Δ Materials (Cronbach's Alpha = .86

Δ Materials (Cronbach's Alpha = .860) is measured according
to a four-item scale based on the representative studies,
including El-Sayegh (2008), and Luu et al. (2008). Sample items
“Ma1: Material management plan clearly describes howmaterials
will be managed and executed,” and “Ma2: Project team
effectively keeps a record of material usage and inventory.”
Because our research is built on the proposition that there are
significant differences in the values of changes in projectmanagement
performance during the execution phase between
failed and nonfailed projects. We test the following hypothesis:
Hypothesis 1. The mean values of Δ Communication, Δ Team,
Δ Scope, Δ Creativity, Δ Technology, Δ Risk, Δ Quality, and
Δ Materials in the execution phase between failed and nonfailed
capital projects are all the same.
The 130 capital projects are used to test the hypothesis. Table 1
lists the descriptive statistics and results of Kolmogorov–Smirnov
tests, and Mann–Whitney tests for the hypothesis. The use
of Mann–Whitney test is justified by the fact that the
performance-variable data are not normally distributed based
on the result of Kolmogorov–Smirnov tests, where the data are
judged abnormally distributed when the probability value is
smaller than the threshold value of 0.05.
As the table shows, Mann–Whitney statistics of Δ Creativity,
Δ Technology, and Δ Quality are 2.46, 5.57, and 2.41 and with
p-values of b0.05, b0.01, and b0.05, respectively. This suggests
that significant differences exist in the mean values ofΔCreativity,
Δ Technology, and Δ Quality between failed and nonfailed capital
projects. We therefore reject the null hypothesis, indicating that the
values of changes in project-management performance in the
execution phase between failed and nonfailed capital projects are
not all the same and, thus, possess a potential discriminatory power
for differentiating between failed and nonfailed projects.
3.3. Modeling and analysis
The methodology to develop optimal project-failure prediction
models is fourfold. In the first stage, this study performs an
isolated model analysis of each dimension of performance
construct to evaluate the ability of the set of items to their
associated dimension of project-management performance.
Using univariate logistic analysis, Δ measure items with an
overall correct classification rate lower than 60% are deleted;
items with factor loadings smaller than .50 are also deleted.
Further deletion of a dimension's item scales for refining the
initial measurement instrument is assessed through repeated
model fittings based on an examination of standardized loadings,
interpretability, and content validity along with a minimum
standardized root mean square residual (RMSR) procedure
(Frohlich, 2002; Wallace et al., 2004).
In the second stage, this study develops an overall
project-outcome measurement model from the refined measurement
instrument based on the confirmatory factor analysis
(CFA) (Harrington, 2008). Items with factor loadings smaller
than .50 are further deleted. In the third stage, this study
conducts a hierarchical logistic-regression analysis using a
maximum Nagelkerke R-squared improvement procedure to
develop optimal project-failure prediction models from the
overall project-outcome measurement model.
In the fourth stage, this study evaluates the forecasting
accuracy of the prediction models using Type I errors (i.e., a
nonfailed project misclassified as a failed project), Type II
errors (i.e., a failed project misclassified as a nonfailed project),
and overall correct classification rates. Type I errors, Type II
errors, and correct classification rates are computed using a
rotation estimation (cross-validation) to maximize our holdout
sample. Each observation of the 130 capital projects in turn is
removed, and the forecasting model is refitted using the
remaining observations to predict the removed project.

ผลลัพธ์ (ไทย) 1:

