۴۷

حساسیت قیمت را در صورت چانه زنی مشتریان چگونه ارزیابی می کنید؟

خارجی – محیط رقابت

۱۰ نفر

۳/۴

۴۸

دانش بازار مشتری را در صورت چانه زنی مشتریان چگونه ارزیابی می کنید؟

خارجی- محیط رقابت

۱۰ نفر

۷/۳

۴۹

اندازه و بزرگی مشتریان را در صورت چانه زنی مشتریان چگونه ارزیابی می کنید؟

خارجی- محیط رقابت

۱۰ نفر

۳/۳

۵۰

هزینه تغییر محصول برای مشتری را در صورت چانه زنی مشتریان چگونه ارزیابی می کنید؟
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

خارجی- محیط رقابت

۱۰ نفر

۳/۴

در جدول (۴-۱) ابتدا پرسش های مطرح شده در پرسشنامه شماره ۲ که به منظور شناسایی و بررسی عوامل داخلی و خارجی شرکت تخته شهید باهنر گرگان تنظیم شده است عنوان شده اند و در ستون های بعدی ماهیت عوامل با به عبارت دیگر مقصود از طرح سوال ذکر شده است تا بر اساس نمرات بدست آمده که توسط اعضای کمیته استراتژیک شرکت که تعداد آنها در ستون سوم ذکر گردیده اند، در طی جلسات متداول و با در نظر گرفتن شرایط حال شرکت و سایر رقبا بتوان عوامل مورد نظر را استخراج نمود. مفهوم نمرات داده شده این است که اگر نمره نهایی سوال کمتر از ۳ باشد در مورد عوامل داخلی ضعف و در مورد عوامل خارجی تهدید محسوب می شود و اگر نمره نهایی حاصل شده بیشتر از ۳ باشد در مورد عوامل داخلی قوت و در مورد عوامل خارجی فرصت قلمداد خواهند شد. بر اساس مذاکرات شفاهی با اعضای کمیته استراتژیک تصمیم گرفته شد نمره نهایی برابر ۳ نیز دلالت بر بی اثر بودن آن عامل داشته باشد.
این نکته شایان ذکر است در بعضی از موارد از سوالات مطرح شده که نمرات آنها بالاتر از عدد ۳ لحاظ شده اند به دلیل ماهیت منفی سوال، خلاف آنچه که گفته شد در مورد آنها صادق خواهد بود.
۴-۲-۴-۱ ماتریس اولویت عوامل داخلی( تشخیص عوامل استراتژیک داخلی)
همانطور که قبلاً هم گفته شد در این ماتریس، اولویت بندی عوامل داخلی بر اساس دو معیار میزان اهمیت/حساسیت عامل و میزان اثر عامل بر عملکرد یا قابلیت رقابتی شرکت تعیین می شود و به مدیران در تشخیص عوامل استراتژیک داخلی ( با اولویت بالا ) کمک می کند. به همین ترتیب با توجه به نظر اعضای کمیته استراتژیک این عوامل در جدول(۴-۳) مطرح گردیده اند.
جدول ۴-۲: ماتریس اولویت عوامل داخلی.

اثر بر عملکرد یا قابلیت رقابتی شرکت

زیاد

متوسط

کم

میزان اهمیت / حساسیت

زیاد

نامناسب بودن سایز تخته تولیدی شرکت برای مشتریان داخلی و حتی خاورمیانه و عدم امکان تغییر آن
پایین بودن کیفیت نئوپان نسبت به رقبا
برخورداری از زمینهای صنعتی وسیع بلا استفاده با امکاناتی از قبیل آب ، برق و گاز با پست ۶۳ به ۲۰
عدم ثبات کیفیتی به دلیل فرسودگی بیش از حد ماشین آلات و نوسانات کیفیتی به دلیل کمبود آیین نامه مدون تولید و ضمانت اجرایی استوار

بدهی های زیاد از مدیریتهای قبلی و نسبت های بدهی ضعیف
عدم وجود سیستم اطلاعات یکپارچه بازاریابی و کمبود نیروی بازاریاب متخصص و کارآمد

۲

۳۴۷/۳

۲۱۳/۱۵

۱۲۳/۳۱

منبع: یافته‌های پژوهش
بر اساس یافته‌های حاصل از جدول (۴-۲۴) عامل اول با مقدار ویژه ۵۰۰/۳ به تنهایی تبیین کننده بیش از ۹۱۰/۱۵% واریانس کل می‌باشد. که برای عوامل چهارگانه بدست آمده مقدار بسیار بالای است. همچنین این جدول نشان می‌دهد که این هشت عامل ۵۲۶/۵۵درصد کل واریانس تغییرات را تبیین می‌نماییند. در مراحله بعدی به توضیحات بیشتر در مورد هریک از این عوامل و ضریب تبیین هریک به تفصیل خواهیم پرداخت، تا پی­ببریم که کدام عامل یا عوامل بیشترین و کمترین تاثییر را در مولفه تقویت مسائل فرهنگی و آموزشی در جامعه آماری مورد تحلیل ما داشته‌اند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

