با توجه به جدول بالا، بیشتر پاسخ ها از ۳ بزرگترند.
جدول زیر آماره آزمون ویلکاکسون و مقدار احتمال مربوطه را نشان می دهد.

Test Statisticsa
  عوامل فرهنگی و اجتماعی
Z -۸٫۶۶۲
Asymp. Sig. (2-tailed) .۰۰۰
a. Wilcoxon Signed Ranks Test

با توجه به اینکه مقدار احتمال در جدول فوق از ۰۵/۰ کمتر است بنابراین پاسخ ها به طور معناداری از ۳ بزرگترند. پس شاخص فرهنگی ،اجتماعی و آموزشی ، اثر مثبت و معنا دار بر میزان فروش بیمه نامه عمر دارد .

(( 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. ))

تحلیل ساختاری:
برای بررسی بیشتر فرضیات تحقیق از تحلیل عاملی استفاده می کنیم.
در این تحلیل که از نرم افزار AMOS استفاده شده است، تأثیر متغیرهای مشاهده شده انگیزش بیمه گذاران، عوامل فرهنگی و اجتماعی، ساختار مدیریت شرکت بیمه و تورم را بر متغیر مکنون میزان فروش بیمه نامه عمر بررسی می کنیم.
شکل زیر ضرایب مسیر و باقیمانده ها را نشان می دهد.

همانطور که آشکار است، نرم افزار AMOS یک سری شاخص‌های برای سنجش نیکویی برازش مدل تدوین شده ارائه می‌دهد. در ادامه کلیه شاخص های ذکر شده مورد بررسی قرار می گیرند.
شاخص کای دو (۲χ) : که نشان دهندۀ میزان آمارۀ کای دو برای مدل است. در واقع این شاخص اختلاف بین مدل و داده‌ها را نشان می‌دهد و معیاری برای بد بودن مدل است. لذا هرقدر که میزان آن کمتر باشد، حاکی از اختلاف کمتر بین ماتریس واریانس-کوواریانس نمونۀ اتخاذ شده و ماتریس واریانس-کوواریانس حاصل از مدل اتخاذ شده بوده و بد بودن مدل را نشان می‌دهد. البته لازم به ذکر است که میزان این شاخص تحت تأثیر تعداد نمونۀ اتخاذ شده قرار می‌گیرد. در واقع چنانچه حجم نمونه بیشتر از ۲۰۰ بشود، این شاخص تمایل زیادی به افزایش دارد. لذا تحلیل برازندگی مدل با این شاخص، معمولاً در نمونه‌های بین ۱۰۰ تا ۲۰۰ قابل اتکا است. همچنین بهتر است که این شاخص، با در نظر گرفتن درجه آزادی تفسیر شود.
درجه آزادی (df): این شاخص درجه آزادی مدل را نشان می‌دهد و نباید کوچکتر از صفر باشد.
نسبت کای دو بر درجه آزادی (df /2χ): یکی از بهترین شاخص‌های بررسی نیکویی برازش مدل، بررسی نسبت آمارۀ کای دو بر درجه آزادی که است. البته حد استانداردی برای مناسب بودن میزان این شاخص وجود ندارد. اما بسیاری از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۳ باشد. در نهایت حد مناسب بودن باید با تشخیص محقق و بر اساس نوع تحقیق صورت گیرد.
شاخص میانگین مجذور خطاهای مدل (RMSEA): این شاخص براساس خطاهای مدل ساخته شده و همانند شاخص کای دو، معیاری برای بد بودن مدل است. برخی از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۰٫۰۵ باشد، همچنین برخی دیگر، میزان کمتر از ۱/۰ را مناسب می‌دانند.
شاخص Goodness-of-Fit (GFI): این شاخص، معیاری برای سنجش میزان خوب بودن مدل است و میزانی بالاتر از ۰٫۹، نشان دهندۀ مناسب بودن مدل استخراج شده با توجه به داده‌ها است.
شاخص Adjusted GFI (AGFI): این شاخص، در واقع حالت تطبیق داده شدۀ شاخص GFI با در نظر گرفتن میزان درجۀ آزادی (df) است و معیار دیگری برای خوب بودن مدل است. چنانچه میزان این شاخص بالاتر از ۹/۰ باشد، حاکی از مناسب بودن مدل استخراجی با توجه به داده‌ها است .
شاخص Normed Fit Index (NFI): این شاخص نیز یکی دیگر از شاخص‌ها برای سنجش میزان خوب بودن مدل به دست آمده با توجه به داده‌ها است. چنانچه میزان این شاخص بالاتر از ۹/۰ باشد، حاکی از مناسب بودن مدل استخراجی است (Schumacker & Lomax, 2004).
۰٫۰۴۸= RMSEAو۰٫۰۰۰= Value- P و ۴٫۴۸=df /  و ۶ = df و ۲۶٫۹۲ =
Goodness of Fit Index (GFI) = 0.94
Adjusted Goodness of Fit Index (AGFI) = 0.83
با نگاهی با نتایج خروجی نرم افزار قسمت تخمین غیر استاندارد مدل متوجه می شویم که مدل اندازه گیری مدل مناسبی است چون که مقدار کای دو آن و مقدار RMSEA آن کم بوده و مقدار GFI و AGFI بیشتر بالا است. خروجی بعدی قسمت معناداری مدل را نشان می دهد.
جدول زیر، برآورد ضرایب مسیر، انحراف استاندارد و مقدار احتمال آزمون را برای هر مسیر نشان می دهد.
Regression Weights: (Group number 1 - Default model)

      Estimate
موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...