نتایج حاصل از تحلیل عاملی، تنها تعداد عامل‌ها را نشان می‌دهد. معنای این عامل‌ها از بارهای عاملی که در مثال قبل نشان داده شد استنتاج می‌شود. بارهای عاملی، همان‌هایی هستند که در تحلیل عاملی محاسبه می‌شوند.
بارهای عاملی همبستگی‌های متغیرها با عامل‌ها است. چنانچه این همبستگی‌ها از ۶/۰ بیشتر باشند (بدون توجه به علامت +و-)، به عنوان بارهای عاملی بالا و چنانچه از ۳/۰ بیشتر باشد به عنوان بارهای عاملی نسبتاً بالا در نظر گرفته می‌شوند و بارهای کمتر از ۳/۰ را می‌توان نادیده گرفت.
۴-۴-۲ تبیین شاخص‌ها
تفسیر و معنای شاهص‌ها به شرح ذیل است:
۱- آزمون کای مربع یا :
از این شاخص اغلب به عنوان شاخص موفقیت نام برده می‌شود. این شاخص به سادگی نشان می‌دهد که آیا بیان مدل ساختار روابط میان متغیرها مشاهده شده را توصیف می‌کند یا خیر.
هر چقدر مقدار  کوچکتر باشد بهتر است.
بیان مدل، ساختار روابط میان متغیرها مدل را توصیف نمی‌کند H0 :
بیان مدل، ساختار روابط میان متغیرها مدل را توصیف می‌کند H1 :
این شاخص معمولاً تحت شرایط(multivariable normality) صادق است و نسبت به اندازه نمونه حساس است، چرا که ممکن است یک مدل در اندازه نمونه کم تناسب داشته باشد، ولی در نمونه زیاد برازش نداشته باشد. برخی از محققان از نسبت  به عنوان شاخصی جایگزینی استفاده می‌کنند، اما این شاخص نیز از محدودیت‌ها مشابه با  رنج می‌برد. رویکرد دیگر استفاده از  به عنوان یک معیار تناسب، تطبیق و تعدیل آن برای اندازه (با اندازه) نمونه است ، هر چند که این شاخص هم در نمونه‌های کوچک به طور کافی ممکن است تناسب نداشته باشد.

۲- شاخص GFI
این شاخص به وسیله اندازه نمونه تحت تأثیر قرار نمی‌گیرد و علیه خروج از فرض Normality بسیار قدرتمند است. مقدار مطلوب آن می‌بایستی از ۹۰% بیشتر باشد، اما تجربه نشان داده است که ممکن است مدل ما از لحاظ تناسب با داده بد باشد ولی GFI آن از ۹۰% بیشتر باشد و بالعکس.
۳- شاخص RMSR یا RMR
RMSR معیار میانگین اختلاف بین داده‌ها و ماتریس کواریانس- واریانس باز تولید شده است. این معیار هر چقدر که کوچکتر باشد، (زیر ۰٫۰۵ بسیار عالی و زیر ۰٫۰۸ مناسب و زیر ۰٫۱۰ نامناسب است) برای تناسب مدل با داده‌ها بهتر است. هنگامی که میانگین ماتریس واریانس- کواریانس داده‌ها شناخته شده باشد، این شاخص یک شاخص با ارزش است. ارزیابی آن هنگامی که ماتریس واریانس- کواریانس غیراستاندارد مورد استفاده قرار گیرد سخت و مشکل است.
۴-۵ تفسیر و معنای آزمون‌ها و مدل های اندازه گیری
در ادامه برای بررسی روابط علی و معلولی و تاثیر متغیرهای تحقیق، از مدل معادلات ساختاری و تحلیل عاملی تاییدی استفاده می گردد، اشکال زیر تببین کننده تاثیر مولفه های هر متغیر است. همچنین مدل های اندازه‌گیری را مشاهده می‌کنیم.
۴-۵-۱ مدل اندازه گیری رهبری تحولگرا
شکل ۴-۱ بیان می‌کند که رهبری تحول آفرین با مولفه های خود چه رابطه ای دارد. می‌توان چنین استنباط نمود که رهبری تحول آفرین بیشتر تحت تاثیر تحریک ذهنی با نمره عاملی ۰٫۸۶ است. همچنین رهبری تحول آفرین بعد از تحریک ذهنی، بیشتر تابع انگیزش الهام بخش می‌باشد با بار عاملی ۰٫۸۱ .
شکل ۴-۱ مقادیر ضریب استاندارد مولفه های رهبری تحول آفرین(تحولگرا)
مدل اندازه گیری بر اساس سبک های رهبری (Bass, B.M., Avilio, B.J. (2000). MLQ)
شکل ۴-۲ مقادیر t را برای معناداری مولفه های رهبری تحول آفرین(تحولگرا) نشان می‌دهد. از آنجایی که تمامی مقادیر t بیشتر از ۱٫۹۶ می‌باشد، لذا مدل تحقیق دارای معناداری می‌باشد.
شکل ۴-۲ مقادیر t برای معناداری مولفه های رهبری تحول آفرین(تحولگرا)
جدول ۴-۱۱ مدل اندازه‌گیری رهبری (تحولگرا) بر اساس سبک های رهبری
(Bass, B.M., Avilio, B.J. (2000). MLQ)