منبع پایان نامه درمورد متغيرهاي، عاملي، متغير، کوواريانس

متغيرهاي متعارف خوانده مي‌شود. همبستگي‌هاي بين متغيرهاي متعارف را همبستگي‌هاي متعارف مي‌ناميم.
همبستگي‌هاي متعارف، شدت ارتباط بين دومجموعه از متغيرها را اندازه مي‌گيرد. جنبه‌ي ماکزيمم کردن اين روش کوششي براي متمرکز کردن يک رابطه با بعد بالا بين دو مجموعه از متغيرها را به چند زوج از متغيرهاي متعارف نشان مي‌دهد.
3-2-1- روش تحليل همبستگي متعارف
فرض کنيد دو گروه از متغيرها در يکي به تعداد و ديگري به تعداد مدنظر باشد چنان‌که در تحقيق حاضر يک گروه با عنوان رفتار شهروندي داراي و گروه ديگر با عنوان هوش هيجاني داراي متغير است. با توجه به مباحث حوزه‌ي روش‌هاي چندمتغيره آماري66 نگاه هتلينگ هر گروه از متغيرها را در يک بردار قرار مي‌دهد؛ بردارهاي و داراي بردارهاي ميانگين خود و ماتريس‌هاي کوواريانس و مي‌باشند. همچنين ماتريسي است که هر سطر آن مربوط به يک متغير از گروه اول و هر ستون آن مربوط به يک متغير از گروه دوم و هر درايه‌ي ماتريس (تداخل سطرها و ستون‌ها) کوواريانس بين دو متغير را نشان مي‌دهد. بنابراين در اين تحقيق، ماتريسي است که 20 کوواريانس را گزارش مي‌کند و لذا 20 ضريب همبستگي گزارش خواهد شد. درواقع هدف تحليل همبستگي متعارف، خلاصه کردن اين 20 مقدار در مقداري متمرکز است.
ترکيبات خطي، اندازه‌هاي خلاصه‌شده‌ي ساده‌اي را از مجموعه‌اي از متغيرها فراهم مي‌کند. قرار مي‌دهيم:

پس هر گروه از متغيرها در يک ترکيب خطي قرار گرفته و يک متغير را مي‌سازند. همبستگي بين متغيرهاي مزبور با استفاده از قواعد جبرخطي در رياضيات و با توجه به تعريف ضريب همبستگي، از فرمول زير به‌دست مي‌آيد:

اکنون کافي است ضرايب و به‌گونه‌اي انتخاب شوند که به بيشترين حد ممکن خود برسد. انتخاب ضرايب مناسب چندان هم آسان نيست. زوج ترکيب خطي را در نظر بگيريد که داراي واريانس‌هاي واحد بوده و را ماکزيمم کند؛ به اين زوج، اولين زوج متغيرهاي متعارف گوييم و مقدار ماکزيمم حاصل را با نشان مي‌دهيم. دومين زوج از متغيرهاي متعارف، ترکيبات خطي است که داراي واريانس‌هاي واحد است و را در ميان تمام انتخاب‌هايي که با اولين زوج متغيرهاي متعارف ناهمبسته مي‌باشد، ماکزيمم مي‌کند. و به همين ترتيب Kاُمين زوج از متغيرهاي متعارف، ترکيبات خطي است که داراي واريانس‌هاي واحد است و را در ميان تمام انتخاب‌هايي که با زوج متغيرهاي متعارف قبلي ناهمبسته مي‌باشد، ماکزيمم مي‌کند و مقدار ماکزيمم حاصل را با نشان مي‌دهيم. اگر داشته باشيم: ، روند مذکور را تا مرتبه پيش مي‌بريم؛ بدين ترتيب داريم: بيشترين مقدار ممکن براي است. به راحتي اثبات مي‌شود (نيرومند، 1386، ص558) که که بزرگترين مقدار ويژه67‌ي ماتريس يا بر اساس متغيرهاي استانداردشده است بسته به آنکه يا باشد. با حصول به عنوان بردار ويژه‌68ي معادلِ مي‌توان مقادير بردارهاي و را به‌دست آورد؛ اگر داريم: و که در آن . و اگر به شکل مشابه ابتدا و سپس به‌دست خواهد آمد. در ادامه نيز محاسبه‌ي متغيرهاي متعارف صورت مي‌گيرد که به علت استاندارد شدن متغيرهاي اوليه، فاقد واحد اندازه‌گيري است. تبيين ضرايب و درواقع مي‌تواند بيانگر شدت و ضعف تاثير متغيرهاي مختلف در هر گروه از متغيرها در ايجاد همبستگي متعارف مي‌باشد.

