Page 198 - Biloslavo, Roberto, in Kljajić-Dervić, Mirela, 2016. Dejavniki uspešnosti managementa znanja. Koper: Založba Univerze na Primorskem
P. 198
Dejavniki uspešnosti managementa znanja: Primer trgovine v državi v razvoju
trov preveri, ali so smeri oziroma odnosni med latentnimi spremenljivkami
takšni kot so bili predstavljeni.
Iz pridobljenih podatkov lahko zaključimo: Smeri povezav, med vode-
njem in uspešnostjo managementa znanja (V→MZ), človeškim kapitalom
in uspešnostjo managementa znanja (CK→MZ), uspešnostjo managemen-
ta znanja in finančnim kazalnikom (MZ→FK) in uspešnostjo managemen-
ta znanja in nefinančnim kazalnikom (MZ→NFK), so pozitivne in skladne
hipotezam H2, H6, H7 in H8, kar je bilo predpostavljeno v konceptual-
nem modelu.
Povezave H2, H6, H7 in H8 so statistično značilne pri p≤0,005 in
|t| > 1,96, ostale povezave pa niso statistično značilne H1 (t = 0,09), H3
(t = 0,02), H4 (t = 1,17), H5 (t = 0,19).
Vrednosti R2 nam povedo o moči povezav za OK→MZ, IKT→MZ,
198 SN→MZ, OS→MZ ni relevantno, ker niso statistično značilne), V→MZ
(0,26), CK→MZ (0,16), MZ→FK (0,17) in MZ→NFK (014).
Ko smo ovrednotili strukturni model lahko povzamemo, da veljajo šti-
ri predpostavljene hipoteze od osmih. Upravičeno in vsekakor zanimivo bi
bilo razmisliti o modificiranju modela in proučitvi posrednega vpliva ene
latentne spremenljivke na drugo.
Predhodno smo preverili tudi velikost parametrov, ki kažejo moč hi-
potetičnega odnosa, parametri pa morajo biti statistično značilni, kar bo
tudi razvidno v nadaljevanju.
Strukturni model: uspešnost managementa znanja
Kot smo že predhodno navedli, smo sledili deloma agregiranemu pristopu,
nato pa smo izračunali sestavljene spremenljivke kot povprečne vrednosti
spremenljivk, ki imajo uteži na posameznem faktorju.
Preverili bomo model, v katerem bomo ugotavljali, ali in kako vpli-
vajo vodenje, informacijska tehnologija, človeški kapital, sistem nagrajeva-
nja, organizacijska kultura in organizacijska struktura preko managemen-
ta znanja na finančne in nefinančne kazalnike podjetja.
Po preverjanju predlaganega strukturnega modela smo ugotovili, da je
prileganje modela podatkom dokaj dobro (RMSEA < 0,07; GFI = 0,97;
NFI = 0,95; NNFI = 0,91; CFI = 0,97; IFI = 0,97, SRMR = 0,06; SB
χ2 = 34,9; df = 13; p = 0,001). Rezultat preverjanja strukturnega modela je
prikazan na Sliki 37.
trov preveri, ali so smeri oziroma odnosni med latentnimi spremenljivkami
takšni kot so bili predstavljeni.
Iz pridobljenih podatkov lahko zaključimo: Smeri povezav, med vode-
njem in uspešnostjo managementa znanja (V→MZ), človeškim kapitalom
in uspešnostjo managementa znanja (CK→MZ), uspešnostjo managemen-
ta znanja in finančnim kazalnikom (MZ→FK) in uspešnostjo managemen-
ta znanja in nefinančnim kazalnikom (MZ→NFK), so pozitivne in skladne
hipotezam H2, H6, H7 in H8, kar je bilo predpostavljeno v konceptual-
nem modelu.
Povezave H2, H6, H7 in H8 so statistično značilne pri p≤0,005 in
|t| > 1,96, ostale povezave pa niso statistično značilne H1 (t = 0,09), H3
(t = 0,02), H4 (t = 1,17), H5 (t = 0,19).
Vrednosti R2 nam povedo o moči povezav za OK→MZ, IKT→MZ,
198 SN→MZ, OS→MZ ni relevantno, ker niso statistično značilne), V→MZ
(0,26), CK→MZ (0,16), MZ→FK (0,17) in MZ→NFK (014).
Ko smo ovrednotili strukturni model lahko povzamemo, da veljajo šti-
ri predpostavljene hipoteze od osmih. Upravičeno in vsekakor zanimivo bi
bilo razmisliti o modificiranju modela in proučitvi posrednega vpliva ene
latentne spremenljivke na drugo.
Predhodno smo preverili tudi velikost parametrov, ki kažejo moč hi-
potetičnega odnosa, parametri pa morajo biti statistično značilni, kar bo
tudi razvidno v nadaljevanju.
Strukturni model: uspešnost managementa znanja
Kot smo že predhodno navedli, smo sledili deloma agregiranemu pristopu,
nato pa smo izračunali sestavljene spremenljivke kot povprečne vrednosti
spremenljivk, ki imajo uteži na posameznem faktorju.
Preverili bomo model, v katerem bomo ugotavljali, ali in kako vpli-
vajo vodenje, informacijska tehnologija, človeški kapital, sistem nagrajeva-
nja, organizacijska kultura in organizacijska struktura preko managemen-
ta znanja na finančne in nefinančne kazalnike podjetja.
Po preverjanju predlaganega strukturnega modela smo ugotovili, da je
prileganje modela podatkom dokaj dobro (RMSEA < 0,07; GFI = 0,97;
NFI = 0,95; NNFI = 0,91; CFI = 0,97; IFI = 0,97, SRMR = 0,06; SB
χ2 = 34,9; df = 13; p = 0,001). Rezultat preverjanja strukturnega modela je
prikazan na Sliki 37.
