۳-۱۵-۳ شاخص برازندگی فزاینده (IFI)
شاخص برازندگی فزاینده یا IFI شباهت به NFI دارد با این تفاوت که در مخرج آن، درجه آزادی مدل نظری از  کم می‌شود. بر پایه قرارداد مقدار IFI نیز باید دست کم ۹۰/۰ باشد تا مدل مورد نظر پذیرفته شود. با توجه به اینکه درجه آزادی مدل نظری برابر مقدار مورد انتظار  است بنابراین خواهیم داشت.

۳-۱۵-۴ شاخص GFI و AGFI
شاخص‌های GFI و AGFI تحت تاثیر حجم نمونه است و می‌تواند برای مدل‌هایی که به گونه ضعیفی فرموله شده‌اند، بزرگ باشد. شاخص GFI درراهنمای LISREL بر پایه تابع برازندگی F مطابق فرمول زیر محاسبه می‌شود.

که در آن  معرف ساختار کواریانس برای متغییرهای مشاهده شده تصادفی، S معرف کواریانس گروه نمونه،  مقداری از  که  را کمینه می‌سازد و  تابع برازندگی در شرایطی است که همه پارامترهای مدل برابر صفر باشند. از آنجا که اغلب GFI از سایر شاخص‌های اندازه گیری بزرگتر است، مقدار آن باید برابر یا بزرگتر از ۹۰/۰ باشد تا مدل تحقیق پذیرفته شود. اما بایرن (١۹۹۸) و مولایک و همکاران (١۹۸۹) مقادیر بزرگتر از ۵/۰ را قابل پذیرش می‌دانند.
شاخص AGFI یا مقدار تعدیل شده شاخص برازندگی GFI برای درجه آزادی بدین گونه محاسبه می‌شود:

که در آن K تعداد پارامترهای مدل و d بیانگر درجه آزادی آن است. جورسکوگ و سوروبم (١۹۹٣) GFI را بعنوان شاخص نسبی میزان واریانس و کواریانس مدل ضمنی معرفی کرده اند. که بیشترین میزان آن می‌تواند برابر یک باشد. معمولاً مقدار محاسبه شده بزرگتر از صفر است. اما مقدار کمتر از صفر نیز امکان پذیر است. البّته منفی بودن آن نشان می‌دهد مدل مورد نظر بسیار ضعیف و بدتر از نبودن آن است. مقدار AGFI نیز باید برابر یا بزرگتر از ۹۰/۰ باشد تا پذیرفته شود.
۳-۱۵-۵ شاخص جذر برآورد واریانس خطای تقریب (RMSEA)
این اندازه که بصورت اعشاری گزارش می‌شود، مبتنی بر پارامتر غیر مرکزی است. فرمول آن نیز بصورت زیر می‌باشد:

اگر  کوچکتر از درجه آزادی باشد، RMSEA برابر با صفر قرار داده می‌شود. این شاخص هرچه کوچکتر باشد، بهتر است براین (١۹۹۸)، جاکارد و وان(١۹۹۶) و جوسکورگ و سوربوم (١۹۹٣) مقادیر کمتر از ۰۸/۰ را قابل قبول می‌دانند. برای این شاخص می‌توان فاصله اعتماد محاسبه کرد. ایده آل آنست که حد پایین فاصله اعتماد به صفر نزدیک باشد و حد بالایی آن خیلی بزرگ نباشد (هومن؛ ١٣۸۴).
۳-۱۵-۶ ارزیابی تناسب^[۱۲۳] یا برازش
هنگامی که یک مدلی تخمین زده می شود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد، ‏‏­­t-Value و غیره را درباره ارزیابی تناسب مدل با داده ها منتشر می کند . اگر مدل قابل آزمون باشد ولی با داده ها به طور مناسب تناسب نداشته باشد شاخصهای اصلاحی^[۱۲۴] که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند به کار گرفته می شوند، تا مدل متناسب با داده‌ها شوند (هومن، ۱۳۸۴). عبارتند از: شاخص خوبی برازش^[۱۲۵]، شاخص خوبی برازش تعدیل شده^[۱۲۶]، میانگین مجذور خطا^[۱۲۷]، برخی از محققان بجای این شاخص، شاخص حاصل تقسیم کای دو بر درجه آزادی را پیشنهاد کرده‌اند که فارغ از درجه آزادی است و مقدار آن باید کمتر از ۳ باشد . نسبت مجذور کای X² به درجه آزادی بسیار به حجم نمونه وابسته می باشد و نمونه بزرگ کمیت خی دو را بیش از آنچه که بتوان آن را به غلط بودن مدل نسبت داد، افزایش می دهد، ایده ال آن است که مقدار خی دو دارای سطح معناداری بیشتر از ۰۵/۰ باشد.
معیارهای GFI و AGFIنشان دهنده اندازه ای از مقدار نسبی واریانس ها و کواریانس ها می باشد که توسط مدل تبیین می شود. هر دوی این معیارها بین صفر تا یک متغیر می باشند که هرچه به عدد یک نزدیکتر باشند , نیکویی برازش مدل با داده های مشاهده شده بیشتر است.
برای بررسی اینکه یک مدل به خصوص در مقایسه با سایر مدل‌های ممکن، از لحاظ تبیین مجموعه‌ای از داده‌های مشاهده شده تا چه حد خوب عمل می‌کند از مقادیر شاخص نرم‌شده برازندگی (NFI)، شاخص نرم‌نشده برازندگی (NNFI)، شاخص برازندگی فزاینده (IFI) و شاخص برازندگی تطبیقی (CFI) استفاده شده است. به اعتقاد هومن(۱۳۸۴)، مقادیر بالای ۹/۰ این ۴ شاخص حاکی از برازش بسیار مناسب مدل طراحی شده در مقایسه با سایر مدل های ممکنه است. در نهایت برای بررسی اینکه مدل مورد نظر چگونه برازندگی و صرفه‌جویی را با هم ترکیب می‌کند از شاخص بسیار توانمند ریشه دوم برآورد واریانس خطای تقریب RMSEA استفاده شده است. شاخص RMSEA، ریشه میانگین مجذورات تقریب می باشد. این شاخص برای مدلهای خوب ۰۵/۰ و کمتر است. مدلی که در آن این شاخص ۱۰/۰ یا بیشتر باشد برازش ضعیفی دارد.
فصل چهارم:
تجزیه و تحلیل داده ها و یافته های پژوهش
۴-۱- مقدمه
هدایت هر فرایند تحقیق در هر یک از شاخه های علوم جهت رسیدن به یکسری نتایج و یافته های پژوهشی جهت کاربست در زندگی بشری است به واقع یافته ها برونداد فرایند تحقیق هستند و موجودیت تحقیق را توجیه و اثبات می کنند. یافته های هر پژوهش شامل یکسری توضیحات درباره وضعیت موجود و برخی استنباط ها بر اساس تفاوت ها و رابطه ها است. لذا در این فصل با توجه به داده‌های گردآوری شده، به بررسی سؤالات تحقیق پرداخته، در صدد دستیابی به اهداف تحقیق می باشیم. در نهایت نیز، از آنجا که هر تحقیق، می‌تواند به یافته‌هایی دست یابد که جزء اهداف آن نبوده،‌ ولی می‌تواند محقق یا سایر پژوهشگران را برای تحقیقات آتی و یا دلایل احتمالی بروز وقایع و پدیده‌ها، یاری کند، به بررسی سایر یافته‌های تحقیق می‌پردازیم. در تجزیه و تحلیل پرسشنامه از مباحث استنباطی و توصیفی آماری استفاده شده است. آماره‌های توصیفی شامل جداول فراوانی و میانگین می باشد و در سطح استنباطی نیز از مدل معادلات ساختاری شامل تحلیل عاملی تائیدی و تحلیل مسیر استفاده شده است. نرم افزار های مورد استفاده جهت تجزیه و تحلیل داده ها بسته نرم افزاری SPSS نسخه ۱۸ و بسته نرم افزاری LISREL نسخه ۸٫۵۴ تحت ویندوز می باشند.
۴-۲ بخش اول : آمار توصیفی
در این قسمت به ارائه آماره‌های توصیفی و جداول مربوط به ویژگی‌های جمعیت شناختی نمونه می‌پردازیم. شناخت ویژگی‌های جمعیت شناختی نمونه، از این جهت مفید است که به کمک آن مشخصات کلی جامعه مورد بررسی و ویژگی‌های عمومی آن برای سایر محققان مشخص می شود. بعلاوه، این شناخت باعث می‌شود در تعمیم نتایج به جوامع دیگر، یا در طراحی سوالات تحقیقات آتی برای جوامع دیگر از این اطلاعات استفاده کنیم.
۴-۲-۱ ویژگی های جمعیت شناختی پاسخگویان
۴-۲-۱-۱ متغیر سن
با توجه به جدول زیر افراد گروه سنی بین ۳۰ تا ۴۰ سال بیشترین فراوانی را با ۷/۴۴ درصد از نمونه مورد مطالعه به خود اختصاص داده و گروه سنی بالای ۵۰ سال کمترین فراوانی را با ۳/۱درصد از نمونه مورد مطالعه به خود اختصاص داده است. میانیگن سنی در نمونه مورد مطالعه ۱۹/۳۳ سال با انحراف استاندارد ۸۰/۶ است.
جدول ۴-۱ درصد فراوانی متغیر سن