فرضيه 5 : زيبايي ظاهري سيستم بانكداري همراه در بانك صادرات از ديدگاه مشتريان رضايت بخش مي باشد
فرضيه 6 : قابليت اعتماد سيستم بانكداري همراه در بانك صادرات از ديدگاه مشتريان رضايت بخش مي باشد .
فرضيه 7 : پا سخگويي سيستم بانكداري همراه در بانك صادرات از ديدگاه مشتريان رضايت بخش مي باشد .
فزضيه 8 : جبران خسارات سيستم بانكداري همراه در بانك صادرات از ديدگاه مشتريان رضايت بخش مي باشد .
فرضيه 9 : تماس و ارتباط سيستم بانكداري همراه در بانك صادرات از ديدگاه مشتريان رضايت بخش مي باشد .
3-10- روش تجزيه وتحليل داده ها
به منظور تحليل داده ها وآزمون فرضيه هاي تحقيق از روش تحليل عاملي تأييدي و مدل يابي معادلات ساختاري و نيز براي تحليل جانبي از آزمون T وتحليل واريانس استفاده شده است به منظور مطالعه و تحليل ويژگي هاي جمعيت شناختي جامعه آماري مورد مطالعه تحقيق نيز از آمار توصيفي استفاده شده است .
3-10-1- مدل يابي معادلات ساختاري
مدل يابي معادلات ساختاري يك تكنيك چند متغيري ونيرومند از خانواده رگر سيون چند متغيري و به بياني دقيق تر بسط مدل خطي كلي است كه به پژوهش گر امكان ميدهد مجموعه اي از معادلات رگر سيون را به گونه همزمان مورد آزمون قرار دهد . مدل يابي معادلات ساختاري يك رويكرد آماري جامع براي آزمون فر ضيه هايي در باره روابط بين متغير هاي مشاهده شده ومكنون است كه به عنوان تحليل ساختا ري كوواريا نس ، مدل يابي علي و همچنين Lisrel ناميده شده است اما اصطلاح غالب در اين روزها مدل يابي معادله ساختاري يا به گونه خلاصه SEM است ( هومن 1387، 11 )
3-10-2- تحليل عاملي تأييدي
تحليل عاملي تأييدي در واقع يك مدل آزمون تئوري است كه در آن پژوهشگر تحليل خود را با يك فرضيه قبلي آغاز مي كند اين مدل كه مبتني بر يك شالوده تجربي ونظري قوي است مشخص مي كند كه كدام متغير ها با كدام عامل ها و كدام عامل با كدام عامل ها بايد هم بسته شوند . براي ارزش يابي روايي سازه نيز يك روش قابل اعتماد به پژوهش گر عر ضه مي كند تا از اين طريق بتوانند به گونه بارزي فرضيه هايي را در باره ساختار عاملي داده ها كه ناشي از يك مدل از پيش تعيين شده با تعدادو تركيب مشخصي از عامل هاست بيازمايد . ( هومن 1387 ، 296 ، 295 )
در تحليل عاملي تأييدي پژوهشگر به دنبال تهيه مدلي است كه فرض مي شود داده هاي تجربي را برپايه چند پارامتر نسبتأ اندك توصيف ، تبيين يا توجيح مي كند . اين مدل مبتني بر اطلاعات پيش تجربي در باره ساختار داده هاست كه ميتواند به شكل ،( 1 )تئوري يا فرضيه (2) يك طرح طبقه بندي كننده معين براي گويه ها يا پاره تست ها در انطباق با ويژگي هاي عيني شكل و محتوا (3) شرايط معلوم تجربي و يا (4) دانش حاصل از مطالعات قبلي در باره ی داده هاي وسيع باشد . ( هومن 1387 ، 295 )
در اين تحقيق باتوجه به بررسي وسيع مطالعات انجام گرفته در حوزه مدل ها وابعاد كيفيت ، خدمات الكترو نيك ، اطلاعات پيش تجربي در رابطه با ساختار داده ها وتدوين فرضيه هاي مربوطه وجود داشت لذا در اين پژوهش نيازي به اكتشاف اين عوامل و ابعاد نبوده و از تحليل عاملي تأ ييدي در اين رابطه استفاده شده است.
