به منظور پی بردن به معنی‌داری آماره‌های محاسبه ‌شده در معادله رگرسیون می‌توان از آزمون‌های آماری استفاده کرد و فرضیه صفر در هر مورد این است که متغیرهای پیش بین مقدار معناداری از واریانس y را تبیین نمی‌کنند. اولین چیزی که باید بدانیم محاسبه خطای استاندارد ضریب است یا به عبارتی تعیین اینکه مقدار آن احتمالاً در جریان تکرار نمونه‌گیری چقدر تغییر می‌کند. با تقسیم ضریب بر خطای استاندارد، آماره t بدست می‌آید که می‌توان با مراجعه به جدول مربوطه و درجه آزادی (N-P-1) معناداری آن را بررسی کرد (تعداد متغیرهای پیش بین = p). در واقع این آزمون نشان می‌دهد که آیا ضرایب معادله رگرسیون (B) معنی‌دار بوده و در برآورد مقدار متغیر وابسته موثر می‌باشد یا خیر؟
۲- تحلیل واریانس یک عامله (ANOVA) و محاسبه آماره F
جدول تحلیل واریانس در رگرسیون منبع تغییرات وابسته در دو منبع رگرسیون و باقیمانده را نشان می‌دهد. منبع رگرسیون اطلاعات مربوط به میزان تغییرات متغیر وابسته را که در نتیجه مدل تحقیق است نشان می‌دهد. منبع باقیمانده مربوط به میزان تغییرات متغیر وابسته که خارج از مدل تحقیق است را نشان می‌دهد. هر چه مقدار مجموع مجذورات باقیمانده کوچک‌تر از مجموع مجذورات رگرسیون باشد نشان‌دهنده قدرت تبیین‌کنندگی بالای مدل در توضیح تغییرات متغیر وابسته می‌باشد.
مقدار F نشان‌دهنده آن است که آیا مدل رگرسیونی تحقیق مدل مناسبی است یا خیر؟ به عبارتی آیا متغیرهای مستقل قادرند به خوبی تغییرات متغیر وابسته را توضیح دهند یا خیر. تشخیص این موضوع با معنی‌داری مقدار F در سطح خطای کوچک‌تر یا بزرگ‌تر از ۰۵/۰ امکان‌پذیر می‌باشد. مقدار F از تقسیم میانگین توان‌های دوم رگرسیون (MSR) بر میانگین توان‌های دوم باقیمانده (MSE) بدست می‌آید. میانگین توان‌های دوم از تقسیم مجموع توان‌های دوم هر منبع بر درجه آزادی همان منبع حاصل می‌گردد. آماره F در واقع رابطه خطی بین متغیرها را نشان می‌دهد.
۳-آزمون دوربین-واتسون
یکی از آزمون‌های تعیین استقلال بین متغیرهای تحقیق می‌باشد. یکی از شرایط برای استفاده از رگرسیون مستقل بودن متغیرهای مستقل و وابسته می‌باشد. مقدار این آزمون اگر بین ۵/۱ تا ۵/۲ باشد داده‌ها از هم مستقل می‌باشند.

شروط استفاده از رگرسیون:
برای استفاده از روش‌های تحلیل رگرسیون باید شرایط برای انجام آن فراهم باشد. این شرایط به قرار زیر می‌باشند:
۱-مقیاس اندازه‌گیری همه متغیرها (حداقل) رتبه‌ای ‌باشد. در این تحقیق از طیف لیکرت استفاده شده است.
۲- توزیع مقادیر متغیر وابسته نرمال باشد که با توجه به آزمون کولموگروف-اسمیرنف، توزیع همه متغیرها نرمال بود.
۳- وجود رابطه خطی بین متغیرها با آزمون تحلیل واریانس (ANOVA) و محاسبه آمارهF تایید شود. معنی‌داری بودن معادله رگرسیون با بهره گرفتن از آزمون F در هر دو گروه محاسبه شده است.در این آزمون، فرض H₁ خطی بودن رابطه بین متغیرها را نشان می‌دهد.
