A felhasznált statisztikai, ökonometriai elemzési módszerek

Az elemzéseket két vetületben végeztem el: a megfigyelési egységek, tehát a vizsgált vállalkozások csoportosítására vonatkozóan, illetve az előző fejezetben kifejtett változók közötti összefüggések elemzésére vonatkozóan.

A megfigyelési egységek, tehát a konkrét vállalatok csoportosítására a teljesítmény, az alkalmazott stratégiák, a szervezeti felépítések szempontjából a klaszterelemzés módszerét használtam fel. A szervezeti kultúrák vonatkozásában nem volt szükség klaszterelemzésre, hiszen Cameron és Quinn módszertana biztosítja az uralkodó kultúratípusokba való besorolást.

A klaszterelemzés előnye, hogy a hasonló megfigyelési egységek azonos csoportba kerülnek.

Ez nemcsak azt teszi lehetővé, hogy a klaszterváltozók felhasználásával további vizsgálódások folytathassunk le, hanem azt is, hogy érdekes és az egyes klaszterek

1Ha a mutató értéke:

> 0,9 kiválónak

>0,8 jónak

> 0,7 elfogadhatónak

ábrázolásával szemléletes információkhoz juthatunk például arra vonatkozóan, hogy a vizsgált vállalatok milyen arányban szerepelnek a gyengén vagy a jól teljesítők klaszterében.

A klaszterelemzés módszerei közül a faszerű felépítést alkalmazó hierarchikus módszerekkel szemben a kevésbé körülményes, nagyobb mintáknál célszerűbb nem hierarchikus K-közép eljárást alkalmaztam. A K-közép eljárás euklédeszi távolságmértéket alkalmaz, amely magas mérési szintű változókat követel meg, ami ebben az esetben adott. Az elemzés során minden esetben megtörtént a klaszterelemzés érvényességének ellenőrzésére is, az F-statisztika szignifikancia szintje alapján megállapítható, hogy a létrehozott klaszterek középpontjai szignifikánsan különböznek-e egymástól. A klaszterelemzés elvégzése előtt szükséges a korrelációs együtthatók vizsgálata is, mivel 0,9-nél magasabb korrelációs együttható esetében az erősen korreláló változók nagyobb szerepet kaphatnak az elemzésben.

Az egyes klaszterváltozók közti kapcsolat meglétének igazolására a széles körben elterjedt kereszttábla-elemzés módszerét is felhasználtam, mivel megmutatja, hogy valamely teljesítményklaszteren belül hogyan oszlanak meg például a stratégiai jellemzők alapján képzett klaszterek és hogy van-e szignifikáns összefüggés a vizsgált klaszterváltozók között.

A módszer két vagy több változó közti összefüggést vizsgál százalékos megoszlások formájában.

A kereszttábla elemzés során megtörtént a khi-négyzet statisztikák szignifikanciaszintjének, a korrigált standardizált reziduumok, valamint a becslési hiba valószínűségének csökkenését kifejező mutatók vizsgálata.¹ A khi-négyzet statisztika szignifikanciaszintje és a korrigált standardizált reziduum alapján megállapítható, hogy az egyes klaszterek között létezik-e szignifikáns kapcsolat. A Phi, Cramer's V, kontingencia együttható szimmetrikus mutatók a kapcsolat erősségét vizsgálják, értékük 0 és 1 között mozog (kivéve a Phi, ami -1 és +1 között, ezáltal bizonyos mértékben jelzi a kapcsolat irányát is.

A klaszterváltozókra vonatkozóan a logisztikus regresszió segítségével megvizsgáltam, hogy az egyes teljesítményklaszterekbe való tartozásra hogyan hat az egyes stratégia és struktúra klaszterekbe, valamint az egyes szervezeti kultúra típusokba való tartozás. Ezt mutatja meg az esélyhányados, ami azt fejezi ki, hogy hányszorosára nő egy esemény bekövetkezésének valószínűsége (esetünkben melyik teljesítményklaszterbe tartozik egy adott elem), ha a feltételváltozó értéke egységnyivel nő (Bartus, 2003). Esetünkben a feltételváltozók az egyes stratégiai, strukturális és kulturális jellemzők alapján kialakított klaszterváltozók. Kettőnél több értéket felvevő magyarázott változó esetén multinomiális logisztikus regresszió használata szükséges. (Székelyi – Barna, 2005)

