۰/۱

 

 

 

AGFI (شاخص برازندگی تعدیل یافته)

 

بالاتر از ۹/۰

 

۹۰/۰

 

 

 

NFI (برازندگی نرم شده)

 

بالاتر از ۹/۰

 

۹۸/۰

 

 

 

NFII (برازندگی نرم نشده)

 

بالاتر از ۹/۰

 

۹۹/۰

 

 

 

شاخص های مختلفی برای برازش مدل وجود دارد، در اصطلاح علمی به میزانی که ماتریس نمونه به ماتریس کواریانس جامعه نزدیکتر باشد، گفته می شود که مدل از برازش بهتری برخوردار خواهد بود.

هدف از ارزیابی برازش کل مدل این است که مشخص شود تا چه حد کل مدل با داده های تجربی سازگاری بهتری دارد.

 

 

• اولین اندازه گیری برازش مربوط به کای اسکوپر، روش نسبی برای ارزیابی برازش کل مدل است. بر اساس این آماره فرض صفر این است که به طور کامل با داده های جامعه آماری برازش دارد. زمانی که آماره اسکوپر از نظر آماری معنی دار باشد منجر به در این فرض می گردد و نشان می دهد که مدل مورد نظر از برازش کامل برخوردار نیست و مدل مورد نظر تایید شده است و مدل مورد نظر از کفایت لازم برخورداز است. یکی از معیارهای مهم جهت تعیین برازش کل مدل ریشه میانگین خطای توان دوم تقریب است که تحت عنوان (RMSEA^[149]) نشان داده می شود. زمانی که مقدار این آماره کمتر از ۵/۰ باشد نشان می دهد که مدل از برازش خوبی برخوردار است، در صورتی که مقدار آن بین ۵/۰ و ۸/۰ باشد برازش قابل قبول، اگر بین ۸/۰ و ۱/۰ باشد برازش متوسط و اگر بزرگتر از ۱/۰ باشد برازش ضعیف است. در مدل فعلی برازش ۰٫۰۴ شده است که به معنی پذیرش بالا می باشد.

 

 

 

• دو معیار بعدی برای برازش مدل به شاخص های برازش مطلق معروفند. این معیارها تحت عنوان GFI^[150]، AGFI^[151]، در خروجی ظاهر می شوند. این شاخص ها باید بین صفر و یک باشند و مقادیر بالاتر از ۹/۰ حاکی از برازش قابل قبول مدل است که در مدل حاضر ۰٫۹ است.

 

 

 

• اندازه گیری های برازش بعدی که در خروجی برنامه ظاهر می شوند، به مقایسه شاخص های برازش نسبی می پردازند و نشان می دهند که تا چه حد برازش مدل نسبت به مدل خط پایه که در واقع مدل استقلال است مناسب تر می باشند. این شاخص ها عبارتند از NNFI^[152]، NFI^[153]، CFI^[154]. به استثنای شاخص NNFI مقادیر تمام شاخص های این گروه بین صفر و یک قرار دارند و هر چه مقدار ان ها به یک نزدیکتر باشد نشان دهنده برازش خوب مدل است (مقدار NNFI می تواند بزرگ تر از یک باشد). برخی منابع استفاده از NNFI (که آن را شاخص تاکر – لوئیس^[۱۵۵] – TLI- نیز می گویند) را برای برازش مدل توصیه می کنند.

 

 

 

• یکی از شاخص های مهم دیگر، شاخص اعتبارسنجی متقابل مورد انتظار می باشد که تحت عنوان (ECVI) در خروجی ظاهر می شود، بر خطای کلی توجه دارد. چون این شاخص بزرگتر از مقدار بدست آمده برای مدل استقلال وکوچکتر از مقدار به دست آمده برای مدل اشباع شده می باشد، برازش این مدل در حد قابل قبول می باشد.

 

 

 

• مجموعه دیگری از آماره های اندازه گیری برازش به معیار اطلاعات معروف اند. از آنجایی که معیارهای CAIC و AIC بزرگتر از مقدار بدست آمده برای مدل استقلال و کوچکتر از مقدار بدست آمده برای مدل اشباع شده می باشد، برازش مدل خوب ارزیابی می شود.