اما وضعیت قرارگیری متغیرها (۶ مولفه اصلی) در عوامل با فرض واقع شدن متغیرهای با بارعاملی بزرگتر از ۷/۰می باشد، در این مرحله به منظور بهبود روابط بین متغیرها و عامل‌های اولیه و اعمال تبدیلات خاص بر روی عامل ها، عمل دوران انجام می‌شود. بعد از چرخش عاملها به روش وریماکس و نامگذاری عاملها به شرح جدول (۴-۲۵) می‌باشد.
جدول ۴-۲۵: متغیرهای مربوط به هر یک از عامل‌ها و میزان ضرایب بدست آمده از ماتریس دوران یافته

عامل

متغیرهای مربوطه

بار عاملی

عامل ۱:

آموزش نیروی کار مستقیم در گردشگری

۸۶۳/۰

عامل۲:

توجه به مسائل زیست محیطی

۷۲۵/۰

منبع: یافته‌های پژوهش
همانگونه که مشاهده می‌شود، در ماتریس عاملی هر ستون معرف یک عامل است. مقادیر هر ستون نشان دهنده بارهای عاملی هر متغیر با یک عامل هستند. در خروجی نرم افزار عامل‌ها به ترتیب از چپ به راست با شماره‌های ۱، ۲، ۳ والی آخر قرار می‌گیرند. متغیرها نیز در ستون اول از بالا به پایین فهرست می‌شوند.
نمودار (۴-۱۴) تغییرات مقادیر ویژه را در ارتباط با عامل‌ها نشان می‌دهد. این نمودار برای تعیین تعداد بهینه مؤلفه‌ها به کار می‌رود. با توجه به این نمودار مشاهده می‌شود که از عامل دوم به بعد تغییرات مقدار ویژه کم می‌شود، پس می‌توان ۲ عامل را به عنوان عوامل مهم که بیشترین نقش را در تبیین واریانس داده‌ها دارند، استخراج کرد.

نمودار۴-۱۴: تغییرات مقادیر ویژه را در ارتباط با عامل‌ها
منبع: یافته‌های پژوهش
نمودار (۴-۱۴) گویای این مطلب است که دو عامل اول بیشترین تغییرات را از میان عوامل ۶ گانه مولفه تقویت مسائل فرهنگی و آموزشی تبیین نموده‌اند.
همچنین نمودار (۴-۱۵) نمودار سه بعدی دوران یافته را نشان می‌دهد. در این نمودار پراکنش متغیرهای مورد بررسی نسبت به عامل‌های اول و دوم در مولفه تقویت مسائل فرهنگی و آموزشی مشاهده می‌شود.

نمودار ۴-۱۵: پراکنش متغیرهای مورد بررسی نسبت به عامل‌های اول، دوم و سوم
۴- ۱۳٫ مدل مفهومی تحقیق :

حجم عرضه های اولیه (OFF SIZE):
حجم عرضه های اولیه با لگاریتم طبیعی، حاصلضرب تعداد سهام عرضه شده در میانگین قیمت عرضه سهم برابرخواهد بود.
نحوه محاسبه عدم تقارن اطلاعاتی
برای آزمون فرضیه فرعی و سنجش تاثیر سطوح عدم تقارن اطلاعاتی شرکت ها بر رابطه بین محافطه کاری و بازده غیر عادی سهام عرضه های عمومی اولیه، با توجه به نبودن قیمت های خرید و فروش قبل از عرضه اولیه سهم، نمونه کل براساس چهار شاخص فرصتهای رشد(تغییر در درآمد فروش)، عمر شرکت (فاصله زمانی بین تاریخ تاسیس و تاریخ پذیرش در بورس)، انداره شرکت(حجم کل دارایی ها قبل از عرضه) و نظام حاکمیت شرکتی (میانگین غیر وزنی ساختار مالکیت، تعداد اعضای مستقل هیئت مدیره، جدایی مدیر عامل و رئیس هیئت مدیره، ریسک دعوی حقوقی و اهرم مالی)، به دو نمونه فرعی با عنوان شرکت هایی با سطح بالای عدم تقارن اطلاعاتی و شرکت هایی با سطح پایین عدم تقارن اطلاعاتی تقسیم خواهد شد. به عبارت دیگر با محاسبه متوسط متغیرهای اندازه شرکت، سن شرکت، درصد اعضای غیرموظف هیئت مدیره، اهرم مالی و رشد درآمد فروش برای کل نمونه و دادن ضرایب صفر و یک برای هر شرکت با توجه به وضعیت آن نسبت به متوسط رقم محاسبه شده برای هر متغیر، کل نمونه براساس مجموع ضرایب شرکت ها از نظر سطوح عدم تقارن اطلاعاتی به دو نمونه فرعی تفکیک شده و در مدل رگرسیونی تحقیق بصورت دو گروه مستقل وارد و نتایج مقایسه خواهد شد.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۱۱-۳- روش تجزیه و تحلیل اطلاعات و آزمون فرضیه ها

