ریشه میانگین مربعات باقیمانده
قابل قبول
RMR ≥ ۰
۱
RMR
نیکویی برازش
بسیار خوب
GFI > 0. 9
۱
GFI
شاخص نیکویی برازش اصلاح شده
بسیار خوب
AGFI > 0.85
۱
AGFI
شاخص برازش هنجار شده ( بنتلر ـ بونت )
بسیار خوب
NFI > 0.90
۱
NFI
شاخص برازش تطبیقی
بسیار خوب
CFI > 0. 90
۱
CFI
شاخص برازش افزایشی
بسیار خوب
IFI > 0. 90
۱
IFI
: در مدل‌سازی 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 میدهد 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 سازههای کیفیت خدمات برابر ۰ می باشد نشان دهنده تایید فرض صفر و برازش کامل مدل با داده های جامعه آماری میباشد (لازم به ذکر است که این مدل از نوع اشباع 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 ۱ باشد. مقدار بزرگتر از ۹/۰ حاکی از برازش قابل قبول مدل است. اندازه‌گیری برازش بعدی که در خروجی برنامه ظاهر می‌شود، به مقایسه شاخص‌های برازش نسبی می‌پردازند و نشان می‌دهند که تا چه حد برازش مدل نسبت به مدل خط پایه که در واقع مدل استقلال است، مناسب‌تر میباشد. شاخص برازش غیرنرم (NNFI) از شاخص‌های این گروه میباشد که هر چه مقدار آن به ۱ نزدیک باشد، نشان دهنده برازش خوب مدل است. از شاخص‌های دیگر این گروه CFI میباشد که فقط می‌تواند مقادیر بین ۰ تا ۱ اختیار کند؛ در حالیکه NNFI می‌تواند بزرگتر از ۱ باشد. مقدار این شاخص نیز هرچه به ۱ نزدیکتر باشد، نشان دهنده برازش خوب مدل است. مقادیر محاسبه شده نشان‌دهنده تایید برازش مدل بر اساس این سه شاخص میباشد.
۴-۳-۲- تحلیل عاملی تائیدی متغیر عدالت رویه‌ای
مدل متغیر عدالت رویه‌ای در شکل زیر ترسیم شده است. این مدل در دو سطح سنجه‌ها و عوامل مکنون شناسایی شده را در برمی‌گیرد. شکل مذکور نتیجه حاصل برازندگی مدل اندازه‌گیری را به تصویر می‌کشد.
