۳- افزایش تعداد سوالات تاثیر مثبت و یا منفی (بسته به نوع همبستگی بین سوالات) بر میزان آلفای کرونباخ خواهد گذاشت،

۴- افزایش حجم نمونه باعث کاهش واریانس میانگین سوالات در نتیجه باعث افزایش آلفای کرونباخ خواهد شد.

بدیهی است هرقدر شاخص آلفای کرونباخ به ۱ نزدیک­تر باشد، همبستگی درونی بین سوالات بیشتر و در نتیجه پرسش­ها همگن­تر خواهند بود.

به منظور بررسی پایایی پرسش­نامه، در ابتدا و در مرحله آزمایشی تعداد ۲۰ پرسش­نامه در بین جامعه آماری که نمونه تحقیق از آن انتخاب شده است توزیع و جمع ­آوری گردید. پس از تجزیه و تحلیل داده ­ها، ضریب پایایی با بهره گرفتن از آلفای کرونباخ محاسبه شد، که آلفای پرسش­نامه ۷۵۴۱/۰ درصد به دست آمد (پیوست ج).

۳-۸- روش تجزیه و تحلیل داده ­ها و آزمون فرضیه‌ها:

ابزار پژوهش محقق، یک پرسش­نامه مشتمل بر ۲۶ سوال ‌می‌باشد، که پس از تأیید روایی توسط صاحب نظران و تعیین مقدار پایایی با بهره گرفتن از آلفای کرونباخ، داده ­های پرسش­نامه در صفحه گسترده اکسل وارد و به ­وسیله نرم افزار spss تجزیه و تحلیل شد.

۳-۹- روش های آماری:

با توجه به فرضیات تحقیق که در آن وجود یا عدم وجود رابطه (مثبت یا منفی) بین متغیرهای مستقل و متغیر وابسته بررسی می­ شود و همچنین هدف اصلی تحقیق مطالعه نحوه تأثیر قدرت نظارتی سرپرستان بر واکنش تیم حسابرسی نسبت به بررسی عملکرد آن ها است. ‌می‌توان از روش رگرسیون استفاده نمود. در ادامه مبانی و فرضیات تحلیل رگرسیون به اختصار ارائه می­ شود :

۳-۹-۱-رگرسیون چندمتغیره:

برای تخمین مدل پیش ­بینی و بررسی همزمان رابطه متغیرهای مستقل و متغیر وابسته، از رگرسیون چند متغیره استفاده می­ شود. در برخی از مسائل پژوهشی، به ویژه آنهایی که هدف پیش ­بینی دارند، تعیین همبستگی بین متغیر ملاک (که قصد پیش ­بینی آن را داریم) و ترکیب متغیرهای پیش ­بینی کننده، که هر کدام از آن ها تا حدودی با این متغیر همبستگی دارند، دارای اهمیت زیادی است. روشی که از طریق آن متغیرهای پیش ­بینی کننده ترکیب می‌شوند، “رگرسیون چند متغیره” است. در این روش، یک معادله رگرسیون چند متغیری محاسبه می­ شود که ارزش‌های اندازه ­گیری شده پیش ­بینی را در یک فرمول خلاصه می­ کند. ضرایب معادله برای هر متغیر، بر اساس اهمیت آن در پیش ­بینی متغیر ملاک محاسبه و معین می­ شود. درجه همبستگی بین متغیرهای پیش ­بینی­کننده در معادله رگرسیون چند متغیری و متغیر ملاک، به وسیله ضریب نشان داده می­ شود.

رگرسیون چند متغیره دارای روش های مختلفی است. تفاوت روش های آن در نحوه انتخاب متغیرهای پیش ­بینی کننده است.

برای تعیین رگرسیون از رابطۀ زیر در این پژوهش استفاده می‌گردد؛ البته در این رابطه برای هر یک از سه مدل یک متغیر وابسته استفاده می شود که این متغیرهای وابسته قبلاً تشریح شد.

(۳-۳) Y = α + β_۱x₁ + β_۲x₂ + … + β_nx_n + u_t

Y: واکنش تیم حسابرسی نسبت به بررسی عملکردآنها

α: عرض از مبدأ

x_1، x₂، …، x_n : متغیرهای مورد استفاده در این تحقیق

۱β، ۲β، . ..، nβ : ضریب رگرسیون­های به دست آمده از کلیه متغیرهای این پژوهش

u_t : جملات خطا

۳-۹-۲- روش آزمون فرضیه‌ها:

به منظور آزمون فرضیات تحقیق از مدل رگرسیون استفاده شده است، معمولاً مراحل زیر در تشکیل، تجزیه و تحلیل و تأیید مدل رگرسیون رعایت می شود:

۱- شناسایی متغیرها. برای تشکیل مدل رگرسیون در این مرحله، متغیر وابسته و متغیر مستقل را برای تشکیل معادله رگرسیون شناسایی می‌کنیم. متغیر وابسته در این تحقیق، “واکنش تیم حسابرسی نسبت به بررسی عملکرد آن ها ” و متغیر مستقل، “تأثیر قدرت نظارتی سرپرست” می‌باشد.