از نظر آماری در این پژوهش عمدتا از تکنیک های تحلیل همبستگی و رگرسیون چند متغیره استفاده می شود. “تحلیل همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است"(مومنی،۱۳۸۹: ۱۱۰).
در رابطه با آزمون فرضیه های مربوط به این پژوهش می بایست از تحلیل همبستگی جزیی (تفکیکی)استفاده نمود. همبستگی جزیی، همبستگی میان دو متغیر با حذف اثرات سایر متغیر هاست. در صورتی که تحلیل های همبستگی، وجود رابطه بین محافظه کاری و بازده غیر عادی اولیه را تایید نمود، در ادامه به منظور تعیین نوع رابطه از آزمون رگرسیون چندگانه (چند متغیره) استفاده خواهد شد.
استفاده از رگرسیون چندگانه نیازمند برقراری پیش فرض هایی است. ” در عمل کنترل و تحقق تمامی این پیش فرض ها نه مرسوم و نه عملی است و حتی برخی صاحب نظران کنترل و تحقق تمامی این پیش فرض ها را ضروری نمی­دانند” (سرمد و دیگران،۱۳۸۷). به اعتقاد برخی صاحب نظران محدودیت های عملی باعث می شود به منظور پی بردن به معنی­دار بودن آماره های محاسبه شده در معادله رگرسیون تنها بکارگیری سه آزمون آماری اساسی زیر ضروری باشد، این سه آزمون عبارتند از:
آزمون استقلال خطاها
یکی از مفروضاتی که در رگرسیون مد نظر قرار می­گیرد، استقلال خطاها از یکدیگر است. این فرض از طریق آزمون دوربین - واتسون مورد بررسی قرار می گیرد. مقدار آماره این آزمون در دامنه ۰ و ۴ قرار می­گرید. چنانچه این آماره در بازه ۱٫۵ تا ۲٫۵ قرار گیرد H₀ آزمون (عدم همبستگی بین خطاها) پذیرفته می شود و در غیر این صورت H₀ رد می شود. لازم به ذکر است که در صورت رد فرض H₀، نمی توان از آزمون رگرسیون استفاده کرد.
بررسی نرمال بودن خطاها
یکی دیگر از مفروضات در نظر گرفته شده در رگرسیون، آن است که خطاها دارای توزیع نرمال با میانگین صفر می­باشند. بدیهی است که در صورت عدم بر قراری این پیش گزینه، نمی توان از رگرسیون استفاده کرد.
آزمون هم خطی
هم خطی آزمونی است که نشان می دهد یک متغیر مستقل، تابعی خطی از سایر متغیر های مستقل است. اگر هم خطی در یک معادله رگرسیون بالا باشد، بدین معنی است که بین متغیر های مستقل، همبستگی بالایی وجود دارد و ممکن است با وجود بالا بودن R²، مدل دارای اعتبار بالایی نباشد. به عبارت دیگر، با وجود آنکه مدل خوب به نظر می رسد، ولی دارای متغیرهای مستقل معنی داری نمی باشد.

خلاصه فصل

در فصل حاضر، روش شناسی پژوهش مورد نظر ارائه گردید؛ به طوریکه در ابتدا تعاریفی از تحقیق و روش تحقیق ارائه گردید و با تعیین نمودن نوع این پژوهش، مسئله پژوهش، فرضیه ها و مدلی که به وسیله آن فرضیه­ های مطرح شده مورد آزمون قرار می­گیرد تشریح شد. در ادامه مطالبی پیرامون مکان و دوره زمانی پژوهش، جامعه آماری و روش نمونه گیری ارائه گردید. متغیرهای مورد استفاده در مدل و شیوه محاسبه آن ها نیز به تفصیل ارائه گردیدند. برای کمی کردن متغیر محافظه کاری (متغیر مستقل)، مدل هایی که ارائه شده اند ، مورد استفاده قرار می گیرد و برای بررسی و آزمون فرضیه ها تحقیق از روش تجزیه و تحلیل رگرسیونی استفاده خواهد شد.در پایان با ارائه روش شناسی تحقیق و روش تجزیه و تحلیل اطلاعات و آزمون فرضیه ها، اقداماتی که در فصل آتی می بایست صورت گیرد مشخص شدند. بنابراین در فصل آتی با استفاده روش­های اندازه گیری و مدل معرفی شده در این فصل و در قالب چارچوب نظری که در فصل دو و تا حدی در فصل حاضر تبیین گردید، فرضیه ­های تحقیق براساس داده های گردآوری شده مورد تجزیه و تحلیل و بررسی آماری قرار خواهند گرفت.
فصل چهارم
تجزیه و تحلیل آماری یافته­های تحقیق