۴-مستقل بودن مشاهدات نیز با آزمون دوربین-واتسون (Durbin-Watson)، مشخص می‌شود. اگر مقدار این آزمون بین ۵/۲-۵/۱ باشد، مشاهدات از هم مستقل‌اند. مقدار این آزمون در جدول مربوط به ضرایب رگرسیون آورده شده است که در محدوده مناسب قرار دارد.
ضرایب در تحلیل رگرسیون به دو بخش تقسیم می‌شوند:
۱-ضریب همبستگی چندگانه
۲-ضریب تعیین
ضریب همبستگی چندگانه ® در جدول زیر شدت رابطه بین متغیرهای مستقل با متغیر وابسته را نشان می‌دهد. این مقدار همواره بین ۰ و ۱+ می‌باشد. مقدار ضریب تعیین (R²) نشان می‌دهد که حدود چند درصد از تغییرات متغیر وابسته ناشی از متغیرهای مستقل تحقیق می‌باشد؛ و بقیه به عوامل دیگر بستگی دارد؛ اما این آماره تعداد درجه آزادی را در نظر نمی‌گیرد. به همین دلیل از ضریب تعیین استاندارد استفاده می‌گردد.
-ضرایب معادله رگرسیون به دو بخش تقسیم می‌گردند:
۱-ضریب تأثیر غیراستاندارد (B)
۱-ضریب تأثیر استاندارد (Beta)
ضرایب غیراستاندارد یعنی ضرایب B برای نوشتن معادله رگرسیون می‌باشند و از آن‌ ها برای نوشتن معادله رگرسیون استفاده می‌شود. بر این اساس معادله رگرسیون برای هر مرحله نوشته می‌شود
اما برای نشان دادن اهمیت متغیرهای مستقل در پیش‌بینی متغیر وابسته و به طور کلی در پیشگویی معادله رگرسیون باید به مقادیر استاندارد (Beta) توجه نمود چرا که مقیاس اغلب متغیرهای مستقل از واحدهای مختلفی می‌باشد و با راحتی نمی‌توان به مقایسه سهم هر متغیر مستقل در تبیین تغییرات یا واریانس متغیر وابسته پرداخت. از این رو ضریب تأثیر استاندارد شده به ما در تعیین سهم نسبی هر متغیر مستقل در تبیین تغییرات متغیر وابسته کمک می کند.
۳-۸-۴ تحلیل مدل معادلات ساختاری با نرم افزار LISREL 8.50
در این پژوهش برای آزمون فرضیه‌ها و تعیین تأثیر متغیرهای مکنون از مدل یابی (SEM^[22])، نرم افزار لیزرل۵۰/۸ استفاده شد. مدل یابی معادلات ساختاری یک تکنیک تحلیل چند متغیره نیرومند از خانواده رگرسیون چند متغیره است که به پژوهشگران امکان می‌دهد مجموعه ای از معادلات رگرسیون را به طور همزمان مورد آزمون قرار دهد (هومن،۱۳۹۰). این روش برخلاف تحلیل رگرسیون برای تحلیل معادلات ساختاری، روش مناسبی به حساب می‌آید، زیرا امکان سنجش روابط بین متغیرهای مکنون را به ما می‌دهد و بررسی روابط وابسته به چند عامل را نیز فراهم می‌کند.
در پژوهش حاضر در دو بخش از معادلات ساختاری استفاده گردید. در بخش اول برای برازش مدل‌های اندازه گیری (تحلیل عاملی تأییدی) و در بخش دوم به منظور سنجش مدل و معناداری روابط بین متغیرها بهره گرفته شد.
