Page 205 - Biloslavo, Roberto, in Kljajić-Dervić, Mirela, 2016. Dejavniki uspešnosti managementa znanja. Koper: Založba Univerze na Primorskem
P. 205
Analiza, rezultati in ugotovitve 205
niki, če gledamo na celotni model, ne vplivajo na uspešnost managementa
znanja. Ugotovili smo, da organizacijska kultura, informacijska-komuni-
kacijska tehnologija, sistem nagrajevanja in organizacijska struktura stati-
stično značilno ne vplivajo na uspešnost managementa znanja, kar je bilo
v nasprotnosti z mnogimi predhodno navedenimi raziskavami. Navedene
ugotovitve so bile tudi v nasprotju s predhodno opravljeno bivariatno re-
gresijsko analizo, ki je pokazala, da na management znanja pozitivno in
statistično značilno vplivajo organizacijska kultura, vodenje, informacij-
ska-komunikacijska tehnologija, sistem nagrajevanja in človeški kapital. V
bivariatni regresijski analizi smo ugotovili tudi, da management znanja sta-
tistično značilno in pozitivno vpliva na finančni in nefinančni kazalnik.
V konceptualnem modelu smo za preverjanja veljavnosti merjenja in
testiranja odnosov med konstrukti uporabili metodologijo strukturnih li-
nearnih enačb, ki je namenjena izdelavi in preizkušanju (vzročnih) mo-
delov s poudarkom na potrjevalni oziroma konfirmatorni analizi. Meto-
dologija nam omogoča, da ugotovimo, ali predpostavljene povezave med
spremenljivkami držijo. Endogene in eksogene latentne spremenljivke me-
rimo z merskimi spremenljivkami, ki so lahko sestavljene iz ene ali več po-
stavk. Hi-kvadrat χ2 statistika je tradicionalna mera za ocenjevanje splo-
šne ustreznosti modela in se uporablja za preverjanje ničelne domneve, ki
predstavlja, da je implicitna kovariančna matrika enaka vzorčni kovarianč-
ni matriki. Diamantopoulos in Siguaw (2000, 62) pravita, da χ2 ni najboljša
mera splošne sprejemljivosti modela, poudarjata pa, da moramo pri njego-
vi obravnavi vzeti v obzir tudi kombinacijo vrednosti testa in stopinj pros-
tosti (angl. Degrees of Freedom, df), kjer je indeks spremenljiv, če je manj-
ši od 5 (Marsh in Hocevar 1985). Razmerje χ2/df v našem primeru znaša
2,68. Vendar pa na podlagi tega še vedno ne moremo sklepati o dobri spre-
jemljivosti modela zaradi zavrnitve ničelne domneve. RMSEA je mera, ki
poskuša odpraviti napake χ2 testa. Je najbolj razširjena mera za ugotavlja-
nje sprejemljivosti modela in predstavlja predvideno ustreznost modela v
celotni populaciji, ne zgolj v danem vzorcu. V konceptualnem modelu je
vrednost RMSEA = 0,07 kar predstavlja sprejemljivo ustreznost modela.
Nenormirana mera ustreznosti modela (NNFI) lahko zavzame vrednosti
0 ≤ NNFI ≤ 1. Tu velja pravilo, da bližje kot je vrednost 1, boljša je ustrez-
nost modela. 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. V našem primeru je vrednost CFI = 0,97, kar
predstavlja ustrezen model.
Na podlagi matrike ostankov smo izračunali mero RMR in standar-
dizirani RMR (S RMR). Ta mera predstavlja povzetek standardiziranih
niki, če gledamo na celotni model, ne vplivajo na uspešnost managementa
znanja. Ugotovili smo, da organizacijska kultura, informacijska-komuni-
kacijska tehnologija, sistem nagrajevanja in organizacijska struktura stati-
stično značilno ne vplivajo na uspešnost managementa znanja, kar je bilo
v nasprotnosti z mnogimi predhodno navedenimi raziskavami. Navedene
ugotovitve so bile tudi v nasprotju s predhodno opravljeno bivariatno re-
gresijsko analizo, ki je pokazala, da na management znanja pozitivno in
statistično značilno vplivajo organizacijska kultura, vodenje, informacij-
ska-komunikacijska tehnologija, sistem nagrajevanja in človeški kapital. V
bivariatni regresijski analizi smo ugotovili tudi, da management znanja sta-
tistično značilno in pozitivno vpliva na finančni in nefinančni kazalnik.
V konceptualnem modelu smo za preverjanja veljavnosti merjenja in
testiranja odnosov med konstrukti uporabili metodologijo strukturnih li-
nearnih enačb, ki je namenjena izdelavi in preizkušanju (vzročnih) mo-
delov s poudarkom na potrjevalni oziroma konfirmatorni analizi. Meto-
dologija nam omogoča, da ugotovimo, ali predpostavljene povezave med
spremenljivkami držijo. Endogene in eksogene latentne spremenljivke me-
rimo z merskimi spremenljivkami, ki so lahko sestavljene iz ene ali več po-
stavk. Hi-kvadrat χ2 statistika je tradicionalna mera za ocenjevanje splo-
šne ustreznosti modela in se uporablja za preverjanje ničelne domneve, ki
predstavlja, da je implicitna kovariančna matrika enaka vzorčni kovarianč-
ni matriki. Diamantopoulos in Siguaw (2000, 62) pravita, da χ2 ni najboljša
mera splošne sprejemljivosti modela, poudarjata pa, da moramo pri njego-
vi obravnavi vzeti v obzir tudi kombinacijo vrednosti testa in stopinj pros-
tosti (angl. Degrees of Freedom, df), kjer je indeks spremenljiv, če je manj-
ši od 5 (Marsh in Hocevar 1985). Razmerje χ2/df v našem primeru znaša
2,68. Vendar pa na podlagi tega še vedno ne moremo sklepati o dobri spre-
jemljivosti modela zaradi zavrnitve ničelne domneve. RMSEA je mera, ki
poskuša odpraviti napake χ2 testa. Je najbolj razširjena mera za ugotavlja-
nje sprejemljivosti modela in predstavlja predvideno ustreznost modela v
celotni populaciji, ne zgolj v danem vzorcu. V konceptualnem modelu je
vrednost RMSEA = 0,07 kar predstavlja sprejemljivo ustreznost modela.
Nenormirana mera ustreznosti modela (NNFI) lahko zavzame vrednosti
0 ≤ NNFI ≤ 1. Tu velja pravilo, da bližje kot je vrednost 1, boljša je ustrez-
nost modela. 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. V našem primeru je vrednost CFI = 0,97, kar
predstavlja ustrezen model.
Na podlagi matrike ostankov smo izračunali mero RMR in standar-
dizirani RMR (S RMR). Ta mera predstavlja povzetek standardiziranih