3-3- ابزار اندازه‌گيري و متغيرهاي تحقيق
پرسشنامه‌ي استاندارد ارگان69 و کونوسکي70 براي سنجش رفتار شهروندي سازماني در 5 بُعدِ آداب اجتماعي، نوع‌دوستي، وجدان کاري، جوانمردي، و نزاکت داراي 19 سوال (گويه) به شرح جدول 3-1 و پرسشنامه‌ي استاندارد ماير71 و سالووي72 براي سنجش هوش هيجاني در 4 بُعدِ آگاهي، تسهيل، شناخت و کنترل داراي 29 سوال (گويه) به شرح جدول 3-2 به عنوان ابزار اندازه‌گيري 5+4 متغير تحقيق مورد استفاده قرار گرفته است. کليه‌ي گويه‌ها بسته‌پاسخ و داراي طيف 5درجه‌اي ليکرت73 از کم به زياد مي‌باشد. پاسخ‌هاي کم تا زياد با امتيازات 1 تا 5 داده‌هاي ورودي تحقيق به شمار مي‌آيد. البته در مورد گويه‌هايي که ارزش منفي نسبت به متغيرهاي مورد نظر دارند، ترتيب امتيازدهي برعکس مي‌باشد.
جدول3-1: پرسشنامه‌ي ارگان و کونوسکي سنجه‌ي رفتار شهروندي سازماني
شماره گويه
گويه (سوال)
ارزش
1
به كساني كه حجم كاري سنگين دارند كمك مي‌كنيد (با اين وجود که کمک به آنها جزء وظايف شما نيست)؟
مثبت
2
به كساني كه غايب بوده‌اند كمك مي كنيد؟
مثبت
3
به بهره‌ورتر شدن ديگران کمک مي‌كنيد؟
مثبت
4
به افراد تازه وارد كمك مي‌كنيد(اگرچه الزامي نباشد)؟
مثبت
5
درصورت‌لزوم‌، اموالِ‌شخصي خودرا با ديگران تسهيم مي‌کنيد تا به‌آنها در کارشان کمک‌کنيد؟
مثبت
6
به حقوق و امتيازات ديگران احترام مي‌گذاريد؟
مثبت
7
باديگران‌‌(خصوصاً کساني که تحت‌تاثير اقدامات يا تصميمات شما قرار دارند)‌مشورت مي‌کنيد؟
مثبت
8
در مواجهه با تصميمات حسّاس، با ديگران مشورت مي‌کنيد؟
مثبت
9
در مورد موضوعات جزئي‌، زياد اعتراض مي‌کنيد؟
منفي
10
از آنچه در سازمان در حال اجرا است، ايراد مي‌گيريد؟
منفي
11
از تغييراتي که مديريت مطرح مي‌کند، دچار رنجش مي‌شويد؟
منفي
12
فقط به مسائل کاري خود، و نه ديگران، فکر مي‌کنيد؟
منفي
13
به اطلاعيه‌ها و بخشنامه‌هاي سازمان، توجه مي‌کنيد؟
مثبت
14
سر وقت در محل کار
حاضر مي‌شويد؟
مثبت
15
حضورتان در محل کار بيش از حد معمول است؟
مثبت
16
در صورت عدم حضور در محل کار، از قبل اطلاع مي‌دهيد؟
مثبت
17
محل کار را تميز نگه مي‌داريد؟
مثبت
18
از مسائل سازمان مطلع هستيد؟
مثبت
19
در جلسات‌، مشتاقانه‌، حضور پيدا کرده و مشارکت مي‌کنيد؟
مثبت

