لباس و ظاهر آراسته
تطابق ظاهر با خدمات
شکل ۳-۴ دسته‌بندی سنجه های عوامل محسوس بر حسب عوامل مکنون
با شناسایی و تعریف عوامل مکنون سازه عوامل محسوس، برای درست نمایی روابط بین این عوامل و متغیرهای مشهود آزمون بعمل می آید. در قسمت بعد به چگونگی تایید روابط بین متغیرها در قالب مدل اندازه‌گیری خواهیم پرداخت. برای ارزیابی برازندگی مدل از نرم‌افزار LISREL8.5 استفاده می‌شود.

۲-۴-۴٫ تحلیل عاملی تاییدی متغیر عوامل محسوس
همانطور که در مبحث قبلی مشاهده گردید، تحلیل عاملی اکتشافی، ساختاری با یک عامل را برای متغیر عوامل محسوس پیشنهاد نمود اما به منظور اطمینان از تناسب این ساختار با داده‌های جمع‌ آوری شده، ضرورت دارد تحلیل عاملی تأییدی نیز با استفاده نرم‌افزار لیزرل انجام گردد. در گام اول می بایست مدل اولیه را بر اساس نتایج تحلیل عاملی اکتشافی تعریف نماییم. مدل پیشنهادی یا اولیه همان مدلی است که در شکل ۴-۴ ترسیم شده است. شکل ۴-۴ نتیجه حاصل برازندگی مدل اندازه‌گیری عوامل محسوس را به تصویر می کشد
توضیحدرباره t و اعداد مندرج بر نمودار ساختاری: خروجی نرم افزار لیزرل دو شکل و اعداد مندرج روی آن است.
اعداد موجود بر روی مسیر بیانگر ضرایب مسیر استاندارد می‌باشند. ضرایب رگرسیون جزئی در معادله رگرسیون نرمالایز شده، ضرایب مسیری نامیده می‌شود که آنها در تحلیل علیت اثر مستقیم x بر y گویند.
مقادیر t نتایج حاصل از معنی‌دار بودن هریک از مسیرها را نشان می‌دهد. یا به عبارت دیگر معنادار بودن ضرابیب رگرسیون جزئی را نشان می‌دهد. در سطح اطمینان ۹۵% چنانچه آماره آزمون(t) کمتر از ۹۶/۱ باشد، بیانگر این است که ضرایب مسیر معنادار نمی‌باشندو می‌توان این مسیر را حذف نمود.
شکل ۴-۴ مدل اندازه گیری عوامل محسوس
مقادیر t برای روابط ترسیم شده در مدل اندازه گیری عوامل محسوس در شکل ۵-۴ به تصویر کشیده شده است.
شکل ۵-۴ آماره t و سطح معنی‌داری
برازندگی مدل اندازه‌گیری عوامل محسوس: با توجه به معنی دار بودن روابط ترسیم شده در مدل، مدل فعلی نهایی تلقی گردیده و برازندگی آن بررسی می گردد. شاخص‌های برازندگی مدل نهایی در جدول ۹-۴ ارائه شده است. با توجه به نتایج به دست آمده و مقایسه آن با دامنه قابل قبول می توان اذعان کرد شاخص های برازندگی مدل فوق در دامنه قابل قبول قرار گرفته و بنابراین تناسب داده‌های گردآوری شده با مدل مطلوب است. لذا برازندگی مدل نهایی اندازه گیری عوامل محسوس مورد تایید می باشد.
جدول ۹-۴ شاخص‌های برازندگی مدل اندازه گیری عوامل محسوس

: در مدل سازی معادلات ساختاری، آماره کای اسکویر، روش سنتی برای ارزیابی برازش کل مدل می‌باشد. بر اساس این آماره، فرض صفر این است که مدل به طور کامل با داده‌های جامعه آماری برازش دارد. زمانی که آماره کای اسکویر از نظر آماری معنی‌دار باشد منجر به رد این فرض می‌گردد و نشان می ‌دهد که مدل مورد نظر، از برازش کامل برخوردار نبوده و رد می‌شود. برای رد فرض صفر از نسبت  نیز استفاده می‌کنند. در صورتی که مقدار این نسبت کمتر از ۵ باشد، فرض صفر تائید می‌شود. به عبارت دیگر مدل به طور کامل با داده‌های جامعه آماری برازش دارد. از آنجا که میزان  محاسبه شده سازه های عوامل محسوس برابر ۸۸/ ۱ می باشد نشان دهنده تایید فرض صفر و برازش کامل مدل با داده های جامعه آماری می باشد.
GFI و AGFI: دو شاخص برازندگی GFI و برازندگی تعدیل یافته AGFI به شاخص‌های برازش مطلق معروفند. مقادیر این شاخص‌ها باید بین ۰ و ۱باشد. مقدار بزرگتر از ۹/۰ حاکی از برازش قابل قبول مدل است. مقادیر GFI و AGFI محاسبه شده عوامل محسوس برابر۱ می باشد که نشان دهنده مورد تایید بودن برازش مدل است.
۳-۴-۴ . تحلیل عاملی اکتشافی قابلیت اطمینان(اتکا)
در این قسمت ساختار عاملی متغیر قابلیت اطمینان مورد بررسی قرار می گیرد. برای اندازه گیری این متغیر از ۶ سنجه بهره گرفته شده است. بدین منظور با بهره گرفتن از نرم افزار SPSS 17 تحلیل عاملی اکتشافی بر تمامی سنجه ها صورت گرفت. تحلیل عاملی مذکور با بهره گرفتن از شیوه بیشینه درست‌نمایی، روش واریماکس و مقادیر ویژه بزرگتر از یک پیاده سازی گردید. جدول ۱۰-۴ نشان دهنده نتایج حاصل از آزمون KMO-Bartlett می‌باشد. نتایج بیانگر بلامانع بودن انجام تحلیل عاملی بر روی داده‌های این سازه می‌باشند. آماره KMO با مقداری بیش از ۵/۰ نشان‌دهنده کفایت نمونه‌گیری و سطح اطمینان صفر برای آزمون بارتلت مناسب بودن مدل عاملی مورد استناد را نشان می دهد.
جدول ۱۰-۴ نتایج آزمون KMO-Bartlett