کوچکتر باشد، آن‌گاه فرض صفر رد شده و خواهيم داشت : ?_i?0. رد شدن فرض صفر به منزله‌ي وجود ارتباط خطي بين متغير مستقل xi و متغير پاسخ y بوده و مثبت(منفي) بودن مقدار ?_i? نشان‌دهنده‌ي تآثير مثبت(منفي) متغير xi روي متغير y است.
از اين‌رو در راستاي بررسي ِ فرض‌هاي ?، ?، ?-?، ?-?، ?-? و ?، يک مدل رگرسيوني بين متغير پاسخ PU و متغيرهاي مستقل JR? RD? CUL? EXP? TA و SEX برازش داده شد. همچنين جهت بررسي ِ فرض‌هاي ?-?، ?-? و ?-? نيز يک مدل رگرسيوني بين متغير پاسخ PEU و متغيرهاي مستقل SEX، TA و EXP در نظر گرفته شد. در بررسي ِ فرض‌هاي ?-? و ?-? نيز يک مدل رگرسيوني بين متغير پاسخ SAT و متغيرهاي مستقل PU و PEU انجام شد. سطح معني‌داري ِ آزمون در تمام رگرسيون‌هاي مذکور ??/? در نظر گرفته شد (بخش ?-?).

?-??- نرم افزارهاي مورداستفاده
در اين مطالعه از نرم افزار Excel 2010 جهت ويرايش داده‌هاي اوليه و از نرم افزار SPSS v.1979 در راستاي بررسي‌هاي آماري ِ مورد‌ نياز استفاده گرديد.

فصل چهارم
محاسبات و يافته هاي تحقيق

?-?- نمونه‌ي آماري پرسش‌نامه
در مجموع ??? پرسش‌نامه در اختيار کارکنان فروشگاه‌هاي مختلف قرار گرفت. از اين ميان ?? پرسش‌نامه به درستي پر شدند و مي‌توانند در تجزيه و تحليل داده‌ها مورد استفاده قرار بگيرند. که از مقدار قابل پيش‌بيني ? عدد بيشتر است. ?? پرسش‌نامه از نظر گذرانده شدند و کامل پر نشدند و درنتيجه قابل استفاده نخواهند بود. ?? پرسش‌نامه نيز توسط کارمندان به يک پاسخ اکتفا کردند که در نتيجه اعتبار لازم را براي بررسي کسب نکردند.
?-?- مشاهدات توصيفي
از ?? پرسش‌نامه‌ي تکميل شده توسط کارمندان ?? نفر تمايل به تکميل اطلاعات توصيفي داشتند. در اين نمونه‌گيري ?/??? آقايان و ?/??? را بانوان تشکيل دادند (جدول ?-?).
SEX

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1.00
32
45.1
62.7
62.7

2.00
19
26.8
37.3
100.0

Total
51
71.8
100.0

Missing
System
20
28.2

Total
71
100.0

جدول ?-?: اطلاعاتي توصيفي مربوط به جنسيت شرکت‌کنندگان

رنج سني پاسخ‌دهندگان ?? سال مي‌باشد که جوان‌ترين فرد ?? و مسن‌ترين فرد ?? سال مي‌باشد. ميانگين ِ سني پاسخ‌دهنگان ?? است (جدول ?-?). تمامي پاسخ‌دهنده‌گان بالاي تحصيلات بالاي دبيرستان بودند. کمترين مدرک تحصيلي ديپلم و بالاترين مدرک تحصيلي کارشناسي است.
Age

Age
N
Valid
51

Missing
20
Mean
35.1373
Mode
30.00
Std. Deviation
10.44226
Range
42.00
Minimum
20.00
Maximum
62.00
جدول ?-?: اطلاعاتي توصيفي مربوط به سن شرکت‌کنندکان

