ISTRAŽIVANJE O POTENCIJALNIM ČLANOVIMA KLASTERA ZA PREDUZETNIČKU AKTIVACIJU MLADIH U JABLANIČKOM OKRUGU Cilj ovog istraživanja, koje je urađeno u sklopu realizacije projekta „EVO PRILIKE“, je da odgovori na pitanje „Kako se grupišu potencijalni članovi klastera za preduzetničku aktivaciju mladih na osnovu ideja koje su im zajedničke za 15 navedenih karakteristika“. Primenom faktorske i klaster analize, koje su tretirale saradničko ponašanje 123 ispitanika, utvrđeno je da u osnovi ovih karakteristika leže četiri zajedničke ideje („zajednica konkurenata“, „poslovna budućnost sa mladima“, „pristup okruženju“ i „startna konkurentnost“), koje ih objašnjavaju sa 61%, na način koji najvećim delom potvrđuje utvrđene polazne pretpostavke. Na osnovu zajedničkih ideja ispitanici se svrstavaju u 3 homogene grupe, koje sadrže različit potencijal za formiranje klastera za preduzetničku aktivaciju mladih. Grupa sa največim potencijalom za formiranje klastera za preduzetničku aktivaciju mladih ima u svom sastavu 50 ispitanika i izložena je dominantnom direktnom uticaju faktora 1. “zajednica konkurenata” i direktnom uticaju faktora 3. “pristup okruženju”. Grupa sa srednjim potencijalom ima u svom sastavu 47 ispitanika i izložena je direktnom uticaju faktora 2. “poslovna budućnost sa mladima”. Grupa sa najmanjim potencijalom za formiranje naznačenog klastera ima u svom sastavu 23 ispitanika i izložena je uticaju faktora 4. “startna konkurentnost”. ISTRAŽIVAČKI TIM: OGNJEN DIMITRIJEVIĆ, doktorant ekonomskih nauka (vođa) BRATIMIR NEŠIĆ, dipl. teh. master (član) GORAN PETROVIĆ, informatičar (član)

Gradska

uprava za

društvene

delatnosti

Leskovac

Septembar

2015

Projekat finansijski podržava Ministarstvo omladine i sporta RS

s

Septembar2015

2

ISTRAŽIVANJE O POTENCIJALNIM ČLANOVIMA KLASTERA ZA PREDUZETNIČKU AKTIVACIJU NEZAPOSLENIH MLADIH U JABLANIČKOM OKRUGU

S A Ž E T A K

Cilj ovog istraživanja, koje je urađeno u sklopu realizacije projekta „EVO PRILIKE“, je da

odgovori na pitanje „Kako se grupišu potencijalni članovi klastera za preduzetničku aktivaciju

mladih na osnovu ideja koje su im zajedničke za 15 navedenih karakteristika“. Primenom

faktorske i klaster analize, koje su tretirale saradničko ponašanje 123 ispitanika, utvrđeno je

da u osnovi ovih karakteristika leže četiri zajedničke ideje („zajednica konkurenata“,

„poslovna budućnost sa mladima“, „pristup okruženju“ i „startna konkurentnost“), koje ih

objašnjavaju sa 61%, na način koji najvećim delom potvrđuje utvrđene polazne pretpostavke.

Na osnovu zajedničkih ideja ispitanici se svrstavaju u 3 homogene grupe, koje sadrže različit

potencijal za formiranje klastera za preduzetničku aktivaciju mladih. Grupa sa največim

potencijalom za formiranje klastera za preduzetničku aktivaciju mladih ima u svom sastavu

50 ispitanika i izložena je dominantnom direktnom uticaju faktora 1. “zajednica konkurenata”

i direktnom uticaju faktora 3. “pristup okruženju”. Grupa sa srednjim potencijalom ima u svom

sastavu 47 ispitanika i izložena je direktnom uticaju faktora 2. “poslovna budućnost sa

mladima”. Grupa sa najmanjim potencijalom za formiranje naznačenog klastera ima u svom

sastavu 23 ispitanika i izložena je uticaju faktora 4. “startna konkurentnost”.

S A D R Ž A J

1 UVODNE NAPOMENE 3 2 CILJ ISTRAŽIVANJA 4 3 KARAKTERISTIKE ISTRAŽIVAČKOG PITANJA 4 4

4.1. 4.2. 4.3. 4.4. 4.5.

KONCEPTUALNI OKVIR ISTRAŽIVANJA Fokus istraživanja Ključni pojmovi Pretpostavke Anketna pitanja Veličina i struktura uzorka

6 6 6 7 9

11 5. METODOLOGIJA ISTRAŽIVANJA 11

5.1. Faktorska analiza 11 5.2. Klaster analiza 12

6. ISTRAŽIVANJE 13 6.1. FAKTORSKA ANALIZA 13

6.1.1. Korelaciona matrica 13 6.1.2. Mera adekvatnosti uzorkovanja 14 6.1.3. Bartlett-ov test sferičnosti 16 6.1.4. Metod glavnih komponenti 16 6.1.5. Komunalitet (zajednička varijansa) 17 6.1.6. 6.1.7

Kajzerov kriterijum Cattellov scree test.

18

19

3

6.1.8. Rotacija faktora 20 6.1.9. Faktorska opterećenja 21

6.1.10. Interpretacija faktora 24 6.1.11. Matrica transformacije komponenti 26 6.1.12. Rezultati faktorske analize 27

6.2. KLASTER ANALIZA 30 6.2.1. Faktorski bodovi 30 6.2.2. Mera udaljenosti (distance) 32 6.2.3. K-means metoda 32 6.2.4. Interpretacija rezultata klaster analize 36

1. UVODNE NAPOMENE

Ovo istraživanje uradio je tročlani stručni tim EPuS-a Leskovac u sastavu Ognjen

Dimitrijevi, dipl.ecc doktorant (rukovodilac), Bratimir Nešić, dipl.teh. master (član) i Goran

Petrović, informatičar (član), a u sklopu realizacije projekta „EVO PRILIKE! – Razvoj

održivog mehanizma podsticanja i osnaživanja nezaposlenih mladih za ulazak u svet

rada i biznisa u Jablaničkom okrugu“ podržanom od strane Ministarstva omladine i

sporta Republike Srbije. U istraživanju su učestvovali istitucionalni partneri na projektu:

NSZ-Filijala Leskovac, Regionalna privredna komora Leskovac, KZM u Lebanu, Bojniku i

Vlasotincu i Gradska uprava za društvene delatnosti Leskovac.

Svrha istraživanja je da realizatore projekta u što većoj meri približi temi klastera i

klasterizacije u oblasti preduzetničke aktivacije mladih, pružajući im bazični uvid u ovu

problematiku, “naoružavajući” ih osnovnim informacijama o ključnim aspektima

lokalizacije ovog koncepta i, što je najvažnije, obezbeđujući im relevantnu saznajnu osnovu

za rešavanje jedne konkretne situacije koja uključuje zahtev za uspešnu realizaciju

planiranih projektnih aktivnosti, a pre svega – formiranje funkcionalnog klastera. To

podrazumeva zadovoljenje potrebe za: 1) boljim razumevanjem postojećeg saradničkog

ponašanja, gde se – u međusobno povezanim ili odvojenim saradničkim aktivnostima -

javljaju nezaposleni mladi i privatne firme sa ovog područja, dakle oni koji, po mnogo

osnova, predstavljaju i međusobne konkurente; i 2) grupisanjem ispitanika sa istim

karakteristikama u klastere.

U tom smislu, neophodna znanja obezbediće se sprovođenjem odgovaruje empirijske

analize zasnovane na korišćenju metoda i tehnika faktorske i klaster analize. S obzirom da

je reč o prvom istraživanju ove vrste na ovim prostorima, te da se time obezbeđuje osnovni

uvid u svojstava jedne nedovoljno istražene pojave, ovo istraživanje se može svrstati u

grupu eksplorativnih. Takođe, radi se i o jednokratnom i neeksperimentalnom (anketnom)

istraživanju. Kao instrument za prikupljanje podataka koristiće se anketni upitnik čiju

konceptualnu osnovu čini teorija klastera M. Portera a čiji se empirijski aspekt odnosi na

činjenice o relevantnoj saradničkoj praksi nezaposlenih mladih, preduzeća i preduzetnika iz

Jablaničkog okruga. Broj varijabli koje će biti analizirane je 15. Uzorak na kome će se

4

sprovesti istraživanje predviđa anketiranje najmanje 120 poslovnih aktera, u okviru čega je

predviđeno da 50% obuhvati pripadnike grupe nezaposlenih mladih, a 50% firme i

preduzetnike sa područja Jablaničkog i Pčinjskog okruga.

2. CILJ ISTRAŽIVANJA

Cilj istraživanja je da odgovori na pitanje: KAKO SE GRUPIŠU POTENCIJALNI ČLANOVI

KLASTERA ZA PREDUZETNIČKU AKTIVACIJU MLADIH NA OSNOVU IDEJA KOJE SU IM

ZAJEDNIČKE ZA 15 NAVEDENIH KARAKTERISTIKA SARADNIČKOG PONAŠANJA? Predmet

istraživanja je saradničko ponašanje potencijalnih članova regionalnog klastera za

preduzetničku aktivaciju mladih. Istražuje se postojanje i broj različitih homogenih grupa u

koje se svrstavaju ispitanici na osnovu ideja kojima se rukovode tokom saradnje i koje, po

prirodi stvari, imaju različitu vrednost za formiranje i funkcionisanje budućeg klastera.

3. KARAKTERISTIKE ISTRAŽIVAČKOG PITANJA

Konceptualna validnost - Pojmovni okvir istraživanja ima interdisciplinarnu osnovu koju

čine odgovarajuće filozofske, sociološke, ekonomske i psihološke teorije. S tim u vezi,

ključni pojmovi koristiće se u sledećim značenjima:

Ponašanje (od „nositi se“) – Način postojanja i delovanja u svetu. Proces ponašanja odvija

se u tri faze: a) saznajna; b) emotivna; i c) voljna.). Četiri nedeljive komponente

ponašanja su: 1) aktivnost; 2) mišljenje; 3)osećanje i 4) fiziologija.

Saradnja – Postupak ili proces zajedničkog rada sa zajedničkim ciljem. Osnovne

pretpostavke za trajniju saradnju su recipročnost i horizont budućnosti. U saradnji nije

neophodno da učesnici budu racionalni: evolucioni proces dopušta opstanak uspešnih

strategija, premda igrači ne znaju kako i zašto do toga dolazi. Sama recipročnost je

dovoljna da ukaže da je varanje neproduktivno. Saradnja zasnovana na recipročnosti

upravlja sama sobom.

Ekonomski klaster (eng. „cluster“- „grozd“, „jato“, „skupina istovrsnih stvari“) – Grupa

međusobno povezanih pojedinaca, kompanija i odgovarjućih institucija lociranih u

blizini koje se bave određenom delatnošću, a povezuju ih zajedničke karakteristike i

komplementarnost; kombinacija konkurencije i saradnje; oblik međusobnog

povezivanja poslovnih aktera lokalno, da bi rasli globalno.

Preduzetnička aktivacija nezaposlenih mladih – Priprema nezaposlenih mladih radnog

uzrasta od 15-30 godina za „start-up“ ili za konkurentno pozicioniranje na tržištu rada u

Jablaničkom okrugu. Suština pripreme je u izgradnji održive strateške pozicijie.

Teorijska relevantnost – Teorijski osnov istraživanja čini teorija klastera M. Portera.

Njeni koreni nalaze se u ekonomskoj teoriji A. Marshall-a (1890), dok su ključni aspekti

klastera osvetljeni u brojnim radovima iz oblasti ekonomske geografije, ekonomike

5

aglomeracije, urbane i regionalne ekonomike, socijalnih mreža, industrijskih zona itd. U

suštini je reč o teoriji koja predstavlja integralni deo savremene teorije konkurentnosti.

Za razliku od tradicionalnog pristupa konkurentnosti, koji sposobnost za ekonomsko

nadmetanje zasniva na minimiziranju troškova u relativno zatvorenim privredama,

savremeni pristup ovom fenomenu karakteriše uvažavanje značaja inovacija, traganja

za strateškim razlikama i stvarne ekonomske uloge lokacije. Sa svoje strane, to znači da

konkurentnost jednog preduzetnika (firme) ne zavisi od toga u kojoj delatnosti

konkuriše, već kako to čini. Postulati savremene teorije konkurentnosti su da: nema

prosperiteta i životnog standarda bez konkurentnosti; nema konkurentnosti (što znači i

zapošljavanja) bez produktivnosti; nema produktivnosti bez kvalitetnog lokalnog

poslovnog ambijenta; nema kvalitetnog lokalnog poslovnog ambijenta bez klastera. Kao

sistem tvrdnji o fenomenu geografske koncentracije međusobno povezanih ekonomskih

aktera (preduzetnika, firmi, specijalizovanih dobavljača, davalaca usluga, organizacija

koje se bave srodnim delatnostima i relevantnih institucija koji u određenim oblastima

međusobno konkurišu, ali i sarađuju), Porterova teorija klastera pruža obrazac za

postizanje konkurentskog uspeha jedne lokacije, te povećanje životnog standarda i

prosperiteta njenog stanovništva. Prema ovoj teoriji, ključni pozitivni uticaji klastera na

konkurenciju - što znači i na (samo)zapošljavanje – ostvaruju se kroz: a) povećanje

produktivnosti preduzetnika, firmi i grupacija u njegovom sastavu; b) povećanje

sopstvenog kapaciteta za inovacije i c) podsticanje osnivanja novih firmi.

