متغیر
پرسش‌ها
KMO
Sig.
درصد واریانس تبیین شده
سرمایه اجتماعی رابطه‌ای
Q1-Q7
۸۸/۰
۰۰۰/۰
۵۴ درصد
سرمایه اجتماعی شناختی
Q8-Q11
۸۷/۰
۰۰۰/۰
۵۸ درصد
سرمایه اجتماعی ساختاری
Q12-Q17
۷۸/۰
۰۰۰/۰
۶۷ درصد
رفتار شهروندی سازمانی
Q18-Q28
۶۳/۰
۰۰۰/۰
۷۱ درصد
رفتار شهروندی سازمانی
Q29-Q40
۵۹/۰
۰۰۰/۰
۶۱ درصد
همان گونه که اطلاعات ارائه شده در جدول شماره ۳-۱ نشان میدهد، پرسشنامه پژوهش از روایی سازه مناسبی برخوردار است.
پایایی پرسشنامه
پایایی یک وسیله اندازه گیری، عمدتاًً به دقت نتایج حاصل از آن اشاره می کند. پایایی به دقت، اعتمادپذیری، ثبات یا تکرارپذیری نتایج آزمون اشاره دارد. توانایی یک سنجه برای حفظ ثبات در طی زمان(علی‌رغم شرایط غیر قابل کنترل آزمون و وضعیت پاسخ دهندگان) شاخصی از ثبات و آسیبپذیری کم آن در برابر تغییرات است (مومنی و فعال قیومی، ۱۳۸۷). تکنیکهای آماری مختلفی برای اندازه گیری میزان پایایی پرسشنامه وجود دارد. لذا جهت سنجش پایایی پرسشنامه تحقیق از ضریب آلفای کرونباخ به کمک نرمافزار SPSS 20 استفاده گردید که یکی از معتبرترین این تکنیکها می‌باشد. برآورد آلفای کرونباخ نشان میدهد که ارتباط درونی مؤلفه ها (سؤالات) پرسشنامه تا چه حدی است. در واقع زمانی که گردآوری داده ها متکی به اجرای یک آزمون واحد است، برآورد اعتبار از طریق هماهنگی درون سؤالات صورت می‌گیرد. کلیترین صورت تحلیل واریانس سؤالات از طریق ضریب آلفای کرونباخ به دست می آید به این صورت که واریانس هر مؤلفه و کوواریانس بین مؤلفه ها محاسبه می شود. نتایج حاصل از سنجش میزان پایایی پرسشنامه در جدول شماره ۳-۱ آمده است.
جدول شماره ۳‑۳- نتایج سنجش پایایی پرسشنامه
متغیر
پرسش‌ها
آلفای کرونباخ
سرمایه اجتماعی رابطه‌ای
Q1-Q7
۰٫۷۳
سرمایه اجتماعی شناختی
Q8-Q11
۰٫۸۷
سرمایه اجتماعی ساختاری
Q12-Q17
۰٫۷۵
عدالت توزیعی
Q18-Q28
۰٫۷۸
عملکرد شغلی
Q29-Q40
۰٫۸۰
میانگین کل
۰٫۷۹
از آنجایی که ضریب آلفای محاسبه شده برای تمامی پرسشنامه در ابعاد مختلف بالاتر از ۷۰/۰ است، لذا پرسشنامه مورد نظر دارای پایایی قابل قبولی است.
روش تجزیه و تحلیل داده ها
برای بررسی روابط علی بین متغیرها به صورت منسجم کوشش های زیادی در دهه اخیر صورت گرفته است. یکی از این روش ها برای انجام تحلیل عامل تاییدی، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. مدل سازی معادله ساختاری یک تکنیک تحلیل چندمتغیری بسیار کلی و نیرومند از خانوانده رگرسیون چندمتغیری و به بیان دقیق تر بسط مدل خطی کلی است که به پژوهشگر امکان میدهد مجموعه ای از معادلات رگرسیون رت به گونه هم زمان مورد آزمون قرار دهد. مدل سازی معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیر های مشاهده شده و متغیر های مکنون است، که گاه تحلیل ساختاری کوواریانس، مدل یابی علی و گاه نیز لیزرل[۴۰] نامیده شده است. اما اصطلاح غالب در این روزها، مدل یابی معادله ساختاری یا به گونه خلاصه SEM[41] است.