A hipotézisek ellenőrzésére az útelemzés módszerét is felhasználtam, amihez első lépésben a változók közti összes lehetséges kapcsolat feltárása volt szükséges a korrelációszámítás módszerével. A Pearson-féle korrelációs együttható a változók közti kapcsolat szorosságát, előjele a kapcsolat negatív vagy pozitív voltát mutatja. Minél erősebb a változók közti kapcsolat, a korrelációs együttható abszolút értéke annál közelebb esik egyhez. Ha a korrelációs együttható értéke 0, akkor nincs a két változó között lineáris kapcsolat. A kapcsolat szorossága abszolút értékben 0,2-ig gyengének, 0,2 - 0,7-ig közepesen szorosnak, 0,7 felett pedig erősnek mondható (Sajtos – Mitev, 2007). A szignifikáns korrelációs kapcsolatok meghatározása az értekezésben 0,01-es szignifikancia szinten történt.

1 A lambda, a Goodman és Kruskal tau, valamint a bizonytalansági együtthatók azt mutatják meg, hogy mennyivel csökken a becslési hiba valószínűsége egy adott teljesítményklaszterba való tartozás esetén, ha ismerjük az egyes stratégiai vagy strukturális jellemzők szerinti klaszterbe való tartozást, illetve a szervezeti kultúra típusát.

A korrelációelemzés alapján nem határozhatók meg ok-okozati kapcsolatok, segítségével nem tudhatjuk meg, hogy melyek a függő és a független változók. A korrelációs együttható a kapcsolat szorosságát, erősségét mutatja. Lehetséges, hogy ok-okozati kapcsolat áll fenn, azonban az is lehetséges, hogy két korrelált változó egy harmadik, közös októl függ. Az ilyen kapcsolatok feltárása alkalmas az útmodell, amely regressziós modell segítségével a független változó hatását a függő változóra közvetlen és közvetett hatásokra bontja.

A stratégia, a szervezeti kultúra és a strukturális jellemzők – a magyarázó változók – nem függetlenek egymástól, hanem kölcsönösen egymásra is hatnak, a teljesítményre kifejtett hatásuk egymás közti bonyolult láncolatokon keresztül érvényesül, a hatások nemcsak közvetlen, hanem közvetett hatások is lehetnek, pl. a stratégia közvetlenül befolyásolja a teljesítményt, ugyanakkor a kultúra is befolyásolja közvetlenül a teljesítményt, de a kultúra a stratégiát is befolyásolja. A kultúra a stratégián keresztüli hatása a teljesítményre közvetett hatás.

Ezért a változók közti kapcsolatok feltárására az útmodellt választottam, mivel segítségével meghatározató egy adott változó teljes hatása valamilyen másik változóra a közvetlen és közvetett hatások összegeként. (Hunyadi et al, 2000)

Az útmodell felállítása során alkalmazott regresszióelemzéssel a változók közti kapcsolat meglétére, irányára és erősségére kerestem a választ. A korrelációelemzéstől eltérően itt meg kell adnunk, hogy melyek a függő és melyek a független változók. Az F-próba szignifikaciaszintje a kapcsolat meglétét igazolja (Sig. < 0,05). A regressziós egyenes meredekségét mutató β szignifikanciáját t-próbával ellenőrizzük (Sig. < 0,05).

A korrelációs együttható négyzete a determinációs együttható arra ad választ, hogy a független változó a függő változó varianciáját hány százalékban magyarázza. Az elemzés során csak azokat a regressziókat vettem figyelembe, ahol a determinációs együttható, a modell magyarázó ereje (R²) elérte a társadalomtudományokban elfogadott 0,2-es értéket.

A hibatagok normális eloszlására vonatkozó feltételt Kolgomorov-Smirnov próbával teszteltem. A heteroszkedaszticitás tesztelésére a Breusch – Pagan, a Ramsey-féle Reset teszt és a White teszt segítségével történt. A normalitásra és a heteroszkedaszticitásra vonatkozó tesztek vizsgálata minden lefuttatott regresszió esetén megtörtént.

Az felhasznált statisztikai, ökonometriai módszerek további jellemzői és alkalmazhatóságuk feltételei a 10. számú mellékletben találhatók.