Regresyon Analizi

Korelasyon analizi ile değişkenler arası ilişki belirlendikten sonra regresyon analizinin uygulanmasına geçilmiştir. Regresyon analizi belirli bir birim bağımsız değişkenin değişmesi durumunda bağımlı değişkenin nasıl bir değişim gösterdiğini incelemektedir (Sümbüloğlu ve Akdağ, 2007: 4). Regresyon modelinin seçilme aşamasında ise yine Sümbüloğlu ve Akdağ (2007: 7)’ı takiben bağımlı değişkenin kesikli sayısal, yaşam süresi veya nitel, iki ya da daha çok kategorili olmadığı, daha çok sürekli / duruma göre kesikli sayısal veri grubunda yer aldığı kanaati hasıl olmuş ve buna göre de basit ya da çok değişkenli doğrusal regresyon modellerinin uygulanmasının, Poisson, Cox, lojistik regresyon modellerinin uygulanmasına göre daha uygun olduğu düşünülmüştür. Bu analiz kapsamında kullanılan bağımsız değişkenler bilgi paylaşımı, güven ve paylaşılan vizyon ve dışsal sosyal sermayedir. Bağımlı değişken ise firma performansıdır. Basit doğrusal regresyonda bir bağımsız bir de bağımlı değişken varken, çok değişkenli doğrusal regresyon analizinde bağımsız değişken daha fazla sayıdadır (Sümbüloğlu ve Akdağ, 2007: 7). Bu çalışma kapsamında da 3 bağımsız değişkenin yer almasından ötürü çok değişkenli doğrusal regresyon analizinin uygulanması kararlaştırılmıştır.

İlk olarak regresyon analizinin uygulanabilir olduğunu ölçmek adına Pallant (2011: 150)’in aktardığı N > 50 + 8m (m, bağımsız değişken sayısı ve N, örneklem büyüklüğü) örneklem gereksinimi hesaplanmıştır. Üç bağımsız değişken olduğu hesaba katıldığında ilgili örneklem büyüklüğünün yeterli olduğu sonucuna ulaşılmıştır. Bağımsız değişkenler arası yüksek düzey korelasyon (0,90 ve üzeri) söz konusu olduğunda çoklu bağlantı söz konusu olacağından (Pallant, 2011: 151), ilgili korelasyon katsayılarına Tablo 4.32 incelenerek bakılmış ve 0,90’nın üzeri bir katsayı olmadığı sonucuna ulaşılmıştır.

Tablo 4.33, uç değerler olup olmadığına ilişkin standartlaştırılmış artık değer ve Cook uzaklığı değerlerine yer vermektedir.

Tablo 4.33: Artıklar

Minimum Maksimum Ortalama Standart

Sapma N Standartlaştırılmış Artık Değer -2,889 2,084 ,000 989 138 Cook Uzaklığı ,000 ,051 ,006 ,010 138

Tablo 4.33’den görüldüğü üzere, bağımlı değişkene ait uç değerler olup olmadığını test etmek adına standartlaştırılmış artık değerler min. -2,889 ve maks. 2,084 olup, bu değerlerin -3,3 ve 3,3 arası olmasından dolayı uç değerler olmadığı sonucuna ulaşılmıştır (Pallant, 2011: 151). Cook uzaklık ölçüsünün de 1’den küçük olduğu gözlemlenmiştir (Pallant, 2011: 160). Tablo 4.34 ise değişkenlerin skewness ve kurtosis değerlerine ilişkindir.

