قدرت رابطه بین عامل (متغیر پنهان) و متغیر قابل ‌مشاهده به‌ وسیله بار عاملی نشان داده می‌شود. بار عاملی مقداری بین صفر و یک است. اگر بار عاملی کمتر از ۳/۰ باشد رابطه ضعیف در نظر گرفته می‌شود و از آن صرف‌ نظر می‌شود. بار عاملی بین ۳/۰ تا ۶/۰ موردقبول بوده و اگر از ۶/۰ بزرگ‌تر باشد خیلی مطلوب است (کلاین، ۱۳۹۰).
در تحلیل عاملی متغیرهایی که یک متغیر پنهان (عامل) را می‌سنجند، باید با آن عامل، بار عاملی بالا و با سایر عامل‌ها، بار عاملی پایین داشته باشند. جهت بررسی معنادار بودن رابطه بین متغیرها از آماره آزمون t یا همان t-value استفاده می‌شود. چون معناداری در سطح خطای ۰۵/۰ محاسبه می‌شود، بنابراین اگر میزان بار عاملی مشاهده‌شده با آزمون t-value از ۹۶/۱ کوچک‌تر شود، رابطه معنادار نیست (کلاین، ۱۳۹۰).

۳-۱۲-۲) ماتریس اهمیت - عملکرد

جیمز و مارتیلا^[۶۰] (۱۹۷۷)، به منظور اولویت بندی پروژه های بهبود و برنامه های بازاریابی، ماتریس ” تحلیل اهمیت – عملکرد، را معرفی نمودند. در این راستا سازمان ها به واسطه یک تجزیه و تحلیل ساده داده ها می توانند به طور مستقیم انواع مشخصه های کیفی، استراتژی ها و برنامه ها را بر اساس هر یک از چهار بخش مشخص شده در ماتریس اهمیت - عملکرد، مورد بررسی قرار دهند (yen & lee,2008 ). به این ترتیب مدل تجزیه و تحلیل به سادگی به وسیله دو محور اهمیت و عملکرد شکل می گیرد. بر این اساس چهار ناحیه توسط این ماتریس ایجاد می شود که به صورت ذیل توصیف می شوند:
ناحیه ١- نشان دهنده حوزه ای است که هر دو مقدار اهمیت و عملکرد به صورت بالا و مناسب مورد توجه قرار گرفته اند. ارائه دهندگان خدمت همواره این مشخصه ها را به خوبی اداره می کنند و بایستی عملکرد موجود را به صورت مناسب حفظ کنند.
ناحیه ٢- مشخصه های کیفی که کم ترین میزان اهمیت را داشته و با وجود این عملکرد شرکت برای آن ها بسیار مناسب است. ارائه دهندگان خدمت می توانند منابع خود در این حوزه را به بخش های دیگر با توجه به نیازهای تعیین شده انتقال دهند.
ناحیه ٣- مشخصه های موجود نشان دهنده کم ترین میزان اهمیت و عملکرد هستند. ارائه دهندگان خدمت می توانند کم ترین توجه را به این موارد داشته باشند.
ناحیه ۴- مشخصه های کیفی که پاسخ دهندگان برای آن ها اهمیت زیادی قائل هستند ولی با وجود این عملکرد سازمان برای آن ها مناسب نیست. این ناحیه حساس است و بایستی در جهت بهبود آن متمرکز شد (To &Lai,2010).

فصل چهارم

تجزیه و تحلیل داده‌ها

۴-۱) مقدمه

تجزیه و تحلیل داده ها، فرآیندی چند مرحله ای است که طی آن داده هایی که از طریق بکارگیری ابزارهای جمع آوری در نمونه آماری فراهم آمده اند، پردازش می شوند تا زمینه برقراری انواع تحلیل ها و ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید. داده ها هم از لحاظ مفهومی و تجربی پالایش می شوند، و تکنیک های گوناگون آماری نقش بسزایی در استنتاج و تعمیم به عهده دارند. تجزیه و تحلیل داده ها برای بررسی صحت و سقم فرضیات برای هر نوع تحقیق از اهمیت خاصی برخوردار است. امروزه در بیشتر تحقیقاتی که متکی بر اطلاعات جمع آوری شده از موضوع مورد تحقیق است، تجزیه و تحلیل اطلاعات از اصلی ترین و مهمترین بخشهای تحقیق محسوب می شود. داده های خام با بهره گرفتن از نرم افزارهای تحلیل داده مورد تجزیه تحلیل قرار می گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده کنندگان قرار می گیرند. برای تجزیه و تحلیل داده های جمع آوری شده آمار تحلیلی به دو صورت آمار توصیفی و استنباطی مطرح می گردد. در ابتدا با بهره گرفتن از آمار توصیفی، شناختی از وضعیت و ویژگی های جمعیت شناختی پاسخ دهندگان حاصل می گردد و در ادامه در آمار استنباطی این تحقیق به بررسی روابط علی بین متغیرهای موجود در مدل مفهومی تحقیق پرداختیم. تجزیه و تحلیل داده های آماری در این تحقیق به وسیله نرم افزار LISREL 8.8 ، SPSS22 و Smart PLS 2 انجام گرفت.

۴-۲ ) آمار توصیفی

روش‌هایی را که به وسیله آنها می‌توان اطلاعات جمع‌ آوری شده را تنظیم کرده و خلاصه نمود، آمار توصیفی می‌نامیم. آمار توصیفی تنظیم و طبقه‌بندی داده‌ها، نمایش ترسیمی، و محاسبه مقادیری از قبیل نما، میانگین، میانه می‌باشد که حاکی از مشخصات یکایک اعضای جامعه مورد بحث است. در آمار توصیفی اطلاعات حاصل از یک گروه، همان گروه را توصیف می‌کند و اطلاعات به دست آمده به دسته‌ های مشابه تعمیم داده نمی‌شود (طبیبی،۱۳۹۰). در این بخش به تشریح آمار توصیفی افراد پاسخ دهنده به پرسشنامه (ویژگی های جمعیت‌شناختی) در جامعه آماری می پردازیم.
جدول۴-۱: توصیف ویژگی‌های جمعیت شناختی پاسخ‌دهندگان