5.2 Cluster analysis In order to t

5.2 Cluster analysis
In order to test our hypotheses it was necessary to determine if there were groups of firms with clear differences in their degree of alignment. The cluster analysis technique is often used to produce clusters or groups of highly similar entities based on some specified variables. In this case, cluster analysis was used to identify similar groups based on the nineteen measures of AIS alignment using the moderation approach. This technique has the advantage of identifying similarity without imposing a specific model. In particular, because this technique splits the population into groups, it was relatively easy to compare and contrast the effect of the moderation approach. Measurement issues also encouraged analysis by types of firms rather than using correlation and regression analysis (Hussin et al. 2002). Importantly, several measures were dichotomous or categorical. Furthermore, it seemed possible that some ratio variables could have non-linear relationships with alignment. Therefore, there was more chance of some relationships being identified using cluster analysis.

Information characteristics
Frequency of reporting
Summary reports-organisation
Summary reports-sections
Sectional reports
Speed of reporting
Temporal reports
Future events
Immediate reporting
Non-financial (production)
Automatic receipt Decisional models
Organisational effect
Precise targets
Non-financial (market)
Effects of events on functions
Sub-unit interaction
Non-economic information
What-if analysis
External information

Cluster 1 (98)
Cluster 2 (116)
Table 2: Mean alignment scores for the two-cluster solution

This study used the cluster analysis routine in SPSS for Windows (release 11). Ward's hierarchical clustering routine was used initially and the distance between objects was measured using squared Euclidean distance. The dendrogram and the change in the Ward's coefficient suggested that a two-cluster solution was appropriate. The stability of the cluster solution was tested by splitting the data into halves. Each half was then analysed separately and 81.1% of the cases were classified consistently, indicating consistency with the full data set. The K-means approach to clustering was adopted to test for replicability of the cluster solution (Green et al. 1988) and 85.3% of the cases were consistent with the Ward's method. This suggested that a stable and valid solution had been found. The results are shown in Table 2.
The data in Table 2 indicated that firms in Cluster 1 had higher AIS alignment on each item than firms in Cluster
2. The patterns of the mean scores in the two clusters are consistent for all nineteen items. For this reason, Cluster 1 was labelled the 'aligned' group and Cluster 2 the 'not-aligned' group. The very clear and significant separation into two groups was a surprise because more groups were anticipated, but the fact that no other groups emerged with combinations of low and high alignment on different items considerably simplified the subsequent analysis. There was no ambiguity in labelling these groups 'aligned' and 'not-aligned' and so these two groups could be used to test the hypotheses. Hence, one possible assessment of alignment is by associating firms into one of these two groups.

Results (Vietnamese) 1:

5.2 cụm phân tích
để thử nghiệm giả thuyết của chúng tôi, nó là cần thiết để xác định nếu có là nhóm của công ty với các khác biệt rõ ràng của mức độ liên kết. Kỹ thuật phân tích cụm thường được sử dụng để sản xuất cụm hoặc nhóm cao tương tự như thực thể dựa trên một số biến được chỉ định. Trong trường hợp này, cụm sao phân tích được sử dụng để xác định các nhóm tương tự dựa trên các biện pháp mười chín của trường quốc tế Mỹ chỉnh bằng cách sử dụng phương pháp tiếp cận kiểm duyệt. Kỹ thuật này có lợi thế của việc xác định tương tự mà không áp đặt một mô hình cụ thể. Đặc biệt, vì kỹ thuật này chia tách dân vào nhóm, nó đã tương đối dễ dàng để so sánh và tương phản tác dụng của phương pháp tiếp cận kiểm duyệt. Vấn đề đo lường cũng khuyến khích phân tích của các loại công ty chứ không phải là bằng cách sử dụng phân tích mối tương quan và hồi qui (Hussin et al. năm 2002). Quan trọng, một số biện pháp được dichotomous hoặc phân loại. Hơn nữa, nó có vẻ như thể một số biến tỷ lệ có thể có mối quan hệ phi tuyến tính với sự liên kết. Do đó, đã có thêm cơ hội của một số mối quan hệ đang được xác định bằng cách sử dụng phân tích cụm.

Thông tin đặc điểm
tần số của báo cáo
tóm tắt báo cáo-tổ chức
tóm tắt báo cáo-phần
cắt báo cáo
tốc độ của báo cáo
thời gian báo cáo
sự kiện tương lai
báo cáo ngay lập tức
phòng không-tài chính (sản xuất)
tự động nhận được các mô hình Decisional
tổ chức có hiệu lực
chính xác mục tiêu
Phòng Không-tài chính (thị trường)
tác động của sự kiện vào chức năng
tiểu đơn vị tương tác
phòng không kinh tế thông tin
phân tích những gì nếu
bên ngoài thông tin

cụm 1 (98)
cụm 2 (116)
bảng 2: có nghĩa là điểm số liên kết cho các giải pháp hai-cụm

