Page 48 - Tomšič, Nastja, 2016. Konkurenčnost malih in srednje velikih podjetij v globalnem trajnostnem razvoju. Koper: Založba Univerze na Primorskem
P. 48
Konkurenčnost malih in srednje velikih podjetij v globalnem trajnostnem razvoju
0,05. Povezanost pa ni statistično značilna, ko je stopnja značilnosti več-
ja od 0,05.
S Cronbachovim α-testom smo preverili mersko zanesljivost zadnjega
dela anketnega vprašalnika oz. trditev posredno merljivih spremenljivk, za
katere smo uporabili Likertovo 5-stopenjsko ocenjevalno lestvico. Kot na-
vajajo Hair et al. (2006, 161), je splošno sprejeta spodnja meja vrednosti
Cronbachove α-statistike 0,7. Pri tem velja, da vrednosti statistike, večje ali
enake 0,9, odražajo odlično mersko zanesljivost trditev posredno merljivih
spremenljivk oz. odlično zanesljivost lestvice, vrednosti, večje ali enake 0,8
in manjše od 0,9, odražajo dobro mersko zanesljivost, vrednosti, večje ali
enake 0,7 in manjše od 0,8, pa odražajo še sprejemljivo mersko zanesljivost
trditev posredno merljivih spremenljivk.
Z metodo glavnih komponent smo določili manjše število komponent,
48 ki so linearna kombinacija osnovnih spremenljivk (oz. trditev spremenljivk
proces inoviranja, človeški kapital, odgovornost managementa, razvitost
organizacijskega in informacijskega sistema, proces globalizacije, podjetni-
ške mreže in trajnostni razvoj podjetja) in pojasnijo čim večji delež skupne
variabilnosti osnovnih spremenljivk (le-ta naj bi bil vsaj 60 %; Hair et al.
2006, 144). V prvi fazi smo povezanost med trditvami posameznih spre-
menljivk preučili s korelacijsko matriko. Pri tem so nas zanimali korelacij-
ski koeficienti, ki so bili večji od 0,3 (Foster, Barkus in Yavorsky 2006, 73).
Nato smo s pomočjo Bartlettovega in Keiser-Meyer-Olkinovega (KMO)
testa preverili ustreznost podatkov za analizo. Bartlettov test preverja, ali
je korelacijska matrika enotska. Če je stopnja značilnosti Bartlettovega te-
sta manjša ali enaka 0,05, matrika ni enotska, kar pomeni, da so podatki
ustrezni. Čim večja je mera KMO-testa, bolj so podatki primerni za anali-
zo. O optimalni primernosti podatkov govorimo, ko je KMO-mera večja
od 0,8, spodnja meja pa je 0,5 (prirejeno po Hair et al. 2006, 138–9). V dru-
gi fazi smo določili glavne komponente. Pri tem smo si pomagali s komuna-
litetami in lastnimi vrednostmi. Komunalitete predstavljajo delež variance
preučevanih spremenljivk (trditev) pojasnjenega s skupnimi komponenta-
mi. Ocenili smo jih z metodo največjega verjetja. V nadaljnjo analizo smo
vključili spremenljivke, ki so imele oceno komunalitete večjo od 0,4 (Fos-
ter, Barkus in Yavorsky 2006, 72). Na osnovi lastnih vrednosti komponent
pa smo v nadaljnjo analizo vključili le komponente, ki so imele lastno vred-
nost, večjo od 1 – Kaiserjevo pravilo (Foster, Barkus in Yavorsky 2006,
76). Pomagamo si lahko tudi z diagramom lastnih vrednosti (»scree« di-
agram), na osnovi katerega se v nadaljnjo analizo vključi komponente z
lastno vrednostjo, ki je večja od tiste na prelomu linije. V tretji fazi smo
opredelili vsebinski pomen izbranih glavnih komponent. Pomagali smo si s
0,05. Povezanost pa ni statistično značilna, ko je stopnja značilnosti več-
ja od 0,05.
S Cronbachovim α-testom smo preverili mersko zanesljivost zadnjega
dela anketnega vprašalnika oz. trditev posredno merljivih spremenljivk, za
katere smo uporabili Likertovo 5-stopenjsko ocenjevalno lestvico. Kot na-
vajajo Hair et al. (2006, 161), je splošno sprejeta spodnja meja vrednosti
Cronbachove α-statistike 0,7. Pri tem velja, da vrednosti statistike, večje ali
enake 0,9, odražajo odlično mersko zanesljivost trditev posredno merljivih
spremenljivk oz. odlično zanesljivost lestvice, vrednosti, večje ali enake 0,8
in manjše od 0,9, odražajo dobro mersko zanesljivost, vrednosti, večje ali
enake 0,7 in manjše od 0,8, pa odražajo še sprejemljivo mersko zanesljivost
trditev posredno merljivih spremenljivk.
Z metodo glavnih komponent smo določili manjše število komponent,
48 ki so linearna kombinacija osnovnih spremenljivk (oz. trditev spremenljivk
proces inoviranja, človeški kapital, odgovornost managementa, razvitost
organizacijskega in informacijskega sistema, proces globalizacije, podjetni-
ške mreže in trajnostni razvoj podjetja) in pojasnijo čim večji delež skupne
variabilnosti osnovnih spremenljivk (le-ta naj bi bil vsaj 60 %; Hair et al.
2006, 144). V prvi fazi smo povezanost med trditvami posameznih spre-
menljivk preučili s korelacijsko matriko. Pri tem so nas zanimali korelacij-
ski koeficienti, ki so bili večji od 0,3 (Foster, Barkus in Yavorsky 2006, 73).
Nato smo s pomočjo Bartlettovega in Keiser-Meyer-Olkinovega (KMO)
testa preverili ustreznost podatkov za analizo. Bartlettov test preverja, ali
je korelacijska matrika enotska. Če je stopnja značilnosti Bartlettovega te-
sta manjša ali enaka 0,05, matrika ni enotska, kar pomeni, da so podatki
ustrezni. Čim večja je mera KMO-testa, bolj so podatki primerni za anali-
zo. O optimalni primernosti podatkov govorimo, ko je KMO-mera večja
od 0,8, spodnja meja pa je 0,5 (prirejeno po Hair et al. 2006, 138–9). V dru-
gi fazi smo določili glavne komponente. Pri tem smo si pomagali s komuna-
litetami in lastnimi vrednostmi. Komunalitete predstavljajo delež variance
preučevanih spremenljivk (trditev) pojasnjenega s skupnimi komponenta-
mi. Ocenili smo jih z metodo največjega verjetja. V nadaljnjo analizo smo
vključili spremenljivke, ki so imele oceno komunalitete večjo od 0,4 (Fos-
ter, Barkus in Yavorsky 2006, 72). Na osnovi lastnih vrednosti komponent
pa smo v nadaljnjo analizo vključili le komponente, ki so imele lastno vred-
nost, večjo od 1 – Kaiserjevo pravilo (Foster, Barkus in Yavorsky 2006,
76). Pomagamo si lahko tudi z diagramom lastnih vrednosti (»scree« di-
agram), na osnovi katerega se v nadaljnjo analizo vključi komponente z
lastno vrednostjo, ki je večja od tiste na prelomu linije. V tretji fazi smo
opredelili vsebinski pomen izbranih glavnih komponent. Pomagali smo si s