جدول3-2: پرسشنامه‌ي ماير و سالووي سنجه‌ي هوش هيجاني
شماره گويه
گويه (سوال)
ارزش
1
من‌؛ ارزيابي صحيحي از موقعِ مناسبِ در ميان‌گذاريِ مشکلاتم با ديگران‌، دارم.
مثبت
2
وقتي با موانع و مشکلات روبه‌رو مي شوم؛ به‌ياد مي‌آورم كه پيش از اين نيز با موردي مشابه‌، روبه‌رو شده‌ام و بر آن غلبه نموده‌ام.
مثبت
3
من انتظار دارم كه هميشه و در تمام تلاش‌هايم عالي باشم.
مثبت
4
ديگران به راحتي به من اعتماد مي‌كنند.
مثبت
5
براي من درك پيام‌هاي غير شفاهي ديگران سخت است.
منفي
6
برخي از رويدادهاي مهم زندگيم باعث شده که نگرش خود را راجع به مسائل مهم و غير مهم‌، تغيير دهم.
مثبت
7
وقتي كه روحيه‌ي من تغيير مي‌كند، توانائي‌هاي جديدي را در خود كشف مي‌كنم.
مثبت
8
احساسات‌؛ چيزي است كه زندگي مرا ارزشمند مي‌كند.
مثبت
9
من از احساساتم، همانطور كه آنها را تجربه كردم آگاهم.
مثبت
10
من انتظار دارم‌؛ كه چيزهاي خوب اتفاق بيفتد.
مثبت
11
من دوست دارم كه احساساتم را با ديگران تقسيم كنم.
مثبت
12
وقتي كه من يك احساس مثبت را تجربه مي‌كنم، مي‌دانم كه چگونه آن را طولاني‌تر كنم.
مثبت
13
براي تفريحات ديگران برنامه‌ريزي مي‌كنم.
مثبت
14
به دنبال فعاليت‌هايي هستم كه باعث خوشحاليم مي‌شود.
مثبت
15
نسبت به پيام‌هاي غير شفاهي كه براي ديگران مي‌فرستم آگاهي و احاطه دارم.
مثبت
16
من به روشي رفتار مي‌كنم كه در ديگران تاثير خوب بگذارد.
مثبت
17
وقتي كه در حالت مثبتي هستم، حل كردن مسائل برايم راحت است.
مثبت
18
با نگاه كردن به حالت چهره‌ي افراد، متوجه احساس دروني آنها مي‌شوم.
مثبت
19
مي‌دانم كه چرا احساساتم تغيير مي‌كند.
مثبت
20
وقتي كه در حالت مثبتي هستم، با ايده‌هاي جديدي روبه‌رو مي‌شوم.
مثبت
21
بر روي احساساتم كنترل دارم.
مثبت
22
به‌راحتي مي‌توانم احساساتي را كه قبلا تجربه كرده‌ام تشخيص دهم.
مثبت
23
به خودم با تصور يك نتيجه‌ي خوب در كارم، انگيزه مي‌دهم.
مثبت
24
من از كساني كه كارشان را خوب انجام مي‌دهند تعريف مي‌كنم.
مثبت
25
هنگامي‌كه كسي براي من از وقايع مهم زندگيش تعريف مي‌كند، کاملاً احساساتش را درک مي‌کنم.
مثبت
26
اگر بدانم که در برابر يک چالش شکست مي‌خورم‌، زود تسليم مي‌شوم.
منفي
27
من‌، به افرادي كه شكست خورده‌اند كمك مي‌كنم كه احساس بهتري داشته باشند.
مثبت
28
من‌، با گوش‌دادن به صداي افراد مي‌توانم از احساس آنها با خبر شوم.
مثبت
29
درک اين كه چرا مردم چيزي را كه احساس مي كنند‌، انجام مي دهند؛ براي من سخت است.
منفي

