جدول ۳-۲- ضرایب آلفای کرونباخ

عنوان متغیر

تعداد سؤالات
آلفای کرونباخ
تعداد نمونه
آلفای کرونباخ
تعداد نمونه

تغییر شغل

۵

۷۱/۰

۳۰

۶۷/۰

۱۶۰

فشار بودجه زمانی

۱

۱

۳۰

۱

۱۶۰

استقلال حسابرس

۴

۷/۰

۳۰

۷۲/۰

۱۶۰

اهمیت مشتری

۳

۶۹/۰

۳۰

۷۱/۰

۱۶۰

پیچیدگی کار

۲

۷۹/۰

۳۰

۸۴/۰

۱۶۰

رفتار ناکارآمد حسابرس

۶

۷/۰

۳۰

۷۲/۰

۱۶۰

کل

۲۱

۷۸/۰

۳۰

۸۱/۰

۱۶۰

ازآنجایی‌که مقدار مناسب برای این معیار بزرگ‌تر و مساوی ۷/۰ می‌باشد (Cronbach, 1951)؛ لذا همان‌طوری که در جدول ۳-۳ ملاحظه می‌شود، اکثر سازه‌های پژوهش از پایایی مناسبی برخوردار می‌باشند.

۳-۵-۳- نتایج آزمون بارتلت جهت بررسی کفایت نمونه

این معیار شاخصی برای مقایسه مقادیر ضرایب همبستگی ساده و جزئی بر روی همه متغیرها است. اگر مجموع ضرایب همبستگی جزئی بین همه زوج متغیرها در مقایسه با مجموع مجذورات ضرایب همبستگی کوچک باشد، اندازه KMO نزدیک به یک خواهد بود. مقادیر کوچک KMO بیانگر آن است که همبستگی بین زوج متغیرها نمی‌تواند توسط متغیرهای دیگر تبیین شود، ‌بنابرین‏ کاربرد تحلیل عاملی متغیرها ممکن است قابل توجیه نباشد.

با توجه به بررسی‌های صورت گرفته اگر مقادیر KMO، کمتر از ۵/۰ باشد، داده ها برای تحلیل عاملی مناسب نخواهند بود. اگر بین ۵/۰ تا ۵۹/۰ باشد، میزان تناسب ضعیف بوده، ۶۰/۰ تا ۶۹/۰، میزان تناسب متوسط، ۷۰/۰ تا ۷۹/۰، میزان تناسب خوب، ۸۰/۰ تا ۸۹/۰، میزان تناسب خیلی خوب و بالاتر از ۹۰/۰ نیز میزان تناسب عالی می‌باشد (زارع چاهوکی، ۱۳۸۹). همان‌طوری که در جدول (۳-۴) ملاحظه می‌شود، داده های جمع‌ آوری‌شده از پژوهش حاضر با میزان KMO، ۷۴۵/۰ میزان تناسب خوب داده ها را نشان می‌دهد. بدین ترتیب نمونه انتخاب‌شده از کفایت لازم برای پژوهش حاضر برخوردار است.

جدول ۳-۳- نتایج آزمون کفایت حجم نمونه (KMO) و بارتلت

اندازه کفایت نمونه کایزر – مایر – الکین

۷۴۵/۰

آزمون کرویت بارتلت

کای دو

۲۶۵/۳۱۲۴

درجه آزادی

۸۱

سطح معنی داری آماره کای دو

۰۰۰/۰

۳-۶- روش‌های آماری تجزیه‌و تحلیل داده ها

تجزیه‌و تحلیل داده ها در دو بخش آمار توصیفی و استنباطی انجام می‌شود. آمار توصیفی به توصیف اطلاعات به دست‌آمده می‌پردازد. این اطلاعات از ویژگی‌های جمعیت شناختی نمونه­ آماری تشکیل می‌شوند که تحلیل‌های آماری صورت گرفته بر روی آن‌ ها عموماً از قبیل شاخص‌های فراوانی و نمودارهای آماری می‌باشد. در رابطه با آمار استنباطی بنا به‌ضرورت پژوهش از تکنیک‌های آماری مناسبی در جهت اثبات یا رد فرضیه‌های پژوهش استفاده می‌شود. به همین ترتیب این پژوهش از تکنیک مدل‌سازی معادلات ساختاری^[۵۳] (SEM) و روش حداقل مربعات جزئی^[۵۴] (PLS) جهت آزمون فرضیه‌ها و برازندگی مدل استفاده می‌کند (دلایل این انتخاب در ادامه توضیح داده می‌شود).