Praktična relevantnost – Radi se o istraživanju koje ima izuzetan praktični značaj, i to ne

samo kada je reč o projektu u sklopu kojeg se realizuje. Kada je reč o projektu, rezultati

istraživanja omogućuju razvijanje projektovanih promena u oblasti razvoja mehanizama

preduzetničke podrške mladima na lokalnom i regionalnom nivou, što je integralni deo

promena u oblasti konkurentnosti, ekonomskog rasta, zaposlenosti itd. Takođe,

istraživanje otvara mogućnost za ostvarenje kompleksnih društvenih promena na putu

ka razvoju tržišnog društva na ovim prostorima, uključujući i promene relevantnih

javnih politika. Pružajući bazični uvid u postojeća iskustva i karakteristike međusobnog

povezivanja lokalnih poslovnih aktera u oblasti preduzetničke aktivacije mladih, ono

ukazuje na spontano nastale, uspešne saradničke strategije, odnosno omogućuje njihovo

lakše usvajanje, širenje, unapređivanje. Na takvoj osnovi efikasnije se

uklanjaju/premošćuju lokalne prepreke koje stoje na putu ka aktiviranju

preduzetničkog potencijala mladih, kao bitnom interesu lokalne zajednice. Sa svoje

strane, takve društvene promene, koje unose elemente tržišnog dinamizma u

zajednicu (inovativnost, sklonost za prihvatanje rizika), povećavaju asocijacijske

mogućnosti lokalne zajednice čineći je globalnim društvenim akterom.

Empirijska validnost – Istraživačko pitanje je postavljeno na način koji omogućava da se

istraživačkim postupkom dođe do odgovora na osnovu empirijskog materijala

6

prikupljenog u tom procesu. Empirijski karakter postavljenog pitanja ogleda se u

njegovoj upućenosti na stvarnost, a ne na teoriju, na iskustvene činjenice, a ne na

teorijske koncepte. Istražuje se stvarnost međusobnog sarađivanja, koja se sastoji od

događaja koji se čulno registruju, koji se pamte, u kojima se vrši uticaj na sagovornika, u

kojima se aktivno, stvarački učestvuje sa sopstvenim (firminim) mišljenjima,

kalkulacijama, praktičnim interesima, planovima, očekivanjima, željama da se uspe,

emocijama, predstavama o sopstvenim prednostima i prednostima okruženja,

karakteristikama saradnika, sopstvenoj konkurentnosti itd.

4. KONCEPTUALNI OKVIR ISTRAŽIVANJA

4.1. Fokus istraživanja

Istraživanje se fokusira na pitanje koje je važno za početnu fazu rada na organizovanju

klastera za preduzetničku aktivaciju mladih kao geografske koncentracije međusobno

povezanih preduzeća, organizacija, institucija i nezaposlenih mladih, koji zajedničkim

delovanjem u oblasti preduzetničkog aktiviranja mladih poboljšavaju svoj nastup na tržištu

i postižu konkurentsku prednost. U tom smislu, istražuje se da li potencijalni članovi

klastera razmišljaju u opštijim evaluativnim dimenzijama i kako se oni grupišu na

osnovu tih dimenzija. To podrazumeva utvrđivanje međuodnosa (korelacije) među 15

varijabli (odgovori na anketni upitnik) izvedenih iz ključnih aspekata teorije klastera, ili

teorija neposredno povezanih sa njom, kao i razvrstavanje ispitanika na osnovu utvrđenih

dimenzija u homogene grupe.

4.2. Ključni pojmovi

Ključni pojmovi koji se koriste u istraživanju su:

Klaster za preduzetničku aktivaciju mladih - Geografska koncentracija međusobno

povezanih preduzeća, organizacija, institucija i nezaposlenih mladih, koji zajedničkim

delovanjem u oblasti preduzetničkog aktiviranja mladih poboljšavaju svoj nastup na

tržištu i postižu konkurentsku prednost; Sistem međusobno povezanih tržišnih aktera

čija je vrednost u celini veća od zbira njihovih delova.

Konkurentska prednost – kvalitet konkurentske pozicije pojedinca, firme, lokacije nacije;

konkurentska pozicija zasnovana na produktivnosti i traganju za strateškim razlikama;

Konkurentska prednost lokacije – Kvalitet lokalnog poslovnog ambijenta određen: a)

lokalnim faktorskim uslovima; b) lokalnim kontekstom u kojem se formuliše strategija i

ispoljava rivalstvo; c) lokalnim uslovima tražnje; d) lokalnim prisustvom srodnih i

pratećih grupacija (pre svega klastera).

7

Preduzetništvo - Način razmišljanja, odnosno proces stvaranja i razvijanja ekonomskih

aktivnosti kombinovanjem rizika, kreativnosti i/ili inovativnosti uz pouzdanu

upravljačku strukturu unutar nove ili postojeće organizacije.

Konkurentnost – Sposobnost za nadmetanje igrača u tržišnoj utakmici, odnosno za

kreiranje sadržaja te utakmice. Može se odnositi na pojedinca, firmu, sektor, lokaciju,

region, naciju.

Produktivnost – Vrednost stvorena po danu rada i jedinici upotrebljenog kapitala ili

fizičkih sredstava. Prosperitet jedne lokacije zavisi od produktivnosti onoga što na njoj

locirane firme odluče da rade.

Inovativnost – Sposobnost transformacije ideja u korisne pronalaske odnosno

proizvode. Najpre nastaje invencija (“dosetljivost”), koja predstavlja ideju, opis ili model

za novo poboljšano sredstvo, proizvod, proces, ili sistem. Potom nastaje potencijalna

inovacija kao moguće upotrebljiv ili drugačije koristan novi izum, utemeljen u

inovativnosti. Suština razvojnih promena ogleda se u inovativnosti.

Potrebe – Skup dinamičkih snaga unutar pojedinca ili grupe koje svojim prisustvom čine

neophodnim da se nešto ispuni, ostvari, pokrene, pokuša.

Interesi – Nastojanja da se pređe rastojanje između potrebe i objekta te potrebe

(momenta zadovoljenja). To podrazumeva određenu akciju prema predviđenom objektu

potrebe.

Lokalni/regionalni mentalitet – Karakteristična, pretežna razmišljanja i sklopovi

načina ponašanja, verovanja i emocionalnog reagovanja jedne

lokalne/regionalne društvene grupe. Pojam može biti i negativno konotiran

kao predrasuda ili stereotip. S druge strane može biti korišten i kao opis za osnovno

ponašanje društvenih zajednica

Životni ciklus preduzeća - Teorija da se preduzeće razvija po predvidivom obrascu,

odnosno po fazama.

Varijabla (promenljiva) – Svaka pojava koja se menja u stepenima i svojstvima

ispoljavanja, svaka veličina koja raste i/ili opada.

Faktor – Činilac. U faktorskoj analizi označava osnovnu dimenziju koja sumira osnovni

skup opserviranih varijabli.

4.3. Pretpostavke

Kritične pretpostavke koje su u osnovi faktorske analize, su više konceptualne nego

statističke1. Konceptualne pretpostavke koje se nalaze u osnovi faktorske analize, su u vezi

sa setom selektovanih varijabli i odabranim uzorkom. Osnovna pretpostavka faktorske

analize je da u setu selektovanih varijabli postoji neka osnovna struktura. Pri tome,

faktorska analiza zahteva prisustvo određenih teorijskih pretpostavki o zajedničkoj

1 Sa statističkog stanovišta, odstupanja od normalnosti, homoskedastičnosti i linearnosti, se primenjuju samo

u meri u kojoj ona smanjuju opservirane korelacije

8

strukturi podataka, čime, između ostalog, metodološko i epistemološko utemeljenje ove

vrste analize dobija na značaju. Da bi bili analitički produktivniji, osnovni pojmovi

(“konkurentnost”, “klaster”, “produktivnost”, “inovacija” itd.) su prethodno definisani.

Ključno očekivanje je da, u skladu sa teorijom klastera, saradničko ponašanje potencijalnih

članova klastera ima karakteristike koje podržavaju osnivanje i funkcionisanje ovog

organizacionog mehanizma, pre svega ostvarivanje njegove uloge pokretača regionalne

konkurentnosti. U tom smislu, očekivanja u pogledu broja i prirode izdvojenih faktora su

usmerenost ispitanika na povećanje sopstvene produktivnosti i inovativnosti, proširivanje i

razvoj poslovanja (osnivanje novih firmi, novo zapošljavanje) i poboljšanje sopstvenog

okruženja. Sa svoje strane, to zahteva ne samo postojanje specifičnih očekivanja u pogledu

broja i prirode izdvojenih faktora (usmerenost na produktivnost, inovacije, širenje posla i

poboljšanje okruženja), već i očekivanja u pogledu osnovnih promenljivih koje predstavljaju

pojavni oblik latentnih faktora, kao i toga da li su faktori u međusobnoj korelaciji. S tim u

vezi:

Prvi pretpostavljeni faktor, pod nazivom „ekspanzija sa mladima“, izveden je iz a) opšte

osobine klastera da podiže konkurentnost kroz podsticanje osnivanja novih firmi i b)

posebne osobine projektovanog klastera – da podstiče preduzetničku aktivaciju mladih

kroz saradnju poslovnih aktera. Svakako, u uslovima segmentiranog tržišta rada kakvo

danas postoji u Srbiji i uzrastom (prirodno) uslovljenog nedostatka poslovnog iskustva

mladih, poslovno razmišljanje koje uključuje preduzetnički interes mladih predstavlja

pretpostavku svih pretpostavki, kada je reč o organizovanju jednog ovakvog klastera. U tom

smislu, očekivanje je da ovaj faktor pruži objašnjenje za varijable:

V1 - Startna pozicija

V2 - Kreativizacija

V3 – Proaktivnost

V4 - Horizont budućnosti

V5 - Reciprocitet

Drugi pretpostavljeni faktor, pod nazivom „konkurentnost”, izveden je iz osobine klastera

da podiže konkurentnost svojih članova kroz povećanje njihove produktivnosti i inovacijske

sposobnosti, što sa svoje strane podrazumeva postojanje takvog načina poslovnog

razmišljanja koje je orijentisano na unapređenje ovih poslovnih performansi. Mada je

ovakav način razmišljanja nešto sasvim prirodno za razvijene tržišne privrede, gde su inače

klasteri i nastali, kada je reč o zemljama čija je privreda izložena višedecenijskom socijalno-

političkom inženjeringu, postojanje ovakvog načina razmišljanja je nešto što se tek

izgrađuje, pa u tom smislu njegovo postojanje predstavlja i preduslov održivosti klastera

9

koji se formiraju u takvom ambijentu. U tom smislu, očekivanje je da ovaj faktor pruži

objašnjenje za varijable:

V6 – Blizina

V7 – Zajedništvo

V8 – Mentalitet

V9 – Inovacije

V10 - Rizici

V11 - Produktivnost

V12 – Troškovi

Treći pretpostavljeni faktor, pod nazivom “okruženje”, izveden je iz karakteristike klastera

da predstavlja manifestaciju uloge lokacije u podizanju konkurentnosti. Polazi se od toga da

je za konkurentnost poslovnih aktera na jednoj lokaciji najvažnija vrsta poslovnog

okruženja koju im ta lokacija nudi, a ne sama raspoloživost radne snage, kapitala i prirodnih

resursa na njoj, do čega se lako dolazi na drugim mestima. Upravo zato što je u zemljama

tranzicije preovlađujuće razmišljanje da je za konkurentnost poslovnih aktera najvažnija

raspoloživost proizvodnih faktora, a ne vrsta poslovnog okruženja koju ta lokacija nudi, od

izuzetnog je značaja da se razmotri prisustvo elemenata ovog drugog načina razmišljanja,

bez čega nema održivog klastera. S tim u vezi, očekivanje je da ovaj faktor pruži objašnjenje

za varijable:

V13 – Pristup

V14 – Uticaj

V15 - Strategija

4.4. Anketna pitanja

Pitanja za koja se pretpostavlja da mogu da obezbede uvid u postojanje latentnih

karakteristika saradničkog ponašanja potencijalnih članova klastera za preduzetničku

aktivaciju mladih su:

P1 - Za koju od navedenih faza životnog ciklusa preduzeća su vezani Vaši poslovni planovi?

(faza ideje, faza početka, faza rasta, faza učvršćenja, faza širenja, faza izlaza).

P2 - Da li ste do sada sarađivali sa nekim na preduzetničkom aktiviranju mladih?

10

P3 - Da li imate potrebu da sa nekim iz Jablaničkog okruga sarađujete na preduzetničkom

aktiviranju mladih?

