Page 197 - Biloslavo, Roberto, in Kljajić-Dervić, Mirela, 2016. Dejavniki uspešnosti managementa znanja. Koper: Založba Univerze na Primorskem
P. 197
Analiza, rezultati in ugotovitve 197
RMSEA je mera, ki poskuša odpraviti napake χ2 testa. Je najbolj razšir-
jena mera za ugotavljanje sprejemljivosti modela in predstavlja predvideno
ustreznost modela v celotni populaciji, ne zgolj v danem vzorcu. Vrednosti
RMSEA < 0,05 pomenijo dobro ustreznost modela, vrednosti 0,05 ≤ RM-
SEA < 0,08 pomenijo sprejemljivo ustreznost (Hair et al. 1998, 656), vred-
nosti 0,05 ≤ RMSEA < 0,10 zadostno ustreznost, vrednosti RMSEA ≥
0,10 pa neustrezen model (Škerlavaj 2001, 51). V našem primeru je vred-
nost RMSEA = 0,07 kar predstavlja sprejemljivo ustreznost modela.
Nenormirana mera ustreznosti modela (NNFI) oziroma tako imeno-
vani Tucker-Lewis Indeks lahko zavzame vrednosti 0 ≤ NNFI ≤ 1. Abso-
lutna mera sprejemljivosti modela ni določena, velja pa pravilo, da bližje kot
je vrednost 1, boljša je ustreznost modela. Priporočen prag za to mero znaša
0,9 (Hair et al. 1998, 657). V našem primeru je vrednost NNFI = 0,91, kar
pomeni, da je model ustrezen glede na to merilo.
Za mero CFI velja podobno. Zavzame lahko vrednosti 0 ≤ CFI ≤ 1.
Absolutna mera sprejemljivosti modela ni določena, velja pa pravilo, da
bližje kot je vrednost 1, boljša je ustreznost modela (Hair et al. 1998, 657).
V našem primeru je vrednost CFI = 0,97, kar predstavlja ustrezen model.
Na podlagi matrike ostankov izračunamo meri Root Mean Squa-
re Residual (RMR) in standardizirani RMR (S RMR). Ta mera predsta-
vlja povzetek standardiziranih ostankov matrike, kjer velja, da vrednosti S
RMR < 0,05 pomenijo dobro ustreznost modela (Diamantopoulos in Si-
guaw 2000, 87). V našem primeru znaša S RMR = 0,06, kar je ravno malo
čez mejo za sprejemljivost modela po tem merilu. Mera GFI lahko zavza-
me vrednosti 0 ≤ GFI ≤ 1. Absolutna mera sprejemljivosti modela ni dolo-
čena, velja pa pravilo, da bližje kot je vrednost 1, boljša je ustreznost modela
(Hair et al. 1998, 655). V našem primeru znaša GFI = 0,97, kar je sprejemlji-
va vrednost.
Splošno sprejemljivost modela ocenjujemo z vidika več mer. Iz rezulta-
tov je razvidno, da določene mere opredelijo model kot dober, druge pa kot
manj ustrezen.
Ovrednotenje strukturnega modela
Ustreznost strukturnega modela se preverja v treh korakih. Ovrednotenja
strukturnega dela modela se bomo dotaknili v nadaljevanju. Cilj ovredno-
tenja strukturnega modela je ugotoviti, ali so predpostavljeni odnosi med
latentnimi spremenljivkami podprti s podatki (Diamantopoulos in Si-
guaw 2000, 92). Na tem mestu torej preverjamo hipoteze konceptualne-
ga modela (H1 do H8). V prvem koraku se na podlagi predznaka parame-
RMSEA je mera, ki poskuša odpraviti napake χ2 testa. Je najbolj razšir-
jena mera za ugotavljanje sprejemljivosti modela in predstavlja predvideno
ustreznost modela v celotni populaciji, ne zgolj v danem vzorcu. Vrednosti
RMSEA < 0,05 pomenijo dobro ustreznost modela, vrednosti 0,05 ≤ RM-
SEA < 0,08 pomenijo sprejemljivo ustreznost (Hair et al. 1998, 656), vred-
nosti 0,05 ≤ RMSEA < 0,10 zadostno ustreznost, vrednosti RMSEA ≥
0,10 pa neustrezen model (Škerlavaj 2001, 51). V našem primeru je vred-
nost RMSEA = 0,07 kar predstavlja sprejemljivo ustreznost modela.
Nenormirana mera ustreznosti modela (NNFI) oziroma tako imeno-
vani Tucker-Lewis Indeks lahko zavzame vrednosti 0 ≤ NNFI ≤ 1. Abso-
lutna mera sprejemljivosti modela ni določena, velja pa pravilo, da bližje kot
je vrednost 1, boljša je ustreznost modela. Priporočen prag za to mero znaša
0,9 (Hair et al. 1998, 657). V našem primeru je vrednost NNFI = 0,91, kar
pomeni, da je model ustrezen glede na to merilo.
Za mero CFI velja podobno. Zavzame lahko vrednosti 0 ≤ CFI ≤ 1.
Absolutna mera sprejemljivosti modela ni določena, velja pa pravilo, da
bližje kot je vrednost 1, boljša je ustreznost modela (Hair et al. 1998, 657).
V našem primeru je vrednost CFI = 0,97, kar predstavlja ustrezen model.
Na podlagi matrike ostankov izračunamo meri Root Mean Squa-
re Residual (RMR) in standardizirani RMR (S RMR). Ta mera predsta-
vlja povzetek standardiziranih ostankov matrike, kjer velja, da vrednosti S
RMR < 0,05 pomenijo dobro ustreznost modela (Diamantopoulos in Si-
guaw 2000, 87). V našem primeru znaša S RMR = 0,06, kar je ravno malo
čez mejo za sprejemljivost modela po tem merilu. Mera GFI lahko zavza-
me vrednosti 0 ≤ GFI ≤ 1. Absolutna mera sprejemljivosti modela ni dolo-
čena, velja pa pravilo, da bližje kot je vrednost 1, boljša je ustreznost modela
(Hair et al. 1998, 655). V našem primeru znaša GFI = 0,97, kar je sprejemlji-
va vrednost.
Splošno sprejemljivost modela ocenjujemo z vidika več mer. Iz rezulta-
tov je razvidno, da določene mere opredelijo model kot dober, druge pa kot
manj ustrezen.
Ovrednotenje strukturnega modela
Ustreznost strukturnega modela se preverja v treh korakih. Ovrednotenja
strukturnega dela modela se bomo dotaknili v nadaljevanju. Cilj ovredno-
tenja strukturnega modela je ugotoviti, ali so predpostavljeni odnosi med
latentnimi spremenljivkami podprti s podatki (Diamantopoulos in Si-
guaw 2000, 92). Na tem mestu torej preverjamo hipoteze konceptualne-
ga modela (H1 do H8). V prvem koraku se na podlagi predznaka parame-
