ریشه خطای میانگین مجذورات RMSEA
۰۱۴/۰
NNFI
۹۱/۰
RMR (میانگین مجذور پس مانده)
۰۲۴/۰
شاخص نیکویی برازش GFI
۹۲/۰
AGFI
۹۰/۰
PGFI
۷۲/۰
آزمون کار اسکویر، میزان تفاوت بین ماتریس کوواریانس مشاهده شده و مورد انتظار را نشان میدهد و با توجه به مدل فوق چنین مشاهده میشود مقدار کار اسکویر برای این مدل با درجه آزادی ۳۹۶ برابر با ۶۶/۱۱ است که از لحاظ آماری معنادار است چون سطح معناداری آن نسبتاً بزرگ(۰۹۸/۰=p) است میتوان نتیجه گرفت که آزمون کای اسکویر برازش دقیق مدل با دادههای مشاهده شده را تأیید میکند زیرا زمانی که مقدار کای اسکویر به صفر نزدیک باشد بیانگر این است که تفاوت کمی بین کوواریانس مشاهده شده و مورد انتظار وجود دارد در واقع زمانی که کای اسکویر به صفر نزدیک باشد مقدار سطح احتمال بزرگتر از ۰۵/۰ میباشد و این نتیجه نشان دهندهی برازش خوب در مدل است.همچنین میتوان از طریق GFI مدل را بررسی کرد. GFI معتبرترین شاخص برای بررسی برازندگی مدل است GFI یعنی اندازهای از مقدار نسبی واریانسها و کوواریانسها که به گونهای مشترک به وسیلهی مدل توجیه میشود و این شاخص شبیه به R2 در رگرسیون چند متغیره است در واقع مقدار شاخص تطبیقی GFI بین صفر و یک در نوسان است و هر چه مقدار این شاخص بزرگتر باشد نشان دهندهی برازش بهتر مدل است. و با توجه به اینکه در مدل فوق مقدار GFI برابر با ۹۲/۰ میباشد میتوان قضاوت کرد که مدل از برازش قابل قبولی برخوردار است. مقدار آماده ریشه میانگین توان دوم خطار تقریب برابر با ۰۱۴/۰ میباشد که نشان میدهد مدل از برازش خوبی برخوردار میباشد. شاخص تاکز-لوئیس(برابر با ۷۲% می باشد که نشان میدهد مدل از برازندگی خوبی برخوردار است.آزمون کای اسکویر ، میزان تفاوت بین ماتریس و کوواریانس مشاهده شده و مورد انتظار را نشان می دهد و با توجه به مدل فوق چنین مشاهده می شود مقدار کار اسکویر برای این مدل با درجه آزادی ۳۹۶ برابر با ۶۶/۱۱ است که از لحاظ آماری معنادار است چون سطح معناداری آن نسبتا بزرگ (p=0/098) است می توان نتیجه گرفت که آزمون کای اسکویر برازش دقیق مدل با داده های مشاهده شده را تائید می کند زیرا زمانی که مقدار کای اسکویر به صفر نزدیک باشد بیانگر این است که تفاوت کمی بین کوواریانس مشاهده شده و مورد انتظار وجود دارد در واقع زمانی که کای اسکویر به صفر نزدیک باشد بیانگر این است که تفاوت کمی بین کوواریانس مشاده شده و مورد انتظار وجود دارد در واقع زمانی که کای اسکویر به صفر نزدیک باشد مقدار سطح احتمال (p-valu) بزرگتر از ۰۵/۰ می باشد و این نتیجه نشان دهنده ی برازش خوب در مدل است.
همچنین می توان از طریق GFI مدل را بررسی کرد. GFI معتبرترین شاخص برای بررسی برازندگی مدل است GFI یعنی اندازه ای از مقدار نسبی واریانس ها و کوواریانس ها که به گونه ای مشترک به وسیله مدل توجیه می شود و این شاخص شبیه به R2 در رگرسیون چند متغیره است در واقع مقدار شاخص تطبیقی GFI بین صفر و یک در نوسان است و هر چه مقدار این شاخیص بزرگتر باشد نشان دهنده ی برازش بهتر مدل است و با توجه به اینکه در مدل فوق مقدار GFI برابر با ۹۲/۰ می باشد می توان قضاوت کرد که مدل از برازش قابل قبولی برخوردار است . مقدار آماده ریشه میانگین توان دوم خطای تقریب (RMSEA) برابر با ۰۱۴/۰ می باشد که نشان دهنده مدل از برازش خوبی برخوردار می باشد. شاخص تاکز – لوئیس (NNFI) نیز برازش قابل قبولی را برای مدل نشان میدهد.
شاخص ریشه میانگین مجذور پس مانده RMR برابر با ۰۲۴/۰ و بسیارکوچک است که این بیانگر خطای اندک مدل ، و برازش قابل قبول است. همچنین برازش از منظر مشخصه های چندگانه برازندگی ارزشیابی شد و نشان داده شده شاخص های AGFI برابر با ۹۰ % و شاخص PGFI برابر با ۷۲ % می باشد که نشان می دهد مدل از برازندگی خوبی برخوردار است.
۴-۳-۳ فرضیه های فرعی
فرضیه اول : عوامل اجتماعی جامعه موجب در عدم ارتقاء شغلی بانوان می شود .
برای آزمون این فرضیه از آزمون t تک متغیره استفاده شد و سپس برای رتبه بندی مولفه ها ی مربوط به عوامل سنجش اجتماعی که منجر به عدم ارتقاء شغلی آنان به سطوح مدیریت می شود از آزمون فریدمن استفاده شد.
جدول ۴-۱۲: مربوط به آمار توصیفی مولفهها
تعداد
میانگین
انحراف استاندارد
خطای معیار
عوامل اجتماعی
۱۰۱
۹۴/۳
۶۶۳/۰