Δยอดวัสดุ (อัลฟาของ Cronbach =.860) วัดตามขนาด 4 สินค้าที่ใช้ศึกษาตัวแทนรวมถึงเอล-Sayegh (2008), และลู et al. (2008) ตัวอย่างสินค้า" Ma1: แผนจัดการวัสดุอย่างชัดเจนอธิบาย howmaterialsจะจัดการ และ ดำเนินการ และ " Ma2: ทีมโครงการอย่างมีประสิทธิภาพเก็บข้อมูลการใช้วัตถุดิบและสินค้าคงคลัง"เนื่องจากงานวิจัยของเราถูกสร้างขึ้นในข้อเสนอที่มีความแตกต่างอย่างมีนัยสำคัญในค่าของการเปลี่ยนแปลงใน projectmanagementประสิทธิภาพระหว่างขั้นตอนการดำเนินการระหว่างโครงการล้มเหลว และ nonfailed ทดสอบสมมติฐานดังต่อไปนี้:สมมติฐานที่ 1 ค่าเฉลี่ยของδยอดสื่อสาร δยอดทีมΔยอดขอบเขต δยอดความคิดสร้างสรรค์ δยอดδยอดเทคโนโลยี δยอดความเสี่ยง คุณภาพ และΔยอดวัสดุในขั้นตอนการดำเนินการล้มเหลว และ nonfailedโครงการหลวงทั้งหมดเหมือนกันโครงการทุน 130 จะใช้ในการทดสอบสมมติฐานการ ตารางที่ 1แสดงรายการสถิติพรรณนาและผลน่าเป็น – Smirnovทดสอบ และมานน์ – วิทนีย์ทดสอบในสมมติฐาน การใช้งานของมานน์ – วิทนีย์ ทดสอบเป็นธรรมความจริงที่จะข้อมูลตัวแปรประสิทธิภาพการทำงานไม่ปกติกระจายตามผลการทดสอบน่าเป็น – Smirnov ข้อมูลที่เป็นตัดสินแบบกระจายอย่างผิดปกติเมื่อค่าความน่าเป็นน้อยกว่า 0.05 ค่าขีดจำกัดเป็นตารางสถิติ มานน์ – วิทนีย์ของδยอดความคิดสร้างสรรค์Δยอดเทคโนโลยี และδยอดคุณภาพ ใจ 2.46, 5.57, 2.41 และค่า p ของ b0.05, b0.01, b0.05 ตามลำดับ นี้แนะนำที่แตกต่างกันมีค่าเฉลี่ย ofΔCreativityΔยอดเทคโนโลยี และδยอดคุณภาพระหว่างทุนที่ล้มเหลว และ nonfailedโครงการ เราจึงปฏิเสธสมมติฐานว่าง ระบุที่ค่าของการเปลี่ยนแปลงในประสิทธิภาพการบริหารจัดการโครงการในการมีระยะดำเนินการระหว่างโครงการทุนที่ล้มเหลว และ nonfailedไม่เหมือน และ ดัง นั้น มีกำลังโจ่งแจ้งไปสำหรับความแตกต่างระหว่างโครงการที่ล้มเหลว และ nonfailed3.3 การสร้างโมเดล และวิเคราะห์วิธีการพัฒนาโครงการความล้มเหลวที่สุดคาดเดารุ่น fourfold ได้ ในระยะแรก การศึกษานี้ดำเนินการวิเคราะห์แบบแยกแต่ละมิติของประสิทธิภาพโครงสร้างการประเมินความสามารถของชุดสินค้าของพวกเขามิติสัมพันธ์ของประสิทธิภาพของโครงการจัดการใช้อย่างไร univariate การวิเคราะห์โลจิสติก วัดδยอดสินค้าด้วยการโดยรวมจัดประเภทถูกต้องอัตราที่ต่ำกว่าลบ 60%สินค้าที่ มีน้อยกว่า.50 loadings ปัจจัยถูกลบออกการลบเพิ่มเติมมิติของสินค้าปรับขนาดสำหรับกลั่นมีประเมินเครื่องมือวัดเบื้องต้นผ่านการทำซ้ำรูปแบบอุปกรณ์ที่ใช้ในการตรวจสอบของ loadings มาตรฐานinterpretability และเนื้อหาความพร้อมน้อยที่สุดมาตรฐานหลักค่าเฉลี่ยกำลังสองส่วนที่เหลือ (RMSR) ขั้นตอน(Frohlich, 2002 Wallace et al., 2004)ในขั้นตอนสอง ศึกษาพัฒนาโดยรวมเป็นแบบประเมินผลโครงการจากการประเมินกลั่นเครื่องมือที่ใช้วิเคราะห์ปัจจัยเสร็จ(CFA) (แฮริงตัน 2008) สินค้าที่ มีปัจจัย loadings เล็กกว่า.50 เพิ่มเติม แล้ว ในขั้นตอนที่สาม ศึกษาดำเนินการโดยใช้การวิเคราะห์ถดถอยโลจิสติกลำดับการขั้นตอนการปรับปรุง Nagelkerke ลอการิทึมสูงสุดเพื่อพัฒนาแบบจำลองทำนายโครงการความล้มเหลวที่ดีที่สุดจากการแบบประเมินผลโครงการโดยรวมในระยะสี่ ศึกษาประเมินคาดการณ์ความถูกต้องของแบบจำลองการคาดเดาที่ใช้พิมพ์ฉันข้อผิดพลาด (เช่น การnonfailed โครงการงานเป็นโครงการที่ล้มเหลว), ชนิด IIข้อผิดพลาด (เช่น ล้มโครงการงานโครงการ nonfailed),และราคาถูกประเภทถูกต้องทั้งหมด พิมพ์ฉันข้อผิดพลาด ชนิด IIข้อผิดพลาด และจัดประเภทถูกต้องราคาที่คำนวณโดยใช้การหมุนประมาณ (การตรวจสอบข้าม) เพื่อเพิ่ม holdout ของเราตัวอย่างการ สังเกตแต่ละครั้งของโครงการหลวง 130 เป็นลบออก และ refitted โมเดลการคาดการณ์โดยใช้การสังเกตที่เหลือเพื่อทำนายเอาโครงการ

