1. 1. ارزیابی تناسب یا برازش الگو یا مدل: زمانی الگو یا مدل با داده های مشاهده شده تناسب دارد که ماتریس کوواریانس ضمنی با ماتریس کوواریانس داده های مشاهده شده، معادل باشد. بدین معنی که ماتریس نزدیک صفر باشد. مهمترین گام موجود در این مرحله عبارت است از بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟ هنگامی که مدلی تخمین زده می شود، برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد و غیره را درباره ارزیابی تناسب مدل با داده ها منتشر می‌کند.

   

1. 1. اصلاح مدل: تطبیق مدل بیان شده و تخمین زده شده از طریق آزادکردن پارامترهایی که قبلا ثابت بوده اند و ثابت کردن پارامترهایی که قبل از آن آزاد بوده اند.

1. تفسیر مدل: اگر آزمون های تناسب نشان دهد که مدل به طور کافی متناسب با داده ها می‌باشد، در این مرحله ما بر روی عوامل مشخص شده(پارامترهای مدل) مدل تناسب شده تمرکز می نماییم. در این مرحله، معناداری پارامترهای مدل، مورد ارزیابی قرار می‌گیرد. (هومن۱۳۸۴و نظری۱۳۹۰ و عبدالهی ۱۳۸۵)

با آنکه انواع گوناگون آزمون ها که به گونه کلی شاخص های برازندگی(Fitting indexes) نامیده می‌شوند پیوسته در حال مقایسه، توسعه و تکامل می‌باشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقاله های مختلف، شاخص های مختلفی را ارائه کرده‌اند و حتی نگارش های مشهور برنامه های SEM مانند نرم افزارهایlisrel, Amos, EQS نیز تعداد زیادی از شاخص های برازندگی به دست می‌دهند (هومن۱۳۸۴). این شاخص ها به شیوه های مختلفی طبقه بندی شده اند که یکی از عمده ترین آن ها طبقه بندی به صورت مطلق، نسبی و تعدیل یافته می‌باشد. برخی از این شاخص ها عبارتند از:

1. مجذور کای (خی دو)

آزمون مجذور کای (خی دو) این فرضیه را مدل مورد نظر هماهنگ با الگوی همپراشی بین متغیرهای مشاهده شده است را می آزماید، کمیت خی دو بسیار به حجم نمونه وابسته می‌باشد و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد, افزایش می‌دهد. (هومن.۱۳۸۴)

1. شاخص های GFI وAGFI

شاخص GFI (Goodness of fit index )مقدار نسبی واریانس ها و کوواریانس ها را به گونه مشترک از طریق مدل ارزیابی می‌کند. دامنه تغییرات GFI بین صفر و یک می‌باشد. مقدار GFI باید برابر یا بزرگتر از ۹۰/۰باشد. (هومن۱۳۸۴)

شاخص برازندگی دیگر (Adjusted Goodness of Fit Index)AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی می‌باشد. این مشخصه معادل با کاربرد میانگین مجذورات به جای مجموع مجذورات در صورت و مخرج (۱- GFI) است. مقدار این شاخص نیز بین صفر و یک می‌باشد. شاخص های GFI و AGFI را که جارزکاگ و سوربوم (۱۹۸۹) پیشنهاد کرده‌اند بستگی به حجم نمونه ندارد. (هومن۱۳۸۴)

1. شاخص RMSEA

این شاخص , ریشه میانگین مجذورات تقریب می‌باشد. شاخص (Root Mean Square Error of Approximation)RMSEAبرای مدل های خوب برابر ۰.۰۵ یا کمتر است. مدلهایی که RMSEA آن ها ۰.۱ باشد برازش ضعیفی دارند. (هومن۱۳۸۴)

1. شاخصNFI وCFI:

شاخصNFI (که شاخص بنتلر-بونت هم نامیده می شود) برای مقادیر بالای ۹۰/۰ قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از ۹۰/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می آزماید. شاخص CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می‌دهد. (هومن۱۳۸۴)

شاخص های دیگری نیز در خروجی نرم افزار لیزرل دیده می‌شوند که برخی مثلAIC, CAIC ECVA , برای تعیین برازنده ترین مدل از میان چند مدل مورد توجه قرار می گیرند برای مثال مدلی که دارای کوچک‌ترین AIC,CAIC,ECVA باشد برازنده تر است.(هومن۱۳۸۴) برخی از شاخص ها نیز به شدت وابسته حجم نمونه اند و در حجم نمونه های بالا می‌توانند معنا داشته باشند.

