بار عاملی
t-value
سطح معناداری
نتیجه
عملکرد شغلی
سوال ۱
سوال ۲
سوال ۱۷
سوال ۱۸
سوال ۲۰
سوال ۲۱
سوال ۲۵
۶۷/۰
۷۴/۰
۵۸/۰
۴۳/۰
۵۱/۰
۴۹/۰
۵۲/۰
۱۹/۸
۳۲/۹
۸۷/۶
۹۶/۴
۹۴/۵
۶۷/۵
۰۶/۶
۰۱/۰
معنادار
معنادار
معنادار
معنادار
معنادار
معنادار
معنادار
نتایج تحلیل عاملی مندرج در جدول۱۰-۴ نشان میدهد که تمامی شاخصهای مربوط به متغیر عملکرد شغلی از مقادیر تی (بیشتر از ۹۶/۱) و بار عاملی (بیشتر از ۴/۰) مورد قبولی برخوردارند و برای متغیر عملکرد شغلی شاخصهای مناسبی محسوب میشوند.
معیارهای اعتبارسنجی مدل اندازهگیری
در کار با برنامه لیزرل، هر یک از شاخصهای به دست آمده برای مدل به تنهایی دلیل برازندگی یا عدم برازندگی آن نیست، بلکه این شاخصها را باید در کنار یکدیگر و با هم تفسیر کرد. برای ارزیابی مدل تحلیل عاملی تأییدی و مدل مسیر چندین مشخصه برازندگی وجود دارد. در این پژوهش برای ارزیابی مدل تحلیل عاملی تأییدی از شاخصهای کایدو (χ ۲)، شاخص برازندگی (GFI)، شاخص تعدیل برازندگی (AGFI)، شاخص نرمشده برازندگی (NFI)، شاخص نرمنشده برازندگی (NNFI)، شاخص برازندگی فزاینده (IFI)، شاخص برازندگی تطبیقی (مقایسهای)(CFI) و شاخص بسیار مهم ریشه دوم برآورد واریانس خطای تقریب (RMSEA) استفاده شده است. از آنجا که آزمون کای- دو تحت شرایط خاصی عمل میکند و همیشه این شرایط محقق نمیشود لذا یکسری شاخصهای ثانویهای نیز برای سنجش تناسب (برازش یا نیکویی مدل) ارائه میشود. مهمترین این شاخصها عبارتند از: [۸۶]RMSR، [۸۷]AGFI و [۸۸]GFI.
حالتهای بهینه برای این آزمونها به شرح زیر است:
- نسبت کای- دو بر درجه آزادی: بهتر است که شاخص آزمون کای- دو، با در نظر گرفتن درجۀ آزادی[۸۹] تفسیر شود. درجه آزادی نباید کوچکتر از صفر باشد. بنابراین یکی از بهترین شاخصهای بررسی نیکویی برازش مدل، بررسی نسبت کای دو بر درجۀ آزادی است. البته، حد استانداردی برای مناسب بودن میزان این شاخص وجود ندارد. اما بسیاری از اندیشمندان بر این عقیدهاند که این شاخص باید کمتر از ۳ باشد. در نهایت، حد مناسب بودن باید با تشخیص محقق و بر اساس نوع پژوهش صورت گیرد.
- شاخص میانگین مجذور خطاهای مدل[۹۰] RMSEA: این شاخص براساس خطاهای مدل ساخته شده و همانند شاخص کای دو، معیاری برای بد بودن مدل است. زمانی که مقدار این آماره کمتر از ۰۵/۰ باشد نشان میدهد که مدل از برازش خوبی برخوردار است، در صورتی که مقدار آن بین ۰۵/۰ و ۰۸/۰ باشد برازش قابل قبول، اگر بین ۰۸/۰ و ۱/۰ باشد برازش متوسط و اگر بزرگتر از ۱/۰ باشد برازش ضعیف است.
- شاخص GFI[91]: این شاخص، معیاری برای سنجش میزان خوب بودن مدل است و مقدار بالاتر از ۰٫۸ نشاندهندهی مناسب بودن مدل استخراج شده با توجه به دادهها است.
- شاخص AGFI[92]: این شاخص، در واقع حالت تطبیق داده شدهی شاخصGFI با در نظر گرفتن میزان درجۀ آزادی است و معیار دیگری برای خوب بودن مدل است. چنانچه میزان این شاخص بالاتر از ۰٫۹ باشد، حاکی از مناسب بودن مدل استخراجی با توجه به دادهها است.
- شاخص [۹۳]NFI: این شاخص نیز یکی دیگر از شاخصها برای سنجش میزان خوب بودن مدل به دست آمده با توجه به دادهها است. چنانچه میزان این شاخص بالاتر از ۰٫۹ باشد، حاکی از مناسب بودن مدل استخراجی است.