Repositorio Institucional de Documentos

APRENDIZAJE ORGANIZACIONAL MEDIANTE EL MÉTODO DE ECUACIONES ESTRUCTURALES APLICADO AL SECTOR DEL METAL EN ZARAGOZA PROYECTO FINAL DE CARRERA CURSO ACADÉMICO 2010-2011 Autora: Marta Ciara Lobón Jiménez Director: Luis Navarro Elola Titulación: Ingeniería Industrial Superior Mención: Organización Industrial Fecha: Marzo 2011-02-17 Centro Politécnico Superior Departamento de Economía y Dirección de Empresas Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 2 Aprendizaje Organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza. RESUMEN En el presente Proyecto Final de Carrera se analiza la gestión del conocimiento en las empresas del sector del Metal en Zaragoza. El estudio se centra en la manera por la cual diferentes elementos de gestión organizacionales influyen en la capacidad de aprendizaje y, al mismo tiempo, cómo esta capacidad influye también en los resultados organizacionales. Tras una intensa revisión de la literatura, ha sido elaborado un modelo dónde se determinaron ocho hipótesis acerca de estas relaciones causales. Para poder llegar a unas conclusiones claras que arrojen luz sobre la gestión del conocimiento en las empresas dentro de este sector se ha uitlizado el Método de Ecuaciones Estructurales. En primer lugar, se elaboró un cuestionario cuyas preguntas reflejaban todas y cada una de las variables que se querían medir. Una vez realizado este cuestionario, para obtener la información necesaria, fue enviado a todos miembros de la FEMZ (Federación de Empresarios del Metal en Zaragoza), los cuales colaboraron con este proyecto cumplimentando la encuesta. Para poder analizar toda la información obtenida, se utilizaron dos programas informáticos muy usados en este tipo de estudios: el SPSS y el SmartPLS. Con el SPSS (Satatistical Product and Service Solutions) se realizó el análisis de fiabilidad y factorial del cuestionario, eliminando aquellos ítems que generaban algún tipo de duda a la hora de medir con exactitud. El SmartPLS fue utilizado para los análisis del modelo de medida y estructural, es decir, se realizó una segunda prueba de fiabilidad y validez del cuestionario para, posteriormente, proceder al análisis de las hipótesis propuestas y así corroborarlas o refutarlas. El objetivo principal de este Proyecto Final de Carrera es el de conseguir unas conclusiones que reflejen cómo se gestiona el conocimiento en las organizaciones dentro del sector del Metal en Zaragoza, optimizando así la explotación de estos recursos con el fin de obtener unos mejores resultados organizacionales que aseguren o ayuden la supervivencia de las empresas. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 3 AGRADECIMIENTOS: En primer lugar, quisiera agradecer a D. Luis Navarro Elola, director de este Proyecto, y a D. Jesús Pastor por su ayuda ofrecida en todo momento. Por supuesto, quiero dar las gracias de manera especial a D ña . Teresa Montaner por cómo me ha ayudado a lo largo de este Proyecto y por su tiempo dedicado que han sido fundamentales. Gracias también a D ña Dolores Delso. Mil gracias a mis padres, a Ana Carla y a Fer por vuestro apoyo, ayuda, consejo y cariño durante todos los años de la carrera y, en definitiva, por cada día a vuestro lado. Con vosotros todo es más fácil. Gracias a mis amigas de toda la vida porque sois imprescindibles. Y sin duda, gracias también a mis amigas y amigos que durante estos años he conocido en la carrera y que he tenido la suerte de poder compartir grandes momentos con ellos. Vosotros más que nadie sabéis lo importantes que habéis sido. Y gracias también al resto de familia, amigas y amigos que de una manera u otra habéis participado a que estos años hayan sido inolvidables. A todos, mil gracias. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 4 TABLA DE CONTENIDOS 1. INTRODUCCIÓN ..................................................................................................................6 2. PRESENTACIÓN DEL MODELO.........................................................................................9 2.1. Conceptos Previos.......................................................................................................................................9 2.1.1. Concepto de Organización........................................................................................................................9 2.1.2. Concepto de Conocimiento.......................................................................................................................9 2.1.3. Concepto de Capacidad de Aprendizaje...................................................................................................9 2.2. Antecedente Literarios ..............................................................................................................................10 2.3. Presentación del Modelo...........................................................................................................................14 2.3.1. Propuesta del Modelo.............................................................................................................................14 2.3.2. La Capacidad de Aprendizaje en la Organización..................................................................................15 2.3.3. Elementos de Gestión del Conocimiento................................................................................................18 3. METODOLOGÍA.................................................................................................................24 3.1. Modelos de Ecuaciones Estructurales: ...................................................................................................24 3.1.1. Líneas de Investigación Previas .............................................................................................................24 3.1.2. Necesidad de los MEE............................................................................................................................25 3.1.3. Elaboración del Modelo...........................................................................................................................26 3.2. Elaboración y Realización del Cuestionario............................................................................................28 3.2.1. Obtención de datos.................................................................................................................................28 3.2.2. Escala de likert........................................................................................................................................29 3.3. Estudio y Utilización de SPSS ..................................................................................................................30 3.3.1. Introducción.............................................................................................................................................30 3.3.2. Análisis de Fiabilidad ..............................................................................................................................30 3.3.3. Análisis Factorial.....................................................................................................................................31 3.4. Estudio y Utilización de SmartPLS...........................................................................................................34 3.4.1. Introducción al Método de los mínimos cuadrados parciales - Smartpls 2.0.........................................34 3.4.2. Análisis del Modelo de Medida ...............................................................................................................35 3.4.3. Análisis del modelo de Estructural..........................................................................................................38 4. ANÁLISIS Y RESULTADOS .............................................................................................. 40 4.1. Análisis del Modelo....................................................................................................................................40 4.2. Diseño y Realización de los Diagramas Causales:.................................................................................40 4.2.1. Modelos unidimensionales y multidimensionales. ..................................................................................40 4.2.2. Del Modelo Global a dos Sub-Modelos:.................................................................................................41 4.3. Análisis del Sub-Modelo 1.........................................................................................................................43 4.3.1. Análisis SPSS.........................................................................................................................................43 4.3.2. Análisis SmartPLS ..................................................................................................................................44 4.4. Análisis del Sub-Modelo 2.........................................................................................................................48 4.4.1. Análisis SPSS.........................................................................................................................................48 4.4.2. Análisis SmartPLS ..................................................................................................................................49 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 5 5. CONCLUSIONES Y FUTUROS ESTUDIOS ......................................................................53 5.1. Conclusiones..............................................................................................................................................53 5.2. Futuros Estudios........................................................................................................................................55 ANEXOS......................................................................................................................................56 ANEXO I: .....................................................................................................................................................................57 ANEXO II: ....................................................................................................................................................................59 ANEXO III: ...................................................................................................................................................................65 ANEXO IV:...................................................................................................................................................................71 ANEXO V:....................................................................................................................................................................73 ANEXO VI:...................................................................................................................................................................78 ANEXO VII:................................................................................................................................................................103 ANEXO VIII:...............................................................................................................................................................120 ANEXO IX:.................................................................................................................................................................127 ANEXO X:..................................................................................................................................................................131 ANEXO XI:.................................................................................................................................................................138 ANEXO XII:................................................................................................................................................................142 BIBLIOGRAFÍA......................................................................................................................... 144 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 6 1. INTRODUCCIÓN En los últimos años y debido a la especial coyuntura económica en la que nos encontramos sumergidos, resulta imprescindible la optimización de recursos en el ámbito organizacional para la gestión de las empresas. En este aspecto, uno de los recursos que cada vez adquiere mayor importancia es el conocimiento. Hoy en día, el conocimiento y su buena gestión son factores de importancia relevante en los beneficios de una empresa, y, por lo tanto, son considerados claves para la competitividad y duración de la misma. De esta manera y desde el ámbito empresarial, el conocimiento es definido como un bien o recurso intangible y adquiere una dimensión cada vez mayor como fuente de ventaja competitiva. Otro concepto que se relaciona directamente con el conocimiento, y que aparece numerosas veces a los largo de este proyecto de fin de carrera, es sin duda la Capacidad de Aprendizaje. Aunque más adelante se define mejor esta capacidad, podemos adelantar, a modo de pequeña introducción, que se refiere a la manipulación y adaptación de unas necesidades que surgen de las variaciones y modificaciones de un entorno en constante cambio. Una vez presentados estos dos conceptos, es lógico pensar que si una organización adopta una buena gestión del conocimiento implicando así una mayor capacidad de aprendizaje en todos los niveles organizacionales, esto se traducirá en mejores resultados. El escenario en el que enmarcamos este proyecto es el sector del Metal en Zaragoza. Los motivos por los que se ha querido estudiar este sector son: en primer lugar, la falta de estudios previos que hay relacionados con el tema; en segundo lugar, este sector dedica parte de sus recursos a la investigación e innovación y, por lo tanto, vemos ahí un cierto camino hacia una posible gestión del conocimiento, o, por lo menos, preocupación por el mismo; y en tercer lugar, en la provincia de Zaragoza hay un gran número de empresas que se dedican al Metal. Mediante la Federación de Empresarios del Metal en Zaragoza (FEMZ) se ha podido obtener una base de datos de diferentes empresas, cuyos empleados han colaborado con este estudio. Es importante remarcar que el sector del metal abarca un gran abanico de actividades (automóvil, electricidad…), así como empresas de tamaños muy diversos. Modelo a estudiar: A lo largo del proyecto, como se verá, se investiga sobre las teorías previas que tratan el campo de la gestión del conocimiento. Una vez que se tiene toda la información necesaria, se ha definido un modelo que es el principal objeto de nuestro estudio. En este nuevo modelo, se ha caracterizado la capacidad de aprendizaje como un bloque que engloba el conocimiento a diferentes niveles organizacionales (Bontis, 1999) y el movimiento que dicho conocimiento realizada en dirección vertical y horizontal de la organización. Además, la capacidad de aprendizaje está influenciada por determinados elementos tanto estructurales (planificación estratégica, vigilancia del entorno, tecnologías de la información) como sociales (confianza, creatividad, innovación) que según la relación que exista, influirá en mayor o menor medida pero siempre de manera positiva, como veremos más adelante, en dicha capacidad de aprendizaje. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 7 Y finalmente, todo lo comentado anteriormente (la capacidad, vinculada a los elementos organizacionales) influye innegablemente en los beneficios de una empresa, tanto económicamente como en lo referente a su reputación o prestigio. Objetivo: El objetivo de este proyecto es, por lo tanto, parametrizar y cuantificar todas las relaciones causales que surgen del modelo propuesto, siendo el objetivo final de este Proyecto Fin de Carrera el ofrecer una serie de conclusiones útiles y aplicables a las empresas relacionadas con el sector del Metal sobre la gestión de sus recursos y la optimización de los mismos para la obtención de mejores resultados. Es decir, lo que se pretende es, una vez elaborado el modelo causal donde se especifican todas las relaciones entre los elementos de gestión, la capacidad de aprendizaje y los resultados organizacionales, dar a conocer el tipo de relación existente entre estos elementos, obteniendo respuesta de esta forma al “qué, cuánto y cómo” de estas relaciones. Estudios Previos: Son numerosos los congresos científicos donde se abordan cuestiones acerca de la gestión del conocimiento ya que es un tema clave a la hora de gestionar las empresas y por lo tanto ha suscitado el interés de los investigadores en este ámbito. De todos modos, éste, es el primer proyecto realizado en el Departamento de Organización y Dirección de Empresas del Centro Politécnico Superior de Zaragoza que trata este tema. Técnicas y herramientas de análisis: Para poder constrastar el modelo, es necesario obtener información. Para ello, y gracias a una intensa revisión de la literatura, se elaboró un cuestionario con el cual ha sido posible medir las variables del modelo. Aunque se explica todo más adelante, esta encuesta fue enviada a través de D. Rafael Zapatero, Secretario General de la Federación de Empresarios del Metal en Zaragoza (FEMZ), el cual, ha colaborado con este proyecto enviando la encuesta los trabajadores relacionados con el sector del metal. Una vez hecha la recopilación de datos ha sido necesario procesarlos. En primer lugar, es necesario realizar un análisis exploratorio del cuestionario (análisis de fiabilidad y factorial) que se lleva a cabo mediante el programa informático SPSS. Una vez realizado este primer análisis, el cuestionario ve reducida su dimensión y se procede al estudio PLS del modelo utilizando el programa informático SmartPLS. Con él, y gracias al modelo, se consigue, en primer lugar, corroborar que el cuestionario es el adecuado y, en segundo lugar, parametrizar unas variables que, por definición y viendo la literatura, no son medibles (variables latentes o constructos), pero que gracias a otras variables (indicadores) sí lo son. Estructura: Para finalizar esta introducción se exponen de manera breve los diferentes apartados de este Proyecto Fin de Carrera dónde se abordarán los aspectos que comentamos a continuación: En el capítulo 2 (Presentación del Modelo) se hace una breve introducción a tres conceptos clave de este estudio y que además son nombrados en numerosas ocasiones a lo largo del mismo. Estos conceptos son el de Organización, Conocimiento y el de Capacidad de Aprendizaje. Además se repasan algunos de los estudios previos realizados acerca de la gestión del conocimiento y el aprendizaje. Cabe destacar la teoría de Bontis (1999), que pasa a constituir un sustento importante en este proyecto. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 8 En el último apartado de este capítulo se presenta de manera detallada el modelo concreto a estudiar, y se proponen las diferentes hipótesis que en el análisis posterior serán corroboradas o refutadas. El capítulo 3 (Metodología) consiste en la explicación del método de análisis: El Modelo de Ecuaciones Estructurales. Aquí se describe su evolución histórica, así como los cuatro pilares “matemáticos” en los que se sustenta: regresión lineal, path análisis, análisis factorial y relación causal. Existe también un apartado que explica cómo se elabora el propio proceso de obtención de datos (cuestionario), así como dos apartados más dónde se explican todas y cada una de las pruebas necesarias relativas a los dos programas informáticos utilizados (SPSS y SmartPLS) para poder realizar el análisis. En el capítulo 3 (Análisis y Resultados) se explican todos los análisis realizados y se exponen también todos los resultados obtenidos. Por motivos de extensión de la memoria, se hace referencia a los diferentes Anexos creados, donde están todos los análisis explicados de manera detalla y dónde además, se muestran todas las tablas, resultados y comentarios necesarios. Finalmente, a lo largo del capítulo 4 (Conclusiones), como es lógico, se exponen las diferentes conclusiones a las que se ha llegado a través de todo el estudio. El fin es hacer llegar a las organizaciones del sector del Metal, una manera de optimizar sus recursos para obtener mejores resultados. En lo referente a los Anexos, es preciso mencionar que a lo largo de este proyecto es necesario recurrir a ellos ya que explican y apoyan las secciones escritas. Todos ellos están presentados por orden al final de la memoria. La bibliografía se encuentra en la última página del proyecto. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 9 2. PRESENTACIÓN DEL MODELO 2.1.Conceptos Previos 2.1.1. Concepto de Organización Podemos definir una organización como un sistema en el que se toman determinadas decisiones y se realizan acciones comprometidas con un proceso de transformación y dirigidas hacia un fin concreto que es, generalmente, el buen resultado de la actividad. La efectividad de la organización estará relacionada con las decisiones estratégicas, con los procesos de transformación y con una adecuada coordinación del conjunto. Estos tres “parámetros” son gestionados, evidentemente, por personas y, por lo tanto, están condicionados a su nivel de conocimiento [17]. A partir de este razonamiento llegamos a la conclusión de que la efectividad de la organización queda a expensas de la calidad y singularidad del conocimiento humano. Es decir, esencialmente, el conocimiento constituye la principal fuerza de progreso de una organización, siendo inherente al éxito de la misma, y es la herramienta fundamental de una buena trayectoria evolutiva. 2.1.2. Concepto de Conocimiento Ahora bien, ¿qué entendemos por conocimiento? Dar una definición concreta y que abarque el amplio significado del conocimiento resulta casi imposible; sin embargo, y enmarcando este concepto en el ámbito organizacional, podemos aproximar una definición como: Todo aquello que los individuos o la organización necesitan para operar de forma eficiente y efectiva. Es el conjunto de creencias externamente justificadas, basadas en modelos formales con relaciones causales. Es un acto de creación, no universal y dependiente de la percepción humana de la realidad (Von Krogh 1998). Es la capacidad para resolver problemas a través de la combinación de diferentes informaciones, datos, valores y experiencias enmarcadas en un contexto concreto (Lyles Schwenk 1992).[17] 2.1.3. Concepto de Capacidad de Aprendizaje Como ocurre con el conocimiento, es muy difícil dar una sola definición de lo que es el aprendizaje. Muchos autores lo definen como la condición para el cambio sostenido en el estado del conocimiento de un individuo u organización. Podemos decir, en el contexto en el que nos encontramos, que el aprendizaje es: El proceso iterativo, tanto de adaptación como de manipulación de las demandas de un entrono creciente en actividad y variedad, en el que el conocimiento es el resultado (Hedberg 1981). Haciendo referencia a la definición de conocimiento, la capacidad de aprendizaje es, por tanto, un elemento fundamental para una buena gestión de las organizaciones. [17] De todo esto, deducimos que a mayor capacidad de aprendizaje, mejores resultados organizacionales; y como el aprendizaje gestiona el conocimiento, será necesario una mayor gestión del mismo. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 16 Partiendo de la teoría de Bontis, afirmamos que la capacidad de aprendizaje depende de los ya nombrados stocks de conocimientos, y de cómo éstos evolucionan y se transforman gracias a la dinámica de los flujos de conocimiento. En nuestro modelo, estos stocks y flujos deben reforzarse y relacionarse mutuamente en un ciclo continuo que tiene lugar en 4 niveles. En este aspecto, ampliamos las teorías anteriores, ya que sólo se consideraban 3 niveles de aprendizaje (individual, grupal y organizacional), sin embargo, en el modelo propuesto, añadimos un cuarto nivel: el stock a nivel interorganizacional. Los cuatro niveles de aprendizaje del modelo a estudiar son:  Stock de conocimiento individual (CI): como veíamos anteriormente, es la adquisición del conocimiento que un individuo lleva a cabo a partir de la interpretación y asimilación de la información tácita o explícita.  Stock de conocimiento grupal (CG): proviene en parte de la definición de aprendizaje individual siendo éste una extensión o ampliación a las limitaciones que ofrece el primer nivel. Cuando el individuo adquiere nuevos conocimientos, el proceso de aprendizaje es más rico y provechoso si es compartido con otros miembros, con el objetivo de generar un conocimiento colectivo  Stock de conocimiento organizacional (CO): el aprendizaje que se da en este nivel es el que es transferido e integrado en la empresa. La principal diferencia con el aprendizaje grupal es debida al carácter más formal y estructurado de una organización, mucho más que la de un grupo cualquiera de individuos.  Stock a nivel interorganizacional (CIO): este “nuevo stock” se refiere a la necesidad de buscar conocimiento fuera de nuestra organización. El ritmo acelerado al que suceden hoy en día todos los cambios en el entorno de las empresas hace que para las organizaciones sea cada vez más difícil la generación interna de conocimiento. Partiendo de esta base, el aprendizaje a nivel organizativo surge del hecho de crear acuerdos y cooperaciones con otras empresas; así, de esta forma, las personas participantes en estas “relaciones empresariales” pueden aprender unas de otras. En realidad, cosiste en adquirir las habilidades de otras organizaciones y luego interiorizarlas para ponerlas en práctica. Levinson y Asahi (1995) identifican cuatro etapas en el proceso de aprendizaje interorganizativo: 1) Analizar el entorno e identificar el posible conocimiento que pueda llegar a ser adquirido. 2) Adquirir ese conocimiento e interpretarlo 3) La organización debe adaptar ese nuevo conocimiento adquirido a su estructura y sus objetivos 4) Institucionalizar este nuevo conocimiento. Es importante añadir que no siempre que se realice una alianza con otra organización existirá la posibilidad de absorber nuevo conocimiento; sin embargo, el simple hecho de poder adquirir nuevos puntos de referencia es sumamente valioso. La fuerte relación que hay entre estos cuatro tipos de stock de conocimiento y los flujos de explotación y exploración requiere de una gestión óptima y una alineación precisa, ya que los fallos en esta “dinámica de aprendizaje” pueden reportar verdaderas pérdidas para la organización tanto a nivel económico como no económico. [13] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 17 Por lo tanto, el verdadero reto de la organización es el de gestionar este proceso de manera óptima, siendo el mayor aprovechamiento de los recursos el fin principal para que, como último objetivo, se cumpla, como consecuencia, un mayor aprendizaje. Por lo tanto, y resumiendo todo lo anterior, la capacidad de aprendizaje depende de los cuatro tipos de stock de conocimiento así como de los flujos. Es importante remarcar que el flujo NO indica la relación que existe entre dos conocimientos, sino que refleja el movimiento de conocimiento tanto en un sentido como en otro. Figura 6: Estructura interna de la capacidad de aprendizaje. [1] Otra manera de poder ver esta estructura interna es mediante la figura 7, donde se observa cómo los conocimientos en diferentes niveles y los flujos de conocimiento forman o constituyen la capacidad de aprendizaje. Figura 7: Relación de los flujos y conocimientos con la capacidad de aprendizaje [1] Más adelante, a esta imagen se le dará más importancia e incidiremos sobre ella para mostrar las relaciones causales sobre la capacidad de aprendizaje y entre los conocimientos y flujos. Será en el apartado de Metodología. C.I C.G C.O C.IO CAPACIDAD DE APRENDIZAJE F.EXPLOTACIÓN F.EXPLORACIÓN C.I C.G C.O C.IO CAPACIDAD DE APRENDIZAJE F.EXPLOTACIÓN F.EXPLORACIÓN Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 18 2.3.3. Elementos de Gestión del Conocimiento La segunda parte del modelo son los elementos de gestión del conocimiento. Entendemos por elementos de gestión del conocimiento todos aquellos procesos, procedimientos, herramientas o instrumentos que, de una manera u otra, afectan a la capacidad de aprendizaje y, por lo tanto, a la gestión del conocimiento, ya sea de un modo operativo, sistemático, estructurado o no, social o personal. El primer bloque se refiere a las capacidades de la organización, planeación estratégica, tecnologías de información y comunicación y vigilancia del entorno, que son elementos que favorecen la adquisición, acumulación y procesamiento de información, tanto externa como interna. En el segundo bloque, sabemos que el aprendizaje es algo que emerge de un determinado comportamiento que, a su vez, está influenciado por normas, prácticas y valores del empleado; en definitiva, está compuesto por un contexto socio-cultural. Aspectos como la confianza, la innovación o la creatividad en el trabajo son, en la mayoría de los casos, condiciones esenciales sin las cuales es difícil el aprendizaje y, por lo tanto, su gestión es algo imprescindible. ELEMENTOS DE GESTION ESTRUCURALES : Podemos incluir en este bloque todos aquellos instrumentos y procedimientos sistematizados, estructurados o formalizados que están orientados al desarrollo de los procesos de trabajo y a la gestión y administración eficiente de la información dentro de la organización. En el presente modelo, se proponen 3 elementos de gestión fundamentales que facilitan la interacción dinámica entres los stocks y los flujos de conocimiento (vigilancia del entrono, TIC, planificación estratégica), según la literatura estudiada [3]. Figura 8: Elementos de gestión estructurales del modelo. Vigilancia del Entorno: Entendemos este término como el esfuerzo continuado por examinar y diagnosticar el entorno organizativo mediante la adquisición y el análisis de información interna y externa, sabiendo que antes ha habido una necesidad de búsqueda de información. En concreto, es la capacidad o habilidad para entender las fuerzas de cambio del entorno y para adaptarse a él mejor y más rápidamente que las demás organizaciones. Podemos decir que toda información provechosa que es hallada la organización la transformará en acciones que, más adelante, serán incorporadas a sus stocks de conocimiento en cualquier nivel. Es verdad que todas las empresas pueden vigilar su entorno, pero la intensidad y eficacia con la que esta acción se lleva a cabo es la que marca la diferencia. [17] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 19 Toda organización tiene que entender que forma un TODO con el entorno y que, por lo tanto, debe examinarlo continuamente. La idea que se quiere desarrollar en este proyecto es que el aprendizaje, en cualquier nivel, no puede ocurrir sin ser provocado por la percepción del entorno, es decir, por la vigilancia del mismo. Cuanta más información se tenga, y de mayor calidad, el proceso de aprendizaje será mejor. Por lo tanto, se propone la primera hipótesis: H1: La vigilancia del entorno está relacionada de forma positiva con la capacidad de aprendizaje de la organización. Las tecnologías de Información y Comunicación (TIC): Al ritmo que hoy en día mejoran y cambian las herramientas tecnológicas, y considerando la dependencia creciente que el ser humano llega a tener de ellas, resulta obvio pensar que disponer de una infraestructura de sistemas y tecnologías de información apropiada ayudará de manera considerable al proceso de aprendizaje. Estos sistemas son importantes porque proporcionan canales permanentes, múltiples y muy veloces para conectar a las empresas con su entorno o para conectar a diferentes departamentos dentro de la misma organización. Son muchas las empresas que consideran imprescindible este tipo de sistemas, sin embargo, son también muchos los estudios que indican que éstos no son milagrosos, y que cualquier gestión de estos sistemas debe estar combinada con una buena gestión de recursos humanos, una cultura organizativa efectiva y un liderazgo responsable. Es obvio que los sistemas de información mejoran y agilizan el trabajo. Además, existen determinados softwares que impulsan la creatividad y mejoran las herramientas de aprendizaje, constituyendo así un apoyo muy importante para la propagación de flujos de conocimiento y soporte para los stocks. Se considera, por lo tanto, que los sistemas y tecnologías de información juegan un papel inigualable en el desarrollo y aprendizaje de la organización. [17] Por todo lo comentado anteriormente, se plantea la segunda hipótesis del modelo: H2: Las tecnologías de información y comunicación influyen de manera positiva en la capacidad de aprendizaje de la organización Planificación Estratégica: La organización planifica su futuro mediante los procesos o planes estratégicos, siempre de acuerdo con sus características y su entorno. Gracias a los procesos de planificación estratégica podemos definir nuestra empresa dentro de un marco u otro, y podemos pronosticar cual será su rumbo determinando sus fortalezas y debilidades, y previendo con antelación los posibles problemas que podamos encontrar. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 20 Evidentemente, como no todas las empresas cuentan con recursos ilimitados, se han de elegir las acciones más acertadas para mantener y mejorar la competitividad organizativa. En este tipo de decisiones, tomadas mediante los procesos de planificación estratégica, intervienen una serie de recursos organizativos entre los que se encuentra como fundamental el stock de conocimiento disponible, ya que de la utilización de los stocks surgen alternativas para la organización y su plan de actuación. Es decir, una buena planificación estratégica es considerada imprescindible para el buen desarrollo de la organización, y, por consecuencia, es considerada una herramienta indispensable para el aprendizaje. [17] Argumentamos así la tercera hipótesis: H3: Los procesos de planificación estratégica influyen de manera positiva la capacidad de aprendizaje de la organización. ELEMENTOS DE GESTION DEL COMPORTAMIENTO Una vez comentados ya algunos de los elementos que intervienen en el desarrollo de la organización, podemos centrarnos en aquellos elementos más subjetivos que también forman parte del proceso de aprendizaje. Nos referimos a las aptitudes y capacidades personales que son estrictamente individuales, y que desde el punto de vista de la organización es difícil alterar porque es responsabilidad del propio individuo mejorar sus capacidades personales. Sin embargo, una manera indirecta de hacer esta mejoría realidad es mediante la estimulación y promoción de acciones y valores orientados a modificar el entorno de los individuos, con el propósito de estimular conductas y habilidades localizadas en el entendimiento humano. Por consiguiente, admitimos que estos comportamientos o sentimientos, cuando trascienden al mundo profesional y social, afectan a las capacidades de aprendizaje, y, por lo tanto, al sistema organizativo [3]: Figura 9: Elementos de gestión sociales del modelo. [1] Confianza: En este marco organizativo que sigue el hilo del presente estudio, se define la confianza como el sentimiento de los miembros de la organización a creer o tener fe en las acciones y/o compromisos de los demás. Es considerada como una dimensión importantísima e irremplazable a la hora de crear relaciones profesionales y en el desarrollo de la comunicación interpersonal; a más confianza, mayor comunicación, y, se supone, mejora de la capacidad de aprendizaje. [17] Es necesario subrayar la importancia de una confianza mutua (como se refleja en los ítems utilizados en el cuestionario). Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 21 Cabe señalar el término de confianza óptima (Wick et al. 1999) por el que individuos o agentes implicados adquieren un compromiso estable y continuo con la confianza, basado en la capacidad de compartir ideas y conocimientos, sin olvidar en quién se confía y en qué grado y medida hay que hacerlo. De todo lo anterior, y para resumir, la confianza es algo que depende de cómo sea la relación entre las personas de la organización. Del buen desarrollo y gestión de este “elemento organizativo” derivará una mejora de las relaciones personales (motivación y seguridad en uno mismo) e interpersonales, dando como consecuencia mayor fluidez de nuevas ideas y más compromiso con los conocimientos propios y ajenos. Se formula así la siguiente hipótesis basada en lo comentado anteriormente: H4: La confianza se relaciona de manera positiva con la capacidad de aprendizaje de la organización La Creatividad La creatividad implica en si misma producción y creación de nuevas ideas. La creatividad surge de la necesidad de buscar alternativas al entorno cambiante mediante procesos de observación y comprensión del mismo. El término creatividad está íntimamente ligado al de innovación que veremos en el siguiente aparto, sin embargo, he de adelantar, que la creatividad es condición necesaria pero no suficiente para la innovación. De forma parecida a la confianza, la creatividad va ligada a la persona, siendo algo intrínseco a ella que no se puede gestionar directamente, pero sí se puede desarrollar mediante diversas acciones organizativas encaminadas a mejorar la creatividad de los individuos, ya que la mejora de la creatividad organizativa es debida a la mejora de la creatividad individual. Por lo tanto, gestionar la creatividad implica construir un contexto creativo en el que las pautas de comportamiento, el clima o las características del trabajo estimulen, sin obstaculizar, la creatividad de los individuos o grupos y, finalmente, de la organización. En este sentido, no sólo se está activando la creatividad, sino la capacidad de aprendizaje en cada uno de los diferentes niveles, lo que implica los stocks y flujos de conocimiento. [17] De todo lo anterior, sigue la siguiente hipótesis: H5: La creatividad influye de manera positiva la capacidad de aprendizaje de la organización La Innovación Si antes se ha definido a la creatividad como la producción de ideas nuevas, y se ha mencionado la estrecha relación con la innovación, ésta es ahora definida como la puesta en práctica de estas nuevas ideas, activando así la resolución de problemas. En este término también cabe la toma de decisiones que hay que realizar para que la innovación se dé. Por lo tanto, la innovación es un proceso relacionado con el desarrollo de las empresas. [17] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 22 Cuando la organización promueve la existencia de un clima de emprendimiento, en el que la innovación es el motor para reconocer y aprovechar nuevas oportunidades, se generará una mayor capacidad para aprender. Por lo tanto, a mayor innovación de la organización más conocimientos y mayor capacidad de aprendizaje. Plantemos así la última hipótesis referida a los elementos de gestión social. H6: La innovación tiene una influencia positiva la capacidad de aprendizaje. RESULTADOS Además de haber determinado el impacto de los elementos de gestión sobre la capacidad de aprendizaje en las empresas, es necesario comprobar cuáles son sus consecuencias efectivas sobre la competitividad de la organización siendo una relación indirecta la existente entre la gestión del conocimiento y la competitividad de una empresa. Autores como Calantone, Cavusgil y Zho, 2002, Fio y lyles, 1985, determinan esta relación como positiva, aunque también son muchos los que muestran su imparcialidad o neutralidad acerca del tema. Figura 10: Resultados organizacionales [1] En este proyecto se ha preferido seguir las proposiciones más optimistas y suponer una relación positiva entre la capacidad de aprendizaje y el rendimiento de la empresa alcanzado. Este impacto será valorado tanto en términos financieros como no financieros. Resultados No Económicos Podemos afirmar que un adecuado desarrollo de unos stocks y unos flujos de conocimiento, debidamente alineados, pueden hacer mejorar las relaciones existentes con los clientes (resultados no económicos) y, de esta manera, mejorar los resultados financieros (resultados económicos). Figura 11: Relación de la capacidad de aprendizaje con los resultados no económicos [1] STOCKS DE CONOCIMIENTO FLUJOS DE CONOCIMIENTO RELACIONES CON LOS CLIENTES STOCKS DE CONOCIMIENTO FLUJOS DE CONOCIMIENTO RELACIONES CON LOS CLIENTES STOCKS DE CONOCIMIENTO FLUJOS DE CONOCIMIENTO RELACIONES CON LOS CLIENTES Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 23 Por lo tanto, de todo lo anterior podemos desarrollar dos hipótesis: H7: La capacidad de aprendizaje de la organización ejerce un impacto positivo sobre los resultados de valor no económico-financiero de la empresa. Resultados Económicos Y finalmente, en cuestión económico –financiera, los estudios (Davis et al. 2002) nos dicen que no existen indicadores universales que midan este impacto (supuesto positivo), así que en este estudio se ha optado por medir estos factores de una manera entendible para directivos y empleados, tratando así la rentabilidad, el crecimiento de ventas, el beneficio y los costes de producción y productividad. Figura 12: Relación de la capacidad de aprendizaje con los resultados económicos [1] Expresamos este vínculo positivo mediante la siguiente hipótesis: H8: La capacidad de aprendizaje de la organización ejerce un impacto positivo sobre los resultados económico-financieros de la misma. Después de haber planteado todas las hipótesis que son objeto de nuestro estudio, resumimos una vez más el modelo a estudiar con la siguiente figura presentada en el Anexo I. STOCKS DE CONOCIMIENTO FLUJOS DE CONOCIMIENTO RELACIONES CON LOS CLIENTES RESULTADOS FINANCIEROS STOCKS DE CONOCIMIENTO FLUJOS DE CONOCIMIENTO RELACIONES CON LOS CLIENTES RESULTADOS FINANCIEROS Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 24 3. METODOLOGÍA 3.1.Modelos de Ecuaciones Estructurales: Los modelos de ecuaciones estructurales MEE ó SEM (Structural Equation Models) llevan muchos años usándose para describir las relaciones existentes en modelos causales. Con los MEE se consigue explicar determinados fenómenos complejos, y que éstos puedan ser contrastados mediante técnicas estadísticas basadas en estudios empíricos. 3.1.1. Líneas de Investigación Previas Desde principios del siglo XX hasta 1970 [15] El Análisis de la Varianza presentado por R.A Fisher, en 1925, fue una técnica pionera en el estudio de las relaciones causales. Este nuevo análisis trata de explicar el efecto de una variable independiente (explicativa) sobre otra dependiente (explicada), y establece, además, hasta qué punto la variación de la variable dependiente se debe a las variaciones de la variable independiente. A principios del siglo XX, los primeros psicómetras desarrollaron modelos para estudiar variables abstractas, no observables, llamadas constructos o variables latentes, cuyos valores se obtienen a partir de variables observables. Así fue como, en el área de las ciencias del comportamiento y asumiendo que se mide con error, se empezaron a desarrollar modelos para estudiar conceptos abstractos y que midieran de forma indirecta diferentes constructos. Es decir, se desarrolló el análisis factorial exploratorio (Spearman, 1904) y análisis factorial confirmatorio (Jöreskog, 1969). De manera paralela, los sociómetras sentaron las bases del Path Analysis (análisis de trayectorias), que describe las relaciones de dependencia entre variables latentes. Consiste en una técnica de descomposición de varianzas y covarianzas en función de los parámetros de un sistema de ecuaciones simultáneas. Como veremos más adelante, el Path Analysis es el padre de los modelos de ecuaciones estructurales y es considerado básico para el entendimiento de los mismos. La creación se le atribuye a Sewal Wright (1918), o por lo menos fue él quién se dio cuenta de la relevancia de esta técnica. A pesar de ello, S.Wright no fue quién lo introdujo en el campo de las ciencias sociales y la economía, sino que fueron los sociólogos Blalock y Duncan (1975). El conjunto de todos estos planteamientos dio lugar a dos nuevos términos. El primero está relacionado con el análisis factorial, es decir, el modelo de medida, que como veremos más adelante, relaciona variables latentes con variables medibles. El segundo término hace referencia al Path Analysis, es decir, relaciona las variables latentes entre sí, y se creó lo que ahora llamamos modelo estructural o de estructura (Doopman 1949). Con todo esto, se introdujo la base de los modelos de ecuaciones estructurales. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 25 El inicio de los modelos de ecuaciones estructurales: El origen de los modelos de ecuaciones estructurales se da en 1970, cuando el económetra Arthur Goldberger organizó una conferencia sobre los modelos que analizaban las relaciones causales, surgiendo así los modelos de ecuaciones estructurales como punto de encuentro entre todos los investigadores invitados a la conferencia. En ella se planteó, además, el interés por conocer no sólo la relación entre variables observables y latentes, sino también entre las propias variables latentes. Uno de los invitados fue Karl Jöreskog, quien planteó la primera formulación de Covariance Structure Analysis (CSA) para estimar un sistema de ecuaciones estructurales lineales, el cual fue conocido más tarde como LISREL (Lineal Structural Relations). Es decir, Jöreskog unificó análisis factorial, análisis de estructuras de covarianzas y modelos de ecuaciones estructurales lineales en un modelo general único. Actualmente, el programa LISREL es un programa de estimación de modelos de ecuaciones estructurales que se encuentra incorporado como un módulo del paquete SPSS. Existen también otros softwares para la estimación de estos modelos, como por ejemplo, SmartPLS. Los dos programas que se acaban de mencionar son utilizados para el estudio del modelo de este Proyecto Fin de Carrera. 3.1.2. Necesidad de los MEE Con frecuencia, recurrimos a los modelos de regresión lineal simple para describir la relación entre una respuesta cuantitativa (Y) y un variable predictora o descriptora (X) que pensamos o creemos influye en la respuesta (Y). Esto es un análisis fácil y simple de realizar. Pero, que pasaría si modificáramos y complicáramos el caso, es decir ¿qué pasa si hay más de un factor (X 1 ,X 2 ,X 3 ,) que influyen sobre Y?¿y sí a la vez de eso X 1 ,X 3 influyesen sobre X 2 ? Lógicamente, en este caso sería necesaria más de una ecuación para describir toda esta estructura. [22] Como vemos, los Modelos de Ecuaciones Estructurales nacen de la necesidad de querer dar mayor flexibilidad a los modelos clásicos de regresión lineal. Es decir, son un conjunto de ecuaciones de regresión menos restrictivos que permiten además errores de medida, tanto en las variables independientes como en las dependientes. De manera general, podemos decir que consisten en análisis factoriales que permiten conocer efectos directos e indirectos entre los factores. A nivel matemático engloban los siguientes conceptos:  Regresión lineal  Path análisis  Análisis factorial.  Relación causal X 1 X 2 X3 Y Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 32 KMO y Prueba de esfericidad de Bartlett. La medida de adecuación muestral KMO (Kaisser-Meyer.Olkin) contrasta si las correlaciones parciales entre las variables son suficientemente pequeñas, es decir, compara la magnitud de los coeficientes de correlación observados con la magnitud de los coeficientes de correlación parcial. Este parámetro varía entre 0 y 1, siendo conveniente que tome valores lo más elevados posibles. En el presente Proyecto de Fin de Carrera se ha considerado aceptable valores superiores a 0,5. Por otro lado, la prueba de esfericidad de Bartlett contrasta la hipótesis nula de que la matriz de correlaciones es una matriz identidad, ya que en caso de que fuera así, no existirían correlaciones significativas entre las variables y el modelo factorial no sería el adecuado. Se asume que el estadístico de Bartlett (Sig) se distribuye aproximadamente como la distribución chi-cuadrado. Si este valor es mayor de 0,5 no se puede rechazar la hipótesis nula y, por lo tanto, no se asegura que le modelo factorial sea el adecuado. Comunalidades La comunalidad de una variable es la proporción de su varianza que puede ser explicada por el modelo factorial. Viendo las comunalidades del modelo, podemos ver qué variables son peor explicadas por el mismo. Las comunalidades iniciales representan la información inicial de cada variable, que, en un primer momento, siempre son 1. Después de la extracción, representan la cantidad de información que permanece en cada variable original, una vez se han desechado algunos factores. En nuestro estudio tomaremos cómo válidas aquellas variables cuyo valor supere el 50% una vez hecha esa extracción, es decir, mayor que 0,5. Varianza Total Explicada La varianza explicada es la proporción de variación total de la variable respuesta que es explicada a partir de la relación lineal entre ésta con las variables explicativas. Es obvio pensar que un valor cercano a 1 se puede definir como un buen ajuste y es una garantía de la capacidad predictiva del modelo. Aceptaremos valores superiores al 60%. Matriz de Componentes Con esta matriz observamos el grupo de las variables que constituyen un único factor y, por lo tanto, se pueden desechar aquellas que no se agrupan dentro del mismo. Es un análisis fácil y sencillo en el que se observa directamente los grupos de variables que pueden existir. La siguiente tabla resume los criterios comentados: Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 33 Tabla 3: Criterios utilizados para el análisis factorial y de fiabilidad con SPSS. [1] > 0,7 Alfa de Croncach > 0,3 Correlación elemento -total Análisis Fiabilidad Análisis Factorial > 0,5KMO Matriz de Componentes Varianza Total Explicada Comunalidades Sig (Barlett) PARÁMETRO Observación directa de las tablas de resultados >0,6 > 0,5 < 0,5 CRITERIO > 0,7 Alfa de Croncach > 0,3 Correlación elemento -total Análisis Fiabilidad Análisis Factorial > 0,5KMO Matriz de Componentes Varianza Total Explicada Comunalidades Sig (Barlett) PARÁMETRO Observación directa de las tablas de resultados >0,6 > 0,5 < 0,5 CRITERIO Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 34 3.4.Estudio y Utilización de SmartPLS 3.4.1. Introducción al Método de los mínimos cuadrados parciales - Smartpls 2.0 Finalmente, para acabar de especificar todo lo que el modelo de ecuaciones estructurales engloba, es necesario hacer referencia al método de estimación que se lleva a cabo, el Método de Mínimos Cuadrados Parciales (PLS). Esta elección debe obedecer a los siguientes criterios: 1. Conjuntos de datos pequeños (una muestra no muy elevada) 2. Medidas poco desarrolladas (existen datos no métricos) 3. Teorías no desarrolladas sólidamente 4. Datos con distribuciones no normales 5. Presencia de indicadores formativos y reflectivos 6. Interés por predecir la variable dependiente Sin embargo, existen algunas restricciones a la hora de utilizar este método, tales como: 1. La parte estructural del modelo debe ser recursiva a. No admite dobles relaciones causales b. No admite bucles lógicos 2. Cada variable latente debe estar conectada, al menos, con otra variable latente [*] 3. Cada variable latente debe tener asignado, al menos, un indicador manifiesto 4. Un indicador solo puede ser asignado a una variable latente 5. El modelo debe ser de un solo bloque, no puede haber bloques no relacionados [*] [*] Estas son restricciones específicas de SmartPLS, no de la técnica en general. A pesar de ello, la gran ventaja que ofrece PLS frente a otros métodos es que se pueden plantear grandes modelos con un número reducido de observaciones, dichas observaciones, como ya hemos mencionado, son encuestas. Ya que la realización de estas encuestas es algo laborioso, costoso y complejo, es necesario recurrir a un modelo que nos simplifique y reduzca su volumen. El tamaño de la muestra que necesitamos se obtiene de multiplicar por 10 el máximo valor de: • El número de indicadores formativos del componente que es compuesto por el mayor número de ellas. • El número de variables exógenas de la relación causal con mayor número de ellas PLS, por tanto, consta de un análisis numérico en el que, dados un conjunto de pares, se intenta encontrar la función que mejor se aproxime a los datos (o mejor se ajuste), según el criterio de mínimo error cuadrático. El programa informático que lleva a cabo toda esta metodología, y que es utilizado en este proyecto, es SmartPLS 2.0. En el siguiente capitulo se detallan las pasos a realizar para el análisis. Como dato histórico, es importante señalar que PLS fue desarrollado por Herman Word. En un inicio se llamo NIPALS (Non Linear Iterative Partial Least Squares), obteniendo más adelante el nombre que lleva hoy en día. Su diseño final fue completado en 1977, y durante los años posteriores se ha conseguido desarrollar y mejorar. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 35 3.4.2. Análisis del Modelo de Medida Llegados a este punto, la utilización del programa informático Smart-PLS, en el que centraremos nuestro estudio en la validación o no de las hipótesis planteadas en el inicio del proyecto (apartado 2.3). Para ello, y aun habiendo realizado el análisis de fiabilidad y factorial, es necesario que el modelo reúna dos características fundamentales para que el procedimiento sea correcto y estemos seguros de la buena elección y agrupamiento de los indicadores del cuestionario. Por un lado, se debe medir la precisión, estabilidad y coherencia (fiabilidad), y, por el otro lado, deben obtenerse pruebas de que lo que se está midiendo es pura y concretamente lo que se tiene que medir (validez). Nos estamos refiriendo, por lo tanto, al análisis del modelo de medida. Antes de comenzar con la explicación, es importante señalar que éstas pruebas del modelo de medida son solamente aplicables a los indicadores reflectivos, por lo tanto, y como se verá a la hora de hacer el análisis, se aplicará a todos los indicadores menos a aquellos que definen la capacidad de aprendizaje, ya que hemos definido este constructo como formativo, y, por lo tanto, sus indicadores serán formativos. En su análisis correspondiente, se explica cómo proceder con este tipo de indicadores. Validez: Desde un punto de vista general, la validez de una escala hace referencia a la medida en que los indicadores están midiendo lo que deberían mediar. Sin embargo, a la hora de hacer el estudio de la validez del modelo debemos diferenciar entre los dos tipos de validez que vamos a estudiar. En primer lugar, se estudia la validez convergente, que se refiere a que las medidas de un mismo concepto deben estar relacionadas entre sí; es decir, la medida en que los indicadores están relacionados con el constructo al que definen. En segundo lugar, también estudiamos la validez discriminante, que es una característica necesaria para evitar la confusión y facilitar la interpretación de las relaciones entre los constructos. Esta validez hace referencia, por tanto, al grado en el que un indicador no se correlaciona con otros constructos de los que se supone que difiere. Existen diferentes pruebas en función de la validez a estudiar:  Validez convergente Una vez rodado el programa, se observa la tabla de resultados dónde nos aparecen todas las cargas, pesos, variables latentes y demás parámetros necesarios. Según el criterio de Carmines y Zelles, (1979), son aceptables todos aquellos valores de las cargas superiores de 0,7, sin embargo, Bagozzi y Yi, (1998), proponen una restricción aún mayor; estos valores deben ser superiores a 0,6. En este proyecto se ha seguido este último criterio. Una manera también de evaluar la validez convergente es mediante la Varianza Extraída Media (Fornell Larcker, 1981). Esta medida proporciona la cantidad de varianza que un constructo obtiene de sus indicadores con relación a la cantidad de varianza debida al error de medida. La recomendación para que el modelo con el que estamos trabajando tenga validez convergente es que tenga un valor superior al 0,5; es decir, se establece que más del 50% de la varianza del constructo es debida a sus indicadores. Este criterio sólo es aplicable a indicadores reflectivos, no formativos (Chin, 1998) Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 36 Donde: L ij es la carga factorial estandarizada de cada uno de los j indicadores del factor i. E ij es la varianza del término de error. Un tercer método para comprobar la validez convergente del modelo, y que disponemos con los PLS, es el de las cross-loading (cargas cruzadas). Si existen cargas superiores de este indicador sobre alguna variable latente distinta a la que está asociada, debemos reconsiderar su inclusión. De la misma forma que AVE, sólo es válido para indicadores reflectivos.  Validez discriminante Indica que un constructo debe compartir más varianza con sus indicadores que con otros constructos del modelo. Para que exista validez discriminante en un constructo deben existir correlaciones débiles entre éste y otras variables latentes que midan fenómenos diferentes. Su valoración sigue las siguientes inecuaciones utilizando también el parámetro AVE: Siendo ρ el coeficiente de correlación que se obtiene. De la misma manera que en el anterior, este parámetro sólo es aplicables a indicadores reflectivos. Fiabilidad: La fiabilidad, en términos generales, se relaciona con el grado de error aleatorio. Cuanto mayores son las fluctuaciones aleatorias en las respuestas, menor es la fiabilidad, y viceversa. Es decir, como su propia palabra indica, lo que medimos es hasta qué punto nuestra medida es precisa, o, lo que es lo mismo, si nuestro modelo puede considerarse un instrumento de medida serio y de utilidad.  Fiabilidad individual: La manera de medir la fiabilidad es mediante la ya comentada Alfa de Conbach (apartado 3.3.2)  Fiabilidad compuesta Permite medir la consistencia interna del bloque de indicadores para un constructo. La fiabilidad compuesta es exclusivamente aplicable con indicadores reflectivos. Aceptaremos valores superiores a 0,6. El índice utilizado para este análisis es: Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 37 < 5FIVColinealidad Indicadores Formativos Indicadores Reflectivos > 0,6Carga IFC α AVE i , AVE j ρ ij AVE PARÁMETRO >0,6Compuesta >0,7Simple Fiabilidad AVE i > ρ ij 2 AVE j > ρ ij 2 Discriminante >0,5 Convergente Validez CRITERIOPRUEBA < 5FIVColinealidad Indicadores Formativos Indicadores Reflectivos > 0,6Carga IFC α AVE i , AVE j ρ ij AVE PARÁMETRO >0,6Compuesta >0,7Simple Fiabilidad AVE i > ρ ij 2 AVE j > ρ ij 2 Discriminante >0,5 Convergente Validez CRITERIOPRUEBA Donde: Lij es la carga factorial estandarizada de cada uno de los j indicadores del factor i Var (Eij) es la varianza del término de error que se calcula como: Para los indicadores formativos la única condición que se impone es que ya que forman a su constructo, debe no existir colinealidad entre ellos. Por lo tanto, se calculará el Factor de Inflación de la Varianza (FIV), que representa el incremento de la varianza debido a la multicolinealidad . Esta valor no debe ser superior a 5 (Kleinbaum, Kupper & Muller, 1988). La siguiente tabla resume todas las pruebas y parámetros necesarios para poder realizar el análisis del modelo de medida a los diferentes indicadores: Tabla 4: Pruebas y parámetros a realizar en el análisis del modelo de medida. [1] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 38 3.4.3. Análisis del modelo de Estructural Finalmente, el último estudio que ha de realizarse es el análisis del modelo estructural. Gracias a este análisis se consigue obtener los parámetros suficientes para poder aceptar o no las hipótesis que fueron planteadas. Lo que se quiere medir en este análisis es: 1. Estimar qué cantidad de la varianza de las variables dependientes es explicada por los constructos o variables exógenas del modelo. 2. Analizar en qué medida las variables independientes o exógenas contribuyen a la varianza explicada de las variables dependientes o endógenas del modelo. Existen dos parámetros que nos proporciona el programa informático SmartPLS y cuyos valores no ayudan a identificar y medir el modelo estructural:  R 2 (sólo para las variables latentes dependientes). Esta medida indica la cantidad de varianza del constructo que es explicada por el modelo. El valor debe ser mayor de 0,1 ya que los valores inferiores, aún siendo estadísticamente significativos, proporcionan poca información y, por lo tanto, las hipótesis relacionadas con ese constructo tendrán un carácter predictivo muy bajo.  β (Path coeficientes) Indica la fuerza de la relación causal Al margen de estos dos parámetros, se realizan dos pruebas que ayudan a corroborar en mayor medida este estudio: Blindfolding Este procedimiento omite parte de los datos cuando estima una variable latente dependiente a partir de otras variables latentes independientes, y luego intenta estimar esos datos utilizando los parámetros estimados con anterioridad. Este proceso se repite hasta que cada dato ha sido omitido y estimado. El estadístico utilizado para esta prueba es el Q 2.: Donde: E k es la suma de los errores entre el valor real y el estimado mediante regresión de la variable k cuando omitimos el caso n. O k es la suma de los errores estimada mediante media de la variable k cuando omitimos el caso n. El parámetro Q 2 es válido cuando: Q2>0 el modelo tiene validez predictiva respecto a la variable k Q2<0 el modelo representa carencia de validez predictiva respecto a la variable k Q2>0 el modelo tiene validez predictiva respecto a la variable k Q2<0 el modelo representa carencia de validez predictiva respecto a la variable k Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 39 Boostrapping Es un proceso de remuestreo en el que se generan aleatoriamente N (aproximadamente 500) muestras a partir de la muestra original mediante sustitución con reemplazo. Se calculan los valores medio de los parámetro obtenidos en las N muestras y se comparan con los obtenido con la muestra original La siguiente tabla muestra un résumen de las dos pruebas comentadas: Tabla 5: Pruebas necesarias para el modelo de medida [1] Boostrap >0Q 2 T-student PARÁMETRO t(95 %) = 1,6479 t(99 %) = 2,3338 t(99,9 %) = 3,1066 Blindfold CRITERIOPRUEBA Boostrap >0Q 2 T-student PARÁMETRO t(95 %) = 1,6479 t(99 %) = 2,3338 t(99,9 %) = 3,1066 Blindfold CRITERIOPRUEBA Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 40 4. ANÁLISIS Y RESULTADOS 4.1.Análisis del Modelo Llegados a este punto, es el momento de poner en práctica las implementaciones informáticas explicadas en los apartados 3.3 y 3.4. para así poder realizar el análisis del modelo a estudiar y obtener finalmente unas conclusiones certeras sobre el mismo. El primer paso será la realización de los diagramas causales, o path diagramas, en los que definimos de una manera más concreta cómo es el modelo a estudiar. Además, como hemos visto, es un paso imprescindible y muy importante en el método de ecuaciones estructurales. El siguiente paso será validar el cuestionario una vez recogida la información, es decir, el análisis exploratorio. Para ello es necesario comprobar qué grado de fiabilidad podemos obtener de la muestra obtenida. La herramienta informática elegida, como ya se comentó, que ha permitido el análisis ha sido el SPSS (Statistical Producto and Service Solutions), cuyas pruebas fueron explicadas en el apartado 3.3. Una vez realizada esta primera fase, se procede al análisis causal, en el que, además de corroborar la fiabilidad y validez del cuestionario (análisis confirmatorio), se estudian y contrastan las hipótesis (relaciones causales) establecidas, para poder llegar a conclusiones sobre el modelo. Todo lo relativo a esta técnica fue explicado en el apartado 3.4. Simplemente, es preciso volver a mencionar que el paquete informático utilizado es el SmartPLS. 4.2.Diseño y Realización de los Diagramas Causales: En esta primera fase del análisis, se diseñaron los diagramas causales del modelo, los cuales los encontramos en el Anexo V. Para su realización ha sido muy importante tener en cuenta los siguientes factores que se explican a continuación:  Carácter multidimensional del Modelo  Tamaño de la muestra obtenida 4.2.1. Modelos unidimensionales y multidimensionales. Nuestro modelo, como ha sido descrito, consta del constructo “Capacidad de Aprendizaje”, siendo éste un constructo de segundo orden. Es decir, la Capacidad de Aprendizaje está definida por otros constructos (Capacidad o conocimiento Individual, Capacidad Grupal, Capacidad Organizacional e Interorganizacional y los dos Flujos de Conocimiento), que a su vez, éstos quedan definidos finalmente por las variables medibles o indicadores. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 41 La siguiente imagen refleja muy bien lo descrito: Figrua 15: Capacidad de aprendizaje como constructo formativo de segundo orden [1] Por lo tanto, a la hora de trabajar con el programa informático SmartPLS, todos los análisis que se hacen, tanto de medida con estructural, serán realizados en dos etapas. Diagrama Unidimensional (etapa I): Este diagrama consta de 14 constructos, 6 de los cuales son los que definen la capacidad de aprendizaje. Este diagrama es utilizado como fase previa al modelo multidimensional. Mediante la herramienta de este programa “Latent Variable Store” (puntuaciones de los factores), obtendremos las puntuaciones de los factores que forman parte de la capacidad de aprendizaje, y de esta manera serán utilizados en la Estructura Multidimensional como indicadores de la misma. Es decir, el diagrama unidimensional nos sirve de fase previa para poder analizar la estructura multidimensional. Diagrama Multidimensional (etapa II) : Una vez obtenidas las puntuaciones de los constructos que forman parte de la Capacidad de Aprendizaje, éstas son usados como sus indicadores. Obtenemos de esta manera un modelo multidimensional más simple, en el que podemos analizar cómo influyen los elementos de gestión (organizacionales y sociales) directamente con la capacidad de aprendizaje, lo cual es el objetivo directo de nuestro estudio. Es necesario remarcar también el carácter formativo del constructo “Capacidad de Aprendizaje”. Cuando fue definido ya se explicaron sus motivos. Sin embargo, en esta ocasión ya queda reflejado mediante las flechas (direcciones causales) que señalan hacia la capacidad de aprendizaje. 4.2.2. Del Modelo Global a dos Sub-Modelos: Para que el funcionamiento del programa SmartPLS sea el óptimo, y tal y como describíamos en el apartado 3.4, es necesario tener un determinado tamaño muestral que, aunque para este programa no hace falta que sea demasiado grande, si es necesario que sea suficiente para poder analizar el modelo. C.I C.O C.IO FOI FIO C.G CAPACIDAD APRENDIZAJE … … … … … … CG1 CG2 CG7 CI1 CI2 CI8 CO1 CO2 CO9 CIO1 CIO2 CIO8 FOI1 FOI2 FOI4 FIO4 FIO2 FIO1 C.I C.O C.IO FOI FIO C.G CAPACIDAD APRENDIZAJE … … … … … … CG1 CG2 CG7 CI1 CI2 CI8 CO1 CO2 CO9 CIO1 CIO2 CIO8 FOI1 FOI2 FOI4 FIO4 FIO2 FIO1 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 48 4.4.Análisis del Sub-Modelo 2 Seguido al análisis del Sub-Modelo 1, es el momento de centrarnos en el sub-modelo 2, último modelo de nuestro estudio. El Sub-Modelo 2 es aquel que relaciona la Confianza, la Creatividad y la Innovación con la Capacidad de Aprendizaje. Para hacernos una idea exacta del modelo a analizar, podemos verlo de manera gráfica en el Anexo V donde se encuentran su path diagram correspondiente. 4.4.1. Análisis SPSS Análisis de Fiabilidad Esta prueba, el análisis de fiabilidad del cuestionario, es la misma que la realizada para el estudio del sub-modelo 1, ya que todos los constructos utilizados son los mismos, salvo que en este caso NO tendremos en cuenta la vigilancia del entorno, la planificación estratégica y los sistemas de información. Por lo tanto, el estudio de fiabilidad ya lo tenemos realizado, y se pueden ver las pruebas y resultados obtenidos en el Anexo VI. A continuación en la siguiente tabla se muestran los ítems que ya fueron eliminados después del análisis: Tabla 15: Indicadores eliminados una vez realizado el análisis de fiabilidad para el sub-modelo 2 [1] Análisis Factorial De la misma manera que para el análisis anterior, el estudio ya está realizado porque utilizamos la totalidad de los constructos salvo los tres ya mencionados. En el Anexo VII podemos ver las pruebas pertinentes. La siguiente tabla muestra los ítems eliminados una vez realizado el análisis: 2,4RESULTADOS NO ECONOMICOS 4,5RESULTADOS ECONOMICOS 3INNOVACION 5CREATIVIDAD -CONFIANZA 2,4FLUJO ORGIND 4FLUJO INDORG 7CAPACIDAD INTERORGANIZACIONAL 6CAPACIDAD ORGANIZACIONAL -CAPACIDAD GRUPAL 6CAPACIDAD INDIVIDUAL INDICADOR ELIMINADOCONSTRUCTO 2,4RESULTADOS NO ECONOMICOS 4,5RESULTADOS ECONOMICOS 3INNOVACION 5CREATIVIDAD -CONFIANZA 2,4FLUJO ORGIND 4FLUJO INDORG 7CAPACIDAD INTERORGANIZACIONAL 6CAPACIDAD ORGANIZACIONAL -CAPACIDAD GRUPAL 6CAPACIDAD INDIVIDUAL INDICADOR ELIMINADOCONSTRUCTO Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 49 Tabla 16: Indicadores eliminados una vez realizado el análisis de factorial para el sub-modelo 2 [1] 4.4.2. Análisis SmartPLS En el siguiente apartado se van a comentar el análisis y los resultados de las pruebas necesarias para el análisis del modelo causal. Por limitaciones de la extensión de esta memoria, todas las tablas, gráficos y datos obtenidos para la realización del mismo han sido incluidos en los Anexos X y XI, donde además aparecen algunas explicaciones al respecto. Modelo de Medida Como una segunda prueba de la fiabilidad y validez del cuestionario, se ha realizado el análisis del modelo de media, donde las pruebas fueron explicadas en el apartado 3.4.  Diagrama Unidimensional (etapa I) De la misma manera que se ha explicado en el sub-modelo 1, no es necesario realmente realizar el análisis de fiabilidad y validez al diagrama unidimensional. En realidad, para lo único que se utiliza es para obtener las puntuaciones de las variables latentes que constituyen la capacidad de aprendizaje mediante la opción que nos proporciona el SmartPLS “Latent Variable Scores”.  Diagrama Multidimensional (etapa II) Llegados a este punto, ya es posible realizar el análisis del modelo de medida del sub-modelo 2. Un aspecto de gran importancia que debemos resaltar antes de comenzar es la existencia de indicadores reflectivos y formativos y, por lo tanto, serán analizados de manera diferente: -RESULTADOS NO ECONOMICOS -RESULTADOS ECONOMICOS -INNOVACION -CREATIVIDAD -CONFIANZA -FLUJO ORGIND -FLUJO INDORG 2,4CAPACIDAD INTERORGANIZACIONAL 1,6,7,9CAPACIDAD ORGANIZACIONAL 1,2,4,5,7CAPACIDAD GRUPAL -CAPACIDAD INDIVIDUAL INDICADOR ELIMINADOCONSTRUCTO -RESULTADOS NO ECONOMICOS -RESULTADOS ECONOMICOS -INNOVACION -CREATIVIDAD -CONFIANZA -FLUJO ORGIND -FLUJO INDORG 2,4CAPACIDAD INTERORGANIZACIONAL 1,6,7,9CAPACIDAD ORGANIZACIONAL 1,2,4,5,7CAPACIDAD GRUPAL -CAPACIDAD INDIVIDUAL INDICADOR ELIMINADOCONSTRUCTO Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 50 Constructo R2 C.A 0,637 R€ 0,212 RN€ 0,69 Indicadores reflectivos: Para estos indicadores se realizan las pruebas ya explicadas para el análisis del modelo de medida. Los resultados que nos revelan las pruebas proporcionan seguridad para utilizar esos indicadores:  Todos los valores de las cargas de los indicadores son mayores que 0,6  Los parámetros de AVE, IFC y Alfa de Cronbach superan todos sus valores limites para garantizar fiabilidad y validez.  