۰٪ تا ۹۵٪ باشد قابل قبول تلقی می‌گردد(همان منبع، ۴۱).
۳-۱۳-۶- شاخص برازندگی (GFI)
شاخصهای برازندگی به گونه کلی در دامنه بین صفر و یک قرار داده می‌شوند. ضرایبی که بالاتر از ۹۰٪ باشد قابل قبول در نظر گرفته می‌شوند، هرچند این نیز مانند سطح ۰۵/۰P=، اختیاری است. بطور کلی مقادیر شاخص GFI با نزدیک شده به عدد ۰/۱ برازندگی خوب مدل را نشان می‌دهد.
از میان شاخصهای ذکر شده، به گونه کلیRMSEA به عنوان یک شاخص مط
لوب و CFIبه عنوان بهترین شاخص در نظر گرفته می‌شود (هومن، ۱۳۸۸، ۴۳).
فصل چهارم
تجزیه و تحلیل
داده ها و یافته های تحقیق
۴-۱ مقدمه
تجزیه و تحلیل داده‌ها فرآیندی چند مرحله‌ای است که طی آن داده‌هایی که به طرق مختلف جمع آوری شده‌اند؛ خلاصه، دسته‌بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیلها و ارتباط بین داده‌ها به‌منظور آزمون فرضیه‌ها فراهم آید. در این فرایند، داده‌ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می‌شوند و تکنیکهای گوناگون آماری نقش به‌سزایی در استنتاجها و تعمیم به عهده دارند (خاکی، ۱۳۸۷، ۳۰۵). تجزیه و تحلیل اطلاعات، به عنوان مرحله ای علمی، از پایه‌های اساسی هر پژوهش علمی به شمار می‌رود که به وسیله آن کلیه فعالیتهای پژوهش تا رسیدن به نتیجه، کنترل و هدایت می‌شوند. در این راستا در فصل حاضر ابتدابه توصیف داده‌های پژوهشی و تجزیه و تحلیل داده‌هایی که به وسیله پرسش‌نامه از افراد نمونه گرداوری شده‌اند پرداخته شده و سپس هر یک از فرضیات مورد آزمون قرار خواهد گرفت. در پژوهش حاضر برای تجزیه و تحلیل و آزمون فرضیه‌ها از مدل‌سازی معادله ساختاری و نرم‌افزارهای اس‌پی‌اس‌اس نسخه ۱۸ و لیزرل نسخه ۸.۷ استفاده می‌شود.
۴-۲ آمار توصیفی
آمار توصیفی به مجموعه‌ایی از فنون و روش‌های آماری اطلاق می‌شود که به منظور ساماندهی (خلاصه و تنظیم نمودن) داده‌ها از طریق جدول‌های توزیع فراوانی، نمایش داده‌ها از طریق رسم نمودارها، و بیان خصوصیت‌ها و ویژگی‌های مهم داده‌ها از طریق معیارهای آماری، به توصیف داده‌های حاصل از تمام عنصرهای مجموعه‌ی مورد بررسی یا بخشی از آن (جامعه یا نمونه) می‌پردازد. در این ارتباط، مرحله‌های اساسی آمار توصیفی را می توان به دو صورت زیر تفکیک نمود:
۱- خلاصه و تنظیم داده‌ها از طریق تهیه‌ی جدول‌های توزیع فراوانی و ارائه نمایش تصویری آن ها توسط نمودار‌های مناسب به منظور آشکارسازی بیشتر ویژگی‌های داده‌ها، و
۲- بیان خصوصیات و ویژگی‌های کلی مهم داده‌ها در قالب معیارهای آماری مناسب، به منظور ارائه بهتر اطلاعات به صورت عددی و آماده‌سازی آن ها برای نتیجه‌گیری‌های منطقی(بامنی‌مقدم، ۱۳۹۰، ۲).
در این قسمت و به این منظور به بررسی ویژگیهایی از جمله جنسیت، سن، وضعیت تاهل و میزان در آمدپرداخته شده است.
۴-۲-۱ جنسیت
بر اساس نگاره ۴-۱، جنسیت ۸/۷۲ درصد (۱۶۶ نفر) از پاسخ دهندگان مرد و ۲/۲۷ درصد (۶۲ نفر) از پاسخ دهنگان را زنان تشکیل می‌دهند. نگاره ۴-۱ توزیع فراوانی متغیر‌جنسیت را نشان می‌دهد.
نگاره ۴-۱) توزیع فراوانی متغیر‌جنسیت
جنسیت
فراوانی
درصد فراوانی