Tablo 4.34: Değişkenlere İlişkin Skewness ve Kurtosis Değerleri Güven ve Paylaşılan

Vizyon

Bilgi Paylaşımı

Firma Performansı Dışsal Sosyal Sermaye Skewness -1,036 -,498 -,574 ,486 Skewness Standart Hatası ,206 ,206 ,206 ,206 Kurtosis -,372 -1,100 -,776 -1,091 Kurtosis Standart Hatası ,410 ,410 ,410 ,410

Skewness ve Kurtosis değerleri, değişkenlerin normal dağılım gösterip göstermediğine ilişkin incelenmiş, ilgili değerler ± 3,29 aralığında olduğu (Kılıç ve İncikabı, 2013: 226) gözlemlenmiş ve saçılma diyagramları ile de doğrusallık durumuna bakılıp otokorelasyon hariç gerekli ön şartların sağlandığı kanaatine ulaşılmıştır. Otokorelasyon durumunun regresyon modeli oluşturulup birlikte değerlendirilmesi uygun görülmüştür. Tablo 4.35 bağımsız değişkenlerin tolerans ve VIF (varyans büyütme faktörü) değerlerine ilişkindir.

Tablo 4.35: Çoklu Doğrusallığa İlişkin Değerlendirme Sonuçları

Bağımsız Değişken Tolerans VIF

Bilgi Paylaşımı 0,297 3,372

Güven ve Paylaşılan Vizyon 0,317 3,151

Dışsal Sosyal Sermaye 0,706 1,417

VIF (varyans büyütme faktörü), çoklu doğrusal bağlılık olup olmadığını ölçmeye yöneliktir (Güriş ve Astar, 2015: 364). VIF değeri 5’den küçük ise çoklu doğrusal bağlantı önemli değildir ve 5’den büyükse çoklu doğrusal bağlılık önemli olup düzeltilmelidir (Güriş ve Astar, 2015: 365). Tablo 4.35’de tüm VIF değerleri de 5’in altındadır ve doğrusal bağlılığın regresyon analizi için bir engel teşkil etmediği şeklinde yorumlanabilmektedir. Benzer şekilde tolerans değerinin 0,20’den küçük olması bağımsız değişkenler arası çoklu bağlantılılık olduğuna işarettir (Büyüköztürk, 2015: 100). Tablo 4.35’den görüldüğü üzere tolerans değerlerinin tamamı 0,20’nin üzerindedir. Firma performansı bağımlı değişken olmak üzere, dışsal sosyal sermaye, bilgi paylaşımı ve güven ve paylaşılan vizyon bağımsız değişkenleri olarak regresyon modeli Tablo 4.36’da yer almaktadır.

Tablo 4.36: Firma Performansı Modeli

a. Göstergeler: (Sabit), Dışsal Sosyal Sermaye, Güven ve Paylaşılan Vizyon, Bilgi Paylaşımı b. Bağımlı değişken: Firma performansı

Model R R2 _{Ad. R}2 _{Tahmin Standart Hatası}

Firma Performansı 0,842a _{0,709 0,702 0,60902}

Varyans Analizi (ANOVAb₎

Model Kareler Toplamı df Ortalama Kare F P 1 Regresyon Artık Toplam 120,913 49,701 170,614 3 134 137 40,304 ,371 108,666 ,000 a

Değişkenler Standartlaştırılmamış Katsayılar Standart Katsayı t P

β Standart Hata Beta

Sabit 0,325 0,167 1,944 0,054 Bilgi Paylaşımı 0,002 0,077 0,002 0,020 0,984 Güven ve paylaşılan vizyon 0,802 0,087 0,760 9,186 0,000 Dışsal sosyal sermaye 0,136 0,052 0,145 2,608 0,010

Tahmin edilen regresyon denklemi aşağıda verilmektedir.

Y (Firma Performansı) = 0,325 + 0,002 X1 (Bilgi Paylaşımı) + 0,802 X2 (Güven ve Paylaşılan Vizyon) + 0,136 X3 (Dışsal Sosyal Sermaye)

Modelde bilgi paylaşımı ve sabit anlamlı değilken, güven ve paylaşılan vizyon ve dışsal sosyal sermaye anlamlıdır. Güven ve paylaşılan vizyonun katsayı yüksekliği dikkat çekicidir.

