lampiran lampiran 1: rancangan kuisioner · lampiran 1: rancangan kuisioner pertanyaan dibawah ini...
TRANSCRIPT
57
LAMPIRAN
Lampiran 1: Rancangan Kuisioner
Pertanyaan dibawah ini berhubungan dengan sistem operasi lokal, pegawai, dan
manajemen perusahaan anda. Mohon merespon setiap pertanyaan menggunakan
skala berikut:
1= sangat tidak setuju / sangat jarang
2= tidak setuju / jarang
3= Netral
4= setuju / sering
5= sangat setuju / sangat sering
DESIGN OF MCS
RUANG LINGKUP 1 2 3 4 5
Informasi terkait hasil prediksi keuangan dari berbagai
skenario (contoh: hasil penjualan ketika terjadi pergantian
pemerintahan, hasil penjualan ketika terdapat produk
baru kompetitor) .
Informasi non - keuangan yang mengukur efisiensi
produktifitas, rasio hasil produksi, kehadiran karyawan,
dll.
Informasi non - keuangan yang mengukur ukuran pasar,
pertumbuhan saham, kepuasan konsumen.
Informasi non - keuangan yang mengukur inovasi dan
produk/ jasa baru.
Informasi untuk benchmarking, seperti struktur biaya
(proporsi biaya tetap dan biaya variabel) terhadap
produk/jasa kompetitor.
Ketersediaan data untuk analisa ‘what-if’ dan analisa
incremental/marginal.
INTEGRASI 1 2 3 4 5
Akses informasi mengenai biaya dan harga dari
departemen lain.
Informasi yang terkait dampak dari keputusan anda pada
departemen lain dan sebaliknya.
KETEPATAN WAKTU 1 2 3 4 5
Informasi yang diminta dapat diperoleh segera sesuai
permintaan
58
Informasi terkini diberikan kepada anda secara otomatis
setelah proses selesai
Standard pelaporan tersedia di setiap interval
waktu/periode, contoh: laporan bulanan, mingguan
Tidak ada jeda antara kejadian yang sedang terjadi
dengan informasi relevan yang dilaporkan kepada anda
AGREGASI 1 2 3 4 5
Laporan menampilkan trend dan memberikan
perbandingan dari waktu ke waktu (contoh:
bulanan/kuartal/tahunan)
Informasi atas dampak aktivitas yang beragam di setiap
departemen ditampilkan untuk menunjukkan kinerja
setiap individu unit bisnis dan keseluruhan kinerja
(contoh: laporan pendapatan, biaya, laba)
Biaya teridentifikasi dalam laporan dengan baik sebagai
komponen biaya tetap atau biaya variabel
USE OF MCS
PENINGKATKAN PEMAHAMAN 1 2 3 4 5
seberapa sering menggunakan informasi akuntansi untuk:
Mengidentifikasi saling ketergantungan antar unit bisnis?
Mengidentifikasi kelemahan
Mengevaluasi dampak kegiatan eksternal
Menyelidiki pilihan-pilihan
FOKUS PERHATIAN 1 2 3 4 5
seberapa sering menggunakan informasi akuntansi untuk:
Menyoroti area yang bermasalah
Mendeteksi ancaman yang akan datang pada perusahaan
SCOREKEEPING 1 2 3 4 5
seberapa sering menggunakan informasi akuntansi untuk:
Melacak perkembangan untuk pencapaian tujuan?
Mengukur keberhasilan pada faktor penting penentu
keberhasilan?
Membandingkan hasil dengan ekspektasi?
PENINGKATAN PEMBELAJARAN 1 2 3 4 5
seberapa sering menggunakan informasi akuntansi untuk:
Mengidentifikasi kelemahan stategi bisnis perusahaan?
Membuat strategi baru?
Meningkatkan keunggulan kompetitif produk/jasa?
