۴-۴- تحلیل عاملی تأییدی متغیر‌های پژوهش
در این بخش، نتایج حاصل از تحلیل عاملی تأییدی هر یک از متغیر‌های پژوهش توسط نرم‌افزار LISREL به صورت جداگانه برای هر متغیر آورده شده است. لازم به ذکر است که به منظور کاهش متغیرها و در نظر گرفتن آن‌ها به عنوان یک متغیر اصلی، بار عاملی به دست آمده باید بیشتر از ۳/۰ باشد (مؤمنی و فعال قیوم، ۱۳۸۶). در تحلیل عاملی تأییدی محقق می‌داند چه سوالی مربوط به چه بعدی است. یعنی در تحلیل عاملی تأییدی مدل مفهومی برای هر یک از مفاهیم یا متغیرهای تحقیق وجود دارد. در بررسی هر کدام از مدل‌ها سوال اساسی این است که آیا این مدل‌های اندازه گیری مناسب است؟ به عبارت دیگر آیا داده‌های تحقیق با مدل مفهومی هم‌خوانی دارد یا نه؟
به طور کلی دو نوع شاخص برای آزمودن برازش مدل وجود دارد. ۱- شاخص‌های خوب بودن و ۲- شاخص‌های بد بودن.
شاخص‌های خوب بودن مانند GFI، AGFI، NFI و … می‌باشد که هر چقدر مقدار آن‌ها بیشتر باشد بهتر است. مقدار پیشنهادی برای چنین شاخص‌هایی ۹/۰ می‌باشد. همچنین شاخص‌های بد بودن نیز شامل df /2χ و RMSEA می‌باشد که هر چقدر مقدار آن‌ها کمتر باشد مدل دارای برازش بهتری است. حد مجاز df /2χ عدد ۳ می‌باشد و حد مجاز RMSEA 08/0 می‌باشد. برای پاسخ به پرسش برازش مدل، بایستی شاخص‌های خوب بودن و بد بودن با هم (df /2χ ، RMSEA، GFI، AGFI، NFI و CFI) مورد بررسی قرار گیرند.
۴-۴-۱-شاخص‌های نیکویی برازش مدل:
همان‌طور که آشکار است، نرم افزار LISREL یک سری شاخص‌هایی برای سنجش نیکویی برازش مدل تدوین شده ارائه می‌دهد. در ادامه کلیه شاخص‌های ذکر شده مورد بررسی قرار می‌گیرند.
شاخص کای دو (۲χ) : که نشان دهندۀ میزان آمارۀ کای دو برای مدل است. در واقع این شاخص اختلاف بین مدل و داده‌ها را نشان می‌دهد و معیاری برای بد بودن مدل است؛ لذا هر قدر که میزان آن کمتر باشد، حاکی از اختلاف کمتر بین ماتریس واریانس-کوواریانس نمونۀ اتخاذ شده و ماتریس واریانس-کوواریانس حاصل از مدل اتخاذ شده بوده و بد بودن مدل را نشان می‌دهد. البته لازم به ذکر است که میزان این شاخص تحت تأثیر تعداد نمونۀ اتخاذ شده قرار می‌گیرد. در واقع چنانچه حجم نمونه بیشتر از ۵۰۰ بشود، این شاخص تمایل زیادی به افزایش دارد؛ لذا تحلیل برازندگی مدل با این شاخص، معمولاً در نمونه‌های بین ۴۰۰ تا ۵۰۰ قابل اتکا است. همچنین بهتر است که این شاخص، با در نظر گرفتن درجۀ آزادی تفسیر شود.
درجۀ آزادی (df): این شاخص درجۀ آزادی مدل را نشان می‌دهد و نباید کوچک‌تر از صفر باشد.
نسبت کای دو بر درجۀ آزادی (): یکی از بهترین شاخص‌های بررسی نیکویی برازش مدل، بررسی نسبت آمارۀ کای دو بر درجۀ آزادی است. البته حد استانداردی برای مناسب بودن میزان این شاخص وجود ندارد. اما بسیاری از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۳ باشد. در نهایت حد مناسب بودن باید با تشخیص محقق و بر اساس نوع تحقیق صورت گیرد.
شاخص میانگین مجذور خطاهای مدل (RMSEA): این شاخص بر اساس خطاهای مدل ساخته شده و همانند شاخص کای دو، معیاری برای بد بودن مدل است. برخی از اندیشمندان بر این عقیده‌اند که این شاخص باید کمتر از ۰۵/۰ باشد، همچنین برخی دیگر، میزان کمتر از ۱/۰ را مناسب می‌دانند.
شاخص Goodness-of-Fit (GFI): این شاخص، معیاری برای سنجش میزان خوب بودن مدل است و میزانی بالاتر از ۹/۰، نشان دهندۀ مناسب بودن مدل استخراج شده با توجه به داده‌ها است.
