سامانه پژوهشی – بررسی میزان رضایت از زندگی و عوامل موثر بر آن مطالعه موردی شهر  …

سامانه پژوهشی – بررسی میزان رضایت از زندگی و عوامل موثر بر آن مطالعه موردی شهر …

۴-۳-۲-بررسی پیش فرضهای تحلیل رگرسیون و ارائه معادله آن

۴-۳-۲-۱-بررسی نرمال بودن و فاصله ای بودن سطح سنجش متغیرهای تحقیق

اگرچه برای تحلیل رگرسیون لازم است کلیه متغیرهای تحقیق در سطح سنجش فاصله ای و نیز نرمال باشند؛ اما متغیر وابسته از اهمیت ویژه ای برخوردار است. واز طرفی رگرسیون خطی اطلاعاتی در اختیار ما قرار می دهدکه به راحتی قابل چشم پوشی نیست
با توجه به اینکه غالب متغیرها در علوم اجتماعی در سطح سنجش رتبه ای قرار دارند؛ عرف تحقیقات حکایت از آن دارد که چنانچه دامنه تغییرات متغیری وسیع باشد و از توزیع نرمال برخوردار باشد؛می توان به تسامح آن را در سطح سنجش فاصله ای در نظر گرفت. و وارد تحلیل رگرسیونی نمود. بنابراین در تحقیقات اجتماعی-که غالبا با متغیرهای کیفی سروکار داریم – شایسته است پیش فرض نرمال بودن و فاصله ای بودن متغیرها توامان بررسی گردد. زیرا مطابق توضیح فوق اگر یک متغیر کیفی غیر نرمال باشد؛ غیر فاصله ای هم در نظر گرفته می شود. محققین معمولاً برای وسیع نمودن دامنه تغییرات غالباً با ارائه گویه های متعددی درباره متغیر مورد نظر و آنگاه به ترکیب[۱۲۱] آنها می پردازند تا شاخص پدید آمده دارای دامنه تغییرات وسیع باشد.برای بررسی نرمال بودن توزیع آن نیز می توان از آزمون ۱- Sample k-s که در زمره آزمونهای غیر پارامتریک است؛ استفاده نمود.
در این پژوهش برای وسیع نمودن دامنه تغییرات متغیر وابسته از ترکیب هشت گویه استفاده شده که از ترکیب آنها شاخص «رضایت از زندگی» ساخته شد. و در بررسی نرمال بودن متغیر وابسته نیز نتایج آزمون Sample k-s 1- حکایت از نرمال بودن توزیع این متغیر دارد. (پیوست ۴-۱).
غیر نرمال بودن متغیرهای مستقل خلل جدی در تحلیل رگرسیون ایجاد نمی نماید؛ هر چند از دقت نتایج می کاهد.اصولا محقق شدن تمام پیش فرضها در تحلیل رگرسیون همواره میسر نیست. نکته قابل توجه این است که استفاده از تحلیل رگرسیون با وجود محقق نشدن برخی پیش فرضها؛ غلط نیست؛ بلکه از دقت کار می کاهد.

۴-۳-۲-۲- بررسی استقلال متغیرهای مستقل از یکدیگر یا عدم هم خطی آنها

برای این منظور مسیر ذیل را دنبال می نماییم:
Analyze/ Regression/ Liner regression/ Statistics/ Collinearity diagnostics
برای بررسی استقلال متغیرهای مستقل می توان از دو آمارهء Tolerance و VIF استفاده نمود. آمارهء Tolerance برای هر متغیر در بازهء ]۱- ۰[ می باشد و تفسیر آن به این صورت است که اگر متغیر مفروض -که در واقع یکی از متغیرهای مستقل مدل است- را متغیر وابسته فرض کنیم و سایر متغیرهای مستقل را متغیرهای پیش بینی کنندهء او بدانیم؛ میزان R2 آن متغیر که در واقع میزان تبیین آن متغیر به وسیله سایر متغیرهای مستقل است را از عدد «۱» کم نماییم میزان Tolerance مربوط به آن متغیر بدست می آید.
به عبارت دیگر Tolerance = 1 – R2 در حالت ایده آل باید R= ۰ و مقدار Tolerance = 1 گردد. لیکن در عمل این امر غیر ممکن است. اما هر قدر میزان Tolerance به عدد «۱» نزدیکتر شود؛ نشان از استقلال بیشتر متغیرهای مستقل است(پیوست ۴-۳).

۴-۳-۲-۳- بررسی استقلال خطاها

برای آزمودن میزان استقلال باقیمانده ها یا خطاها از آمارهء Durbin- Watson استفاده می کنیم.
Regression/ Statistics/ Durbin- Watson
این آماره در بازه ] ۴ -۰[ قرار دارد. مقدار صفر هم خطی مثبت و مقدار ۴ هم خطی منفی و مقدار ۲ استقلال کامل خطاها را نشان می دهد.
نتایج تحقیق حکایت از آن دارد که میزان این آماره در این تحقیق = ۱/۹۲۵ Durbin- Watson است که حکایت از استقلال خوب خطاها است. (پیوست۴-۴ ).
حال در این قسمت به ارائه مدل رگرسیونی می پردازیم.

۴-۳-۳-آزمون فرضیه یکم : احساس محرومیت نسبی برکاهش رضایت از زندگی موثر است .

جدول۴-۳۲ همبستگی در خروجی تحلیل رگرسیون خطی ساده

Correlations
satisfaction with life Relative deprivation
Pearson Correlation satisfaction with life ۱٫۰۰۰ -.۳۹۵
Relative deprivation -.۳۹۵ ۱٫۰۰۰
Sig. (1-tailed) satisfaction with life . .۰۰۰
دانلود کامل پایان نامه در سایت pifo.ir موجود است.
برچسب گذاری شده با: , ,