EVALUASI KINERJA 1 2 3 4 5
59
Evaluasi kinerja berdasarkan pencapaian masing-masing
individu
Kinerja individu berdasarkan pencapaian target keuangan
(contoh: laba)
Kinerja individu berdasarkan pencapaian target non-
keuangan (contoh: kepuasan pelanggan)
Evaluasi kinerja berdasarkan pencapaian tim
Kinerja individu berdasarkan kontribusi tim pada
pencapaian target keuangan (contoh: laba)
Kinerja individu berdasarkan kontribusi tim pada
pencapaian target non-keuangan (contoh: kepuasan
pelanggan)
SISTEM PENGHARGAAN 1 2 3 4 5
Dasar pemberian penghargaan (contoh: bonus) bersifat
fleksibel, berdasarkan penilaian pribadi atasan
Dasar pemberian penghargaan (contoh: bonus) bersifat
objektif, berdasarkan pencapaian anggaran atau target
kuantitatif lainnya
Sistem penghargaan dalam perusahaan mendorong kerja
tim dibandingkan kinerja individu
Sistem penghargaan dalam perusahaan mendorong
mulainya pembelajaran jangka panjang (lifelong
learning)
Sistem penghargaan dalam perusahaan mendorong
anggota untuk tidak menyimpan pengetahuan dan
pengalaman bagi dirinya sendiri
UMPAN BALIK 1 2 3 4 5
Seberapa sering sistem informasi akuntansi mengelola,
mengukur dan melaporkan pada manajer senior untuk
menyusun strategi dan mengambil keputusan?
Seberapa sering sistem informasi akuntansi mengelola,
mengukur dan melaporkan pada manajer senior untuk
mencapai pendapatan?
Seberapa sering sistem informasi akuntansi mengelola,
mengukur dan melaporkan pada manajer menengah
(fungsional/departemen) untuk menyusun strategi dan
mengambil keputusan?
Seberapa sering sistem informasi akuntansi mengelola,
mengukur dan melaporkan pada manajer menengah
(fungsional/departemen) untuk mencapai pendapatan?
60
Seberapa sering sistem informasi akuntansi mengelola,
mengukur dan melaporkan pada manajer operasional
untuk menyusun strategi dan membuat keputusan?
Seberapa sering sistem informasi akuntansi mengelola,
mengukur dan melaporkan pada manajer operasional
untuk mencapai pendapatan?
Apabila umpan balik menunjukkan bahwa terdapat
perbedaan antara kinerja yang dicapai dan target yang
dibuat, strategi yang ada seringkali dikaji ulang
Umpan balik lebih sering digunakan untuk tujuan
pembelajaran daripada tujuan kontrol (pengendalian)
ORGANISATIONAL LEARNING
AKUISISI PENGETAHUAN 1 2 3 4 5
Perusahaan kami mengumpulkan data terkait semua
aspek kinerja melalui sumber eksternal
Perusahaan kami mengumpulkan data terkait semua
aspek kinerja melalui sumber internal
Manajemen kami membahas masalah secara proaktif
Manajemen kami memantau indikator penting atas
kinerja perusahaan
Manajemen kami belajar dari rekan bisnis kami (seperti
supplier, konsumen, sekutu)
Manajemen kami tertarik dengan strategi bisnis
kompetitor
Manajemen kami mempelajari hal-hal baru seputar
perusahaan melalui observasi langsung
Perusahaan kami mengumpulkan data yang berhubungan
dengan pasar maupun konsumen, seperti pilihan
(preferensi) konsumen, sikap karyawan terhadap badan
pemerintah dan konsumen, ancaman kompetitif, dll
DISTRIBUSI INFORMASI 1 2 3 4 5
Pegawai kami memaksimalkan penggunakan sumber
informasi yang tersedia dalam sistem untuk menunjang
pekerjaan mereka
Top manajemen kami mengintegrasikan informasi dari
berbagai area perusahaan
Pegawai kami membagi informasi (seperti ide, rencana,
perhitungan) dengan pegawai lainnya
61
Ketika pegawai kami membutuhkan suatu informasi
spesifik, mereka mengetahui siapa saja yang mempunyai
informasi tersebut
INTERPRETASI INFORMASI 1 2 3 4 5
