• • • آزمون مجذور کای ( )، مجذور کای به درجه آزادی: از شاخص مجذور کای اغلب به عنوان شاخص موفقیت نام برده می‌شود. این شاخص به سادگی نشان می‌دهد که آیا بیان مدل ساختار روابط میان متغیرهای مشاهده شده را توصیف می‌کند یا خیر. این شاخص نسبت به اندازه نمونه حساس است، وقتی حجم نمونه برابر ۷۵ تا ۲۰۰ باشد، مقدار مجذور کای یک اندازه معقول برای برازندگی است. اما برای مدل‌های با n بزرگ‌تر، مجذور کای تقریباً همیشه از لحاظ آماری معنادار است. از طرف دیگر مجذور کای تحت تأثیر مقدار همبستگی‌های موجود در مدل نیز هست. هر چه این همبستگی‌ها زیادتر باشد، برازش ضعیف‌تر است. برخی از محققان از نسبت مجذور کای به درجه آزادی به عنوان شاخص جایگزینی استفاده می‌کنند. اگر این نسبت کمتر از عدد ۳ باشد، برازش مناسب 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: این شاخص به وسیله اندازه نمونه تحت تأثیر قرار نمی‌گیرد. مقدار مطلوب آن می‌بایستی از ۹/۰ بیشتر باشد. البته این مقدار می‌تواند برای مدل‌هایی که به گونه ضعیفی فرمول بندی شده‌اند، بزرگ باشد. درباره کاربرد آن توافق کلی وجود ندارد.

• شاخص RMSEA: شاخص RMSEA، معیار میانگین اختلاف بین داده‌ها و ماتریس کوواریانس- واریانس ضمنی است. این معیار هر چقدر که کوچک‌تر باشد، برای تناسب مدل با داده‌ها بهتر است (زیر ۰۵/۰ بسیار عالی، زیر ۰۸/۰ مناسب و بالای ۰۹/۰ نامناسب است ). این شاخص هنگامی که میانگین واریانس- کوواریانس داده‌ها شناخته شده باشد، یک شاخص با ارزش محسوب می‌شود. ارزیابی آن هنگامی که ماتریس واریانس-کوواریانس غیر استاندارد مورد استفاده قرار می‌گیرد، مشکل است.

هر چند از میان شاخص‌های فوق، به گونه کلی RMSEA به عنوان شاخص مطلوب و GFI به عنوان بهترین شاخص در نظر گرفته می‌شود، اما درباره آن‌ها توافق کلی وجود ندارد. شاخص‌های برازندگی به گونه کلی در دامنه بین صفر و یک قرار می‌گیرند. ضرایبی که بالاتر از ۹/۰ باشند، قابل قبول در نظر گرفته می‌شوند. هر چند که این سطح نیز مانند سطح خطای ۰۵/۰ اختیاری است (خاکی، ۱۳۸۷، ۴۳). عاقلانه این است که همه این شاخص‌ها با هم در نظر گرفته و در گزارش قید شوند.
4-7- تفسير و تعبير مدل^[409]
به طور كلي در كار با برنامه ليزرل، هریک از شاخص‌های بدست آمده براي مدل به تنهايي دليل برازندگي مدل يا عدم برازندگي آن نيستند، بلكه اين شاخص‌ها را بايد در كنار يكديگر و با هم تفسير كرد. اگر هم آزمون  و هم آزمون‌هاي تناسب ثانوي نشان دادند كه مدل به طور كافي متناسب است، به سمت مشخص كردن عوامل مدل تناسب شده حركت كرده و بر روي اين عوامل تمركز مي‌كنيم. جدول4-16بيانگر مهم‌ترین اين شاخص ­ها می‌باشد و نشان می‌دهد كه الگو در جهت تبيين و برازش از وضعيت مناسبي برخوردار است، تمامی این شاخص‌ها حاکی از تناسب مدل با داده های مشاهده شده می‌باشد. شاخص‌هاي تناسب مدل، بیانگر مناسب بودن مدل اندازه‌گيري می‌باشد. زيرا نسبت کای‌دو بر درجه آزادی کمتراز۳، شاخص RMSEA كمتراز۰۹/۰واکثر مابقیشاخص‌ها نيزقابل قبول هستند. به بيان ديگر، مدل وچارچوب كلي معنی­دار و قابل پذيرش است.
جدول 4-16- شاخص‌های برازش مدل

نام شاخص
مقدار شاخص مدل
بانک­های دولتی
مقدار شاخص مدل بانک­های خصوصی
حد مجاز

(كاي دو بر درجه‌ی آزادي)
58/1
86/1
کمتر از۳

GFI(نيكويي برازش)
87/۰
86/۰
بالاتر از ۹/۰

RMSEA(ريشه ميانگين مربعات خطاي برآورد)
062/0
076/0
کمتر از۰۹/۰

CFI (برازندگي تعديل يافته)
93/۰
91/۰
بالاتر از ۹/۰

AGFI(نيکويي برازش تعديل شده)
84/۰
83/۰
بالاتر از ۸/۰

NFI(برازندگي نرم شده)
84/۰