تحلیل آماری

فرضیه ها از طریق روند زیر آزمایش شدند. اول، یک شیوه ی معادله ی مدل سازی ساختاری استفاده شد؛ مدل معادله ساختاری ترکیبی از مدل های مسیر یا همان روابط ساختاری و مدل های های عاملی تاییدی (روابط اندازه گیری) است. در مدل های مسیر تلاش شده است تا با مجموعه ای از روابط یک سویه و دو سویه پدیده با پدیده هایی را تبیین کند در حالی که متغیر های حاضر در مدل از نوع مشاهده شده هستند. در مدل های عاملی تاییدی بدنبال تعریف سازه های پنهان بر مبنای مجموعه ای از معرف ها هستیم. ما فرضیه ها را از طریق تحلیل مدل ساختاری برای هر یک از شیوه های مدیریت آزمایش کردهو نشان داده شد که آیا هر یک از آنها زمانی که مدیر یک کارآفرین است، بر میزان کارآفرینی مشارکتی تاثیر مستقیم دارند یا خیر؟ ما با استفاده از Amos 18 [1] شاخص های نمونه ی مورد بررسی را تخمین زده و میزان اعتبار اندازه گیری تاثیر شیوه های مختلف رهبری بر کارآفرینی مشارکتی سازمانی را امتحان کردیم. این شیوه ارزیابی جامع و مطمئن از اعتبار همگرا و مجزای ساختارهای مورد استفاده در این نمونه ممکن ساخت. دوم: مدل معادله ی ساختاری برای نمونه ی مدیران غیر کارآفرین نیز به کارگرفته شد. این شیوه نه تنها نمونه ی اندازه گیری را معتبر ساخت بلکه مقایسه ی ضرایب استاندارد مدل ساختاری دو نمونه را نیز ممکن کرد.

با استفاده از نتایج بخشی از پرسشنامه طراحی شده و با توجه به کار سوریانو[i] و مارتینز[ii] ما دریافتیم که متغیرهای زمان، پیشنهاد ها، تاثیرگذاری توان تبیین بیشتری برای شیوه ی مدیریت رابطه مداری دارند. همچنین متغیر های خطایی را نیز نظر گرفتیم که  نشان دهنده­ی همه عوامل تاثیر گذار غیر از متغیر پنهان مورد نظر است. در مدل متغیر ها به صورت جدول شماره یک نامیده می شوند:

همچنین متغیر هایی که می توان مدیریت وظیفه مدار را توسط آنها تبیین کرد عبارتند از: قوانین، گرایش به سمت وظیفه، انتقاد. مانند بالا برای هر یک از متغیر ها یک متغیر خطای اندازه­گیری نیز در نظر می گیریم که در مدل ما، این متغیرها به صورت جدول شماره دو نامیده می شوند:

متغیر های که برای بیان مدیریت مشارکتی استفاده کردیم این گونه بود: مشارکت، واگزاری، گروهها. که این متغیرها همراه با متغیر های خطای اندازه گیری آنها در مدل به این صورت جدول شماره 3 خواهند بود:

در آخر مشارکت داوطلبانه، انتقال اخلاق کار تیمی، تجمع هوش برای بیان متغیر پنهان کارآفرینی جمعی استفاده کردیم. که این متغیرها همراه با متغیر های خطای آنها در مدل به صورت جدول شماره چهار خواهند بود:

3-3- برآورد و آزمون مدل

جهت برآورد مدل ابتدا باید پارامتر های ثابت و آزاد را مشخص کنیم تا مدل مشخص شود. پارامتر های ثابت در یک مدل معادله ساحتاری اغلب شامل وزن های رگرسیونی متغیر های خطا می شوند. علاوه بر آن به ازای هر متغیر پنهان یکی از وزن های رگرسیونی نیز به مقدار 1 ثابت شده است که برای رفع مشکل بدون مقیاس یودن متغیر های پنهان و تعیین متغیر مرجع می باشد.

از آنجایی که بررسی روابط ساختار بین متغیر های پنهان هنگامی منطقی تر و با معناتر تفسیر می شود که اندازه گیری سازه های پنهان با توجه به معیار های عملی قابل قبول باشد. به همین دلیل ما مدل ساختاری در این تحقیق را که از 4 مدل اندازه گیری تشکیل شده است به چهار قسمت تقسیم کرده سپس تک تک مدل های اندازه گیری را مورد آزمون قرار داده ایم. پس از اطمینان نسبی از قابل قبول بودن مدل های اندازه گیری حاضر در مدل معادله ساختاری تدوین شده به آزمون مدل کامل خواهیم پرداخت.