۱-۴- مقدمه

تجزیه و تحلیل داده ­ها، فرآیندی چند مرحله­ ای است که طی آن داده­هایی که با بکارگیری ابزارهای جمع­آوری از جامعه آماری گردآورری شده است، خلاصه، دسته بندی و درنهایت پردازش می­شوند تا زمینه برقراری انواع تحلیل ها و ارتباط بین این داده ­ها برای صحت فرضیه ­ها فراهم آید. در این فرایند داده ­ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می شوند و روش­های گوناگون آماری نقش بسزایی در استنتاج نتایج به عهده دارند.
بنابرابن با توجه به مطالب ارائه شده در فصل­های قبل و با در نظر گرفتن چارچوب کلی تحقیق، در این فصل به تجزیه و تحلیل داده ­های گردآوری شده و ارائه یافته­های تجربی پژوهش جاری پرداخته می شود. به عبارت دیگر، در این فصل تلاش می­گردد برای پاسخگویی به مسأله تدوین شده و یا تصمیم ­گیری در مورد تأیید یا رد فرضیه های پژوهش، از روش­های مختلف تجزیه و تحلیل استفاده گردد تا در نهایت یافته­های تجربی مرتبط با این آزمون­ها ارائه شوند.
در این راستا داده ­های جمع آوری شده، ابتدا در قالب یک بانک اطلاعاتی در نرم افزار Excel دسته بندی شدند و در ادامه با بهره گرفتن از نرم افزارهای ، SPSS و Stata آزمون فرضیه های پژوهش که رگرسیون ساده چند متغیره می باشد انجام شد.
بطور کلی می­توان گفت، در این فصل ابتدا تحلیل آمار توصیفی بیان می گردد، در ادامه مفروضات کلاسیک استفاده از رگرسیون آزمون شده و سپس به آزمون فرضیه ها‏ و متغیرهای مربوطه پرداخته و در پایان نتایج حاصل از برآورد مدل تشریح خواهد شد.

۲-۴- آمار توصیفی

آمار توصیفی^[۱۲۰] به آن دسته از روش­های آماری گفته می شود که به پژوهشگر در طبقه بندی، خلاصه کردن، توصیف و تفسیر و برقراری ارتباط از طریق اطلاعات جمع آوری شده کمک می­ کند (دلاور،۱۳۹۰). یکی از مهمترین مزایای استفاده از آمار توصیفی خلاصه کردن حجم عظیمی از اطلاعات است. در این بخش به بیان توصیفی مشخصات نمونه آماری با توجه به متغیرهای مورد بحث، پرداخته می شود.
در این راستا برای ارائه یک نمای کلی از خصوصیات مهم متغیرهای محاسبه شده، در جدول زیر برخی از مفاهیم آمار توصیفی این متغیرها، شامل تعداد مشاهدات، میانگین^[۱۲۱] (به عنوان مهمترین شاخص مرکزی)، میانه^[۱۲۲]، مُد^[۱۲۳]، انحراف معیار^[۱۲۴]، واریانس^[۱۲۵]، حداقل و حداکثر مشاهدات ارائه شده است.
جدول ۱-۴: آمار توصیفی متغیرهای پژوهش

متغیرها شاخص ها	بازده غیر عادی کوتاه مدت	محافظه کاری	اندازه شرکت (لگاریتم)	اهرم مالی	ROA	سن شرکت (لگاریتم)	نوسان بازده بازار	تعداد سهامداران نهادی	درصد عرضه اولیه	حجم عرضه های اولیه(لگاریتم)
میانگین	۰٫۱۹۶۱	-۰٫۰۶۸۵

ناحیه ی درونی چندک ام برای اطلاعات چندک برای توزیع را به صورت کامل مشخص می کند. یک ویژگی بارز این ناحیه، تودرتو بودن آن است، بدین معنی که به ازای ناحیه درونی چندک ام زیر مجموعه ناحیه درونی چندک ام است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

