Page 167 - Biloslavo, Roberto, in Kljajić-Dervić, Mirela, 2016. Dejavniki uspešnosti managementa znanja. Koper: Založba Univerze na Primorskem
P. 167
Analiza, rezultati in ugotovitve
Uporaba faktorske analize
Poznamo eksploratorno (angl. exploratory factor analysis) in konfirmator-
no oziroma potrjevalno (angl. confirmatory factor analysis) faktorsko ana-
lizo. Namen eksploratorne faktorske analize je raziskati povezanost med
spremenljivkami in ugotoviti, kako bi jih lahko združili v skupine ustrez-
nih faktorjev. Predpostavljamo, da so vse spremenljivke povezane z vsemi
faktorji, ki jih po faktorski analizi lahko preoblikujemo v latentne spre-
menljivke (Coughlin in Knight 2008, 3). Ne vemo torej, kolikšno je število
ustreznih faktorjev (Anderson in Gerbing 1988, 412). Namen potrjevalne
faktorske analize pa je ravno potrditev predpostavke o že v naprej oprede-
ljeni strukturi spremenljivk. Vemo, da med spremenljivko in specifičnim
faktorjem obstaja povezava, s faktorsko analizo pa želimo potrditi, da iz-
brane mere spadajo v določen faktor (Coughlin in Knight 2008, 36). 167
Pri izvedbi faktorske analize s programskim orodjem SPSS se med dru-
gim odločamo tudi o izbiri metode za ekstrakcijo faktorjev, vrsti rotacije in
mejni vrednosti faktorskih uteži.
Costello in Osborne (2005) ter Kmenta (1971) trdijo, da je kot metodo
ekstrakcije faktorjev najbolje uporabiti metodo največje verjetnosti (angl.
maximum likelihood), če so naši podatki normalno porazdeljeni. V koli-
kor pa velja, da za podatke ni značilna normalna porazdelitev, Costello in
Osborne priporočata metodo glavnih osi (angl. principal axis factoring).
Faktorski analizi dajeta prednost pred analizo komponent. Tudi Cough-
lin in Knight (2008) priporočata metodo največjega verjetja za analizo nor-
malno porazdeljenih podatkov, v primeru kršenja te predpostavke pa dru-
ge metode, med njimi metodo glavnih osi. Če bi želeli uporabiti metodo
največje verjetnosti, bi morali potrditi domnevo o tem, da so podatki nor-
malno porazdeljeni. V ta namen uporabljamo bodisi Shapiro-Wilk bodi-
si Kolmogorov-Smirnov test, s tem da je prvi veljaven pri velikosti vzorca
7 ≤ N ≤ 2000, slednji pa šele pri N > 2000 (Park 2006, 8). Za naš primer
je ustrezen Shapiro-Wilk test, kjer je ndiočmelnneavdao(mHn1)evpaa(, Hda0)n, disaosnoopromdaaltnkoi
normalno porazdeljeni, alternativna
porazdeljeni (Zaiontz 2008).
Preglednica 16: Test normalne porazdelitve faktorjev vpliva na management znanja.
Faktorji vpliva na management znanja Shapiro-Wilk
OK1 V naši organizaciji je prisotna kultura, ki ceni znanje in reševanje prob- Statistic df Sig.
lemov.
OK2 V naši organizaciji prevladuje visoka raven zaupanja med zaposlenimi pri 0,62 317 0,00
izmenjavi znanja.
0,78 317 0,00
Uporaba faktorske analize
Poznamo eksploratorno (angl. exploratory factor analysis) in konfirmator-
no oziroma potrjevalno (angl. confirmatory factor analysis) faktorsko ana-
lizo. Namen eksploratorne faktorske analize je raziskati povezanost med
spremenljivkami in ugotoviti, kako bi jih lahko združili v skupine ustrez-
nih faktorjev. Predpostavljamo, da so vse spremenljivke povezane z vsemi
faktorji, ki jih po faktorski analizi lahko preoblikujemo v latentne spre-
menljivke (Coughlin in Knight 2008, 3). Ne vemo torej, kolikšno je število
ustreznih faktorjev (Anderson in Gerbing 1988, 412). Namen potrjevalne
faktorske analize pa je ravno potrditev predpostavke o že v naprej oprede-
ljeni strukturi spremenljivk. Vemo, da med spremenljivko in specifičnim
faktorjem obstaja povezava, s faktorsko analizo pa želimo potrditi, da iz-
brane mere spadajo v določen faktor (Coughlin in Knight 2008, 36). 167
Pri izvedbi faktorske analize s programskim orodjem SPSS se med dru-
gim odločamo tudi o izbiri metode za ekstrakcijo faktorjev, vrsti rotacije in
mejni vrednosti faktorskih uteži.
Costello in Osborne (2005) ter Kmenta (1971) trdijo, da je kot metodo
ekstrakcije faktorjev najbolje uporabiti metodo največje verjetnosti (angl.
maximum likelihood), če so naši podatki normalno porazdeljeni. V koli-
kor pa velja, da za podatke ni značilna normalna porazdelitev, Costello in
Osborne priporočata metodo glavnih osi (angl. principal axis factoring).
Faktorski analizi dajeta prednost pred analizo komponent. Tudi Cough-
lin in Knight (2008) priporočata metodo največjega verjetja za analizo nor-
malno porazdeljenih podatkov, v primeru kršenja te predpostavke pa dru-
ge metode, med njimi metodo glavnih osi. Če bi želeli uporabiti metodo
največje verjetnosti, bi morali potrditi domnevo o tem, da so podatki nor-
malno porazdeljeni. V ta namen uporabljamo bodisi Shapiro-Wilk bodi-
si Kolmogorov-Smirnov test, s tem da je prvi veljaven pri velikosti vzorca
7 ≤ N ≤ 2000, slednji pa šele pri N > 2000 (Park 2006, 8). Za naš primer
je ustrezen Shapiro-Wilk test, kjer je ndiočmelnneavdao(mHn1)evpaa(, Hda0)n, disaosnoopromdaaltnkoi
normalno porazdeljeni, alternativna
porazdeljeni (Zaiontz 2008).
Preglednica 16: Test normalne porazdelitve faktorjev vpliva na management znanja.
Faktorji vpliva na management znanja Shapiro-Wilk
OK1 V naši organizaciji je prisotna kultura, ki ceni znanje in reševanje prob- Statistic df Sig.
lemov.
OK2 V naši organizaciji prevladuje visoka raven zaupanja med zaposlenimi pri 0,62 317 0,00
izmenjavi znanja.
0,78 317 0,00
