Page 102 - Optimizacija poslovnih in tehnoloških procesov
P. 102

5  Empirična raziskava

                Preglednica 5.11  Matrika transformacije faktorjev vijačenje – navor
                                   Matrika transformacije faktorjev
                Faktor                                   1         2         3
                1                                     0,122     0,982     0,143
                2                                     0,976    −0,092    −0,199
                3                                     0,182    −0,164     0,970
                OPOMBI  Metoda ekstrakcije: največja verjetnost. Metoda rotacije: Varimax s Kaiserjevo nor-
                malizacijo.



                  Preglednica 5.11 prikazuje matriko transformacije faktorjev, ki je
                bila uporabljena za pretvorbo originalnih kazalnikov v faktorske spre-
                menljivke (Hair idr. 2014).
                  Npr., v prvi vrstici lahko vidimo, da originalna spremenljivka 1 (vi-
                jačenje) daje največji prispevek k faktorju 2 (0,982), nekaj manj k fak-
                torju 3 (0,143), in še manj k faktorju 1 (0,122).
                  Opazimo lahko, da matrika transformacije faktorjev vsebuje različne
                koeficiente za vsako originalno spremenljivko, ki prispeva k vsakemu
                faktorju, kar kaže, da originalne spremenljivke niso enako pomembne
                za vsak faktor. Matrika transformacije faktorjev daje informacijo o tem,
                kako vsaka originalna spremenljivka prispeva k vsakemu faktorju. To
                lahko služi kot osnova za interpretacijo faktorjev in njihovega pomena
                za raziskavo (Hox 2010). V našem primeru so faktorji dobro razmejeni
                in bodo lahko uporabljeni za nadaljnjo analizo podatkov.
                  Na podlagi splošnega načela pri analizi faktorjev se v znanstvenih
                poročilih in člankih faktorjev pogosto ne poimenuje, ampak se jih
                opredeli z opisom njihovih značilnosti. Ta pristop omogoča objektiv-
                nejše razumevanje in ocenjevanje faktorjev brez pristranskosti, ki bi
                lahko izhajala iz njihovih poimenovanj (Field 2018). V raziskavi smo
                sledili temu načelu in izpustili poimenovanje faktorjev, da bi zagotovili
                objektivnejše razumevanje njihovih značilnosti.
                  Preglednica 5.12 prikazuje matriko koeficientov faktorskih ocen
                vijačenja in navora. Prikazuje, kako vsak od treh faktorjev vpliva na
                vsako od osmih spremenljivk navora (Navor_0L, Navor_0D, Navor_1L
                itd.). Koeficienti v tej matriki so korelacijski koeficienti med dejavniki
                in spremenljivkami.
                  Nadalje v tej matriki lahko opazimo, da ima dejavnik 1 zmerno po-
                zitivno korelacijo z Navorom_0L, Navorom_1L in Navorom_3L. Dejav-
                nika 2 in 3 sta negativneje korelirana z vsemi spremenljivkami. Npr.,
                korelacijski koeficient med dejavnikom 1 in spremenljivko Navor_0L


                            102
   97   98   99   100   101   102   103   104   105   106   107