P4 - Da li ste pokušavali da povećate svoje poslovne mogućnosti uključujući se u proces

preduzetničkog aktiviranja mladih?

P5 - Da li ste imali situaciju gde utvrđujete zajednički interes na relaciji (preduzetnička

ideja mladih/preduzetnička radna usluga mladih) (firma)?

P6 - Da li ste u svojim poslovnim aktivnostima koristili prednosti koje pruža saradnja

unutar zajedničke lokacije (uštede po osnovu zajedničkog korišćenja resursa, bolji protok

informacija, pristup prijateljskim mrežama, postojanje uzajamnog poverenja i sl.)?

P7 - Da li ste u svojim poslovnim aktivnostima koristili prednosti koje pruža saradnja

unutar lokalne zajednice kojoj pripadate (osećaj zajedničkog interesa, pristup resursima

prijatelja, olakšano dobijanje garancija, dobar protok informacija, davanje prednosti

pripadniku zajednice i sl.)?

P8 - Da li ste u svojim poslovnim aktivnostima koristili prednosti koje pruža saradnja

unutar istog regionalnog mentaliteta (olakšano sporazumevanje, zajednička verovanja,

poznavanje načina na koji reaguje “zemljak”, preporuka od uglednog suseda i sl.)?

P9 - Da li ste pokušavali da inovirate svoje znanje/poslovanje uključujući se u proces

preduzetničke aktivacije mladih?

P10 - Da li ste pokušavali da smanjite rizik od poslovnog neuspeha povezujući se u neku od

saradničkih mreža?

P11 - Da li ste pokušavali da svoje znanje/poslovanje učinite produktivnijim uključujući se

u proces preduzetničke aktivacije mladih?

P12 - Da li ste pokušavali da smanjite svoje troškove razvoja/obezbeđenja ljudskog kapitala

uključujući se u proces preduzetničkog aktiviranja mladih?

P13 - Ocenite svoja iskustva u korišćenju usluga javnih institucija/javnih dobara kada je reč

o preduzetničkom aktiviranju mladih (obrazovne institucije, NSZ, nadležni organi i

organizacije lokalne samouprave itd.).

P14 - Ocenite svoja iskustva u uticanju na poboljšanje sledećih javnih politika - obrazovna

politika, politika tržišta rada, politika preduzetničkih podsticaja i subvencija, poreska

politika, omladinska politika.

P15 - Da li ste povećavali svoju konkurentnost trudeći se da budete isti kao oni najbolji, ili

trudeći se da budete drugačiji od svojih rivala (na tržištu rada/proizvoda/ usluga)?

11

4.5. Veličina i struktura uzorka

Kada je reč o veličini uzorka, smatra se da nije preporučljivo analizirati uzorak koji ima

manje od 50 jedinica, kao i da je poželjno da uzorak ima barem 100 jedinica, s obzirom da

se stabilniji koeficijenti mogu očekivati tek kad je broj podataka iz kojih se mogu izračunati

veći od 100.Kod faktorske analize važi kao pravilo da treba da postoji barem pet puta više

jedinica nego što ima varijabli u bazi. U ovom istraživanju broj varijabli je 15, što znači da

ukupan broj anketiranih od 123 daje 8,2 jedinice na jednu originalno promenljivu. Od

ukupnog broja anketiranih, 62 su firme i preduzetnici sa područja Jablaničkog i Pčinjskog2

okruga, a 61 su nezaposleni mladi sa područja Jablaničkog okruga. U anketiranju su

učestvovali: Regionalna privredna komora Leskovac (anketiranje 51 firme); služba NSZ-

Filijala Leskovac (anketiranje 37 nezaposlenih mladih); volonterski tim Omladinskog

foruma EPuS-a Leskovac (anketiranje 34 nezaposlenih mladih i 12 preduzetnika).

5. METODOLOGIJA ISTRAŽIVANJA

Istraživanje je sprovedeno u dve faze: 1) Faza identifikovanja i izgradnje razumevanja

osnovnih ideja koje povezuju istraživane karakteristike; 2) Faza svrstavanja ispitanika u

homogene grupe – klastere. U prvoj fazi istraživanja primenjena je:

5.1. Faktorska analiza

Predstavlja empirijsku podršku za rešavanje konceptualnih pitanja (utvrđivanje osnovnih

ideja) u vezi sa osnovnom strukturom podataka, pružajući jasno razumevanje toga koje

varijable mogu delovati saglasno zajedno, i za koliko se varijabli može očekivati da će imati

uticaja u analizi. Opšta svrha faktorske analize jeste da pronađe način da se sažmu

informacije koje se nalaze u velikom broju originalnih promenljivih u manji set novih

faktora3, sa minimalnim gubitkom informacija, tj. da se traže i definišu fundamentalni

konstrukti ili latentne dimenzije za koje se pretpostavlja da su predstavljene u originalnim

varijablama. To je tehnika međuzavisnosti u kojoj se sve varijable istovremeno razmatraju,

pri čemu je svaka u vezi sa svima ostalima. Definisanjem osnovne strukture podataka

faktorska analiza predstavlja odličnu početnu poziciju za mnoge druge multivarijacione

tehnike, pa se smatra korisnim da se na osnovu ocenjenog modela faktorske analize

izračuna ili oceni vrednost faktora za svaku jedinicu posmatranja. Te realizovane vrednosti

nazivaju se faktorski skorovi (bodovi) i oni se mogu koristiti u analizi grupisanja i drugim

analizama. Faze u okviru kojih je realizovana faktorska analiza su: 1) Utvrđivanje ciljeva; 2)

2 Istraživanje je prošireno na firme sa područja Pčinjskog okruga iz strateških razloga, s obzirom na

orijentaciju kreatora klastera da funkcionisanje budućeg klastera obuhvati celu južnu Srbiju. 3 Nevidljive varijable koje utiču na više od jedne posmatrane promenljive i koje predstavljaju korelacije između datih promenljivih.

12

Dizajniranje; 3) Utvrđivanje pretpostavki; 4) Izvođenje faktora i procenjivanje opšteg

uklapanja; 5) Interpretiranje faktora; 6) Validacija; 7) Dodatna upotreba u klaster analizi.

Osnovne metode, tehnike i instrumenti korišćeni u analizi su: multivarijaciona statistička

analiza, operacionalizacija pojmova, uzorkovanje, anketiranje, analiza glavnih komponenti,

korelaciona matrica, standardi adekvatnosti uzorkovanja, Bartlett-ov test sferičnosti,

Varimax rotacija, varijansa i druge statističke metode, dijagrami itd. Na faktorsku analizu

nadovezuje se:

5.2. Klaster analiza

Predstavlja jednu od multivarijacionih tehnika čija je osnovna svrha grupisanje objekata

na osnovu njihovih osobina. Klaster analiza se smatra najprikladnijom metodom

svrstavanja posmatranih jedinica u grupe (klase, klastere) koje poseduju što sličnija

obeležja. Primenom ove metode klasteri se dobijaju pomoću formalizovanih algoritama. Pri

tome, u klaster analizi se istovremeno i zajedno analiziraju više varijabli kao deo jedne

celine. Predmet klaster analize su objekti ili ispitanici. Za razliku od ostalih

multivarijacionih statističikh tehnika klaster analiza varijable ne procenjuje empirijski već

koristi varijable koje su zadate od stane samog istraživača. Izbor varijabli je presudni

korak i zavisi od ciljeva koji se žele postići. U analizu se uključuju one varijable koje

reprezentuju koncept sličnosti koji se istražuje. Najčešće se odabir varijabli vrši na osnovu

teorijskih pretpostavki ili modela. Često se dešava i da se rezultati faktorske analize

koriste kao ulazne varijable klaster analize. Faze klaster analize su: 1) Definisanje

problema; 2) Odluka o adekvatnoj meri sličnosti; 3) izbor metoda klasterovanja; 4) Odluka

o načinu grupisanja; 5) Određivanje broja klastera; 6) interpretacija rezultata. Osnovne

metode, tehnike i instrumenti koji se koriste u ovoj analizi su: mere udaljenosti, koeficijenti

korelacije, metode hijerarshijskog i metode nehijerarhiskog klasterovanja.

13

6. I S T R A Ž I V A N J E

6.1. F A K T O R S K A A N A L I Z A

Postoje dve vrste faktora u faktorskoj analizi: zajednički i specifični faktori. Zajednički

faktori su oni čije varijacije su podeljene između dve ili više varijabli iz skupa varijabli.

Specifični faktori su oni čije su varijacije vezane za pojedinačne varijable. Faktorska analiza

identifikuje samo zajedničke faktore.

6.1.1. Korelaciona matrica

Da bi se odredile metode faktorske analize koje će se primijeniti potrebno je izračunati i

ispitati korelacionu matricu ulaznih (manifestnih, originalnih) varijabli. Primena faktorske

analize podrazumijeva ispunjavanje određenih uslova, kako bi se došlo do pouzdanih i

relevantnih rezultata. Ukoliko postoje visoke korelacije između odabranih varijabli,

primena faktorske analize je opravdana. Analiza konstruisane korelacione matrice

omogućava donošenje odluke da li su ulazne, originalne varijable značajno i dovoljno

korelirane. Ukoliko su originalne varijable međusobno korelirane, mogu se određivati

faktori kao hipotetičke komponentne međusobno nekoreliranih varijabli. Poostoji veći broj

kriterija za uključivanje varijabli u analizu, jedan koji se najčešće primenjuje je minimalna

apsolutna vrijednost koeficijenta korelacije od 0,3.

Korelaciona4 matrica podataka

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15

V1 1,000

V2 ,069 1,000 ,

V3 ,167 ,370 1,000

V4 -,101 ,194 ,253 1,000

V5 -,166 ,184 ,082 ,482 1,000

V6 -,148 ,194 ,144 ,339 ,259 1,000 ,

V7 ,035 ,027 ,169 ,263 ,220 ,552 1,000

V8 -,277 -,003 ,006 ,253 ,342 ,465 ,475 1,000 ,

V9 -,058 ,146 ,318 ,480 ,430 ,314 ,401 ,434 1,000

V10 ,007 ,014 ,037 ,258 ,214 ,307 ,409 ,373 ,434 1,000

V11 -,119 ,199 ,273 ,563 ,327 ,362 ,378 ,213 ,620 ,308 1,000

V12 -,007 ,162 ,192 ,434 ,237 ,373 ,400 ,299 ,505 ,378 ,588 1,000

4 Korelacija (lat. con – „sa“, relatio –„odnos“) predstavlja odnos ili međusobnu povezanost između različitih pojava predstavljenih vrednostima dvaju pojava. Koeficijet korelacije predstavlja meru jačine linearne veze.

14

V13 ,091 ,071 ,056 -,120 -,016 -,065 -,135 ,085 -,098 -,037 -,136 -,102 1,000

V14 ,095 ,078 ,056 -,103 -,081 -,190 -,211 -,046 -,160 -,124 -,133 -,248 ,705 1,000

V15 ,288 ,170 ,169 -,054 -,185 -,106 -,066 -,246 -,201 -,073 -,084 -,013 ,341 ,303 1,000

Data korelaciona matrica podataka, koja pruža uvid u stepen međusobne povezanosti originalnih promenljivih (varijabli), predstavlja osnovu za sprovođenje faktorske analize. U tabeli koja sledi data je i inverzna varijanta, što sa svoje strane dokazuje regularnost originalne matrice.

Inverzna korelaciona matrica podataka

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15

V1 1,297

V2 -,050 1,299 ,

V3 -,143 -,397 1,416

V4 ,015 ,034 -,188 1,856

V5 ,088 -,237 ,161 -,587 1,540

V6 ,149 -,296 -,036 -,218 ,021 1,796 ,

V7 -,331 ,226 -,170 ,179 -,055 -,675 1,959

V8 ,450 ,061 ,144 -,066 -,172 -,411 -,594 2,042 ,

V9 -,171 ,036 -,489 -,101 -,366 ,265 -,023 -,585 2,446

V10 -,105 ,037 ,180 -,047 ,015 -,061 -,255 -,191 -,395 1,434

V11 ,319 -,088 -,033 -,573 ,039 -,182 -,312 ,521 -,907 ,026 2,416

V12 -,122 -,095 ,053 -,215 ,132 -,089 -,095 -,180 -,222 -,199 -,724 1,900

V13 -,069 ,061 -,057 ,292 -,190 -,172 ,268 -,392 -,009 -,036 ,169 -,235 1,900

V14 -,042 -,112 -,040 -,172 ,117 ,262 ,054 -,090 ,104 ,028 -,285 ,491 -,235 2,266

V15 -,200 -,168 -,146 -,137 ,160 ,061 -,162 ,291 ,291 -,048 ,035 -,169 ,491 -,107 1,430

6.1.2. Mera adekvatnosti uzorkovanja

Mera za kvantifikovanje stepena interkorelacija među varijablama i podesnosti faktorske

analize, je mera adekvatnosti uzorkovanja (Kaiser-Meyer-Olkinova mera, ili Measure of

Sampling Adequacy - MSA). Ovaj indeks se kreće od 0 do 1, dostižući 1 kada je svaka

varijabla savršeno predviđena bez greške od strane ostalih varijabli. Ova mera se

interpretira sa sledećim smernicama:

0,80 ili iznad, vrlo jaka korelacija;

0,70 do 0,80, jaka korelacija;

0,60 do 0,70 srednja korelacija;

15

0,50 do 0,60 slaba korelacija; a

ispod 0,50, neprihvatljiva korelacija.