فصل چهارم: یافته های پژوهش

۴-۱٫ مقدمه

در این فصل به کنکاش یافته های تحقیق پرداخته و داده های حاصل از پرسشنامه های جمع‌ آوری شده را مورد تحلیل قرار داده ایم. در این تحقیق تجزیه و تحلیل داده ها با بهره گرفتن از روش های مناسب آماری ) با توجه به نوع تحقیق و فرضیات و روش های جمع‌ آوری اطلاعات) به دو شکل توصیفی و استنباطی انجام گردید. در تحقیق حاضر از فنون آمار توصیفی شامل جدول فراوانی برای تجزیه و تحلیل داده های جمعیت شناسی نمونه آماری استفاده شده است. شناخت ویژگی های جمعیت شناسی )دموگرافیک( جامعه و نمونه آماری مورد بررسی در تحقیق می‌تواند به افزایش آگاهی محقق نسبت به جامعه و نمونه مورد بررسی در تحقیق، مبنایی را برای تحلیل های آینده در اختیار او قرار دهد. بخش دوم آمار استنباطی که در آن برای سئوال های مطرح شده آزمون هایی توسط نرم افزار SPSS 22 و EQS6.2 اجرا شد. در این تحلیل از روش جدول توافقی برای مشخص کردن دلایل استفاده از رسانه های اجتماعی با توجه به دو مجموعه سوال کارکردها و کاربردهای رسانه های اجتماعی برای کسب و کارها استفاده شد. و همچنین از رگرسیون چندگانه برای اجرای تآیید مدل مفروض استفاده شد.

۴-۲. تجزیه و تحلیل توصیفی نمونه

۴-۲-۱٫ توصیف نمونه مورد بررسی بر حسب استفاده

نمودار۴- ۱ درصد فراوانی استفاده از رسانه های اجتماعی در کسب و کار

همان‌ طور که از نمودار ۴-۱ مشاهده می شود از ۳۵۷ نمونه مورد بررسی ۷۹درصد اعلام کردند از رسانه های اجتماعی برای کسب و کار خود استفاده می‌کنند که رسانه های مورد بررسی شامل شبکه های اجتماعی (فیس بوک، گوگل پلاس، مای اسپیس، نینگ)، بلاگ ها (وردپرس، بلاگ ها، بلاگ فا و پرشین­بلاگ )، اشتراک گذاری چند رسانه ای (یوتیوب، فلیکر، آپارات)، میکروبلاگ (مانند توییتر)، انجمن ها، ویکی­ها(ویکی پدیا)، رسانه های کسب و کار (لینکداین) و شبکه های اجتماعی ایرانی می‌باشند.

جدول۴- ۱ توزیع فراوانی و درصد فراوانی رسانه های مورد استفاده سازمان ها

درصد فراوانی

فراوانی

رسانه های اجتماعی

۶۹٫۱درصد

۱۸۶

شبکه های اجتماعی

۳۹٫۴درصد

۱۰۶

وبلاگ

۳۷٫۹درصد

۱۰۲

انجمن ها

۳۷٫۵درصد

۱۰۱

رسانه های کسب و کار

۱۱٫۹درصد

۳۲

میکروبلاگ

۲۰٫۴درصد

۵۵

رسانه های اجتماعی ایرانی

۱۸٫۲درصد

۴۹

رسانه های به اشتراک گذاری

۶٫۷درصد

۱۸

ویکی ها

۴-۲-۲ توصیف نمونه مورد بررسی بر اساس تعداد سال ها و تعداد ساعات استفاده

با توجه به جدول ۴-۲ مشاهده می شود که بیشتر سازمان ها در سال های اخیر مخصوصا یک سال گذشته وارد بازاریابی رسانه های اجتماعی شدند و این نشان دهنده جوان بودن نهال بازاریابی رسانه های اجتماعی در ایران است و سازمان ها می‌توانند بیشتر از مزایای رسانه های اجتماعی در سال های آینده استفاده کنند که در ادامه ‌در مورد این موضوع بحث خواهیم نمود.