IF Asymp. Sig. (2-tailed) <   تایید می شود H₁
Asymp. Sig. (2-tailed) = 0.000>   تایید می شود H₁
چون مقدار سطح معنی داری (Sig) از مقدار خطا (α) کمتر شده است، در نتیجه فرضیه H₁ تایید می‌شود و داده‌ها غیرنرمال است و چون داده ها نرمال نیستند، بنابراین باید از آزمون­های آماری غیر پارامتریک استفاده کنیم.

۴-۱۲-۵-­ آزمون نرمال بودن متغیر دانش صریح
H0: داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) >   تایید می شود H₀
IF Asymp. Sig. (2-tailed) <   تایید می شود H₁
Asymp. Sig. (2-tailed) = 0.000>   تایید می شود H₁
چون مقدار سطح معنی داری (Sig) از مقدار خطا (α) کمتر شده است، در نتیجه فرضیه H₁ تایید می‌شود و داده‌ها غیرنرمال است و چون داده ها نرمال نیستند، بنابراین باید از آزمون­های آماری غیر پارامتریک استفاده کنیم.
۴-۱-۱۲-۶-­ آزمون نرمال بودن متغیر فرایندهای دانش
H0: داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) >   تایید می شود H₀
IF Asymp. Sig. (2-tailed) <   تایید می شود H₁
Asymp. Sig. (2-tailed) = 0.000>   تایید می شود H₁
چون مقدار سطح معنی داری (Sig) از مقدار خطا (α) کمتر شده است، در نتیجه فرضیه H₁ تایید می‌شود و داده‌ها غیرنرمال است و چون داده ها نرمال نیستند، بنابراین باید از آزمون­های آماری غیر پارامتریک استفاده کنیم.
۴-۱-۱۲-۷-­ آزمون نرمال بودن متغیر محتوای دانش
H0: داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) >   تایید می شود H₀
IF Asymp. Sig. (2-tailed) <   تایید می شود H₁
Asymp. Sig. (2-tailed) = 0.000>   تایید می شود H₁
چون مقدار سطح معنی داری (Sig) از مقدار خطا (α) کمتر شده است، در نتیجه فرضیه H₁ تایید می‌شود و داده‌ها غیرنرمال است و چون داده ها نرمال نیستند. بنابراین باید از آزمون­های آماری غیر پارامتریک استفاده کنیم.
۴-۱-۱۲-۸-آزمون نرمال بودن متغیر ارتباطات سازمانی
H0: داده ها نرمال است ( داده ها از جامعه نرمال آمده اند)
H1: داده ها نرمال نیست ( داده ها از جامعه نرمال نیامده اند)
IF Asymp. Sig. (2-tailed) >   تایید می شود H₀
IF Asymp. Sig. (2-tailed) <   تایید می شود H₁
Asymp. Sig. (2-tailed) = 0.005>   تایید می شود H₁
چون مقدار سطح معنی داری (Sig) از مقدار خطا (α) کمتر شده است، در نتیجه فرضیه H₁ تایید می‌شود و داده‌ها غیرنرمال است. و چون داده ها نرمال نیستند. بنابراین باید از آزمون­های آماری غیر پارامتریک استفاده کنیم.
نتایج کلی آزمون نرمال بودن (کولموگروف – اسمیرنوف) به صورت خلاصه در جدول زیر ارائه می‌شود.
جدول(۴-۲۲) خلاصه نتایج فرضیات نرمال بودن متغیرها