R² belirlilik katsayısı olup, bağımlı değişkenin yüzde kaçının modele dahil edilen bağımsız değişkenler tarafından açıklandığını gösterir (Kalaycı, 2009: 259). Modelde R² değerinin 0,709 olduğu gözlemlenmektedir. Ancak firma performansı bağımlı değişkeninin yüzde 70,9 unun bağımsız değişkenlerce açıklandığına dair yorum yapılabilmesi için, otokorelasyon durumunun irdelenmesi gerekmektedir.

Regresyon analizine ilişkin varsayımlardan birisi, ardışık hata terimi değerlerinin birbirinden bağımsız olması yani hata terimi değerleri arasında otokorelasyon bulunmamasıdır (Yavuz, 2009: 123). Otokorelasyonun belirlenmesi için kullanılan yaygın testlerden birisi de Durbin – Watson testidir (Güriş ve Astar, 2015: 355). Yukarıda yer alan modele Durbin – Watson testi uygulandığında 0,730 değeri çıkmıştır. Durbin – Watson d değerlerine ilişkin olarak, 0 < d < dL olması durumunda pozitif otokorelasyon vardır (Yavuz, 2009: 130). dL değerinin 3 bağımsız değişken ve 138 gözlem sayısı için %5 güvenilirlik düzeyinde 1.6778 ve dU değerinin 1.766515 olduğu göz önüne alındığında, modelde pozitif otokorelasyon olduğu sonucuna ulaşılmaktadır. Yavuz (2009: 130) ve Güriş ve Astar (2015: 356)’ı takiben, otokorelasyon olmaması için d değerinin dU ve 4 – dU arasında olması gerekmektedir. Bu çalışmadaki veri seti için d değerinin 1.7665 ile 2.2335 arasında olması durumunda otokorelasyon söz konusu olmayacaktır.

15 _{http://dinus.ac.id/repository/docs/ajar/tabel-dw.pdf internet adresinden ilgili değerlere erişim}

sağlanmıştır (E.T: 26.08.2017). Aydın (2014: 533) 100 gözlem ve 3 bağımsız değişken için % 5 güvenilirlik düzeyinde dL = 1.613 ve dU = 1.736; 150 gözlem ve 3 bağımsız değişken için dL = 1.693 ve

dU = 1.774 değerlerini, Durbin ve Watson (1951: 173) ise yine %5 güvenirlilik düzeyinde 100 gözlem ve

3 bağımsız değişken için dL = 1.61 ve dU = 1.74 değerlerini sunmuştur. Erişim sağlanan tablodaki

değerlerin ilgili kaynaklarda yer alan 100 ve 150 gözlem için sunulan değerlerle uyumlu olduğu gözlemlenmiştir.

Diğer varsayımların aksine otokorelasyon sıkıntısının söz konusu olmasının muhtemel nedenleri arasında kullanılan verilerin kesit veri olması olabilir. Akgül (2003: 11)’e göre otokorelasyon katsayısı farklı zamanlardaki gözlemler arasındaki ilişkiyi gösteren katsayılardır ve zaman serilerinde önemli bir gösterge olarak kabul edilirler. Bu çalışma kapsamındaki verilerin ise zaman serisi değil, kesit veri olduğu kabul edilmektedir.

Bu sonuçlara ulaştıktan bir süre sonra yapılan istatistiki analizlerin kontrol edilmesi aşamasında Durbin Watson katsayısına ilişkin, verilerin yeri değiştirildiğinde Durbin Watson katsayısı d değerinin de değişiklik gösterdiği fark edilmiştir. Ankete dair kesit veri olarak kabul edilen verilerin sıralamasının zaten zaman serileri gibi bir önemi bulunmamaktadır. Rastgele SPSS’de verilerin yerlerinin değiştirilmesi neticesinde d değerinin en düşük 0,544 ile en yüksek 1,34 olmak üzere pek çok değişik değer aldığı ve buna karşılık regresyon modelindeki katsayıların ise değişmediği tespit edilmiştir. Şüphesiz yine tesadüfi değişikliklerle daha düşük ve daha da yüksek değerlere de ulaşılabileceği ihtimal dahilindedir.

