۵۰/۰

۰۰/۰

استفاده از حرکات بدن^[۱۲۵] در ارتباطات روزانه

دارد : ۴۲
ندارد: ۲۶

۵۰/۰

۰۶/۰

* محاسبات محقق
با توجه به جدول ۳-۳، میزان خطای محاسبه شده(sig) برای متغییر “روابط دوستانه با مشتریان"، برابر ۰۰/۰ می­باشد که این مقدار از آن جا که از سطح خطای درنظر گرفته شده(α)کم­تر می­باشد؛ بنابراین فرضیه H₀ رد می­ شود. لذا تعداد شرکت­هایی که از این جزء استفاده می­ کنند به طور معناداری با تعداد شرکت­هایی که از این جزء استفاده نمی­کنند، تفاوت دارند. به عبارت دیگر اکثر شرکت­ها در نمونه آماری تحقیق به این جزء در بازاریابی توجه و تاکید می­ کنند.

همچنین با توجه به جدول ۳-۳، میزان خطای محاسبه شده برای متغییر “استفاده از حرکات بدن در ارتباطات روزانه” برابر ۰۶/۰ می­باشد که این مقدار از آن جا که از سطح خطای درنظر گرفته شده بیش­تر می­باشد؛ بنابراین فرضیه H₀ تایید می­ شود. لذا تعداد شرکت­هایی که از این جزء استفاده می­ کنند با تعداد شرکت­هایی که از این جزء استفاده نمی­کنند، تفاوت معناداری ندارند. به عبارت دیگر اکثر شرکت­ها در نمونه آماری تحقیق توجهی به این جزء بازاریابی نمی­کنند(لازم به ذکر است که آزمون فوق برای همه اجزای آمیخته بازایابی(ر.ک: ضمیمه ۳) انجام شد و نتیجه آن در جدول ۳-۴ به طور خلاصه مشاهده می­ شود).
جدول ‏۳‑۴- اجزای حذف شده حاصل از آزمون دو جمله ای

آمیخته شخص

جزء ۱۰ و ۱۲

آمیخته محصول

جزء ۷ و ۹، ۱۰

آمیخته ترفیع

جزء ۲، ۳، ۸ و ۹

آمیخته توزیع

جزء ۷، ۸ ، ۹

آمیخته قیمت

—

* محاسبات محقق
در مرحله بعد و برای شناسایی اجزای اصلی عناصر آمیخته بازاریابی کارآفرینانه، از تحلیل عاملی استفاده شد. تحلیل عاملی در واقع روشی برای یافتن مهم­ترین شاخصه­هایی که متغیرهای تحقیق با آن سنجیده می­شوند، است. این روش از دو بخش تحلیل عامل اکتشافی و تاییدی تشکیل می­ شود. در تحلیل عاملی اکتشافی، پژوهشگر درصدد کشف ساختار زیربنایی مجموعه نسبتا بزرگی از متغیرها است و پیش فرض اولیه­اش، این است که هر متغیری ممکن است با هر عاملی ارتباط داشته باشد. به عبارت دیگر محقق در این روش هیچ تئوری اولیه­ای ندارد(میرزاده، ۱۳۸۸)
در تحلیل عاملی تاییدی پیش فرض اساسی پژوهشگر آن است که هر عاملی با زیرمجوعه خاصی از متغییرها ارتباط دارد. حداقل شرط لازم برای تحلیل عاملی تاییدی این است که محقق در مورد تعداد عامل­های مدل، قبل از انجام تحلیل، پیش فرض معینی داشته باشد(مومنی، قیومی، ۱۳۸۹).
اما برای انجام این آزمون ابتدا باید از این مساله اطمینان حاصل کرد که آیا می­توان داده ­های موجود را برای تحلیل مورد استفاده قرار داد یا خیر؟ به عبارت دیگر، آیا تعداد داده ­های مورد نظر(اندازه نمونه و رابطه بین متغیرها) برای تحلیل عاملی مناسب است یا خیر؟ بدین منظور از شاخص KMO و آزمون بارتلت استفاده می­ شود. از شاخص KMO برای بررسی کوچک بودن همبستگی جزیی بین متغیرها استفاده می­ شود. این شاخص در دامنه صفر و یک قرار دارد. اگر مقدار شاخص نزدیک به یک باشد، داده ­های مورد نظر(اندازه نمونه) برای تحلیل عاملی مناسب است و در غیر این صورت(معمولا کم­تر از ۶/۰) نتایج تحلیل عاملی برای داده ­های مورد نظر چندان مناسب نمی ­باشد(مومنی، قیومی، ۱۳۸۹).
این شاخص از فرمول ۳-۲ به شرح ذیل محاسبه می­ شود.
فرمول۳-۲
آزمون بارتلت نیز مشخص می­ کند که چه هنگام ماتریس همبستگی، یک ماتریس واحد و همانی است و برای شناسایی ساختار(مدل عاملی) نامناسب است. اگر میزان خطای محاسبه شده(sig) آزمون بارتلت کوچک­تر از ۵% باشد، تحلیل عاملی برای شناسایی ساختار(مدل عاملی) مناسب است؛ زیرا فرض یکه بودن ماتریس همبستگی رد می­ شود(مومنی، قیومی، ۱۳۸۹).