NFI (Normed Fit Index)

۹۳/۰

۹۰/۰<

NNFI (Non-Normed Fit Index)

۹۹/۰

۹۰/۰<

IFI(Incremental Fit Index)

۹۷/۰

۹۰/۰<

CFI (Comparative Fit Index)

۰۷۷/۰

۰۸/۰>

RMSEA(Root Mean Square Error of Approximation)

جدول ۴-۹- مقادیر شاخص‌های برازش مدل و نتیجه برازش
نسبت مجذور ۲ به درجه آزادی بسیار به حجم نمونه وابسته می‌باشد و نمونه بزرگ ، کمیت خی دو را بیش آنچه که بتوان آن را به غلط بودن مدل نسبت داد ، افزایش می‌دهد ، ایده آل آن است که مقدار نسبت خی دو به درجه آزادی کمتر از عدد ۳ باشد با توجه به مقدار گزارش‌شده برای این مقدار در جدول ۴-۷ می‌توان نتایج حاصل از این قسمت را معتبر و به لحاظ آماری قابل تحلیل دانست . زیرا که مقدار نسبت خی دو به درجه آزادی برای این مدل ۲۹/۲ گزارش شده است .

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شاخص GFI و AGFI که توسط جارزکاگ وسوربوم (۱۹۸۹) پیشنهاد شده است ، نشان‌دهنده اندازه‌ای از مقدار نسبی واریانس و کوواریانس با می‌باشد که توسط مدل تبیین می‌شود . این معیار بین صفر تا یک متغیر می‌باشد که هر چه به عدد یک نزدیک‌تر باشند ، نیکویی برازش مدل با داده‌های مشاهده‌شده بیشتر است . مقدار GFI و AGFI گزارش‌شده برای این مدل‌بالاتر از ۹/. هستند ، که تأییدکننده نتایج آزمون خی دو می‌باشند.
شاخص ریشه دوم میانگین مجذور پس مانده با (RMR) ، یعنی تفاوت بین عناصر ماتریس مشاهده‌شده در گروه نمونه و عناصر ماتریس برآورد یا پیش‌بینی‌شده با فرض درست بودن مدل مورد نظر است که هرچه این شاخص برای مدل مورد نظر نزدیک تر به صفر باشد ، مدل مذکور برازش بهتری دارد . مقدار RMR در این تحقیق (۰۴۲/۰) بیانگر تبیین مناسب کوواریانس با می‌باشد .
برای بررسی اینکه یک مدل به خصوص در مقایسه با سایر مدل های ممکن ، از لحاظ تبیین مجموعه‌ای از داده با مشاهده‌شده تا چه حد خوب عمل می‌کند ،از مقادیر شاخص نرم شده برازندگی (NFI) ، شاخص نرم نشده برازندگی (NNFI) ، شاخص برازندگی فزاینده (IFI) ، شاخص برازندگی تطبیقی (CFI) ، استفاده گردیده که به اعتقاد براون و کودک (۱۹۹۲) مقادیر بالای ۹/۰ این شاخص با حاکی از برازش بسیار مناسب مدل طراحی ‌شده در مقایسه با سایر مدل های ممکنه است .
در نهایت برای بررسی چگونگی ترکیب برازندگی و صرفه‌جویی مدل مربوطه ، از شاخص بسیار قدرتمند ریشه دوم برآورد واریانس خطای تقریب (RMSEA) استفاده شده است . مقدار این شاخص برای مدل های خوب کمتر از ۰۸/۰ می‌باشد. مدلی که در آن این شاخص ۱۰/۰ یا بیشتر باشد برازش ضعیفی دارد ( هومن، ۱۳۸۴).
مقدار این شاخص در این مدل (۰۷۷/۰) می‌باشد که برای مدل طراحی ‌شده در این تحقیق ، نشان از برازش مناسب داده‌های گردآوری‌شده و برازندگی عالی آن‌ها دارد.
در واقع این نتایج علاوه بر اینکه روایی و اعتبار سازه‌ی ارزیابی رضایتمندی مشتری صنعتی را نشان می‌دهد ، فرضیات فرعی اول تا نهم را نیز تأیید می‌کند.
۴-۳-۳- رتبه‌بندی متغیرها با بهره گرفتن از آزمون فریدمن
برای بررسی اهمیت و رتبه‌بندی تأثیرگذاری مؤلفه‌های کلیدی رضایتمندی مشتری صنعتی از آزمون فریدمن استفاده شده است که نتایج آن در جدول (۴-۱۰) اشاره شده است.

تعداد

۲۰۰

کای اسکوئر

۳۱٫۲۳۷