دانلود پایان نامه
(1-(∑_(i=1)^k▒S_i^2 )/(S_sum^2 ))
که در آن k تعداد سؤال‌های پرسشنامه، واریانس سوال iام و واریانس کل سوالات است.
آزمون پایایی پرسشنامه برای 6 متغیر و 30 سوال پرسشنامه و 40 نمونه انجام شد. مقدار ضریب آلفای کرونباخ محاسبه‌ شده برای متغیر اول یعنی “محیط بازاریابی اینترنتی” که مشتمل بر 6 سوال است، 0.757 به ‌دست آمده است. برای متغیر دوم یعنی “ویژگی های محصول” برای 4 سوال پرسشنامه مقدار آلفای کرونباخ برابر 0.785 بدست آمده است و به همین صورت برای مابقی متغیرها مقدار آلفا محاسبه شده است. همچنین مقدار ضریب آلفای کرونباخ برای کل پرسشنامه برابر 0.744 بدست آمده است. همانطور که ملاحظه می گردد مقدار آلفای کرونباخ برای تمام متغیرها، از حد قابل قبول برای مقاصد کاربردی که 0.7 است بیشتر می‌باشد، لذا می‌توان ادعا نمود که پرسشنامه موردنظر دارای پایایی قابل قبول است. نتایج این آزمون به پیوست گزارش شده است.

جدول شماره 3-2: آزمون آلفای کرونباخ برای پایایی پرسشنامه
متغیرها
شماره سوالات
تعداد سؤالات
تعداد نمونه
مقدار آلفای کرونباخ
محیط بازاریابی اینترنتی
1 تا 6
6
40
0.757
ویژگی های محصول
7 تا 10
4
40
0.785
امنیت و اعتماد
11 تا 17
7
40
0.778
پیشنهادات ارتقایی
18 تا 21
4
40
0.700
قیمت
22 تا 25
4
40
0.716
سهولت خرید
26 تا 30
5
40
0.791
کل پرسشنامه
1 تا 30
30
40
0.744

3-4-2 تعیین اعتبار (روایی) پرسشنامه
مفهوم اعتبار به این پرسش پاسخ می‌دهد که ابزار اندازه‌گیری تا چه حد خصیصه مورد نظر را می‌سنجد بدون آگاهی از اعتبار ابزار اندازه‌گیری نمی‌توان به دقت داده‌های حاصل از آن اطمینان داشت. در این تحقیق روایی تحقیق با روش تحلیل عاملی سنجیده می شود.

تحلیل عاملی تاییدی
تحلیل عاملی
تحلیل عاملی نامی است عمومی برای برخی از روشهای چند متغیره که هدف اصلی آن خلاصه کردن داده هاست. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می پردازد و در نهایت آنها را در قالب عاملهای عمومی محدودی دسته بندی کرده تبیین می کند. در این تکنیک تمام متغیرها به عنوان متغیر وابسته قرار می گیرد.
تحلیل عاملی روشی هم وابسته بوده که در آن کلیه متغیرها بطور همزمان مد نظر قرار می گیرد. در این تکنیک، هریک از متغیرها به عنوان یک متغیر وابسته لحاظ می گردد. در ذیل برخی از مفاهیم کلیدی این روش معرفی می گردند.