۳-۸-۴-۱-تحلیل عاملی تأییدی و برازش مدل‌ها: قبل از ورود به مرحله‌ی آزمون فرضیه‌ها و مدل مفهومی پژوهش لازم است از صحت مدل‌های اندازه گیری اطمینان حاصل شود این کار توسط تحلیل عاملی تأییدی انجام می‌شود که یکی از روش‌های قدیمی و معتبر علمی برای اندازه گیری روایی سازه می‌باشد و روابط بین مجموعه ای از شاخص‌ها و عوامل را مورد بررسی قرار می‌دهد و به برآورد بار عاملی^[۲۳] می‌پردازد. در واقع در این تحلیل ارتباط بین متغیرهای مکنون (عامل‌های بدست آمده) و متغیرهای مشاهده شده (سؤالات یا شاخص‌ها) مورد بررسی قرار می‌گیرد. بار عاملی معرف همبستگی عامل با شاخص مربوطه است در نتیجه تفسیر آن مشابه با تفسیر آزمون همبستگی می‌باشد (هومن، ۱۳۹۰). در واقع تحلیل عاملی تأییدی به بررسی این مطلب می‌پردازد که آیا داده های موجود با ساختار به شدت محدود شده پیش تجربی که شرایط همانندی را برآورد می‌سازد، برازش دارد یا نه (هومن،۱۳۹۰). تایید یا رد معناداری بارهای عاملی با توجه به مقدار (T-Value) صورت می‌گیرد. در صورتی که این میزان کوچک‌تر از ۹۶/۱- و بزرگ‌تر از ۹۶/۱ باشد، این رابطه تایید می‌شود.
۳-۸-۴-۲-تحلیل مسیر: برای برآورد پارامترهای مدل معادلات ساختاری یک مجموعه معادلات رگرسیون بر حسب متغیرهای مستقل و وابسته، مدلی تدوین می‌شود. تأثیر یک متغیر بر متغیر دیگر، هم می‌تواند مستقیم باشد و هم از طریق تأثیرگذاری بر متغیر میانجی دیگر یعنی به صورت غیر مستقیم باشد. اکثر تغییرات مستقیم همان تغییراتی هستند که در یک نمودار تحلیل مسیر به وسیله‌ی پیکان‌های یک طرفه مشخص و توسط پارامترهای مدل برآورد می‌شود. تأثیر کل عبارتست از تاثیر مستقیم بعلاوه‌ی تمامی تأثیرات غیرمستقیم که از همبستگی بین متغیرهای بیرونی و تأثیرات متقابل حاصل می‌شود. (قاسمی، ۱۳۸۹). یک مدل معادلات ساختاری کامل با یک نمودار مسیر که معرف روابط نظری مورد بررسی میان متغیرهای مستقل و وابسته است شروع می‌شود.
۳-۸-۴-۳ شاخص‌ها یا معیارهای برازش مدل
شاخص‌های برازش مناسب مدل بسیار هستند و تعداد آن‌ ها رو به افزایش است و هیچ‌گونه توافق همگانی در مورد یک آزمون بهینه وجود ندارد. معمولاً برای تایید مدل استفاده از سه تا پنج معیار کافی است. (شوماخر و لومکس، ۱۳۸۸) در این پژوهش از ۶ شاخص معروف و مهم استفاده نمودیم که شامل: NC^[24] (کای اسکوئر بهنجار یا نسبی) یکی از شاخص‌های عمومی برازش که از تقسیم ساده‌ی مقدار کای دو بر درجه‌ی آزادی محاسبه می‌شود، RMSEA^[25] (شاخص ریشه‌ی میانگین مربعات خطای برآورد)، NFI^[26] (شاخص برازش هنجارشده)،NNFI^[27] (شاخص برازش هنجارنشده)، GFI^[28] (شاخص نیکویی برازش)، RMR^[29] (شاخص ریشه‌ی میانگین مربعات باقیمانده) است.
کای‌اسکوئر بهنجار یا نسبی (NC)
یکی از شاخص‌های عمومی برای به حساب آوردن پارامترهای آزاد در محاسبه شاخص برازش، کای‌اسکوئر بهنجار یا نسبی است که از تقسیم ساده مقدار کای‌اسکوئر بر درجه ‌‌آزادی مدل محاسبه می‌شود. اغلب مقادیر بین ۲ تا ۳ را برای این شاخص قابل قبول می‌دانند. با این حال دیدگاه‌ها در این‌باره متفاوت است. شوماخر و لومکس (۱۳۸۸) مقادیر بین ۱ تا ۵، کارماینز و مک‌ایور (۱۹۸۱) مقادیر بین ۲ تا ۳، اولمن (۲۰۰۱) مقادیر بین ۱ تا ۲ و کلاین (۲۰۰۵) مقادیر بین ۱ تا ۳ را قابل قبول می‌دانند (قاسمی، ۱۳۸۹).
