۰٫۵۸۹^**

۰٫۴۲۰^**

۰٫۵۷۲^**

۰٫۳۲۰^**

۰٫۳۹۳-^**

۰٫۶۴۲^**

۱

۰٫۶۷۴^**

وفاداری مشتریان

۰٫۷۵۶^**

۰٫۵۶۵^**

۰٫۷۱۷^**

۰٫۴۴۷^**

۰٫۴۵۰-^**

۰٫۶۷۳^**

۰٫۶۷۴^**

۱

^**معنادار در سطح اطمینان ۹۹ درصدی.
۴-۴ آزمون مدل ساختاری تحقیق با بکار گیری نرم افزار لیزرل
مدل سازی معادله ساختاری انواع متنوعی از مدل­ها با هدف مشابه است که برای به تصویر کشیدن روابط میان متغیرهای مشاهده شده به کار می­رود. این هدف، فراهم کردن آزمونی کمّی برای یک مدل نظری مفروض شده به وسیله محقق است. این مدل­ها فرض می­ کنند که چگونه مجموعه ­ای از متغیرها، سازه­ها را تعریف کرده و چگونه این سازه ها با یکدیگر مرتبطند (شوماخر و لومکس، ۱۳۸۸). مدل­های ساختاری و یا مدل­های لیزرل شناخته شده ترین مدل­های ساختاری در حوزه ­های تحقیق به خصوص مدیریت و بازاریابی هستند.

( 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. )