Bir istatistik metodunun sıralamanın öneminin olmadığının kabul edildiği veriler üzerinde otokorelasyon olup olmadığı hususunda farklı sonuçlar vermesi, ilgili metodun kesit verilerde uygulanılmasına ilişkin tarafımızca şüpheye sebebiyet vermiştir. Adı geçen metodun uygulanmasının nedeni, işletme literatüründeki önceki çalışmalarda uygulanılmasına denk gelinmiş olmasının yanı sıra, işletme literatüründe ya da kesit verilerde kullanılmamasına dair bir uyarı veyahut tespite yine tarafımızca yapılan makul düzeyde olduğuna inanılan literatür çalışmasında rast gelinmemiş olmasından dolayıdır. Bu öngörülmeyen tespitle birlikte, bir takım kaynakların taranmasının yanı sıra, Durbin ve Watson (1950, 1951, 1971) orijinal çalışmalarına da göz atılmıştır. İlgili çalışmalarda metodun tarafımızca belirlenen hususlara yönelik kullanılmaması gereken alanlar şeklinde bir uyarı veya bölüm olmadığı, ancak çalışmalarda genel itibariyle zaman serisi verilerinin öne çıkarıldığı, örneğin Durbin ve Watson (1951) çalışmasında üç veri setinin örnek olarak verildiği; bunların 1870 – 1938, 1933 – 1937 (ay bazında), 1875 – 1936 yılları arası veriler içerdiği ve bu örneklerin de zaman serisi olduğu gözlemlenmiştir. Fakat genel bir kanaate sahip olmak açısından bu çalışmada kullanılan veri setinin yanında ikinci bir veri setiyle de verilerin yerinin değişmesiyle birlikte d katsayısının da değişiklik gösterdiği hususunun teyit

edilmesi gerektiği düşünülmüştür. Bu kapsamda Durbin ve Watson (1951) orijinal çalışmasındaki veriler üzerinden deneme yapılması kararlaştırılmıştır. Öncelikli olarak ilgili çalışmada kullanılan veriler Tablo 4.37’de sunulmuştur.

Tablo 4.37: Durbin Watson Orijinal Verileri16

Yıl Tüketim Gelir Ücret Yıl Tüketim Gelir Ücret

1870 1,9565 1,7669 1,9176 1905 1,9139 1,9924 1,9952 1871 1,9794 1,7766 1,9059 1906 1,9091 2,0117 1,9905 1872 2,012 1,7764 1,8798 1907 1,9139 2,0204 1,9813 1873 2,0449 1,7942 1,8727 1908 1,8886 2,0018 1,9905 1874 2,0561 1,8156 1,8984 1909 1,7945 2,0038 1,9859 1875 2,0678 1,8083 1,9137 1910 1,7644 2,0099 2,0518 1876 2,0561 1,8083 1,9176 1911 1,7817 2,0174 2,0474 1877 2,0428 1,8067 1,9176 1912 1,7784 2,0279 2,0341 1878 2,029 1,8166 1,942 1913 1,7945 2,0359 2,0255 1879 1,998 1,8041 1,9547 1914 1,7888 2,0216 2,0341 1880 1,9884 1,8053 1,9379 1915 1,8751 1,9896 1,9445 1881 1,9835 1,8242 1,9462 1916 1,7853 1,9843 1,9939 1882 1,9773 1,8395 1,9504 1917 1,6075 1,9764 2,2082 1883 1,9748 1,8464 1,9504 1918 1,5185 1,9965 2,27 1884 1,9629 1,8492 1,9723 1919 1,6513 2,0652 2,243 1885 1,9396 1,8668 2 1920 1,6247 2,0369 2,2567 1886 1,9309 1,8783 2,0097 1921 1,5391 1,9723 2,2988 1887 1,9271 1,8914 2,0146 1922 1,4922 1,9797 2,3723 1888 1,9239 1,9166 2,0146 1923 1,4606 2,0136 2,4105 1889 1,9414 1,9363 2,0097 1924 1,4551 2,0165 2,4081 1890 1,9685 1,9548 2,0097 1925 1,4425 2,0213 2,4081 1891 1,9727 1,9453 2,0097 1926 1,4023 2,0206 2,4367 1892 1,9736 1,9292 2,0048 1927 1,3991 2,0563 2,4284 1893 1,9499 1,9209 2,0097 1928 1,3798 2,0579 2,431 1894 1,9432 1,951 2,0296 1929 1,3782 2,0649 2,4363 1895 1,9569 1,9776 2,0399 1930 1,3366 2,0582 2,4552 1896 1,9647 1,9814 2,0399 1931 1,3026 2,0517 2,4838 1897 1,971 1,9819 2,0296 1932 1,2592 2,0491 2,4958 1898 1,9719 1,9828 2,0146 1933 1,2635 2,0766 2,5048 1899 1,9956 2,0076 2,0245 1934 1,2549 2,089 2,5017 1900 2 2 2 1935 1,2527 2,1059 2,4958 1901 1,9904 1,9939 2,0048 1936 1,2763 2,1205 2,4838 1902 1,9752 1,9933 2,0048 1937 1,2906 2,1205 2,4636 1903 1,9494 1,9797 2 1938 1,2721 2,1182 2,458 1904 1,9332 1,9772 1,9952

