AD ALTA 

 

JOURNAL OF INTERDISCIPLINARY RESEARCH

 

 

 

For the purpose of factor analysis the value of Kaiser-Meier-
Olkin test should reach the value of at least 0.5 (value range is 
between 0 and 1). In order to assess whether it is possible to use 
the factor analysis, Kaiser-Meyer-Olkin method (KMO) and 
Bartlett’s test of sphericity have been used. The KMO method is 
based on selective correlation and partial correlation coefficients. 
For the indicators in factor analysis KMO are observed 
according to the highest level of acceptance, which means that 
the performed level of usefulness of the factor analysis reaches 
high value. Bartlett’s test of sphericity is a statistic test used to 
examine the hypothesis that the variables are correlated or 
uncorrelated. 
 
Value for KMO test was reached by 0,764 and for Bartlett’s test 
by 0,000. Therefore, factor analysis itself could be applied. The 
total variance of the performance indicators is explained by 
means of eigenvalues, representing the total variance explained 
by each factor. The eigenvalues show that only three items have 
reached the minimum value of 1. From this point of view, 
Extraction Sums of Squared Loadings with cumulative 
percentage are important. Factor analysis has extracted different 
numbers of factors, which explains variances of all cases 
(81,54%). 
 
Table 3 Results of factor analysis 

 

 

 

Cronbach’s 

alpha 

Factor 
1 

Cash flow 

0,994 

0,779 

ACCEPT 

P/L for period (Net 
income) 

0,994 

Operating revenue 

0,987 

Shareholder funds 

0,973 

Factor 
2 

ROA using P/L before 
tax 

0,813 

0,437 

NOT 

ACCEPT 

ROE before tax 

0,857 

Source: own work by authors 

Results of factor analysis provide in two factors, from which are 
acceptable value of Cronbach’s alpha only for one of them. Last 
factor has Cronbach’s alpha value under minimal acceptable 
value (under 0,500). Final values calculating acceptable factor 
need the transformation of individual coefficients. These 
coefficients express significance of the used elements. Their sum 
total must be 1. The individual factor indices have been defined 
by the procedures as follow: 
 

 

 
Value of this factor can be calculated for the individual outdoor 
producer and on the basis of their results a list of businesses can 
be compiled. Indices can determine important factors of 
business, playing the key role in achieving the set of objectives. 
Proposed financial performance indicators should help 
companies to demonstrate a progress towards the objectives of 
sustainability. Also we can see basic statistics of observed 
indexes in Table 4. 
 
Table 4 Descriptive statistics of observed factor 

 

Mean 

Median 

Variance 

Std. 

deviation 

Factor 1 

2016,6704 

165,8953 

295000,99809 

870,08888,3 

Factor 1 
- 
grouped 

3 

3 

1,414 

2 

Source: own work by authors 

Pivot tables have been employed to find possible dependencies 
between observed factors and company size and region of 
company, for results of the dependency tests see Table 5. Results 
of the dependence examination in individual variable categories 
are depicted in the following results of Pearson’s chi-square test. 
 
Maintaining the % reliability of the test, the values for 
connection between individual factors and company size have 
been determined within 0.05, which represents 5% reliability 
level. Established values of Pearson’s test for the variables are 
showed in Table 5 (i.e., less than 0.05). Therefore, that bring us 
to the conclusion that an alternative hypothesis is applied – there 
are dependencies between all observed factors and company size 
for all observed indexes. Past results have revealed the 
relationship between indexes and company size and European 
region. Subsequently, degree of such dependence has been 
examined. To that end, the intensity of dependence determined 
by means of contingency coefficient. 
 
Table 5 Pearson’s test of the relationship between individual 
indexes, company size and European region for observed factor 

 

Corporate size 

European region 

Value 

Signif. 

Value 

Signif. 

Pearson χ

2

 

2010,429 

0,000 

225,020 

0,000 

Contingency 
coefficient 

0,555 

 

0,208 

 

Source: own work by authors 

The intensity of dependence ranges between 

〈0;1〉. That means 

that the higher the absolute value, the greater the intensity of 
dependence. Table 5 shows that observed factor is close 
connected within the size of the company and region of Europe – 
all significance values are in 5% of limit of error. Intensity of the 
dependence is given by Contingency coefficient, which provides 
view in this connection. All four defined connection between 
observed indexes and corporate size and region reach accurate 
values and there are confirmed dependency between them. 
 
Load indicators (Mass) indicate load line which represents the 
percentage of information across the table in appropriate 
category. That loads are obtained as the ratios of the row and 
column marginal frequencies (n

i+

, n

+j

) in whole table of 

individual categories (n). 
 
Score in dimension describes individual variables score in two 
main dimensions. These dimensions don‘t represent any specific 
area, because they are reduced to from multi-dimension space. 
All data in rows and columns have been usually in multi-
dimension space, which are reduced into two. Providing 
information of raw data has not been modified after multi-
dimension space reduction of these variables. Inertia indicator 
represents the share comprehensive information on the profile 
(on the relevant point). This characteristic is independent of the 
number of dimensions. Corresponding map includes a graphical 
representation of both row and column categories according to 
their dimension scores (Hebák et al., 2007; D’Esposito, de 
Stefano, Ragozini, 2014). 
 
 
 
 
 
 
 
 

 
 

 

 

- 146 -