MSA se povećava kako se:

(1) povećava veličina uzorka,

(2) povećavaju prosečne korelacije,

(3) povećava broj varijabli ili

(4) opada broj faktora.

Smernice su da se prvo ispitaju MSA vrednosti za svaku varijablu i da se isključe one koje

spadaju u kategoriju neprihvatljivih. Kada individualne varijable dostignu prihvatljiv nivo,

onda se opšta MSA može evaluirati i doneti odluka o produženju faktorske analize. U ovom

istraživanju, kako sledi, podesnost faktorske analize ima indeks 0,761, što znači da je svaka

varijabla predviđena na srednjem nivou adekvatnosti uzorkovanja, što se može smatrati

sasvim zadovoljavajućim u odnosu na utvrđene mere. U tabeli koja sledi date su Kaiser-

Meyer-Olkinova mere za svaku od originalnih promenljivih, odakle se jasno vidi da ni jedna

od varijabli nema vrednost koja bi se po navedenim smernicama smatrala neprihvatljivom.

Od 15 definisanih varijabli, 5 se nalazi u kategoriji “vrlo jakih”, 5 u kategoriji “jakih”, 3 u

kategoriji “srednjih”, a samo 2 u kategoriji “slabih” korelacija.

Kaiser-Meyer-Olkinova mere

Varijabla Kaiser-Meyer-Olkinova mera

V1 – startna pozicija ,563

V2 - kreativizacija ,652

V3 - proaktivnost ,691

V4 - horizont budućnosti ,834

V5 - reciprocitet ,799

V6 - blizina ,817

V7 - zajedništvo ,787

V8 - mentalitet ,738

V9 - inovacije ,818

V10 - rizici ,888

V11 - produktivnost ,788

V12 - troškovi ,853

V13 - pristup ,544

V14 - uticaj ,600

V15 - strategija ,723

16

6.1.3. Bartlett-ov test sferičnosti

Predtavlja statistički test prisustva korelacija među varijablama. On obezbedjuje statističku

verovatnoću (p<0,05) da korelaciona matrica ima značajne korelacije bar među nekim

varijablama. Iz tabele koja sledi, gde su date vrednosti i za mere adekvatnosti uzorkovanja i

za Barlett-ov test sferičnosti, može se videti da je Bartletov test sferičnosti značajan

(p=0,000), što znači da se sa faktorskom analizom može nastaviti.

Mera adekvatnosti uzorkovanja

,761

Bartlettov test

sferičnosti

Približno HI-kvadrat

602,688

stepeni slobode

105

nivo značajnosti

,000

6.1.4. Metod glavnih komponenti

U daljem toku istraživanja „izvučeni“ su zajednički faktori koji se nalaze u tabeli

koeficijenata korelacije, što je izvedeno uz pomoć analize glavnih komponenti. Ta metoda

polazi od ukupne varijanse, odnosno ne diferencira zajedničku i specifičnu varijancu pre

strukturiranja varijabli u faktore. Stoga ekstrahovani faktori sadrže specifičnu varijansu.

Ovde se za početne komunalitete koriste jedinice, odnosno na glavnoj se dijagonali

korelacijske matrice nalaze jedinice. Analiza glavnih komponenti pronalazi grupe varijabli

koje imaju visoke koeficijente u okviru grupe a male u odnosu na druge grupe. Kod analize

glavnih komponenti 15 varijabli koje se analiziraju biće zamenjene sa 15 glavnih

komponenti, s tim što će samo nekoliko glavnih komponenti imati veliko prisustvo u

varijabilitetu podataka pa će samo one biti interesantne. Zbog toga se analiza glavnih

komponenti smatra pre svega tehnikom za redukciju obima podataka u kojoj je cilj dobiti

minimalni broj faktora koji imaju maksimalni udeo u ukupnoj varijansi originalnih varijabli.

Komponentna analiza razmatra ukupnu varijansu5 i izvodi faktore koji sadrže male

razmere jedinstvene varijanse i u nekim slučajevima, varijansu greške. Kod ove analize,

5 Osnovna pretpostavka kod analize varijanse je upoređivanje dva tipa varijacije, varijacija (varijansa) između grupa upoređuje se sa varijacijom (varijansom) unutar grupa, da bi se ocenila razlika između srednjih vrednosti. Mere varijacije se dobijaju "razdvajanjem" ukupne varijacije na varijaciju koja je posledica ispitivanog faktora uticaja (varijacija između grupa) i slučajnu varijaciju (varijacija unutar grupa).

17

jedinične vrednosti se unose na dijagonalu korelacione matrice, tako da se puna varijansa

uvodi u faktorsku matricu.

6.1.5. Komunalitet (zajednička varijansa)

Predstavlja procenat “objašnjenja” disperzije originalne promenljive zadržanim glavnim

komponentama. To je proporcija varijanse varijable koja je zajednička sa svim ostalim

varijablama zajedno. Ona pokazuje u kojoj meri (procentu) je varijansa originalne

promenljive objašnjena zajedničkim faktorima. Npr. komunalitet za varijablu1 iz tabele koja

sledi iznosi 0,596. To pokazuje da je 59,6% od varijcije ukupne varijable obuhvaćeno sa 4

zajednička faktora. Isto tako, 40,4% varijacija se odnosi na specifičnost same varijable plus

određeni iznos greške u merenju (e). Za 15 varijabli istraživanog saradničkog ponašanja

komunaliteti se kreću od 46,7% do 83,8%. To znači da su prilično visoki i da mogu da

obuhvate barem jedan faktor i da neki imaju umereno opterećenje za više faktora. Ne

postoji čisto „nezavisna“ varijabla u analizi.

Komunaliteti (zajedničke varijanse)

Karakteristike ponašanja Početni Ekstrakovani

V1 – startna pozicija 1,000 ,591

V2 - kreativizacija 1,000 ,467

V3 - proaktivnost 1,000 ,529

V4 - horizont budućnosti 1,000 ,604

V5 - reciprocitet 1,000 ,549

V6 - blizina 1,000 ,490

V7 - zajedništvo 1,000 ,687

V8 - mentalitet 1,000 ,714

V9 - inovacije 1,000 ,625

V10 - rizici 1,000 ,511

V11 - produktivnost 1,000 ,630

V12 - troškovi 1,000 ,557

V13 - pristup 1,000 ,838

V14 - uticaj 1,000 ,796

V15 - strategija 1,000 ,569

Metod ekstrakcije: Analiza glavnih komponenti

6.1.6. Kajzerov kriterijum

Jedan od najpoznatijih kriterijuma za određivanje broja zajedničkih faktora je Kajzerov

kriterijum ili kriterijum jediničnog, odnosno latentnog korena. Prema ovom kriterijumu,

koji je primenjen u istraživanju, u modelu zadržavamo onoliko zajedničkih faktora koliko

ima karakterističnih korena uzoračke korelacione matrice koji su veći od jedinice.

18

Karakteristična vrednost faktora se definiše kao ukupna varijansa svih promenljivih

objašnjena tim faktorom. To znači, da bi se zadržao faktor za dalju interpretaciju, on treba

da objasni varijansu bar jedne promenljive.

Za faktorsku analizu glavnih komponenti karakteristično je da se ekstrahuju faktori čije su

svojstvene vrednosti veće od jedan. U tabeli koja sledi može se videti da su se izvojila četiri

faktora čija je karakteristična vrednost veća od 1 i koji zajedno objašnjavaju 61,1%

varijabiliteta. Ukoliko se dalje pogleda dijagram prevoja (Srceeplot), može se jasno uočiti

relativna zaobljenost dijagrama na prevoju i nešto naglašeniji lom na prevoju pete i šeste

komponente. Dakle, prva četiri faktora objašnjavaju mnogo veći deo varijanse od preostalih

faktora, pa se na osnovu ovoga može zaključiti da bi za dalju analizu trebalo zadržati samo

prva četiri faktora. To bi, dalje, značilo da su uz pomoć nekoliko kriterijuma za određivanje

broja ekstrahovanih faktora otkrivena četiri skrivena konstrukta čije pojavne oblike

predstavljaju analizirana ponašanja. No, na osnovu postupka faktorske analize koji

omogućava ekstrahovanje faktora još uvek nije moguće reći koja su to četiri latentna

faktora koji su otkriveni, kao ni to koje originalne promenljive određuju prvi, a koje drugi,

treći i četvrti faktor.

Karakteristične vrednosti ekstrahovanih faktora i % objašnjene varijanse6 (pre i nakon izvršene Varimax rotacije)

Komponente Inicijalne karakteristične vrednosti Ekstrahovane sume kvadrata opterećenja

Rotirane sume kvadrata opterećenja

Total % varijanse Kumulativna proporcija

Total % Varijanse Kumulativna proporcija

Total % Varijanse

Kumulativna proporcija

1 4,354 29,028 29,028 4,354 29,028 29,028 3,046 20,307 20,307

2 2,067 13,778 42,807 2,067 13,778 42,807 2,462 16,413 36,720

3 1,502 10,012 52,818 1,502 10,012 52,818 1,931 12,872 49,593

4 1,235 8,230 61,049 1,235 8,230 61,049 1,718 11,456 61,049

5 ,953 6,354 67,403

6 ,789 5,263 72,665

7 ,737 4,915 77,580

8 ,660 4,403 81,983

9 ,560 3,735 85,718

10 ,502 3,346 89,064

11 ,434 2,894 91,958

12 ,388 2,586 94,544

13 ,346 2,308 96,852

14 ,241 1,606 98,458

6 U društvenim naukama donja granica prihvatljivosti je kumulativno 60% varijanse objašnjene dobijenim faktorima.

19

15 ,231 1,542 100,000

Metod ekstrakcije: Analiza glavnih komponenti

6.1.7. Cattellov scree test.

Pored ovog kriterijuma, u istraživanju je korišćen Cattellov scree test. Pomoću Scree testa

identifikujemo optimalni broj faktora koji se mogu ekstrahovati pre nego što obim

specifične varijanse počne da dominira strukturom zajedničke varijanse kod poslednje

izvojenih faktora. Scree test se izvodi putem ucrtavanja karakterističnih vrednosti svih

faktora, a zatim na rezultirajućoj krivoj identifikujemo tačku preloma nakon koje ona

postaje horizontalna prava. Cattell preporučuje da se zadrže svi faktori iznad lakta, tj.

prevoja tog dijagrama, pošto oni najviše doprinose objašnjavanju varijanse u skupu

podataka. Bira broj faktora koji se nalazi u prelomnoj tački, ali se gleda i nivo varijabiliteta,

odnosno karakteristične vrednosti Prelom na krivoj se određuje tako što se prisloni lenjir

uz poslednje sopstvene vrednosti proveravajući da li one leže na pravoj liniji. Broj glavnih

komponenti određujemo tako što uočavamo tačku nakon koje spomenuta pravalinija ima

prelom, pri čemu se krećemo od većeg ka manjem rednom broju komponente. Bira se broj

faktora koji se nalazi u prelomnoj tački, ali se gleda i nivo varijabiliteta, odnosno

karakteristične vrednosti

Dijagram osipanja

20

6.1.8. Rotacija faktora

Da bi se identifikovala i razumela 4 otkrivena latentna faktora, kao i to koje originalne

promenljive ih određuju, u daljem toku istraživanja primenjena je rotacija faktora. Ovo iz

razloga, što nerotirana faktorska rešenja ekstrahuju faktore po redosledu njihove važnosti:

prvi faktor je opšti faktor, jer ovde skoro svaka varijabla značajno doprinosi faktorskom

opterećenju i na taj način prvi faktor objašnjava najveći obim varijanse. Drugi i naredni

faktori se potom zasnivaju na specifičnom obimu varijanse. Svaki objašnjava sukcesivno

manje delove varijanse. Otuda se može reći da je krajnji efekat rotiranja faktorske matrice

redistribucija varijanse sa „ranijih“ na kasnije faktore, ne bi li se na taj način ostvarila

jednostavnija faktorska - „jednostavna struktura“. U tom smislu, najčešće se upotrebljava

Varimax rotacija uz pomoć koje se pokušava da se minimizira broj promenljivih s visokim

apsolutnim vrednostima faktorskih težina. Svrha rotacije je da pojednostavi interpretaciju

faktora.