نمودار?-?: هيستوگرام سن شرکت‌کنندگان
?-?- روايي80 و پايايي81
?-?-?- روايي
براي اندازه‌گيري يک مشخصه بايد مطمئن شويم آنچه که ما مي‌خواهيم را اندازه‌گيري کند. مثلا اگر مي‌خواهيم ميزان ارتباط شغلي را به وسيله يک پرسشنامه در يک جمعيت خاص اندازه گيري کنيم، بايد مطمئن شويم سوالاتي را که در پرسشنامه گنجانده ايم با اطمينان بالايي اين مشخصه را (ارتباط شغلي) به درستي اندازه خواهند گرفت. به عبارتي پرسشنامه اي داراي اعتبار و روايي (Validity) است که براي اندازه گيري يک ويژگي کافي و مناسب باشد. اگر ساختار پرسش‌نامه مورد اطمينان نباشد، ممکن است مدل هاي تخميني نتايج غير قابل تفسيري را حاصل کنند يا ارتباطاتي را پيشگويي کنند که با آن چه انتظار مي‌رود در تضاد باشد. براي رسيدن به اين هدف از تجزيه و تحليل فاکتور82 استفاده مي کنيم تا تشابه آيتم هايي را که در همان فاکتور به يک منظور گنجانده شده‌اند را بررسي کنيم و تعيين کنيم که کدام آيتم‌ها مي‌توانند از تحقيق حذف شوند[47]. در اين مطالعه، تجزيه و تحليل فاکتور به منظور بررسي روايي و صحت ارتباط شغلي (JR)، قابليت شرح نتايج (RD)، نگراني استفاده از فناوري (TA)? فرهنگ (CUL) و تجربه (EXP) مورد استفاده قرار مي‌گيرد.
با توجه به جدول ?-? تجزيه و تحليل فاکتور براي تمام آيتم‌هاي JR، RD، TA، CUL?EXP مورد بررسي قرار گرفت. تمامي آيتم‌ها به غير از TA مي‌توانند در يک فاکتور ارجاع داده شوند. مقادير بالاي ?.? براي اين تحقيق مورد قبول هستند. طبق جدول زير از ? فاکتور استفاده شده و متغيرهاي JR و RD همگي در فاکتور ? و بالاي ?.? مي‌باشند. دو آيتم از متغير نگراني استفاده از فناوري در فاکتور دوم زير مقدار مورد نظر مي‌باشند و در فاکتور اول قرار دارند. لذا سوال‌هاي ?? و ?? پرسش‌نامه در تجزيه و تحليل حساب نشده‌اند. سوال‌هاي متغير CUL به اين دليل که همگي در يک فاکتور و بالاي ?.? هستند همگي در تجزيه و تحليل مورد استفاده قرار گرفتند. سوال‌هاي تجربه نيز به همين دليل همبستگي ِ لازم را داشته و مورد استفاده قرار گرفتند.
Rotated Factor Matrixa

Factor

1
2
3
4
JR18
.875
-.208
.168
.102
JR19
.908
-.117
.180
.138
RD20
.835
-.090
.106
.117
RD21
.914
-.163
.222
.083
RD22
.894
-.263
.155
.088
RD23
.887
-.211
.225
.100
TA24
-.138
.588
-.144
-.011
TA25
.623
-.227
.099
-.030
TA26
-.203
.849
-.079
.046
TA27
.787
-.072
.122
.066
TA28
-.057
.634
-.045
.059
TA29
-.269
.878
-.053
-.069
TA30
-.196
.922
-.039
-.153
CUL31
.161
-.075
.828
.222
CUL32
.321
-.069
.833
.156
CUL33
.348
-.223
.778
.157
EXP34
.161
-.002
.052
.803
EXP35
.076
.043
.192
.819
EXP36
.068
-.122
.421
.616
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.

جدول ?-?: روايي سوالات پرسش‌نامه توسط ماتريس چرخشي در تجزيه و تحليل فاکتور
?-?-?- پايايي
پايايي قابليت تكرار روش يا ابزار اندازه گيري است. پايائي دلالت بر آن دارد كه ابزار اندازه‌گيري در شرايط يكسان تا چه اندازه نتايج يكساني بدست مي‌دهد. به عبارت ديگر، “همبستگي ميان يک مجموعه از نمرات و مجموعه ديگري از نمرات در يک آزمون معادل که به صورت مستقل بر يک گروه آزمودني به دست آمده است” چقدر است. دامنه ضريب اعتبار از صفر تا يك است. اگر روشي از پايايي برخوردار نباشد ، داده هاي گردآوري شده روايي ( اعتبار ) نيز نخواهند داشت. به بيان ديگر اگر ابزار اندازه‌گيري را در يک فاصله زماني کوتاه چندين بار به يک گروه واحدي از افراد بدهيم نتايج حاصل نزديک به هم باشد. براي اندازه‌گيري پايايي شاخصي به نام ضريب پايايي استفاده مي‌کنيم. دامنه ضريب پايايي از صفر تا +? است. ضريب پايايي صفر معرف عدم پايايي و ضريب پايايي يک معرف پايايي کامل است. پايايي کامل به ندرت ديده مي‌شود و در صورت مشاهده قبل از هر چيز بايد به نتايج شک کرد[47]. در اين مطالعه براي محاسبه‌ي ضريب پايايي از آلفاي کرونباخ83 استفاده کرده‌ايم. . اگر چه مقياس‌هاي کمتري از سطح قابل قبول آلفا وجود دارد، اما به طور کلي ?.? استفاده مي شود. يک فاکتور مهم در تعيين اين که کدام سطح آلفا قابل قبول است، هدف تحقيق است. در بيشتر تحقيق‌هاي اکتشافي، يک سطح پايين تر از آلفا قابل قبول است. در حالي که تحقيقات کاربردي به سطوح بالاتري از آلفا احتياج دارند. مولفان متعددي نظريه‌هاي مختلفي براي سطح آلفا ارائه کردند که در اين بين پترسون بيشترين فعاليت را روي اين مطلب انجام داده است. ايشان توصيه مي‌کنند در مقياس جديد آلفاي کرونباخ حداقل مقدار ?.? را داشته باشد[48]. جدول ?-? مقدار آلفاي کرونباخ را براي متغير‌هاي موجود نشان مي‌دهد.
فاکتور
آلفاي کرونباخ

تعداد سوالات هر متغير
درک سهولت استفاده از فناوري
?.???

