جستجوی مقالات فارسی – بررسی تاثیر تعارض در محیط کار بر فرسودگی شغلی با توجه به نقش …

پایان نامه های ارشد سری شانزدهم
۱۴۲

۸۶/۲

۷۶/۰

۶۰۸/۰

جو سازمانی

۱۴۲

۸۹/۲

۶۶/۰

۷۶۹/۰

نتایج مربوط به انجام این آزمون برای هر یک از دادهها در جدول ۴-۴ آمده است، همانطور که از جدول مشخص است با توجه به سطح معناداری، با احتمال ۹۵% میتوان ادعا کرد که توزیع دادههای مربوط به تمامی عامل‌ها نرمال است، بنابراین برای تحلیل عاملهای نرمال از آزمونهای پارامتریک و برای عاملهای غیر نرمال از آزمونهای ناپارامتریک استفاده خواهد شد.
۴-۲-۲-۲ تحلیل عاملی تأییدی مدلهای اندازهگیری
قبل از وارد شدن به مرحله آزمون فرضیات لازم است از صحت مدلهای اندازهگیری متغیرهای پژوهش اطمینان حاصل کنیم. لذا در ادامه مدلهای اندازهگیری این متغیرها به ترتیب آورده شده است. در این پژوهش تحلیل عاملی تأییدی با استفاده از تحلیل عاملی مرتبه اول و تحلیل عاملی مرتبه دوم صورت گرفته است. این تحلیل توسط مدل معادلات ساختاری و با استفاده از نرمافزار LISREL انجام شده است.
در بررسی هر کدام از مدلها سؤال اساسی مطرح شده این است که آیا این مدلهای اندازهگیری مناسب است؟ که برای پاسخ به این پرسش معیارهایی وجود دارد که در ادامه به توضیح هر یک از این معیارها پرداخته شده است.
۴-۲-۲-۲-۱ معیار RMSEA
ریشه میانگین مجذورات تقریب میباشد. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است. مقدار RMSEA که به واقع همان آزمون انحراف هر درجه آزادی است. برای مدل هایی که برازندگی خوبی داشته باشند، کمتر از ۰۵/۰ است. مقادیر بالاتر از آن تا ۰۸/۰ نشاندهنده خطای معقولی برای تقریب در جامعه است. مدلهایی که RMSEA آنها ۱/۰ یا بیشتر باشد، برازش ضعیفی دارند (هومن، ۱۳۹۰).
۴-۲-۲-۲-۲ آزمون
آزمون ۲ به سادگی نشان میدهد که آیا بیان مدل، ساختار روابط میان متغیرهای مشاهده شده را توصیف میکند یا خیر. هر چقدر مقدار ۲ کوچکتر باشد بهتر است. که تعدیلیافته ۲ است نیز به عنوان یک معیار تناسب تطبیق و تعدیل آن با اندازه نمونه است. بهتر است که مقادیر این آماره کمتر از ۳ باشد.
۴-۲-۲-۲-۳ معیار PMR
این معیار تحت عنوان ریشه میانگین مجذور باقیمانده (شاخصی برای واریانس باقیمانده در برازش هر پارامتر به دادههای نمونه) یا تحت عنوان متوسط باقیماندههای گزارش شده در مدل، بیان میشود. معیار PMR معیاری است برای اندازهگیری متوسط باقیماندهها و تنها در ارتباط با واریانسها و کوواریانسها قابل تغییر است (سرمد و دیگران، ۱۳۷۷). در مدلی که نیکویی برازش خوبی دارد، این باقیماندهها بسیار کوچک هستند، پس به طور خلاصه این معیار هر قدر کوچکتر باشد (به صفر نزدیکتر باشد) حاکی از برازش بهتر مدل است.
۴-۲-۲-۲-۴ معیارهای AGFI و GFI
لیزرل یک شاخص نیکویی برازش یعنی نسبت مجموع مجذورات تبیین شده توسط مدل به کل مجموع مجذورات ماتریس برآورد شده در جامعه محاسبه میکند. این شاخص از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک متغیر هستند. هرچه AGFI و GFI به عدد یک نزدیکتر باشند، نیکویی برازش مدل با دادههای مشاهده شده بیشتر است.
۴-۲-۲-۲-۵ معیارهای NFI، NNFI و CFI
شاخص NFI که شاخص بنتلر – بونت هم نامیده میشود. بنتلر و بونت (۱۹۸۰) مقادیر برابر یا بزرگتر از ۹/۰ را در مقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدلهای نظری توصیه کردهاند، در حالیکه برخی از پژوهشگران نقطه برش ۸/۰ را به کار میبرند. شاخص دیگر، شاخص تاکر – لویز است که در بیشتر موارد شاخص نرم برازندگی (NNFI) نامیده میشود. این شاخص مشابه NFI است اما برای پیچیدگی مدل جریمه میپردازد. چون دامنه این مدل محدود به صفر و یک نیست تفسیر آن نسبت به NFI دشوارتر است. بر پایه قرارداد مقادیر کمتر از ۹/۰ شده مستلزم تجدید نظر در مدل است. شاخص CFI بزرگتر از ۹/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطهای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز میآزماید. شاخص CFI از لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه میدهد.
۴-۲-۲-۳ تحلیل عاملی تاییدی مرتبه اول برای متغیر فرسودگی شغلی
نمودار ۴-۴ تحلیل عاملی تأییدی مرتبه اول برای متغیر فرسودگی شغلی را در حالت تخمین استاندارد نشان میدهد. همچنین شاخصهای نیکویی برازش در جدول ۴-۵ آورده شده است. نتایج تخمین حاکی از مناسب بودن مدل است.
جدول ۴-۵ شاخصهای نیکویی برازش برای متغیر فرسودگی شغلی در تحلیل عاملی تأییدی مرتبه اول

برای دانلود متن کامل این پایان نامه به سایت  fumi.ir  مراجعه نمایید.

ردیف معیارهای برازش مدل شاخص بعد حد مطلوب نتیجه