جدول (۳-۹). میزان آلفای کرونباخ برای پرسشنامه های پژوهش (منبع: داده های پژوهش)
پرسشنامه ی اعتماد سازمانی | پرسشنامه ی عدالت سازمانی | پرسشنامه ی بهره وری نیروی انسانی | |||
تعداد سوالات | آلفای کرونباخ | تعداد سوالات | آلفای کرونباخ | تعداد سوالات | آلفای کرونباخ |
۳۴ | ۸۳۱/۰ | ۱۹ | ۹۳۶/۰ | ۲۶ | ۹۳۱/۰ |
۳-۷ نحوه ی اجرای پژوهش
در این پژوهش پس از برآورد حجم نمونه و مشخص شدن ابزار گردآوری اطلاعات (پرسشنامه)، پرسشنامه های پژوهش در میان کارکنان بیمارستان توزیع و جمع آوری گردید و از اطلاعات بدست آمده، جهت بررسی و آزمون فرضیاتِ پژوهش استفاده بعمل آمد. روش اجرا بدین صورت بود که در ابتدا پژوهشگر به منظور کسب مجوّز لازم جهت انجام پژوهش در بیمارستان، به معاونت پژوهشی دانشگاه علوم پزشکی شاهرود مراجعه و پس از انجام یک سری مکاتبات اداری، اجازه ی پژوهش در محیط بیمارستان به وی داده شد. ضمناً از کلیه ی مسئولین، مدیران و کارکنان شاغل در بخش ها و واحدهای بیمارستان خواسته شد که در امر پژوهش و تکمیل پرسشنامه های ارسالی با پژوهشگر همکاری نمایند. پس از این مرحله، پژوهشگر تعداد ۱۸۰ پرسشنامه را با مراجعه ی حضوری و به روش تصادفی ساده در میان نمونه های مورد مطالعه (کارکنان شیفت صبح- عصر و بخصوص شیفت شب) توزیع نمود. در این پژوهش با ذکر هدف از گردآوری داده ها به وسیله ی پرسشنامه، به پاسخگویان اطمینان داده شد که اطّلاعات پرسشنامه صرفاً در جهت اهداف پژوهش استفاده خواهد شد. به همین منظور جهت حفظ محرمانگی اطلاعاتِ پاسخگویان، پرسشنامه ها بی نام بود و افراد در پذیرش و تکمیل پرسشنامه ها مخیّر بودند. همچنین به منظور پاسخ به سؤالات احتمالی کارکنان و توجیه اولیّه ی آنها در مورد برخی سؤالات و مؤلفه های پرسشنامه ها، پژوهشگر در محل حضور داشت و در صورت لزوم توضیحات لازم را به پاسخگویان ارائه می داد. در نهایت با حذف پرسشنامه های مفقود شده و تکمیل نشده، تعداد ۱۶۵ پرسشنامه ظرف مدت یک هفته، تکمیل و جمع آوری گردید.
۳-۸ معرفی شیوه های تحلیل آماری
پس از آنکه محقق داده ها را گردآوری، استخراج و طبقه بندی نمود، مرحله ی جدیدی از فرایند تحقیق به نام"تجزیه و تحلیل داده ها” آغاز می شود. این مرحله به عنوان یکی از مراحل روش علمی عبارت است از: روشی که از طریق آن کل فرایند پژوهشی، از انتخاب مسأله تا دسترسی به یک نتیجه هدایت می شود (دلاور، ۱۳۸۹: ۲۴۳). در مرحله ی تجزیه و تحلیل آنچه مهم است این است که محقق باید اطلاعات و داده ها را در مسیر هدف تحقیق، پاسخگوئی به سؤال و سؤالات تحقیق و نیز ارزیابی فرضیه های خود جهت داده مورد تجزیه و تحلیل قرار دهد (حافظ نیا، ۱۳۸۱: ۲۳۱).