برای یکسان سازی نمادها، با توجه به وجود تنها دو جهت در ، ، تابع چندکی جهت یافته از میانه را به صورت زیر تعریف می کنیم:
شکل زیر ناحیه ی درونی چندک ام در حالت یک متغیره را نشان می دهد.
شکل (۱-۴): ناحیه ی درونی چندک ام در حالت یک متغیره
در شکل (۱-۴) نقاط و نقاط مرزی هستند که ناحیه ی درون این بازه دارای احتمال و ناحیه ی خارج این بازه دارای احتمال می باشد.
۱-۲-۲- تابع چندکی جهت یافته از میانه در حالت چند متغیره
برای تعریف تابع چندکی در حالت چند متغیره نیازمند تعریف میانه هستیم. روش های مختلفی برای محاسبه میانه در حالت چند متغیره وجود دارد (به عنوان مثال در بخش ۲-۲ به روش تابع عمق اشاره خواهد شد) حالا فرض می کنیم که میانه ی داده شده است و که به صورت زیر تعریف می شود:
همچنین فرض می کنیم خانواده ی که در آن برای ، و است، شامل ناحیه های تودرتو حول باشد. تابع چندکی جهت یافته از میانه به سادگی با شاخص گذاری هر نقطه روی کران ساخته می شود که به صورت مبسوط مورد بررسی قرار خواهد گرفت.
شکل زیر، ناحیه های درونی را نشان می دهد که همگی حول مرکز یعنی میانه واقع شده اند.
شکل (۱-۵): ناحیه های درونی حول مرکز به طوریکه
با مشخص کردن نقاط روی ناحیه های مرزی و تابع چندکی جهت یافته از میانه حاصل می شود. به طور دقیق تر برای ، تعریف می شود و آنگاه توسط نقطه ی مرزی در جهت از مشخص می شود و یک ناحیه ی درونی چندک ام را ارائه می کند. کرانه های ، که کانتور نامیده می شود، تفسیر های مفیدی را به عنوان تابع چندکی جهت یافته از میانه دارند. ایده های متفاوت از میانه ی و شکل های متفاوت برای ناحیه های ما را به فرم های متفاوت تابع چندکی، سوق می دهند.
شکل (۱-۶): انتخاب یک ناحیه در بین ناحیه های تودر تو که کمترین احتمال بزرگتر از را دارد.
شکل (۱-۶) ناحیه های تودرتو را نشان می دهد و در اینجا ناحیه ای را نشان می دهد که در بین ناحیه های دیگر کمترین احتمال بزرگتر از را دارد و به این ناحیه، ناحیه ی درونی چندک ام گفته و به کرانه های کانتور می گوئیم.
خواص تابع چندکی جهت یافته از میانه در زیر بیان شده است:
۱- برای هر ثابت و به ازای همه ی ها، مجموعه شامل یک ناحیه ی درونی چندک ام با نقاط مرزی و میانه می باشد.
۲- برای هر جهت از فاصله ی نسبت به افزایشی است، که در آن نشان دهنده نرم اقلیدسی است.
۳- ناحیه های درونی چندک ام یا به ازای همه ی ها دارای ساختار و تفسیر مناسبی است.
برای راحتی کار، از این به بعد به جای نام کامل تابع چندکی جهت یافته از میانه، به اختصار از تابع چندکی نام می بریم.
فصل دوم
چندک ها بر اساس تابع عمق
۲-۱- مقدمه
همانگونه که قبلا متذکر شدیم، توسیع مفهوم چندک به داده های چند بعدی می تواند از چند منظر صورت گیرد، ما در این فصل این مفهوم را با بهره گرفتن از تابع عمق گسترش می دهیم. بدین منظور ابتدا تابع عمق را تعریف کرده و سپس با معرفی یک تابع عمق خاص به نام تابع عمق نیم فضا و به کارگیری آن، مفهوم چندک را برای متغیرهای چند بعدی معرفی می کنیم.
۲-۲- تابع عمق
تابع حقیقی مقدار و غیر منفی که بر روی تعریف شود و یک مفهوم مرکزی و ترتیبی روی ایجاد کند را یک تابع عمق گویند. منظور از مفهوم مرکزی و ترتیبی این است که بتوان نقطه مرکزی داده ها را مشخص کرده و ترتیبی برای داده ها در نظر گرفت. مرکز نقطه ای است که بیشترین عمق را دارا باشد. در صورت وجود چند نقطه با بیشترین عمق، میانگین این نقاط را مرکز می گیرند. با فاصله گرفتن از نقطه مرکزی عمق نقاط کاهش یافته و لذا یک رابطه ترتیبی در ایجاد می شود. لازم به ذکر است که توابع عمق متفاوتی وجود دارد و ما در این پایان نامه از تابع عمق نیم فضا بهره می جوئیم که در ادامه به آن اشاره می شود.
۲-۲-۱- تابع عمق آماری
فرض کنید یک تابع توزیع باشد. هر تابع که یک مفهوم مرکزی و ترتیبی روی بر اساس ایجاد می کند را یک تابع عمق آماری گویند.
فرض کنید یک تابع عمق آماری باشد. اگر به جای یک متغیر تصادفی قرار گیرد آنگاه تابع توزیع متغیر تصادفی به صورت معمول زیر تعریف می شود:
۲-۲-۱-۱- ناحیه ی درونی عمق
فرض کنید یک تابع عمق آماری باشد. ناحیه ی درونی عمق به صورت
معرفی می شود. لازم به ذکر است که
در ادامه یک تابع عمق آماری را ارائه و مفهوم تابع چندکی را توسط آن بیان می کنیم.
۲-۲-۱-۲- تابع عمق نیم فضا
وقتیکه یک نیم فضای بسته باشد، تابع عمق نیم فضا به صورت زیر تعریف می شود:
برای روشن تر شدن مفهوم تابع عمق نیم فضا، را در نظر بگیرید. یک صفحه به صورت های مختلفی به نیم صفحه افراز می شود. نیم صفحه ای را برمی گزیند که کمترین احتمال پوشش نقطه را داشته باشد.
۲-۲-۱-۲-۱- ناحیه ی درونی عمق نیم فضا
فرض کنید یک تابع احتمال روی باشد. در صورتیکه یک نیم فضای بسته باشد، ناحیه ی درونی عمق نیم فضا به صورت زیر تعریف می شود:
برای مثال، فرض کنید است، آنگاه ناحیه ای است که بین تمام نیم صفحه هایی که احتمال آنها از بزرگتر است، مشترک است.
شکل (۲-۱)، را برای توزیع نرمال دو متغیره با های متفاوت و شکل (۲-۲)، را برای توزیع نمایی دو متغیره با های متفاوت نشان می دهد.
شکل (۲-۱): ناحیه های درونی تودرتو برای توزیع نرمال دو متغیره
شکل (۲-۲): ناحیه های درونی تودرتو برای توزیع نمایی دو متغیره
۲-۲-۱-۳- ناحیه ی مرکزی ام
بیشترین عمق کرانه ای که دارای ناحیه های درونی با احتمال بزرگتر یا مساوی است را توسط نشان می دهیم. لازم به ذکر است که کرانه همان کانتور است.
(۲-۱) .
با توجه به تعریف، چون نسبت به نزولی است بنابراین وقتی به صعود می کند ناحیه ی به نزول می یابد و داریم:
.
درستی رابطه فوق در زیر توضیح داده شده است.