nghiên cứu này sử dụng thói quen phân tích cụm trong SPSS cho Windows (phát hành 11). Phường của thói quen phân cấp kết cụm đã được sử dụng ban đầu và khoảng cách giữa các đối tượng đã được đo bằng cách sử dụng khoảng cách Euclide bình phương. Dendrogram và sự thay đổi trong hệ số của p. gợi ý rằng một giải pháp hai-cụm là thích hợp. Sự ổn định của giải pháp cụm đã được thử nghiệm thông qua việc tách các dữ liệu vào nửa. Mỗi nửa sau đó được phân tích một cách riêng biệt và 81.1% các trường hợp đã được phân loại một cách nhất quán, chỉ ra sự nhất quán với các thiết lập dữ liệu đầy đủ. K-có nghĩa là phương pháp tiếp cận để cụm đã được thông qua để kiểm tra replicability của giải pháp cụm (màu xanh lá cây et al. 1988) và 85.3% các trường hợp là phù hợp với phương pháp của phường. Điều này gợi ý rằng một giải pháp ổn định và hợp lệ đã được tìm thấy. Các kết quả được hiển thị trong bảng 2.
Các dữ liệu trong bảng 2 chỉ ra rằng các công ty trong cụm 1 có cao trường quốc tế Mỹ chỉnh trên mỗi mục so với các công ty trong cụm
2. Các mô hình của điểm số trung bình trong hai cụm là phù hợp cho tất cả các mục 19. Vì lý do này, cụm 1 được gắn nhãn 'liên kết' nhóm và cụm 2 nhóm 'không liên kết'. Rất rõ ràng và đáng kể chia thành hai nhóm là một bất ngờ vì thêm nhóm đã được dự đoán, nhưng một thực tế rằng không có các nhóm khác nổi lên với các kết hợp của thấp và cao chỉnh vào các mặt hàng khác nhau đáng kể đơn giản hóa các phân tích tiếp theo. Đã có không có mơ hồ trong dán nhãn các nhóm 'liên kết' và 'liên kết không' và vì vậy hai nhóm có thể được sử dụng để thử nghiệm các giả thuyết. Do đó, một trong những có thể đánh giá của liên kết là bằng cách kết hợp các công ty thành một trong hai nhóm.

Results (Vietnamese) 2:

5.2 Cụm phân tích
Để kiểm tra giả thuyết của chúng tôi nó là cần thiết để xác định xem có các nhóm của các công ty với sự khác biệt rõ ràng trong mức độ của họ về liên kết. Các kỹ thuật phân tích cụm thường được sử dụng để sản xuất các cụm hoặc các nhóm của các đơn vị đánh giá cao tương tự dựa trên một số biến quy định. Trong trường hợp này, phân tích cụm được sử dụng để xác định các nhóm tương tự dựa trên những năm các biện pháp liên kết AIS sử dụng phương pháp điều độ. Kỹ thuật này có lợi thế trong việc xác định tương tự mà không áp đặt một mô hình cụ thể. Đặc biệt, bởi vì kỹ thuật này chia dân số thành các nhóm, đó là tương đối dễ dàng để so sánh và đối chiếu ảnh hưởng của phương pháp điều độ. Vấn đề đo lường cũng khuyến khích phân tích theo loại hình công ty hơn là sử dụng tương quan và phân tích hồi quy (Hussin et al. 2002). Quan trọng hơn, một số biện pháp đã được phân đôi hoặc phân loại. Hơn nữa, nó dường như có thể là một số biến tỷ lệ có thể có mối quan hệ phi tuyến tính với liên kết. Vì vậy, đã có nhiều cơ hội của một số mối quan hệ được xác định bằng cách sử dụng phân tích cluster. đặc điểm thông tin Tần suất báo cáo tóm tắt báo cáo tổ chức Tóm tắt báo cáo, phần nhiều ngăn báo cáo Tốc độ báo cáo tạm thời báo cáo các sự kiện trong tương lai ngay lập tức báo cáo (sản xuất) phi tài chính nhận tự động ra quyết định mô hình tổ chức hiệu quả các mục tiêu chính xác phi tài chính (thị trường) Ảnh hưởng của các sự kiện trên chức năng tiểu đơn vị tương tác thông tin kinh tế không gì-nếu phân tích thông tin bên ngoài Cụm 1 (98) Cụm 2 (116) Bảng 2: Có nghĩa là điểm liên kết cho các giải pháp hai cụm Nghiên cứu này sử dụng các phân tích thường xuyên cụm trong SPSS cho Windows (phát hành 11). Thường xuyên phân nhóm theo cấp bậc của Ward đã được sử dụng ban đầu và khoảng cách giữa các đối tượng được đo bằng bình phương khoảng cách Euclide. Các dendrogram và sự thay đổi hệ số của phường đề nghị một giải pháp hai cụm là thích hợp. Sự ổn định của các giải pháp cụm đã được thử nghiệm bằng cách chia tách các dữ liệu vào nửa. Mỗi nửa sau đó được phân tích một cách riêng biệt và 81,1% các trường hợp được phân loại một cách nhất quán, cho thấy phù hợp với tập dữ liệu đầy đủ. K-có nghĩa là cách tiếp cận để phân nhóm đã được thông qua để kiểm tra khả năng nhân rộng của giải pháp cụm (Green et al. 1988) và 85,3% các trường hợp là phù hợp với phương pháp của phường. Điều này cho thấy một giải pháp ổn định và hợp lệ đã được tìm thấy. Các kết quả được trình bày trong bảng 2. Các dữ liệu trong Bảng 2 cho thấy các doanh nghiệp trong cụm 1 có kết AIS cao hơn trên mỗi sản phẩm so với các doanh nghiệp trong cụm 2. Các mô hình của điểm trung bình trong hai cụm phù hợp cho tất cả mười chín mặt hàng. Vì lý do này, Nhóm 1 đã được dán nhãn của nhóm liên kết và cụm 2 của nhóm không liên kết. Sự tách biệt rất rõ ràng và có ý nghĩa thành hai nhóm là một bất ngờ vì nhiều nhóm đã được dự đoán trước, nhưng thực tế là không có nhóm khác nổi lên với sự kết hợp của sự liên kết cao và thấp vào các mặt hàng khác nhau đáng kể đơn giản hóa các phân tích tiếp theo. Không có sự mơ hồ trong ghi nhãn các nhóm "liên kết" và "không liên kết" và do đó, hai nhóm này có thể được sử dụng để kiểm tra các giả thuyết. Do đó, một trong những đánh giá có thể có của liên kết là bằng cách kết hợp các công ty thành một trong hai nhóm này.