3-4- بازبيني اعتبار پرسشنامه
پايايي هر دو پرسشنامه با توجه به داده‌هاي نمونه‌ي آماري از طريق آلفاي کرون‌باخ74 قابل تحقيق است. روايي پرسشنامه‌ها هم از نوع روايي ساختار با توجه به چندبُعدي بودن پرسشنامه مورد تحقيق قرار مي‌گيرد؛ روايي ساختار در پرسشنامه‌ها نيز از طريق تحليل عاملي تاييدي صورت گرفته است.
شاخص آلفاي کرون‌باخ براي پرسشنامه‌ي 19 گويه‌اي رفتار شهروندي سازماني برابر با 81/0 و براي پرسشنامه‌ي 29 گويه‌اي هوش هيجاني برابر با 91/0محاسبه شده است که حاکي از پايايي بالاي پرسشنامه است. همچنين روايي سازه تا حد زيادي مورد تائيد قرار گرفت که شرح آن در فصل4 در قسمت تحليل عاملي به تفصيل بيان خواهد شد.

3-4-1- تحليل عاملي تائيدي
مدل تحليل عاملي خطي : ، … ، را به عنوان متغيرهاي قابل مشاهده در نظر بگيريد؛ مثل سوالات يک پرسشنامه. عوامل مشترک ، … ، به صورت پنهان در ساخت متغيرهاي قابل مشاهده نقش دارند. از اين رو آن‌ها را عوامل پنهان مي‌ناميم که در تحقيق حاضر ابعاد مختلف رفتار شهروندي سازماني يا هوش هيجاني است. عوامل انحصاري ، … ، نيز به صورت پنهان در ساخت متغيرهاي قابل مشاهده‌ي 1 تا p اُم نقش دارند و از آن‌ها نيز به عنوان عوامل پنهان ياد مي‌کنند. از آنجا که () و ()، ساختاري فرضي را براي ها () ارائه مي‌دهند ، آنها را متغيرهاي منبع مي‌نامند. فرض بر اين است که ها را به عنوان متغيرهاي قابل مشاهده؛ همين متغير‌هاي منبع ساخته‌اند؛ از اين رو به آن‌ها عوامل فرضي نيز اطلاق مي‌شود. هر ، عاملي است که تنها در ساخت دخالت دارد. امّا ها مي‌توانند در ساختمان چندين دخالت کنند و اهميت فراوان دارند تا آنجا که هدف از کار تحليل عاملي، يافتن آن‌ها به عنوان عوامل پنهان موجود و همچنين تقليل بُعد مسئله است. لذا فرض‌هاي زير مدّنظر مي‌باشند :
, ,
واضح است که در يک مدل تحليل عاملي خطي ؛ بايد ، کوچکتر از و حتي در يک مدل رضايتبخش، خيلي کوچکتر از باشد. در واقع يکي از اساسي‌ترين هدف‌هاي تحليل عاملي‌، تقليل بُعد مسئله است‌؛ يعني خلاصه‌کردن متغير در عامل منبع و شناسايي و نماياندن عوامل پنهان مشترک از روي متغيرهاي آشکار.
با اين تعاريف‌، يک مدل خطي به شکل زير براي
هر يک از متغير‌هاي آشکار موجود مي‌باشد:

اگر و در هيچ متغير منبع مشترکي سهيم نباشند داريم:

به تعبير آماري ها جنبه‌ي کوواريانس بين متغيرها را ايجاد مي‌کنند و علت وجود کوواريانس بين برخي از آن‌ها مي‌شوند. در يک مدل تحليل عامليِ ايده آل ، فرض بر آن است که کوواريانس بين دو متغير ، منتج از عامل مشترک و نه در نتيجه‌ي تاثير مستقيم يکي از ديگري است.
حال کوواريانس‌هاي زير قابل محاسبه است:

اگر پيش از انجام‌دادن کارهاي فوق تمامي متغير هاي آشکار و پنهان را به صورت استانداردشده در نظر بگيريم، از روابط (1)، (2) و (3) به ترتيب روابط (4)، (5) و (6) نتيجه مي‌شوند. (در اين روابط نماد ضريب همبستگي است.)