Kaynak: Durbin ve Watson 1951: 160’dan uyarlanmıştır

16 _{Durbin ve Watson (1951: 160) orijinal çalışmasındaki tablo halindeki veriler kullanılarak ilk}

etapta SPSS programında hesaplanan d değeri 0,233 iken, çalışmada ise 0,2488 d değeri verilmektedir (1951: 161). Tarafımızca hesaplanan ve orijinal çalışmadaki d değerlerinin farklılığına ilişkin veri seti üzerine yapılan incelemede, orijinal çalışmada 1938 yılına ilişkin gelir sütununda yer alan değerin dikkat çekici derecede düşük olduğu gözlemlenmiştir. Şöyle ki, veri setinde gelire dair 1938 yılında 1,1182 yer almaktadır ve bunun haricinde en düşük ve en yüksek gelir düzeyleri 1,7669 ve 2,1205’dir ki bu durum oldukça dikkat çekicidir. 1938 yılına dair verinin yanlış aktarılmış olabileceği ve gerçek değerin 1,1182 yerine 2,1182 olabileceği düşünülmüş ve bu şekliyle 1938 yılı gelir sütununda yer alan veri tarafımızca 2,1182 olarak düzeltilmiştir. Düzeltilmiş şekliyle hesaplanan d değeri 0,249 çıkmıştır ki bu sonuç da orijinal çalışmada yer alan d değeri ile uyumludur. Tablo 4.37, orijinal çalışmaya göre 1938 yılı gelir sütunu verisi düzeltilmiş haliyle sunulmuştur. Düzeltilen veriye ilişkin Durbin ve Watson (1971) çalışmasına, önceki (1951) çalışmaya ilişkin düzeltme şeklinde bir atıf olup olmadığı da ayrıca araştırılmış ancak bu şekliyle herhangi bir düzeltme notuna rast gelinmemiştir. Bu çalışma kapsamında Durbin Watson orijinal verileri olarak düzeltilmiş veriler kullanılacaktır.

Tablo 4.37’de yer alan veri seti SPSS programına girilmiş ve d değeri 0,249 olarak bulunmuştur. Veriler ayrıca Excel ortamına girilmiş ve Durbin ve Watson (1951: 160 – 161)’ın d değeri hesaplamakta kullanılan aşağıda yer alan denklemleri de ayrıca Excel’de işlenmiştir.