Varimax rotacija - koja spada u ortogonalne rotacije i koja daje rešenja, koje je lakše

protumačiti - generiše faktore koji imaju visoke korelacije sa manjim setom varijabli i niske

ili nikakve korelacije sa ostalim setom varijabli. Kod Varimax rotacionog pristupa,

maksimalna moguća simplifikacija se postiže, ako su u koloni samo jedinice i nule. Logika je

da je interpretacija najlakša kada su korelacije varijabla-faktor: (1) blizu +1 ili -1, stoga

indicirajući jasnu pozitivnu ili negativnu vezu između varijable i faktora; ili (2) blizu 0,

indicirajući jasan nedostatak povezanosti. Ova struktura je fundamentalno jednostavna. Pri

tome, ako se, kao što je u ovom istraživanju slučaj, redukuje veliki broj varijabli na manji set

nekoreliranih varijabli za narednu u potrebu u regresiji ili drugim tehnikama predvidjanja,

smatra se da je ortogonalno rešenje najbolje.

6.1.9. Faktorska opterećenja

Osim rotacije faktora, za adekvatnu interpretaciju rešenja faktorske analize neophodno je

razmotriti i faktorska opterećenja koja ukazuju na relativnu važnost svake karakteristike u

definisanju faktora. Opterećenja indiciraju stepen korespondentnosti izmedju varijable i

faktora, gde veća opterećenja čine varijablu reprezentom faktora To je zapravo koeficijent

korelacije između svake karakteristike (varijable, pitanja) i samog faktora. Kvadrat tog

koeficijenta pokazuje koliko je procenata varijacije u oceni zajedničko sa faktorom. Što je

veća korelacija, data karakteristika bolje opisuje faktor. Ova korelacija može biti i pozitivna

i negativna. Ako je korelacija pozitivna, onda pokazuje u kojoj meri određena varijabla

doprinosti tom faktoru, a ako je negativna, pokazuje koliko varijable ne učestvuje u datom

faktoru.

Iako ne postoje jasno definisani i široko prihvaćeni kriterijumi značajnosti faktorskih

opterećenja, može se reći da se faktorska opterećenja, koja se kreću od 0.30 do 0.40,

smatraju zadovoljavajućim i da dozvoljavaju interpretaciju strukture podataka, dok se

21

opterećenja veća od 0.5 smatraju praktično značajnim. Za faktorska opterećenja veća od 0.7

može se reći da su pokazatelj veoma dobro definisane strukture podataka i da ujedno

predstavljaju cilj svake faktorske analize. Pošto faktorsko opterećenje, kao što je upravo

rečeno, predstavlja korelaciju varijable i faktora, kvadrirano opterećenje je obim ukupne

varijanse varijable koji taj faktor objašnjava. Stoga, opterećenje od 0,30 znači da je

objašnjeno oko 10% varijanse, a opterećenje od 0,50 označava da faktor objašnjava 25%

varijanse. Opterećenje mora da pređe 0,70 da bi faktor objasnio 50% varijanse. Smatra se

da, bez obzira na odsustvo jasno definisanih kriterijuma značajnosti faktorskih opterećenja,

upravo mogućnost tumačenja rezultata putem koeficijenata koji u ovom slučaju odražavaju

jačinu međusobne povezanosti originalnih promenljvih i faktora u značajnoj meri doprinosi

objektivnosti izvedenih zaključaka faktorske analize. U ovom istraživanju, uzeta su u

razmatranje faktorska opterećenja koja se kreću na nivou od najmanje 0,.40 i više, tj, koja

objašnjavaju najmanje 16% varijanse.

Pored navedene skale, postoji i kriterijum za statističku značajnost faktorskih

opterećenja uz verovatnoću 95%, odnosno koliko treba da bude velik uzorak da bi se

određeni nivo faktorskog opterećenja smatrao značajnim, što je dato kako sledi:

Faktorsko opterećenje Veličina uzorka potrebna za značajnost7

0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75

350 250 200 150 120 100 85 70 60 50

U tabeli koja sledi date vrednosti faktorskih opterećenja pre varimax rotacije, gde svaka

kolona brojeva predstavlja odvojeni faktor. Kolone brojeva su faktorska opterećenja za

svaku varijablu na svakom faktoru. Ovako predstavljeni rezultati otežavaju interpretaciju

dobijenog rešenja faktorske analize, jer nismo u mogućnosti da zaključimo koje promenljive

određuju prvi, a koje drugi, treći i četvrti faktor.

7 Značajnost se bazira na nivou značajnosti 0,05 (α), nivou moći od 80%, i standardnim greškama za koje se

pretpostavlja da su dva puta veće od onih kod konvecionalnih koeficijenata korelacije.

22

Vrednosti faktorskih opterećenja pre varimax rotacijea

Metod ekstrakcije: Analiza glavnih komponenti; 4 komponente ekstrakovano.

Reprodukovane korelacije (a.reprodukovani komunaliteti) V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15

V1 ,591a ,121 ,266 -,176 -,381 -,077 ,086 -,319 -,133 ,026 -,074 ,060 ,072 ,059 ,482

V2 ,121 ,467a ,468 ,363 ,226 ,048 -,026 -,105 ,256 -,035 ,341 ,219 ,118 ,148 ,231

V3 ,266 ,468 ,529a ,360 ,154 ,120 ,114 -,103 ,300 ,069 ,387 ,321 ,064 ,070 ,304

V4 -,176 ,363 ,360 ,604a ,511 ,357 ,273 ,289 ,572 ,234 ,596 ,462 -,110 -,132 -,131

V5 -,381 ,226 ,154 ,511 ,549a ,304 ,166 ,389 ,473 ,173 ,455 ,299 ,003 -,017 -,256

V6 -,077 ,048 ,120 ,357 ,304 ,490a ,544 ,503 ,489 ,478 ,424 ,462 -,047 -,154 -,125

V7 ,086 -,026 ,114 ,273 ,166 ,544 ,687a ,502 ,473 ,586 ,397 ,522 -,103 -,240 -,055

V8 -,319 -,105 -,103 ,289 ,389 ,503 ,502 ,714a ,438 ,486 ,305 ,329 ,143 ,018 -,258

V9 -,133 ,256 ,300 ,572 ,473 ,489 ,473 ,438 ,625a ,407 ,609 ,550 -,120 -,191 -,145

V10 ,026 -,035 ,069 ,234 ,173 ,478 ,586 ,486 ,407 ,511a ,328 ,428 -,016 -,141 -,057

V11 -,074 ,341 ,387 ,596 ,455 ,424 ,397 ,305 ,609 ,328 ,630a ,546 -,174 -,218 -,097

V12 ,060 ,219 ,321 ,462 ,299 ,462 ,522 ,329 ,550 ,428 ,546 ,557a -,181 -,260 -,038

V13 ,072 ,118 ,064 -,110 ,003 -,047 -,103 ,143 -,120 -,016 -,174 -,181 ,838a ,800 ,411

V14 ,059 ,148 ,070 -,132 -,017 -,154 -,240 ,018 -,191 -,141 -,218 -,260 ,800 ,796a ,407

V15 ,482 ,231 ,304 -,131 -,256 -,125 -,055 -,258 -,145 -,057 -,097 -,038 ,411 ,407 ,569a

Metod ekstrakcije: Analiza glavnih komponenti

Karakteristike saradničkog ponašanja Komponente

1 2 3 4

V1 – startna pozicija -,175 ,386 -,413 ,491

V2 - kreativizacija ,233 ,493 -,286 -,298

V3 - proaktivnost ,304 ,523 -,394 -,091

V4 - horizont budućnosti ,678 ,154 -,110 -,330

V5 - reciprocitet ,561 ,034 ,189 -,444

V6 - blizina ,651 ,004 ,156 ,204

V7 - zajedništvo ,661 -,017 ,082 ,494

V8 - mentalitet ,597 -,086 ,580 ,119

V9 - inovacije ,781 ,092 -,019 -,080

V10 - rizici ,567 ,004 ,174 ,400

V11 - produktivnost ,743 ,141 -,186 -,154

V12 - troškovi ,704 ,101 -,173 ,149

V13 - pristup -,218 ,682 ,571 ,013

V14 - uticaj -,323 ,666 ,485 -,112

V15 - strategija -,240 ,649 -,154 ,257

23

Reprodukovane korelacije (a.reprodukovani komunaliteti)

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15

V1 -,052 -,100 ,075 ,215 -,071 -,051 ,042 ,074 -,019 -,045 -,068 ,019 ,036 -,194

V2 -,052 -,098 -,169 -,041 ,146 ,053 ,102 -,110 ,050 -,142 -,057 -,047 -,070 -,062

V3 -,100 -,098 -,106 -,073 ,024 ,055 ,109 ,018 -,033 -,114 -,129 -,009 -,013 -,135

V4 ,075 -,169 -,106 -,029 -,018 -,010 -,036 -,091 ,024 -,033 -,029 -,010 ,029 ,076

V5 ,215 -,041 -,073 -,029 -,045 ,054 -,047 -,043 ,040 -,128 -,063 -,019 -,064 ,070

V6 -,071 ,146 ,024 -,018 -,045 ,008 -,038 -,175 -,170 -,062 -,088 -,017 -,036 ,019

V7 -,051 ,053 ,055 -,010 ,054 ,008 -,027 -,072 -,177 -,019 -,122 -,032 ,029 -,011

V8 ,042 ,102 ,109 -,036 -,047 -,038 -,027 -,003 -,113 -,093 -,030 -,058 -,064 ,011

V9 ,074 -,110 ,018 -,091 -,043 -,175 -,072 -,003 ,027 ,011 -,045 ,022 ,031 -,056

V10 -,019 ,050 -,033 ,024 ,040 -,170 -,177 -,113 ,027 -,019 -,050 -,021 ,016 -,016

V11 -,045 -,142 -,114 -,033 -,128 -,062 -,019 -,093 ,011 -,019 ,041 ,038 ,086 ,013

V12 -,068 -,057 -,129 -,029 -,063 -,088 -,122 -,030 -,045 -,050 ,041 ,079 ,012 ,024

V13 ,019 -,047 -,009 -,010 -,019 -,017 -,032 -,058 ,022 -,021 ,038 ,079 -,095 -,070

V14 ,036 -,070 -,013 ,029 -,064 -,036 ,029 -,064 ,031 ,016 ,086 ,012 -,095 -,103

V15 -,194 -,062 -,135 ,076 ,070 ,019 -,011 ,011 -,056 -,016 ,013 ,024 -,070 -,103

Metod ekstrakcije: Analiza glavnih komponenti

6.1.10. Interpretacija faktora

Rotacijom faktora, kako je to dato u tabeli koja sledi, prezentovana su rotirana faktorska

rešenje, tj. omogućeno je jasnije sagledavanje prirode 4 ekstrakovana faktora. Kod 12 od 15

varijabli (komponenti) koje su uzete u razmatranje, imamo situaciju da varijabla ima samo

jedno opterećenje na jednom faktoru koje se smatra značajnim, što su situacije koje se u

teoriji faktorske analize smatraju idealnim. Pri tome, jedino kod V11 – produktivnost V15 –

strategija, pojavljuje se slučaj da najviše faktorsko opterećenje za odnosnu varijablu (0,640)

ne pripada faktoru koji treba da je objasni, mada je i u ovim slučajevima drugo po veličini

faktorsko opterećenje takođe praktično značajno (0,416, odnosno 0,408).

Vrednosti faktorskih opterećenja posle varimax rotacijeb

Karakteristike saradničkog ponašanja Komponente

1 2 3 4

V1 – startna pozicija ,022 ,038 ,021 ,767

V2 - kreativizacija -,086 ,652 ,138 ,125

V3 - proaktivnost ,054 ,652 ,063 ,312

V4 - horizont budućnosti ,288 ,664 -,087 -,268

24

Metod ekstrakcije: Analiza glavnih komponenti Metod rotacije: Varimax sa Kaiser normalizacijom; b. Konvergentne rotacije u 6 ponavljanja

Prvi faktor nosi 20,307% ukupnog varijabiliteta i ima značajno faktorsko opterećenje

pozitivnog predznaka na 6 varijabli. Naime, u prvoj koloni se jasno izdvaja grupa od 5

varijabli sa vrednostima faktorskih opterećenja od 0,535 do 0,810, koje se smatraju

praktično značajnim. To znači da je ekstrahovan faktor “konkurentnost” (kolona 1), koji

se sa 65,6% (0,810x0,810) odražava u analiziranoj karakteristici saradničkog ponašanja

“zajedništvo”, sa 50,8% u varijabli “rizici”, sa 48,9% u varijabli “mentalitet”, sa 43,3% u

varijabli “blizina”, sa 30% u vaijabli „inovacija“analiziranoj i sa 31,9% u varijabli

„troškovi“. Zaključak je da se konkurentnost može smatrati faktorom koji je našao svoj

odraz u analiziranim karakteristikama saradničkog ponašanja, pa prema tome originalno

promenljive predstavljaju samo manifestaciju, tj. pojavni oblik ovog latentnog faktora. Po

polaznoj pretpostavci, u sklopu ove komponente trebalo je da bude ioriginalna

„produktivnost“, koja je razmatrana u okviru pitanja „Da li ste pokušavali da svoje

znanje/poslovanje učinite produktivnijim uključujući se u proces preduzetničke aktivacije

mladih?“. Dobijene vrednosti za faktorska opterećenja pokazuju da ovu varijablu mnogo

bolje objašnjava zajednički faktor “ekspanzija“ (41,0%), nego faktor „konkurentnost“

(17,3%). Razlog za to najverovatnije leži u načinu na koji je formulisano pitanje. Naime,

pitanje sadrži termin „mladi“, koji je pominjan u svim pitanjima koja su se npojavila u

sklopu sledećeg faktora, tako da je za očekivati da je u ovom slučaju došlo do inercije

prilikom davanja odgovora. Kada je reč o nazivu ovog faktora, treba ga kreirati tako da

sadrži element “zajedništvo”, s obzirom da je reč o varijabli koja, od svih 7 koje su

povezane sa ovim faktorom, ima najvišu vrednost faktorskog opterećenja.

