نوآوری × رهبری تحول‌گرای مدیران

۱۰۰/۰

۰۵۱/۰

۰۴۳/۰

ارزش ارائه شده

–

۵۱۰/۰

۴۲۹/۰

قابلیت بازاریابی کارکنان × ارزش ارائه شده

–

۱۱۳/۰

۰۹۵/۰

ارزش دریافتی مشتری

–

–

۸۴۱/۰

منبع: یافته‌های تحقیق
۴-۵-۲-۳- شاخص‌های برازش
مدل تدوین‌شده توسط محقق بر مبنای چارچوب نظری و پیشینه تئوریک آن تا چه اندازه با واقعیت انطباق دارد؟ سؤالی است که هر پژوهشگری در مدل‌سازی معادلات ساختاری با آن مواجه است. معیارهای علمی مورد قبول برای پذیرش یا رد مدل نظری تدوین‌شده با استفاده از داده‌های گردآوری‌شده، خود بحثی اصلی در شاخص‌های برازش مدل را تشکیل می‌دهد. برازش مدل تعیین‌کننده درجه‌ای است که داده‌های واریانس-کواریانس نمونه‌ای مدل معادلات ساختاری را حمایت می‌کند. از آنجایی که موضوع برازش مدل مفهومی و شاخص‌هایی که به بهترین نحو توانایی تفسیر بهتر برازش مدل را داشته باشند بسیار متنوع و پیچیده شده است، از این رو بسیاری از محققان با نوعی سردرگمی مواجه گردیده‌اند. در زیر مهم‌ترین شاخص‌های برازش و مقدار این شاخص‌ها برای مدل پژوهش حاضر آورده می‌شود.
۴-۵-۲-۳-۱- شاخص‌های برازش مطلق
شاخص‌های اندازه‌گیری مطلق از اساسی‌ترین و اصلی‌ترین معیارها برای صحت و سقم برازش داده‌ها براساس مدل یا فرضیات پیشنهادشده می‌باشند. شاخص برازش مطلق تعیین می‌کند چگونه یک مدل پایه‌ای با داده‌های نمونه مربوطه به خوبی برازش دارد.
شاخص (χ۲): شاخص کای اسکوئر برای ارزیابی برازش کلی مدل و تعیین میزان شدت اختلاف بین ماتریس‌های کواریانس برآورد شده و مشاهده‌شده تعریف می‌شود. مقدار این شاخص برای مدل‌هایی که برازش مطلوبی دارند کمتر از ۰۵/۰ خواهد بود و برای نمونه‌های بزرگ غالباً مدل را رد می‌کند. یکی از شاخص‌هایی که تأثیر مقدار حجم نمونه را در شاخص کای اسکوئر به حداقل می‌رساند، شاخص کای اسکوئر به درجه آزادی است. اگر مقدار این شاخص کمتر از ۵ باشد مدل از برازش نسبتاً خوبی برخوردار است و در صورتی که مقدار این شاخص کمتر از ۳ باشد برازش مدل کاملاً مطلوب خواهد بود.
شاخص نیکویی برازش([۸۷]GFI): این اندازه تحت تأثیر حجم نمونه است و می‌تواند برای مدل‌هایی که به گونه ضعیفی فرمول‌بندی شده‌اند، بزرگ باشد. کمیت این شاخص از صفر تا یک متغیر است. اندازه یک، نشانه کامل برازندگی کامل داده‌ها با الگو و صفر نشانگر عدم برازندگی است. هر چقدر این مقدار به یک نزدیک تر باشد نیکویی برازش الگو بیشتر است.
شاخص تعدیل‌شده نیکویی برازش([۸۸]AGFI): با توجه به اینکه شاخص GFI تحت تأثیر حجم نمونه و درجات آزادی، معیار GFI را تعدیل می‌کند. این شاخص نیز می‌تواند از صفر تا یک متغیر باشد و مقادیر نزدیک به یک نشان‌دهنده نیکویی برازش الگو می‌باشد.
شاخص([۸۹]RMSEA): ریشه میانگین مجذورات تقریب می‌باشد. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است. مقدار آن که به واقع همان آزمون انحراف هر درجه آزادی است، برای مدل‌هایی که برازندگی خوبی داشته باشد، کمتر RMSEA از ۰٫۰۵ است. مقادیر بالاتر از آن تا ۰٫۰۸ نشان‌دهنده خطای معقولی برای تقریب در جامعه است. مدل‌هایی که در آن‌ها مقدار RMSEA 0.1 یا بیشتر باشد برازش ضعیفی دارد.
شاخص ([۹۰]SRMR): این شاخص معیاری است برای اندازه‌گیری متوسط باقیمانده‌ها و تنها در ارتباط با واریانس ها و کوواریانس ها قابل‌تغییر است. در مدلی که نیکویی برازش خوبی دارد، این باقیمانده‌ها بسیار کوچک هستند. دامنه RMR براساس وزن هر متغیر مشاهده‌پذیر محاسبه‌شده و چنانچه پرسشنامه‌ای حاوی گویه هایی با طیف‌های گوناگونی باشد این شاخص اعتبار خود را از دست می‌دهد. شاخص SRMR این مشکل را بر طرف می‌کند. برای مدل هایی با برازش خوب مقدار این شاخص زیر ۰۵/۰ است، هر چند مقادیر زیر ۰۸/۰ نیز مورد پذیرش می‌باشد.
۴-۵-۲-۳-۲- شاخص‌های برازش مقایسه‌ای
شاخص‌های برازش مقایسه‌ای، شاخص برازش مطلق مدل مورد نظر را با شاخص مطلق مدل پایه‌ای مقایسه می‌کند. در واقع این شاخص‌ها مقادیر کای اسکوئر را با مدل پایه‌ای مقایسه می‌نمایند و به دنبال مقایسه بین یک مدل خاص با سایر مدل‌های ممکن می‌پردازد.
شاخص ([۹۱]CFI): امروزه یکی از مهم‌ترین و پرکاربردترین شاخص‌های تفسیری پیرامون تأیید برازش خوب یا ضعیف مدل تجربی است. این شاخص برازش مدل موجود را با مدل مستقل مقایسه می‌کند. دامنه پذیرش این شاخص بین ۹/۰ تا ۱ بوده و چنانچه مقدار آن از ۹۵/۰ بیشتر باشد، مدل از برازش خیلی خوبی برخوردار است.