(i) d = Σ ( ∆z )2 / Σ z2 ve

(ii) z = y – yort – b1 (X1 – X1ort) – b2 (X2 – X2ort ) (iii) ∆z = ∆y – b1 ∆x1 – b2 ∆x2

(iv) Σz2 = Σ (y – yort) – b1 Σ (y – yort) (x1 – x1ort) – b2 Σ (y – yort) (x2 – x2ort) (v) Σ(∆z)2 = Σ(∆y)2 + b12 Σ(∆x1)2 + b22 Σ(∆x2)2 – 2b1Σ∆y∆x1 – 2b2Σ∆y∆x2 + 2b1b2Σ∆x1∆x2

Durbin Watson (1951) orijinal çalışmada verilen formüllere dayanarak, Excel programında öncelikle y (tüketim), x1 (gelir) ve x2 (ücret) sütunları, sonrasında da yukarıda yer alan denklemler çerçevesinde sütunlar oluşturulmuştur. b1 = -0,120 ve b2 = -1,228 olarak regregresyon denkleminde tahmin edilmiştir ve yine orijinal çalışma verileriyle uyumludur. Orijinal veri setinde z değeri (ii) nolu formül çerçevesinde herbir yıl için oluşturulmuş ve Σz2 _{= 0,220952 olarak bulunmuş ve bu değer (Durbin ve} Watson, 1951: 161) 0,22095 değeri ile uyumludur. Σ ( ∆z )2 değeri ise Excel’de 0,05487 olarak bulunmuştur ve bu değerin de orijinal çalışmadaki 0,054967 değeri ile (Durbin ve Watson, 1951: 161) uyumlu olduğu söylenebilir.

Tablo 4.38 ise Tablo 4.37’de yer alan aynı veri setinin gelir bağımsız değişkeninin düşükten yükseğe doğru artan hali baz alınarak verilerin yeniden tasnif edilmiş halini sunmaktadır.

Tablo 4.38: Durbin Watson Verileri (Gelir Bağımsız Değişkeni Artan Şekilde)

Yıl Tüketim Gelir Ücret Yıl Tüketim Gelir Ücret

1870 1,9565 1,7669 1,9176 1915 1,8751 1,9896 1,9445 1872 2,012 1,7764 1,8798 1905 1,9139 1,9924 1,9952 1871 1,9794 1,7766 1,9059 1902 1,9752 1,9933 2,0048 1873 2,0449 1,7942 1,8727 1901 1,9904 1,9939 2,0048 1879 1,998 1,8041 1,9547 1918 1,5185 1,9965 2,27 1880 1,9884 1,8053 1,9379 1900 2 2 2 1877 2,0428 1,8067 1,9176 1908 1,8886 2,0018 1,9905 1875 2,0678 1,8083 1,9137 1909 1,7945 2,0038 1,9859 1876 2,0561 1,8083 1,9176 1899 1,9956 2,0076 2,0245 1874 2,0561 1,8156 1,8984 1910 1,7644 2,0099 2,0518 1878 2,029 1,8166 1,942 1906 1,9091 2,0117 1,9905 1881 1,9835 1,8242 1,9462 1923 1,4606 2,0136 2,4105 1882 1,9773 1,8395 1,9504 1924 1,4551 2,0165 2,4081 1883 1,9748 1,8464 1,9504 1911 1,7817 2,0174 2,0474 1884 1,9629 1,8492 1,9723 1907 1,9139 2,0204 1,9813 1885 1,9396 1,8668 2 1926 1,4023 2,0206 2,4367 1886 1,9309 1,8783 2,0097 1925 1,4425 2,0213 2,4081 1887 1,9271 1,8914 2,0146 1914 1,7888 2,0216 2,0341 1888 1,9239 1,9166 2,0146 1912 1,7784 2,0279 2,0341 1893 1,9499 1,9209 2,0097 1913 1,7945 2,0359 2,0255 1892 1,9736 1,9292 2,0048 1920 1,6247 2,0369 2,2567 1889 1,9414 1,9363 2,0097 1932 1,2592 2,0491 2,4958 1891 1,9727 1,9453 2,0097 1931 1,3026 2,0517 2,4838 1894 1,9432 1,951 2,0296 1927 1,3991 2,0563 2,4284 1890 1,9685 1,9548 2,0097 1928 1,3798 2,0579 2,431 1921 1,5391 1,9723 2,2988 1930 1,3366 2,0582 2,4552 1917 1,6075 1,9764 2,2082 1929 1,3782 2,0649 2,4363 1904 1,9332 1,9772 1,9952 1919 1,6513 2,0652 2,243 1895 1,9569 1,9776 2,0399 1933 1,2635 2,0766 2,5048 1903 1,9494 1,9797 2 1934 1,2549 2,089 2,5017 1922 1,4922 1,9797 2,3723 1935 1,2527 2,1059 2,4958 1896 1,9647 1,9814 2,0399 1938 1,2721 2,1182 2,458 1897 1,971 1,9819 2,0296 1936 1,2763 2,1205 2,4838 1898 1,9719 1,9828 2,0146 1937 1,2906 2,1205 2,4636 1916 1,7853 1,9843 1,9939