3-10-3 آزمون تحليل واريانس
براي آزمون برابري بيش از دو ميانگين مي توان از ابزار آماري بسيار مفيدي بنام تحليل واريانس يا ANOVA استفاده نمود به عبارت ديگر هرگاه هدف مقايسه برابري ميانگين چندين گروه باشد مي توان از اين روش استفاده نمود در اين روش تغييرات كل به دو بخش تجزيه مي شود :
تغييرات كل = تغييرات بين گروهي + تغييرات داخل گروهي
با بهره گرفتن از نسبت تغييرات بين گروهي به تغييرات داخل گروهي معيار F به دست خواهد آمد كه مبناي تصميم گيري در مورد فرض صفر و فرض مقابل است .
در صورتی که میانگین k گروه مورد مقایسه باشد در این صورت می توان فرض صفر و فرض مقابل را به صورت آماری زیر فرمول بندی نمود.
برای قضاوت در مورد فرض صفر بالا همان گونه که گفته شد و بر مبنای تجزیه تغییرات کل ( واریانس کل) جدول زیر بدست خواهد آمد . این جدول به جدول تحلیل واریانس معروف است و مهمترین بخش از روش تحلیل واریانس است.

3-11- تحلیل استنباطی داده ها
فرایند تجزیه و تحلیل ساختارهای کواریانس ( مدلسازی معادلات ساختاری) و تحلیل عاملی تاییدی شامل یکسری گام هایی است. به محقق توصیه می شود که حتما به طور متوالی ( پی در پی ) از این گام ها پیروی کند.
این گام ها عبارتند از:
1ـ بیان مدل
2ـ تخمین مدل
3ـ اصلاح مدل
4ـ آزمون فرضیه
5ـ تفسیر مدل
3-11-1- بیان مدل
این مرحله در واقع همان بیان رسمی مدل است و این مرحله یکی از مهمترین مراحل موجود در مدلسازی معادلات ساختاری است. در واقع هیچگونه تحلیلی صورت نمی گیرد. مگر اینکه اول محقق مدل خود را که درباره روابط میان متغیرها است را بیان و مشخص کند. این مرحله شامل فرمول بندی ( تنظیم) یک عبارت درباره یک مجموعه ای از پارامترها است. این پارامترها در زمینه مدلسازی معادلات ساختاری، ماهیت روابط میان متغیرها را نشان می دهد در مدلسازی معادلات ساختاری ، اندازه و علامت این پارامترها تعیین می شود این پارامترها به دو دسته ثابت و آزاد (FIX , FREE) تقسیم می شوند.
3-11-2- تخمین مدل
هنگامیه یک مدل بیان شد و حالت تعیین آن مورد ارزیابی قرار گرفت ، مرحله بعدی به دست آوردن تخمین پارامترهای آزاد از روی مجموعه ای از داده های مشاهده شده است. برای تخمین پارامترها و روش های تکراری از قبیل بیشینه درستنمایی ML یا حداقل مربعات ( مجذورات ) تعمیم یافته استفاده می شود.
روش کار در این رویه های تخمین به این صورت است که در هر تکرار ، یک ماتریس کواریانس ضمنی ساخته می شود و با ماتریس کواریانس داده های مشاهده شده مقایسه می گردد . مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده می شود و این تکرار ها تا جایی ادامه خواهد یافت که این ماتریس باقیمانده ، مینیمم شود.
گام های موجود در این مرحله به شرح زیر است.
جمع آوری داده ها :
داده ها می بایستی قبل از تخمین مدل و بعد از بیان مدل تعیین دار شده، جمع آوری شود در این مرحله انتنخاب اندازه نمونه مهم است چون که برخی از روش های تخمین موجود در LISREL و شاخص های X² نسبت به اندازه نمونه حساس هستند.
