- Die Ergebnisse der explorativen Studie
Wie bereits erwähnt, wird in dieser Studie eine kritischere Diskussion geführt, indem die Umfragedaten mit den qualitativen Informationen aus den Interviews, die mit einer Untergruppe der Umfrageteilnehmer geführt wurden, integriert werden. Tabelle 1 zeigt eine Zusammenfassung der Unternehmensprofile
Aus dieser explorativen Studie haben die Forscher einen Wissensfundus aufgebaut und Einblicke in die saudischen KMUs gewonnen. Darüber hinaus wurden drei Hypothesen aufgestellt. Die Forscher erreichten ein besseres Verständnis der organisatorischen Merkmale, die die Nutzung von ERP-Systemen beeinflussen können. Es gibt jedoch einige Einschränkungen bei dieser Studie. Die Anzahl der Interviews war gering. Die Studie verwendete qualitative Daten, um die Frage nach dem Einfluss der Organisationseigenschaft auf das ERP-System zu beantworten, was keine verallgemeinerbaren Ergebnisse erzielen kann. Daher verließen die Forscher die explorative Studie mit der Aufgabe, die Wirkung dieser Variablen auf die ERP-Systemnutzung quantitativ zu messen.
- Das Ergebnis der quantitativen Studie
Um die quantitativen Daten der Studie zu analysieren, wird die Technik der partiellen kleinsten Quadrate (PLS) verwendet, die eine Hauptkomponentenbasis für die Schätzung nutzt [104]. Im Wesentlichen handelt es sich bei PLS um eine statistische Methode, die der Regressionsanalyse ähnelt und für kleine Stichprobengrößen und explorative Modelle geeignet ist. Sowohl das Messmodell als auch das Strukturmodell werden im folgenden Abschnitt ausgewertet [105].
- Das Messmodell
Bevor die Signifikanz der Beziehungen zwischen den Komponenten der Studie beurteilt werden kann, ist es wichtig festzustellen, ob die Maße der Studie ein zufriedenstellendes Niveau an Reliabilität und Validität aufweisen [106]. Folglich besteht der erste Schritt darin, das Messmodell zu bewerten. Es wurden vier Verfahren verwendet, um das Messmodell der Studie zu bewerten: Indikator-Reliabilität, interne Konsistenz-Reliabilität, konvergente und diskriminante Validität. Zur Beurteilung der internen Konsistenz wurden Cronbach-Alpha und zusammengesetzte Reliabilitätsmaße, wie sie von der SmartPLS-Software bereitgestellt werden, verwendet.
Das Ergebnis für die Indikator-Reliabilität der Konstrukte der Studie in Tabelle 4 zeigt, dass alle Indikatoren eine hohe Reliabilität aufweisen (Ladungsniveau ist größer als 0,7), nachdem alle Indikatoren unter 0,7 entfernt wurden [107]. Zusätzlich ist der Wert des Cronbach-Alphas und der zusammengesetzten Reliabilität in Tabelle 4 größer als
Die Schätzungen zeigten, dass der minimale Cronbachs Alpha-Wert 0,778 für die Verkäuferunterstützung beträgt, während der minimale zusammengesetzte Reliabilitätswert 0,878 für die Unternehmensleistung ist. Dies zeigt, dass die Konstrukte der Studie intern konsistent sind und eine akzeptable Reliabilität aufweisen [108].
Zur Beurteilung der Validität werden die konvergente Validität und die diskriminante Validität herangezogen. Nach Hulland [107] sollte für ein ausreichendes Maß an konvergenter Validität die durchschnittlich extrahierte Varianz (AVE) größer als 0,5 sein.
Unser getestetes Ergebnis zeigte, dass der minimale AVE 0,591 (Business Performance) beträgt, was auf ein angemessenes Maß an konvergenter Validität für die Konstrukte der Studie hinweist.
Der nächste Schritt ist die Beurteilung der diskriminanten Validität, die sich darauf bezieht, ob die einzelnen Konstruktmaße hinreichend unterschiedlich sind oder voneinander abweichen [105]. Zwei Techniken können zur Messung der diskriminanten Validität verwendet werden: Das Fornell-Larcker-Verfahren und die Cross-Loading-Technik. Die Ref. [106] Technik basiert auf dem Vergleich des AVE eines jeden Konstrukts mit dem Quadrat des Korrelationskoeffizienten zwischen diesem Konstrukt und jedem anderen Konstrukt. Für eine akzeptable diskriminante Validität sollte der AVE größer sein [109]. Alle in Tabelle 5 hervorgehobenen Quadratwurzeln für die AVE der Studienkonstrukte sind höher als alle anderen Kreuzkorrelationen.