۴-۴-۱٫ تحلیل عاملی تاییدی
برای قبول روایی یک مدل، و در نتیجه روایی نشان‌گرهای آن سازه، لازم است نشان دهیم که بین این نشانگرها (مثلا سوالها و تست های فرعی) هماهنگی و همسویی وجود دارد. از میان روش های مختلفی که برای مطالعه ساختار داخلی یک مجموعه از نشانگرها وجود دارد، تحلیل عاملی تاییدی احتمالا مفیدترین روشی است که به برآورد پارامتر و آزمونهای فرضیه ها، با توجه به تعداد عاملهای زیربنایی روابط میان مجموعه نشانگرها می پردازد (هومن، ۱۳۸۸، ص۲۹۵).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۴-۱-۱٫ مدل اندازه گیری مرتبه اول متغیرهای برونزای تحقیق
با توجه به اینکه دو متغیر برونزای تحقیق حاضر یعنی کیفیت خدمات و اعتماد از نوع مرتبه دوم می باشد لذا ما تحلیل را در دو سطح انجام خواهیم داد. لذا در تحلیل عملی تاییدی مرتبه اول به دنبال پاسخگویی به این سوال هستیم که آیا سوالات طراحی شده برای ابعاد این متغیر، توانایی و قابلیت لازم جهت سنجش ابعاد این سازه را دارا می باشند یا خیر؟ به زعم بسیاری از کارشناسان چنانچه ضریب استاندارد یک سوال از ۰٫ ۳ بیشتر باشد آن سوال از روایی لازم برخوردار می باشد، البته در بعضی از نوشته ها به عدد ۰٫ ۵ یا حتی ۰٫ ۷ نیز اشاره شده است. ما در ادامه مدل اندازه گیری متغیرهای برونزا را در دو حالت ضرایب استاندارد واعداد معناداری نشان خواهیم.
شکل ۴-۱ : مدل اندازه گیری مرتبه اول متغیرهای برونزا در حالت تخمین استاندارد
شکل ۴-۲ : مدل اندازه گیری مرتبه اول متغیرهای برونزا در حالت اعداد معناداری
همانطور که در شکل ۴-۱ نیز دیده می شود تمامی سوالات تحقیق از روایی لازم جهت سنجش ابعاد متغیرهای برونزا برخوردارند.
در شکل ۴- ۲ ما مدل اندازه گیری متغیرهای برونزا را در حالت اعداد معناداری آورده ایم. معیار ما در تایید یا رد یک سوال اعداد معناداری می باشد. معیار ما در اعداد معناداری به این صورت می باشد که چنانچه عدد معناداری بزرگتر از مقدار ۱٫ ۹۶ یا کمتر از مقدار ۱٫ ۹۶- باشد آن سوال جهت سنجش بعد مورد نظر تایید می‌شود و چنانچه عدد معناداری در بازه فوق قرار گیرد آن سوال جهت سنجش آن بعد رد خواهد شد و با توجه به اینکه تمامی سوالات مربوط به ابعاد متغیرهای برونزا عدد معناداری بالاتر از ۱٫ ۹۶ را به خود اختصاص داده اند در نتیجه تمامی سوالات ابعاد متغیرهای برونزا از روایی لازم برخوردار می باشند.
‌۴-۴-۱-۲٫ مدل اندازه گیری مرتبه دوم متغیرهای برونزای تحقیق
در مدل اندازه‌گیری مرتبه اول، به دنبال آن هستیم که آیا سوالات قابلیت لازم جهت سنجش ابعاد یک متغیر را دارند یا خیر. رویه در تحلیل عاملی مرتبه دوم بدین صورت است که به دنبال پاسخ به این سوال هستیم که آیا ابعاد مورد نظر توانایی سنجش متغیر مورد نظر را دارند یا خیر. در مدل اندازه‌گیری مرتبه دوم، متغیرهای اصلی ما که در اینجا کیفیت خدمات و اعتماد می‌باشند نقش متغیر مکنون را به خود می گیرد و ابعاد در نقش متغیر مشاهده گر ظاهر می‌شوند. معیار ما جهت تعیین روایی و همچنین تایید یا رد جهت سنجش همانند تحلیل عاملی مرتبه اول می‌باشد.
شکل ۴- ۳ : مدل اندازه گیری مرتبه دوم متغیرهای برونزا در حالت تخمین استاندارد
شکل ۴- ۴ : مدل اندازه گیری مرتبه دوم متغیرهای برونزا در حالت اعداد معناداری
همانطور که نتایج تحلیلی عاملی تاییدی مرتبه دوم نشان می دهد تمامی ابعاد متغیرهای برونزا از توانایی لازم جهت سنجش متغیر مورد نظر خود برخوردارند چرا که اعداد معناداری هر یک از این ابعاد از مقدار ۱٫ ۹۶ بالاتر می باشد. بنابراین از تمامی سوالات و ابعاد متغیرهای برونزا میتوان در مدل ساختاری معادلات ساختاری یا تحلیل مسیر استفاده نمود.