معیار ریشه دوم میانگین مربعات خطای برآورد (RMSEA)
برخلاف بسیاری از معیارهای برازش دیگر در مدل‌سازی که تنها دارای برآورد نقطه‌ای هستند، این شاخص برای فواصل اطمینان مختلف نیز قابل محاسبه است که می‌توان با بهره گرفتن از آن‌ ها مشخص کرد که آیا مقدار به دست آمده برای مدل تدوین شده با مقدار ۰۵/۰ تفاوت معنادار دارد یا خیر؛ مقداری که اغلب به عنوان نقطه برش برای مدل‌های خوب و بد شناخته می‌شود. مقدار RMSEA که در حقیقت همان آزمون انحراف هر درجه آزادی است، برای مدل‌هایی که برازندگی خوبی داشته باشند، ۰۵/۰ یا کمتر است. مقادیر بالاتر از آن تا ۰۸/۰ نشان‌دهنده خطای معقولی برای تقریب در جامعه است و در مدل‌هایی که مقدار آن ۱/۰ یا بیشتر است برازش ضعیفی دارند. توجه به این نکته ضروری است که مقدار این معیار هنگامی که درجه آزادی کوچک است و حجم نمونه نیز بزرگ نیست می‌تواند گمراه‌کننده باشد.
معیار برازش هنجار شده بنتلر-بونت (NFI)
این شاخص اولین بار توسط بنتلر و بونت (۱۹۸۰) در مقاله‌ای با عنوان آزمون‌های معناداری و نیکویی برازش در تحلیل ساختارهای کوواریانس طرح شد. مهم‌ترین نقطه ضعف آن عدم حساسیتش به افزودن پارامتر به مدل است به نحوی که هر چه پارامتر به مدل افزوده شود مقدار این شاخص نیز افزایش می‌یابد. مقدار قابل قبول برای این شاخص حداقل ۹۰/۰ و مقداری که نشان‌دهنده یک برازش خوب است حداقل ۹۵/۰ در نظر گرفته شده است (قاسمی، ۱۳۸۹).
شاخص برازش هنجارنشده (NNFI)
این شاخص تلاش می‌کند تا نقطه ضعف شاخص بنتلر-بونت در به حساب نیاوردن جریمه شاخص برای افزودن پارامتر را مرتفع کند. این شاخص بر مبنای متوسط ضرایب همبستگی بین متغیرها در مدل قرار دارد. هر چه این ضرایب کوچک‌تر باشند، شاخص توکر-لویس نیز مقدار کوچک‌تری را نشان خواهد داد. از این شاخص در دو جهت می‌توان استفاده کرد: اول مقایسه دو یا چند مدل متفاوت با داده‌های یکسان و دوم مقایسه مدل مفروض یا یک مدل صفر. این شاخص نیز بین صفر تا یک تغییر می‌کند و مقدار ۹۵/۰ یا بیشتر منعکس‌کننده یک مدل خوب است. اگر این شاخص بزرگ‌تر از یک شود برابر با یک قرار داده خواهد شد.
معیارهای نیکویی برازش (GFI)
این شاخص از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک متغیر هستند؛ گرچه از لحاظ نظری ممکن است منفی باشند (گرچه نباید چنین اتفاقی بیفتد، چرا که حاکی از عدم برازش قطعی مدل با داده‌هاست). هر چه GFI به عدد یک نزدیک‌تر باشد نیکویی برازش مدل با داده‌های مشاهده شده بیشتر است (شوماخر و لومکس، ۱۳۸۸).
