۴-۳-۵-۱٫ آزمونKMO و آزمون بارتلت

با استفاده از نرم افزار SPSS 19 آزمون های KMO و بارتلت انجام پذیرفت(پیوست). برای مقدار آزمون KMO برای مقادیر بالاتر از ۰٫۷ ، انجام تحلیل عاملی پیشنهاد می‌شود(حبیب‌پور و صفری، ۱۳۹۰: ۳۲۱). موقعی که آزمون بارتلت در سطح خطای کوچک‌تر از ۰٫۰۵ معنی‌دار باشد، در این حالت ارتباط معنی‌داری بین متغیرها وجود داشته و امکان کشف ساختار جدید از داده‌ها ممکن می‌باشد(حبیب‌پور و صفری، ۱۳۹۰: ۳۲۳). مقدار آزمون KMO برابر با ۰٫۸۴۵ و مقدار آزمون بارتلت برابر با صفر و معنی دار در سطح ۰٫۰۵ بدست آمد(پیوست).
۴-۳-۵-۲٫ تحلیل عاملی اکتشافی
به منظور شناسایی عوامل پنهان در گزاره‌ها، تحلیل عاملی اکتشافی با استفاده از نرم افزار SPSS 19 انجام شد. برای تفسیر ابعاد شناسایی شده از جدول Rotated Component Matrix استفاده می‌شود(پیوست). این جدول از بارهای عاملی تشکیل شده است. برجسته ترین ویژگی ماتریس عاملی، بارهای عاملی است؛ بارهای عاملی معرف همبستگی متغبر با عامل است و در نتیجه مانند هرگونه همبستگی دیگر تفسیر می‌شود(هومن، ۱۳۹۰: ۲۶۶). مقادیر بارهای عاملی بین ۱+ و ۱- نوسان دارد. براساس بزرگ‌ترین بار عاملی تک تک گزاره‌ها، دسته‌بندی گزاره‌ها انجام می‌پذیرد؛ به این صورت که هر گزاره در عاملی که بارعاملی آن بزرگ‌تر باشد جای می‌گیرد. در این‌جا هشت عامل یا بُعد پنهان برای گزاره‌ها شناسایی شد. جدول ۴-۵ بارهای عاملی گزاره‌ها و همچنین میانگین نمره‌هایی که پاسخ‌دهندگان به هر گزاره داده‌اند را نشان می‌دهند. دراین‌جا از طیف لیکرت پنج نقطه‌ای استفاده شد که شامل ۱=بسیار مخالفم، ۲=مخالفم، ۳= نظری ندارم، ۴=موافقم، ۵=بسیار موافقم می‌باشد.