پژوهش های پیشین در مورد بررسی تأثیر یادگیری بر نوآوری و عملکرد پروژه ‌ها در ...

ارسال شده در 16 آبان 1400 توسط نجفی زهرا در بدون موضوع

نوآوری در اجرای پروژه، منجر به بهبود عملکرد پروژه خواهد شد.

مدل ساختاری و رگرسیون

عدم رد

انتقال دانش به شکل صریح در مقایسه با شکل ضمنی آن، تأثیر مثبت بیشتری بر نوآوری در اجرای پروژه‌ها دارد.

رگرسیون

رد

منبع یافته‌های تحقیق

مجموعه وسیعی از معیارها و شاخص‌های برازندگی^[۱۴۵] وجود دارند که می‌توانند برای اندازه‌گیری برازش کل مدل مورد استفاده قرار گیرند. متأسفانه هیچ‌کدام از این شاخص‌ها در تمامی جهات نسبت به بقیه برتری ندارد و یک شاخص برازندگی خاص بسته به حجم نمونه، روش تخمین، پیچیدگی‌های مدل و فرضیات نرمال بودن یا ترکیبی از آن‌ها به طور متفاوت عمل می‌کند لذا جهت ارزیابی برازش مدل شاخص‌های مختلفی به طور همزمان به کار گرفته می‌شوند.

در این بخش ابتدا مروری اجمالی بر شناخته‌شده‌ترین شاخص‌های بررسی برازش مدل خواهیم داشت سپس به کمک این شاخص‌ها به برازش مدل تحقیق را مورد ارزیابی قرار خواهیم داد.
شاخص‌های مطلق
شاخص‌های مطلق این پرسش را مطرح می‌سازد که آیا واریانس خطا که پس از برازش مدل باقی می‌ماند مقدار قابل‌توجهی است یا خیر؟ از جمله این شاخص‌ها می‌توان به شاخص‌های آزمون مجذور کای ( )، شاخص برازندگی (GFI) و شاخص تعدیل یافته‌ی برازندگی (AGFI) اشاره نمود.
آزمون مجذور کای (خی دو) این فرضیه را که مدل مورد نظر هماهنگ با الگوی همپراشی بین متغیرهای مشاهده‌شده است را می‌آزماید، کمیت خی دو بسیار به حجم نمونه وابسته است و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد افزایش می‌دهد (هومن، ۱۳۸۴). .مشخصه‌ی مجذور کای برای یک مدل کاملاً برازش یافته برابر صفر خواهد بود.
شاخص‌های برازندگی GFI و AGFI که چارزکاگ و سوربوم (۱۹۸۹) پیشنهاد کرده‌اند بستگی به حجم نمونه ندارد و نشان می‌دهد که مدل تا چه حد نسبت به عدم وجود آن، برازندگی بهتری دارد. بر پایه‌ی قرارداد مقدار^[۱۴۶] GFIباید برابر یا بزرگ‌تر از ۰٫۹ باشد تا مدل مورد نظر پذیرفته شود. همراه است. مقدارAGFI^[147] مطلوب نیز باید بزرگ تر از ۰٫۸۵ باشد.
معیار دیگر برازش مدل «ریشه میانگین توان دوم خطای تقریب» یا به اختصار (^[۱۴۸]RMSEA) می‌شود که مقدار قابل‌قبول آن برای مدل‌های با برازش مناسب بین ۰٫۰۵ تا ۰٫۰۸ خواهد بود.
شاخص‌های نسبی
شاخص‌های نسبی در پی پاسخ به این سؤال است که یک مدل به خصوص در مقایسه با سایر مدل های ممکن از لحاظ تبیین مجموعه‌ای از داده‌های مشاهده‌شده تا چه حد خوب عمل می‌کند؟ رایج‌ترین مدل های نسبی، به مدل صفر معروف هستند زیرا در ماتریس واریانس –کواریانس تنها واریانس‌ها را برازش می‌دهند و فرض می‌کنند همه کواریانس‌ها برابر با صفر هستند.
از معروف‌ترین شاخص‌های نسبی می‌توان به شاخص‌های CFI ^[۱۴۹] و^[۱۵۰] NFI اشاره نمود. شاخص NFI (که شاخص بنتلر- بونت هم نامیده می‌شود) برای مقادیر بالای ۰٫۹ قابل‌قبول و نشانه برازش مدل است. مقادیر قابل قبل شاخص CFI یا شاخص برازندگی تطبیقی نیز همین مقدار است.
نتایج نیکویی برازش مدل تحلیل مسیر با توجه به مقادیر شاخص‌های معرفی‌شده در جدول ۴-۲۳ نمایش داده‌شده است.
معیارهای برازش مدل