En la prueba de cross-loading, no hay ningún indicador con una carga superior a una variable latente que no sea la que le corresponde.  La validez discriminante queda también comprobada gracias a los coeficientes de correlación elevados al cuadrado (ρ 2 ), ya que estos valores son siempre menores que las AVE correspondientes. Indicadores formativos: Para estos 6 indicadores la única prueba necesaria para su estudio es el FIV, que indica la existencia o no de colinealidad, se da por válido aquel valor inferior a 5. A continuación mostramos su valor medio para el constructo en global. Este valor medio ha sido calculado a partir de las diversas pruebas realizadas y mostradas en el Anexo correspondiente. A la vista de los resultados no se observa ningún indicio de colinealidad. FIV C.A 2,06 En este momento, podemos afirmar que el cuestionario posee fiabilidad y validez suficiente para poder pasar a la última parte de nuestro estudio. Modelo Estructural Nos encontramos ante el estudio de las relaciones causales, es decir, la validación de las hipótesis planteadas en el inicio de este proyecto. En realidad, lo que se estudia es: 1. Estimar la cantidad de la varianza de las variables dependientes (endógenas) que es explicada por los constructos o variables exógenas del modelo. 2. Analizar en qué medida las variables independientes o exógenas contribuyen a la varianza explicada de las variables dependientes o endógenas del modelo. R 2 > 0,1 es el primer criterio necesario para llevar a cabo este estudio (Falk y Miller, 1992). Tras hacer rodar el programa, se consiguen los siguientes resultados; todos cumplen el criterio, con lo que queda explicado el punto 1: Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 51 Constructo CA Path Correlación % Varianza Explicada CONF 0,1748 0,5452 0,09530096 CREA 0,4059 0,7459 0,30276081 INN 0,3539 0,674 0,2385286 R2=0,637 Constructo R€ Path Correlación % Varianza Explicada CA 0,4609 0,4609 0,21242881 R2= 0,212 Constructo RN€ Path Correlación % Varianza Explicada CA 0,6905 0,6905 0,6905 R2= 0,690 t(95 %) = 1,6479 => * t(99 %) = 2,3338 => ** t(99,9 %) = 3,1066 => *** t(95 %) = 1,6479 => * t(99 %) = 2,3338 => ** t(99,9 %) = 3,1066 => *** T Statistics (|O/STERR|) C.A -> RN€ 11,234 C.A -> R€ 3,498 CONF -> C.A 1,209 CREA -> C.A 2,407 INN -> C.A 2,843 De la misma manera que para el caso anterior, para explicar el punto 2 se establece que las variables exógenas contribuyen al menos con un 1,5% a la varianza explicada de las endógenas. Las tablas muestran un resumen de los resultados, y se comprueba que se cumple la regla. Tabla 18 Tabla 17 Tabla 19 Tabla 17,18,19: Resultados del análisis del modelo estructural del sub-modelo2 [1] De la misma manera que en el sub-modelo 1 ( y tal y como explica Gómez Vieites, A. Calvo Gonzalez, JL. “Un Análisis de las relaciones entre I+D innovación y resultados empresariales: el sector de electrónica e informática en España”. [4]) se extrae la siguiente información: De las tablas anteriores, se puede extraer determinada información como por ejemplo saber la relación de la Capacidad de Aprendizaje con los distintos elementos de gestión sociales. Por lo tanto, se observa que la Creatividad es el elemento (variable latente) que más contribuye a esta Capacidad de Aprendizaje, explicando un 30,27% de la varianza del constructo. Esta relación es seguida por la Innovación, ya que contribuye con un 23, 85%, y, finalmente, la Confianza interviene con el 9,5%. Por otro lado, observamos que para los dos tipos de resultados organizacionales, económicos y no económicos, la varianza de ambos constructos queda explicada íntegramente por la Capacidad de Aprendizaje (21,24% y 69% respectivamente). Es ahora el momento de estudiar la bondad de ajuste del modelo propuesto. Para ello, utilizamos la herramienta informática que ofrece el SmartPLS, Boostrap, que nos permite analizar la estabilidad de las estimaciones realizadas. Los datos que hay que introducir son 58 casos (el mismo número de la muestra utilizada) y 500 muestras. En la siguiente tabla se muestran los resultados: Tabla20: Valores t-student Sum-Modelo 2.[1] Para una distribución t-student de una cola con n-1 grados de libertad siendo n el número de muestras consideradas en la técnica boostrap (500) los valores que determinan la significación estadística son los siguientes: Tabla 21: valores de significatividad [4] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 52 Total Q 2 CONF 0,6999 CREA 0,775 INN 0,5961 RN€ 0,7472 R€ 0,8662 Con toda la información anterior y el otro parámetro importante en este estudio como es β (coeficiente path), podemos explicar la significatividad de los valores, y, por tanto, afirmar que:  La Creatividad incide positivamente (β=0,406) en la Capacidad de Aprendizaje. Aceptamos la hipótesis H5 con p<0,01.  La Innovación incide de manera positiva en la Capacidad de Aprendizaje. Se puede aceptar la hipótesis correspondiente, H6 con p<0,01  La Confianza incide positivamente en la Capacidad de Aprendizaje pero no tenemos la seguridad de poder aceptar esta hipótesis. p>0,05  La Capacidad de Aprendizaje incide de manera positiva en los resultados no económicos de la organización. Esta relación causal es aceptada con p<0,001.  La Capacidad de Aprendizaje influye de manera positiva en los Resultados Económicos de la organización. Aceptamos esta relación causal con p<0,001. Figura 22: Coeficientes β sub-modelo 2 Como en este sub-modelo 2 también se han aceptado las dos últimas relaciones causales relativas a los resultados económicos, podemos afirmar que:  Aceptamos la hipótesis H8 con p<0,001  Aceptamos la hipótesis H9 con p<0,001 Una última prueba que nos queda es Blindfolding donde corroboramos la capacidad predictiva del modelo: Tabla20: Resultados prueba Blindfold sub-modelo 2.[1] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 53 5. CONCLUSIONES Y FUTUROS ESTUDIOS 5.1.Conclusiones El fin último de este Proyecto Final de Carrera es el de conseguir que las empresas del sector del Metal optimicen los recursos relacionados con la capacidad de aprendizaje para así mejorar los resultados organizacionales, tanto financieros propiamente dichos, como aquellos resultados que no tienen que ver con el tema económico y se identifican más con la reputación de la empresa o la satisfacción del cliente que, al fin y al cabo, también repercuten en el ámbito económico. Tal y como muestran los resultados obtenidos, existe una relación positiva entre la capacidad de aprendizaje y los resultados organizacionales. Lo primero que se debe destacar es que esta influencia positiva es mayor (en los dos sub-modelos) para los resultados no económicos (0,6753, 0,89) que para los económicos (0,5377, 0,461). Es obvio pensar que esto se debe a la mala situación económica en la que se encuentra España, y ya que Zaragoza (marco geográfico del estudio realizado) no está exenta de ella, se supone que los resultados económicos estarán contextualizados bajo una situación económicamente negativa. Sin embargo y pese a este factor, la influencia de la capacidad de aprendizaje sobre los resultados económicos es notable y digna de mención. Para la supervivencia de cualquier empresa es necesario que ésta obtenga unos resultados organizacionales que le permitan continuar con el negocio. Por lo tanto, y a la vista de los resultados obtenidos en este Proyecto Final de Carrera, es innegable pensar que la vía para conseguirlo es aumentar, mejorar o incrementar la capacidad de aprendizaje. Ahora bien, ¿cómo aumentamos la capacidad de las empresas enmarcadas en el sector del Metal?, es decir, ¿cómo aumentamos los beneficios de estas empresas?. La respuesta es directa una vez realizado este estudio: gracias a los elementos de gestión estructural y social. ELEMENTOS DE GESTIÓN ESTRUCTURALES En el sub-modelo 1 obtenemos que los tres elementos estructurales (Planificación Estratégica, Vigilancia del Entorno y Tecnologías de Información y Comunicación) influyen de manera positiva en la capacidad de aprendizaje. Por lo tanto, a mayor cantidad y calidad de estos elementos, mayor capacidad de aprendizaje y mejores resultados. Analizando minuciosamente estas relaciones, destacamos una mayor importancia de las tecnologías de la información y la comunicación sobre los otros dos elementos. Es decir, que los puestos de trabajo estén informatizados, que existan herramientas tecnológicas útiles, redes internas de comunicación y que sobre todo se tenga acceso a Internet son considerados factores importantes a la hora de mejorar el aprendizaje en las empresas relacionadas con este sector. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 54 De una manera un poco menos intensa pero también significativa, está la relación de la vigilancia del entorno y la planificación estratégica como elementos que también contribuyen al aprendizaje organizacional. Sería, por tanto, necesario, a nivel general, que las organizaciones hicieran un seguimiento constante de los clientes, de los competidores y de los proveedores, así como que tuviesen un posicionamiento claro de futuro y una estrategia definida y compartida con el máximo número de trabajadores. De la misma manera, a mayor calidad e intensidad de estas actividades, mejores resultados organizacionales. ELEMENTOS DE GESTIÓN SOCIALES: Por otro lado, el sub-modelo 2 nos muestra que otro tipo de elementos, en parte un poco mas subjetivos, mejoran o influyen positivamente en la capacidad de aprendizaje, y, como ya ha sido explicado, esta capacidad puede ayudar a las empresas a conseguir una continuidad de negocio. Es momento de hacer mención a la innovación y la creatividad de una manera conjunta y paralela. Bien es cierto que los datos nos reflejan que la creatividad es, de los tres elementos sociales, el que más influye sobre la capacidad de aprendizaje (0,406); sin embargo, y cómo fue explicado al comienzo de la memoria, existe una gran relación entre la creatividad y la innovación. La creatividad fue definida como la producción y creación de nuevas ideas, y la innovación como la puesta en práctica de estas nuevas ideas activando así la resolución de problemas. Es lógico pensar que si una influye de manera positiva, la otra también debe hacerlo. De esta manera, se considera importante que las empresas (siempre enmarcadas en el sector del Metal), sean flexibles, fomenten y estimulen la creación de ideas nuevas, así como adquieran nuevos conocimientos y visiones de los nuevos empleados. Además, la realización de proyectos de investigación puede resultar un estímulo importante. Podemos explicar la menor influencia de la innovación comparada con la creatividad debido a la falta de recursos de estas empresas. Como ya fue descrito, el sector del metal abarca un gran abaníco de actividades y de todas las magnitudes, siendo en su mayoría pequeñas y medianas empresas las que colaboraron con este estudio. Por lo tanto, es posible pensar que la falta de recursos de éstas sea el principal motivo de la diferencia de influencia de estos elementos, ya que crear ideas puede resultar fácil pero sin embargo ponerlas en práctica un poco más difícil. Sería, por tanto, beneficioso que las empresas obtuvieran el mecenazgo necesario para la realización de diferentes proyectos. Como tercer elemento comentamos la confianza. Es verdad que los datos nos revelan también una influencia positiva, aunque menor, sobre la capacidad de aprendizaje. Sin embargo, no hemos obtenido las significatividad estadística necesaria para poder aceptar esta relación. Esto no quiere decir que la confianza, tanto en la empresa, como en los compañeros, como en uno mismo, no sea importante a la hora de adquirir conocimientos, sólo quiere decir que, aún existiendo una relación positiva, no existe la probabilidad suficiente para estar seguros de que esta relación sea así. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 55 Llegados a este punto, como conclusión general, podemos afirmar que, aunque existen muchas formas de mejorar los resultados organizacionales, una de ellas es mediante el aprendizaje. Fomentando y aumentando esta capacidad se consigue mejorar los resultados organizacionales que, al fin y al cabo, son los dos pilares que aseguran la continuidad de un negocio. Para ello, es necesaria la puesta en práctica del máximo número de actividades y herramientas que estimulen y amplíen todos aquellos elementos que influyen sobre el aprendizaje. 5.2.Futuros Estudios Como futuros estudios, sería bueno volver a realizar el mismo modelo consiguiendo una muestra mayor. De esta manera, tal vez se consiga la significatividad suficiente como para obtener algún resultado concluyente acerca del elemento “confianza” Ya que ha sido mencionada la relación de algunos de los elementos entre sí, puede resultar interesante realizar el estudio de estas relaciones. Las siguientes imágenes muestran esta nueva posibilidad: Figura 18: Posibilidad de futuro estudio Figura 19: Posibilidad de futuro estudio Consistiría en, además de ver la repercusión de los elementos con la capacidad de aprendizaje y de ésta con los resultados, estudiar cómo influyen estos elementos entre sí. De esta manera, existirían más vías para la optimización de recursos organizacionales. Finalmente, y dado que este proyecto es extensible a cualquier campo, sería una buena posibilidad llevar a cabo este mismo estudio enmarcándolo en otros sectores. Resultaría interesante observar la influencia de los elementos estudiados en el sector, por ejemplo, de las nuevas tecnologías. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 56 ANEXOS: Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 57 ANEXO I: PRESENTACIÓN DEL MODELO A ESTUDIAR. PLANTEAMIENTO DE HIPÓTESIS Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 64 4. RELACIÓN CAUSAL Como sabemos, las relaciones causales entre diferentes variables se pueden establecer de manera experimental o no experimental. La primera (experimental) se desarrolla en las ciencias físicas o químicas, donde existe un conocimiento empírico que indica que toda variación en la variable causa provoca un cambio en la variable efecto. Sin embargo, en el ámbito de las ciencias sociales y del comportamiento (estudios no experimentales) este conocimiento sobre la causalidad es escaso y recurrimos a la estadística como única fuente de información. Es decir, las relaciones causales se inducen a partir de las relaciones estadísticas observadas entre las variables. Como hoy en día los modelos de ecuaciones estructurales son una de las herramientas más potentes para el estudio de las relaciones causales con datos no experimentales, se ha pensado oportuno explicar o clarificar estos conceptos: • Covariación : entre dos variables, significa que los valores de una se dan con frecuencia asociados a los valores de la otra variable • Correlación: se da cuando hay además relación causal, es decir, los cambios en la variable independiente (causa) provocaran cambios en la variable dependiente (efecto). La correlación entre variables es una relación simétrica; es decir, si “x” tiene un tipo de correlación, positiva o negativa, con “y”, entonces “y” tiene el mismo tipo de correlación con “x”. • Causalidad: es una relación asimétrica: si “x” es causa de “y”, no se deduce que “y” sea causa de “x”. Es decir, la causalidad implica una dirección del efecto. Para representar el efecto causal de v 1 en v 2, bajo el supuesto que la relación entre ambas variables es lineal y que ambas están expresadas en desviaciones respecto a su media, se emplea una ecuación de regresión del tipo: Donde d 2 es un término de perturbación aleatorio que recoge la variación de v 2 por causas distintas de v 1 . Si estas otras causas contenidas en d 2 están relacionadas con v 1, confundirán la relación entre v 1 y v 2. . A pesar de la complejidad, estos modelos nunca prueban causalidad, ya que tan sólo ayudan a seleccionar entre las hipótesis causales propuestas relevantes, lo cual, se ha conseguido en este proyecto, gracias al programa informático SmartPLS. X Y X Y V 2 = β 21 ·V 1 + d 2 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 65 ANEXO III: ENCUESTA REALIZADA POR LOS MIEMBROS DE LA FEMZ Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 66 CUESTIONARIO Para responder a este cuestionario, lea con atención las diferentes cuestiones y marque con un círculo la opción que usted elija. POR FAVOR, CONTESTE A TODAS LAS CUESTIONES. La información será tratada confidencialmente. DATOS GENERALES 0.2 Puesto o cargo que ocupa en su empresa……………………………………………………………………………………. 0.3 Departamento al que pertenece……………………………………………………………………………………………… A partir de ahora, valore las siguientes preguntas según su criterio siendo 1 muy en desacuerdo y 7 muy de de acuerdo COMPORTAMIENTO INTERNO DE LA ORGANIZACIÓN 1.1 CAPACIDADES INDIVIDUALES 1 Usted posee los conocimientos y cualificaciones suficientes para el puesto 1 2 3 4 5 6 7 2 Usted reconoce los aspectos o tareas más importantes de su trabajo 1 2 3 4 5 6 7 3 Usted sabe cuál es la dirección y meta de su trabajo 1 2 3 4 5 6 7 4 Usted se siente seguro de si mismo y orgulloso de su trabajo 1 2 3 4 5 6 7 5 Usted genera nuevas ideas y propuestas para la empresa en la que trabaja 1 2 3 4 5 6 7 6 Usted pone mucha energía en su trabajo 1 2 3 4 5 6 7 7 Usted es riguroso y manifiesta responsabilidad en su trabajo. 