4-3- تایید مدل

ما در این تحقیق برای بیان قابل قبول بودن مدل از سه دسته شاخص استفاده کردیم. شاخص های برازنش مطلق (شاخص هایی که بر مبنای تفاوت واریانس ها و کوواریانس های مشاهده شده از یک طرف و واریانس ها و کوواریانس های پیش بینی شده بدست می آیند)، شاخص های برازنش تطبیقی (شاخص هایی که بر مبنای مقایسه مدل تدوین شده با یک مدل مبنا محاسبه می شوند)، شاخص برازنش مقتصد (شاخص هایی که تاکید آنها بر درجه ی آزادی است). حال به بیان هر یک از شاخص ها، دلایلی برای مورد قبول بودن مدل ها و همچنین مقایسه دو مدل می پردازیم.

1-4-3- شاخص های برازنش مطلق

ما برای برازنش مدل ها توسط شاخص های برازنش مطلق از دو شاخص کای اسکوئر و ریشه دوم میانگین مربعات باقیمانده استفاده کردیم که نتایج آن در جدول شماره 5 آمده است.

نظر به این که کای اسکوئر مدل شماره یک 57.953 و همچنین ریشه دوم میانگین مربعات باقیمانده 0.164 مقدار مناسبی به نظر می رسد می توان مدل را قابل قبول می پنداشت.

مقدار کای اسکوئر و ریشه دوم میانگین مربعات باقیمانده مدل شماره دو به ترتیب 151.697 و 0.332 می باشد که همانند مدل شماره یک قابل قبول است. این موضوع نشان می دهد که نمی توان تفاوت بین ماتریس های کوواریانس مشاهده شده و باز تولید شده را به لحاظ آماری معنا دار تلقی کرد.

2-4-3- شاخص های برازنش تطبیقی

برای بیان مقبولیت مدل توسط شاخص های برازنش تطبیقی ما از شاخص های برازنش هنجار شده بنتلر-بونت، برازنش نسبی، برازنش افزایشی، توکر-لویس و شاخص های تطبیقی استفاده کرده ایم که نتایج بدست آمده از دو مدل در جدول شماره 6  قابل بررسی و مقایسه می باشد.

با توجه به این که تمامی شاخص های برازنش تطبیقی بدست آمده برای دو مدل بالاتر از 0.9 می باشند هر دو مدل مورد قبول می باشد، اما با توجه به این که شاخص های مدل اول بالاتر از 0.95 هستند مدل شماره یک از درجه اعتبار بیشتر برخوردار می باشد که به معنای توان مدل در فاصله گرفتن از یک مدل استقلال و نزدیک شدن به مدل اشباع شده بر مبنای معیار های تعریف شده است.

3-4-3- شاخص برازنش مقتصد

ما از دسته­ی شاخص­های برازنش مقتصد، شاخص­های برازنش هنجار شده مقتصد، برازنش تطبیقی مقتصد و کای اسکوئر بهنجار برای بررسی دو مدل موجود در این تحقیق استفاده کردیم که نتایج حاصل در جدول شماره 7 آمده است.

شاخص برازنش هنجار شده مقتصد برای مدل شماره 1 و 2 به ترتیب 0.739 و 0.713 بدست آمده و از آنجایی که برای قابل قبول بودن مدل مقدار شاخص برازنش هنجار شده مقتصد باید بزرگتر از 0.6 در نتیجه هر دو مدل دارای مقبولیت لازم می باشند.

شاخص برازنش تطبیقی مقتصد برای دو مدل شماره یک و دو به ترتیب 0.768 و 0.732 است و با توجه به این که شاخص برازنش تطبیقی مقتصد بهتر است از 0.5 بیشتر  باشد تا مدل مورد قبول واقع گیرد می توان گفت که دو مدل قابل قبول هستند. که نشان می دهد که در تعریف پارامتر های آزاد پژوهشگر از خود امساک نشان داده است و نمی توان گقت که پایین آمدن کای اسکوئر به دلیل تعداد زیاد پارامتر آزاد است.

شاخص کای اسکوئر بهنجار برای مدل شماره 1 برابر 1.136 و برای مدل شماره دو برابر با 2.974 است که اولمن (2001) و کلاین (2005) آن را مقداری قابل قبول برای تایید مدل می دانند، پس می توان دو مدل را قابل قبول تصور کرد.

4-4-3- شاخص هلتر

این شاخص اساسا با سایر شاخص های برازنش که تا کنون طرح شد متفاوت بوده و مستقیما بر موضوع کافی بودن حجم نمونه تمرکز دارد. خروجی این شاخص را می توانید در جدول شماره 8 مشاهده کنید.