مهمترین سوالاتی که در انجام آزمون فرضیه‌ها باید مورد توجه قرار گیرند عبارتند از:

۱- آیا مدل برازش شده معنی دار است؟

۲- میزان شدت ارتباط میان متغیر وابسته و مستقل چقدر است؟

۳-برآورد مدل

به منظور آزمون فرضیات این تحقیق از روش های آماری زیر استفاده می شود:

1. 1. آزمون کولموگوروف- اسمیرنوف جهت بررسی نرمال بودن متغیرها

1. 1. آزمون معنی دار بودن ضریب همبستگی

1. 1. آزمون F جهت بررسی رابطه معنادار بودن در رگرسیون (آماره F)

1. 1. آزمون t جهت بررسی معنادار بودن ضریب رگرسیون به طور مجزا (آماره t)

1. آزمون دوربین واتسون

۳-۸-۱- آزمون کولموگوروف- اسمیرنوف جهت بررسی نرمال بودن متغیرها

لازم است قبل از برازش مدل، نرمال بودن متغیر وابسته بررسی گردد. لازم به ذکر است که نرمال بودن باقیمانده‌های مدل، شرط لازم برای اعتبار رگرسیونی است ولی در صورتی که متغیر وابسته نرمال باشد باقیمانده‌ها نیز نرمال خواهند بود. فرض صفر و فرض مقابل در این آزمون به صورت زیر نوشته می‌شود.

داده ها از توزیع نرمال پیروی می‌کنند: H₀

داده ها از توزیع نرمال پیروی نمی کنند :H₁

در این پژوهش برای آزمون نرمال بودن داده ها از آزمون کلموگروف- اسمیرنف^[۲۲] استفاده می شود. مدل‌های رگرسیونی و پانلی در صورت غیر نرمال بودن از اعتبار ساقط خواهند بود. این آزمون که به افتخار دو آماردان روسی به نامهای کولموگوروف^[۲۳] و اسمیرنوف^[۲۴] ، ‌به این نام خوانده می‌شود ، روش ناپارامتری ساده‌ای برای تعیین همگونی اطلاعات تجربی با توزیعهای آماری منتخب است. در هنگام استفاده از نرم افزار SPSS چنانچه سطح معناداری مدل (sig) بیشتر از سطح خطای باشد فرض صفر پذیرفته شده و نتیجه می گیریم داده ها از توزیع نرمال پیروی می‌کنند.

۳-۸-۲- آزمون معنی دار بودن ضریب همبستگی

ضریب همبستگی با توجه به نمونه ای مشخص محاسبه می شود، ‌بنابرین‏ ممکن است از نمونه ای به نمونه دیگر تغییر یابد. در اینجا سوالی که مطرح می شود این است که آیا بین دو متغیر مستقل و وابسته همبستگی معنی دار وجود دارد؟ یا به عبارتی ضریب به دست آمده برای هر یک از متغیرهای مستقل معنی دار است یا خیر؟ در اینجا فرض های آماری H₀ و H₁ را به صورت زیر تعریف می­کنیم:

ضریب همبستگی معنی دار نیست:H₀

ضریب همبستگی معنی دار است:H₁

چنانچه در سطح خطای مقدار آماره F یا t از مقدار جدول بیشتر باشد، یا هنگام استفاده از نرم افزار SPSS چنانچه سطح معناداری مدل (sig) کمتر از سطح خطای باشد ،فرض صفر رد می شود و نتیجه می گیریم که در سطح اطمینان مورد نظر ضریب همبستگی به دست آمده معنی دار است.

۳-۸-۳- رگرسیون

واژه رگرسیون به معنای بازگشت است و نشان می‌دهد که مقدار یک متغیر به متغیر دیگر بر می‌گردد. رگرسیون به دنبال برآورد رابطه ای ریاضی و تحلیل آن می‌باشد به طوری که با آن بتوان کمیت متغیری مجهول را با بهره گرفتن از متغیرهای معلوم تعیین کرد، سپس در همبستگی تعیین نوع رابطه و میزان ارتباطی بررسی می شود که متغیرها را به هم ربط می‌دهد . معادله خط رگرسیون ساده (دو متغیر)x و y را به صورت y=a+bx نمایش داده می شود . در این معادله b شیب خط رگرسیون است. شیب خط نشان دهنده نوع رابطه است . شیب خط مثبت b>0)) نشان دهنده رابطه مستقیم دو متغیر است بدین معنی که با افزایش یکی، دیگری نیز افزایش و با کاهش یکی، دیگری نیز کاهش می‌یابد. شیب منفی (b<0 )نشان دهنده رابطه معکوس دو متغیر است بدین معنی که با افزایش یکی، دیگری نیز کاهش افزایش و با کاهش یکی، دیگری نیز افزایش می‌یابد. شیب صفر(b=0) نیز نشان می‌دهد که دو متغیر x و y رابطه خطی نداشته و ‌مستقل‌اند.(آذر، عادل، ۱۳۸۰، :۱۹۱-۱۸۳)

معادله رگرسیون چند گانه عبارت است از:

در تمامی معادلات رگرسیون مطرح شده در این تحقیق ، فرضیه صفر به صورت زیر تعریف می­ شود.

