۰٫۶۴۵

۰٫۹۱۷

۰٫۰۰۲

دقت

۳

۴٫۵۳

۰٫۷۷۴

۰٫۹۵۶

۰٫۰۱۳

سادگی

۶

۹٫۳۸

۰٫۵۴۳

۰٫۹۴۳

۰٫۰۳۲

کیفیت

۵

۷٫۶۴

۰٫۶۴۲

۰٫۹۹۷

۰٫۰۱۱

با توجه به اینکه مقدار P برای همه الگوهای اندازه گیری (متغیرهای مشاهده) بزرگتر از ۰٫۰۰۵ می باشد می توان نتیجه گرفت که مقدار کای اسکوئر(CMIN) برای الگوهای اندازه گیری مناسب می باشد. یکی دیگر از شاخص های معتبر که برای برازندگی الگو به کار می رود GFI یا شاخص نیکویی برازش می باشد. هرچه GFI نزدیکتر به یک باشد الگو داده ها برازش بهتری دارد (قاسمی، وحید. ۱۳۸۹). شاخص ریشه دوم میانگین مربعات خطای برآورد یا RMSE نیز یکی دیگر از شاخص های برازندگی مدل است که در الگوهای قابل قبول دارای مقدار ۰٫۰۸ یا کمتر می باشد ، برازش الگوهای که دارای مقادیر بالاتر از ۰٫۱ هستند ضعیف برآورد می شوند.

همان طور که در جدول (۴-۳۳) مشاهده می شود مقدار این شاخص برای الگو اندازه گیری کمتر از ۰٫۰۸ می باشد که این شاخص نیز نشان از برازش خوب الگوها توسط داده ها است. در نهایت با توجه به مطالب بالا می توان نتیجه گرفت که الگوهای اندازه گیری (متغیرهای مشاهده) از برازش خوبی برخوردار هستند و به این معنی است که متغیرهای آشکار به خوبی می توانند متغیرهای پنهان را اندازه گیری کنند. همچنین نتایج تحلیل عاملی تاییدی به همراه شاخص جزئیP برای آزمون قابل قبول بودن بار عاملی مربوط به هرسوال بررسی شد و بارهای عاملی همه سوالات بالاتر از ۰٫۰۵ و مقدار Pجزیی کمتر از ۰٫۰۵ بودند در نتیجه می توان نتیجه گرفت که سوالات به خوبی متغیرهای مشاهده شده را می سنجند.
آزمون فرضیه های پژوهش
پس از بررسی وتایید الگو برای آزمون معنا داری فرضیه ها از دو شاخص جزئی مقدار بحرانی CR وP استفاده شده است، بر اساس سطح معنا داری ۰٫۰۵ مقدار بحرانی باید بیشتر از ۱٫۹۶ باشد، مقدار پارامتر کمتر از این در الگو مهم شمرده نمی شود، هم چنین مقادیر کوچکتر از ۰٫۰۵ برای مقدارP حاکی از تفاوت معنادار مقدار محاسبه شده برای وزن های رگرسیونی با مقدار صفر در سطح ۰٫۹۵ دارد. برای آزمون فرضیه های پژوهش از معادلات ساختاری استفاده شده است که مدل خروجی نرم افزار Amos20 در شکل زیر نشان داده شده است.
شکل (۴-۱). مدل خروجی نرم افزار آموس
برای آزمون مدل فوق از نرم افزار Amos20 استفاده شده است که خروجی نرم افزار به صورت زیر می باشد.
جدول (۴-۳۴). برازش مدل

DF

CIMN

P

CMIN/DF

GFI