‌۴-۴-۱-۳٫ مدل اندازه گیری مرتبه اول متغیرهای درونزای تحقیق
تحقیق حاضر دارای سه متغیر درونزای رضایت مشتری، ارزش ادراک شده و وفاداری مشتری از نوع مرتبه دوم می باشند یعنی برای سنجش متغیرهای مورد نظر با توجه به بررسی پیشینه ابعادی در نظر گرفته شده و سپس برای سنجش هر یک از ابعاد سوالاتی طراحی شده است. در نتیجه به منظور تحلیل روایی لازم است این کار در دو مرتبه صورت پذیرد. یعنی ابتدا ما بایستی به بررسی این نکته بپردازیم که آیا سوالات طراحی شده قابلیت و توانایی لازم جهت سنجش بعد مورد نظر خود را دارا می باشند یا خیر که این همان تحلیل عاملی تاییدی مرتبه اول است. حال با توجه به تحلیل عاملی تاییدی مرتبه اول می توان تحلیل عاملی تاییدی مرتبه دوم را انجام داد. یعنی سوالاتی که در تحلیل عاملی تاییدی مرتبه اول از روایی لازم برخوردار بودند می توانند وارد مرحله تحلیل عاملی تاییدی مرتبه دوم شوند.
ما در تحلیل عاملی تاییدی مرتبه اول به دنبال بررسی آن هستیم که آیا سوالات طرح شده اعتبار و روایی لازم جهت سنجش ابعاد مورد نظر که در اینجا نقش متغیرهای مشاهده گر را بازی می کنند را دارا می باشند یا خیر؟ لازم به ذکر است هر چه ضرایب استاندارد بالاتر باشند جهت تعیین روایی بهتر به نظر می رسند و در مورد ضرایب معناداری که ملاک رد یا تایید یک سوال جهت سنجش یک بعد می باشند باید به این نکته اشاره کرد که اگر عدد حاصل در فاصله ۱٫ ۹۶ و ۱٫ ۹۶- قرار گیرد آن سوال جهت سنجش بعد مورد نظر رد می شود و اگر عدد حاصل بیشتر از ۱٫ ۹۶ یا کمتر از ۱٫ ۹۶- باشد سوال مورد نظر جهت سنجش آن بعد تایید می شود.
شکل ۴- ۵: مدل اندازه گیری مرتبه اول متغیرهای درونزای تحقیق در حالت تخمین استاندارد
شکل ۴- ۶: مدل اندازه گیری مرتبه اول متغیرهای درونزای تحقیق در حالت اعدا د معناداری
۴-۴-۱-۴٫ مدل اندازه گیری مرتبه دوم متغیرهای درونزای تحقیق
در مدل اندازه گیری مرتبه اول، به دنبال آن هستیم که آیا سوالات قابلیت لازم جهت سنجش ابعاد یک متغیر را دارند یا خیر. رویه در تحلیل عاملی مرتبه دوم بدین صورت است که متغیرهای اصلی تحقیق نیز وارد می‎شوند در این مرحله به دنبال پاسخ به این سوال هستیم که آیا ابعاد مورد نظر توانایی سنجش متغیر مورد نظر را دارند یا خیر. در مدل اندازه گیری مرتبه دوم، متغیرهای رضایت مشتری، ارزش ادراک شده و وفاداری مشتری نقش متغیر مکنون را به خود می گیرد و ابعاد در نقش متغیر مشاهده گر ظاهر می شوند. معیار ما جهت تعیین روایی و همچنین تایید یا رد جهت سنجش همانند تحلیل عاملی مرتبه اول می باشد.
شکل ۴- ۷: مدل اندازه گیری مرتبه دوم متغیرهای درونزای نحقیق در حالت تخمین استاندارد
شکل ۴-۸ : مدل اندازه گیری مرتبه دوم متغیرهای درونزای تحقیق در حالت اعداد معناداری
همانطور که نتایج تحلیل عاملی تاییدی مرتبه دوم مربوط به متغیرهای درونزای تحقیق نشان می دهد تمامی ابعاد در نظر گرفته شده جهت سنجش متغیرهای درونزا از قابلیت و توانایی لازم جهت سنجش آنچه که برای آن طراحی شده اند برخوردار می باشند. در نتیجه تمامی سوالات طراحی شده جهت سنجش متغیرهای درونزا را نیز می توان در مدل معادلات ساختاری به کار برد.
۴-۴-۲٫ مدل معادلات ساختاری
یک مدل معادله ساختاری مفروض، در واقع یک ساختار علی مشخص شده بین مجموعه​ای از سازه های مشاهده ناپذیر است که هر یک توسط مجموعه​ای نشانگرها اندازه گیری می شود، و می توان آن را از لحاظ برازش در یک جامعه به خصوص آزمود( هومن، ۱۳۸۸، ص ۳۴ ).