اشتراک: میزان واریانس مشترک بین یک متغیر با سایر متغیرهای بکار گرفته شده در تحلیل.
مقدار خاص: میزان وارایانس تبیین شده بوسیله هر عامل را بیان می کند. یکی از ضوابط پرکاربرد در تعیین تعداد عاملها، مقدار ویژه است که آن را معیار راکد نیز می گویند در تحلیل عاملی مقدار ویژه برابر است 1 می باشد ولی ما می توا نیم در بسته آماری این مقدار زیاد کنیم. در تحلیل عاملی مولفه های اصلی ان است که مقدار ویژه آنان بیشتر از 1 باشد ولی این مقدار کمتر از 1 باشد به عنوان عاملهایی است که از نظر آماری معنی دار نیست و باید از تحلیل کنار گذاشته شود.
عامل: عبارتست ترکیب خطی متغیرهای اصلی،که نشان دهنده خلاصه شده از متغیرهای مشاهده شده است.
بار عاملی: همبستگی بین متغیرهای اصلی و عوامل. اگر مقادیر بار عاملی مجذور شوند، نشان می دهند که چند درصد از واریانس در یک متغیر توسط آن عامل تبیین می شود.
ماتریس عاملی: جدولی است که بارهای عاملی کلیه متغیرها را در هر عامل نشان می دهد.
چرخش عاملی: فرآیندی است برای تعدیل محور عامل به منظود دستیابی به عاملهای معنی دار وساده. یکی از مفاهیم مهم در تحلیل عاملی ‏‏‏‏ چرخش عاملهاست. که این مفهوم دقیقا به همان معنا دلالت دارد که در فرآیند چرخش عاملی، محورهای مختصات عاملها به دور مبدا چرخش داده است تا اینکه موقعبیت جدیدی را بدست بیاورد ما در اینجا دونوع چرخش داریم:
چرخش متعامد: عاملها مستقل از یکدیگر هستند.
متمایل: عاملها با یکدیگر همبستگی دارند. (کلانتری،1387: 283)
 تصمیم گیری در تحلیل عاملی
هدف اصلی تحلیل عاملی تلخیص تعداد زیادی از متغیرها در تعداد محدودی از عاملها می باشد، بطوریکه در این فرایند کمترین میزان گم شدن اطلاعات وجود داشته باشد. با توجه به هدف تحلیل عاملی محقق سوالاتی از خود می پرسد چه نوع متغیرهای باید در تحلیل به کار گرفته شود. در پاسخ به این سوال باید گفت که هر متغیری مرتبط با مسئله تحقیق را می توان در تحلیل به کار گرفت.
معنی داری ماتریس همبستگی
یکی از روشهای انتخاب متغیرهای مناسب برای تحلیل عاملی استفاده از ماتریس همبستگی است که اساس روش تحلیل عاملی برای انتخاب متغیرها به عاملهای متفاوت استفاده از همبستگی بین متغیرها اما از نوع غیر علی استوار است. البته آمارهای دیگری وجود دارد که محقق از طریق انها نیز قادر به تعیین و تشخیص مناسب بودن داده ها برای تحلیل عاملی می باشد از جمله این روشها آزمون  KMO می باشد که مقدار آن همواره بین 0و1 می باشد و در صورتی که این مقدار کمتر از 50/. باشد داده ها برای تحلیل عاملی مناسب نخواهد بود و اگر مقدار آن بین 50/. تا69/. درصد باشد می توان با احتیاط بیشتر می توان به تحلیل عاملی پرداخت. اما در صورتی که این مقدار بیشتر از 70/.درصد باشد همبستگی موجود میان داده ها برای تحلیل داده ها مناسب خواهد بود (کلانتری،1387: 291)
و از سوی دیگر برای اطمینان از داده ها  برای تحلیل عاملی مبنی بر اینکه ماتریس همبستگی که پایه تحلیل عامل قرار می گیرد در جامعه برابر صفر است یا خیر باید از آزمون بارتلت استفاده کنیم. این آزمون معناداری تحلیل عاملی داده ها را می سنجد و اگر این مقدار کمتر از05/. باشد داده ها با جامعه مورد معنی دار است.
حجم نمونه
در رابطه با حجم نمونه نیز باید تاکید کرد که تعداد حجم نمونه نباید کمتر از 50 مورد باشد و ترجیحا حجم نمونه را به بیش از 100 مورد افزایش داد. به عنوان قاعده کلی تعداد نمونه باید حدود چهار یا پنج برابر تعداد متغیرهای مورد استفاده باشد. که در این تحقیق حجم نمونه 260 مورد است (سرمد و دیگران،1385: 258).
انتخاب نوع ماتریس همبستگی