Perusahaan kami tanggap terhadap perubahan teknologi
Pegawai kami mempunyai beragam alat komunikasi
untuk dipilih (seperti internet, email, telepon, dsb)
Pegawai kami terbuka terhadap perubahan cara kerja
yang baru
Pegawai kami didorong untuk mengkomunikasikan hal
dengan jelas
Manajemen kami mendorong penggunaan kerangka kerja
dan model untuk membantu pengambilan keputusan
MEMORI ORGANISASI 1 2 3 4 5
Perusahaan kami menyimpan informasi detail untuk
panduan kerja
Dalam perusahaan kami terdapat manajemen khusus yang
berfungsi mengelola data (mengumpulkan,
mengkategorikan, dan menyimpan data atau sumber
informasi )
Organisasi kami menggunakan penyimpanan elektronik
secara menyeluruh (seperti database, data warehousing,
scanned documents)
Pegawai kami menggunakan sarana elektronik untuk
berkomunikasi
Pegawai kami menggunakan data informasi yang
diarsipkan dalam pengambilan keputusan
INTELLECTUAL CAPITAL
HUMAN CAPITAL 1 2 3 4 5
Pegawai memiliki latar belakang pengalaman kerja yang
sesuai dengan bidangnya sehingga dapat mengerjakan
pekerjaannya dengan baik di perusahaan kami
Pegawai di perusahaan kami memilik keterampilan
professional yang baik sesuai dengan fungsi dan
pekerjaannya
Perusahaan menyediakan program pelatihan yang
didesain dengan baik
Pegawai di perusahaan kami sering mengembangkan ide-
ide maupun pengetahuan baru
Pegawai di perusahaan kami adalah seorang yang kreatif
62
STRUCTURAL CAPITAL 1 2 3 4 5
Secara keseluruhan prosedur operasi di perusahaan kami
sangat efisien
Perusahaan kami merespon perubahan dengan sangat
cepat
Perusahaan kami memiliki sistem informasi yang mudah
diakses
Sistem dan prosedur di perusahaan kami mendukung
terciptanya inovasi
Budaya dan atmosfir dalam perusahaan kami tidak kaku
dan nyaman
Perusahaan kami menekankan investasi pada
pengembangan pasar baru
Antar departemen yang berbeda dalam perusahaan kami
saling mendukung
RELATIONAL CAPITAL 1 2 3 4 5
Perusahaan kami menemukan dan menyelesaikan
masalah melalui komunikasi yang mendalam dan
kerjasama yang efektif
Perusahaan kami menjaga interaksi yang memadai
dengan pihak-pihak yang berkepentingan dalam
perusahaan kami
Perusahaan kami menjaga hubungan jangka panjang
dengan pelanggan
Perusahaan kami memiliki banyak supplier yang unggul
Perusahaan kami memiliki hubungan yang baik dan stabil
dengan rekan aliansi
63
Lampiran 2: Daftar Perusahaan
No Nama Perusahaan
Wilayah
Perusahan Jenis Industri
1 PT Queen Ice Asia Madura Perdagangan
2 PT AKR Corporindo Tbk Jawa timur Perdagangan
3 PT Wismilak Inti Makmur Surabaya Distributor
4 PT Wangta Agung Nasional Financial non bank
5 PT Angkasa Pura 1
Kantor pusat
Jakarta Jasa Transportasi
6 PT Insera Sena Internasional Manufaktur
7 PT Campina Ice Cream Tbk Jakarta Jasa Perbankan
8 Bank Danamon Nasional Jasa Perbankan
9 PT Unicity Indonesia Jakarta Selatan Perdagangan
10 PT Nusa Sastratara Utama Surabaya Manufaktur
11
PT Tera Aneka Kimia Raya
Corporindo Tbk Waru Sidoarjo Manufaktur
12 PT Seger Agro Nusantara Gresik Perdagangan
13 PT Kedawung Setia Industrial Tbk Surabaya Manufaktur
14 PT Karyaterang Sedati
Sidoarjo Jawa
Timur Manufaktur
15 PT Pakuwon Jati Tbk Surabaya Properti
16 PT Aneka Gas Industri Tbk Surabaya industri gas
17 PT Arta Boga Cemerlang Surabaya Distributor
18 PT Sekawan Cosmetics Tbk Sidoarjo Manufaktur
19 PT Jasuindo Tiga Perkasa Tbk Sidoarjo Manufaktur
20 PT Halliburton Indonesia Marunda Manufaktur
21 PT. X Jakarta Perdagangan
22 PT Santos Jaya Abadi Jawa Timur Manufaktur
23 PT Indonesia Synthethic Textile Mills Jakarta Manufaktur
