همانطور که آشکار است، نرم افزار لیزرل یک سری شاخص های برای سنجش نیکویی برازش مدل تدوی شده ارائه می دهد. در ادامه کلیه شاخص های ذکر شده مورد بررسی قرار می گیرند.
شاخص کای دو (۲χ) : که نشان دهندۀ میزان آمارۀ کای دو برای مدل است. در واقع این شاخص اختلاف بین مدل و داده ها را نشان می دهد و معیاری برای بد بودن مدل است. لذا هرقدر 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 می دهد. البته لازم به ذکر است که میزان این شاخص تحت تأثیر تعداد نمونۀ اتخاذ شده قرار می گیرد. در واقع چنانچه حجم نمونه بیشتر از ۲۰۰ بشود، این شاخص تمایل زیادی به افزایش دارد. لذا تحلیل برازندگی مدل با این شاخص، معمولاً در نمونه های بین ۱۰۰ تا ۲۰۰ 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 می دهد و نباید کوچکتر از صفر باشد.
نسبت کای دو بر درجۀ آزادی (): یکی از بهترین شاخص های بررسی نیکویی برازش مدل، بررسی نسبت آمارۀ کای دو بر درجۀ آزادی که است. البته حد استانداردی برای مناسب بودن میزان این شاخص وجود ندارد. اما بسیاری از اندیشمندان بر این عقیده اند 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 P-Value: این شاخص نیز معیاری دیگر برای سنجش مناسب بودن مدل است. اما در مورد میزان قابل قبول بودن این شاخص، اجماع نظری وجود ندارد. برخی از اندیشمندان حوزۀ آماری معتقدند که میزان آن باید کمتر از ۰٫۰۵ باشد در حالی که برخی بر بیشتر بودن این میزان تأکید دارند.
۴-۳-۲ شاخص میانگین مجذور خطاهای مدل (RMSEA)
این شاخص براساس خطاهای مدل ساخته شده و همانند شاخص کای دو، معیاری برای بد بودن مدل است. برخی از اندیشمندان بر این عقیده اند که این شاخص باید کمتر از ۰٫۰۵ باشد، همچنین برخی دیگر، میزان کمتر از ۰٫۰۸ را مناسب می دانند.
۴-۳-۳ شاخص Goodness-of-Fit (GFI)
این شاخص، معیاری برای سنجش میزان خوب بودن مدل است و میزانی بالاتر از ۰٫۹، نشان دهندۀ مناسب بودن مدل استخراج شده با توجه به داده ها است.

۴-۳-۴ 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 ۰٫۹ باشد، حاکی از مناسب بودن مدل استخراجی با توجه به داده ها است .
۴-۳-۵ شاخص Normed Fit Index (NFI)
این شاخص نیز یکی دیگر از شاخص ها برای سنجش میزان خوب بودن مدل به دست آمده با توجه به داده ها است. چنانچه میزان این شاخص بالاتر از ۰٫۹ باشد، حاکی از مناسب بودن مدل استخراجی است.
۴-۴ تحلیل عاملی تائیدی متغیر مستقل تحقیق
شکل ۴-۱ مدل اندازه گیری متغیر های مستقل را در حالت تخمین استاندارد نشان می دهد. بارهای عاملی مدل در حالت تخمین استاندارد میزان تاثیر هر کدام از متغیرها و یا گویه ها را در توضیح و تبیین واریانس نمرات متغیر یا عامل اصلی نشان می دهد. به عبارت دیگر بار عاملی نشان دهنده میزان همبستگی هر متغیر مشاهده گر (سوال پرسشنامه) با متغیر مکنون (عامل ها) می باشد. با توجه به شکل۴-۱ می توان بارهای عاملی هر یک از سوالات تحقیق را مشاهده نمود. برای مثال بار عاملی سوال ۱ در بعد مهارتهای فنی (۰٫۱۹) می باشد. به عبارت دیگر سوال اول تقریباً ۴ درصد از واریانس متغیر موثر بودن را تبیین می نماید. مقدار ۰٫۹۶ نیز مقدار خطا می باشد (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 می گردد.
شکل ۴-۱- تحلیل عاملی متغیر مستقل در حالت تخمین استاندارد
خروجی بعدی(مدل در حالت معناداری) معناداری ضرایب و پارامترهای بدست آمده مدل اندازه گیری متغیرهای مستقل تحقیق را نشان می دهد که تمامی ضرایب بدست آمده معنادار شده اند. زیرا مقدار آزمون معناداری بزرگتر از ۱٫۹۶ یا کوچکتر از ۱٫۹۶- نشان دهنده معناداری بودن روابط است. دو خروجی نرم افزار لیزرل (مدل در حالت تخمین استاندارد و مدل در حالت ضرایب معناداری) در ادامه نشان داده شده است:
شکل ۴-۲- تحلیل عاملی متغیر مستقل در حالت ضرایب معناداری
نتایج تخمین (قسمت زیرین شکل) حاکی از مناسب بودن نسبی شاخص ها دارد. با توجه به خروجی لیزرل مقدار ۲χ محاسبه شده برابر با ۳۵۰٫۲۳ می باشد که نسبت به درجه آزادی کمتر از عدد ۴ می باشد. پایین بودن میزان این شاخص نشان دهنده تفاوت اندک میان مدل مفهومی با داده های مشاهده شده تحقیق است. مقدار RMSEA برابر با ۰۸۶/۰ می باشد. حد مجاز RMSEA ، ۰۸/۰ است. شاخص های GFI , AGFI و NFI بترتیب برابر با ۹۰/۰ ، ۸۷/۰ و ۹۲/۰ می باشد که نشان دهنده برازش مناسب مدل می باشد. همان طور که در شکل مشخص است به دلیل قرار نگرفتن مقدار آماره تی در بازه ۱٫۹۶ و ۱٫۹۶- هیچ کدام از سئوالات مربوط به متغیرهای مکنون هریک از سازه ها از روند تحقیق حذف نشدند.
۴-۵ تحلیل عاملی تائیدی متغیر وابسته
بارهای عاملی مدل در حالت تخمین استاندارد میزان تاثیر هر کدام از متغیرها و یا گویه ها را در توضیح و تبیین واریانس نمرات متغیر یا عامل اصلی نشان می دهد. به عبارت دیگر بار عاملی نشان دهنده میزان همبستگی هر متغیر مشاهده گر (سوال پرسشنامه) با متغیر مکنون (عامل ها) می باشد. با توجه به شکل۴-۳ می توان بارهای عاملی هر یک از سوالات تحقیق برای متغیرهای وابسته را مشاهده نمود. متغیرهای وابسته در این تحقیق شامل اثربخشی کارکنان می باشد در دو شکل زیر مدل اندازه گیری متغیرهای مستقل در دو حالت تخمین استاندارد و ضرایب معناداری نشان داده شده است:
شکل ۴-۳- تحلیل عاملی متغیر های وابسته در حالت تخمین استاندارد