Kaynak: Durbin ve Watson, 1951: 160’dan uyarlanmıştır

Durbin Watson düzeltilmiş verilerine ilişkin SPSS ve Excel’deki sıralamayı gelir düşükten yükseğe sırayla artacak şekilde tekrar düzenlediğimizde d değerinin 1,527 olduğu hesaplanmaktadır. Buna karşın regresyon modelinde herhangi bir değişiklik olmadığı yine gözlemlenmiştir.

Yeniden sıralanmış veri setine ilişkin z değerleri Excel’de tekrar hesaplanmış ve Σz2 = 0,220952 olarak bulunmuştur. Bu değer verilerin yerlerinin değişmeden önce hesaplanan Σz2 değeri ile aynıdır. Σ ( ∆z )2 değeri ise verilerin Tablo 4.38’deki gibi

girilmesiyle Excel’de hesaplanmış ve 0,338664 değerine ulaşılmıştır. Bu değer ise orijinal çalışmada yer alan değerden farklılık arz etmektedir.

Farklılığın Durbin Watson d değerinin hesaplanmasına ilişkin alt denklemlerden hangisinden ötürü kaynaklandığına dair yapılan değerlendirme neticesinde ise, payda kısmında yer alan Σz2 _{değerinin denklemde aynı kaldığı, ancak} verilerin yerlerinin değiştikçe pay kısmında yer alan Σ(∆z)2 _{değerinin değiştiği tespit} edilmiştir.

Pay kısmının verilerin sıralamasının değiştikçe değişmesine sebep olan durumun ise ∆y, ∆x1 ve ∆x2 değerlerinin bir sonraki veri ile bir önceki veri arasındaki fark olarak hesaplanmasından (Durbin ve Watson, 1951: 159 – 160) kaynaklandığı düşünülmektedir. Ancak bu bulgular doğrultusunda, veri sıralamasının öneminin olmadığının kabul edildiği kesit verilerde Durbin Watson otokorelasyon metodunun kullanılamayacağı düşünülmektedir.

Otokorelasyon tespitinde kullanılan testlerden birisi de Breusch – Godfrey testi olarak da adlandırılan LM testidir (Güriş ve Astar, 2015: 356). Durbin – Watson testinin bahsedilen sakıncalarından dolayı LM testinin de kullanılmasının yararlı olacağı düşünülmüş ve bu test de kullanılmıştır. İlgili test SPSS programında yer almadığından, Eviews 8 paket programı tercih edilmiştir. Bu paket programında gerçekleştirilen LM testi sonuçlarına göre de ilk yedi gecikme uzunluğunda da anlamlılık 0,05’in altında olup, firma performansının bağımlı değişken, dışsal sosyal sermaye, bilgi paylaşımı, güven ve paylaşılan vizyon bağımsız değişkenleri ve sabit değerden oluşan modele dair LM test sonuçlarına göre de otokorelasyon sorununun olduğu kanaatine varılmıştır.