H₀: بین متغیر مستقل و متغیر وابسته رابطه معنادار وجود ندارد.

در آزمون معنی دار بودن رگرسیون فرض می شود که ضریب رگرسیون صفر است یا به عبارتی متغیر مستقل بر تغییرات متغیر وابسته اثری ندارد در مقابل فرضیه مقابل یا H₁ به صورت زیر تعریف می­ شود:

H_1: بین متغیر مستقل و متغیر وابسته رابطه معنادار وجود دارد.

فرضیه H₁ بیان می‌دارد متغیر مستقل در تغییرات متغیر وابسته، مؤثر واقع می شود.

برای آزمون فرضیات فوق، از ازمون F و t استفاده می شود

۳-۸-۳-۱- آزمون F جهت بررسی رابطه معنادار بودن در رگرسیون (آماره F)

با بهره گرفتن از تحلیل واریانس (ANOVA) ، می توان به بررسی معنادار بودن روابط متغیرها پرداخت. چنانچه مقدار Sig کوچکتر از۰۵/۰ باشد فرض H₀ را رد می‌کنیم، بعبارتی فرض H₁ پذیرفته می شود و می توان گفت بین متغیرهای مستقل و متغیرهای وابسته رابطه معنادار وجود دارد.

محاسبات و تحلیل های فوق با بهره گرفتن از نرم افزار spss صورت می‌گیرد. در این نرم افزار به منظور آزمون معنی دار بودن معادله رگرسیون از آزمون F استفاده می شود و سطح معنی داری برای F محاسبه می شود و با علامت (Sig- احتمال معنی داری ) ارائه می شود.

بدین صورت اگر ۰۵/۰ ≥ Sig باشد فرض H₀ را رد می‌کنیم و فرض H₁ پذیرفته می شود اگر Sig≥ ۰۵/۰ باشد فرض H₀ پذیرفته می شود و فرض H₁ رد می شود یعنی نمی توان مدل رگرسیون برازش داد.

در آن دسته از مدل‌های رگرسیون که فرض مقابل یعنی H₁ پذیرفته می شود، ‌ملاک‌هایی وجود دارد که در تأیید مدل به دست آمده، رهنمودهای لازم را ارائه می‌کنند. از جمله این ‌ملاک‌ها ضریب تعیین می­باشند.

ضریب تعیین

شاخصی است که نسبت تغییرات بیان شده توسط متغییرهای مستقل به کل تغییرات در متغیر وابسته را نشان می‌دهد. ضریب تعیین از تقسیم مجموع مربعات رگرسیون به مجموع مربعات کل به دست می‌آید. هر چه این نسبت به یک نزدیکتر باشد، نشان دهنده کفایت مدل است .

۳-۸-۳-۲- آزمون t جهت بررسی معنادار بودن ضریب رگرسیون به طور مجزا(آمارهt)

b ای که برآورد می‌کنیم در واقع برآورد کننده است. ‌بنابرین‏ برای ما نامشخص است. در این قسمت می‌خواهیم برای آن آزمون فرضی انجام دهیم.

فرض =۰ نشان دهنده آن است که شیب خط رگرسیون جامعه صفر است (رابطه خطی، بین دو متغیر نمی توان یافت و مقادیر y تابعی از x نیست.) در مقابل فرض ۰ نشان دهنده این است که شیب خط رگرسیون مخالف صفر می‌باشد (بین دو متغیر x و y رابطه خطی وجود دارد و مقادیر y تابعی از x است.)

1. فرضها :

H₀:بین ضریب متغیرهای مستقل و متغیرهای وابسته رابطه معنادار وجود ندارد

H₁ : بین ضریب متغیرهای مستقل و متغیرهای وابسته رابطه معنادار وجود دارد

۲- آماره آزمون : آماره آزمون t)) با بهره گرفتن از فرمول به دست می‌آید.

۳- مقادیر بحرانی: با بهره گرفتن از جدول t استیودنت مقادیر بحرانی را در سطح خطای مورد نظر به دست می آوریم