یک مدل کامل معادلات ساختاری شامل دو مؤلفه می‌باشد:
مدل اندازه گیری: جزئی ازمعادلات ساختاری است که طی آن متغیرهای مکنون مشخص میشوند. متغیرهای مکنون، متغیرهای غیرقابل مشاهده ای اند که به وسیله کواریانس میان دو یا چند شاخص نشان داده میشوند.
مدل ساختاری: جزئی از مدل ساختاری که روابط بین متغیر های مکنون را نشان میدهد. بررسی وتحلیل مدلهای اندازه گیری درمراحل اولیه مطالعات تأیید مفیدی بوده چرا که می تواند به ارزیابی ابزار پژوهش وتوسعه سازه‌ها کمک کند. همچنین تحلیل مدلهای ساختاری می‌تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته های پژوهش کمک نموده و در طرح مطالعات آینده سهم عمدهای داشته باشد.
براین اساس مدل سازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل می‌باشد. در تدوین مدل محقق با استفاده از کلیه نظریات مرتبط، پژوهش و اطاعات در دسترس به طرح مدل می پردازد و در این مرحله مدل روابط علی بین متغیرها را توصیف می کند. ارتباطات بین متغیرها می تواند مبین فرضیه هایی باشد که روابط علی بین متغیرهای مشهود و مکنون را از فضای تئوریک استنتاج نموده اند. مرحله بعدی آزمون برازندگی ومیزان انطباق این نظریه ها با داده های تجربی است که از جامعه ای معین گردآوری شده اند (کلانتری, ۱۳۸۸).
معیارهای سنجش برازش مدل معادلات ساختاری
به منظور سنجش برازندگی مدل‌آموزش‌ها آزمونهای گوناگونی ارائه شده است که بهگونه کلی شاخصهای برزاندگی نامیده میشوند. با وجود اینکه این آزمون‌آموزش‌ها پیوسته در حال مقایسه، توسعه و تکاملاند، اما هنوز درباره یک آزمون بهینه توافق همگانی وجود ندارد. در ادامه برخی از پرکاربردترین شاخص‌هایی که جهت آزمون برازش مدل در روش مدلسازی معادلات ساختاری استفاده می‌شود به صورت مختصر توصیف شده‌اند.
-
- آماره کای دو (۲χ): در مدلسازی معادلات ساختاری، آماره کای دو روشی سنتی برای ارزیابی برازش کل مدل می‌باشد. بر اساس این آماره، فرض صفر این است که مدل بهگونه کامل با دادههای جامعه آماری برازش دارد. زمانی که آماره کای دو از نظر آماری معنیدار باشد، منجر به رد این فرض میگردد و نشان میدهد که مدل مورد نظر از برازش کامل برخوردار نیست و مدل رد می‌شود. در آزمون کای دو، نمونه های کوچک ممکن است کفایت لازم را نداشته و همچنین با نمونه های بزرگ، عموماً کای دو معنیدار می‌شود و تقریباً بیشتر مدل‌آموزش‌ها رد می‌شود. از این رو، میباید شاخصهای برازش دیگری را مورد استفاده قرار داد (هومن, ۱۳۸۷).
-
- شاخص ریشه میانگین مجذور خطای تقریب[۴۲] (RMSEA): بهگونه کلی، زمانی که مقدار این آماره کمتر از ۰٫۰۵ باشد، نشان میدهد که مدل از برازش خوبی برخوردار است. در صورتی که مقدار آن بین ۰٫۰۵ تا ۰٫۰۸ باشد، برازش قابل قبول، اگر بین ۰٫۰۸ تا ۰٫۱ باشد، برازش متوسط، و اگر بزرگتر از ۰٫۱ باشد، برازش ضعیف است (هومن, ۱۳۸۷).
-
- شاخصهای برازش مطلق[۴۳]: این شاخص‌آموزش‌ها عبارتند از: شاخص نیکویی برازش[۴۴] (GFI)، شاخص نیکویی برازش تعدیل یافته (AGFI). مقادیر شاخص نیکویی برازش و شاخص نیکویی برازش تعدیل یافته باید بین صفر و یک باشد و مقدار بزرگتر از ۰٫۹ حاکی از برازش قابل قبول است. معمولاً برای برازش مطلق مقدار آماره GIF توصیه می‌شود (هومن, ۱۳۸۷).