در این پژوهش پس از توزیع پرسشنامه و جمع آوری آنها، برای استخراج، کُدگذاری و توصیف داده ها از جهت تجزیه و تحلیل داده ها از روش آمار توصیفی[۵۱۲] و آمار استنباطی[۵۱۳] بهره گیری شده است. آمار توصیفی را عمدتاً مفاهیمی از قبیل جدول توزیع فراوانی و نسبتهای توزیع، نمایش هندسی و تصویری توزیع، اندازه های گرایش به مرکز، اندازه های پراکندگی و نظایر آن تشکیل می دهد. آمار توصیفی برای تبیین وضعیت پدیده یا مسأله یا موضوع مورد مطالعه مورد استفاده قرار می گیرد یا در واقع ویژگی های موضوع مورد مطالعه به زبان آمار تصویرسازی و توصیف می گردد (همان منبع: ۲۳۷).
نقش آمار توصیفی در واقع جمع آوری، خلاصه کردن و توصیف اطلاعات کمّی بدست آمده از نمونه ها یا جامعه ها است. اما محقق معمولا کار خود را با توصیف اطلاعات پایان نمیدهد، بلکه سعی میکند آنچه را که از بررسی گروه نمونه بدست آورده است به گروههای مشابه بزرگتر تعمیم دهد. در اغلب موارد مطالعه ی تمام اعضای یک جامعه ناممکن است. از این رو محقق به شیوه هایی احتیاج دارد که بتواند با بهره گرفتن از آنها نتایج بدست آمده از مطالعه ی گروه های کوچک را به گروه های بزرگتر تعمیم دهد. به شیوه هایی که از طریق آنها ویژگی های گروه های بزرگ براساس اندازه گیری همان ویژگیها در گروه های کوچک استنباط میشود آمار استنباطی گفته میشود (شیولسون[۵۱۴]، ۱۳۸۳: ۱۲۰). در این پژوهش جهت تحلیل داده های آماری از آزمون های زیر استفاده گردید:
۳-۸-۱ آزمون کولموگروف – اسمیرنوف (KS)
آزمون کولموگروف - اسمیرنوف، که به افتخار دو آماردان روسی به نامهای اِ. ن. کولموگروف[۵۱۵] و ن. و. اسمیرنوف[۵۱۶] به این نام خوانده می شود، روش ناپارامتری ساده ای برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب است (آذر و مؤمنی، ۱۳۸۰: ۲۷۴). این آزمون جهت بررسی ادعای مطرح شده در مورد توزیع داده های یک متغیر کمّی مورد استفاده قرار می گیرد. در نرم افزار SPSS می توان وجود توزیع های نرمال[۵۱۷]، یکنواخت[۵۱۸]، پواسون[۵۱۹] و نمایی[۵۲۰] را بررسی کرد. توجه داشته باشید که توزیع نرمال برای متغیرهای کمّی پیوسته، توزیع یکنواخت برای متغیرهای کمّی گسسته و پیوسته، توزیع پوآسون برای متغیرهای کمّی گسسته و عدد صحیح و توزیع نمائی برای متغیرهای کمّی مورد استفاده قرار می گیرد (مؤمنی و فعال قیومی، ۱۳۹۱: ۱۶۷-۱۶۶). فرضیه های این آزمون عبارتند از:
۳-۸-۲ آزمون T یک نمونه ای[۵۲۱] (آزمون میانگین یک جامعه)
آزمون T یک نمونه ای برای آزمون این فرضیه ی صفر به کار گرفته می شود که آیا یک نمونه ی مورد نظر به جامعه با میانگین مشخص تعلق دارد یا خیر؟ در این آزمون، فرضیه ی مطرح شده در مورد میانگین جامعه در سطح خطای مورد بررسی قرار می گیرد. آماره ی t در این آزمون دارای درجه ی آزادی n-1 بوده و به کمک رابطه زیر محاسبه می شود. در این رابطه میانگین نمونه، خطای معیار بوده که به صورت محاسبه می شود.
