متغیرها

تعداد پرسش‌ها

ضریب آلفای کرونباخ

تجربه خدمت

۱۶

۸۱/۰

ارزش ویژه برند

۴

۸۹/۰

ارزش ویژه رابطه

۵

۷۳/۰

وفاداری

۵

۷۹/۰

رضایت

۴

۸۰/۰

کل پرسش‌نامه

۸۳/۰

از آنجایی که مقدار ضریب آلفای کرونباخ محاسبه شده برای هر بخش پرسشنامه و همچنین برای کل داده‌ها از حد قابل قبول (۷/۰= α) بیشتر است لذا پایایی پرسشنامه قویاً تایید می‌گردد.

روش تجزیه و تحلیل داده‌ها
در این پژوهش داده‌های گرد آوری شده از طریق پرسشنامه وارد نرم افزار SPSS شده و تحلیل‌های لازم بر روی آن‌ ها انجام شده است. تحلیل‌های آماری صورت گرفته از دو نوع کلی آمار توصیفی و استنباطی هستند که در آمار توصیفی با ارائه شاخص‌های توصیفی تمایل به مرکز و همچنین رسم شکل‌ها شمای کلی داده‌ها نمایش داده می‌شود. در آمار استنباطی نیز جهت آزمون فرضیه‌‌ها و مدل مفهومی پژوهش از روش مدلسازی معادله ساختاری و نرم‌افزار Amos که نرم‌افزاری توانا در این زمینه است استفاده شده است.
مروری بر روش مدلسازی معادله ساختاری
روش مدل­سازی معادله ساختاری ابزاری قدرتمند است که پژوهشگر را در چگونگی تدوین مبانی و چارچوب نظری پژوهش در قالب مدل­های اندازه ­گیری و ساختاری یاری می­رساند. علاوه بر آن، با بهره­ گیری از داده ­های تجربی امکان آزمون مدل تدوین شده را به عنوان یک کل فراهم آورده و با شاخص­ هایی که در برابر پژوهش­گر قرار می‌دهد وی را در اصلاح و بهبود مدل تدوین شده راهنمایی می­ کند. مدل‌سازی معادله ساختاری به لحاظ روش شناختی از دقت بالایی برخوردار است و به لحاظ کاربردی با شرایط واقعی زندگی اجتماعی بسیار نزدیک است. مدل معادله ساختاری در شکل عمومی­اش ترکیبی از مدل­های مسیر و مدل­های عاملی تأییدی است اما این محصول ترکیبی، دارای خصایص ویژه خود نیز می­باشد (قاسمی, ۱۳۸۹).
این روش مدل‌سازی به پژوهشگر یاری می‌رساند تا الگویی نظری را که از اجزای مختلف و متنوعی تشکیل یافته، هم به طور کلی و هم به گونه‌ای جزئی مورد آزمون و وارسی قرار دهد. اینکه آیا داده‌های گردآوری شده از یک نمونه، کلیت الگوی نظری تدوین شده را مورد حمایت قرار می‌دهد یا خیر و در هر صورت کدام یک از اجزای الگوی نظری مدون با توجه به داده‌های گردآوری شده مورد تأیید قرار می‌گیرند و کدام یک نیاز به تغییر، اصلاح و یا حذف دارند (قاسمی, ۱۳۸۹).
مدل‌سازی معادله ساختاری را می‌توان به عنوان روشی کمّی تلقی کرد که به پژوهشگر یاری می‌رساند تا پژوهش خود را از مطالعات نظری و تدوین آن‌ ها گرفته تا تحلیل داده‌های تجربی، در قالبی چند متغیره سامان بخشد. این روش پژوهشگر را به پیچیدگی‌های زندگی اجتماعی و همچنین پیچیدگی‌های موجود در اندازه‌گیری سازه‌های پنهان فرهنگی و اجتماعی نزدیک کرده و بنابراین تحلیل کمی از پدیده‌های کیفی را به لحاظ روش شناختی، دقیق‌تر و به لحاظ کاربردی واقع‌بینانه‌تر سازد (قاسمی, ۱۳۸۹).
مدل‌های معادله ساختاری به طور معمول ترکیبی از مدل‌های اندازه‌گیری و مدل‌های ساختاری‌اند. بر مبنای مدل‌های اندازه‌گیری، پژوهشگر تعریف می‌کند که کدام متغیرهای مشاهده‌ شده اندازه‌گیرنده کدام متغیرهای پنهان هستند و بر پایه مدل‌های ساختاری مشخص می‌شود که کدام متغیرهای مستقل دارای تأثیر بر کدام متغیرهای وابسته‌اند (قاسمی, ۱۳۸۹). در نهایت باید گفت گرچه روش‌های تحلیل‌های رگرسیون خطی و مسیر را شاید بتوان به عنوان دو روش آماری اصلی در آزمودن فرضیه‌های پژوهشی دانست ولی با این وجود راه‌کارهای مختلف ابداع شده توسط دانشمندان حوزه مدل‌سازی، این یقین را در پژوهش‌گر به وجود می‌آورد که می‌تواند انواع فرضیه‌های کاربردی در مطالعات اجتماعی را به مدل درآورده و آن‌ ها را آزمون کند. در این پژوهش از مدل‌سازی معادله ساختاری برای آزمون مدل مفهومی پژوهش استفاده خواهد شد.
معیارهای سنجش برازش مدل
به منظور سنجش برازندگی مدل‎ها آزمون‎های گوناگونی ارائه شده است که به‎گونه کلی شاخص‎های برزاندگی نامیده می‎شوند. با وجود اینکه این آزمون‎ها پیوسته در حال مقایسه، توسعه و تکامل‎اند، اما هنوز درباره یک آزمون بهینه توافق همگانی وجود ندارد. در ادامه برخی از پرکاربردترین شاخص‌هایی که جهت آزمون برازش مدل در روش مدلسازی معادلات ساختاری استفاده می‌شود به صورت مختصر توصیف شده‌اند.
آماره کای دو (^۲χ): در مدل‎سازی معادلات ساختاری، آماره کای دو روشی سنتی برای ارزیابی برازش کل مدل می‎باشد. بر اساس این آماره، فرض صفر این است که مدل به‎گونه کامل با داده‎های جامعه آماری برازش دارد. زمانی که آماره کای دو از نظر آماری معنی‎دار باشد، منجر به رد این فرض می‎گردد و نشان می‎دهد که مدل مورد نظر از برازش کامل برخوردار نیست و مدل رد می‎شود. در آزمون کای دو، نمونه‎ های کوچک ممکن است کفایت لازم را نداشته و همچنین با نمونه‎ های بزرگ، عموماً کای دو معنی‎دار می‎شود و تقریباً بیشتر مدل‎ها رد می‎شود. از این رو، می‎باید شاخص‎های برازش دیگری را مورد استفاده قرار داد (هومن, ۱۳۸۷).
شاخص ریشه میانگین مجذور خطای تقریب^[۵۶] (RMSEA): به‎گونه کلی، زمانی که مقدار این آماره کمتر از ۰٫۰۵ باشد، نشان می‎دهد که مدل از برازش خوبی برخوردار است. در صورتی که مقدار آن بین ۰٫۰۵ تا ۰٫۰۸ باشد، برازش قابل قبول، اگر بین ۰٫۰۸ تا ۰٫۱ باشد، برازش متوسط، و اگر بزرگتر از ۰٫۱ باشد، برازش ضعیف است (هومن, ۱۳۸۷).