1 2 3 4 5 6 7 8 Usted piensa que su experiencia profesional y nivel de formación le permiten asimilar mejor los nuevos conocimientos 1 2 3 4 5 6 7 1.2 CAPACIDADES DE LOS GRUPO: Preguntamos por los diferentes departamentos y grupos de trabajo 9 En su empresa es necesario la participación conjunta de diferentes grupos de trabajo o departamentos para aprovechar el conocimiento adquirido 1 2 3 4 5 6 7 10 Usted cree que la experiencia profesional favorece el intercambio de conocimiento entre miembros 1 2 3 4 5 6 7 11 En su grupo de trabajo se crean nuevos conocimientos y surgen nuevas ideas 1 2 3 4 5 6 7 12 En su grupo de trabajo o departamento, se resuelven eficazmente los problemas 1 2 3 4 5 6 7 13 Su grupo de trabajo o departamento está coordinado adecuadamente 1 2 3 4 5 6 7 14 En su grupo de trabajo, los logros y fracasos son compartidos 1 2 3 4 5 6 7 15 La gente nueva se adapta rápidamente a su grupo o departamento 1 2 3 4 5 6 7 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 67 1. 3 CAPACIDADES DE LA ORGANIZACIÓN: En esta sección evaluamos su empresa como una unidad que engloba TODO 16 La estructura de la organización permite trabajar de manera eficaz 1 2 3 4 5 6 7 17 En su empresa existe una cultura organizativa definida que fomenta la aparición de ideas nuevas 1 2 3 4 5 6 7 18 En su empresa se dispone de fuentes de información, archivos y bases de datos COMUNES convenientemente actualizados y disponibles (informes escritos, informes de presentación, prácticas entre departamentos…) 1 2 3 4 5 6 7 19 Estas fuentes de información, archivos y bases de datos son los apropiados 1 2 3 4 5 6 7 20 Su empresa fomenta el aprendizaje en el trabajo mediante la comunicación 1 2 3 4 5 6 7 21 En su empresa se imparten cursos de formación 1 2 3 4 5 6 7 22 Considera que el aprendizaje es elemento esencial de la estrategia de su empresa 1 2 3 4 5 6 7 23 La estrategia de comunicación interna de su empresa se diseña en función de las necesidades de información que tenga cada empleado 1 2 3 4 5 6 7 24 La empresa distingue distintos grupos o segmentos entre el personal, con la finalidad de dirigirse o comunicarse con ellos de forma diferenciada 1 2 3 4 5 6 7 1.4 CAPACIDADES INTER-ORGANIZATIVAS Relación de su empresa con otros organismos y/o instituciones 25 Su empresa se muestra abierta a cooperar con otras instituciones (organismos) 1 2 3 4 5 6 7 26 Desde su punto de vista, la finalidad principal de una relación interorganizativa o de la alianza es adquirir nuevos conocimientos 1 2 3 4 5 6 7 27 En las colaboraciones con otras empresas (organismos) se realizan reuniones periódicas donde se exponen diferentes puntos de vista y se fomenta la comunicación 1 2 3 4 5 6 7 28 Los proveedores, clientes y competidores constituyen también una fuente de conocimiento para su empresa 1 2 3 4 5 6 7 29 Las alianzas son una fuente FIABLE de información 1 2 3 4 5 6 7 30 La cooperación aumenta la capacidad de innovación e investigación dentro de la propia empresa 1 2 3 4 5 6 7 31 La organización, una vez adquirido un nuevo conocimiento externo, lo interpreta según su visión, para obtener resultados óptimos para si misma 1 2 3 4 5 6 7 2.1 LA INFLUENCIA DE INDIVIDUOS Y/GRUPOS EN LA ORGANIZACIÓN: 32 Todos los integrantes de los grupos aportan sus opiniones individuales. 1 2 3 4 5 6 7 33 Los empleados tienen la oportunidad de participar en las decisiones organizativas de su departamento 1 2 3 4 5 6 7 34 En los grupos de trabajo o departamentos se comparten los conocimientos individuales 1 2 3 4 5 6 7 35 Los empleados de un departamento, con su conocimiento, pueden solucionar problemas de la organización 1 2 3 4 5 6 7 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 68 2.2 LA INFLUENCIA DE LA ORGANIZACIÓN SOBRE LOS INDIVIDOS Y/GRUPOS: 36 Las políticas y procedimientos de la organización orientan el trabajo individual 1 2 3 4 5 6 7 37 Es habitual en su empresa que los empleados roten por diferentes departamentos para aumentar su conocimiento 1 2 3 4 5 6 7 38 Las decisiones de los grupos determinan unas pautas que condicionan o influyen a los individuos que los integran 1 2 3 4 5 6 7 39 Las experiencias y aplicaciones del pasado influyen en las decisiones del futuro 1 2 3 4 5 6 7 CARACTERISTICAS DE LA ORGANIZACIÓN 3.1 VIGILANCIA DEL ENTORNO Por vigilancia del entorno nos referimos a la disponibilidad y actitud de búsqueda de información 40 Su empresa mantiene una actitud de búsqueda de información del entorno externo (nacional e internacional) e Intenta buscar contactos con instituciones externas o fuentes especializadas (Universidades, centros Tecnológicos, etc.) 1 2 3 4 5 6 7 41 Su empresa dispone de personas, equipos o servicios especializados para buscar información del entorno externo 1 2 3 4 5 6 7 42 Su empresa realiza un seguimiento de los competidores 1 2 3 4 5 6 7 43 Su empresa realiza un seguimiento y recoge información de sus clientes 1 2 3 4 5 6 7 44 Su empresa recoge información del contacto directo con proveedores 1 2 3 4 5 6 7 3.2 PROCESOS DE PLANIFICACIÓN ESTRATÉGICA 45 Su empresa dispone de estrategias claras de posicionamiento para el futuro 1 2 3 4 5 6 7 46 En su empresa se desarrollan procesos de reflexión estratégica para definir nuevos objetivos 1 2 3 4 5 6 7 47 Los objetivos y políticas son comunicados a los empleados 1 2 3 4 5 6 7 48 Su empresa intenta estimular su compromiso con los aspectos estratégicos de la organización 1 2 3 4 5 6 7 3.3 TECNOLOGÍAS Y SISTEMAS DE LA INFORMACIÓN 49 Usted usa habitualmente e-mail y redes internas para comunicarse dentro de su organización 1 2 3 4 5 6 7 50 Usted usa herramientas tecnológicas de gestión (ORACLE, MP5, ERP, CRM, etc 1 2 3 4 5 6 7 51 Usted usa herramientas tecnológicas de búsqueda (Internet, buscadores, etc.) 1 2 3 4 5 6 7 52 La organización funciona con puestos informatizados 1 2 3 4 5 6 7 53 La organización tiene implantados sistemas de la calidad (ISO) 1 2 3 4 5 6 7 54 Existen sistemas informáticos de recogida de sugerencias de los empleados 1 2 3 4 5 6 7 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 69 3.4 CONFIANZA EN LA ORGANIZACIÓN 55 Usted confía en sus compañeros y cuenta con su ayuda y apoyo 1 2 3 4 5 6 7 56 Usted confía en las maneras de proceder y trabajar de los directivos de su empresa 1 2 3 4 5 6 7 57 La dirección confía en el buen hacer de sus empleados 1 2 3 4 5 6 7 58 Su empresa promueve la colaboración y ayuda entre los empleados 1 2 3 4 5 6 7 3.5 CREATIVIDAD EN LA ORGANIZACIÓN 59 Su empresa puede ser descrita como flexible y en continua adaptación al cambio 1 2 3 4 5 6 7 60 En su empresa son bien recibidas todo tipo de nuevas ideas 1 2 3 4 5 6 7 61 Su empresa tiene buenos mecanismos para estimular y desarrollar nuevas ideas 1 2 3 4 5 6 7 62 Su empresa recompensa a los empleados que son creativos 1 2 3 4 5 6 7 63 La contratación de nuevos empleados supone una fuente de nuevo conocimiento y nuevas ideas 1 2 3 4 5 6 7 3.6 INNOVACIÓN EN LA ORGANIZACIÓN 64 En su empresa existe un compromiso con la innovación 1 2 3 4 5 6 7 65 Los directivos se muestran abiertos a las iniciativas y proyectos arriesgados 1 2 3 4 5 6 7 66 Existe un alto grado de tolerancia hacia los fallos 1 2 3 4 5 6 7 67 Nuestra empresa normalmente es la primera en el mercado en nuevas técnicas (y/o productos) 1 2 3 4 5 6 7 68 Se cuenta con inversiones y/o recursos suficientes para la innovación 1 2 3 4 5 6 7 RESULTADOS DE LA EMPRESA 4.1 NO ECONOMICOS 69 La satisfacción de los clientes es (reducción de quejas y reclamaciones) 1 2 3 4 5 6 7 70 El incremento de clientes 1 2 3 4 5 6 7 71 La satisfacción de los empleados 1 2 3 4 5 6 7 72 El nivel de calidad de los productos y servicios 1 2 3 4 5 6 7 73 La reputación de la organización 1 2 3 4 5 6 7 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 70 4.2 ECONOMICOS 74 La rentabilidad 1 2 3 4 5 6 7 75 Incremento en cifra de negocio 1 2 3 4 5 6 7 76 Crecimiento del beneficio 1 2 3 4 5 6 7 77 Productividad del trabajo 1 2 3 4 5 6 7 78 Mejora en los costes de producción 1 2 3 4 5 6 7 ¡MUCHAS GRACIAS POR SU COLABORACIÓN! Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 71 ANEXO IV: CARTA ENVIADA A MIEMBROS DE LA FEMZ Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 72 Zaragoza, 18 de enero de 2011 Estimado/a señor/a: El Departamento de Dirección y Organización de Empresas del Centro Politécnico Superior de la Universidad de Zaragoza, en colaboración con la Federación de Empresarios del Metal de Zaragoza, está llevando a cabo un estudio sobre la gestión del conocimiento y el aprendizaje organizacional en las empresas del sector del metal. El objetivo de este proyecto, es el aprovechamiento óptimo de los elementos de gestión organizacionales, señalando cuáles es necesario mejorar o fomentar y cuales de ellos están suponiendo un gasto de recursos innecesario y por lo tanto es conveniente eliminar de la estructura de la empresa. Otro dato que aporta este estudio es en relación a los resultados de la organización tanto económicos como no económicos, indicando de qué manera podemos mejorarlos. Para la realización de este estudio es necesario cumplimentar una encuesta que va dirigida a diferentes niveles jerárquicos dentro de la empresa. Para acceder a dicha encuesta sólo tiene que ir a la página web siguiente haciendo click aquí. Para obtener los mejores resultados posibles, es conveniente obtener una muestra grande y variada. Le ruego, por tanto, tenga la amabilidad de cumplimentarla con el máximo detalle, ya que es imprescindible para el buen fin del proyecto. Por supuesto, se garantiza la confidencialidad de los datos aportados. Dicho proyecto final con sus respectivas conclusiones será entregado tanto a la Federación de Empresarios del Metal de Zaragoza como a cada una de las empresas que lo deseen. Para poder ver algún otro estudio que se esta realizando en este departamento de la Universidad de Zaragoza haga click aquí. La fecha límite para realizar la encuesta es hasta el próximo viernes 28 de Enero de 2011. Muchas gracias por su colaboración y un cordial saludo. Rafael Zapatero Luis Navarro Secretario General FEMZ Prof. Org Empr. Universidad de Zaragoza Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 73 ANEXO V: DIAGRAMAS CAUSALES UTILIZADOS. Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 80 A la vista de los resultados obtenidos, se ve que ci6 es necesario eliminarlo, ya que, aunque su valor de correlación elemento-total no es muy bajo, si eliminamos este ítem, mejorará el valor del Alfa de Cronbach. Volvemos a realizar el estudio sin este ítem. Tabla 3: Fiabilidad de la escala para el constructo “capacidad individual” modificado Tabla 4: Correlación elemento total para el constructo “capacidad individual” modificado Finalmente, vemos que la significación es estos cálculos resulta excelente, lo que da cierta consistencia a los resultados: Tabla 5: Nivel de significación de los resultados para el constructo “capacidad individual” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,905 ,911 5 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted ci1 19,96 21,070 ,715 ,571 ,898 ci2 19,95 17,979 ,862 ,753 ,863 ci3 20,00 21,036 ,677 ,490 ,903 ci4 20,58 15,641 ,831 ,716 ,874 ci5 20,42 16,820 ,809 ,683 ,875 Hotelling' s T - Squared Test Hotelling's T - Squared F df1 df2 Sig 28,315 6,700 4 53 ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 81 Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted cg1 30,74 19,662 ,506 ,380 ,764 cg2 29,74 22,483 ,377 ,271 ,785 cg3 30,77 19,822 ,600 ,558 ,745 cg4 30,95 21,515 ,498 ,423 ,765 cg5 31,33 22,190 ,393 ,334 ,782 cg6 31,09 17,153 ,731 ,673 ,712 cg7 30,65 20,946 ,502 ,372 ,764 CAPACIDAD GRUPAL Tabla 6: Fiabilidad de la escala para el constructo “capacidad grupal” Tabla 7: Correlación elemento total para el constructo “capacidad grupal” Los datos para este primer análisis de fiabilidad son buenos. Quedan además corroborados con la siguiente tabla: Tabla 8: Nivel de significación de los resultados para el constructo “capacidad grupal” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,788 ,784 7 Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 101,407 15,392 6 51 ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 82 CAPACIDAD ORGANIZACIONAL Tabla 9: Fiabilidad de la escala para el constructo “capacidad organizacional” Tabla 10: Correlación elemento total para el constructo “capacidad organizacional” Comprobamos que es necesario eliminar el ítem co6 ya que su valor de correlación elemento-total es muy bajo (aunque supera el criterio establecido) y además el valor de Alfa de Cronbach aumenta si éste es eliminado. Una vez excluido, los datos son los siguientes. Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,874 ,878 9 Item - Total Statistics Scale Mean if Ite m Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted co1 38,39 64,098 ,553 ,410 ,866 co2 38,75 59,689 ,588 ,584 ,862 co3 38,51 55,290 ,790 ,816 ,843 co4 38,49 59,254 ,64 5 ,718 ,857 co5 38,61 58,170 ,693 ,576 ,853 co6 38,32 60,041 ,446 ,328 ,879 co7 38,37 58,094 ,604 ,523 ,861 co8 38,98 60,232 ,648 ,526 ,858 co9 38,81 58,587 ,614 ,412 ,860 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 83 Tabla 11: Fiabilidad de la escala para el constructo “capacidad organizacional” modificado Tabla 12: Correlación elemento total para el constructo “capacidad organizacional”modificado Tabla 13: Nivel de significación de los resultados para el constructo “capacidad organizacional” modificado Reliability Statistics Cronbach's Alpha Cronbach 's Alpha Based on Standardized Items N of Items ,879 ,879 8 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted co1 33,30 51,6 06 ,524 ,387 ,875 co2 33,67 46,690 ,621 ,582 ,866 co3 33,42 42,784 ,828 ,812 ,843 co4 33,40 46,566 ,665 ,717 ,861 co5 33,53 46,147 ,678 ,542 ,860 co7 33,28 46,313 ,575 ,487 ,872 co8 33,89 47,774 ,646 ,524 ,864 co9 33,72 46,241 ,615 ,411 ,867 Hote lling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 22,380 2,855 7 50 ,014 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 84 CAPACIDAD INTER-ORGANIZACIONAL Tabla 14: Fiabilidad de la escala para el constructo “capacidad inter-organizacional” Tabla 15: Correlación elemento total para el constructo “capacidad inter-organizacional” En esta ocasión es necesario eliminar el ítem cio7 por los mismos motivos que venimos comentando. Una vez suprimido los resultados son los óptimos. Tabla 16: Fiabilidad de la escala para el constructo “capacidad inter-organizacional”modificada Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,827 ,827 7 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted cio1 28,51 38,647 ,578 ,617 ,804 cio2 28,63 39,451 ,575 ,496 ,805 cio3 29,74 33,126 ,645 ,636 ,793 cio4 28,54 37,538 ,578 ,561 ,803 cio5 29,68 35,113 ,669 ,653 ,787 cio6 28,75 35,724 ,628 ,594 ,794 cio7 28,77 41,929 ,353 ,316 ,835 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,835 ,836 6 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 85 Tabla 17: Correlación elemento total para el constructo “capacidad inter-organizacional” modificado Tabla 18: Nivel de significación de los resultados para el constructo “capacidad inter-organizacional” modificado INFLUENCIA DE LOS INDIVIDUOS SOBRE LA ORGANIZACIÓN (FIO) Tabla 19: Fiabilidad de la escala para el constructo “influencia individuos-organización”” Item - Total Statistics Scale Mean if Item Deleted Scale Variance if It em Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted cio1 23,51 32,362 ,547 ,542 ,821 cio2 23,63 32,844 ,564 ,492 ,819 cio3 24,74 26,412 ,679 ,607 ,796 cio4 23,54 31,538 ,535 ,485 ,823 cio5 24,68 28 ,363 ,698 ,650 ,790 cio6 23,75 28,939 ,655 ,591 ,799 Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 80,018 14,861 5 52 ,000 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,853 ,854 4 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 86 Tabla 20: Correlación elemento total para el constructo “influencia individuos-organización” En este caso, aunque el valor de la correlación elemento-total es apto para fio4, Alfa de Cronbach para el conjunto aumenta si lo eliminamos. Los resultados, una vez eliminado, son los siguientes: Tabla 21: Fiabilidad de la escala para el constructo “influencia individuos-organización”modificado Tabla 22: Correlación elemento total para el constructo “influencia individuos-organización”modificado Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted fio1 14,16 13,457 ,748 ,664 ,798 fio2 14,61 10,777 ,809 ,773 ,761 fio3 14,18 12,183 ,724 ,621 ,800 fio4 14,16 14,492 ,528 ,322 ,877 Reliability Statistics Cronb ach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,877 ,880 3 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Del eted fio1 9,28 8,027 ,728 ,625 ,866 fio2 9,74 5,555 ,875 ,771 ,720 fio3 9,30 6,927 ,720 ,591 ,866 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 87 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,475 ,545 4 Tabla 23: Nivel de significación de los resultados para el constructo “influencia individuos-organización” INFLUENCIA DE LA ORGANIZACIÓN SOBRE LOS INDIVIDUOS (FOI) Tabla 24: Fiabilidad de la escala para el constructo “influencia organización-individuos” Tabla 25: Correlación elemento total para el constructo “influencia organización-individuos” Lo que ocurre con esta variable es que su Alfa de Cronbach es demasiado baja como para poder aceptar este constructo. Además, vemos que es necesario eliminar foi2 y foi4. Una vez eliminados, obtenemos los siguientes resultados: Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 18,778 9,221 2 55 ,000 Item - Total Statistics Scale Mean i f Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted foi1 13,75 8,224 ,534 ,555 ,264 foi2 15,07 6,031 ,206 ,103 ,553 foi3 14,28 6,741 ,496 ,550 ,188 foi4 13,32 10,1 13 ,045 ,084 ,573 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 88 Tabla 26: Fiabilidad de la escala para el constructo “influencia organización-individuos” Tabla 27: Correlación elemento total para el constructo “influencia organización-individuos” Vemos que hemos conseguido un Alfa de Cronbach en niveles aceptables para trabajar. Tabla 28: Nivel de significación de los resultados para el constructo “influencia organización -individuos” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,801 ,833 2 Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 19,134 19,134 1 56 ,000 