۲- جمع‌ آوری داده ها.

۳- تعیین رابطه بین متغیر مستقل و وابسته. در این مرحله ماهیت رابطه بین متغیر وابسته و مستقل را مشخص می‌کنیم. برای مثال آیا رابطه خطی است یا غیر خطی؟ گاهی اوقات با رسم نمودار داده ­های جمع ­آوری شده، ماهیت رابطه را مشخص می‌کنیم.

۴- برآورد پارامتر مدل. در این مرحله با بهره گرفتن از داده ­های حاصل از نمونه پارامترهای مدل، رگرسیون جامعه را برآورد می‌کنیم.

۵- ارزیابی مفروضات مدل رگرسیون خطی ساده. برای تعیین اینکه آیا مفروضات مدل رگرسیون تأمین شده است یا خیر، می توان از نمودار باقیمانده­ها استفاده کرد. اگر مشخص شد که مفروضات صدق نمی­کند، در آن صورت باید به قدم اول برگردیم و فرایند را مجدداً بررسی کنیم.

۶- آزمون معنادارشدن مدل. در این مرحله با توجه به سطح معناداری مورد نظر، پارامترهای موجود در مدل را از نظر آماری آزمون می‌کنیم تا مشخص شود که معنادار هستند یا خیر.

۷- استفاده از مدل برای پیش ­بینی برآورد. هنگامی که مدل رگرسیون خطی ساده را به وجود آوردیم، در آن صورت می­توانیم از مدل برای پیش ­بینی و برآورد استفاده کنیم. از برازش معادله رگرسیون Y=b+bx ‌می‌توان برای رسیدن به دو هدف استفاده کرد: -۱ برآورد میانگین y در ازای یک مقدار معین x و -۲ پیش ­بینی یک مقدار معین y در ازای یک مقدار معین x. (عادل آذر،۱۳۷۹،۴۸)

۳-۹-۳- تحلیل همبستگی:

تحلیل همبستگی ابزار آماری است که به وسیله آن می توان درجه ای که یک متغیر به متغیر دیگری، از نظر خطی مرتبط است، اندازه گیری کرد. در تحلیل همبستگی دو معیار به کار می رود که در تحقیق حاضر نیز در تجزیه و تحلیل فرضیه‌ها در کنار تحلیل رگرسیون از آن ها استفاده می شود:

۳-۹-۳-۱- ضریب تعیین:

ضریب تعیین که با R² نشان داده می­ شود، بیان می­ کند که چه مقدار از تغییرات متغیر وابسته را ‌می‌توان به تغییرات متغیر مستقل نسبت داد. ضریب تعیین به وسیله رگرسیون توضیح داده می­ شود. (همان منبع)

R² از رابطه زیر به دست می ­آید:

(۳-۴)

که در آن:

SSE: تغییرات جمله خطا که توسط رگرسیون توضیح داده نمی­ شود.

SST: کل تغییرات در مقدار متغیر وابسته می‌باشد.

با این حال ترجیح داده می­ شود که از مقیاس ئیگری به نام ضریب تعیین تصحیح شده برای بررسی نیکویی برازش مدل رگرسیون چند متغیره استفاده شود. این ضریب همان ضریب تعیین است که در آن مقادیر SST و SSE با درجات ‌آزادی‌شان تعدیل گردیده­اند. این ضریب در رگرسیون چند متغیره به صورت زیر محاسبه می­ شود:

(۳-۵)

که در آن n تعداد مشاهدات و K تعداد متغیرهای مستقل است. در واقع هدف از به کارگیری R تسهیل در مقایسه نیکویی برازش چندین معادله رگرسیون است که از نظر تعداد متغیرهای مستقل توضیحی متفاوتند. (کیانیان، ۱۳۷۰،۱۱۳)

۳-۹-۳-۲- ضریب همبستگی:

ضریب همبستگی جذر ضریب تعیین است و آن را با R نشان می‌دهند. این ضریب بیانگر شدت و نوع رابطه بین متغیر مستقل و متغیر وابسته است.

۳-۱۰- آزمون معنادار بودن R:

ضریب همبستگی با توجه به نمونه ­ای مشخص، محاسبه می شود. بدیهی است که این ضریب، که بعضی مواقع ضریب همبستگی نمونه ­ای خوانده می شود، از نمونه ­ای به نمونه دیگر تغییر می­یابد. حال سؤال اینجا است که آیا بین دو متغیر X و Y که ضریب همبستگی آن را تعیین کرده­ایم همبستگی معناداری وجود دارد یا نه؟ به عبارت دیگر، آیا ‌می‌توان به وجود یک رابطه علت و معلولی خطی اذعان داشت و یا همبستگی به دست آمده ناشی از شانس و تصادف بوده و ضریب همبستگی جامعه برابر صفر است.

1. 1. ۱-Belkauoi ↑