برای بررسی پایایی پرسشنامه های این تحقیق چون از روش نگرش سنج لیکرت استفاده شده است ‌به این نتیجه رسیده ایم که برای به دست آوردن پایایی این آزمون از روش آلفای کرونباخ و روش دو نیمه کردن استفاده شود. روش دونیمه کردن و روش آلفای کرونباخ جزء روش های همبستگی درونی در پایایی یک پرسشنامه است.

روش آلفای کرونباخ برای محاسبه هماهنگی درونی ابزار اندازه گیری از جمله پرسشنامه‌ها یا آزمونهایی که خصیصه های مختلف را اندازه گیری می‌کنند به کار می رود. در این گونه ابزار ، پاسخ هر سوال می‌تواند مقادیر عددی مختلف را اختیار کند . برای محاسبه ضریب آلفای کرونباخ ابتدا باید واریانس نمره های هر زیر مجموعه سؤال‌‌های پرسشنامه- یا زیر آزمون- و واریانس کل را محاسبه کرد. پس با بهره گرفتن از فرمول(۲-۳) مقدار ضریب آلفا محاسبه می شود:

فرمول۲-۳ محاسبه ضریب آلفای کرونباخ

که درآن :

j = تعداد زیر مجموعه سؤال‌‌های پرسشنامه یا آزمون

S_j² = واریانس زیر آزمون jام

S² = واریانس کل آزمون

با مقایسه روش ضریب آلفای کرونباخ و روش دونیمه کردن، خواهیم دید که روش دونیمه کردن پرسشنامه به نوعی همان روش آلفاست. به عبارت دیگر، ضریب آلفا معرف میانگین ضرایب پایائی حاصل از تمامی اجزای ممکن یک پرسشنامه است.

شایان ذکر است که هرچه مقدار آلفا به یک نزدیکتر باشد نشان از پایائی بیشتر پرسشنامه دارد. اگر مقدار آلفا بیشتر از ۷/۰ باشد پایائی خوب و اگر بین ۵/۰ تا ۷/۰ باشد پایائی متوسط و اگر کمتر از ۵/۰ باشد پرسشنامه فاقد پایائی لازم است.

۲-۶-۳ کفایت نمونه گیری

قبل از انجام تحلیل عاملی ابتدا می بایست از کفایت نمونه گیری اطمینان حاصل کرد که آیا می توان داده های موجود را برای تحلیل مورد استفاده قرار داد.به عبارت دیگر آیا تعداد داده های موجود برای تحلیل عاملی مناسب هستند یا خیر. برای این منظور از شاخص KMO و آزمون بارتلت استفاده می‌کنیم.

شاخص KMO

از این شاخص برای تعیین کفایت نمونه گیری استفاده می شود به طوری که کوچک بودن ضریب همبستگی جزئی بین متغیرها را بررسی می‌کند و مشخص می‌سازد آیا واریانس متغیرهای تحقیق، تحت تاثیر واریانس مشترک برخی عامل های اساسی و پنهانی است یا خیر.

این شاخص در فاصله بین صفر تا یک قرار دارد. اگر مقدار شاخص نزدیک به یک باشد- حداقل۶/۰- داده های مورد نظر برای تحلیل عاملی مناسب هستند. در غیر اینصورت نتایج تحلیل عاملی برای داده های مورد نظر معتبر نیست. این شاخص از فرمول(۳-۳) به دست می‌آید.

فرمول۳-۳ محاسبه شاخص(کی.ام. اُ.)

که در این رابطه ضریب همبستگی بین متغیرهای i و j و همچنین ضریب همبستگی جزئی بین آن هاست(کایزر،۱۹۵۸).

آزمون بارتلت

ممکن است در ماتریس همبستگی دو حالت پیش بیایید، حالت اول زمانی است که ماتریس همبستگی بین متغیرها، یک ماتریس واحد و همانی است، در این صورت متغیرها ارتباط معنی داری با هم ندارند و در نتیجه امکان شناسایی عامل های جدید بر اساس همبستگی متغیر ها با یکدیگر وجود ندارد.

حالت دوم زمانی است که ماتریس همبستگی بین متغیرها یک ماتریس واحد و همانی نباشد، یعنی درایه های خارج از قطر اصلی ماتریس حداقل ۳/۰ همبستگی را نشان دهند که در این صورت ارتباط معنی داری بین متغیرها وجود خواهد داشت. ‌بنابرین‏ امکان شناسایی و تعریف عامل های جدیدی بر اساس همبستگی متغیرها وجود دارد.

