Page 194 - Biloslavo, Roberto, in Kljajić-Dervić, Mirela, 2016. Dejavniki uspešnosti managementa znanja. Koper: Založba Univerze na Primorskem
P. 194
Dejavniki uspešnosti managementa znanja: Primer trgovine v državi v razvoju
(GLS) in MaXimum Likelihood (ML) ki med seboj dajeta primerljive re-
zultate (Diamantopoulos in Siguaw 2000, 55).
V programskem orodju LISREL se kot privzeta uporablja metoda naj-
večjega verjetja (ML). Ta metoda zahteva popolne podatke (Škerlavaj 2001,
46). Prednost te metode je večja statistična učinkovitost, vendar pa je obe-
nem tudi precej bolj občutljiva za napake v specifikaciji kot metode, ki de-
lujejo tudi ob nepopolnih podatkih. Torej vse metode privedejo ob pogoju,
da je model pravilen in vzorec dovolj velik, do približno enakih ocen vred-
nosti parametra (Jöreskog in Sörbrom 1993). Pri robustni metodi največ-
je verjetnosti gre za iterativen postopek, s katerim dobimo končne ocene
vrednosti parametrov skozi numerični iskalni proces, ki išče kar najboljše
ujemanje med implicitno in vzorčno kovariančno matriko. Ko je to ujema-
nje največje, je dosežena konvergenca.
194 Nikakršnih opozoril ni, da z modelom oziroma izračuni nekaj ni v
redu, kar je eden od pomembnih pokazateljev, da je izvedba analize uspe-
šna (Diamantopoulos in Siguaw 2000, 61). V izpisku ni nesmiselnih vred-
nosti oziroma vse variance napak so večje od nič. Vse vrednosti ocen para-
metrov so statistično različne od nič. To vidimo po t-vrednosti parametrov,
ki so po absolutni vrednosti večje od 1,96.
Za naš model velja, da vse latentne spremenljivke vplivajo ena na dru-
go v pozitivni smeri, kar potrjuje vplive spremenljivk, predstavljene s hipo-
tezami H1 do H6.
Vrednosti R2 endogenih latentnih spremenljivk nam povedo, koliko
variance odvisne spremenljivke je pojasnjene z neodvisno spremenljivko. S
pomočjo vseh konstruktov, ki vplivajo na MZ, pojasnimo 12,5 % MZ. S
pomočjo MZ pojasnimo 3 % variabilnosti v finančnem in 2 % variabilno-
sti v nefinančnem kazalniku uspešnosti podjetja. Skladnost hipotez je pri-
kazana v preglednici.
Programsko orodje LISREL nam poda tudi standardizirano rešitev
modela in popolnoma standardizirano rešitev. V prvi, Standardised Solu-
tion, so standardizirane samo latnetne spremenljivke, merske so nespreme-
njene. V slednji, Completely Standardised Solution, pa so standardizirane
tako merske kot latentne spremenljivke. Diamantopoulos in Siguaw (2000,
65–9) vidita prednost standardizacije v tem, da nam olajša razumevanje bi-
variatnih povezav med latentnimi spremenljivkami, saj so odnosi izraže-
ni s korelacijo in ne več s kovarianco. Druga prednost standardizacije je v
tem, da nam pomaga identificirati relativni doprinos eksogenih latentnih
spremenljivk na endogene spremenljivke. Tretja prednost standardizacije
pa je v tem, da je pri pregledu koeficientov korelacije lažje poiskati neustre-
zne vrednosti (večje od 1), kot pa je to pri vrednostih kovariance. Zaveda-
(GLS) in MaXimum Likelihood (ML) ki med seboj dajeta primerljive re-
zultate (Diamantopoulos in Siguaw 2000, 55).
V programskem orodju LISREL se kot privzeta uporablja metoda naj-
večjega verjetja (ML). Ta metoda zahteva popolne podatke (Škerlavaj 2001,
46). Prednost te metode je večja statistična učinkovitost, vendar pa je obe-
nem tudi precej bolj občutljiva za napake v specifikaciji kot metode, ki de-
lujejo tudi ob nepopolnih podatkih. Torej vse metode privedejo ob pogoju,
da je model pravilen in vzorec dovolj velik, do približno enakih ocen vred-
nosti parametra (Jöreskog in Sörbrom 1993). Pri robustni metodi največ-
je verjetnosti gre za iterativen postopek, s katerim dobimo končne ocene
vrednosti parametrov skozi numerični iskalni proces, ki išče kar najboljše
ujemanje med implicitno in vzorčno kovariančno matriko. Ko je to ujema-
nje največje, je dosežena konvergenca.
194 Nikakršnih opozoril ni, da z modelom oziroma izračuni nekaj ni v
redu, kar je eden od pomembnih pokazateljev, da je izvedba analize uspe-
šna (Diamantopoulos in Siguaw 2000, 61). V izpisku ni nesmiselnih vred-
nosti oziroma vse variance napak so večje od nič. Vse vrednosti ocen para-
metrov so statistično različne od nič. To vidimo po t-vrednosti parametrov,
ki so po absolutni vrednosti večje od 1,96.
Za naš model velja, da vse latentne spremenljivke vplivajo ena na dru-
go v pozitivni smeri, kar potrjuje vplive spremenljivk, predstavljene s hipo-
tezami H1 do H6.
Vrednosti R2 endogenih latentnih spremenljivk nam povedo, koliko
variance odvisne spremenljivke je pojasnjene z neodvisno spremenljivko. S
pomočjo vseh konstruktov, ki vplivajo na MZ, pojasnimo 12,5 % MZ. S
pomočjo MZ pojasnimo 3 % variabilnosti v finančnem in 2 % variabilno-
sti v nefinančnem kazalniku uspešnosti podjetja. Skladnost hipotez je pri-
kazana v preglednici.
Programsko orodje LISREL nam poda tudi standardizirano rešitev
modela in popolnoma standardizirano rešitev. V prvi, Standardised Solu-
tion, so standardizirane samo latnetne spremenljivke, merske so nespreme-
njene. V slednji, Completely Standardised Solution, pa so standardizirane
tako merske kot latentne spremenljivke. Diamantopoulos in Siguaw (2000,
65–9) vidita prednost standardizacije v tem, da nam olajša razumevanje bi-
variatnih povezav med latentnimi spremenljivkami, saj so odnosi izraže-
ni s korelacijo in ne več s kovarianco. Druga prednost standardizacije je v
tem, da nam pomaga identificirati relativni doprinos eksogenih latentnih
spremenljivk na endogene spremenljivke. Tretja prednost standardizacije
pa je v tem, da je pri pregledu koeficientov korelacije lažje poiskati neustre-
zne vrednosti (večje od 1), kot pa je to pri vrednostih kovariance. Zaveda-
