(0.01, 0.2)
0.01

Goodness of Fit Index (GFI)

0.92

Root Mean Square Residual (RMR)

0.072

8.2.4. تفسیر خروجی(برونداد) تحلیل عاملی تأییدی متغیرهای چابکی
در جدول، شاخص های متعدد خوب برازندگی و نخستین شاخص مجذور کای نشان داده شده است. آزمون های مجذور کای این فرضیه را که مدل مورد نظر هماهنگ با الگوی همپراشی بین متغیر های مشاهده شده است، می آزماید. مقادیر کوچک تر آن نشان دهنده برازندگی بیشتر است. مقدار مجذور کای مدل چابکی با 224 درجه آزادی برابر با 109.94 است که از لحاظ آماری معنادار نیست. چون سطح معناداری آن نسبتا بزرگ (p=0.822 ) است، می توان نتیجه گرفت که آزمون مجذور کای برازش دقیق مدل را با داده های مشاهده شده تأیید می کند.
از سوی دیگر، نسبت مجذور کای به درجه آزادی ( ) نیز برابر با 0.49 است. هرچند این شاخص فاقد یک معیار ثابت برای یک مدل قابل قبول است، اما مقدار کوچک تر آن نشان دهنده برازندگی بیشتر است. این روش دیگری برای توصیف مشخصه برازندگی مجذور کای است که بگوییم مشخصه مذکور در واقع این فرضیه صفر را که ” در ماتریس های قطری ساختار کوواریانس از لحاظ آماری تفاوت معنادار وجود ندارد” می آزماید. چون نتیجه معنادار این مشخصه آماری منجر به رد برازش یک مدل معین می شود، شاخص عدم برازش نیز خوانده می شود. چنان که پیش از این نیز گفتیم مشخصه مجذور کای نسبت به حجم نمونه خیلی حساس است، و همین امر در بسیاری از موقعیت ها موجب این تردید می شود که آیا اهمیت آماری مجذور کای ناشی از عدم برازش مدل یا در واقع ناشی از حجم گروه نمونه است. این عدم قطعیت منجر به تهیه مشخصه های دیگری برای ارزشیابی برازش کلی مدل شده است. یکی از معتبرترین شاخص هایی که برای بررسی برازندگی مدل به کار می رود GFI یعنی اندازه ای از مقدار نسبی واریانس ها و کوواریانس هاست که به گونه مشترک به وسیله مدل توجیه می شود. چنانکه پیش از این نیز گفتیم، این شاخص را می توان به عنوان مشخصه ای مشابه در رگرسیون چند متغیری در نظر گرفت. مدلی دارای برازش بهتر است که ” دارای نسبت پایین تری به عنوان پارامتر غیر مرکزی تقسیم بر درجه آزادی” باشد. هرچه GFI نزدیک تر به 1 باشد مدل با داده ها برازش بهتری دارد. شاخص GFI در این مدل، برابر با 0.92 است ، که نشان می دهد مدل با داده ها برازش دارد. علاوه بر این، جذر برآورد واریانس خطای تقریب (RMSEA) نیز برابر با 0.01 و فاصله اطمینان 90 درصدی آن بین 0.01 و 0.2 قرار دارد. چون حد پایین این مقدار از سطح 0.05 کوچکتر است، می توان نتیجه گرفت که درجه تقریب مدل در جامعه بزرگ نیست. شاخص ریشه میانگین مجذور پس ماند RMR برابر با 0.072 و نسبتا کوچک است، که این نیز بیانگر خطای اندک مدل و برازش قابل قبول آن است.
با این توضیحات و تحلیل های صورت گرفته می توان نتیجه گرفت که یک شرکت تولید کننده کاشی در صورتی از نظر به کارگیری مؤلفه های زیر در بخش های تعیین شده از موفقیت خوبی برخوردار باشد و موارد مذکور را در سازمان خود به کار بندد را می توان سازمانی چابک در زمینه فعالیت خود( تولید کاشی و سرامیک) قلمداد نمود.
1-برخورداری از سازمانی انعطاف پذیر در زمینه های زیر
– میزان آمادگی شرکت برای تغییر حجم تولید محصولات در زمان مناسب
– میزان توجه به انعطاف پذیری در تدوین استراتژی ها
– میزان آمادگی سیستم تولید شرکت برای تولید محصولات متنوع
2- برخورداری از نظام پاسخ گویی مناسب در زمینه های زیر
– میزان توانایی شرکت برای پاسخ گویی به تقاضاهای متنوع مشتریان(از نظر تنوع محصولات و مقدار آن)
– میزان توانایی شرکت در بهره مندی از فرصت ها ی محیطی ( تغییرات فصلی، محبوبیت در جامعه و …)
– میزان توانایی شرکت برای انجام واکنش مناسب نسبت به تغییرات محیط ( قیمت مواد اولیه، تورم، سیاست های دولت و …)
3- به کار گیری فرهنگ تغییر با توجه به موارد زیر
– میزان وجود نگرش مثبت به تغییر در حوزه های مختلف شرکت( مسئولیت، تکنولوژی و …)
– میزان شناسایی فرصت ها و تهدید های محیطی و بهره برداری از آنها
– میزان آمادگی و استقبال کارکنان از نو آوری در تمام حوزه های کاری
4- توجه به واکنش و عکس العمل سریع در قالب موارد زیر
– میزان توانایی شرکت در تولید و تحویل سریع کالاهای مورد نیاز به مشتریان
– میزان سرعت عمل کارکنان در انجام کارها
– میزان توانایی کارکنان شرکت در یادگیری سریع وظایف جدید
5- یکپارچگی در بخش های سازمانی با توجه به موارد زیر
– میزان هماهنگی در جریان مواد اولیه( از انبار تا خط تولید)