مدل معادلات ساختاری از دو بخش مدل اندازه گیری یا تحلیل عاملی تاییدی و مدل ساختاری یا تحلیل مسیر تشکیل شده است. در بخش قبل به منظور تحلیل روایی از بخش مدل اندازه گیری مدل اندازه‌گیری استفاده شد. اما به منظور تایید یا رد فرضیات باید از بخش مدل ساختاری که به تحلیل مسیر معروف است استفاده نمود. مدل ساختاری روابط موجود بین متغیرهای تحقیق را نشان می دهد.
معیار ما جهت تایید یا رد فرضیات تحقیق، اعداد معناداری می باشد، چنانچه عدد معناداری مربوط به یک فرضیه بیشتر از ۱٫ ۹۶ یا کمتر از ۱٫ ۹۶- باشد فرضیه مورد نظر تایید می شود و اگر عدد معناداری مربوط به فرضیه‌ای در بازه‌ی فوق قرار گیرد آن فرضیه رد می شود.
در مدل ساختاری، ضرایب استاندارد نشان دهنده میزان تاثیر متغیر مستقل بر روی متغیر وابسته می باشد. یا به عبارت دیگر یک واحد متغیر مستقل را تغیر دهیم متغیر وابسته به چه میزان تغیر خواهد کرد. چنانچه عدد مربوط به ضریب استاندارد را به توان دو برسانیم واریانس تبیین شده به دست خواهد آمد که این عدد درصد پیش بینی کنندگی متغیر مستقل از متغیر وابسته را نشان می دهد. هر چه این عدد بزرگتر باشد بهتر باشد چرا که تاثیر عوامل تصادفی بر روی متغیر وابسته کاهش خواهد یافت.
لازم به ذکر است مدل مفهومی تحقیق حاضر شامل ۸ فرضیه می باشد که این ۸ فرضیه در نتیجه روابط مستقیم بین متغیرهای تحقیق حاصل شده اند ما در ادامه از طریق بخش ساختاری مدل معادلات ساختاری به بررسی فرضیات تحقیق خواهیم پرداخت.
۴-۴-۳٫ آزمون فرضیات تحقیق
تحقیق حاضر دارای یک فرضیه اصلی و هفت فرضیه فرعی می‌باشد که فرضیه اول رابطه مستقیم کیفیت خدمات و وفاداری مشتریان را بررسی می کند، و هفت فرضیه فرعی نیز از تاثیر سایر متغیرها بر روی هم حاصل شده‌اند که در ادامه با ذکر هر یک به بررسی هر یک خواهیم پرداخت.
فرضیه اصلی اول : کیفیت خدمات تاثیر مثبت و معناداری بر وفاداری مشتریان دارد.
H₀ : کیفیت خدمات تاثیر مثبت و معناداری بر وفاداری مشتریان ندارد.
H₁ : کیفیت خدمات تاثیر مثبت و معناداری بر وفاداری مشتریان دارد.
معیار ما جهت تایید یا رد یک فرضیه اعداد معناداری است و از آنجا که عدد معناداری فرضیه اول برابر ۹٫ ۱۳ است و این مقدار بیشتر از ۱٫ ۹۶ می‌باشد بنابراین H₀ رد می‌شود و فرضیه اول که تاثیر مستقیم کیفیت خدمات بر وفاداری را بررسی می‌کرد، تایید می‌شود.
فرضیه اصلی دوم : اعتماد تاثیر مثبت و معناداری بر وفاداری مشتریان دارد.
H₀ : اعتماد تاثیر مثبت و معناداری بر وفاداری مشتریان ندارد.
H₁ : اعتماد تاثیر مثبت و معناداری بر وفاداری مشتریان دارد.
همانطور که پیش تر بدان اشاره شد معیار ما جهت تایید یا رد یک فرضیه اعداد معناداری است و از آنجا که عدد معناداری فرضیه دوم برابر ۱٫ ۴۷ است و این مقدار کمتر از ۱٫ ۹۶ می‌باشد بنابراین H₀ تایید می‌شود و فرضیه اصلی دوم که تاثیر مستقیم اعتماد و وفاداری را بررسی می‌کرد، رد می‌شود.
فرضیه فرعی اول: کیفیت خدمات تاثیر مثبت و معناداری بر ارزش ادراک شده دارد.
H₀ : کیفیت خدمات تاثیر مثبت و معناداری بر ارزش ادراک شده ندارد.
H₁ : کیفیت خدمات تاثیر مثبت و معناداری بر ارزش ادراک شده دارد.
همانطور که پیش تر بدان اشاره شد معیار ما جهت تایید یا رد یک فرضیه اعداد معناداری است و از آنجا که عدد معناداری فرضیه فرعی اول برابر ۵٫ ۸۱ است و این مقدار بیشتر از ۱٫ ۹۶ می‌باشد بنابراین H₀ رد می‌شود و فرضیه دوم که تاثیر مستقیم، کیفیت خدمات و ارزش ادراک شده را بررسی می‌کرد، تایید می‌شود.
فرضیه فرعی دوم: کیفیت خدمات تاثیر مثبت و معناداری بر رضایت مشتریان دارد.
H₀ : کیفیت خدمات تاثیر مثبت و معناداری بر رضایت مشتریان ندارد.
H₁ : کیفیت خدمات تاثیر مثبت و معناداری بر رضایت مشتریان دارد.