در ارزیابی کلی داده ­ها با شاخص واریانس و انحراف معیار نتایج داده ­ها حاکیست، دامنه واریانس داده بین ۱۷۲/۰ – ۷۲۷/۱ متغیر است. به­عبارت دیگر کمترین واریانس داده ­ها مربوط به مؤلفه ۸، با واریانس ۱۷۲/۰ که بیان می­دارد که؛ “کارکنان پلیس راهور باید قابل اعتماد باشند.” و بیشترین واریانس مربوط به مؤلفه ۶۳ با واریانس ۷۲۷/۱ درباره این­که “کارکنان پلیس راهور هر منطقه از زبان بومی همان منطقه در فرایند ارائه خدمات به شهروندان استفاده نمایند.” می­باشد. اگر دقـیق­تر به واریانس و انحراف معـیار داده ­ها تـوجه شـود، ملاحظه می­گردد که انحراف معیار و واریانس ۶۰ مؤلفه کمتر از عدد۱ می­باشد. تنها ۶ مؤلفه (شامل: ۱۶، ۱۹، ۳۳، ۳۵، ۵۸، ۶۳) انحراف معیار و واریانس آن از ۱ تا ۷۲۷/۱ است. با توجه به پایین بودن میزان واریانس و انحراف معیار داده ­ها­، می­توان گفت قضاوت پاسخ­گویان درباره مؤلفه­ های کیفیت به همدیگر نزدیک و تا حدودی مشابه هم است. این امر بیان­گر آن است که مؤلفه­ های کیفیت خدمات از پراکندگی بسیار کمی برخوردارند. همچنین مقادیر چولگی و کشیدگی ابعاد کیفیت انحراف کمی از صفر دارند، توزیع ابعاد کیفیت نرمال به­نظر می­رسد.
۳-۴ آزمون نرمال بودن مانده­ها
یکی از تقسیم ­بندی‌های رایج آمار، تقسیم ­بندی آن به آمار پارامتریک و آمار ناپارامتریک است. آمار پارامتریک مستلزم پیش­فرض‌هائی در مـورد جامـعه‌ای که از آن نمونه گیری صورت گرفـته می‌باشد. به­عنوان مهم‌ترین پیش­فرض در آمار پارامتریک فرض می‌شود که توزیع جامعه نرمال است. اما آمار ناپارامتریک مستلزم هیچ‌گونه فرضی در مورد توزیع نیست. فنون آمار پارامتریک شدیداً تحت تأثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است. اگر متغیرها از نوع اسمی و ترتیبی بوده، حتماً از روش‌های ناپارامتریک استفاده می‌شود. اگر متغیرها از نوع فاصله‌ای و نسبی باشند، در صورتی که فرض شود توزیع آماری جامعه نرمال یا بهنجار است، از روش‌های پارامتریک استفاده می‌شود. در غیر این صورت از روش‌های ناپارامتریک استفاده می‌شود. برای بررسی نرمال بودن مؤلفه‌های ابعاد الگو از آزمون کلموگروف اسمیرنوف استفاده گردید و در تمامی آزمون‌ها، فرضیه آماری به صورت زیر می‌باشد.

H₀: متغیر مانده در مدل نرمال هستند (متغیرها از جامعه نرمال آمده‌اند).
H₁: متغیر مانده درمدل نرمال نیستند (متغیرها از جامعه نرمال نیامده‌اند).
جدول ۹-۴: نتایج آزمون کلموگروف اسمیرنوف