در مدل‌سازی معادلات ساختاری ارتباطات میان چندین متغیر در یک مدل موردبررسی قرارمی‌گیرد. در این تکنیک؛ اول، روابط بین متغیرها با بهره گرفتن از یک سری معادلات ساختاریافته تجزیه‌و تحلیل می‌شوند. دوم، این معادلات ساختاریافته در قالب مدل‌هایی ترسیم می‌شوند که به محقق امکان مفهوم‌سازی تئوری‌های پژوهش را با بهره گرفتن از داده ها می‌دهد (Byrne, 2010).

محققین از این روش برای آزمودن روابط پیچیده میان متغیرهای پنهان^[۵۵] و آشکار^[۵۶] و همچنین میان چند متغیر پنهان استفاده می‌کنند. این رویکرد، ساختار روابط درونی را در مجموعه‌ای از معادلات می‌آزماید. این معادلات همه روابط میان سازه‌هایی (متغیرهای پنهان مستقل و وابسته) را که در تحلیل وجود دارند، ترسیم می‌کند. سازه‌ها همان عناصر غیرقابل بررسی یا مکنون (پنهان) هستند که با یک یا چند متغیر مشاهده‌شده و در واقع آشکار (شاخص یا سؤال) می‌توان آن‌ ها را تعریف نمود. در مدل‌سازی معادلات ساختاری دو نسل از روش‌های تجزیه‌و تحلیل داده ها معرفی‌شده‌اند. نسل اول روش‌های مدل‌سازی معادلات ساختاری کوواریانس محور هستند که هدف اصلی این روش‌ها تأیید مدل بوده و برای این کار به نمونه هایی با حجم بالا نیاز دارند. نرم‌افزارهای Lisrel، AMOS، EQS و MPLUS چهار عدد از پرکاربردترین نرم‌افزارهای این نسل هستند. چند سال پس از معرفی روش کوواریانس محور، به دلیل نقاط ضعفی که در این روش وجود داشت، نسل دوم روش‌های مدل‌سازی معادلات ساختاری که مؤلفه محور بودند معرفی شدند. روش‌های مؤلفه محور بعداً به روش حداقل مربعات جزئی (PLS) تغییر نام دادند. در واقع PLS، نگرشی مبتنی بر واریانس است که در مقایسه با تکنیک‌های مشابه معادلات ساختاری مانند Lisrel و AMOS، نیاز به شروط کمتری دارد (داوری و رضازاده، ۱۳۹۲).

۳-۶-۱- مراحل مدل‌سازی در معادلات ساختاری:

برای تحلیل روابط میان متغیرها و تفسیر نتایج آن با بهره گرفتن از SEM و بنا به نظر داوری و رضازاده (۱۳۹۲)، باید مراحل (تعیین مدل، شناسایی سنجه سازه‌ها، تخمین روابط مدل، ارزیابی مدل، اصلاح مدل و تفسیر نتایج برآمده از مدل) را طی نماید:

۳-۶-۱-۱- تعیین مدل:

در این مرحله ابتدا ادبیات نظری پیرامون یک موضوع و مشتقات آن بررسی‌شده و سازه‌های دخیل در آن موضوع خاص شناسایی می‌شوند. این مرحله در واقع همان بیان رسمی مدل است که یکی از مهم‌ترین مراحل موجود در مدل‌سازی معادلات ساختاری است. در واقع هیچ گونه تحلیلی صورت نمی‌گیرد، مگر اینکه اول محقق مدل خود را که درباره روابط میان متغیرها بیان و مشخص کند. این مرحله شامل فرمول‌بندی (تنظیم) یک عبارت درباره مجموعه‌ای از پارامترهاست. این پارامترها در زمینه مدل‌سازی معادلات ساختاری ماهیت روابط میان متغیرها را نشان می‌دهند. در مدل‌سازی معادلات ساختاری اندازه و علامت این پارامترها تعیین می‌شود.

۳-۶-۱-۲- شناسایی سنجه سازه‌ها:

پس از ترسیم مدل حاوی سازه‌ها (متغیرهای پنهان) و روابط میان آن‌ ها، نوبت به ترسیم متغیرهای آشکار مربوط به سازه‌ها می‌رسد. در واقع در این مرحله چگونگی سنجش سازه‌ها را مشخص می‌نماییم. برای این کار می‌توان بامطالعه منابع اطلاعاتی مرتبط با سازه‌ها و یا استفاده از سایر روش‌های گردآوری اطلاعات مانند مصاحبه، ابزارهای اندازه‌گیری (پرسشنامه) برای سنجش سازه‌ها تهیه نمود. با انجام این کار، تعداد متغیرهای آشکار (سؤالات) مربوط به هر سازه مشخص می‌گردد.

۳-۶-۱-۳- تخمین روابط مدل: