موانع فرهنگی
عدد ثابت

۵۲/۰
۱۴۷/۷۹

۶۴۷/۰
-

۶۲۱/۰

۳۸۵/۰

۵۴۱/۱۱۲

۰۰۰/۰

H0: بین عوامل فرهنگی با مدیریت بهینه سازی منابع انسانی و کارایی کارکنان رابطه تاثیرگذاروجود ندارد.
H1: بین عوامل فرهنگی با مدیریت بهینه سازی منابع انسانی و کارایی کارکنان رابطه تاثیرگذار وجود دارد.
برای مشخص کردن سطح معنی داری بین متغیرهای بالا و مولفه های مورد نظر از آزمون T استفاده کرده و با توجه به کوچکتر بودن مقدار احتمال (کمتر از ۰۱/۰) به معنی عدم برابری میانگین متغیر با مقدار مشخص شده است، که در نتیجه فرض صفر برابری را رد کرده و دلالت بر توزیع نرمال تمام متغیرها و مولفه های مورد نظر دارد جدول (۴-۸).

همان طور که مشاهده می کنید تمام مولفه های بالا به خوبی متغیر بهینه سازی منابع انسانی و کارایی کارکنان را پوشش می دهد و مورد سنجش قرار می دهد که نتیجه آن بالا رفتن سطح اعتبار روابط بین متغیرها می باشد در نتیجه فرض H0 پذیرفته نشد و این به معنی پذیرش H1خواهد بود.
۴-۴- تحلیل مسیر (برازش مدل ساختاری)
با آنکه انواع گوناگون آزمون ها که به گونه کلی شاخص های برازندگی^[۱۱۱] نامیده می شوند پیوسته در حال مقایسه، توسعه و تکامل می باشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقاله های مختلف، شاخص های مختلفی را ارائه کرده اند و حتی نگارش های مشهور برنامه های
SEM مانند نرم افزارهای EQS، Amos، lisrel نیز تعداد زیادی از شاخص های برازندگی را به دست می دهند.
پس از معین شدن مدل، طرق متعددی برای برآورد نیکویی برازش کلی مدل با داده های مشاهده شده وجود دارد. به طور کلی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد به طور کلی چندین شاخص برای سنجش برازش مدل مورد استفاده قرار می گیرد ولی معمولاً برای تأیید مدل، استفاده از سه تا پنج شاخص کافی است.
۴-۴-۱- شاخص های مورد استفاده در این پژوهش برای تایید و برازش مدل:
۴-۴-۱-۱- شاخص (RMSEA)^[112]:
شاخص (RMSEA) یا ریشه میانگین مجذورات تقریب استفاده شده است. این معیار به عنوان اندازه تفاوت برای هر درجه آزادی تعریف شده است. مقدار RMSEA که به واقع همان آزمون انحراف هر درجه آزادی است، برای مدل هایی که برازندگی خوبی داشته باشد، کمتر از ۰۵/۰ است. مقادیر بالاتر از آن تا ۰۸/۰ نشان دهنده خطای معقولی برای تقریب در جامعه است. مدل هایی که RMSEA آن ها ۱/۰ یا بیشتر باشد برازش ضعیفی دارد.
۴-۴-۱-۲- شاخص (NFI)^[113]:
شاخص (NFI) که شاخص بنتلر-بونت هم نامیده می شود. بنتلر-بونت^[۱۱۴] (۱۹۸۰) مقادیر برابر یا بزرگتر از ۹/۰ شاخص را در مقایسه با مدل صفر، به عنوان شاخص خوبی برای برازندگی مدل های نظری توصیه کرده اند، در حالیکه برخی از پژوهشگران نقطه برش ۸/۰ را به کار می برند.
۴-۴-۱-۳- شاخص (NNFI)^[115]
شاخص (NNFI) که شاخص تاکر-لویز نیز نامیده می شود در بیشتر موارد شاخص نرم شده برای زندگی نامیده می شود. این شاخص مشابه شاخص NFI می باشد اما برای پیچیدگی مدل جریمه می پردازد. چون دامنه این مدل محدود به صفر و یک نیست تفسیر آن نسبت به NFI دشوارتر است. بر پایه قرارداد مقادیر کمتر از ۹/۰ آن مستلزم تجدید نظر در مدل است.
۴-۴-۱-۴- شاخص (CFI)^[116]
شاخص CFI بزرگتر از ۹/۰ قابل قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه ای نیست با مدل پیشنهادی مورد نظر، مقدار بهبود را نیز می آزماید. شاخص CFI از لحاظ معنا مانند NFI است با این تفاوت که برای حجم گروه نمونه جریمه می دهد.
۴-۴-۱-۵- شاخص (AGFI)^[117] و (GFI)^[118]
لیزرل یک شاخص نیکویی برازش (نسبت مجموع مجذورات تبیین شده توسط مدل به کل مجموع مجذورات ماتریس برآورد شده در جامعه) محاسبه می کند. این شاخص ها از لحاظ مطلوبیت به ضریب همبستگی شباهت دارد. هر دوی این معیارها بین صفر تا یک، متغیر هستند، گرچه از لحاظ نظری مممکن است منفی باشند (البته نباید چنین اتفاقی بیفتد! چرا که حاکی از عدم برازش قطعی مدل با داده هاست. ) هر چه AGFI و GFI به عدد یک نزدیک تر باشند، نیکویی برازش مدل با داده های مشاهده شده بیشتر است.
پس بنابراین، این آزمون ها به این سؤال پاسخ می دهند که مدل مورد نظر چقدر خوب و برازنده داده های پژوهش است. در جدول زیر چکیده این آزمون ها را می توانید مشاهده کنید:
جدول (۴-۹): خلاصه آزمون های برازندگی مدل در معادلات ساختاری

ردیف

نام آزمون

معیار اصلی

چه زمانی مدل برازنده است

توضیحات

۱