3-11-3- ارزیابی تناسب مدل
یک مدل وقتی گفته می شود که با یکسری داده های مشاهده تناسب دارد، که ماتریس کواریانس ضمنی مدل با ماتریس کواریانس داده های مشاهده شده هم ارز ( معادل) باشد. یعنی ماتریس باقیمانده و عوامل ( عناصر) ان نزدیک صفر باشند. البته تناسب به روش تخمین، مدل و ویژگی های داده مشاهده شده و بستگی دارد. به طور مثال هر چقدر پارامترهای آزاد یک مدل بیشتر شود مدل به طور زیادی احتمال دارد یا داده ها تناسب داشته باشد، به خاطر اینکه مقادیر پارامترها از روی داده ها تخمین زده می شود و باید توجه کرد که اثر بخش روش های تخمین مختلف به خاطر اندازه نمونه و پیچیدگی مدل، متفاوت هستند. گامهای مربوط به این مرحله عبارتست از :
بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی این موضوع که آیا اصلاحات مورد نیاز است یا خیر؟
هنگامیکه یک مدلی تخمین زده می شود برنامه نرم افزاری یکسری امارهایی از قبیل خطای استاندارد را درباره ارزیابی تناسب مدل (خوب بودن برازش مدل ) به صورت کل و متناسب با داده ها منتشر می کند. اولاً لازم است که تخمین های مدل را مورد بررسی قرار دهیم تا اطمینان حاصل کنیم که آیا مدل قابل آزمون است یا خیر ؟ دوماً بررسی معیار تناسب (برازش) کلی مدل مهمترین معیار به کار گرفته شده آزمون x² است.
اگر مدل قابل آزمون بود ولی با داده ها به طور مناسب تناسب و برازش نداشت. شاخص های اصلاحی که یک وسیله معتبری برای ارزیابی تغییرات مورد نیاز در بیان مدل هستند به کار می روند تا مدل متناسب با داده ها شوند.
که اثر بخشی روش های تخمین مختلف به خاطر اندازه نمونه و پیچیدگی مدل ، متفاوت هستند گام های مربوط به این مرحله عبارتست از:
بررسی معیار کلی تناسب مدل و قابلیت ازمون پذیری مدل و ارزیابی این موضوع که آیات اصلاحات مورد نیاز است یا خیر؟
هنگامیکه که یک مدلی تخمین زده می شود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد t-value , …. را درباره ارزیابی تناسب مدل ( خوب بودن بر ارزش مدل) به صورت کل و تناسب با داده ها منتشر می کند. اولاً لازم است که تخمین های مدل را مورد بررسی قرار دهیم تا اطمینان حاصل کنیم که آیا مدل قابل آزمون است یا خیر؟ دوماً بررسی معیار تناسب ( بر ارزش ) کلی دل مهم ترین معیار به کار گرفته شده آزمون X² است.
اگر مدل قابل آزمون بود ولی با داده ها به طور مناسب تناسب و برازش نداشت، شاخ های اصلاحی که یک وسیله معتبری برای ارزیابی تغییرات مورد نیاز در بیان مدل هستند به کار می روند تا مدل متناسب با داده ها شوند.
همان طور که گفته شد مهمترین شاخص تناسب مدل آزمون X² است. البته استفاده از این آزمون متضمن رعایت یکسری مفروضاتی است که در برخی از موارد، امکان نقض این مفروضات وجود دارد. با گسترش نارضایتی از آزمون X² یکسری شاخص های ثانویه ( ثانوی ـ فرعی ) به وجود آمد.
یک تفاوت مهمی که بین آزمون تناسب X² و شاخص های تناسب ثانویه وجود دارد. مربوط به اندازه ارزش هایی می شود که در این شاخص ها برای این که یک مدل تناسب داشته باشد باید وجود داشته باشد ازمون X² به واقع شاخص Badness of fit است و هر چه ارزش های آن کوچکتر باشد نشان می دهد مدل تناسب بهتری دارد اما در مقابل ، شاخص های تناسب ثانوی از قبیل AGFI , NFI , GFI که واقعاً شاخص های goodness of fil هستند در این شاخص ها ، هر چقدر ارزش آنها بیشتر باشد مدل تناسب بیشتری دارد.
3-11-3-1- مهم ترین شاخص های تناسب مدل :