قبل از مرحله تخمین و بعد از مرحله بیان حتماً می‌بایستی حالت تعین مدل مورد ارزیابی قرار گیرد (Lavee, 1988)تعین یک مدل مستلزم مطالعه شرایطی برای بدست آوردن یک راه حل منحصر به فرد برای پارامترهای بیان شده در یک مدل می‌باشد(Hoyle, 1995).

مرحله دوم تخمین مدل

هنگامی که یک مدل بیان شد و حالت تعین آن مورد ارزیابی قرار گرفت کار بعدی بدست آوردن تخمین‌های پارامترهای آزاد از روی مجموعه‌ای از داده‌های مشاهده شده است. این مرحله شامل یکسری فرآیندهای تکراری است که در هر تکرار یک ماتریس کوواریانس ضمنی^[۵۵] ساخته می‌شود و با ماتریس کوواریانس داده‌های مشاهده شده مقایسه می‌گردد. مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده^[۵۶] می‌شود و این تکرارها تا جایی ادامه می‌یابد که این ماتریس باقیمانده به حداقل ممکن برسد(Hoyle, 1995).
یعنی : Data = Model + Residual
گامهای موجود در این مرحله به شرح زیر است :
۱- جمع‌ آوری داده‌ها
در این مرحله انتخاب اندازه نمونه مهم است. زیرا بسیاری از روش های تخمین موجود در مدل معادلات ساختاری و شاخصهای ارزیابی متناسب بودن مدل نسبت به اندازه نمونه حساس است.
بنتلر^[۵۷] پیشنهاد نموده که همواره نسبت ۱۰ به ۱ بین اندازه نمونه و تعداد پارامترهای آزاد که می‌بایستی تخمین زده شود وجود داشته باشد.بنابر این در پژوهش حاضر با توجه به پارامترهای آزاد از یک نمونه ۴۰۵ تایی استفاده گردیده است، تا برآورد مدل با کمترین میزان خطا صورت پذیرد.
۲- ساخت ماتریس واریانس – کوواریانس متغیرهای اندازه‌گیری شده
بعد از بیان مدل و جمع‌ آوری داده‌ها تخمین مدل با مجموعه‌ای از روابط شناخته شده بین متغیرهای اندازه‌گیری شده شروع می‌شود. این روابط در ماتریسی به نام ماتریس کوواریانس – واریانس یا ماتریس همبستگی مرتب می‌شود.
۳- ایجاد یک مجموعه ای از ماتریسها برای برنامه لیزرل و اجرای آن
در یک تخمین همزمان، به علت این که تخمین مدل ساختاری و مدل اندازه‌گیری به طور همزمان صورت می‌گیرد؛ ممکن است یک راه حل برای پارامترهای مدل ساختاری و مدل اندازه‌گیری به هم وابسته شوند. بنابراین بهتر است برای جلوگیری از ابهامات تفسیری متغیرهای مکنون، ابتدا مدل اندازه‌گیری و سپس مدل ساختاری تخمین زده شود(Lavee, 1988).

ارزیابی تناسب یا برازش

یک مدل وقتی گفته می‌شود که با یکسری داده‌های مشاهده شده تناسب دارد که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس داده‌های مشاهده شده، معادل شده باشد. بدین معنی که ماتریس نزدیک صفر باشد(Hoyle, 1995).
گامهای موجود در این مرحله به شرح زیر است :
۱- بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟
هنگامی که یک مدلی تخمین زده می‌شود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد، T – Value و غیره را درباره ارزیابی تناسب مدل با داده‌ها منتشر می‌کند. اگر مدل قابل آزمون باشد ولی با داده‌ها به طور مناسب تناسب نداشته باشد شاخصهای اصلاحی^[۵۸] که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند به کار گرفته می‌شوند؛ تا مدل متناسب با داده‌ها شوند(Lavee, 1988).
مهمترین شاخص تناسب مدل آزمون  است ولی به خاطر این که آزمون  تحت شرایط خاصی عمل می‌کند و همیشه این شرایط محقق نمی‌شود لذا یکسری شاخصهای ثانویه‌ای نیز ارائه می‌گردد.مهمترین این شاخصها عبارتند از : GFI^[59]، AGFI^[60]، RMSEA^[61]
حالتهای بهینه برای این آزمونها به شرح زیر است :
آزمون  هر چه کمتر باشد بهتر است، زیرا این آزمون اختلاف بین داده و مدل را نشان می‌دهد. اگرمقدار  کم، نسبت  به درجه آزادی(df) کوچکتر از ۳ باشد، مدل حالت بسیار مطلوبی دارد.اگر RMSEA کوچکتر از ۰۵/۰ و نیز GFI و AGFA بزرگتر از ۹/۰ باشند، می توان نتیجه گرفت که مدل برازش بسیار مناسبی دارد.اگر مقدار GFI و AGFI از ۹۰ بیشتر باشد، حالت مناسبی داریم. آزمون RMSEA هر چه کمتر باشد بهتر است؛ زیرا این آزمون یک معیار برای میانگین اختلاف بین داده‌های مشاهده شده و داده‌های مدل است. حالت کمتر از۰٫۰۵ بسیار مناسب می باشد(Lavee, 1988).