 

 

 

• در آماره دیگری که به اندازه گیری مدل برازش می پردازند، به طور مستقیم بر اطلاعاتی که از ماتریس باقیمانده به دست می آید استوار هستند. باقیمانده برازش یافته در واقع تفاوت بین کواریانس جامعه نمونه و ماتریس کواریانس ضمنی جامعه اماری است. در صورتی که برازش مدل مناسب باشد باقیمانده های برازش یافته، باید در مقایسه با عناصر ماتریس نمونه کوچک باشند. یکی از مشکلاتی که در تعغیر باقی مانده های برازش یافته به طور طبیعی در RMR بروز می کند این است که اندازهء مقادیر آن ها تحت تاثیر واحد اندازه گیری می باشد. برای حل این مشکل، می توان از باقیمانده های استاندارد شده استفاده کرد. مقادیر استاندارد شده آن در قسمت STANDARDIZED RMR ظاهر می شود. زمانی که مقدار این آماره کمتر از ۰٫۰۵ باشد بیانگر قابل قبول بودن برازش مدل است که در مدل حاضر ۰٫۰۵۴ بدست آمده است که بطور نسبی مورد تایید قرار می گیرد.

 

 

 

• ۳ معیار بعدی برای برازش مدل به شاخص های برازش مطلق معروف اند. این معیار تحت عنوان شاخص برازندگی (GFI) و شاخص برازندگی تعدیل یافت. (AGFI) و شاخص برازندگی صرفه جو (PGFI) در خروجی ظاهر می شوند. مقادیر GFI یا AGFI باید بین صفر و یک باشند و مقادیر بزرگتر از ۰٫۹ حاکی از برازش قابل قبول مدل است. و مقدار PGFI

 

 

 

• معمولا خیلی کمتر است و عموما برای قبول برازش مدل غیر ممکن است. در این مدل شاخص برازندگی ۰٫۹ می باشد که حاکی از برازندگی مناسب مدل می باشد.

 

 

در قسمت بعدی در نمودار استاندارد مشاهده می شود که بار عاملی عامل تکنولوژی پایین ارزیابی شده است و ۰٫۲۶ می باشد. این عامل از همبستگی کمتری برخوردار است و از عوامل حیاتی موفقیت توسعه محصول جدید صنعت پوشاک ورزشی محسوب نمی شود.
۴-۴-جمع بندی
براساس آنچه تا اینجا گفته شد محاسباتی روی اطلاعات بدست آمده از انجام پرسشنامه صورت گرفت. اینک به جمع‌بندی و نتیجه گیری از نتایج به دست آمده پرداخته خواهد.
با توجه به آزمون های انجام‌شده بدست امد که، در آزمون t یک نمونه ای و تعمیم میانگین های نمونه به جامعه مورد بررسی، همه شاخص ها با اطمینان %۹۵ مشخص و تایید شد که در نهایت همه عوامل بازاریابی، توسعه محصول، تکنولوژی، طراحی و تولید، توانایی سازمان و تجاری سازی در جامعه میانگینی بیشتر از سه دارند که حد وسط طیف لیکرت می باشد. به این معناست که این عوامل در پروژه های موفق توسعه محصول این صنعت وجود داشته اند و می توانند که یکی از عوامل موفقیت باشند و از مطلوبیت کافی برخوردار هستند. عوامل مطلوب ارزیابی شده، در تحقیقات گذشته به آنها اشاراتی شده و مورد بررسی قرار گفته اند، نخبگان صنعت پوشاک ورزشی این عوامل را با اهمیت توصیف کرده اند و بنا به نظر جامعه مورد بررسی این عوامل در پروژه های موفق توسعه محصول جدید صنعت وجود داشته اند. به این ترتیب می توان ادعا کرد که عوامل شناسایی‌شده عوامل موفقیت توسعه محصول جدید هستند.
در جواب هدف فرعی دوم که اولویت بندی عوامل حیاتی موفقیت توسعه محصول جدید در صنعت پوشاک ورزشی می باشد بر اساس آزمون فریدمن نتایج زیر بدست آمده است.
عامل اول تایید شده بازاریابی و فروش می باشد که به ترتیب اولویت دارای شاخص های زیر می باشد:

 

 

• نبود رقبای غالب در بازار

 

 

 

• انجام تحقیقات بازار در مورد ویژیگی های ظاهری محصول

 

 

 

• در نظر گرفتن نگاه جهانی به محصول

 

 

 

• توجه به کیفیت و جذابیت بسته بندی محصول (جنس، شکل، گرافیک)

 

 

 

• در اختیار داشتن تیم فروش و بازاربی با تجربه در هنگام برخورد با مشتریان

 

 

عامل دوم تایید شده تیم توسعه محصول بدست آمده است که به ترتیب اولویت دارای شاخص های زیر می باشد:

 

 

• تاکید بر تجربه تیم توسعه محصول همراه با کمک دانشگاهیان

 

 

 

• تحقیق فنی اعضای تیم توسعه محصول

 

 

 

• وجود امکانات مورد نیاز برای تیم توسعه محصول جدید

 

 

 

• وجود تجربه کافی در میان اعضای تیم توسعه محصول

 

 

 

• وجود کارشناسان و مشاوران مناسب در تیم توسعه محصول

 

 

 

• توجه به نوآوری در شرکت