P<0.01

 

تایید فرضیه

 

 

 

آگاهی از نام تجاری تاثیر مثبت و معناداری بر ارزش ویژه نام تجاری دارد

 

۴۱ / ۰

 

۰۲۵ / ۰

 

۷۸ / ۷

 

۵۶ / ۰

 

P<0.01

 

تایید فرضیه

 

 

 

مقادیر برآورد استاندارد بارهای عاملی که از طریق روش بیشینه درست نمایی^[۵۶] محاسبه گردیده است، در شکل شماره ۴-۸ نمایش داده شده. این مقادیر که اصطلاحاً لاندا^[۵۷] نامیده میشوند به منظور برآورد استاندارد نمرات متغیرهای مکنون در تحلیل مدلیابی معادلات ساختاری^[۵۸] مورد استفاده قرار گرفته و این مقادیر قابل مقایسه هستند. همچنین مقادیر خطای استاندارد برآورد نشان دهندهی میزان خطا در برآورد خام بارهای عاملی است که مقادیر کوچکتر (نزدیک به صفر) نشان دهندهی برآوردهای دقیقتر و فاصله اطمینان^[۵۹] کوچکتر است.
مقادیر سطح معناداری که حاصل تقسیم برآورد بارعاملی بر خطای استاندارد است، نشان دهندهی معنی داری برآورد بارعاملی (تفاوت معنی دار بار عاملی با صفر) است. مقادیر سطح معناداری بین ۹۶ / ۱- و ۹۶ / ۱ نشان دهنده ی عدم وجود اثر معناداری میان متغیر های مکنون مربوط است. مقادیر سطح معناداری بین ۹۶ / ۱ و ۳ نشان دهنده ی اثر معناداری با بیش از ۹۵% اطمینان میان متغیرهای مکنون مربوط است. مقادیر سطح معناداری مساوی و بزرگتر از ۳ نشان دهنده ی اثر معناداری با بیش از ۹۹% اطمینان میان متغیرهای مکنون مربوطه است. بنابراین همانطورکه در ستون سطح معناداری مشاهده میشود اثر متغیرها بر یکدیگر با بیش از ۹۹% اطمینان، مورد تایید می باشند و تنها تأثیر هوش هیجانی بر تعهد سازمانی در سطح ۹۵ درصد اطمینان تایید شده است. در نهایت ستون واریانس تبیین شده نشان دهنده مقدار واریانس تبیین شدهی روابط بین متغیرهای مکنون است. مقادیر بیشتر تا سقف یک نشان دهندهی مناسبت بیشتر روابط بین متغیرهای تحقیق است. قابل ذکر است که این مقدار با سایر مقادیر اثر مستقیم دارد.

۴-۳-۴) برازش مدل تحقیق
برازش مدل به این معنی است که ماتریس واریانس-کوواریانس مشاهده شده یا ماتریس واریانس-کوواریانس پیش‌بینی شده توسط مدل باید مقادیری نزدیک به هم داشته باشد یا اصطلاحا برازش داشته باشند. هر چه مقادیر ما در دو ماتریس به هم نزدیک تر باشند مدل دارای برازش بیشتری است. در مدل یابی معادلات ساختاری هنگامی می‌توان به برآوردهای مدل اعتماد کرد که مدل دارای برازش کافی باشد.
جدول (۴-۹ شاخص های برازش مدل نهایی

 

 

عنوان شاخص

 

دامنه مورد قبول

 

مقدار

 

نتیجه

 

 

 

X²/df

 

X2/df

 

۴۳ / ۱

 

تایید مدل

 

 

 

RMSEA

 

RMSEA<0.09

 

۰۰۱ / ۰

 

تایید مدل

 

 

 

GFI

 

GFI>0.9

 

۰۰ / ۱

 

تایید مدل

 

 

 

AGFI

 

AGFI>0.85

 

۹۷ / ۰

 

تایید مدل

 

 

 

CFI