شاخص ریشه‌ی میانگین مربعات باقیمانده (RMR)
این شاخص یکی از شاخص‌های برازش است که از آن برای مقایسه‌ی دو مدل متفاوت با داده های یکسان استفاده می‌شود. حداقل مقدار برای این شاخص صفراست. اما حداکثر آن با توجه به مقدار کواریانس­ها در ماتریس باقی مانده می‌تواند عددی کوچک یا بزرگ باشد. در هر حال کوچک‌تر بودن مقدار RMRبرای یک مدل در مقایسه با مدل دیگر می‌تواند به عنوان یکی از معیار های بهتر بودن آن مدل تلقی شود. (قاسمی، ۱۳۸۹)
۳-۹ خلاصه فصل
در این فصل به تشریح نوع تحقیق، روش تحقیق، طبقه بندی تحقیق، متغیرهای پژوهش،جامعه آماری، روش نمونه گیری و حجم نمونه ، روش گردآوری اطلاعات و داده ها، روایی و پایایی ابزار اندازه گیری و در نهایت روش تجزیه و تحلیل داده ها پرداخته شد. با توجه به اهداف تحقیق و همانگونه که در فصل سه آمده است، این تحقیق از نوع کاربردی است. از نقطه نظر چگونگی به دست آوردن داده ها، تحقیق توصیفی- پیمایشی است. در این تحقیق ” اخلاق حرفه ای حسابداران “به عنوان متغیر مستقل که خود به چهار جزء (ارزش­های فردی حسابداران، الزامات قانونی، رازداری و بی­طرفی حسابدار و همچنین مسئولیت­ پذیری اجتماعی) تفکیک می شود، مورد بررسی و سنجش قرار می گیرد. متغیرهای وابسته نیز” ارتقاء سبک های نوین رهبری مالی"می­باشند که این نیز به شش جزء (ارزش های رهبران در بعد تبیین کننده وضع موجود، صلاحیت های رهبری، خود مدیریتی، وظایف کارکنان، روابط انسانی و ارتباط با مشتریان) تفکیک می­شوند.جامعه آماری در این پژوهش را سرپرستان، سرپرست ارشدان، مدیران و حسابداران رسمی در استخدام شاغل در موسسات حسابرسی سطح یک معتمد سازمان بورس و اوراق بهادار تهران، که در سال ۱۳۹۳ در این موسسات شاغل اند تشکیل می دهد.
برای تعیین حجم نمونه در پژوهش حاضر از جدول کرجسی و مورگان استفاده گردید. طبق استعلامی که از سایت سازمان بورس و اوراق بهادر تهران گرفته شده مشخص شد که از ۱۰۷ موسسه حسابرسی مورد معتمد بورس اوراق بهادار تهران تنها تعداد ۲۰ موسسه در طبقه سطح یک قرار دارند که تنها افراد متخصص شاغل در چهار سمت فوق در این ۲۰موسسات جز جامعه آماری تحقیق می باشد که برای مشخص شدن تعداد اعضای جامعه با توجه به استعلام گرفته شده از سایت جامعه حسابداران رسمی ایران تعداد افراد شاغل در این موسسات مشخص شد. پس از بررسی اطلاعات دریافت شده از سایت جامعه حسابداران رسمی ایران مشخص شد که کل افراد شاغل در این چهار سمت برای ۲۰ موسسه ۱۰۷۱ نفر می باشد که با بهره گرفتن از جدول کرجسی و مورگان نمونه مورد نظر ۲۸۵ عدد شد که باید به همین تعداد پرسشنامه توزیع می شد. درتحقیق حاضر برای جمع آوری داده های تحقیق از پرسشنامه استفاده گردید. بدین منظور متغیرهای مورد مطالعه تا آنجا که ممکن بود به معرف های قابل سنجش و سوالات تبدیل شدند و برای پاسخگویی به آن از طیف لیکرت استفاده شد.
