El texto en esta página carece de formato, notas, tablas o figuras. Puede bajarse el texto completo en formato DOC comprimido ZIP (240 páginas, 2Mb)  Pulsando aquí

Los equipos multiculturales en la empresa multinacional

Mª del Pino Medina Brito

 

TÉCNICAS DE ANÁLISIS DE LA INFORMACIÓN

Una vez finalizada la fase de recogida de datos, se procedió a la codificación de los ítemes y a su tabulación mediante la grabación de los datos contenidos en cada uno de los cuestionarios considerados válidos. Todo ello se realizó utilizando el paquete estadístico SPSS para Windows (Statistical Package for Social Sciences) en su versión 11.

Con el objeto de depurar la base de datos y detectar posibles errores en la trascripción de los mismos, se utilizaron técnicas descriptivas univariantes, calculándose la distribución de frecuencias de cada variable en aras a comprobar que todos los códigos de las variables se situaban entre los valores posibles. Cuando se identificaban anomalías se procedía a determinar el cuestionario al que pertenecían y, una vez verificada la respuesta, se realizaba la corrección pertinente. Para facilitar el análisis de los datos se procedió al etiquetado de las variables y a la descripción de cada uno de los valores otorgados a las mismas en las variables en que esto era posible.

En un primer momento, para realizar una descripción de los equipos en los que se encuentran los individuos que integran la muestra se realizaron análisis cluster. Esta técnica tiene por objetivo formar grupos de objetos homogéneos (equipo) respecto a una variedad de atributos, que pueden ser tanto cualitativos como cuantitativos (Ferrán Aranaz, 1996). En esta investigación se emplean el cluster aglomerativo jerárquico y el no jerárquico. El primero de ellos se utilizó concretamente para representar gráficamente el proceso de formación de conglomerados, dendograma. El método de las k-medias, empleado en el cluster no jerárquico, permite reasignaciones entre individuos a lo largo del proceso iterativo y se emplea con la finalidad de conocer las similitudes y diferencias existentes entre los equipos a los que se encuentran adscritos los individuos de la muestra en términos del perfil cultural y de la heterogeneidad de dicho perfil para cada una de las dimensiones de la cultura nacional (distancia al poder, aversión a la incertidumbre, individualismo, masculinidad, orientación al largo plazo).

A continuación se examinó la consistencia interna del cuestionario, así como de cada una de las escalas, utilizando para ello el estadístico alpha de Cronbach (1951). Este estadístico, con la finalidad de determinar el grado de consistencia interna de una escala, analiza la correlación media de una de las variables de la misma escala con todas las demás variables que la componen. Si las variables no están positivamente correlacionadas entre sí, no existe razón para creer que puedan estar correlacionadas con otras posibles variables que hubieran podido ser igualmente seleccionadas. En consecuencia, no es de esperar que exista una correlación positiva entre esta escala de medición y cualquier otra similar. Por tanto, el alpha de Cronbach puede interpretarse como la correlación existente entre una escala y cualquier otra posible que contuviese el mismo número de ítemes y que pudiera construirse a partir del universo hipotético de variables que pueden medir lo mismo. Su valor puede variar entre cero y uno, si bien es posible la existencia de valores negativos, lo que indicaría que en la escala hay algunos ítemes que miden lo opuesto a lo que miden los demás.

Cuanto más cercano esté el valor del alpha de Cronbach a 1, mayor es la consistencia interna de los ítemes que componen el instrumento de medida. Ahora bien, al interpretarse como un coeficiente de correlación, no existe un acuerdo generalizado sobre cuál debe ser el valor a partir del cual pueda considerarse una escala como fiable. En nuestro caso optamos por seguir a George y Mallery (1995) quienes indican que si el alpha es mayor que 0,9, el instrumento de medición es excelente; en el intervalo 0,9-0,8, el instrumento es bueno; entre 0,8- 0,7, el instrumento es aceptable; en el intervalo 0,7- 0,6, el instrumento es débil; entre 0,6-0,5, el instrumento es pobre; y si es menor que 0,5, no es aceptable.