بعد از اطمینان داشتن به داده ها برای تحلیل عاملی، اولین تصمیم در بکارگیری تحلیل عاملی، محاسبه ماتریس همبستگی است. برای اینکار باید مشخص شود که آیا هدف،محاسبه همبستگی بین متغیرهاست یا بین پاسخگویان. اگر هدف تحقیق تلخیص متغیرها باشد در این صورت از همبستگی بین متغیرهامحاسبه شود که این روش یکی از تکنیک های عمومی و پرکاربرد در مطالعات می باشد که به تحلیل عاملی نوع R معرو ف است. اما تحلیل عاملی ممکن است برای ماتریس همبستگی بین پاسخگویان نیز بکار گرفته شود این نوع تحلیل را تحلیل نوع Q  می نامند. این نوع تحلیل عاملی شاید بدلیل مشکل بودن کمتر مورد استفاده قرار گیرد و بجای آن از روشهای نظیر تحلیل خوشه ای یا گروهبندی سلسله مراتبی برای طبقه بندی پاسخگویان یا موارد استفاده می شود.(کلانتری،1387: 287) که در این تحقیق با توجه به هدف اصلی تحقیق، ماتریس همبستگی از نوع R  استفاده گردیده است.
انتخاب مدل عاملی
 در تحلیل عاملی مدلهای مختلفی وجود دارد که از میان آنها دو روش تحلیل مولفه های اصلی و تحلیل عاملی مشترک از پر کاربرد ترین این روشهاست. انتخاب هریک از مدلها به هدف محقق بستگی دارد.مدل تحلیل مولفه های اصلی زمانی مورد استفاده قرار می گیرد که هدف محقق تلخیص متغیرها و دستیابی به تعداد محدودی عامل برای اهداف پیش بینی شده باشد و در مقابل تحلیل عاملی مشترک زمانی بکار می رود که هدف شناسایی عاملها یا ابعادی باشد که به سادگی قابل شناسایی نیستند(کلانتری،1380: 152).
روش استخراج عامل ها
علاوه بر انتخاب مدل تحلیل، محقق باید مشخص کند که عاملها چگونه باید استخراج شوند. برای استخراج عاملها دو روش وجود دارد. عاملهای متعامد و عاملهلای متمایل. در روش متعامد، عاملها به شیوه انتخاب می گردند که محورهای عاملی در حالت 90 درجه قرار می گیرند و این بدین معناست که هر عامل، مستقل از سایر عاملها می باشد. بنابراین،همبستگی بین عاملها، بطورقراردادی صفر تعیین می گردد. مدل عاملی متمایل پیچیده تر از مدل عاملی متعامد می باشد. در واقع در این روش فرآیند تحلیلی کاملا رضایت بخش بدست نمی آید. در این روش عاملهای استخراج شده دارای همبستگی می باشند.انتخاب اینکه چرخش عاملها بر اساس متعامد و یا متمایل باشدباید بر اساس نیازهای محقق و مسئله تحقیق وجود دارد انجام گیرد.
انتخاب نهایی عامل ها
زمانیکه در خصوص ماتریس همبستگی، مدل عاملی و روش استخراج، تصمیم مناسب اتخاذ گردید، زمینه برای استخراج عاملهای اولیه چرخش نیافته فراهم می گردد. با بررسی ماتریس چرخش نیافته محقق می تواند به جستجوی روشهای تلخیص داده ها و تعیین عاملهای استخراجی بپردازد، اما تعیین نهایی تعداد عاملها پس از دستیابی به ماتریس عاملی چرخش یافته امکان پذیر می باشد.
در تحلیل عاملی به بررسی معنی داری شاخص ها پرداخته می شود. بدین جهت در این بخش ابتدا به صورت کلی مراحلی را که تا پایان فصل طی خواهیم نمود، بیان می نماییم.
در این فصل در شش بخش به بررسی رابطه هر یک از شاخص ها با متغیرهای مستقل تحقیق در مدل های تحلیل عاملی مجزا پرداخته می شود. در هر بخش یکی از این عوامل به همراه متغیرهای تشکیل دهنده آنها و نیز شاخص های مربوطه بررسی می شوند.
برای هر مدل تحلیل عاملی، یک نمودار با بارهای عاملی برازش یافته استاندارد شده (ضرایب رگرسیون استاندارد شده)، و یک نمودار با مقادیر آماره t-استیودنت رسم شده است.
در نمودار بارهای عاملی استاندارد شده، میزان ارتباط متغیرهای مستقل با متغیر وابسته نشان داده می شود. با توجه به اینکه مقادیر تخمین ها به صورت استانداردشده هستند به راحتی قابل قیاس با یکدیگرند. بنابراین به راحتی می توان بیان نمود که کدام متغیرهای مستقل تأثیر بیشتری بر متغیر وابسته دارند. لازم به ذکر است که علاوه بر بارهای عاملی مقادیر خطای هر بار عاملی نیز در این نمودار نشان داده می شود که قاعدتاً هر چه مقدار این خطاها کمتر باشد، مدل برازش یافته مناسب تر است.
برای تعیین معنی داری هر یک از روابط رگرسیون مذکور، از مقدار آماره t-استیودنت استفاده می شود. بدین صورت که اگر مقدار آماره t-استیودنت بین 1.96- و 1.96+ نباشد، نشان می دهد که پارامتر مربوطه در سطح 5% تفاوت معناداری با صفر دارد یعنی فرض صفر رد می شود و درنتیجه وجود رابطه مزبور رد نمی شود. در واقع این آماره فرض برابری پارامتر با صفر را مورد آزمون قرار می دهد.
در مدل تحلیل عاملی مطلوب است که فرض برابری روابط رگرسیون با صفر رد شود، بنابراین آزمون فرض عبارت است از:

مطلب مرتبط :   مقاله آفرینشگری به عنوان نیروی کیهانی، آفرینشگری به عنوان نیروی حیاتی

با توجه به مقدار آماره t-استیودنت برای هر یک از شاخص ها که در نمودار دوم موسوم به نمودار t-استیودنت نشان داده می شود، اگر مقدار آماره بیش از 1.96 باشد، درنتیجه فرض صفر رد می شود. یعنی روابط رگرسیون معنادار هستند. اما اگر مقدار آماره کمتر از 1.96 باشد، فرض صفر رد نمی شود. یعنی روابط رگرسیون معنادار نیستند.
اما علاوه بر بررسی معناداری روابط رگرسیون، باید به بررسی مقادیر خطاها نیز بپردازیم. برای خطاهای نشان داده شده در نمودار بارهای عاملی، مطلوب آن است که این خطاها برابر صفر باشند. بنابراین انتظار داریم که فرض صفر زیر رد نشود:

با توجه به نمودار مقادیر آماره t-استیودنت، اگر مقدار آماره t-استیودنت بیش از 1.96 باشد، فرض صفر رد می شود و نشان دهنده این مطلب است که با مقدار معناداری از خطا مواجه هستیم اما اگر مقدار آماره t-استیودنت کمتر از 1.96 باشد، فرض صفر رد نمی شود و نشان می دهد که مقدار خطا معنادار نیست. البته در بیشتر مواقع این خطاها معنادار هستند که در صورتیکه بارهای عاملی مربوط به آن متغیر یا شاخص، بیش از 0.5 باشد، این خطاها قابل چشم پوشی هستند.
پس از بررسی ضرایب رگرسیونی و خطاهای مدل، به بررسی برازش کلی مدل می پردازیم. در ابتدا ضریب تعیین چندگانه مدل برازش یافته بررسی می شود. ضریب تعیین چندگانه، مقدار واریانس تبیین شده متغیرهای وابسته توسط متغیر مستقل مربوط در مدل را نشان می‌دهد. مقدار این آماره برای هر یک از شاخص ها به طور مجزا محاسبه می شود. این ضرایب نشان می دهند که هر شاخص به تنهایی چند درصد از تغییرات متغیر وابسته را تبیین می نماید.
برازش مدل
وقتی یک مدل دقیقاً مشخص و دارای ویژگی همانندی و برآورد بوده و آزمون آن امکان پذیر باشد، برای ارزشیابی برازندگی آن راه‌های زیادی وجود دارد. در ادامه مهمترین شاخص‌های برازندگی به شکل خلاصه معرفی می‌شوند.

مطلب مرتبط :   پایان نامه با موضوع تحلیل آماری، رژیم غذایی

مجذورکای
وقتی حجم گروه نمونه برابر با 75 تا 200 باشد، مقدار مجذورکای یک اندازه معقول برای برازندگی نیست. مجذورکای تحت تأثیر مقدار همبستگی‌های موجود در مدل نیز هست. هر چه این همبستگی‌ها زیادتر باشد، برازش ضعیف‌تر است. به همین دلیل برای برازش مدل‌ها،اندازه‌های دیگری توسعه یافته است.
نسبت کای دو بر درجه آزادی
نسبت ، شاخص است که فاقد یک معیار ثابت برای یک مدل قابل قبول است.
ریشه خطای میانگین مجذورات تقریب (RMSEA)
این اندازه مبتنی بر پارامتر غیرمرکزی بوده و فرمول آن چنین است.

در مرحله بعد به بررسی معنی داری مدل با استفاده از