??
درک سودمندي استفاده از فناوري
?.???

?
ارتباط شغلي
?.???

?
قابليت مشاهده‌ي نتايج
?.???

?
نگراني استفاده از فناوري
?.???

?
فرهنگ
?.???

?
تجربه
?.???

?
قصد استفاده
?.???

?
جدول ?-?: نتايج پايايي آيتم‌هاي مورد آزمون

آلفاي کرونباخ براي تمامي آيتم‌ها به غير از دو آيتم بالاي ?.? مي‌باشد و بنابراين پايايي لازم را دارند. فقط دو آيتم زير ?.? و بيشتر از ?.? مي‌باشند. آيتم درک سهولت استفاده از فناوري فاصله‌ي کمي با ?.? دارد و از آنجا که پترسون سطح آلفا را ?.? در نظر گرفته است و اين فاکتور در تحقيقات زيادي مورداستفاده قرار گرفته است? مي‌توانيم با اين مقدار در اين مطالعه از آن استفاده کنيم. آيتم نگراني در استفاده از فناوري نيز مقدار کمتر از ?.? را دارد. اين متغير در تحقيقات کمتري استفاده شده است و بنا به سطح آلفاي پترسون مي‌توانيم با اين مقياس همانند مقياس جديد رفتار کنيم و مقدار آلفا را بالاتر از ?.? در نظر بگيريم.

?-?- آزمون فرض‌هاي تحقيق
با بکارگيري مدل رگرسيون مذکور در صورتي که ضريب متغير مدنظر در اين مدل از نظر آماري در سطح معني‌داريِ ??/? با صفر تفاوت معني‌داري نداشته باشد? مي‌توان نتيجه گرفت متغير مورد بررسي بر روي متغير پاسخ تاثيرگذار نيست.
?-?-?- بررسي ِ آزمونِ فرض‌هايي که برروي درک سودمندي تاثيرگذارند.
فرض ?: ارتباط شغلي تاثير مثبتي بر درک سودمندي دارد.
فرض ?: قابليت اثبات نتايج تاثير مثبتي بر درک سودمندي خواهد داشت.
فرض ?-?: سازگاري با فناوري تاثير منفي بر درک سودمندي از RFID خواهد گذاشت.
فرض ?-?: مردان درک بالاتري در سودمندي استفاده از RFID خواهند داشت.
فرض ?-?: تجربه تاثير مثبتي بر درک سودمندي خواهد داشت.
فرض ?: تاثيران فرهنگي درک شده از فناوري RFID نگرش مثبتي بر درک سودمندي آن خواهد داشت.
با توجه به مطالب بيان شده در پايان فصل سوم و نتايج مندرج در جدول ?-? به بررسي ِ هريک از فرض‌هاي بالا مي‌پردازيم.
با توجه به اين‌که مقدار P-Value (در نرم افزار SPSS اين مقدار با Sig مشخص مي‌شود) براي متغير ارتباط شغلي، برابر ???/? است لذا فرض صفر رد شده و اين متغير ارتباط معناداري با درک سودمندي خواهد داشت و با توجه به مثبت بودن ضريب متغير JRTot در رگرسيون خطي ِ (?-?) مي‌توان چنين استنباط کرد اثر ارتباط شغلي بر درک سودمندي از فناوري مثبت خواهد بود. در بررسي ِ فرض ? نيز مي‌بينيم که متغير ارتباط شغلي در سطح معني‌داري ??/? معني پيدا مي‌کند زيرا Sig برابر ???/? است و از آنجا که ضريب متغير نيز مثبت (???/?) مي‌باشد لذا متغير ارتباط شغلي تاثير مثبتي بر درک سودمندي از فناوري خواهد گذاشت. براي آزمون فرض ?-? نتايج رگرسيون روي درک سودمندي از متغير سازگاري با فناوري اين نتيجه را نشان مي‌دهد که اين متغير تاثيري بر درک سودمندي نخواهد داشت. اگرچه ضريب بتاي ارزيابي شده هم جهت با فرض تعين شده مي‌باشد ولي به اين دليل که Sig مربوط به متغير بيشتر از سطح معني دار ??/? است لذا فرض صفر رد نشده و فرض ?-? رد خواهد شد. رگرسيون خطي برروي جنسيت افراد بر درک سودمندي با توجه به مقدار Sig که برابر ???/? نشان مي‌دهد که جنسيت بر درک سودمندي از فناوري تاثيري نخواهد داشت زيرا اين مقدار بيشتر از سطح معني دار ِ ??/? مي‌باشد لذا فرض ?-? کامل رد خواهد شد. ولي با توجه به جدول نتيجه‌ي جالبي نيز به دست آورديم. از آنجا که ضريب متغير Sex در معادله‌ي ?-? مثبت است و در جدول داده‌ها مردان را با شناسه‌ي ? و زنان را با شناسه‌ي ? تعريف کرديم، لذا به ازاي يک واحد افزايش در ضريب اين متعير مقدار y نيز افزايش خواد يافت و اين بدان معني

دسته بندی : No category

دیدگاهتان را بنویسید