سوال 2 1 2 13 79 122 0 217 .694 4.47
سوال 3 1 2 16 79 119 0 217 .712 4.44
سوال 4 1 6 12 71 127 0 217 .764 4.46
سوال 5 4 8 16 93 96 0 217 .881 4.24
سوال 6 2 11 25 95 84 0 217 .878 4.14
سوال 7 0 12 20 96 89 0 217 .827 4.21
سوال 8 4 7 26 87 93 0 217 .901 4.19
سوال 9 2 5 26 102 82 0 217 .801 4.18
سوال 10 3 18 37 78 81 0 217 1.002 4.00
سوال 11 3 11 20 92 91 0 217 .899 4.18
سوال 12 3 7 19 100 88 0 217 .840 4.21
سوال 13 2 10 18 83 104 0 217 .870 4.28
سوال 14 4 7 17 59 130 0 217 .903 4.40
سوال 15 6 14 36 86 75 0 217 1.011 3.97
سوال 16 4 13 37 98 65 0 217 .937 3.95
سوال 17 3 9 24 97 84 0 217 .877 4.15
سوال 18 3 6 29 97 82 0 217 .853 4.15
سوال 19 3 4 20 87 103 0 217 .822 4.30
سوال 20 2 1 17 89 108 0 217 .730 4.38
سوال 21 1 7 6 84 119 0 217 .744 4.44
سوال 22 1 3 18 72 123 0 217 .744 4.44
سوال 23 1 12 17 86 101 0 217 .861 4.26
سوال 24 3 6 16 103 89 0 217 .815 4.24
سوال 25 4 7 17 86 103 0 217 .880 4.28
سوال 26 1 8 11 70 127 0 217 .792 4.45
سوال 27 3 6 9 75 124 0 217 .814 4.43
سوال 28 2 8 17 71 119 0 217 .851 4.37
سوال 29 2 2 11 65 137 0 217 .720 4.53
سوال 30 1 4 9 68 135 0 217 .707 4.53

4-4 اعتبار سنجی پرسشنامه با بهره گرفتن از آلفای کرونباخ
جدول4-7 اعتبار سنجی پرسشنامه با بهره گرفتن از الفای کرونباخ
اعتبار پرسشنامه
مقدارآلفای کرونباخ تعداد سوالات
.902 30