ผลลัพธ์ (ไทย) 2:

Δวัสดุ (ครอนบาคของอัลฟา = 0.860)
เป็นวัดตามที่จะมีขนาดสี่รายการที่อยู่บนพื้นฐานของการศึกษาตัวแทนรวมทั้ง
El-Sayegh (2008) และ Luu et al, (2008) รายการตัวอย่าง
"MA1: แผนการจัดการวัสดุอย่างชัดเจนอธิบาย howmaterials
จะมีการจัดการและดำเนินการ" และ "MA2:
ทีมงานได้อย่างมีประสิทธิภาพช่วยให้บันทึกการใช้งานของวัสดุและสินค้าคงคลัง." เพราะการวิจัยของเราถูกสร้างขึ้นบนโจทย์ที่ว่ามีความแตกต่างอย่างมีนัยสำคัญในค่าของการเปลี่ยนแปลงใน projectmanagement ผลการดำเนินงานในระหว่างขั้นตอนการดำเนินการระหว่างโครงการล้มเหลวและ nonfailed เราจะทดสอบสมมติฐานต่อไปนี้: สมมติฐาน 1. ค่าเฉลี่ยของการสื่อสารΔทีมΔ, ขอบเขตΔ, Δความคิดสร้างสรรค์, Δเทคโนโลยีความเสี่ยงΔ, ΔคุณภาพและΔวัสดุในขั้นตอนการดำเนินการระหว่างล้มเหลวและnonfailed โครงการทุนทั้งหมด เดียวกัน. โครงการทุน 130 ที่ใช้ในการทดสอบสมมติฐาน ตารางที่ 1 แสดงสถิติเชิงพรรณนาและผลของการ Kolmogorov-Smirnov ทดสอบและการทดสอบ Mann-Whitney สำหรับสมมติฐาน การใช้งานของการทดสอบ Mann-Whitney เป็นธรรมโดยความจริงที่ว่าข้อมูลประสิทธิภาพการทำงานตัวแปรไม่ได้กระจายตามปกติตามผลการทดสอบKolmogorov-Smirnov ที่ข้อมูลจะถูกตัดสินกระจายอย่างผิดปกติเมื่อค่าความน่าจะเป็นขนาดเล็กกว่าค่าเกณฑ์ของ0.05. ในฐานะที่เป็นตารางแสดงสถิติ Mann-วิทนีย์Δความคิดสร้างสรรค์, ΔเทคโนโลยีและคุณภาพΔเป็น 2.46, 5.57 และ 2.41 และมีค่าพีของb0.05, b0.01 และ b0.05 ตามลำดับ นี้แสดงให้เห็นว่าแตกต่างที่สำคัญอยู่ในค่าเฉลี่ยofΔCreativity, ΔเทคโนโลยีและคุณภาพΔระหว่างล้มเหลวและทุน nonfailed โครงการ ดังนั้นเราจึงปฏิเสธสมมติฐานแสดงให้เห็นว่าค่าของการเปลี่ยนแปลงในการปฏิบัติงานการบริหารจัดการโครงการในขั้นตอนการดำเนินการระหว่างล้มเหลวและnonfailed โครงการทุนไม่เหมือนกันทั้งหมดและจึงมีอำนาจในการเลือกปฏิบัติที่มีศักยภาพสำหรับความแตกต่างระหว่างโครงการล้มเหลวและnonfailed 3.3 การสร้างแบบจำลองและการวิเคราะห์วิธีการในการพัฒนาโครงการการทำนายความล้มเหลวที่ดีที่สุดรุ่นเป็นสี่เท่า ในขั้นตอนแรกของการศึกษาครั้งนี้ดำเนินการวิเคราะห์แบบจำลองที่แยกของแต่ละมิติของการปฏิบัติงานสร้างในการประเมินความสามารถในการตั้งค่าของรายการที่จะพวกเขามิติที่เกี่ยวข้องของประสิทธิภาพการบริหารจัดการโครงการ. โดยใช้การวิเคราะห์โลจิสติก univariate, Δรายการตัวชี้วัดที่มีการจัดหมวดหมู่ที่ถูกต้องโดยรวมอัตราที่ต่ำกว่า 60% จะถูกลบ;. รายการที่มีภาระปัจจัยที่มีขนาดเล็กกว่า 0.50 จะถูกลบออกยังลบเพิ่มเติมของเครื่องชั่งรายการมิติสำหรับการปรับแต่งเป็นเครื่องมือที่ใช้ในการวัดครั้งแรกจะมีการประเมินผ่านซ้ำอุปกรณ์รูปแบบขึ้นอยู่กับการตรวจสอบของloadings มาตรฐานinterpretability และ ความตรงตามเนื้อหาพร้อมกับขั้นต่ำรากมาตรฐานหมายถึงตารางที่เหลือ(RMSR) ขั้นตอน(Frohlich., 2002; วอลเลซ, et al, 2004). ในขั้นตอนที่สองการศึกษาครั้งนี้พัฒนาโดยรวมของโครงการผลรูปแบบการวัดจากการวัดการกลั่นที่ใช้ในการขึ้นอยู่กับการวิเคราะห์องค์ประกอบเชิงยืนยัน(CFA) (แฮร์ริง 2008) รายการที่มีภาระปัจจัยที่มีขนาดเล็กกว่า 0.50 จะถูกลบออกไปอีก ในขั้นตอนที่สามการศึกษานี้ดำเนินการวิเคราะห์โลจิสติก-ถดถอยลำดับชั้นโดยใช้สูงสุดNagelkerke ขั้นตอนการปรับปรุง R-Squared ที่จะพัฒนารูปแบบการทำนายโครงการล้มเหลวที่ดีที่สุดจากในภาพรวมโครงการผลรูปแบบการวัด. ในขั้นตอนที่สี่การศึกษาครั้งนี้ประเมินการพยากรณ์ความถูกต้องของแบบจำลองการคาดการณ์โดยใช้ข้อผิดพลาดประเภท (เช่นโครงการnonfailed แบ่งเป็นโครงการที่ล้มเหลว) Type II ข้อผิดพลาด (เช่นโครงการล้มเหลวแบ่งเป็นโครงการ nonfailed) และโดยรวมอัตราการจัดประเภทที่ถูกต้อง ข้อผิดพลาด Type I, Type II ข้อผิดพลาดและอัตราการจัดประเภทที่ถูกต้องจะคำนวณโดยใช้การประมาณค่าการหมุน (ข้ามการตรวจสอบ) เพื่อเพิ่มความอดทนของเราตัวอย่าง สังเกตของโครงการลงทุน 130 ในการเปิดแต่ละครั้งจะถูกลบออกและรูปแบบการพยากรณ์จะใช้ควบคู่กับการสังเกตที่เหลือที่จะคาดการณ์โครงการลบออก

