Data Reduction
Data reduction through exploratory factor analysis
using principal component analysis (PCA) as the extraction method and varimax rotation with Kaiser normalization was conducted to identify the most critical
factors that influence the development of SMEs in
Botswana. The first factor analysis was conducted on
four factors that measured entrepreneurial motives.
The same analysis was also conducted on the 30-item
scale measuring entrepreneurs’ responses to various
environmental phenomena. This was done not only to
find out if these different variables are driven by the
same underlying variable but also ‘‘to reduce the data
set to a more manageable size while retaining as much
of the original information as possible’’ (Field, 2005,
p. 619). As for entrepreneurial motives, only one component was extracted. As Table 1 shows, the KaiserMeyer-Olkin Measure of Sampling Adequacy (KMO)
was .671, above the recommended .6 (Pallant, 2007),
and the Bartlett’s test was significant (.000). However,
the solution was not rotated since only one component
was extracted.
As for the 30-item scale measuring entrepreneurs’
responses to various environmental phenomena, all
components with eigenvalues greater than 1.0 were
extracted. Therefore, seven components (Motivations,
Managerial Innovation, Taking Opportunities, Self Sufficiency, Business Linkages, Initiative, and Problem
Solving) were extracted. Table 1 shows that the KMO
was .766, and the Bartlet’s test was significant (.000).
Reliability analysis was then conducted on the various
sets of items to measure the internal consistency of the
items loaded onto each factor. Table 1 shows the Cronbach’s a for all the components. All components
with Cronbach’s a below .7 were excluded from the
study because such low values indicate an unreliable
scale (Field, 2005; Pallant, 2007). Therefore, Business
Linkages, Initiative, and Problem Solving were excluded
from the regression analysis as shown in Table 2.
ข้อมูล ข้อมูลผ่าน
ลดลดการวิเคราะห์องค์ประกอบเชิงสำรวจ โดยใช้การวิเคราะห์องค์ประกอบหลัก ( PCA ) เป็นวิธีสกัด และตัวหมุนกับ Kaiser ปกติมีวัตถุประสงค์เพื่อระบุวิกฤต
ที่สุดปัจจัยที่มีอิทธิพลต่อการพัฒนาของ SMEs ใน
บอตสวานา การวิเคราะห์ปัจจัยแรก คือ การศึกษา
4 ปัจจัยที่วัด
จูงใจผู้ประกอบการการวิเคราะห์เดียวกันยังมีการดำเนินการใน 30 รายการ
ขนาดวัดของผู้ประกอบการต่อปรากฏการณ์ด้านสิ่งแวดล้อมต่าง ๆ
ทำไม่เพียง แต่
ดูถ้าตัวแปรต่าง ๆ เหล่านี้จะถูกขับเคลื่อนโดย
อ้างอิงเดียวกัน " และตัวแปร แต่ยังลดข้อมูล
ตั้งค่าขนาดที่สามารถจัดการได้มากขึ้นขณะที่การรักษามาก
ของข้อมูลต้นฉบับที่สุด ' ' ( เขต , 2005
หน้า 673 )เป็นแรงจูงใจที่เป็นเพียงส่วนประกอบหนึ่ง คือ สกัด ตารางที่ 1 แสดง , kaisermeyer olkin มาตรการเพียงพอตัวอย่าง ( kmo )
. . . แต่ ข้างบนแนะนำ 6 ( pallant , 2007 ) ,
และบาร์ทเล็ตของแบบทดสอบ ( 000 ) อย่างไรก็ตาม การแก้ปัญหาไม่หมุน
ตั้งแต่เพียงหนึ่งส่วนประกอบสกัด .
สำหรับ 30 รายการระดับการวัดของผู้ประกอบการ
การตอบสนองต่อปรากฏการณ์ด้านสิ่งแวดล้อมต่าง ๆ ส่วนประกอบทั้งหมดด้วยค่า
มากกว่า 1.0 ถูกสกัด ดังนั้น เจ็ดองค์ประกอบ ( แรงจูงใจ
การจัดการนวัตกรรม สละโอกาสตนเอง , พอเพียง , ธุรกิจเครือข่าย , ริเริ่ม , และการแก้ปัญหา
) ถูกสกัด ตารางที่ 1 แสดงให้เห็นว่า kmo
. 766 และการทดสอบของ Bartlet อย่างมีนัยสำคัญ
( . 000 )การวิเคราะห์ความน่าเชื่อถือถูกดำเนินการบนชุดต่างๆ
รายการวัดความสอดคล้องภายในของ
รายการโหลดลงในแต่ละปัจจัย ตารางที่ 1 แสดงแบบสอบถามเป็นส่วนประกอบทั้งหมด ทั้งหมดส่วนประกอบ
กับมีค่าด้านล่าง 7 ถูกตัดออกจากการศึกษาเพราะค่าต่ำเช่น
( ระบุขนาดของฟิลด์ , 2005 ; pallant , 2007 ) ดังนั้นธุรกิจ
ลิงค์ ริเริ่มและการแก้ไขปัญหาถูกตัดออก
จากการวิเคราะห์การถดถอยดังแสดงในตารางที่ 2
การแปล กรุณารอสักครู่..