همانطور که در جدول بالا مشاهده میشود اعتبار پرسشنامه با بهره گرفتن از آلفای کرونباخ 0.902 گزارش شده است که بسیار مناسب است.
4-5- اعتبار سنجی مدل تحقیق با مدل معادلات ساختاری
مدل معادلات ساختاری رویکرد آماری جامعی برای آزمون فرضیه‌هایی درباره روابط بین متغیرهای مشاهده شده و متغیرهای مکنون می‌باشد. از طریق این رویکرد می‌توان قابل قبول بودن مدل‌های نظری را در جامعه‌های خاص با بهره گرفتن از داده‌های همبستگی، غیرآزمایشی، و آزمایشی آزمود. یکی از قوی‌ترین و مناسب‌ترین روش‌های تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی تجزیه‌وتحلیل چند متغیره است، زیرا ماهیت این‌گونه موضوعات چند متغیره بوده و نمی‌توان آن‌ ها را با شیوه دو متغیری (که هر بار تنها یک متغیر مستقل با یک متغیر وابسته در نظر گرفته می‌شود) حل نمود. تجزیه و تحلیل چند متغیره به یک سری روش‌های تجزیه و تحلیل اطلاق می‌شود که ویژگی اصلی آن‌ ها، تجزیه هم‌زمان K متغیر مستقل و n متغیر وابسته است.
تجزیه و تحلیل ساختارهای کواریانس یا مدل‌سازی علّی یا مدل معادلات ساختاری SEM) )، یکی از اصلی‌ترین روش‌های تجزیه‌وتحلیل ساختارهای داده‌ای پیچیده است و به معنی تجزیه و تحلیل متغیرهای مختلفی است که در یک ساختار مبتنی بر تئوری، تأثیرات هم‌زمان متغیرها را برهم نشان می‌دهد. این روش، ترکیب ریاضی و آماری پیچیده‌ای از تحلیل عاملی، رگرسیون چند متغیره، و تحلیل مسیر است که در یک سیستم پیچیده گردهم آمده تا پدیده‌های پیچیده را مورد تجزیه و تحلیل قرار دهد. مدل معادلات ساختاری به دو فاز کلی تحلیل عاملی اندازه گیری یا تأییدی و تحلیل مسیر تقسیم می‌شود. در قسمت اندازه گیری ارتباط نشانگرها یا همان سوالات پرسشنامه با سازه‌ها مورد بررسی قرار می‌گیرد و در قسمت ساختاری ارتباط عامل‌های مورد بررسی با یکدیگر جهت آزمون فرضیات مورد توجه هستند.
به طور کلی روابط بین متغیرها در مدل معادلات ساختاری به دو حوزه کلی تقسیم می‌شود:
روابط بین متغیر های پنهان با متغیرهای آشکار (مدل اندازه گیری و یا مدل تحلیل عامل تأییدی می‌باشد).
روابط بین متغیر های پنهان با متغیر های پنهان. (مدل ساختاری و یا مدل تحلیل مسیر می‌باشد).
درمدل اندازه گیری ارتباط نشانگرها یا همان سوالات پرسشنامه با سازه‌ها مورد بررسی قرار می‌گیرد و در قسمت مدل ساختاری ارتباط عامل‌های مورد بررسی با یکدیگر جهت آزمون فرضیات مورد توجه هستند. در واقع تا ثابت نشود نشانگرها یا همان سوالات پرسشنامه، متغیر های پنهان را به خوبی اندازه گیری کرده‌اند، نمی‌توان روابط را مورد آزمون قرار داد؛ لذا برای اثبات اینکه مفاهیم به خوبی اندازه گیری شده‌اند از مدل اندازه گیری یا تحلیل عاملی تأییدی استفاده می‌شود.
4-5-1- مدل اندازه گیری یا تحلیل عاملی تأییدی
در روش شناسی مدل معادلات ساختاری، ابتدا به ساکن لازم است تا روایی سازه مورد مطالعه قرار گرفته تا مشخص شود نشانگر های انتخاب شده برای اندازه گیری سازه‌های مورد نظر خود از دقت لازم برخوردار هستند. برای این منظور از تحلیل عاملی تأییدی (CFA )، استفاده می‌شود. به این شکل که بار عاملی هر نشانگر با سازه خود دارای مقدار t بالاتر از 96/1 باشد. در این صورت این نشانگر از دقت لازم برای اندازه گیری آن سازه یا صفت مکنون برخوردار است؛ لذا جهت بررسی اینکه هر سازه‌های مدل تحقیق تا چه حد با نشانگر های انتخاب شده جهت سنجش آن‌ ها دارای هم سویی بوده‌اند از مدل اندازه گیری یا همان تحلیل عاملی تأییدی استفاده شد.
4-6 متغیرها و ابعاد تشکیل دهنده آنها
جدول4-8 متغیرهای پژوهش
ردیف متغیر سوالات
1 تدارکات سوال 1 تا 4
2 انبار‌داری سوال 5 تا 9
3 انتقال سوال 10 تا 14
4 پردازش سفارشات سوال 15 تا 18
5 زمان بندی تولید سوال 19 تا 22
6 زمان حمل کالا سوال 23 تا 26
7 بسته بندی سوال 27 تا 30