Drugi faktor nosi 16,720% ukupnog varijabiliteta i ima značajno faktorsko opterećenje

pozitivnog predznaka takođe na 5 varijabli. Naime, u koloni pod rednim brojem 2 izdvaja se

najpre grupa od pet varijabli sa faktorom opterećenja od 0,466 do 0,652. To znači da je

ekstrahovan faktor “ekspanzija sa mladima”, koji je našao svoj odraz u originalnim

V5 - reciprocitet ,226 ,466 ,053 -,528

V6 - blizina ,658 ,195 -,047 -,127

V7 - zajedništvo ,810 ,078 -,130 ,088

V8 - mentalitet ,699 -,022 ,179 -,440

V9 - inovacije ,538 ,528 -,110 -,211

V10 - rizici ,713 ,044 -,029 ,013

V11 - produktivnost ,416 ,640 -,170 -,136

V12 - troškovi ,565 ,443 -,199 ,046

V13 - pristup ,014 -,024 ,912 ,070

V14 - uticaj -,163 ,009 ,875 ,057

V15 - strategija -,083 ,140 ,408 ,613

25

promenljivima, tj. da taj faktor sa 44,0% objašnjava analizirane karakteristike saradničkog

ponašanja „horizont budućnosti“, „kreativizacija“ i „ proaktivnost“ , a sa 21,7%

analiziranu karakteristiku „reciprocitet“. Očekivanje da originalno promenljiva „startna

pozicija“ bude objašnjena ovim faktorom, nije empirijski potvrđeno, već je ova varijabla sa

58,8% objašnjena u sklopu posebnog faktora (faktor 4).

Treći faktor nosi 12,853% ukupnog varijabiliteta i ima značajno faktorsko opterećenje

pozitivnog predznaka na 2 varijable. Naime, u koloni pod rednim brojem 3 ekstrahovan je

faktor koji objašnjava „svoje“ varijable u visokim procentima - 83,2% i 76,6%. Radi se o

originalno promenljivama – “pristup” i “uticaj”, koje indiciraju postojanje jednog načina

razmišljanja koji je vezan za kvalitet lokalnog poslovnog ambijenta i njegovu privlačnost, i u

čijoj osnovi leži jedna zajednička ideja, a to je „okruženje“. Identifikovani faktor sa 83,2%

objašnjava V11 – „pristup“ javnim politikama, a sa 76,6% varijablu – „uticaj“ na javne

politike.

Četvrti faktor, koji nije figurirao među polaznim pretpostavkama, nosi 11,456% ukupnog

varijabiliteta i ima značajno faktorsko opterećenje sa pozitivnim predznakom na dve

varijable – „startna pozicija“ i „strategija“. Prvu varijablu ovaj faktor objašnjava sa 58,8%,

a drugi sa 36,6%. U suštini, reč je o faktoru koji je komplementaran prethodnom,

usmerenom na eksterno okruženje, s obzirom da govori o prisustvu strateške samosvesti u

promišljanju internog okruženja.

6.1.11. Matrica transformacije komponenti

U postupku rotiranja faktora izvršeno je 6 rotacija. U tabeli koja sledi data je matrica

transformacije komponenti rotiranih u odnosu na nerotirana faktorska rješenja.

Matrica transformacije komponenti

Komponenta 1 2 3 4

1 ,757 ,554 -,216 -,272 2 -,005 ,513 ,725 ,458 3 ,307 -,432 ,651 -,543 4 ,577 -,493 -,058 ,649

Metod ekstrakcije: Analiza glavnih komponenti Metod rotacije: Varimax sa Kaiser normalizacijom.

26

Karakteristike komponenti u rotiranom prostoru

6.1.12. Rezultati faktorske analize

1. Faktorska analiza izdvojila je 4 zajednička fakora za 15 razmatranih varijabli, koji ih

objašnjavaju ukupno sa 61%, i to prvi faktor sa 20,3%, drugi faktor sa 16,7%, treći

faktor sa 12,9% i četvrti faktor sa 11,5%. Interpretabilni faktori pokazuju da se odgovori

ispitanika grupišu oko određenih karakteristika saradničkog ponašanja koje su od

suštinskog značaja za dalji rad na formiranju klastera za preduzetničku aktivaciju

mladih.

2. U odnosu na polazne pretpostavke, istraživanje je pružilo empirijsku potvrdu da je 12

od 15 originalnih promenljivih strtkturirano na očekivani način, pri čemu:

a) Varijable „zajedništvo“, „blizina“, „mentalitet“, „inovacije“, „rizici“ i „troškovi“ sadrže

zajedničke karakteristike koje su u skladu sa drugom polaznom pretpostavkom, a da

to nije slučaj sa varijablom „produktivnost“, koja je objašnjena drugim faktorom;

b) Varijable „kreativizacija“, „proaktivnost“, „horizont budućnosti“ i „reciorocitet“ sadrže

zajedničke karakteristike koje su u skladu sa prvom polaznom pretpostavkom, kao i

da je u istu uključena varijabla „produktivnost“;

27

c) Varijable „pristup“ i „uticaj“ sadrže zajedničke karakteristike koje su u skladu sa

trećom polaznom pretpostavkom, a da to nije slučaj sa varijablom „strategija“ koja je

objašnjena četvrtim faktorom;

d) Varijable „startna pozicija“ i „strategija“ objašnjene su četvrtim faktorom, koji nije

figurirao u polaznim pretpostavkama.

3. Sprovedeno istraživanje empirijski potvrđuje da faktor „konkurentnost“ predstavlja

najmanji zajednički imenitelj za 6 od 7 varijabli koje su figurirale u sklopu polazne

pretpostavke za ovaj faktor. Rezultati pokazuju da ovaj faktor objašnjava ukupnu pojavu

sa 20,3%, a varijable „zajedništvo“, „blizina“, „mentalitet“, „inovacije“, „rizici“ i

„troškovi“ u praktično značajnim procentnim iznosima od 65,6% do 28,9%.

Komunaliteti za ove varijable se kreću na nivou od 0,490 do 0,714, što pokazuje da ih

zajednički faktor objašnjava od 49,0% do 71,4%.

Sa svoje strane, to pokazuje da činjenica što su ispitanici istovremeno i konkurenti, njih

uopšte ne sprečava da međusobno sarađuju na pitanjima koja im obezbeđuju sopstveni

konkurentski napredak, što je jedan od postulat teorije klastera, a pre svega njegovog

uspešnog funkcionisanja u praksi. Ono što je od posebnog značaja, to je da rezultati

istraživanja govore da ispitanici, rukovodeći se sopstvenim poslovnim interesima,

uspostavljaju međusobnu saradnju svesni poslovnih prednosti koje im pruža

egzistiranje na zajedničkoj lokaciji. Na toj osnovi, dakle koristeći te prednosti za

povećanje sopstvene konkurentnosti, oni se zajednički (saradnički) oslanjaju na:

pripadnost istoj lokalnoj zajednici; geografsku bliskost; sigurnost koju pruža saradnja sa

konkurentima izloženih istom riziku; olakšano komuniciranje zbog pripadnosti istom

mentalitetu; istu težnju ka inovacijama, većoj produktivnosti i manjim troškovima

razvoja.

Činjenica da ovaj faktor - od svih varijabli koje se grupišu oko njega - najbolje objašnjava

varijablu „zajedništvo“ (65,6%), upućuje na to da postojeći naziv ovog faktora treba

promeniti na način koji izražava stvarnu međusobnu zavisnost istraživanih pojava.

Stoga, imajući u vidu nalaze istraživanja, logično bi bilo da da ovaj faktor bude nazvan

„zajednica konkurenata“. Sa svoje strane, to znači da se u daljem istraživanju faktor

“saradnja konkurenata” može koristiti kao nova, jedinstvena varijbla koja zamenjuje 7

originalnih promenljivih (V6-V12) koje su figurirale u dosadašnjem istraživanju.

4. Izdvojen je zajednički faktor „ekspanzija sa mladima“, koji objašnjava ukupnu pojavu

sa 16,7% i predstavlja zajedničku karakteristiku za 5 originalnih promenljivih -

„kreativizacija“, „proaktivnost“, „horizont budućnosti“, „reciorocitet“ i

„produktivnost“. Ovaj faktor, koji sadrži 4 od 5 varijabli koje su figurirale u polaznim

pretpostavkama, objašnjava navedene varijable u procentnim iznosima od 44,1%, do

27,1%. Mada su veze između ovog faktora i njemu gravitirajućih varijabli nešto slabijeg

intenziteta nego u prethodnom slučaju, to nikako ne umanuje njegov značaj. Ovo

28

posebno ukoliko se uzme u obzir da se vrednosti za komunalitete njegovih varijabli

kreću na nivou od 0,467 do 0,604, tj. da ih zajednički faktor objašnjava u procentnom

iznosu od 46,7% do 60,4%.

Ono što je bitno, kada je reč o razumevanju ovog faktora, to je da on objašnjava varijable,

koje po definiciji sadrže preduzetničku aktivaciju mladih kao osnov uspostavljanja

međusobne saradnje. Radi se o varijablama koje mere orijentaciju na poslovno širenje

kroz uključivanje preduzetničkog interesa mladih. Postojanje značajnih faktorskih

opterećenja (od 0,664 do 0,466) na ovom faktoru, pokazuje zapravo da sva ona

saradnička ponašanja ispitanika, koja preduzetnički interes mladih uključuju ili

spontano, ili iz potrebe, ili na osnovu sagledanih mogućnosti, ili na osnovu zajedničkog

interesa, sadrže u sebi jedan način gledanja na preduzetničku aktivaciju mladih, koji bi

se po logici stvari mogao nazvati “poslovna budućnost sa mladima”. Činjenica da je -

od 5 varijable koje gravitiraju ovom faktoru - najjača njegova veza sa varijablom

“horizont budućnosti” (0.664), upravo upućuje na ovakvu logiku.

Takođe, treba istaći da se jedan isti faktor pojavljuje kao objašnjenje kod izuzetno

heterogene grupe ispitanika. Naime, kao što je već pomenuto, jednim delom ovu grupu

čine nezaposleni mladi, među kojima se nalaze i oni koji nemaju saradnička iskustva u

pogledu sopstvenog preduzetničkog osposobljavanja, niti bilo kakve preduzetničke

aspiracije. Drugim delom, ovu grupu čine firme među kojima se nalaze i one koje nemaju

nikakva, ili imaju ambivalentna iskustva kada je reč o tome. Međutim, svi oni, nezavisno

od sopstvene poslovne pozicije, čine društvenu grupu u kojoj se na saradničke

aktivnosti u oblasti preduzetničke aktivacije mladih gleda kao na nešto što sadrži u sebi

dimenziju poslovnog razvoja, širenja, „ekapanzije“, budućnosti. Svakako, oni ispitanici

kod kojih postoji sklad između iskustva i gledanja na stvari (načina razmišljanja) po tom

pitanju, predstavljaju i najzahvalnije potencijalne članove budućeg klastera, a njihovo

uključivanje u klaster predstavlja garant njegove održivosti.

5. Izdvojen je faktor „okruženje“ koji objašnjava ukupnu pojavu sa 12,9% i predstavlja

zajedničku karakteristiku za varijable „pristup“ i „uticaj“. Ovaj faktor, koji sadrži 2 od 3

varijable koje su figurirale u polaznim pretpostavkama, objašnjava navedene varijable u

visokim procentnim iznosima od 83,1% i 76,6%. Komunaliteti za ove varijable nakon

rotacije su ostali nepromenljivi i iznose 0.838 i 0,796, što znači da ih zajednička

varijansa objašnjava sa 83,8% i 79,6%.

Radi se o zajedničkoj karakteristici potencijalnih članovoa klastera koja je izuzetno

značajna, kako za unapređenje odgovarajućih javnih politika, tako i za unapređenje

opšte mikroekonomske sposobnosti privrede. Bez obzira da li je reč o pozitivnim, ili

negativnim iskustvima ispitanika u ostvarivanju njihovih prava na „pristup“ javnim

politikama, ili „uticaj“ na njih, ili o vrsti „strategije“ koju koriste da bi se pozicionirali na

tržištu, već sama činjenica da oni imaju određena mišljenja o tome kvalifikuje ih za

članstvo u klasteru, gde će imati daleko više prostora za delovanje u tom pravcu.

29

S obzirom da unutar trećeg faktora varijabla „pristup“ ima najveće faktorsko

opterećenje, logično je da naziv ovog faktora izražava ovu činjenicu, tako da bi njegov

naziv bio „pristup okruženju“.

