وبلاگ

هدف از نگارش فصل چهارم، پاسخ به سؤالات یا فرضیه ­های پژوهش است. در این فصل، داده ­های به‌دست‌آمده در رابطه با هر پرسش، هدف یا فرضیه، توصیف و مورد تجزیه­وتحلیل قرار می­گیرند. کار تحلیل این است که مجموعه­های وسیع، پیچیده و حتی غیرقابل درک داده ­ها را به واحدها، الگوها و شاخص­ های قابل‌درک در مسائل پژوهشی تبدیل نماید؛ بنابراین مقصود اصلی از تحلیل، تنظیم و خلاصه کردن داده ­ها به‌صورت اطلاعاتی روشن، گویا، مستدل و تفسیرپذیر است، به­گونه ­ای که بتوان روابط موجود در مسائل پژوهشی را کشف و بررسی نمود.

نتایج در دو بخش یافته­های توصیفی و یافته­های استنباطی ارائه شد. در بخش یافته­های توصیفی از مقادیر فراوانی، درصد فراوانی، میانگین و استاندارد و نمودارهای ستونی و دایره­ای جهت توصیف متغیرهای جمعیت شناختی و اصلی استفاده شد. در بخش یافته­های استنباطی، فرضیه ­های پژوهش آزمون شدند و معنی­دار بودن روابط و قابلیت تعمیم نتایج از نمونه به جمعیت آماری بررسی شد.
گویه ­ها یا پرسش­های مربوط به هر متغیر از نوع رتبه­ای (ترتیبی) بوده است، اما بدین دلیل که متغیرهای پژوهش، ترکیبی از چند گویه هستند درنتیجه با کمی تسامح، آن­ها به‌عنوان متغیرهای فاصله­ای (شبه‌فاصله‌ای) در نظر گرفته شدند و در برخی آمار توصیفی و استنباطی از آزمون­های مرتبط با متغیرهایی که در سطح فاصله­ای هستند، استفاده شده است. برخی معتقدند که در مواردی که چند متغیر ترتیبی با هم ترکیب می­شوند و مقیاسی برای یک مفهوم انتزاعی ساخته می­ شود می­توان آن­ها را با تسامح مقیاس فاصله­ای در نظر گرفت (نایبی، 1388، ص 19).

• • 1. 1. آماده ­سازی داده ­ها برای تحلیل

     

     

الف) داده ­های پرت^[125]
قبل از تحلیل داده ­ها و آزمون فرضیه ­ها، در مرحله وارسی و غربال­گری داده ­ها، به بررسی مقادیر پرت یا دورافتاده پرداخته شد. افرادی که اندازه­ های انتهایی یا غیرمعمول در یک متغیر واحد (تک متغیری) یا در ترکیبی از متغیرها (چندمتغیری) دارند، دورافتاده یا پرت نامیده می­شوند. داده ­های پرت اغلب سه یا بیش از سه واحد انحراف معیار از میانگین مربوط به خودشان فاصله دارند که از مشکلات احتمالی در ابزار اندازه ­گیری، شیوه ثبت یا ضبط پاسخ­ها یا عضویت شرکت­ کنندگان در جامعه­ای که فرض می­ شود از آن نمونه گیری شده است، ناشی می­ شود. حضور داده ­های پرت می ­تواند نتایج تحلیل را به‌گونه‌ای نامطلوب تحت­ تأثیر قرار دهد (تحریف کند). به همین دلیل بیشتر متخصصان آمار پیشنهاد می­ کنند که اندازه­ های پرت قبل از تحلیل داده‌ها باید حذف شوند.
در ابتدا مقادیر پرت تک متغیره و سپس چند متغیره موردبررسی قرار گرفت. مقادیر پرت تک متغیره با بهره گرفتن از توزیع فراوانی و نمودار جعبه­ای^[126] تشخیص داده شدند و چنانچه مقدار آن­ها افراطی بود، ارزیابی‌شده و در صورت لزوم از تحلیل کنار گذاشته شدند. مقادیر پرت چند متغیره با بهره گرفتن از محاسبه فاصله مهالانوبیس^[127] شناسایی شد و از تحلیل کنار گذاشته شد. آماره فاصله مهالانوبیس یعنی D²، «فاصله» چندمتغیری بین هر فرد و میانگین چندمتغیری گروه را (که کانون نامیده می­ شود) اندازه ­گیری می­ کند. هر فرد با بهره گرفتن از توزیع مجذور کای با سطح آلفای دقیق 001/. ارزیابی می­ شود. افرادی را که به این آستانه معنی­داری می­رسند می­توان به‌عنوان موارد پرت چندمتغیری تلقی کرد و به‌احتمال باید از نمونه حذف شود (میزر، گامست و گارینو، 1391، ترجمه شریفی و همکاران، ص 106). داده ­ها با بهره گرفتن از روش­های ذکرشده ازنظر وجود داده ­های پرت ارزیابی شد.
ب) داده ­های ناقص
در رابطه با داده ­های ناقص بدین دلیل که در تمامی سؤالات میزان بی­پاسخی کمتر از 5 درصد کل بود، از روش­های جایگزینی مقادیر گمشده جهت کامل نمودن پاسخ­ها استفاده شد. مقادیر گمشده با بهره گرفتن از روش اِسناد بیشینه کردن انتظار^[128] با مقادیر مناسب جایگزین شدند. این روش از رویکرد حداکثر درستنمایی برای برآورد اندازه­ های ازدست‌رفته استفاده می­ کند. میزر و همکاران (1391) برای مدیریت داده ­های ازدست‌رفته استفاده از این روش را توصیه می­ کنند چراکه این روش، برآورد اندازه­ های جایگزین را به‌خوبی انجام می­دهد (میزر و همکاران، 1391، ترجمه شریفی و همکاران، ص 104).

• • 1. 1. یافته‌های توصیفی

     

     

4-3-1) ویژگی‌های جمعیت شناختی
جنسیت افراد
در جدول 4-1 فراوانی جنسیت افراد گزارش شده است. همان‌طور که ملاحظه می­ شود 53 درصد پاسخ‌دهندگان مرد و 47 درصد از آن­ها، زن هستند. نمودار دایره­ای جنسیت افراد در ادامه گزارش شده است (شکل 4-1).
جدول شماره 4-1. فراوانی جنسیت پاسخ‌دهندگان