با توجه به نقش ها در عبارات فوق، اين ضرايب نقشي اساسي در تحليل‌ها پيدا مي‌کنند. در مبحث تحليل عاملي به اين ضرايب‌، بارهاي عاملي مي‌گويند. شاخصِ مي‌تواند مبين سهمي باشد که عامل مشترک اُم در ساخت متغيرها دارد که به آن سهم واريانس گويند. اين شاخص را مي‌توانيم با نشان دهيم.
عوامل مشترک ممکن است متعامد (عمودي) يا مورب باشند؛
حالت عمودي: اين حالت زماني رخ مي‌دهد که کوواريانس ميان عوامل مشترک صفر باشد؛ مانند آنچه تاکنون بيان شد.
حالت مورب: اين حالت زماني است که کوواريانس، در ميان عوامل مشترک وجود داشته باشد.
در ادامه به ارائه‌ي برخي تعاريف اساسي مي‌پردازيم؛
ماتريس بارهاي عاملي، ماتريسي است که هر سطر آن متعلق به يک متغير آشکار و هر ستون متعلق به يک عامل مشترک است، و درايه‌هاي آن‌، بارهاي عاملي هستند. از اين رو به آن ماتريس بارهاي عاملي گويند. در برخي متون از اين ماتريس با عنوان ماتريس الگو ياد مي‌شود. امّا در نرم افزار SPSS منظور از ماتريس الگو يا انگاره (دقيقاً با عنوان Pattern Matrix) ، ماتريسي است که از دوران ماتريس بارهاي عاملي به‌دست مي‌آيد. ماتريس ساختار نيز درست مانند ماتريس بارهاي عاملي يا انگاره مي‌باشد با اين تفاوت که درايه‌هاي آن کوواريانس‌ها (همبستگي‌ها) را ميان متغير ها و عوامل مشترک نشان مي‌دهد. به عبارتي ماتريس‌هاي بارهاي عاملي و الگو، مبين وزن‌هاي علّي و ماتريس ساختار، منعکس‌کننده‌ي همبستگي‌ها است. در حالت عمودي‌، اين ماتريس‌ها، يکي هستند. امّا در حالت مورب به دليل وجود کوواريانس ميان عوامل مشترک‌، بين متغير ها و عواملي که در ساخت آن‌ها تاثير مستقيم علّي ندارند نيز کوواريانس موجود است.
آنچه تا کنون بيان شد مربوط به خصوصيّات يک سيستم علّي خطي بود که ساده و صريح بودند. در اين سيستم، يک ساختار کوواريانس صريح موجود است که با هر سيستم علّي خطي مطابقت مي‌کند به اين معني که اگر بار عاملي، مشخص و معلوم باشد، استخراج همبستگي ميان متغيرها به صورت يکّه امکان دارد. عکس آن يعني کاري که در يک پروژه‌ي تحليل عاملي، مدّنظر محقق مي‌باشد الزاماً درست نيست. برخي نااطميناني‌ها و پيچيدگي در مدل تحليل عاملي موجب بروز اين مشکل خواهند شد. در مباحث تحليل عاملي سعي مي‌شود با روش‌هاي مختلف دوران، کار را تا حد ممکن ساده کرد. براي حالت عمودي از روش هايي مانند “واريماکس” و”کوارتيماکس” استفاده مي‌شود و براي حالت مورب از روش‌هايي مانند “ابلي مين” مي‌توان بهره برد. اين روش‌ها در اغلب نرم‌افزارهاي آماري (و از آن‌جمله در نرم‌افزار SPSS) موجود مي‌باشد.
تحليل عاملي دو نوع اساسي دارد: 1) تحليل عاملي تائيدي و 2 ) تحليل عاملي اکتشافي. در تحليل عاملي تائيدي‌، از ابتدا توسط محقق يا متخصص رشته‌ي مربوطه‌، تعداد عوامل مشترک تعيين گرديده و با معلوم بودن ،ها در گروهِ برآمده از عامل‌هاي مشترک قرار مي‌گيرند؛ مانند تحقيق حاضر که از قبل مشخص شده است که تعداد عوامل (ابعاد) براي رفتار شهروندي

دیدگاهتان را بنویسید