۳۴۴/۰

(۳)تحقیق و توسعه

۵۷۳/۰

۹/۰

۷۱۵/۰

۸۶۲/۰

۵۷۳/۰

(۴)نیازهای بازار

۶۱۸/۰

۹۰۲/۰

۴۹۵/۰

۸۵۹/۰

۶۱۸/۰

(۵)چالش های زیرساختی

۴۵۴/۰

۸۹۹/۰

۷۵۹/۰

۸۷۵/۰

۴۵۴/۰

(۶)میزان منابع انسانی

۶۷۶/۰

۹۲۴/۰

۵۸۷/۰

۸۹۶/۰

۶۷۶/۰

جدول فوق شاخص های روایی و پایایی را برای تمامی متغیرهای تحقیق نشان می دهد. علاوه بر روایی سازه که برای بررسی اهمیت نشانگر های انتخاب شده برای اندازه گیری سازه ها به کار می رود، روایی تشخیصی^[۴۴] نیز در تحقیق حاضر مورد نظر است به این معنا که نشانگر های هر سازه در نهایت تفکیک مناسبی را به لحاظ اندازه گیری نسب به سازه های دیگر مدل فراهم آورند. به عبارت ساده تر هر نشانگر فقط سازۀ خود را اندازه گیری کند و ترکیب آنها به گونه ای باشد که تمام سازه ها به خوبی از یکدیگر تفکیک شوند. با کمک شاخص میانگین واریانس استخراج شده(AVE^[45]) مشخص شد که تمام سازه های مورد مطالعه دارای میانگین واریانس استخراج شدۀ بالاتر از ۵/۰ هستند. شاخص های پایایی ترکیبی^[۴۶] و آلفای کرونباخ جهت بررسی پایایی پرسشنامه استفاده می شوند و لازمه تایید پایایی بالاتر بودن این شاخصها از مقدار ۷/۰ می باشد. تمامی این ضرایب بالاتر از ۷/۰ می باشند و نشان از پایا بودن ابزار اندازه گیری می باشند.

شاخص نیکویی برازش مدل(GOF ): این شاخص سازش بین کیفیت مدل ساختاری و مدل اندازه گیری شده را نشان می دهد و برابر است با:

که در آن  و  میانگین Communality و R² می باشد. بالا بودن شاخص مقدار GOF از ۵/۰ برازش مدل را نشان می دهد. برای این مدل مقدار ضریب تعیین برابر ۵۷۳/۰ شده است و نشان از برازش مناسب مدل دارد.
۴-۳-۴ تحلیل عاملی
تحلیل عاملی می‌تواند دو صورت اکتشافی^[۴۷] و تأییدی^[۴۸] داشته باشد. تمایز بین این دو نوع تحلیل دارای اهمیت زیادی است. اینکه کدام یک از این دو شکل باید در تحلیل عاملی به کار رود مبتنی بر هدف تحلیل داده‌ها است. در تحلیل اکتشافی پژوهشگر به دنبال بررسی داده‌های تجربی به منظور کشف و شناسایی شاخص‌های ویژه و نیز روابط جالب میان آن‌هاست و این کار را بدون تحمیل هرگونه مدل معینی بر روی داده‌ها انجام می‌دهد. به بیان دیگر، تحلیل اکتشافی علاوه بر آنکه ارزش تجسسی یا پیشنهادی دارد، می‌تواند ساختارساز، مدل‌ساز یا فرضیه‌ساز باشد و یا فرضیه‌هایی تدوین کند که نسبت به سایر روش‌های چند متغیری، آزمایش‌پذیری عینی‌تری داشته باشد. تحلیل اکتشافی وقتی به کار می‌رود که پژوهشگر شواهد کافی قبلی و پیش‌تجربی برای تشکیل فرضیه درباره تعداد عامل‌های زیربنایی داده‌ها نداشته و به واقع مایل باشد درباره تعیین تعداد یا ماهیت عامل‌هایی که همپراشی بین متغیر‌ها را توجیه می‌کنند، داده‌ها را بکاود. اما تحلیل عاملی تاییدی در واقع یک مدل آزمون تئوری است که در آن پژوهشگر تحلیل خود را با یک فرضیۀ قبلی آغاز می کند. این مدل که مبتنی بر یک شالوده تجربی و نظری قوی است، مشخص می‌کند که کدام متغیرها با کدام عاملها و کدام عامل با کدام عاملها باید همبسته شوند. برای ارزشیابی روایی سازه نیز یک روش قابل اعتماد به پژوهشگر عرضه می‌کند تا از این طریق بتواند به گونۀ بارزی فرضیه هایی را درباره ساختار عاملی داده ها که ناشی از یک مدل از پیش تعیین شده با تعداد و ترکیب مشخصی از عامل‌هاست بیازماید (هومن، ۱۳۸۷). در تحلیل عاملی تأییدی پژوهشگر به دنبال تهیه مدلی است که فرض می شود داده های تجربی را بر پایه چند پارامتر نسبتا اندک توصیف، تبیین یا توجیه می کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده هاست که می تواند به شکل؛ ۱) تئوری یا فرضیه، ۲) یک طرح طبقه بندی کننده معین برای گویه ها یا پاره تستها در انطباق با ویژگی های عینی شکل و محتوا، ۳) شرایط معلوم تجربی و یا ۴) دانش حاصل از مطالعات قبلی درباره داده‌های وسیع باشد (هومن، ۱۳۸۷).
تحلیل اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری و نه یک روش آزمون تئوری در نظر گرفته می‌شود؛ علاوه بر این تحلیل عاملی«به گونۀ بارزی مستلزم سؤال‌هایی درباره روایی است». در فرایند تعیین این موضوع که آیا عامل‌های شناخته شده با یکدیگر همبسته هستند یا نه، تحلیل عاملی اکتشافی به این پرسش روایی سازه جواب می‌دهد که: آیا نمره‌های تست آنچه را تست باید بسنجد اندازه می‌گیرد؟ در حقیقت بیشتر مطالعات تحلیل عاملی از لحاظ تاریخی اکتشافی بوده است. تحلیل عاملی اکتشافی روشی است که اغلب برای کشف و اندازه‌گیری منابع مکنون پراش و همپراش در اندازه‌گیری‌های مشاهده شده به کار می‌رود. پژوهشگران به این واقعیت پی برده‌اند که تحلیل عاملی اکتشافی می‌تواند در مراحل اولیۀ تجربه یا پرورش تست‌ها کاملاً مفید باشد. اما هرچه دانش بیشتری درباره طبیعت اندازه‌گیری‌های روانی و اجتماعی به دست آید، تحلیل اکتشافی ممکن است کمتر به عنوان یک ابزار مفید به کار رود و ممکن است حتی بازدارنده نیز باشد.
۱-۴-۳-۴ آزمون کفایت نمونه گیری
در این تحقیق به منظور بررسی وجود شرایط لازم برای انجام تحلیل عاملی از شاخص کفایت نمونه برداری ^[۴۹]KMO استفاده شده است. سرنی و کایزر معتقدند که مقدار KMO بزرگ‌تر از ۶/۰ نشان دهنده کفایت نمونه برای تحلیل بوده و انجام تحلیل عاملی را امکان پذیر می سازد.
جدول ۵-۴) بررسی کفایت نمونه

شاخص کفایت نمونه‌برداری (KMO)

کای دو