طی ۲۰ سال گذشته، از زمانی که کارل جورسکاگ^[۸۰] برای اولین بار مدل لیزرل را معرفی کرد، مدل های لیزرل اشتهار قابل توجهی در میان پژوهشگران در بسیاری از زمینه ­های تحقیقی و کاربردی کسب کرده است. این اشتهار اساسا به دو دلیل بوده است، اول اینکه مدل­ها قادرند روابط علی و تئوریکی را که پژوهشگران به هنگام تفکر در مورد فراگردهای علّی و روابط بین متغیرها در نظر دارند بطور بسیار ساده و ملموسی منعکس کنند. دوم اینکه نرم افزار کامپیوتری توسعه داده شده برآورد پارامترهای مدل را بسیار آسان ساخته و برآورد مدل­های بزرگ و گاهی پیچیده را نیز در قالبی بسیار ساده امکان پذیر ساخته است. در سایر مدل های تحلیلی، روش معمولا تعیین کننده چهره­ های مدل مورد نظر بوده و پژوهش در بسیاری از موارد از طریق تئوری صورت می­گیرد. مثلا یک مدل خطی لگاریتمی با ۱۰ تا ۱۵ متغیر تعداد قابل توجهی پارامتر تولید می­ کند که بسیاری از آنها برای محقق مستقیما قابل درک نبوده و فاقد معنای تئوریک می­باشند، در حالی که در یک مدل لیزرل نخست روابط بین متغیرها توسط تئوری در قالب یک نمودار تحلیل مسیر مشخص و سپس پارامترهای مربوط به آن مدل بخصوص برآورد و مورد تجزیه و تحلیل قرار می­گیرند (قاضی طباطبایی ۱۳۷۴).
علاوه بر این مزیت و نقاط قوت دیگری نیز سبب توسعه و جذابیت مدل­های لیزرل شده است. با کمک لیزرل می­توان باقی مانده­ها را با هم و با متغیرهایی که قبل از آنها در مدل آمده­اند، همبسته در نظر گرفت و تاثیر آن را بر نتایج بررسی نمود. به تعبیر دقیق تر با کمک لیزرل می­توان اشتباهات اندازه ­گیری را هم مورد بررسی قرار داد، مدل­های غیررگرسیو و مدل­هایی با باقی مانده­های همبسته را تحلیل کرد؛ و به تحلیل مدل­های پیچیده­ای پرداخت که در آنها همه یا برخی از مفاهیم با معرف­های تجربی چندگانه سنجیده می­شوند (کرلینجر و پدهازر ۱۳۸۴). بدین ترتیب با توجه به امتیازات و نقاط قوت مدل لیزرل در این بخش به آزمون مدل تحقیق با نرم افزار لیزرل پرداخته شده است.
۴-۴-۱ ارزیابی مدل تأثیر ارزش مورد انتظار مشتری بر وفاداری مشتریان درخطوط هوایی ایران
در این پژوهش مبتنی بر تبیین نظری تحقیق و زنجیره علّی متناظر با آن یک مدل نظری طراحی شده است که هدف آن آزمون مکانیسم اثرگذاری ارزش مورد انتظار مشتری بر وفاداری مشتری به طور مستقیم و به واسطه متغیرهایی دیگر شامل تصویر برند، تصویر شرکت، اعتماد کارکنان، اعتماد شرکت، کیفیت خدمات و هزینه می­باشد. مدل حاضر، یکی از مدل­های موجود در زمینه ارزش درک شده مشتری است که کامل­تر از بقیه بوده و ابعاد جامع­تری را در بر دارد. در این مدل ارزش مورد انتظار مشتری عبارت است از اختلاف بین منافع کل و هزینه کل مشتری یا “منافع ادراک شده منهای هزینه­ های ادراک شده".
در مدل اندازه گیری مدل معادلات ساختاری روابط علّی بین متغیر وابسته و متغیرهای قابل مشاهده آزمون می شوند که اگر شاخصهای برازندگی مدل تأیید شود، از آن می توان برای آزمون فرضیه ها در مورد وجود رابطه علی بین متغیرهای موجود استفاده کرد. بنابراین گام اول تعیین برازندگی مدل است. ابتدا مدل ساختاری مربوط به خطوط هوایی کشور در نرم افزار لیزرل اجرا گردید که نتایج اولیه هر چند تا حدودی برازش اولیه مدل را تایید می کردند اما از آنجا که برازش بطور کامل محقق نشده بود، تصمیم به بهبود شاخص­ های برازش گردید. مهمترین شاخص برازش نسبت خی دو به درجه آزادی است که در مدل با برازش خوب انتظار می­رود این شاخص از ۳ کمتر شود. مقدار کای اسکوار اولیه با درجه آزادی ۵۰۷ و مقدار ۱۳۰۱ نشان می­دهد که مدل مورد نظرما در وهله اول از برازش نسبتا قابل قبولی برخوردار است (=۲٫۵۶)، اما باید توجه داشت که این شاخص تنها یکی از شاخص­ های برازندگی مدل­های لیزرل است و در کنار این شاخص باید، سایر شاخص ­ها را نیز ارزیابی کرد. یکی از این شاخص ­ها، شاخص برازش مربوط به باقیمانده ها یا (RMSEA^[81]) است که آن برخلاف شاخص خی دو در وهله اول در سطح بالایی قرار داشته و تاییدی بر عدم برازش اولیه مدل با داده بود(RMSEA=0.089). شوماخر و لومکس (۱۳۸۴) در چنین شرایطی گام بعدی را اصلاح مدل و ارزیابی مدل جایگزین و اصلاح شده پیشنهاد می­ کنند. در واقع نرم افزار لیزرل این قابلیت را دارد که با ارائه مسیرهای پیشنهادی امکان اصلاح مدل و برازش آن را فراهم کند. برای رفع مشکل عدم برازش، بر اساس پیشنهادهای نرم افزار لیزرل برای دستیابی به نیکویی برازش بهتر، همبستگی خطای تعدادی از متغیرها در داخل مدل لحاظ گردید که باعث و کاهش خی دو به ۱۱۱۶٫۷۵ و درجه آزادی ۵۰۲ گردید که نشان دهنده برازش قابل قبول مدل با داده هاست (=۲٫۲۲). شاخص برازش مربوط به باقیمانده ها یا (RMSEA) نیز به ۰٫۰۷۸ کاهش یافت که میزان قابل قبولی به شمار می رود. ضرایب NFI و RFI مدل به ترتیب ۰٫۹۶ و ۰٫۹۵ شدند که بالاتر از ۰٫۹ بوده و نشانگر برازش خوب مدل بر داده هاست؛ همچنین ضریب نیکویی برازش CFI نیز ۰٫۹۷ شده است که در حد قابل قبولی قرار دارد.
جدول ۴-۹ : شاخص های نیکویی برازش مدل تاثیر ارزش مورد انتظار بر وفاداری مشتریان درخطوط هوایی کشور

معیار

حد قابل قبول

مقدار بدست آمده

نسبت کای دو به درجه آزادی

کوچکتر از ۳

۲٫۲۲

شاخص برازش نرمال شده (NFI)

بزرگتر یا مساوی ۰٫۹۰

۰٫۹۶