اصلاح مدل

یکی از مهمترین جنبه‌های بحث انگیز مدل معادلات ساختاری اصلاح مدل است.
اصلاح مدل مستلزم تطبیق کردن یک مدل بیان شده و تخمین زده شده است که این کار از طریق آزاد کردن پارامترهایی که قبلاً ثابت بوده‌اند و یا ثابت کردن پارامترهایی که قبل از آن آزاد بوده‌اند صورت می‌گیرد(Hoyle, 1995).
مهمترین گام موجود در این مرحله به شرح زیر است:
اگر اصلاحاتی موردنیاز باشد مشخصات مدل (پارامترها) را ارزیابی کنید و مشخصات جدیدی را وارد کنید. اصلاحات این مرحله شامل شناسایی محدودیتها و اضافه کردن پارامترهای اضافی است(Lavee, 1988).

تفسیر مدل

اگر آزمونهای تناسب نشان دهند که مدل به طور کافی متناسب با داده‌ها می‌باشد دراین مرحله ما بر روی عوامل مشخص شده (پارامترهای مدل) مدل متناسب شده تمرکز می‌نمائیم. در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می‌گیرد(Lavee, 1988).
آزمونها و مقایسه تخمین پارامترها و همچنین نمایش آنها مستلزم تخمین‌های استاندارد شده‌ای^[۶۲] است. به همین دلیل در این مرحله تخمین‌های غیراستاندارد را که عمدتاً به مقیاس^[۶۳] خود وابسته هستند را به تخمینهای استاندارد شده‌ای که وابسته به مقیاس خود نیستند؛ تبدیل می‌کنیم و این کار تا حدودی برازش و پارامترهای مدل را تحت تأثیر قرار می‌دهد(Hoyle, 1995).این مرحله از مدل معادلات ساختاری دقیقاً شبیه استانداردکردن ضرایب رگرسیون (b استاندارد) در آمار می‌باشد.
تنها گام این مرحله به صورت زیر است:
۱- ارزیابی مدل و ضرایب پارامترهای مدل با آزمون فرض

ابلاغ یا نوشتن گزارش تحقیقات

در این مرحله نتایج مدل معادلات ساختاری به شکل نمودار مسیر ارائه می‌گردد. نمودار مسیر یک نمایش گرافیکی از مدل معادلات ساختاری است.سه جزء اصلی این نمودار شامل مستطیل‌ها، بیضی‌ها و پیکانها هستند(Hoyle, 1995).
گام نهایی در هر تحقیق، گزارش نتایج تحقیق به روشی است که سایر محققین بتوانند از منطق رویه‌ها و تجزیه و تحلیل‌های تحقیق و تفسیرهای آن استفاده کنند (Lavee, 1988).

فصل چهارم: تجزیه و تحلیل داده ها

مقدمه

تجزیه و تحلیل داده‌ها برای بررسی صحت و سقم فرضیه ها برای هر نوع تحقیق از اهمیت خاصی برخوردار است. امروزه در بیشتر تحقیقاتی که متکی بر اطلاعات جمع‌ آوری شده از موضوع مورد تحقیق می‌باشد ؛ تجزیه وتحلیل اطلاعات از اصلی‌ترین و مهمترین بخشهای تحقیق محسوب می‌شود. داده‌های خام با بهره گرفتن از فنون آماری مورد تجزیه و تحلیل قرار می‌گیرند و پس از پردازش به شکل اطلاعات در اختیار استفاده کنندگان قرار می‌گیرند.
در این قسمت پس از ارائه آمار توصیفی، فرضیه های تحقیق مورد تحلیل و بررسی قرار می‌گیرند.

آمار توصیفی

آمار توصیفی بر حسب متغیرهای جمعیت شناختی

در این بخش از تجزیه و تحلیل آماری به بررسی چگونگی توزیع نمونه‌ آماری از حیث متغیرهای میزان تحصیلات، میزان سابقه کار، جنسیت و وضعیت تاهل پرداخته می‌شود.