در آزمون بارتلت فرض صفر بیان می‌کند ماتریس همبستگی، یک ماتریس واحد و همانی است، که اگر اینطور باشد برای شناسایی ساختار- مدل عاملی- نامناسب می‌باشد. اگر sig آزمون بارتلت کوچک تر از ۰۵/۰ باشد فرض صفر را رد می‌کنیم یعنی تحلیل عاملی برای شناسایی ساختار – مدل عاملی- مناسب است. زیرا فرض شناخته شده بودن ماتریس همبستگی رد می شود(بارتلت،۱۹۵۰).

۳-۶-۳ تحلیل عاملی^[۴۵]

یکی از راه های بهینه کردن اندازه گیری ها، استفاده از روش تحلیل عاملی است. این روش بر روابط بین متغیرها مقیاس ها که در حقیقت ابزارهای سنجش هستند، استوار است. معمولاً در بعضی تحقیقات علوم اجتماعی و به دلایل مختلف با حجم بسیاری از متغیرها روبرو هستیم. برای تحلیل دقیق تر داده ها و رسیدن به نتایج علمی، محققان به دنبال کاهش تعداد متغیرها و ایجاد یک ساختار جدید با بهره گرفتن از روش تحلیل عاملی هستند. تحلیل عاملی سعی در شناسایی متغیرهای اساسی یا عامل ها به منظور تعین الگوی مناسبی برای متغیرها دارد(تامپسون،۲۰۰۴).

تحلیل عاملی معمولاً در سه مرحله انجام می شود:

1. 1. برای تمام متغیرها، ماتریسی از همبستگی ها را تشکیل می‌دهیم.

1. 1. از ماتریس همبستگی، اجزای اصلی را که همان فاکتورها هستند، استخراج می‌کنیم.

1. عامل ها چرخانده می‌شوند تا رابطه همبستگی بین متغیرها و بعضی فاکتورها به حداکثر برسد. عمومی ترین روش در این مرحله روشی موسوم به واریماکس^[۴۶] است.

از آنجایی که هدف تحلیل عاملی پیوند دادن چند متغیر جهت ایجاد یک عامل است، در ماتریس همبستگی، این متغیرها باید ضریب همبستگی بیشتر از ۳/۰ داشته باشند.

۴-۶-۳ آزمون فریدمن

در این بخش می‌خواهیم عوامل استخراج شده از آنالیز عاملی را رتبه بندی کنیم لذا از آزمون فریدمن برای مقایسه میانگین رتبه ها در بینK متغیر یا گروه استفاده می‌کنیم. این آزمون یک آزمون ناپارامتری بوده و معادل آنالیز واریانس با اندازه های تکراری -درون گروهی- است. تفاوت آنالیز واریانس با اندازه های تکراری(درون گروهی) با آزمون فریدمن در این است که در آنالیز واریانس از هر نمونه یک متغییر به صورت تکراری در حالات مختلف اندازه گیری می شود، در صورتی که در آزمون فریدمن هر یک از نمونه ها امتیازی را به چند گروه اختصاص می‌دهند. در هردو این آزمون ها، متغیر ها توسط نمونه ها مقدار گرفته اند ولی نکته مورد اختلاف این است که در آنالیز واریانس، در یک نمونه اندازه ها تکراری هستند ولی در آزمون فریدمن اندازه ها، امتیازات داده شده توسط یک نمونه است.

در آزمون فریدمن فرض مبتنی بر یکسان بودن میانگین رتبه ها در بین گروه هاست. رد شدن فرض صفر ‌به این معنی است که در بین گروه ها حداقل دو گروه با هم اختلاف معنی داری دارند.

شکل۱-۳ ساختار تحقیق

فصل چهارم

محاسبات و یافته های تحقیق

۱-۴ مقدمه

در این فصل به تجزیه و تحلیل داده های به دست آمده پرداخته شده است. در مرحله اول پرسشنامه شماره ۱ در اختیار خبرگان گروه اول قرار داده شد. در این مرحله بعد اعمال نظر خبرگان گروه اول و تصحیح پارامترهای پرسشنامه اولیه، پرسشنامه شماره ۲ تدوین شده و در اختیار خبرگان گروه دوم قرار داده شد.

بر اساس اطلاعات به دست آمده از خبرگان گروه دوم و با بهره گرفتن از نرم افزار SPSS 16 تحلیل داده ها صورت گرفت. در مرحله اول تحلیل، به منظور استخراج عامل های کلیدی، آنالیز عاملی مورد استفاده قرار گرفت. در مرحله دوم تحلیل، جهت رتبه بندی عامل های کلیدی استخراج شده، از آزمون فریدمن استفاده شد.