به منظور تحلیل دادههای پژوهش از تحلیلهای گوناگون استفاده شده است. در مرحله اول آزمون کیفیت نمونهگیری با بهره گرفتن از آزمون ([۴۱]KMO) و بارتلت میباشد. در مرحله بعد روایی سازه متغیرهای تحقیق و شاخص های منتج از آنها با بهره گرفتن از آزمون تحلیل عاملی تأییدی مورد بررسی قرار میگیرد و در ادامه به منظور آزمون فرضیههای پژوهش از آزمون همبستگی و آزمون مدل سازی معادلات ساختاری استفاده شده است. و در نهایت از آزمون های تی تک نمونه ای برای روشن شدن وضعیت متغیرها در جامعه پژوهش و همچنین آزمون تی مستقل جهت مقایسه متغیرها در پاسخ دهندگان مختلف استفاده شده است.
۴-۳-۱) آزمون کیفیت نمونهگیری
این آزمون که به منظور تشخیص مناسب بودن دادهها برای تحلیل عاملی می باشد با بهره گرفتن از آزمون KMO و بارتلت انجام میشود. مقدار آن همواره بین ۰و ۱ در نوسان است در صورتی که KMO کمتر از ۵/۰ باشد داده ها برای تحلیل عاملی مناسب نخواهد بود و اگر مقدار آن بین ۵/۰ تا ۶۹/۰ باشد دادهها متوسط بوده و اگر مقدار این شاخص، بزرگتر از ۷/۰ باشد همبستگیهای موجود در بین دادهها برای تحلیل عاملی مناسب خواهند بود.
بر اساس نتایج بدست آمده، مقدار آزمون KMO برای هریک از متغیرهای زنجیره تأمین ، سیستم اطلاعاتی و مدیریت دانش به ترتیب برابر با ۸۷۲/۰، ۸۹۳/۰ و ۸۲۴/۰(KMO>0/05) میباشد و این حاکی از کفایت نمونه و متغیرهای وارد شده جهت انجام تحلیل عاملی است.
۴-۳-۲) تحلیل عاملی تأییدی
در ارزیابی بخش اندازهگیری مدل محقق باید به بررسی روابط بین متغیرهای نهفته و متغیرهای آشکار مدل بپردازد. در اینجا هدف تعیین اعتبار یا روایی و اعتماد یا پایایی اندازهگیریهای مورد نظر است. در بحث اعتبار یا روایی این مسئله مطرح است که آیا شاخصها یا متغیرهای آشکار همان چیز را اندازهگیری میکنند که مدنظر محقق است یا چیز دیگری را. در مقابل مسئله اعتماد یا پایایی با این موضوع سرو کار دارد که شاخصهای مورد استفاده با چه دقتی موضع مورد نظر را اندازهگیری میکنند (کلانتری، ۱۳۸۸). در جدول (۴-۲۹) به تعدادی از شاخصهای برازش مدل و مفهوم و مقدار مجاز آن اشاره شده است (کارشکی، ۱۳۹۰).
جدول (۴- ۱۸): معرفی شاخصهای مهم برازش مدل در تحلیل عاملی | ||
نام شاخص | مفهوم شاخص | مقدار مجاز |
χ۲/DF | کای دو بر درجه آزادی | کمتر از ۳ |
RMSEA | میانگین توان دوم خطای تقریب | کمتر از ۱۰۰/۰ |
GFI | نیکویی برازش | بیشتر از ۸۰/۰ |
AGFI | نیکویی برازش تعدیل یافته | بیشتر از ۸۰/۰ |
NFI | برازش هنجار شده | بالاتر از ۹۰/۰ |
AVE | میانگین واریانس مورد انتظار | بالاتر از ۵/۰ |