این آزمون برای متغیرهای کمّی به کار می رود و در مواردی برای تشخیص تأثیر یا عدم تأثیر یک متغیر(ها) در وضعیت مورد بررسی استفاده می شود. مثلاً جهت بررسی تأثیر یا عدم تأثیر هر یک از چند متغیر روی پدیده ای معین، از این آزمون استفاده می کنیم به طوری که اگر میانگین هر متغیر از حد معینی بیشتر بود آن متغیر در پدیده ی مورد نظر مؤثر تلقی می شود (همان منبع، ۱۳۹۱: ۵۹).
۳-۸-۳ آزمون T دو نمونه ای[۵۲۲] (مقایسه ی میانگین دو جامعه)
اگر فرضیه ی مطرح شده به مقایسه ی میانگین دو جامعه (گروه) بپردازد، برای بررسی درستی یا نادرستی آن باید از آزمون مقایسه ی میانگین دو جامعه استفاده کرد. برای آزمون تساوی میانگین دو جامعه، لازم است ابتدا بررسی شود آیا واریانس دو جامعه برابرند یا خیر. به عبارت دیگر، آزمون تساوی واریانس ها مقدم بر آزمون تساوی میانگین ها است. برای آزمون تساوی واریانس ها از آزمون لوین[۵۲۳] استفاده می کنیم.
در آزمون لوین نیازی نیست که توزیع داده ها نرمال باشد. همچنین در هنگامی که نمونه ها یکسان نباشد نیز می توان از آزمون لوین سود جست. آماره ی آزمون لوین، F (فیشر[۵۲۴] ) است. آماره ی t جهت آزمون تساوی میانگین دو جامعه، در دو حالت تساوی و عدم تساوی واریانس دو جامعه ی مورد نظر، محاسبه می شود. برای استفاده از این آزمون، وجود یک متغیر کمّی و یک متغیر طبقه ای الزامی است. متغیر کمّی همان متغیر وابسته و متغیر مورد مقایسه در دو جامعه است، ولی متغیر طبقه ای همان متغیر مستقل و متغیری است که جامعه ها را از یکدیگر متمایز می کند (مومنی و فعال قیومی، ۱۳۹۱: ۶۴-۶۳).
۳-۸-۴ آزمون مقایسه ی میانگین چند جامعه ([۵۲۵]ANOVA)
برای مقایسه ی میانگین دو یا چند جامعه (یعنی تأثیر یک متغیر مستقل گروه بندی بر یک متغیر کمّی وابسته) این آزمون به کار برده می شود. در این آزمون نیز حتماً باید متغیر وابسته کمّی و متغیر مستقل گروه بندی[۵۲۶] دارای سطوح محدودی باشد. در آزمون ANOVA، منبع پراکندگی (واریانس ها) به دو دسته بین گروهی[۵۲۷] و درون گروهی[۵۲۸] تقسیم می شود. بخشی از واریانس ها ناشی از تفاوت بین جوامع یا گروه بندی پژوهشگر است (بین گروهی) و بخشی از تفاوت به عوامل دیگر (خطا) برمی گردد (درون گروهی). در آزمون ANOVA به بررسی این موضوع پرداخته می شود که پراکندگی ها (واریانس ها) چه میزان ناشی از بین گروهی است و چه میزان ناشی از درون گروهی (مومنی و فعال قیومی، ۱۳۹۱: ۷۳-۷۰).
۳-۸-۵ آزمون توکی[۵۲۹]
این آزمون که به HSD معروف است بعد از رد فرض صفر در آنالیز واریانس مقیاسی را معرفی نموده که در مقابل آن همه ی تفاوت ها مقایسه می شود، به عبارتی اگر طبق آزمونF تفاوت معناداری بین میانگین گروه ها وجود داشته باشد، طبق آزمون توکی می توانیم تفاوت های معنی دار بین هر یک از زوج میانگین ها را بررسی کنیم. آماره ی این آزمون به صورت زیر است:
که در این رابطه:
= سطح معنی دار برگزیده.