۰٫۵۲

کشیدگی

۱٫۹

۰٫۴۸

۰٫۷۴

۰٫۹۱

۰٫۵-

۰٫۵۶-

مینیمم

۱

۱٫۵

۱٫۶۷

۲

۱٫۳۳

۰٫۰۴

ماکزیمم

۵

۴

۵

۴٫۸

۵

۰٫۳۷

همانطور که در جدول ۴-۵ ملاحظه می شود شاخص های گرایش به مرکز نظیر میانگین ، میانه و شاخص های پراکندگی نظیر انحراف معیار ،مینیمم ، ماکزیمم و کشیدگی و چولگی برای متغیرهای مکنون شامل شرایط محیط کار ،بعد محیط زیست ،بعد رفتار کسب و کار ،بعد جامعه و اجتماع محلی ،بعد راهبردی شرکت، محاسبه شده است . با توجه به شاخص کشیدگی و چولگی محاسبه شده وضعیت توزیع متغیرها با توزیع نرمال انطباق داده می شود ،اگر این شاخص در بازه(۲،۲-) قرار داشته باشند ، توزیع متغیرهای مکنون مورد نظر ، نرمال فرض می شود ، اینک در جدول بالا ملاحظه می نماییم که شاخص کشیدگی و چولگی برای یکایک متغیرهای مکنون در بازه مذکور قرار دارد ، لذا فرض می شود که متغیر های مکنون تحقیق اولین شرط (شرط نرمال بودن ) لازم برای کاربرد آزمون های پارامتری را دارند.

(( 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. ))

۲٫۴ بخش دوم آمار استنباطی
محقق پس از این که مسئله تحقیق خود را تعیین کرد و مراحل تعیین روش تحقیق، مشخص سازی ابزار مناسب جمع­آوری داده‌ها و به‌کارگیری آن‌ها را طی کرد اکنون نوبت آن فرامی‌رسد که داده‌های جمع‌ آوری شده را تجزیه و تحلیل کرده تا تکلیف فرضیه‌های پژوهش را که گزاره‌های احتمالی و غیر یقینی بودند معین سازد. برای تجزیه و تحلیل داده‌های جمع‌ آوری شده و تبدیل آن‌ها به اطلاعاتی که با آن‌ها بتوان فرضیه‌ها را آزمود باید مجموعه‌ای از قواعد را رعایت کرد و تکنیک‌ها و فنون آماری مناسب با داده‌ها را برگزید.
در این فصل تجزیه و تحلیل داده‌ها در دو بخش آمار توصیفی و استنباطی ارائه می‌شود. در آمار توصیفی با بهره گرفتن از فنون آمار توصیفی به تجزیه و تحلیل جمعیت شناختی نمونه آماری و در قسمت آمار استنباطی با بهره گرفتن از آزمون‌های آماری به بررسی فرضیات پژوهش می‌پردازیم. تجزیه و تحلیل استنباطی با از استفاده آزمون‌هایی چون ضریب همبستگی پیرسون نرم‌افزارSPSS انجام می‌شود.
الف- آزمون کولموگروف –اسمیرنوف برای بررسی وضعیت نرمالیته متغیرها
یکی از مهمترین پیش فرض های کاربرد آزمون های پارامتری ، نرمال بودن متغیرهای مکنون می باشد. لذا با کمک آزمون تک نمونه ای k-s به بررسی این پیش فرض خواهیم پرداخت.این آزمون از نوع ناپارامتری است و برای ارزیابی همقوارگی متغیرهای رتبه ای در دو نمونه (مستقل و یا غیر مستقل) و یا همقوارگی توزیع یک نمونه با توزیع مفروض برای یک جامعه ، به کار می‌رود. هنگام بررسی نرمال بودن داده‌ها ما فرض صفر مبتنی بر اینکه توزیع داده‌ها نرمال است را در سطح خطای ۵% تست می‌کنیم.
بنابراین اگر آماره آزمون بزرگ‌تر مساوی۰۵/۰ بدست آید، در این صورت دلیلی برای رد فرض صفر مبتنی بر اینکه داده نرمال است، وجود نخواهد داشت. به عبارت دیگر توزیع داده‌ها نرمال خواهد بود.
چنانچه سطح معناداری درآزمون کولموگروف-اسمیرنوف که در این جدول با SIG نمایش داده می‌شود بیشتر از ۰۵/۰ باشد می‌توان داده‌ها را با اطمینان بالایی نرمال فرض کرد. در غیر این صورت نمی‌توان گفت که توزیع داده‌ها منطبق بر توزیع نرمال است.
در این آزمون ، فرضیات صفر و مقابل به صورت زیر می باشد .
متغیر مورد آزمون دارای توزیعی منطبق بر توزیع نرمال می باشد : .
متغیر مورد آزمون دارای توزیعی منطبق بر توزیع نرمال نمی باشد :.
جدول ۴-۶ آزمون کولموگراف برای متغیرهای پنهان تحقیق