Otokorelasyonun varlığından dolayı, regresyon analizi yerine firma performansı, dışsal sosyal sermaye, bilgi paylaşımı ve güven ve paylaşılan vizyon değişkenlerine ilişkin Spearman korelasyon analizi yapılmıştır. Spearman korelasyon, parametrik olmayan bir korelasyon yöntemidir (Sümbüloğlu ve Akdağ, 2007: 17). İlgili analizin sonuçları Tablo 4.39’da verilmiştir.

Tablo 4.39: Spearman Korelasyon Katsayısı Değerleri Firma Performansı Dışsal Sosyal Sermaye Bilgi Paylaşımı Güven ve Paylaşılan Vizyon

Spearman's rho Firma

Performansı Korelasyon Katsayısı 1,000 ,402** _,567** _,647** Sig. (2-tailed) . ,000 ,000 ,000 N 138 138 138 138 Dışsal Sosyal Sermaye Korelasyon Katsayısı ,402** _{1,000 ,549}** _,463** Sig. (2-tailed) ,000 . ,000 ,000 N 138 138 138 138 Bilgi

Paylaşımı Korelasyon Katsayısı

,567** _,549** _{1,000 ,630}** Sig. (2-tailed) ,000 ,000 . ,000 N 138 138 138 138 Güven ve Paylaşılan Vizyon Korelasyon Katsayısı ,647** _,463** _,630** _1,000 Sig. (2-tailed) ,000 ,000 ,000 . N 138 138 138 138 ** p<0,01; * p<0,05

Tablo 4.39’da yer aldığı üzere firma performansı ile güven ve paylaşılan vizyon arasındaki korelasyon katsayısı 0,647 olup firma performansı ile diğer iki değişken arasındaki korelasyon katsayılarına nispeten daha yüksek olduğu gözlemlenmektedir. Güven ve paylaşılan vizyon, pozitif otokorelasyonlu modellerde de ayrıca ön plana çıkmıştır. Firma performansı ile ilgili güven ve paylaşılan vizyonun daha fazla önemli olabileceği yorumu yapılabilinecektir ve faktör analizi sonucu düzeltilen ikinci hipotezimizin doğrulandığı söylenebilir.

Dışsal sosyal sermaye ile firma performansı arasında Spearman korelasyon tablosuna göre pozitif korelasyon vardır (korelasyon katsayısı 0,402) ve bu korelasyon katsayısı istatistiksel olarak anlamlıdır. İlgili tablo değerlerini de göz önüne alarak dışsal sosyal sermaye ile firma performansı arasında anlamlı bir ilişki olduğuna ilişkin faktör analizi sonrası düzeltilen üçüncü hipotezimizin de doğrulandığı ileri sürülebilir.

Bilgi paylaşımı ile firma performansı arasında pozitif korelasyon söz konusu olup, korelasyon katsayısı 0,567 dir ve ilgili katsayının anlamlı olduğu Spearman korelasyon tablosundan gözlemlenmektedir. Faktör analizi sonucu düzeltilen bilgi paylaşımı ile firma performansı arasında anlamlı bir ilişki olduğunu ileri süren birinci hipotezimizin doğrulandığı yorumu yapılabilmektedir.

Her üç hipotezimizin de doğrulanmış olmasıyla birlikte, TRB1 bölgesindeki on ve üzeri çalışan sayısına sahip Organize Sanayi Bölgeleri’nde faaliyet gösteren aile

işletmelerinde firma performansı ile işletmenin güven ve paylaşılan vizyon düzeyi ayrıca dikkat çekici olmakla birlikte, bilgi paylaşımı ve dışsal sosyal sermaye düzeyleri arasında anlamlı bir ilişkinin olduğu ileri sürülebilmektedir.

4.6. ARAŞTIRMA BULGULARINA İLİŞKİN GENEL DEĞERLENDİRME