تحلیل آماری

در این پژوهش، تجزیه و تحلیل داده ها در دو مرحله انجام شد. با استفاده از بسته آماری علوم اجتماعی (IBM SPSS)، تحلیل توصیفی و استنباطی به عنوان گام اولیه انجام شد. تعیین گرایش مرکزی (میانگین) و تغییرپذیری جزء تحقیقات توصیفی (انحراف معیار) است. آزمون تحلیل واریانس یک طرفه (ANOVA) و تحلیل عاملی اکتشافی دو نمونه از تحلیل استنباطی (EFA) هستند.

مرحله 1: تحلیل توصیفی و استنباطی

در مرحله اول داده ها با استفاده از نرم افزار SPSS مورد بررسی قرار گرفت. دو نوع تحلیل انجام شد:

• •

  تجزیه و تحلیل توصیفی: این بخش با هدف ارائه تصویری دقیق از داده ها انجام شد. این آمارهای ضروری میانگین (میانگین) و میزان پراکندگی داده ها (انحراف استاندارد) را محاسبه می کنند. به درک ویژگی های حیاتی داده ها کمک کرد.

• •

  تجزیه و تحلیل استنباطی: مطالعات عمیق تری روی داده ها برای یافتن الگوها و روابط انجام شد. برای انجام همین کار، از دو تکنیک استفاده شد: ANOVA برای دیدن اینکه آیا تفاوت‌هایی بین گروه‌های مختلف وجود دارد یا خیر و EFA برای ساده‌سازی داده‌های پیچیده به عوامل معنادار. پس از آن، بررسی کیفیت تحلیل عاملی با استفاده از آزمون های آماری مانند KMO و آزمون کرویت بارتلت انجام شد [ 32 ، 33 ].

مرحله 2: مدل سازی معادلات ساختاری (SEM)

گام دوم ایجاد یک مدل معادلات ساختاری (SEM) بود، ابزاری قدرتمند برای درک چگونگی اتصال متغیرهای مختلف. SEM می تواند خطاهای اندازه گیری و متغیرهای پیش بینی کننده چندگانه را کنترل کند [ 34 ]. در این مطالعه، PLS-SEM انتخاب شده است که انعطاف پذیر است، می تواند مشکلات پیچیده را با حجم نمونه کوچکتر حل کند و با بسیاری از متغیرها به خوبی کار می کند [ 35 ]. مراحل زیر به شرح زیر است:

• •

  تحلیل عاملی تاییدی (CFA): ابتدا تایید شد که مدل اندازه گیری روایی و پایایی دارد. این برای درک چگونگی ارتباط متغیرهای مختلف بسیار مهم بود [ 36 ، 37 ].

• •

  سازگاری و پایایی درونی: مرحله بعدی اندازه گیری سازگاری و پایایی با استفاده از معیارهایی مانند آلفای کرونباخ و قابلیت اطمینان مرکب (CR) [ 38 ] بود.

• •

  روایی مدل ساختاری: برای اطمینان از اعتبار، این مطالعه به اعتبار همگرا و تفکیکی نگاه کرد. چگونگی ارتباط آیتم ها با سازه های مختلف را بررسی می کند [ 39 ].

• •

  تجزیه و تحلیل مسیر : قدرت روابط در مدل ساختاری ما برای تعیین اینکه آیا این روابط با استفاده از راه‌اندازی PLS معنادار هستند، تخمین زده و آزمایش شد [ 40 ].

به طور خلاصه، از یک فرآیند دو مرحله‌ای استفاده شد: ابتدا به داده‌ها به طور گسترده نگاه کرد و سپس از تکنیک‌های پیشرفته برای مدل‌سازی روابط بین متغیرها استفاده کرد. این به دریافت بینش های ارزشمند و درک عمیق تحقیق کمک کرد.