Item-Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item- Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted foi1 4,53 1,682 ,714 ,510 . a foi3 5,05 ,801 ,714 ,510 . a Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 89 VIGILANCIA DEL ENTORNO Tabla 29: Fiabilidad de la escala para el constructo “vigilancia entorno” Tabla 30: Correlación elemento total para el constructo “vigilancia entorno”” Es necesario eliminar vig5 del conjunto de este constructo. Su correlación elemento –total es muy baja. Una vez eliminado obtenemos unos resultados óptimos: Tabla 31: Fiabilidad de la escala para el constructo “vigilancia entorno” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,756 ,758 5 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted vig1 17,39 20,884 ,653 ,480 ,665 vig2 18,58 20,284 ,564 ,434 ,699 vig3 17,75 21,331 ,553 ,411 ,702 vig4 16,77 25,001 ,498 ,308 ,725 vig5 16,74 24,947 ,375 ,298 ,762 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,762 ,761 4 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 96 Tabla 52: Correlación elemento total para el constructo “creatividad” modificado Tabla 53: Fiabilidad de la escala para el constructo “creatividad”modificado Tabla 54: Correlación elemento total para el constructo “creatividad” modificado Tabla 55: Nivel de significación de los resultados para el constructo “creatividad” Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted crea1 14,12 16,895 ,721 ,582 ,832 crea2 14,1 1 14,882 ,708 ,704 ,833 crea3 14,91 14,010 ,846 ,764 ,772 crea4 14,81 15,766 ,615 ,602 ,871 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,871 ,874 3 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted crea1 9,61 8,598 ,729 ,547 ,849 crea2 9,60 6,566 ,809 ,655 ,768 crea3 10,40 7,209 ,743 ,564 ,829 Hotelling' s T - Squared Test Hotelling's T - Squared F df1 df2 Sig 33,298 16,352 2 55 ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 97 INNOVACIÓN Tabla 56: Fiabilidad de la escala para el constructo “innovación” Tabla 57: Correlación elemento total para el constructo “innovación” Según los primero estudios en la innovación, eliminamos inn3. Los resultados son los siguientes: Tabla 58: Fiabilidad de la escala para el constructo “innovación” modificado Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N o f Items ,783 ,782 5 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted inn1 16,65 21,875 ,778 ,794 ,665 inn2 16,40 24,924 ,6 13 ,744 ,726 inn3 16,47 28,897 ,361 ,223 ,799 inn4 17,37 23,844 ,569 ,446 ,739 inn5 17,74 24,662 ,497 ,614 ,765 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,799 ,801 4 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 98 Tabla 59: Correlación elemento total para el constructo “innovación”modificado Tabla 60: Nivel de significación de los resultados para el constructo “innovación” RESULTADOS ECONÓMICOS Tabla 61: Fiabilidad de la escala para el constructo “resultados económicos” Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted inn1 11,96 15,892 ,767 ,793 ,671 inn2 11,72 19,134 ,543 ,733 ,781 inn4 12,68 17,077 ,594 ,443 ,759 inn5 13,05 17,265 ,560 ,612 ,777 Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 26,022 8,364 3 54 ,000 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,867 ,862 5 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 99 Tabla 62: Fiabilidad de la escala para el constructo “resultados económicos” Para los resultados económicos, vemos que darán mejores valores de fiabilidad si se elimina r€4. Y una vez eliminado éste, es necesario también eliminar r€5. Tabla 63: Fiabilidad de la escala para el constructo “resultados económicos”modificado Tabla 64: Fiabilidad de la escala para el constructo “resultados económicos”modificado Item - Total Statistics Scale Mean if Item Deleted Scale Varia nce if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted r€1 15,53 17,182 ,817 ,832 ,804 r€2 15,77 16,143 ,828 ,746 ,801 r€3 15,91 17,046 ,830 ,804 ,801 r€4 15,14 23,301 ,333 ,277 ,913 r€5 15,4 7 20,575 ,678 ,531 ,844 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,913 ,912 4 Item - Total Statistics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted r€1 11,21 12,598 ,892 ,808 ,855 r€2 11,46 12,074 ,849 ,741 ,873 r€3 11,60 12,852 ,855 ,792 ,868 r€5 11,16 16,421 ,641 ,449 ,939 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 100 Tabla 65: Fiabilidad de la escala para el constructo “resultados económicos”modificado Tabla 66: Fiabilidad de la escala para el constructo “resultados económicos”modificado Tabla 67: Nivel de significación de los resultados para el constructo “resultados económicos” RESULTADOS NO ECONÓMICOS Tabla 68: Fiabilidad de la escala para el constructo “resultados no económicos” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,939 ,940 3 Item - Total Statistics Scal e Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted r€1 7,23 7,715 ,880 ,782 ,905 r€2 7,47 7,182 ,856 ,733 ,927 r€3 7,61 7,670 ,886 ,790 ,901 Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 16,275 7,992 2 55 ,001 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,748 ,755 5 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 101 Tabla 69: Fiabilidad de la escala para el constructo “resultados no económicos” Finalmente, los resultados no económicos tendrán mejores datos de fiabilidad si se elimina rn€4, y rn€2. Tabla 70: Fiabilidad de la escala para el constructo “resultados no económicos”modificado Tabla 71: Fiabilidad de la escala para el constructo “resultados no económicos” modificado Item - Total Stat istics Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted rn€1 20,39 8,491 ,771 ,673 ,641 rn€2 21,54 8,003 ,467 ,342 ,727 rn€3 20,98 6,732 ,585 ,396 ,685 rn€4 20,32 11,077 ,209 ,072 ,784 rn€5 20,42 7,641 ,647 ,619 ,651 Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,784 ,816 4 Item - Total Statistic s Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted rn€1 14,79 7,419 ,779 ,667 ,687 rn€2 15,95 6,979 ,462 ,341 ,801 rn€3 15,39 5,813 ,576 ,381 ,755 rn€5 14,82 6,504 ,679 ,613 ,688 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 102 Tabla 72: Fiabilidad de la escala para el constructo “resultados no económicos”modificado Aunque eliminado rn€3 aumentaría el valor de alfa de Cronbach, su correlación elemento total ya es elevado y por lo tanto lo damos por válido Tabla 73: Fiabilidad de la escala para el constructo “resultados no económicos” modificado Tabla 74: Nivel de significación de los resultados para el constructo “resultados no económicos” Reliability Statistics Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items ,801 ,836 3 Hotelling's T - Squared Test Hotelling's T - Squared F df1 df2 Sig 18,410 9,041 2 55 ,000 Item - Total Statistics S cale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item - Total Correlation Squared Multiple Correlation Cronbach's Alpha if Item Deleted rn€1 10,42 4,284 ,709 ,572 ,733 rn€3 11,02 2,696 ,614 ,378 ,828 rn€5 10,46 3,253 ,730 ,606 ,639 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 103 ANEXO VII: ANALISIS FACTORIAL DEL CUESTIONARIO Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 104 Communalities Initial Extraction ci1 1,000 ,667 ci2 1,000 ,847 ci3 1,000 ,611 ci4 1,000 ,800 ci5 1,000 ,773 Component Matrix a Component 1 ci1 ,817 ci2 ,921 ci3 ,782 ci4 ,894 ci5 ,879 ANÁLISIS FACTORIAL MEDIANTE SPSS. Ya se ha explicado en el apartado 3.3 de qué consta esta prueba. La intención es reducir la dimensionalidad del modelo para poder luego utilizarlo en el SmartPLS de manera más fácil y sencilla. A continuación, pasamos a comentar las pruebas y estadísticos característicos de este análisis, explicando al mismo tiempo los motivos de la exclusión de determinados ítems. Del mismo modo que con el análisis de fiabilidad, nuestro modelo posee un gran número de variables, es por ello por lo que explicaremos de manera detalla el análisis de la primera variable (capacidad individual) y las demás serán expuestas de manera más breve. CAPACIDAD INDIVIDUAL Tabla 1: KMO y prueba de Bartlett para el constructo “capacidad individual” Tabla 2 : Valor de las comunalidades para CI Tabla 3 : Matriz de componentes principales para CI Tabla 4: Varianza total explicada para el constructo “capacidad individual” KMO and Bartlett's Test Kaiser - Meyer - Ol kin Measure of Sampling Adequacy. ,860 Approx. Chi - Square 189,947 df 10 Bartlett's Test of Sphericity Sig. ,000 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Compo nent Cumulative % Total % of Variance Cumulative % 1 73,967 3,698 73,967 73,967 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 105 Component Matrix a Component 1 2 cg1 ,649 ,337 cg2 ,507 ,639 cg3 ,750 - ,225 cg4 ,648 - ,158 cg5 ,546 - ,587 cg6 ,851 - ,172 cg7 ,654 ,298 Communalities Initial Extraction cg1 1,000 ,536 cg2 1,000 ,666 cg3 1,000 ,613 cg4 1,000 ,445 cg5 1,000 ,642 cg6 1,000 ,754 c g7 1,000 ,517 CAPACIDADES DE GRUPO Tabla 5: KMO y prueba de Bartlett para el constructo “capacidad grupal” Tabla 6 : Valor de las comunalidades para CG Tabla 7 : Matriz de componentes principales para CG Tabla 8: Varianza total explicada para el constructo “capacidad grupal” Aunque la prueba de KMO, la esfericidad de Barlett (Sig) son buenos, a la hora de estudiar las comunalidades observamos que tras la extracción hay algunos valores bajos. Además, la matriz de componentes nos da dos grupos, hecho que debemos evitar. Eliminaremos, por tanto, aquellos ítems que formen parte del otro grupo, y aquellos cuya comunalidad sea baja. De esta manera la varianza total explicada aumentará, tal y como vemos con los cálculos realizados: KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,670 Approx. Chi - Square 123,801 df 21 Bartlett's Test of Sphericity Sig. ,000 Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 44,448 3,111 44,4 48 44,448 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 112 Component 1 vig1 ,775 vig2 ,804 vig3 ,807 vig4 ,663 Communalities Initial Extraction vig1 1,000 ,600 vig2 1,000 ,647 vig3 1,000 ,652 vig4 1,000 ,440 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 58,474 2,339 58,474 58,474 Vemos que ninguno de los flujos de conocimiento nos da problemas en este análisis ya que han sido eliminados todos los ítems necesarios en el análisis de fiabilidad. VIGILANCIA DEL ENTORNO Tabla 38: KMO y prueba de Bartlett para el constructo “vigilancia entorno” Tabla 39 : Valor de las comunalidades para VIG Tabla 40 Matriz de componentes principales para VIG Tabla 41: Varianza total explicada para el constructo “vigilancia entorno” Para el caso de la vigilancia del entorno, ahora es necesario eliminar el ítem vig4, ya que su valor tras la extracción es demasiado bajo y, por lo tanto, tenemos unos valores de la varianza total explicada no muy buenos. Es mejor si ésta es más del 60%. Los resultados una vez eliminado este ítem son los siguientes: KMO and Bartlett's Test Kaiser - Me yer - Olkin Measure of Sampling Adequacy. ,712 Approx. Chi - Square 56,607 df 6 Bartlett's Test of Sphericity Sig. ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 113 KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,676 Approx. Chi - Squ are 41,720 df 3 Bartlett's Test of Sphericity Sig. ,000 Component Matrix a Component 1 vig1 ,811 vig2 ,863 vig3 ,792 Communalities Initial Extraction vig1 1,000 ,658 vig2 1,000 ,745 vig3 1,000 ,628 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulati ve % 1 67,692 2,031 67,692 67,692 KMO and Bartlett's Tes t Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,500 Approx. Chi - Square 53,620 df 1 Bartlett's Test of Sphericity Sig. ,000 Tabla 42: KMO y prueba de Bartlett para el constructo “vigilancia entorno”modificado Tabla 43 : Valor de las comunalidades para VIG Tabla 44 Matriz de componentes principales para VIG Tabla 45: Varianza total explicada para el constructo “vigilancia entorno” PLANIFICACIÓN ESTRATEGICA Tabla 46: KMO y prueba de Bartlett para el constructo planificación estratégica Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 114 Component Matrix a Component 1 estr2 ,946 estr4 ,946 Total Variance Explained Initial Eigenvalues Extraction S ums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 89,564 1,791 89,564 89,564 Communalities Initial Extraction estr2 1,000 ,896 estr4 1,000 ,896 Tabla47 : Valor de las comunalidades para EST Tabla 48 Matriz de componentes principales para EST Tabla 49: Varianza total explicada para el constructo “planificación estratégica” La planificación estratégica no nos da problema ya que en el análisis de fiabilidad se han eliminado varios ítems. TECNOLOGÍAS DE LA INFORMACIÓN Tabla 50: KMO y prueba de Bartlett para el constructo “tecnologías de la información” KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,836 Approx. Chi - Square 133,552 df 10 Bartlett's Test of Sphericity Sig. ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 115 Communa lities Initial Extraction tic1 1,000 ,762 tic2 1,000 ,543 tic3 1,000 ,671 tic4 1,000 ,709 tic5 1,000 ,620 Component Matrix a Component 1 tic1 ,873 tic2 ,737 tic3 ,819 tic4 ,842 tic5 ,787 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumula tive % Total % of Variance Cumulative % 1 66,075 3,304 66,075 66,075 Tabla 51 : Valor de las comunalidades para TIC Tabla 52 Matriz de componentes principales para TIC Tabla 53: Varianza total explicada para el constructo “tecnologías de la información” Las tecnologías de la información componen todas ellas un mismo concepto, y sus valores después de la extracción son buenos. Los estadísticos de KMO y Bartlett también están dentro del intervalo. CONFIANZA Tabla 54: KMO y prueba de Bartlett para el constructo “confianza” KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,747 Approx. Chi - Square 112,405 df 6 Bartlett's Test of Sphericity Sig. ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 116 Communalities Initial Extraction conf1 1,000 ,692 conf2 1,000 ,676 conf3 1,000 ,758 conf4 1,000 ,754 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 72,004 2,880 72,004 72,004 Component Matrix a Component 1 conf1 ,832 conf2 ,822 conf3 ,871 conf4 ,869 Component 1 crea1 ,847 crea2 ,853 crea3 ,918 Communalities Initial Ex traction crea1 1,000 ,718 crea2 1,000 ,728 crea3 1,000 ,842 Tabla 55: Valor de las comunalidades para CONF Tabla 56 Matriz de componentes principales CONF Tabla 57: Varianza total explicada para el constructo “confianza” CREATIVIDAD Tabla 58: KMO y prueba de Bartlett para el constructo “creatividad” Tabla 59 :Ccomunalidades para CREA Tabla 60:Matriz de componentes principales para CREA KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,643 Approx. Chi - Square 134,505 df 6 Bartlett's Test of Sphericity Sig. ,000 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 117 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 72,087 2,8 83 72,087 72,087 Component Matrix a Component 1 inn1 ,902 inn2 ,763 inn4 ,760 inn5 ,739 Communalities Initial Extraction inn1 1,000 ,814 inn2 1,000 ,582 inn4 1,000 ,578 in n5 1,000 ,546 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 62,980 2,519 62,980 62,980 KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,495 Approx. Chi - Square 117,660 df 6 Bartlett's Test of Sphericity Sig. ,000 Tabla 61: Varianza total explicada para el constructo “creatividad” INNOVACION Tabla 62: KMO y prueba de Bartlett para el constructo “innovación” Tabla 63 : Valor de las comunalidades para INN Tabla 64 Matriz de componentes principales para INN Tabla 65: Varianza total explicada para el constructo” innovación” Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 118 Component Matrix a Component 1 rn € 1 ,886 rn € 3 ,811 rn € 5 ,905 RESULTADOS NO ECONÓMICOS Tabla 67: KMO y prueba de Bartlett para el constructo “resultados no económicos” Tabla 68:Valor de las comunalidades para RN€ Tabla 69 Matriz de componentes principales para RN€ Tabla 70: Varianza total explicada para el constructo” resultados no económicos” KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,691 Approx. Chi - Square 69,648 df 3 Bartlett's Test of Sphericity Sig. ,000 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Component Cumulative % Total % of Variance Cumulative % 1 75,406 2,262 75,406 75,406 Communalities Initial Extraction rn € 1 1,000 ,785 rn € 3 1,000 ,657 rn € 5 1,000 ,820 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 119 Communalities Initial Extraction r € 1 1,000 ,899 r € 2 1,000 ,875 r € 3 1,000 ,904 Component Matrix a Component 1 r € 1 ,948 r € 2 ,935 r € 3 ,951 RESULTADOS ECONOMICOS Tabla 71: KMO y prueba de Bartlett para el constructo “resultados económicos” Tabla 72 : Valor de las comunalidades para R€ Tabla 73 Matriz de componentes principales para R€ Tabla 74: Varianza total explicada para el constructo “resultados económicos”. KMO and Bartlett's Test Kaiser - Meyer - Olkin Measure of Sampling Adequacy. ,767 Approx. Chi - Square 145,686 df 3 Bartlett's Test of Sphericity Sig. ,000 Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Compo nent Cumulative % Total % of Variance Cumulative % 1 89,255 2,678 89,255 89,255 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 120 ANEXO VIII: ANALISIS PLS: MODELO DE MEDIDA SUB-MODELO 1 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 121 CG CI CIO CO FIO FOI Case 0 5,4595 5,4544 5,7323 5,1636 6 6 Case 1 7 7 6,2507 6,5769 7 6,2057 Case 2 2,5405 3,8793 3,3386 2,616 4,4174 4 Case 3 6,4595 6,5751 5,3386 4,6727 7 6,6029 Case 4 6 5,1213 5,9857 4,9531 5,6323 6 Case 5 3,4595 4,6676 5,4727 4,7592 4 5,2057 Case 6 2,5405 5 2,0341 3,1807 3,0536 3,2057 Case 7 5,5405 4,8268 5,3018 5,2111 4,6858 5 Case 8 5,5405 5,5855 6 5,233 6 6 Case 9 4,0809 2,6669 4,3161 4,3923 4,3677 3,6029 Case 10 6 4,4249 5,7207 5,4044 6 5 Case 11 4,9191 6,5069 6,0169 6,3747 7 7 Case 12 5,0809 5,0132 4,0852 4,3845 5,3181 5 Case 13 3,5405 4,0814 2,4872 2,3752 2,3677 2,8086 Case 14 6,5405 5 5,1648 4,4133 3,3755 4 Case 15 4,4595 4,347 4,5327 3,1861 2,0536 4,6029 Case 16 5,5405 4,4677 5,2364 4,9829 4,6819 4,6029 Case 17 6,4595 7 5,9857 6,7978 6 5,6029 