Darüber hinaus wird in dieser Studie auch die Technik der Kreuzbelastungen der Konstrukte verwendet, um die diskriminante Validität zu beurteilen. Nach Vinzi et al. [105] weist ein Konstrukt eine zufriedenstellende diskriminante Validität auf, wenn jedes Konstrukt mit seinen Indikatoren stärker korreliert ist als mit den Indikatoren anderer Konstrukte. Die Ergebnisse in Tabelle 6 zeigen, dass alle Indikatoren eine hohe Korrelation mit ihren jeweiligen Konstrukten haben, wenn man ihre Korrelation mit den Indikatoren der anderen Konstrukte vergleicht. Alle Konstrukte haben ein akzeptables Niveau der diskriminanten Validität. Daher kann aus den obigen Ergebnissen bestätigt werden, dass die Messmodellbewertung eine gute Passung in Bezug auf Reliabilität und Validität aufweist.
- Das Strukturmodell
Nach der Bewertung des Messmodells im vorherigen Abschnitt wird in der folgenden Phase das Strukturmodell bewertet. Im Strukturmodell werden Informationen über die Pfadsignifikanz der hypothetischen Beziehungen anhand der Pfadkoeffizienten, d. h. Beta (β), das quadrierte R (Bestimmtheitsmaß), Q2 (prädiktive Relevanz) und f-Quadrat (die Effektgrößen) dargestellt. Abbildung 2 zeigt die SmartPLS-Ergebnisse für die βs und das R2. Die Pfad-Signifikanzniveaus (t-Werte) wurden mittels eines Bootstrapping-Verfahrens mit 1000 Stichproben ermittelt. Nach Chin [104] ist das R2 des abhängigen Konstrukts eine Vorhersagekraft, die zur Bewertung des strukturellen Modells verwendet wird, und normalerweise ist es der erste Wert, den Forscher bewerten. Für die aktuelle Studie beträgt der Wert des R2 für die abhängigen Konstrukte (ERPs-Nutzung und Unternehmensleistung) 0,458 bzw. 0,398 (siehe Abbildung 2). Das bedeutet, dass die Faktoren Organisation und ERPs 45,8 % der Varianz in der ERPs-Nutzung erklären. Darüber hinaus erklärt der ERP-Einsatz 39,8 % der Varianz der Unternehmensleistung. Im Vergleich zu anderen Studien im IS-Bereich, z. B. [41,55], liegt dieser Wert von R2 im akzeptablen Bereich.
Um die Signifikanz der Pfadkoeffizienten zu beurteilen, wurden die t-Statistiken für jeden Koeffizienten als Grundlage für den Test der Hypothese der Studie verwendet. Die Zusammenfassung der Ergebnisse der Studie ist in Tabelle 7 dargestellt. Von den 8 Hypothesen wurden 4 durch die Daten unterstützt und 4 nicht unterstützt. Die Hypothesen H2, H4, H5 und H7 wurden verworfen, da sich herausstellte, dass Wissensaustausch, Benutzerbeteiligung, Komplexität und Anbieterunterstützung nicht positiv mit der Nutzung des ERP-Systems zusammenhängen (β = -0,07, β = 0,118, β = -0,05 bzw. β = 0,002). Dagegen wurden H1, H3 und H6 als die anderen Kontingenzfaktoren (Managementunterstützung, Benutzerzufriedenheit und Schulung) unterstützt und es wurde ein positiver Zusammenhang mit der ERP-Nutzung festgestellt (β =0,25, β = 0,297 bzw. β = 0,271). Außerdem wurde H8 bestätigt, dass die ERP-Nutzung positiv mit der Unternehmensleistung (finanzielle und nicht-finanzielle Leistung) zusammenhängt.
Neben der Betrachtung des R2-Verfahrens zur Bewertung des Strukturmodells können auch andere Verfahren, die Effektgrößen (f2) und die prädiktive Relevanz (Q2), berücksichtigt werden [105]. Nach der Richtlinie von Cohen (1988) deuten die f2-Werte von 0,02, 0,15 und 0,35 auf kleine, mittlere bzw. große Effekte hin. Tabelle 7 zeigt, dass alle Beziehungen mit Ausnahme von H6 und H8 einen kleinen Effekt hatten. Darüber hinaus kann die Q2-Technik auch zur Bewertung des Strukturmodells verwendet werden [105]. Basierend auf dem Blindfolding-Verfahren kann Q2 unter Verwendung von SmartPLS die Vorhersagefähigkeit des Modells bewerten. Für die aktuelle Studie wurde Q2 mit kreuzvalidierten Redundanzverfahren berechnet. Insgesamt zeigt ein Q2 größer als Null an, dass die beobachteten Werte prädiktive Relevanz haben, während ein Wert unter Null anzeigt, dass dem Modell die prädiktive Relevanz fehlt. Abbildung 2 zeigt positive Q2-Ergebnisse für die ERP-Nutzung sowie die Unternehmensleistung, was auf eine akzeptable prädiktive Relevanz hinweist.
Referenzen und Open Access Hinweis
This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited
AlMuhayfith, S.; Shaiti, H. The Impact of Enterprise Resource Planning on Business Performance: With the Discussion on Its Relationship with Open Innovation. J. Open Innov. Technol. Mark. Complex. 2020, 6, 87. https://doi.org/10.3390/joitmc6030087
Recent Comments