Page 78 - Gošnik, Dušan. 2019. Management temeljnih procesov: instrumentalni in interesni vpliv na uspešnost podjetij. Koper: Založba Univerze na Primorskem
P. 78
Management temeljnih procesov
ra s povprečnimi rangi, torej izgubimo povezavo z Likertovo lestvico, kot
je bila zastavljena v izhodišču (Pagano 2004).
Multipla regresijska analiza
Multiplo regresijsko analizo uporabimo z namenom preverjanja vpliva
več neodvisnih spremenljivk na eno odvisno spremenljivko. Omenjeni
princip uporabimo pri preverjanju sestavljenih hipotez (H2, H3, H4 in
H5). Pri interpretaciji podatkov regresijske analize smo pozorni na nas-
lednje parametre:
Determinacijski koeficient (r kvadrat oz. r2), je definiran kot delež po-
jasnjene variance odvisne spremenljivke, ki smo jo uspeli pojasniti z neod-
visnimi spremenljivkami. Glede na to, ali imamo v modelu več neodvi-
snih spremenljivk, interpretiramo popravljen determinacijski koeficent,
78 ki je popravljen glede na število neodvisnih spremenljivk v modelu (Hen-
derson in Velleman 1981, 391–411).
S pomočjo F-testa nato preverjamo prilagajanje modela podatkom,
kjer želimo, da je ta statistično značilen.
Tretjič, preverjamo vpliv posamezne neodvisne spremeljivke na od-
visno (kar naredimo prek statistično značilnega vpliva) in moč tega vpli-
va (kar ugotavljamo prek primerjave beta vrednosti neodvisnih spremen-
ljivk) (Thompson in Borrello 1985, 203–9).
Eksploratorna faktorska analiza
S pomočjo eksploratorne faktorske analize preverjamo dimenzionalnost
posameznih predvidenih interesnih in instrumentalnih vidikov dejavno-
sti managementa temeljnih procesov (planiranje, organiziranje, vodenje,
nadziranje), ki jih imenujemo spremenljivke. Preliminarna interpretacija
predvideva, da najprej preverimo povezanost (korelacijo) med spremen-
ljivkami. Pri tem Yong in Pearce (2013, 79–94) predlagata, da spremen-
ljivke, kjer zaznamo povezanost pod 0,3, izločimo iz nadaljnje analize. Po
drugi strani je treba biti tudi previden, saj korelacije nad 0,9 nakazujejo
problem multikolinearnosti v podatkih (torej redundanco, saj z dvema
spremenljivkama merimo eno in isto). Na multikolinearnost nas opozori
vrednost determinante, za katero si želimo, da je nad 0,00001. Poleg kore-
lacijske analize nam tudi Kaiser-Meyer-Olkinova (KMO) mera vzorčne
ustreznosti in Bartlettov test pomagata pri določanju, ali so spremenljiv-
ke medsebojno dovolj povezane, da je faktorska analiza smiselna. Pripo-
ročena vrednost za KMO je nad 0,5, pri Bartlettovem testu želimo, da je
ta statistično značilen (Yong in Pearce 2013, 79–94). Komunaliteto razu-
memo kot delež variance opazovanih spremenljivk, ki jo lahko pripišemo
ra s povprečnimi rangi, torej izgubimo povezavo z Likertovo lestvico, kot
je bila zastavljena v izhodišču (Pagano 2004).
Multipla regresijska analiza
Multiplo regresijsko analizo uporabimo z namenom preverjanja vpliva
več neodvisnih spremenljivk na eno odvisno spremenljivko. Omenjeni
princip uporabimo pri preverjanju sestavljenih hipotez (H2, H3, H4 in
H5). Pri interpretaciji podatkov regresijske analize smo pozorni na nas-
lednje parametre:
Determinacijski koeficient (r kvadrat oz. r2), je definiran kot delež po-
jasnjene variance odvisne spremenljivke, ki smo jo uspeli pojasniti z neod-
visnimi spremenljivkami. Glede na to, ali imamo v modelu več neodvi-
snih spremenljivk, interpretiramo popravljen determinacijski koeficent,
78 ki je popravljen glede na število neodvisnih spremenljivk v modelu (Hen-
derson in Velleman 1981, 391–411).
S pomočjo F-testa nato preverjamo prilagajanje modela podatkom,
kjer želimo, da je ta statistično značilen.
Tretjič, preverjamo vpliv posamezne neodvisne spremeljivke na od-
visno (kar naredimo prek statistično značilnega vpliva) in moč tega vpli-
va (kar ugotavljamo prek primerjave beta vrednosti neodvisnih spremen-
ljivk) (Thompson in Borrello 1985, 203–9).
Eksploratorna faktorska analiza
S pomočjo eksploratorne faktorske analize preverjamo dimenzionalnost
posameznih predvidenih interesnih in instrumentalnih vidikov dejavno-
sti managementa temeljnih procesov (planiranje, organiziranje, vodenje,
nadziranje), ki jih imenujemo spremenljivke. Preliminarna interpretacija
predvideva, da najprej preverimo povezanost (korelacijo) med spremen-
ljivkami. Pri tem Yong in Pearce (2013, 79–94) predlagata, da spremen-
ljivke, kjer zaznamo povezanost pod 0,3, izločimo iz nadaljnje analize. Po
drugi strani je treba biti tudi previden, saj korelacije nad 0,9 nakazujejo
problem multikolinearnosti v podatkih (torej redundanco, saj z dvema
spremenljivkama merimo eno in isto). Na multikolinearnost nas opozori
vrednost determinante, za katero si želimo, da je nad 0,00001. Poleg kore-
lacijske analize nam tudi Kaiser-Meyer-Olkinova (KMO) mera vzorčne
ustreznosti in Bartlettov test pomagata pri določanju, ali so spremenljiv-
ke medsebojno dovolj povezane, da je faktorska analiza smiselna. Pripo-
ročena vrednost za KMO je nad 0,5, pri Bartlettovem testu želimo, da je
ta statistično značilen (Yong in Pearce 2013, 79–94). Komunaliteto razu-
memo kot delež variance opazovanih spremenljivk, ki jo lahko pripišemo
