يبدأ البحث بمعالجة البيانات إحصائياً، بدءاً بخصائص العينة، متمثلة في متغير الجنس والمؤهل العلمي.  يتم ذلك باستخراج التكرارات والنسب المئوية لكل متغير لتحديد الفئة السائدة.  استخدم الباحث  `analysisstatistic descriptiveeffective` في SPSS  لاستخراج خصائص العينة. أظهرت النتائج وجود 109 فردًا في العينة، منهم 44 ذكراً (40.4%) و 65 أنثى (59.6%)،  سائدةً.  أما  المؤهل العلمي، فكانت فئة الجامعيين هي الأكثر شيوعاً (76 فرداً، 69.7%)، تليها الثانوي فأقل (19 فرداً، 17.4%)، ثم الدراسات العليا (14 فرداً، 12.8%).  تم تنظيم هذه النتائج في جداول مُدرجة في البحث.

بعد ذلك، تم تحليل فقرات الاستبيان بطريقة مشابهة.  تم استخدام جدول نموذجي لإدراج النتائج،  بما في ذلك التكرارات، النسب المئوية، المتوسطات الحسابية، الانحرافات المعيارية، درجة التبني، وترتيب الفقرات.  تم استخدام نفس المسار في SPSS  (`AnalyseStatistic DescriptiveEffective`) لاستخراج التكرارات والنسب المئوية لفقرات الاستبيان (مثال: التحفيز المادي X1-1 إلى X1-4).  تم نقل النتائج إلى الجدول النموذجي، مع التعليق على النقاط الرئيسية.  مثلاً،  بالنسبة للفقرة الأولى (توافق الراتب مع الجهد)، أجاب 42 فرداً (38.5%)  بـ "غير موافق" أو "غير موافق تماماً"، بينما أجاب 48 فرداً (44%) بـ"موافق" أو "موافق بشدة".

بعد ذلك، تم استخراج المتوسط الحسابي والانحراف المعياري  من SPSS  (`AnalyzeStatistic DescriptiveEffective`)  لتحليل فقرات الاستبيان. تم استخدام  "مواين" (Mean) و "IcarTip" (Standard Deviation).  تراوحت المتوسطات الحسابية بين 3.13 و 3.35. تم تحديد مجالات لدرجة التبني بناءً على المتوسط الحسابي،  وتم تحديد درجة التبني لكل فقرة.  تم حساب المتوسط الحسابي المرجح لكل بعد (مثال: التحفيز المادي)  باستخدام برنامج إكسل،  ليكون 3.235،  مُشيراً إلى درجة تبني متوسطة.  أخيراً، تم ترتيب الفقرات حسب المتوسط الحسابي،  ثم الانحراف المعياري في حالة التساوي،  لتحديد أهم العوامل المؤثرة في كل بعد، مع توصيات بناءً على ذلك.  تُطبق نفس الخطوات على باقي الأبعاد (التحفيز المعنوي، أداء الموظفين).