ادامه فصل به پایایی و روایی پرسشنامه اشاره دارد. برای روایی محتوای پرسشنامه این پرسشنامه به هفت نفر از اساتید و افرادی که در این زمینه تخصص داشتند نشان داده شد و نظرات آنها گرفته شد و بدین ترتیب برخی از سوالات حذف، ویرایش و یا اضافه شدند که در نهایت روایی آن از نظر افراد متخصص در موضوع مورد مطالعه و اساتید محترم راهنما و صاحب نظر مورد تایید قرار گرفته است و برای بدست آوردن پایایی پرسشنامه با بهره گرفتن از رایانه، ضریب آلفای کرونباخ محاسبه شد. با توجه به نتایج بدست آمده از آنجاییکه مقدار آلفای کرونباخ برای همه فرضیات بالاتر از ۷/۰ است بنابراین پرسشنامه پایاست. پرسشنامه ها میان ۳۵۰ نفر از مدیران و متخصصان حسابداری شاغل در موسسات حسابرسی، توزیع و در نهایت تعداد ۲۹۱ پرسشنامه تکمیل شده و بدون نقص جهت تجزیه و تحلیل آماری جمع آوری شدند. همچنین از آزمون های t تک نمونه ای، همبستگی و رگرسیون چندگانه برای بررسی فرضیات پژوهش و از مدلسازی معادلات ساختاری جهت برازش مدل استفاده می­گردد.
فصل چهارم
تجزیه وتحلیل یافته­های پژوهش

۴-۱ مقدمه
محقق پس از این که مسئله تحقیق خود را تعیین کرد و مراحل تعیین روش تحقیق، مشخص سازی ابزار مناسب جمع آوری داده‌ها و به‌کارگیری آن‌ ها را طی کرد اکنون نوبت آن فرا می‌رسد که داده های جمع آوری شده را تجزیه و تحلیل کرده تا تکلیف فرضیه های پژوهش را که گزاره های احتمالی و غیر یقینی بودند معین سازد. برای تجزیه و تحلیل داده های جمع آوری شده و تبدیل آن‌ ها به اطلاعاتی که با آن‌ ها بتوان فرضیه‌ها را آزمود باید مجموعه ای از قواعد را رعایت کرد و تکنیک‌ها و فنون آماری مناسب با داده‌ها را برگزید. به طور کلی تجزیه و تحلیل داده‌ها را می‌توان شامل مراحل زیر دانست:۱- ویرایش داده‌ها ۲- مناسب سازی سؤال‌های بی پاسخ ۳- کد­­گذاری داده‌ها ۴- طبقه بندی داده‌ها (Categorization ) 5-ایجاد پرونده (فایل داده‌ها) و ۶- تنظیم برنامه تجزیه و تحلیل. در این فصل تجزیه و تحلیل داده‌ها در دو قسمت آمار توصیفی و استنباطی ارائه می‌شود. در آمار توصیفی با بهره گرفتن از فنون آمار توصیفی چون شاخص‌ها و درصد های فراوانی، جداول و نمودارها به تجزیه و تحلیل جمعیت شناختی نمونه آماری و در قسمت آمار استنباطی با بهره گرفتن از آزمون‌های آماری به بررسی فرضیات پژوهش می‌پردازیم. تجزیه و تحلیل استنباطی با از استفاده آزمون‌هایی چون آزمون t تک نمونه ای، ضریب همبستگی پیرسون و رگرسیون چندگانه در نرم افزار SPSS انجام می‌شود. همچنین جهت برازش مدل پژوهش از روش مدلسازی معادلات ساختاری نرم افزار LISREL استفاده می­گردد.
۴-۲ آمار توصیفی
در این نوع تجزیه و تحلیل، پژوهشگر داده های جمع آوری شده را با بهره گرفتن از شاخص‌های آمار توصیفی خلاصه و طبقه بندی می‌کند، به عبارت دیگر در تجزیه و تحلیل توصیفی، پژوهشگر ابتدا داده های جمع آوری شده را با تهیه و تنظیم جدول توزیع فراوانی خلاصه می‌کند و سپس به کمک نمودار آن‌ ها را نمایش می‌دهد و سرانجام با بهره گرفتن از سایر شاخص‌های آمار توصیفی آن‌ ها را خلاصه می‌کند. معروف‌ترین و پرمصرف‌ترین شاخص‌های آمار و توصیفی عبارتند از: اندازه های مرکزی و پراکندگی (خاکی، ۱۳۹۰).