ผลลัพธ์ (ไทย) 3:

Δวัสดุ ( ครอนบาคแอลฟา = 860 ) วัดตาม
ไปสี่รายการระดับจากตัวแทนการศึกษา รวมถึง เอล sayegh
( 2008 ) , และหลุุด et al . ( 2008 ) ตัวอย่างรายการ
" MA1 : แผนการจัดการวัสดุอย่างชัดเจนอธิบาย howmaterials
จะจัดการและดำเนินการ " และ " MA2 :
ทีมโครงการอย่างมีประสิทธิภาพช่วยให้บันทึกของการใช้วัสดุและสินค้าคงคลัง "
เนื่องจากงานวิจัยของเราถูกสร้างขึ้นในข้อเสนอนั้นมี
ความแตกต่างของค่าของการเปลี่ยนแปลงในประสิทธิภาพการดำเนินงานในโครงการในช่วงระยะระหว่าง

การล้มเหลวและ nonfailed โครงการ เราทดสอบสมมติฐานสมมติฐานดังต่อไปนี้ :
1 หมายถึงค่าของการสื่อสาร ΔทีมΔ
Δ , ขอบเขต , Δความคิดสร้างสรรค์ Δเทคโนโลยี , ความเสี่ยง , ΔคุณภาพΔและ
วัสดุΔและข้อโต้แย้งระหว่างล้มเหลวและ nonfailed
โครงการทุนทั้งหมดเดียวกัน .
130 โครงการทุนที่ใช้ในการทดสอบสมมติฐาน ตารางที่ 1
รายการสถิติเชิงพรรณนา และผลลัพธ์ของการเปลี่ยนแปลงและเพื่อทดสอบและ Mann - Whitney
, การทดสอบสมมติฐาน ใช้
3 –วิตนีย์ทดสอบเป็นธรรมโดยข้อเท็จจริงที่ว่า
ข้อมูลตัวแปรการแสดงไม่ปกติกระจายตาม
ผลแอนเดอร์สัน - ดาร์ลิง การทดสอบที่ข้อมูลกระจาย
ตัดสินผิดปกติเมื่อค่าความน่าจะเป็น
เล็กกว่าเกณฑ์ค่าระดับ
เป็นตารางแสดงสถิติ Mann Whitney , และความคิดสร้างสรรค์Δ
Δ , เทคโนโลยี และคุณภาพΔเป็น 2.46 , เป็นและ 2.41 และด้วย
p-values b0.05 b0.01 b0.05 , ของ , และ ,ตามลำดับ นี้แสดงให้เห็นความแตกต่าง
ที่อยู่ในค่าเฉลี่ยของความคิดสร้างสรรค์Δ
Δ , เทคโนโลยี , และΔคุณภาพระหว่างล้มเหลวและ nonfailed ทุนโครงการ