همانگونه که در جدول مشاهده می‌شود در این پژوهش 7 متغیر مکنون وجود دارد که به ترتیب در جدول آورده شده و سوالاتی که در پرسشنامه برای بررسی آنها در نظر گرفته شده است و برآورد کننده آنها هستند مشخص شده است. همچنین این 7 متغیر خود در یک مدل تحلیلی برآورد کننده متغیر زنجیره تامین هستند که در آخر این پژوهش به بررسی این مدل کلی پرداخته و آن را مورد تجزیه و تحل
یل قرار داده و بار عاملی سوالات و این متغیر‌ها را بر این متغیر بررسی می کنیم.
اکنون به بررسی تک‌تک متغیر های مکنون (مستقل) پرداخته و به بررسی بارهای عاملی سوالات و اثر آنها بر این متغیر‌ها می‌پردازیم.
برای ارزیابی مدل تحلیل عاملی تأییدی چندین مشخصه برازندگی وجود دارد. در این پژوهش برای ارزیابی مدل تحلیل عاملی تأییدی از میانگین مجذور پس‌ماندها RMR، شاخص برازندگی GFI، شاخص نرم‌شده برازندگی (NFI)، شاخص نرم‌نشده برازندگی (NNFI)، شاخص برازندگی فزاینده (IFI)، شاخص برازندگی تطبیقی (CFI) و شاخص بسیار مهم ریشه دوم برآورد واریانس خطای تقریب RMSEA استفاده شده است. معیار GFI نشان دهنده اندازه‌ای از مقدار نسبی واریانس‌ها و کواریانس ها می‌باشد که توسط مدل تبیین می‌شود. این معیار بین صفر تا یک متغیر می‌باشند که هرچه به عدد یک نزدیکتر باشند، نیکویی برازش مدل با داده‌های مشاهده شده بیشتر است. . ریشه دوم میانگین مجذور پس‌ماندها یعنی تفاوت بین عناصر ماتریس مشاهده شده در گروه نمونه و عناصر ماتریس‌های برآورد یا پیش‌بینی شده با فرض درست بودن مدل مورد نظر است هرچه RMR برای مدل مورد آزمون نزدیک‌تر به صفر باشد، مدل مذکور برازش بهتری دارد،معیار میانگین اختلاف بین داده‌ها و ماتریس کواریانس- واریانس باز تولید شده (implied) است. این معیار هر چقدر که کوچکتر باشد (زیر 0.05 بسیار عالی و زیر 0.08 مناسب و زیر 0.10 نامناسب است) برای تناسب مدل با داده‌ها بهتر است. این شاخص یک شاخص با ارزشی است هنگامی که میانگین ماتریس واریانس- کواریانس داده‌ها شناخته شده باشد. ارزیابی آن هنگامی که ماتریس واریانس- کواریانس غیراستاندارد مورد استفاده قرار گیرد سخت و مشکل است. برای بررسی اینکه یک مدل به خصوص در مقایسه با سایر مدل‌های ممکن، از لحاظ تبیین مجموعه‌ای از داده‌های مشاهده شده تا چه حد خوب عمل می‌کند از مقادیر شاخص نرم‌شده برازندگی (NFI)، شاخص نرم‌نشده برازندگی (NNFI)، شاخص برازندگی فزاینده (IFI) و شاخص برازندگی تطبیقی (CFI) استفاده شده است. . در نهایت برای بررسی اینکه مدل مورد نظر چگونه برازندگی و صرفه جویی را با هم ترکیب می‌کند از شاخص بسیار توانمند ریشه دوم برآورد واریانس خطای تقریب RMSEA استفاده شده است. شاخص RMSEA، ریشه میانگین مجذورات تقریب می‌باشد. این شاخص برای مدل‌های خوب 05/0 و کمتر است. مدلی که در آن این شاخص 10/0 یا بیشتر باشد برازش ضعیفی دارد.
مدل اندازه گیری در سطح متغیر های مستقل
تدارکات:
این مدل در نرم افزار اجرا و روابط نشانگر های آن ترسیم شد. مدل اولیه اجرا شده در نرم افزار لیزرل دارای شاخص‌های مناسب برازش نبوده و به این منظور باید مدل اولیه وارد فاز اصلاح شود. عمدتاً در مرحله اصلاح مدل کنار گذاشتن نشانگر های کم اهمیت یا برقراری روابط آزاد در مدل به اجرا و برازش آن کمک شایان توجهی می کند. به واقع در مدل برازش یافته بار‌های عاملی و تمام رویکرد‌های مطالعه معنی‌داری آن‌ ها از اعتبار قاطعی برخوردار هستند.

مدل1 -1: مدل اولیه اندازه‌گیری متغیر تدارکات

جدول 4-9 تفاوت مقادیر کای اسکویر در تعیین اثر بخشی مدل اولیه اندازه گیری متغیر تدارکات