6. U sprovedenom istraživanju ekstrahovan je i četvrti faktor, kome gravitiraju dve

varijable – „startna pozicija“ i „strategija“. Ovaj, četvrti po redu faktor koji nije

figurirao u polaznim pretpostavkama, objašnjava ih u praktično značajnim procentnim

iznosima od 58,8% i 37,6%. Komunaliteti za ove varijable iznose 0,591 i 0,569, što znači

da ih izdvojeni faktori objašnjavaju sa 59,1% i 56,9%. S obzirom da je reč o varijablama

koje indiciraju prisustvo jednog načina razmišljanja koji sadrži elemente strateške

samosvesti, njegov značaj za dalji rad na formiranju klastera je od izuzetnog značaja.

Kada je reč o naziva ovog faktora, mora se imati u vidu da je njegova veza sa varijablom

„startna pozicija“ jača, što bi naziv trebalo da izrazi, tako da bi četvrti faktor glasio –

“startna konkurentnost”

7. U okviru prve faze istraživanja ustanovljeno je da umesto 15 varijabli sada imamo 4 koje

na najbolji način odslikavaju saradničko ponašanje potencijalnih članova klastera za

preduzetničku aktivaciju mladih. To su varijable:

VI – „zajednica konkurenata“;

VII – „poslovna budućnost sa mladima“;

VIII – „pristup okruženju“;

VIV – „startna konkurentnost“

6.2. K L A S T E R A N A L I Z A

Kao što je već naznačeno, klaster analiza predstavlja pronalaženje grupa objekata takvih da

su objekti u grupi međusobno slični (ili povezani), i da su objekti u različitim grupama

međusobno različiti (ili nepovezani). Dobro razdvojeni klasteri predstavljaju skupove

tačaka, takvih da je bilo koja tačka u klasteru bliže (ili više slična) ostalim tačkama u

klasteru nego tačkama koje nisu u klasteru.

6.2.1. Faktorski bodovi

Polaznu tačku (input) za ovu klaster analizu predstavljaju rezultati dobijeni primenom

faktorske analize, a to su identifikovane zajedničke karakteristike ponašanja potencijalnih

članova klastera za preduzetnički aktivaciju mladih, tj faktori označeni kao ”zajednica

konkurenata”, “poslovna budućnost sa mladima”, “pristup okruženju” i “startna

konkurentnost”. Kao ulazni podaci koriste se faktorski bodovi, koji predstavljaju

kompozitne mere svakog faktora izračunate za svaki subjekt. Sam faktorski bod, koji se

određuje primenom metode glavnih komponenti, kvantifikuje stepen u kojem objekat

30

poseduje karakteristike koje ima sam posmatrani faktor. Dakle ovde se za svaku jedinicu

posmatranja određuje vrednost glavnih komponenata. To znači da svaka jedinica

posmatranja koja ima visok bod na varijablama koje imaju visoka faktorska opterećenja na

nekom od 4 izdvojena faktora, ima i visok faktorski bod na tom faktoru. Faktorski bod

pokazuje dakle meru u kojoj svaka jedinica posmatranja (potencijalni član klastera)

poseduje karakteristike tretiranog faktora. Na osnovu toga, dobija se rezultat da su

unutar jednog klastera kao jedinice posmatranja objekti vrlo slični, dok su pojedini klasteri

međusobno značajno različiti. Ispitanici čiji su odgovori jako slični trebalo bi da budu u

istom klasteru, dok bi ispitanici sa značajno različitim odgovorima trebalo da su u različitim

klasterima. U tabeli koja sledi data su po 4 faktorska bodova za svaku jedinicu posmatranja:

Faktorski bodovi za 123 ispitanika

RB Faktor1 Faktor2 Faktor3 Faktor4 RB Faktor1 Faktor2 Faktor3 Faktor4 1 -,31565 -1,20348 ,65848 ,10787 53 ,84109 -,70668 1,50398 ,01942 2 1,21010 -1,36516 ,63921 ,33872 54 -,45016 1,74115 ,74379 -,27634 3 ,62794 ,31126 -,62273 ,34753 55 -,21743 ,31538 ,43588 -,99310 4 ,12190 ,99414 ,83360 -,97909 56 1,02077 -1,58704 1,73515 ,31081 5 -,74772 ,99385 -,25157 -,16500 57 ,06685 ,92427 ,47671 -,72428 6 -,53527 -,56254 2,02263 -,08239 58 ,92481 1,17719 ,88176 ,18003 7 -,81763 1,12260 -1,33968 1,22799 59 -1,81494 -,04231 ,59072 -,48108 8 1,33845 -,01314 ,68058 ,15724 60 ,58940 -,07082 1,35026 -1,70607 9 ,07333 1,71971 ,00643 ,43257 61 -,97463 ,31788 -1,31064 -1,08577

10 -1,31018 -1,08736 ,30213 1,54115 62 ,92331 -1,62089 -1,73740 1,00811 11 -,34656 ,33718 -,46845 1,78326 63 -,24617 -1,46124 -,71659 -1,46780 12 ,22083 -,37069 -,31889 ,61662 64 ,32257 -,03666 1,71297 -1,03796 13 ,95491 -,36524 ,00570 ,35557 65 1,03838 -,84155 2,37544 -,77754 14 ,35147 ,45441 -,45812 ,38629 66 1,02905 -,19302 -,03743 -1,51180 15 -,33628 -,76780 -,36185 ,08909 67 -2,00708 -,33739 ,07834 ,34640 16 ,65210 1,36314 -,09719 ,08534 68 -1,35555 -,45433 ,57520 ,66433 17 ,51585 ,93485 ,62174 ,31886 69 -,30219 -,36779 -1,15259 ,63948 18 ,72615 1,36087 -,13471 ,41336 70 ,30774 -,99780 1,81845 -1,09271 19 -,20443 ,61368 ,15427 2,31253 71 -2,01275 1,36330 1,33908 ,59673 20 ,94288 ,72175 -,69184 ,70474 72 ,43490 -,54582 1,94415 ,18818 21 ,68900 -,90670 -,21053 2,26310 73 -1,08710 1,31619 -,89822 -,45104 22 -,37643 ,49894 ,44738 ,93381 74 1,05684 ,13604 1,84375 -,23419 23 -,28919 -,05110 -1,11878 2,39049 75 -1,83738 ,01903 1,55753 -,61887 24 -,98835 2,11054 ,89206 ,56531 76 ,27312 -1,49571 ,53449 ,03680 25 ,26123 -1,04824 -,59332 1,48344 77 -1,52624 -1,10522 ,92983 ,19581 26 ,57857 -1,77523 -1,59379 2,73093 78 -,38538 -,15093 -1,48350 ,62811 27 1,02396 ,67621 1,29949 -,12004 79 ,09978 -,66268 ,81234 2,04905 28 ,20978 ,39074 -1,71555 1,08253 80 ,81923 -,06650 ,97902 ,35882 29 -,09156 -,38962 1,32186 ,02427 81 -,29961 ,78419 -1,58968 1,29388 30 ,28054 1,61592 ,20458 ,79979 82 -,43298 -,22243 1,57891 -,12672 31 -,30635 1,04191 -,81776 2,30946 83 1,54827 -1,89261 1,08831 1,67488 32 1,33778 ,64384 ,61001 1,21120 84 -1,83975 -,61692 -,30948 -,42416 33 -1,72501 2,36862 ,38287 ,06989 85 ,87420 ,49314 -,54811 -,75257 34 -,97788 -,86397 ,12971 1,79489 86 -1,46929 ,09794 -,60345 -,22781 35 ,24576 1,14202 ,11275 -,49641 87 -1,91379 -,61466 -,27196 -,75217 36 ,79573 ,70765 ,89690 -,74278 88 ,95405 -,17213 -1,51361 -1,04832 37 ,05826 ,58502 -,01562 ,18918 89 -1,94336 -,76690 ,34192 -1,60824 38 -,25747 -1,70803 ,77561 ,21088 90 1,04740 -,01011 -,16790 -,72462 39 ,94869 -1,48126 ,16097 ,64249 91 ,95405 -,17213 -1,51361 -1,04832

31

40 ,47587 -1,58575 ,29621 ,39512 92 ,88001 -,16987 -1,47610 -1,37633 41 -1,29049 2,25244 -,00627 -,16603 93 -,61959 ,45177 ,67092 -1,86038 42 -1,52386 -,22506 1,13511 -,85844 94 -,54481 ,78540 ,38422 ,88265 43 -,47084 -,02620 1,23184 -,88169 95 ,64769 -1,04528 -,73914 1,18503 44 ,57805 1,36540 -,05968 -,24267 96 ,97777 1,24946 ,81476 ,38239 45 ,49889 1,10687 -,60372 2,09627 97 1,11631 -,00635 ,79313 -,82680 46 ,04744 -1,49422 1,20050 ,26974 98 ,48471 1,20338 -1,40539 -,56637 47 1,04159 ,65289 ,76008 -,10086 99 -1,78498 -1,20739 -,37258 -,49151 48 ,72101 1 ,36690 ,86384 -,01684 100 -2,09240 -,74375 -1,09674 -1,47278 49 1,31084 ,12168 ,24815 1 .33748 101 -1,85809 -,79984 -,17900 -1,21134 50 ,34046 -1,07119 -1,14548 -,09454 102 -1,81824 -1,08356 -1,43235 ,10544 51 -,90454 -,07705 ,68049 ,97055 103 ,88001 -,16987 -1,47610 -1,37633 52 -1,00559 ,94159 ,69931 ,42197 104 -1,91672 -1,23956 -1,77951 -,64844

105 -,81670 1,67607 ,56254 ,12871 110 1,02297 -,16837 -,55258 -1,15050 106 ,47958 1,20940 -,40683 -,99656 111 ,88001 -,16987 -1,47610 -1,37633 107 -1,77376 -1,23806 -,85599 -,42261 112 ,96014 -,19678 -,99847 -1,40962 108 ,93513 -1,92149 -,43463 -,30865 113 -1,74933 -1,07980 -,47131 ,00326 109 1,11022 ,01830 ,27799 -,46550 114 1,14720 -,76614 -,01410 -1,22904 115 ,88001 -,16987 -1,47610 -1,37633 116 ,88001 -,16987 -1,47610 -1,37633 117 ,50914 1,36164 -1,02071 -,14049 118 ,48471 1,20338 -1,40539 -,56637 119 1,06098 -,71457 -1,00688 -,83446 120 ,00649 -1,33442 ,07068 -,41918 121 1,02297 -,16837 -,55258 -1,15050 122 ,73124 ,49164 -1,47163 -,97840 123 ,50914 1,36164 -1,02071 -,14049

6.2.2. Mera udaljenosti (distance)

Koncept udaljenosti (distance) odnosno sličnosti blizak je mnogim statističkim tehnikama.

Mere distance odnose se na različitost (udaljenost) dve jedinice posmatranja prema datoj

mernoj osobini, npr. u slučaju ovog istraživanja to bi bila udaljenost dva potencijalna člana

klastera u pogledu sopstvenog odnosa prema “poslovnoj budućnosti sa mladima”. Postoji

veći broj različitih mera udaljenosti ili sličnosti između jedinica posmatranja. U ovom

istraživanju meri se maksimalna razlika između posmatranih jedinica u različitim

klasterima. Kao mera se koristi EUCLID – EUCLIDAN DISTANCE, tj. standardna euklidska

udaljenost koja se računa kao kvadratni koren iz sume kvadriranih razlika vrednosti za

svaku varijablu.

Mere sličnosti pokazuju bliskost između dve jedinice posmatramka. Za bliske, srodne

objekte mere udaljenosti su male, dok su mere sličnosti velike. Mere udaljenosti su

zapravo mere nejednakosti sa većim vrednostima koje pokazuju manje sličnosti. One se

fokusiraju na veličinu vrednosti. U klaster analizi ovi koncepti su od izuzetne važnosti,

budući da se na njima zasniva formiranje klastera. Izbor mere udaljenosti u ovoj klaster

analizi zasnovan je na osobinama varijabli (rezultati faktorske analize), te algoritmu za

formiranje klastera (K-means – grupisanje na osnovu najbližeg centroida).

32

6.2.3. K-means (k-sredina) metoda klasterovanja

Osnovni problem u klaster analizi je odgovor na pitanje: Koji je to optimalni broj klastera?

Ne postoji neko univerzalno rešenje prilikom određivanja broja klastera, već se broj

klastera određuje u zavisnosti od potreba. Praktično, ovde se traži struktura podataka za

grupisanje multivarijatnih karakteristika u klastere. Cilj analize je pronalaženje optimalnog

broja grupa kod kojih su karakteristike unutar svakog klastera slične, ali se različiti klasteri

međusobno razlikuju. Pri tom se pretpostavlja da se može pronaći prirodan način

grupisanja koji je smislen za istraživača. U klaster analizi s ne zna unapred ni broj grupa,

niti su grupe unapred poznate. Glavna prednost ove analize je to što može da predloži

grupisanje koje inače ne bi bilo uočljivo.