ดังนั้น เราจึงปฏิเสธสมมติฐานว่าง แสดงว่าค่าของการเปลี่ยนแปลงในการจัดการประสิทธิภาพ

การโครงการในเฟสระหว่างล้มเหลวและ nonfailed ทุนโครงการ
ไม่ได้เหมือนกันทั้งหมด และ จึงมีศักยภาพอำนาจจำแนกความแตกต่างระหว่าง
ที่ล้มเหลวและ nonfailed โครงการ .
3 . แบบจำลองและการวิเคราะห์วิธีการพัฒนาที่เหมาะสม

โครงการล้มเหลวการทำนายนางแบบเป็นสี่เท่า " ในขั้นตอนแรก ศึกษาประสิทธิภาพการแยกการวิเคราะห์รูปแบบของแต่ละมิติ

สร้างสมรรถนะเพื่อประเมินความสามารถของชุดของรายการของพวกเขา
เชื่อมโยงมิติของการบริหารผลการปฏิบัติงานของโครงการ โดยการวิเคราะห์โลจิสติก univariate
,
Δวัดรายการที่มีอัตราการจำแนกโดยรวมที่ถูกต้องกว่าร้อยละ 60 เป็นลบ ;
รายการที่มีปัจจัยภาระน้อยกว่า 50 ยังลบ .
ลบเพิ่มเติมขนาดรายการของมิติสำหรับการกลั่น
วัดแรกคือการประเมินผ่านซ้ำ
รูปแบบการตรวจสอบครอบคลุมอุปกรณ์ตามมาตรฐาน
interpretability และความตรงเชิงเนื้อหาตามมาตรฐานขั้นต่ำ
รากหมายความว่าสี่เหลี่ยมจัตุรัสที่เหลือ ( rmsr ) ขั้นตอน
( โฟรลิก , 2002 ; วอลเลซ et al . , 2004 ) .
ในขั้นตอนที่สองการศึกษาพัฒนาโครงการ การวัดผลโดยรวม
จากการวัดแบบบริสุทธิ์
เครื่องดนตรีตามการวิเคราะห์องค์ประกอบเชิงยืนยัน
( CFA ) ( Harrington , 2008 ) รายการที่มีขนาดเล็กปัจจัยภาระ
กว่า 50 ลบ เพิ่มเติม ในขั้นตอนที่สาม , การศึกษา
ทําการวิเคราะห์การถดถอยโลจิสติกแบบลำดับชั้นใช้


r-squared สูงสุด nagelkerke ขั้นตอนการปรับปรุงพัฒนาโครงการที่เหมาะสมจากความล้มเหลวแบบจำลองการคาดการณ์โดยรูปแบบการวัดผลโครงการ
.
ในขั้นตอนที่สี่การศึกษาประเมินการพยากรณ์
ความถูกต้องของแบบจำลองที่ใช้ทำนายประเภทข้อผิดพลาด ( I ,
nonfailed โครงการ misclassified เป็นโครงการล้มเหลว ข้อผิดพลาด 2
) ประเภท ( เช่น โครงการล้มเหลว misclassified เป็น nonfailed โครงการ ) ,
และโดยรวมถูกต้องประเภทอัตรา ประเภทข้อผิดพลาด ข้อผิดพลาด 2
ประเภทและอัตราการจำแนกถูกต้องจะคำนวณโดยใช้
หมุนประมาณ ( ข้ามการตรวจสอบ ) เพื่อเพิ่มอย่างไม่ยอมอ่อนข้อ
ของเราแต่ละความเห็นของ 130 โครงการทุนในการเปิด
ลบออกและการพยากรณ์เป็นควบคู่ใช้
ที่เหลือสังเกตทำนายออกโครงการ