شاخصNFI که شاخص بنتلر-بونتهم نامیده میشود، برای مقادیر بالای ۹/. قابل قبول و نشانه برازندگی مدل است. شاخص CFIبزرگتر از ۹/. قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی موردنظر، مقدار بهبود را نیز می آزماید. شاخص CFIاز لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه میدهد(هومن، ۱۳۸۴).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

در تحلیل تائیدی با بهره گرفتن از نرم افزار لیزرل یک سری شاخص های قراردادی وجود دارند که در صورتی که مقدار آنها در حد قابل قبولی باشد، اجرای مدل را معنی دار و مسیر پیشنهادی را مناسب می سازد. تحلیل عاملی تأییدی به منظور بررسی روایی مقیاس مورد استفاده قرار می گیرد. چنانچه اشاره شد، ابتدا بایستی میزان انطباق پذیری مدل ارزیابی، مورد آزمون قرارگیرد. ادبیات موجود پیشنهاد می کند که برای برازندگی و تناسب یک مدل خوب باید:

1. 1. درجه کای دو تقسیم بر درجه آزادی(  ( کمتر از ۳ باشد.

1. 1. شاخص میزان انطباق پذیری (GFI) باید بزرگتر از ۸/۰ باشد.

1. 1. شاخص میزان انطباق پذیری تنظیمی (AGFI)،شاخص (NFI) وشاخص (NNFI) باید بزرگتر از ۹/۰ باشد .و

1. 1. شاخص (RMSEA) باید کمتر از ۱/۰ باشد(Henry and Stone, 1994).

یک اندازه جزئی دیگر برازندگی ، مجذور همبستگی چند متغیری است که برای هر معادله و برای متغیر های اندازه گیری شده در یک مدل کامل معادله ساختاری بدست می آید. مجذور همبستگی چند متغیری (R²)، معرف نسبت واریانس تبیین شده بوسیله متغیر مکنون است (آزمون اینکه یک نشانگر تا چه حد دقیق است)، و باید (تاحد ممکن) نزدیک به ۱ باشد.
نرم افزار لیزرل، برای هر پارامتر آزاد (برآورد شده) در مدل یک مقدار t محاسبه می کند. این آزمون نشان می دهد که کدام یک از پارامتر ها می تواند از مدل حذف شود، بدون آنکه مقدار  افزایش یابد. ایدئال آن است که این مقادیر کوچک تر از ۱٫۹۶ باشند تا بی معنا در نظر گرفته شوند(هومن، ۱۳۸۴).
فصل چهارم:
تجزیه و تحلیل داده ها
۴-۱- مقدمه
این فصل به تجزیه و تحلیل داده ­ها می ­پردازد. تجزیه وتحلیل داده ­ها، فرآیندی چند مرحله­ ای است که در آن داده­هایی که با بکارگیری شیوه ­ها و ابزارهای گردآوری در نمونه (جامعه) آماری فراهم آمده­اند خلاصه، کدبندی و دسته بندی و در نهایت پردازش می­شوند، تا امکان انواع تحلیل­ها و برقراری ارتباط بین این داده ­ها به منظور آزمون فرضیه ­ها فراهم آید. در این فرایند، داده ­ها هم از لحاظ نظری و هم از جنبه تجربی پالایش می شوند و با تکنیک­های گوناگون آماری، از آنها اطلاعات استنتاج وتعمیم داده می شوند (خاکی،۱۳۹۱، ۲۴۱).
داده ­های جمع­آوری شده حاصل از پرسشنامه این تحقیق با بهره گرفتن از نرم افزارspss18 مورد تحلیل قرار گرفت همچنین از نرم افزار LISREL 8.72 برای تایید روابط بین متغیرها استفاده شد که در این فصل ابتدا ویژگی­های جمعیت­شناسی نمونه آماری تشریح شده است وآنگاه به بررسی فرضیه ­ها و آزمون آنها با بهره گرفتن از روش های آماری مناسب پرداخته می شود.
۴-۲- آمار توصیفی
در این بخش از تجزیه و تحلیل آماری به بررسی چگونگی توزیع نمونه‌های آماری از حیث متغیرهایی چون جنسیت، وضعیت تاهل، سابقه کار ، سن و میزان تحصیلات پرداخته می‌شود. همچنین جداول و نمودار های مربوطه در پیوست ارائه شده است.
جدول ۴-۱: مشخصات دموگرافیک برای نمونه مورد بررسی