شاخص Adjusted GFI (AGFI): این شاخص، در واقع حالت تطبیق داده شدۀ شاخص GFI با در نظر گرفتن میزان درجۀ آزادی (df) است و معیار دیگری برای خوب بودن مدل است. چنانچه میزان این شاخص بالاتر از ۹/۰ باشد، حاکی از مناسب بودن مدل استخراجی با توجه به داده‌ها است.
شاخص Normed Fit Index (NFI): این شاخص نیز یکی دیگر از شاخص‌ها برای سنجش میزان خوب بودن مدل به دست آمده با توجه به داده‌ها است. چنانچه میزان این شاخص بالاتر از ۹/۰ باشد، حاکی از مناسب بودن مدل استخراجی است. (شوماخر [۳۳]و لوماکس[۳۴]، ۲۰۰۴)
۴-۴-۲- تحلیل عاملی تأییدی متغیرهای مستقل (ابعاد آمیخته بازاریابی)
شکل ۴-۵ مدل اندازه گیری ابعاد آمیخته بازاریابی را در حالت تخمین استاندارد نشان می‌دهد. بارهای عاملی مدل در حالت تخمین استاندارد میزان تأثیر هر کدام از متغیرها و یا گویه ها را در توضیح و تبیین واریانس نمرات متغیر یا عامل اصلی نشان می‌دهد.
با توجه به شکل ۴-۵ می‌توان بارهای عاملی هر یک از سوالات تحقیق را مشاهده نمود. برای مثال بار عاملی سوال اول در بُعد محصول سبز ۶۰/۰ می‌باشد. به عبارت دیگر سوال اول تقریباً ۳۶ درصد از واریانس بُعد محصول سبز را تبیین می‌نماید. مقدار ۶۴/۰ نیز مقدار خطا می‌باشد (مقدار واریانسی که توسط سوال اول قابل تبیین نیست، واضح است که هر چه مقدار خطا کمتر باشد ضرایب تعیین بالاتر و همبستگی بیشتری بین سوال و عامل مربوطه وجود دارد). مقدار ضریب تعیین عددی بین ۰ و ۱ است که هر چه به سمت ۱ نزدیک شود مقدار تبیین واریانس بیشتر می‌گردد.
شکل ۴-۵- مدل اندازه گیری ابعاد آمیخته بازاریابی در حالت تخمین استاندارد
شکل ۴-۶ معناداری ضرایب و پارامترهای بدست آمده مدل اندازه گیری ابعاد آمیخته بازاریابی را نشان می‌دهد که تمامی ضرایب بدست آمده معنادار شده‌اند. مقادیر آزمون معناداری بزرگ‌تر از ۹۶/۱ یا کوچک‌تر از ۹۶/۱- نشان دهنده معناداری بودن روابط است. مبنای

تائید یا رد شدن فرضیات (معناداری روابط) بررسی مدل در حالت ضرایب معناداری است. در سطح خطای ۰۵/۰ و آزمون دوطرفه (پیش فرض نرمال) مقادیر بحرانی اعداد ۹۶/۱ و ۹۶/۱- می‌باشند. چنانچه ضرایب معناداری بیشتر از ۹۶/۱ و یا کوچک‌تر از ۹۶/۱- باشند فرض صفر رد و فرض یک یعنی وجود ارتباط معناداری تائید می‌شود. تمامی روابط موجود در مدل (فلش‌های یک‌طرفه) یک معادله رگرسیون ساده می‌باشند که معناداری آن‌ها بایستی مورد بررسی قرار گیرد.
شکل ۴-۶- مدل اندازه گیری ابعاد آمیخته بازاریابی در حالت ضرایب معناداری
نتایج تخمین (قسمت زیرین شکل) در مدل ابعاد آمیخته بازاریابی، نشان از مناسب بودن نسبی شاخص‌ها دارد. با توجه به خروجی لیزرل مقدار ۲χ محاسبه شده برابر با ۲۲/۲۷۹ می‌باشد که نسبت به درجه آزادی (۹۸) کمتر از عدد ۳ می‌باشد. (نسبت کای دو به درجه آزادی برابر با ۸۴/۲ می‌باشد). مقدار RMSEA نیز برابر با ۰۶۷/۰ می‌باشد. حد مجاز RMSEA، ۰۸/۰ است. شاخص‌هایGFI ,AGFI و NFI به ترتیب برابر با ۸۸/۰، ۹۱/۰ و ۹۵/۰ می‌باشد که نشان دهنده برازش بسیار مناسبی می‌باشند. جدول ۴-۷ خلاصه نتایج شاخص‌های برازش مدل را نشان می‌دهد.
جدول ۴-۷: شاخص‌های برازش مدل ابعاد آمیخته بازاریابی