Case 18 5 4,7061 4,2364 5,1709 4,3181 4,6029 Case 19 5,5405 5,5174 5,4843 4,2017 5,3181 6 Case 20 3 4,4123 1,5014 4,7978 5,3677 3,6029 ANALISIS MODELO DE MEDIDA SUB-MODELO 1 UNIDIMENSIONAL (etapa I) Para comenzar con el análisis recordaremos gráficamente a qué nos referimos cuando decimos “submodelo 1 unidimensional”. Figura 1: Diagrama causal unidimensional del sub-modelo 1 Como ya hemos comentado, este primer análisis unidimensional consiste en hacer rodar el programa para hallar las puntuaciones de las variables latentes que formarán parte de la capacidad de aprendizaje en el análisis multidimensional. Estos son los resultados obtenidos (“Latent Variable Scores”): Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 128 C.A ESTR RN€ R€ VIG tic C.A 0 0 0,6753 0,5377 0 0 ESTR 0,331 0 0 0 0 0 RN€ 0 0 0 0 0 0 R€ 0 0 0 0 0 0 VIG 0,3606 0 0 0 0 0 tic 0,4842 0 0 0 0 0 Constructo CA Path Correlación % Varianza Explicada EST 0,331 0,4149 0,1373319 VIG 0,361 0,5458 0,1970338 TIC 0,484 0,5989 0,2898676 R2= 0,624 Constructo R€ Path Correlación % Varianza Explicada C.A 0,5377 0,5377 0,28912129 R2= 0,289 Constructo RN€ Path Correlación % Varianza Explicada C.A 0,6753 0,6753 0,45603009 R2= 0,456 Constructo R2 C.A 0,624 R€ 0,289 RN€ 0,456 ANALISIS DEL MODELO ESTRUCTURAL SUB-MODELO 1 Como ha sido explicado, dos de los parámetros más importantes para este análisis son R 2 y β. A continuación, mostramos las tablas obtenidas del análisis que nos muestran estos datos: Tabla 1: Coeficientes path β del sub-modelo 1 Tabla 2: R 2 del sub-modelo 1 Como sabemos, los valores que tome R 2 deben ser mayores de 0,1, criterio que se cumple en todos los casos. Estos son los datos, además de la matriz de correlaciones, necesarios para poder explicar el modelo estructural. Tal y como está explicado en el apartado correspondiente, multiplicando la correlación por β obtenemos el índice de varianza explicada. El cual, según el criterio de Falk y Miller (1992) , debe ser siempre superior al 1,5% en todos los casos. La tabla siguiente muestra que esto se cumple: Tabla 3: % Varianza Explicada del sub-modelo 1 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 129 Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics (|O/STERR|) cg -> C.A 0,665 0,6387 0,0936 0,0936 7,1068 ci -> C.A 0,9473 0,9317 0,0366 0,0366 25,8869 co -> C.A 0,5403 0,5143 0,1037 0,1037 5,2087 cio -> C.A 0,7471 0,7237 0,0814 0,0814 9,1805 fio -> C.A 0,4858 0,4624 0,1136 0,1136 4,2777 foi -> C.A 0,5604 0,5366 0,0967 0,0967 5,794 estr2 <- ESTR 0,9447 0,9365 0,06 0,06 15,7484 estr4 <- ESTR 0,948 0,9424 0,0861 0,0861 11,0083 rn€1 <- RN€ 0,8302 0,8308 0,0694 0,0694 11,965 rn€3 <- RN€ 0,8768 0,8739 0,0457 0,0457 19,195 rn€5 <- RN€ 0,8801 0,8674 0,0672 0,0672 13,106 r€1 <- R€ 0,9479 0,9468 0,0149 0,0149 63,5564 r€2 <- R€ 0,9365 0,9322 0,0279 0,0279 33,5208 r€3 <- R€ 0,9498 0,949 0,0154 0,0154 61,5688 tic1 <- tic 0,8466 0,8369 0,0767 0,0767 11,0409 tic2 <- tic 0,7712 0,7629 0,0946 0,0946 8,1553 tic3 <- tic 0,8597 0,8589 0,0802 0,0802 10,7144 tic4 <- tic 0,8033 0,7893 0,0723 0,0723 11,1161 tic5 <- tic 0,7635 0,7499 0,0971 0,0971 7,8602 vig1 <- VIG 0,8154 0,8069 0,0715 0,0715 11,4084 vig2 <- VIG 0,9014 0,8973 0,0637 0,0637 14,1545 vig3 <- VIG 0,7327 0,7272 0,1052 0,1052 6,9649 Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard Error (STERR) T Statistics (|O/STERR|) C.A -> RN€ 0,6753 0,685 0,0671 0,0671 10,0685 C.A -> R€ 0,5377 0,5619 0,0987 0,0987 5,4484 ESTR -> C.A 0,331 0,3297 0,1016 0,1016 3,2567 VIG -> C.A 0,3606 0,3382 0,1259 0,1259 2,8645 tic -> C.A 0,4842 0,4985 0,102 0,102 4,7486 Ahora bien, ¿cómo se evalúa la Bondad del Ajuste, es decir, la precisión de las estimaciones con PLS? Una prueba que mide esta característica es Bootstrap. Este es un procedimiento de remuestreo en el cual el conjunto de datos original es tratado como si fuera la población. Cada muestra es obtenida por muestreo con reemplazo del conjunto de datos original. Con esta técnica también obtenemos el cálculo del error estándar de los parámetros, así como los valores t- Student. Tabla 4: T-student para indicadores del sub-modelo 1 Tabla 5: T-student para constructos del sub-modelo 1 En la siguiente imagen se muestra cómo el programa SmartPLS devuelve estos parámetros, además de en tablas, en el diagrama causal: Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 130 Total SSO SSE Q 2 C.A 342 190,8525 0,442 ESTR 114 18,0965 0,8413 RN€ 171 42,084 0,7539 R€ 171 22,8585 0,8663 VIG 171 57,3278 0,6647 tic 285 95,5061 0,6649 Figura 1: T-student sobre el sub-modelo 1 Los valores obtenidos se deben comparar con el valor del estadístico t de Student de infinitos grados de libertad, y se comprueba que es mayor. La tabla del estadístico t de Student puede verse en el Anexo XII Una última prueba que se realizó es Blindfolding donde se termina de comprobar que el sub-modelo 1 es predictivo. Los valores de Q 2 son todos mayores de 0: Tabla 6: Prueba Blindfolding para sub-modelo 1 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 131 ANEXO X: ANALISIS PLS MODELO DE MEDIDA SUB-MODELO 2 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 132 cg ci cio co fio foi Case 0 5,4553 5,455 5,7302 5,1623 6 6 Case 1 7 7 6,2523 6,573 7 6,2387 Case 2 2,5447 3,8797 3,3514 2,6183 4,4226 4 Case 3 6,4553 6,5753 5,3514 4,6754 7 6,6194 Case 4 6 5,1224 5,9889 4,9593 5,6299 6 Case 5 3,4553 4,6685 5,4797 4,7575 4 5,2387 Case 6 2,5447 5 2,0376 3,1801 3,0577 3,2387 Case 7 5,5447 4,8271 5,3074 5,2083 4,6876 5 Case 8 5,5447 5,5856 6 5,2358 6 6 Case 9 4,0895 2,6674 4,3185 4,3936 4,3701 3,6194 Case 10 6 4,4247 5,7255 5,4048 6 5 Case 11 4,9105 6,5077 6,0175 6,3705 7 7 Case 12 5,0895 5,0133 4,0927 4,3869 5,3175 5 Case 13 3,5447 4,0818 2,4934 2,3758 2,3701 2,8581 Case 14 6,5447 5 5,1701 4,4107 3,3803 4 Case 15 4,4553 4,348 4,5331 3,1951 2,0577 4,6194 Case 16 5,5447 4,4683 5,2412 4,9822 4,6825 4,6194 Case 17 6,4553 7 5,9889 6,7976 6 5,6194 Case 18 5 4,7068 4,2412 5,1638 4,3175 4,6194 Case 19 5,5447 5,517 5,4844 4,1972 5,3175 6 ANALISIS DEL MODELO DE MEDIDA SUB-MODELO 2 UNIDIMENSIONAL (etapa I) Comenzamos utilizando el modelo unidimensional para conseguir las puntuaciones de las variables latentes que formarán parte de la capacidad de aprendizaje en el análisis multidimensional. Recordamos de manera gráfica el modelo usado en esta primera etapa: Figura 1: Diagrama causal unidimensional sub-modelo 2. Una vez rodado el programa, los resultados obtenidos son: Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 133 cg ci cio co fio foi Case 20 3 4,4126 1,5045 4,7976 5,3701 3,6194 Case 21 4,5447 4,658 5,7807 6,3705 4,2124 2,8581 Case 22 4,5447 3,6953 4,2412 5,1623 3,6299 4,6194 Case 23 5,5447 5 5,7366 4,9822 5,3175 4,6194 Case 24 4,4553 4,3347 4,0064 4,0237 3,3701 5,6194 Case 25 5 5,5741 5,4622 4,9443 5,3175 4,3806 Case 26 4,5447 6,3732 4,3138 5,7583 2,6876 4 Case 27 4 5,2662 4,7854 4,5841 4 3,2387 Case 28 4,5447 4,0527 4,3249 2,9933 4,635 5 Case 29 6 4,2282 3,5596 3,4165 6 6,3806 Case 30 4 3,2547 2,2523 4,14 3,6876 4,3806 Case 31 5,5447 5,4012 4,5331 4,2261 4 5 Case 32 6 6,5462 4,7366 6,218 6 6 Case 33 6,4553 5,5753 5,1303 6,4092 5,6299 4,3806 Case 34 6 5,9988 5,1971 5,6175 3,0526 5 Case 35 5,9105 7 6,0286 6,0281 6,6876 5,6194 Case 36 4,5447 6,3865 5 3,7991 5,3701 4,6194 Case 37 4,5447 6,3865 5 3,7991 5,3701 4,6194 Case 38 5,4553 5,455 5,7302 5,1623 6 6 Case 39 2,5447 3,8797 3,3514 2,6183 4,4226 4 Case 40 6 5,1224 5,9889 4,9593 5,6299 6 Case 41 2,5447 5 2,0376 3,1801 3,0577 3,2387 Case 42 5,5447 5,5856 6 5,2358 6 6 Case 43 6 4,4247 5,7255 5,4048 6 5 Case 44 5,0895 5,0133 4,0927 4,3869 5,3175 5 Case 45 6,5447 5 5,1701 4,4107 3,3803 4 Case 46 5,5447 4,4683 5,2412 4,9822 4,6825 4,6194 Case 47 5 4,7068 4,2412 5,1638 4,3175 4,6194 Case 48 3 4,4126 1,5045 4,7976 5,3701 3,6194 Case 49 4,5447 3,6953 4,2412 5,1623 3,6299 4,6194 Case 50 4,4553 4,3347 4,0064 4,0237 3,3701 5,6194 Case 51 4,5447 6,3732 4,3138 5,7583 2,6876 4 Case 52 4,5447 4,0527 4,3249 2,9933 4,635 5 Case 53 4 3,2547 2,2523 4,14 3,6876 4,3806 Case 54 6 6,5462 4,7366 6,218 6 6 Case 55 6 5,9988 5,1971 5,6175 3,0526 5 Case 56 4,5447 6,3865 5 3,7991 5,3701 4,6194 Tabla 1: Cross-loading sub-modelo 2 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 134 CONF CREA INN RN€ R€ conf1 0,8335 0 0 0 0 conf2 0,7699 0 0 0 0 conf3 0,9062 0 0 0 0 conf4 0,8662 0 0 0 0 crea1 0 0,8744 0 0 0 crea2 0 0,9198 0 0 0 crea3 0 0,8874 0 0 0 inn1 0 0 0,9088 0 0 inn2 0 0 0,7702 0 0 inn4 0 0 0,7485 0 0 inn5 0 0 0,7343 0 0 rn€1 0 0 0 0,8191 0 rn€3 0 0 0 0,8872 0 rn€5 0 0 0 0,8737 0 r€1 0 0 0 0 0,9478 r€2 0 0 0 0 0,9375 r€3 0 0 0 0 0,9489 ANALISIS MODELO MEDIDA SUB-MODELO 2 MULTIDIMENSIONAL (etapa II) Para comenzar, recordamos de manera gráfica el diagrama utilizado para este análisis: Figura 2: Diagrama causal multidimensional sub-modelo 2 Antes de comenzar con el análisis, es muy importante resaltar la existencia de dos tipos diferentes de indicadores que, por tanto, serán analizados con sus pruebas correspondientes: INDICADORES REFLECTIVOS: Tabla 2: Cargas (loads) indicadores reflectivos sub-modelo 2 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 135 AVE Composite Reliability R Square Cronbachs Alpha Communality CONF 0,7147 0,909 0 0,8701 0,7147 CREA 0,7993 0,9227 0 0,8742 0,7993 INN 0,6297 0,8709 0 0,8009 0,6297 RN€ 0,7404 0,8953 0,4767 0,8358 0,7404 R€ 0,8925 0,9614 0,2124 0,9398 0,8925 C.A CONF CREA INN RN€ R€ C.A 1 0 0 0 0 0 CONF 0,5452 1 0 0 0 0 CREA 0,7459 0,6305 1 0 0 0 INN 0,674 0,3233 0,6493 1 0 0 RN€ 0,6905 0,6342 0,554 0,487 1 0 R€ 0,4609 0,2411 0,2652 0,5414 0,4406 1 C.A CONF CREA INN RN€ R€ C.A 1 0 0 0 0 0 CONF 0,29724304 1 0 0 0 0 CREA 0,55636681 0,39753025 1 0 0 0 INN 0,454276 0,10452289 0,42159049 1 0 0 RN€ 0,47679025 0,40220964 0,306916 0,237169 1 0 R€ 0,21242881 0,05812921 0,07033104 0,29311396 0,19412836 1 Como se aprecia en la tabla, las cargas de los indicadores reflectivos (verde) son todas superiores a 0,6. Sin embargo, para los indicadores formativos (naranja) analizamos sus pesos, siendo éstos todos significativos, lo que quiere decir que todos intervienen en la formación de la variable que explican. Fiabilidad simple y compuesta: (ver tabla 3)  El alfa de Cronbach es mayor que 0,7 en todos los casos.  El IFC también es mayor que 0,6 para todas las variables. Tabla 3: α, AVE, IFC del sub-modelo 2 Como sólo es válido para reflectivos, CA ha sido eliminado de la tabla Validez convergente y discriminante  Todos los parámetros AVE son mayores de 0,5.  Viendo las dos tablas siguientes y comparándola con el valor de AVE, podemos afirmar que cumple el criterio de validez discriminante, ya que los AVE son siempre superiores a los ρ 2 con los que se relacionan, tal y como se muestra a continuación: Tabla 4: Matriz correlación sub-modelo 2 Tabla 5: Matriz correlación al cuadrado sub-modelo 2 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 136 CONF CREA INN RN€ R€ conf1 0,8335 0,5162 0,377 0,3764 0,2699 conf2 0,7699 0,4343 0,1552 0,4885 0,1798 conf3 0,9062 0,5491 0,2419 0,6312 0,1806 conf4 0,8662 0,6189 0,2972 0,6306 0,1923 crea1 0,5974 0,8744 0,5085 0,424 0,2844 crea2 0,5001 0,9198 0,6301 0,4771 0,1122 crea3 0,5955 0,8874 0,5991 0,5807 0,317 inn1 0,3366 0,6816 0,9088 0,4278 0,544 inn2 0,4477 0,749 0,7702 0,4156 0,2661 inn4 0,1018 0,3253 0,7485 0,3354 0,3545 inn5 0,1094 0,2543 0,7343 0,3617 0,5402 rn€1 0,4101 0,2402 0,3469 0,8191 0,4631 rn€3 0,6538 0,6726 0,4958 0,8872 0,2889 rn€5 0,4993 0,3727 0,3705 0,8737 0,4601 r€1 0,2681 0,2328 0,5013 0,4317 0,9478 r€2 0,23 0,291 0,5419 0,4242 0,9375 r€3 0,1837 0,2264 0,4898 0,3918 0,9489  Finalmente la prueba de cross loading es superada. Recordemos que esta prueba establece que los valores de las cargas de los indicadores sobre las variables a las que representan tienen que ser mayores que cualquier otro valor de esa carga sobre una variable a la que no represente. Podemos observarlo en la siguiente tabla que, de la misma manera que la tabla anterior, ha sido eliminada la capacidad de aprendizaje por ser un constructo formativo, el cual no se puede analizar con esta prueba Tabla 6: Cross-loading sub-modelo 2 INDICADORES FORMATIVOS: La única prueba válida para estos indicadores en la colinealidad. Si existiese colinealidad, no serían válidos. Para ello, hallamos el FIV (factor de inflación de la varianza) y si es menor de 5 (Kleinbaum, Kupper & Muller, 1988), tomaremos el indicador por válido. Esta prueba la hemos realizado con el SPSS. La prueba se hace tantas veces cómo indicadores formativos existan, identificando en cada una de ellas a un indicador como variable dependiente de la regresión lineal: Collinearity Statistics Model Tolerance VIF cg ,340 2,944 cio ,395 2,530 co ,579 1,728 fio ,541 1,849 1 foi ,437 2,286 Tabla 7: FIV, variable dependiente CI Tabla 8 : FIV, variable dependiente CG Collinearity Statistics Model Tolerance VIF cio ,506 1,975 co ,592 1,690 fio ,538 1,860 foi ,489 2,043 1 ci ,621 1,612 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 137 Tabla 9: FIV, variable dependiente CIO Tabla 10 : FIV, variable dependiente CO Collinearity Statistics Model Tolerance VIF foi ,580 1,725 ci ,628 1,592 cg ,342 2,926 cio ,386 2,591 1 co ,546 1,833 Tabla 11: FIV, variable dependiente FIO Tabla 12 : FIV, variable dependiente FOI Collinearity Statistics Model Tolerance VIF co ,539 1,857 fio ,537 1,863 foi ,441 2,269 ci ,638 1,566 1 cg ,448 2,233 Collinearity Statistics Model Tolerance VIF fio ,551 1,816 foi ,451 2,218 ci ,679 1,474 cg ,380 2,634 1 cio ,391 2,558 Collinearity Statistics Model Tolerance VIF ci ,625 1,600 cg ,383 2,612 cio ,390 2,565 co ,549 1,820 1 fio ,713 1,403 Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 144 BIBLIOGRAFÍA Aldás Manzano, J. “Modelización estructural mediante Partial Least Squares. PLSPM” II Seminario de AEMARK. Modelización con PLS y SEM. Universidad de Valencia. [5] Batista Foguet, JM (2000). “Modelos de Ecuacione Estructurales”. Cuadernos de Estadística 6, Editroial La Muralla SA. Madrid. [6] Bontis, Nick (1999). “Managing an organizational learning system by aligning stocks and flows of knowledge”. Tesis Doctoral, Universtiy of Ontario.[7] Caballero Domínguez, AJ. “SEM vs. PLS: Un enfoque basado en la práctica”. Univesidad Complutense de Madrid.[8] Calantone, R. (2001). “Learning orientation, firm innovation capability, and firm performance”. Industrial Marketing Management.[9] Casa Guillén, M. “Los modelos de ecuaciones estructurales y su aplicación en el Indice Europeo de Satisfacción del Cliente”. Universidad San Pablo CEU.[10] Chiva Gómez, R. Camisón Zornoza, C. (2002). “Aprendizaje Organizativo y Teoría de la Complejidad: Un estudio de casos en el sector cerámico”. Investigaciones Europeas de Dirección y Economía de laa Empresa. Vol 8, Nº3. [11] Ferrán Aranaz, M. “SPSS para Windows Programación y Análisis Estadístico”. Mc-Graw Hill. Gómez Vieites, A. Calvo Gonzalez, JL. “Un Análisis de las relaciones entre I+D innovación y resultados empresariales: el sector de electrónica e informática en España”. Universidad Nacional de Educación a Distancia (UNED). [12] Gil Gómez, H. ()”El aprendizaje interorganizativo en la Economía de la Información y el Conocimiento”. Grupo de Investigación de Investigación. Tesis Doctoral, Universidad de Valenica.[13] Jiménez Castillo, D. “¿Cómo mejorar la capacidad de asimilación de conocimiento del mercado?. El Rol mediador de los mecanismos basados en la comunicación”. Universidad de Almería. [14] Mateos- Aparicio, G. “Los Modelos de ecuaciones estructurales: una revisión histórica sobre sus orígenes y desarrollo”. Universidad Complutense de Madrid. [15] Matzler, K. (2006). “Who Trusts? Personality, Trust and Knowledge Sharing” Management Learning; 37, 4. University Austria. [16] Aprendizaje organizacional mediante el Método de Ecuaciones Estructurales aplicado al sector del Metal en Zaragoza 145 Prieto Pastor, Isabel María (2003). “Una valorización de la gestión del conocimiento para el desarrollo de la capacidad de aprendizaje en las organizaciones: propuesta de un modelo integrador”. Tesis Doctoral. [17] Riikka Ellonen, K. “The role of trust in organisational innovativeness”. School of Business and Technology Business Research Center, Finland. [18] Ruiz, M. “Modelos de ecuaciones estructurales”. Universidad Autónoma de Madrid. [19] Scott G. Isaksen. (1999). “Situational Outlook Questionnaire: A measure of the climate for Creativity and Change). The Creativity Research Unit at Creative Problem Solving Group. Buffalo. [20] Segarra Ciprés, M. (2006).”Estudio de la Naturaleza Estratégica del Conocimiento y las Capacidades de Gestión del Conocimiento: Aplicación a empresas innovadores de base tecnológica”. Tesis Doctoral, Universidad de Castellón. [21] Silva Zamora, C. “Modelos de ecuaciones estructurales, ¿Qué es eso?”. Artículo de Educación Univesidad de Chile. [22] http://ciberconta.unizar.es/doctorado/08ecuaciones.htm http://www.mitecnologico.com/Main/PotenciaDeLaPrueba http://www.eumed.net/tesis/2006/mpmb/3e.htm http://www.sc.ehu.es/sbweb/fisica/cursoJava/numerico/regresion/regresion.htm#Regresión%20lineal http://dm.udc.es/asignaturas/estadistica2/sec6_8.html http://www.fisterra.com/mbe/investiga/var_cuantitativas/var_cuantitativas.asp#hipotesis http://www.gestiondelconocimiento.com FUENTES DE ELABORACIÓN DE TABLAS E IMÁGENES: [1] Elaboración propia [2] Bontis, Nick (1999). “Managing an organizational learning system by aligning stocks and flows of knowledge”. Tesis Doctoral, Universtiy of Ontario. [3] Prieto Pastor, Isabel María (2003). “Una valorización de la gestión del conocimiento para el desarrollo de la capacidad de aprendizaje en las organizaciones: propuesta de un modelo integrador”. Tesis Doctoral [4] Gómez Vieites, A. Calvo Gonzalez, JL. “Un Análisis de las relaciones entre I+D innovación y resultados empresariales: el sector de electrónica e informática en España”. Universidad Nacional de Educación a Distancia (UNED FUENTES DE ELABORACIÓN DEL CUESTIONARIO [9][11][13][16][17][18][20][21]