Postoji veći broj metoda grupisanja, čija je osnovna podela na hijerarhijske i

nehijerarhijske. Hijerarjijska daje za krajnji rezultat dendogram, tj. stablo povezivanja. Ovde

se prvo vrše izračunavanja udaljenosti svih jedinica međusobno, a zatim se grupe formiraju

putem tehnika spajanja (aglomeracija) ili razdvajanja (deljenje).

Za potrebe ovog istraživanja primenjena je nehijerarhijskih metoda (Partition

clustering), koja je karakteristična po tome što se raščlanjivanje odvija na način da jedinice

mogu da se kreću iz jedne u drugu grupu u različitim fazama analize. To je podela skupa

podataka u nepreklapajuće podskupove (klastere), takve da je svaki podatak tačno u

jednom podskupu. Postoji mnogo varijacija u primeni ove tehnike, ali poenta je da se prvo

pronađe tačka grupisanja oko koje se nalaze jedinice, na više ili manje proizvoljan način, a

zatim se izračunavaju nove tačke grupisanja na osnovu prosečne vrednosti jedinica.

Jedinica posmatranja se tada pomera iz jedne u drugu grupu ukoliko je bliža

novoizračunatoj tački grupisanja. Proces se odvija iterativno, sve do postizanja stabilnosti

za unapred zadani broj grupa.

Najpoznatija nehijerarhijska metoda je K-means (K-sredina) klaster analiza ili brza

klaster analiza koja iterativnim postupkom omoućava grupisanje velikog broja objekata.

Suština K-means problema je da se pronađe centar grupisanja koji smanjuje odstupanje

unutar klase, tj. zbir kvadrata rastojanja od svake tačke grupisanog podatka do njegovog

centra grupisanja (njemu najbližem centru). Jedan od najpopularnijih metoda za

nehijerarhijsko klasifikovanje je metod k-means algoritam. Termin "k-means" koristi se za

objašnjavanje procesa dodeljivanja svake observacije u klaster (od k klastera) sa najbližim

centroidom (srednja vrednost). Ovaj proces se zasniva na izračunavanju centroida klastera,

na osnovu trenutnih veza između klastera. Karakteristike ovog metoda klasterovanja

sastoje se u sledećem::

a) Predstavlja model sa prototipom;

b) Svakom klasteru je pridružen centroid (centralna tačka)

c) Svaka tačka je dodeljena klasteru sa najbližim centroidom;

33

d) K – broj klastera koji mora da se navede;

e) Osnovni algoritam je vrlo jednostavan

Kod ove analize, odluka o broju klastera donosi se na osnovu analize varijanse. U

empirijskoj analizi se najčešće polazi od pretpostavke da postoje dva klastera i izvrši se test

statističke značajnosti. Test statističke značajnosti u analizi varijanse ispituje varijabilnost

između grupe s varijabilnošću unutar grupa testiranjem hipoteze da se sredine između

grupa međusobno razlikuju uz određeni nivo signifikantnosti. Cilj je da se sredine za

određene objekte signifikantno razlikuju između grupa. Signifikantnost se testira F

odnosom i p vrednošću. Broj klastera se povećava, uz testiranje značajnosti, sve dok se ne

dobiju statistički signifikantni rezultati (F odnos veći ili jednak tabličnom ili p vrednost niža

od nivoa greške prve vrste), te posmatrane jedinice – potencijalni članovi klastera za

preduzetničku aktivaciju mladih – svrstaju u klastere.

U analizi je najpre razmatran model grupisanja sa dva klastera. Analiza varijanse

pokazuje da li postoje statistički značajne razlike između formiranih klastera (grupa) s

obzirom na svaku varijablu posebno Analizom varijanse je izvršeno testiranje opravdanosti

ovakvog modela i rezultati ANOVE prezentirani su u tabeli koja sledi:

ANOVA8 - Analiza varijanse za model sa dva klastera

Faktor Sume kvadrata odstupanja F P

vrednost Između klastera df Unutar klastera df

1. “Zajednica konkurenata” 3,825 1 ,977 121 3,917 ,050

2. “Poslovna budućnost sa mladima” 30,557 1 ,756 121 40,434 ,000

3. “Pristup okruženju” 8,499 1 ,938 121 9,060 ,003

4. “Startna konkurentnost” 32,324 1 ,741 121 43,615 ,000

Kod prvog faktorskog boda empirijska p vrednost je veća od 0,05 i zaključuje se da se

sredine između grupa (klastera) statistički značajno ne razlikuju i da nije moguće

prihvatiti model grupisanja potencijalnih članova klastera u dva klastera.

Sledeći model koji se testira odnosi se na tri klastera. Analiza varijanse, kao i u prethodnom slučaju, pokazuje da li postoje statistički značajne razlike između formiranih klastera (grupa) s obzirom na svaku varijablu posebno Analizom varijanse se testira opravdanost ovakvog modela i rezultati ANOVE prezentovani su u tabeli koja sledi:

8 Isto kao pod 9.

34

ANOVA9 - Analiza varijanse za model sa tri klastera

Faktor Sume kvadrata odstupanja F P

vrednost Između klastera df Unutar klastera df

1. “Zajednica konkurenata” 19,546 2 ,691 120 28,290 ,000

2. “Poslovna budućnost sa mladima” 15,910 2 ,751 120 21,171 ,000

3. “Pristup okruženju” 10,574 2 ,840 120 12,581 ,000

4. “Startna konkurentnost” 26,222 2 ,580 120 45,238 ,000

Za testirani model sa tri klastera kod sva tri faktorska boda empirijska p vrednost je niža od

0,05, što znači da je postignut cilj da se proseci koje svaki klaster ima na pojedinim

faktorima ili dimenzijama statistički signifikantno razlikuju. Stoga se model tri klastera

smatra statistički opravdanim. Klasifikacija u klastere prema ovom modelu prezentirana

je u tabeli kako sledi:

K-Means klastersko rešenje dobijeno korišćenjem faktorskih bodova

RB10 Klas- ter

Rasto -janje11

RB Klas- ter

Rasto -janje

RB Klas- ter

Rasto -janje

RB Klas- ter

Rasto -janje

RB Klas- ter

Rasto -janje

1 1 3,008 16 3 2,625 31 1 3,082 46 2 1,971 61 2 1,646

2 2 2,387 17 3 2,683 32 2 3,061 47 2 2,302 62 3 2,995 3 2 2,136 18 3 2,722 33 3 ,000 48 3 2,688 63 1 1,770 4 3 3,295 19 1 3,090 34 1 2,664 49 1 3,077 64 2 3,474 5 3 2,570 20 1 3,360 35 3 2,405 50 1 2,956 65 2 1,291 6 3 1,817 21 1 1,703 36 2 2,156 51 3 2,748 66 2 ,000 7 2 1,778 22 3 2,463 37 3 2,556 52 3 1,667 67 2 2,604 8 3 2,585 23 1 2,017 38 2 2,443 53 3 1,158 68 3 2,752 9 2 2,127 24 3 1,055 39 2 2,709 54 2 1,205 69 3 2,915

10 3 1,982 25 1 1,785 40 2 2,563 55 3 1,506 70 1 2,707 11 1 2,735 26 1 ,000 41 3 ,640 56 2 2,593 71 2 ,984 12 1 2,863 27 2 1,973 42 3 2,863 57 2 1,466 72 3 1,512 13 2 2,671 28 1 2,749 43 2 2,064 58 3 2,436 73 2 1,253 14 3 2,964 29 2 1,798 44 3 2,570 59 2 2,690 74 3 1,851 15 2 3,184 30 3 2,270 45 1 3,114 60 3 2,483 75 2 1,239

RB Klas- ter

Rasto -janje

RB Klas- ter

Rasto -janje

RB Klas- ter

Rasto -janje

RB Klas- ter

Rasto -janje

76 3 2,718 91 2 2,676 106 3 2,822 121 2 3,028

77 2 2,251 92 2 3,956 107 3 3,845 122 3 3,754

78 2 3,112 93 2 3,958 108 2 3,048 123 3 2,832

79 1 2,829 94 2 2,915 109 2 2,289

80 1 2,779 95 3 2,135 110 2 3,028

81 2 1,972 96 1 1,913 111 2 3,958

9 Isto kao pod 9. 10 RB – Redni broj ispitanika od 1 do 123. 11 Rastojanje od centroida

35

82 1 3,064 97 2 2,856 112 2 3,494

83 2 1,899 98 2 1,792 113 3 3,553

84 2 3,006 99 3 3,137 114 2 2,435

85 3 3,106 100 3 3,698 115 2 3,958

86 2 3,218 101 3 3,794 116 2 3,958

87 3 2,507 102 3 3,466 117 3 2,832

88 3 3,169 103 1 3,625 118 3 3,137

89 2 3,956 104 2 3,958 119 2 3,385

90 3 3,563 105 1 4,239 120 2 2,598

Pod klasterom zasnovanim na centru podrazumeva se skup objekata takvih da je bilo koji

objekat u klasteru bliže (ili više sličan) prototipu (“centru”) klastera u odnosu na

prototipove (centre) ostalih klastera. Centar klastera je centroid - prosek svih tačaka u

klasteru), ili medoid - najreprezentativnija tačka u klasteru. Centar klastera predstavlja

aritmetičku sredinu svih varijabli izračunatu na osnovu objekata koji čine klaster. Finalni

centri klastera i uticaj svakog od faktora po pojedinim klasterima dati su u tabeli kako

sledi:

Finalni centri klastera i uticaj faktora

Faktor Klaster

1 2 3

1. “Zajednica konkurenata” -,06232 ,60229 -,64867

2. “Poslovna budućnost sa mladima” -,35770 -,41781 ,64619

3. “Pristup okruženju” -,76286 ,37927 -,05437

4. “Startna konkurentnost” 1,33100 -,44974 -,14418

Iz tabele koja sledi a koja prikazuje rastojanje između finalnih centara klastera, može se

videti da je najveće rastojanje između drugog i ostala dva klastera:

Rastojanja između finalnih centara klastera

Klaster 1 2 3

1 2,218 2,007

2 2,218 1,726

3 2,007 1,726

36

6.2.4. Interpretacija rezultata klaster analize

Primenom faktorske i klaster analize potencijalni članovi klastera za preduzetničku

aktivaciju mladih grupisani su u tri klastera, što je dato u tabeli koja sledi:

Broj ispitanika po klasterima

Klaster

1

23,000

2 53,000

3 47,000

Broj posmatranih jedinica

123,000

Missing

,000

Prvi klaster sastoji se od 23 ispitanika i po veličini čini 18,7% od ukupnog broja ispitanika..

Karakteriše ga direktna pozitivna veza sa faktorom4 – “startna konkurentnost”, koji govori o

strateškoj samosvesti potencijalnih članova klastera. Ovaj klaster nalazi se pod direktnim

uticajem četvrtog faktora, pri čemu ima negativnu vezu sa sva tri ostala faktora. Očigledno

je da su ispitanici koji su svrstani u ovaj klaster najmanje poželjni kao partneri za

formiranje novog klastera. Praktično, skoro svaki peti od ispitanika ostvaruje saradnju na

način koji ga svrstava u identifikovani klaster.

Drugi klaster sastoji se od 53 ispitanika i po brojnosti je najveći od tri ustanovljena

klastera, tj. čini 40,1% od ukupnog broja ispitanika. Ovaj klaster ima pozitivnu vezu sa

faktorom3 – „pristup okruženju“, koji govori o pristupu i uticaju na javne politike

potencijalnih članova klastera. Istovremeno, klaster je negativno povezan sa faktorom2, koji

govori o odnosu ispitanika prema pitanju poslovne budućnosti sa mladima, i faktoru 4, koji

govori o njihovoj strateškoj samosvesti. Ono što je od posebne važnosti, to je da je reč o

klasteru koji se nalazi pod direktnim i, po apsolutnoj vrednosti, dominantnim uticajem

faktora 1 – „zajednica konkurentnosti“, koji govori o odnosu ispitanika prema prednostima

zajedničke lokacije.

Treći klaster čini 47 ispitanika, predstavlja drugi po veličini od ustanovljena tri klastera i

predstavlja 38,2% od ukupnog broja ispitanika. Karakteriše ga pozitivna veza, tj. izloženost

pozitvnom uticaju faktora2 – „poslovna budućnost sa mladima“ i negativna veza sa

preostala tri faktora.

37

Ocena osnovnih karakteristika 3 identifikovana klastera

po potencijalu za formiranje klastera za preuzetničku aktivaciju mladih

Karakteristike

Klaster I: Klaster sa najmanjim

potencijalom

Klaster II: Klaster sa najvećim

potencijalom

Klaster III: Klaster sa srednjim

potencijalom

Uticaj faktora 1

Posredan (slabiji)

Direktan (dominantan)

Posredan (jači)

Uticaj faktora 2

Posredan (slabiji)

Posredan (jači)

Direktan

Uticaj faktora 3

Posredan (jači)

Direktan

Posredan (slabiji)

Uticaj faktora 4

Direktan

Posredan (jači)

Posredan (slabiji)