Con el objetivo de reducir la dimensionalidad de las escalas utilizadas en el cuestionario y, de esta manera, facilitar el análisis e interpretación de los datos con la menor pérdida de información posible, se utilizó el análisis factorial de componentes principales con rotación varimax. Esta técnica es considerada como “[...] un método “blando” en el sentido de que no requiere hipótesis a priori sobre la estructura de los datos y sus interrelaciones, ni sobre la distribución de probabilidad multivariante a que responden” (González, 1991: 63). Con ello se obtuvieron los denominados factores o componentes principales, como variables sintéticas no correlacionadas entre sí que aglutinan el mayor porcentaje de la varianza explicada (González, 1991). Dado que los resultados de este análisis fueron utilizados como datos de entrada para análisis posteriores, podemos afirmar que el empleo de este método estadístico en el presente trabajo responde a los tres propósitos para los que, según González (1991), puede servir: (1) describir sintéticamente grandes masas de datos cuantitativos; (2) obtener índices sintéticos de un fenómeno que se ha medido a través de múltiples facetas, características e indicadores parciales; y (3) utilizar las coordenadas de los individuos en los componentes como datos de entrada para aplicar otro método multivariante.

Como método específico para contrastar la validez del modelo de factores obtenidos, a la vez que se lograba reducir la dimensión de la escala definida para medir el grado en que se presentaban, se utilizó el método estadístico denominado análisis factorial de correlaciones . Se trata de un método paramétrico que se encuentra en el extremo de los métodos “duros” ya que parte de la hipótesis de que los datos han sido generados por una estructura determinada. Es decir, se acepta a priori la existencia de factores (González, 1991). Existen dos modelos de análisis factorial de correlaciones: uno exploratorio, más “blando” que no exige conocer a priori el número de factores y otro confirmatorio “más duro” que supone conocidos de antemano el número de factores. En nuestro caso hicimos uso del primer modelo.

Para verificar la idoneidad de la estructura de la matriz de correlaciones y, en consecuencia, la viabilidad de la realización de dicho análisis factorial, se aplicaron, además del cálculo de la matriz de correlaciones reproducida, cuyos elementos son las correlaciones entre pares de variables estimadas a partir del modelo factorial, dos estadísticos:

1. El test de esfericidad de Barlett, que permite contrastar la hipótesis de que la matriz de correlaciones es una matriz identidad. Si esta hipótesis se aceptase (valor del test bajo y asociado a un nivel de significación alto), se debería cuestionar la utilización de cualquier tipo de análisis factorial, ya que significaría la práctica inexistencia de correlación entre los ítemes.

2. El test de Kaiser-Meyer-Olkin (KMO), que mide la idoneidad de los datos para realizar un análisis factorial comparando los valores de los coeficientes de correlación observados con los coeficientes de correlación parcial. Si la suma de los cuadrados de los coeficientes de correlación parcial entre todos los pares de variables es pequeña en comparación con la suma de los coeficientes de correlación al cuadrado, esta medida tiende a uno. Para Kaiser (1974 en Visauta, 1998) los resultados del modelo factorial serán excelentes si el índice KMO está comprendido entre 0,9 y 1; buenos, si está comprendido entre 0,8 y 0,9; aceptables, si se encuentra entre 0,7 y 0,8; mediocres o regulares, cuando resulte entre 0,6 y 0,7; malos, si está entre 0,5 y 0,6; e inaceptables o muy malos cuando sea menor que 0,5.

Con la finalidad de identificar posibles diferencias en la percepción de los individuos sobre los constructos y las dimensiones del modelo se llevaron a cabo análisis de la varianza one-way (ANOVA de un factor). Este análisis utiliza el estadístico F de Snedecor para medir el grado de significación global, indicando si la variable independiente tiene un efecto significativo sobre la variable dependiente. Por otra parte, para comprobar la homogeneidad en las varianzas de los diferentes grupos, que es un requisito previo que debe cumplirse para poder realizar un análisis de la varianza, aplicamos el test de Levene. En aquellos casos en los que no era posible estabilizar la varianza se utilizó la prueba no paramétrica de análisis de la varianza de Kruskal-Wallis al objeto de poder detectar diferencias significativas entre grupos.

Asimismo, para contrastar las hipótesis y sub-hipótesis planteadas en esta investigación se hizo uso de los coeficientes de correlación r de Pearson y Rho de Spearman. Estos coeficientes miden el grado de asociación entre variables de intervalo o de razón, pudiendo oscilar sus valores entre –1 y 1, de tal forma que cuanto más próximo a cero esté el estadístico, menor correlación existirá entre ambas variables. Finalmente, se procedió a determinar los modelos de trayectorias o path sobre la base del análisis de ecuaciones estructurales, para obtener los resultados alcanzados por un equipo multicultural utilizando como criterio los procesos sociales.

Los aspectos relacionados con cada una de estas técnicas estadísticas, así como los resultados derivados de la aplicación de las mismas a nuestra muestra, se exponen, conjuntamente, en el siguiente capítulo.
 

---