24 PT Haleyora Powerindo Jakarta Jasa Transportasi
25 PT Sadhana Arifnusa Surabaya Manufaktur
64
26 PT. X Jakarta Utara Perdagangan
27 PT Astra Otoparts Tbk Surabaya Otomotif
28 PT Saraswati Paper Indah Sidoarjo Manufaktur
29 PT Toyota Asri Motor
Surabaya dan
Sidoarjo Perdagangan
30 PT Maspion Surabaya Manufaktur
31 PT Antarmitra Sembada Jawa Tengah Perdagangan
32 PT. X
Jakarta dan
sekitarnya Konstruksi
33 PT Anugerah Citra Abadi Pulau Jawa Kontraktor
34 PT Asuransi Kresna Mitra Tbk Nasional Asuransi kerugian
35 PT Tiga Mitra Surabaya Surabaya Perdagangan
65
Lampiran 3: Hasil Output WarpPLS
********************************
* General SEM analysis results *
********************************
General project information
---------------------------
Version of WarpPLS used: 5.0
License holder: Trial license (3 months)
Type of license: Trial license (3 months)
License start date: 28-Apr-2017
License end date: 27-Jul-2017
Project path (directory): D:\penelitian management control system\eveline
tim\EVELIN\
Project file: EVELIN SKRIPSI.prj
Last changed: 28-Apr-2017 00:28:11
Last saved: Never (needs to be saved)
Raw data path (directory): D:\penelitian management control system\eveline
tim\EVELIN\
Raw data file: DATA MCS IC DAN OL EVELIN.xlsx
Model fit and quality indices
-----------------------------
Average path coefficient (APC)=0.549, P<0.001
Average R-squared (ARS)=0.614, P<0.001
Average adjusted R-squared (AARS)=0.600, P<0.001
Average block VIF (AVIF)=1.457, acceptable if <= 5, ideally <= 3.3
Average full collinearity VIF (AFVIF)=4.600, acceptable if <= 5, ideally <= 3.3
Tenenhaus GoF (GoF)=0.686, small >= 0.1, medium >= 0.25, large >= 0.36
Sympson's paradox ratio (SPR)=1.000, acceptable if >= 0.7, ideally = 1
R-squared contribution ratio (RSCR)=1.000, acceptable if >= 0.9, ideally = 1
Statistical suppression ratio (SSR)=1.000, acceptable if >= 0.7
66
Nonlinear bivariate causality direction ratio (NLBCDR)=1.000, acceptable if >=
0.7
General model elements
----------------------
Missing data imputation algorithm: Arithmetic Mean Imputation
Outer model analysis algorithm: PLS Regression
Default inner model analysis algorithm: Warp3
Multiple inner model analysis algorithms used? No
Resampling method used in the analysis: Stable3
Number of data resamples used: 100
Number of cases (rows) in model data: 35
Number of latent variables in model: 3
Number of indicators used in model: 9
Number of iterations to obtain estimates: 6
Range restriction variable type: None
Range restriction variable: None
Range restriction variable min value: 0.000
Range restriction variable max value: 0.000
Only ranked data used in analysis? No
**********************************
* Path coefficients and P values *
**********************************
Path coefficients
-----------------
MCS OL IC
MCS
OL 0.465 0.599
IC 0.584
P values
--------
67
MCS OL IC
MCS
OL <0.001 <0.001
IC <0.001
*****************************************
* Standard errors for path coefficients *
*****************************************
MCS OL IC
MCS
OL 0.136 0.128
IC 0.129
**************************************
* Effect sizes for path coefficients *
**************************************
MCS OL IC
MCS
OL 0.373 0.514
IC 0.341
****************************************
* Combined loadings and cross-loadings *
****************************************
MCS OL IC Type (a SE P value
DESIGN 0.862 -0.710 0.046 Reflect 0.114 <0.001
USE 0.862 0.710 -0.046 Reflect 0.114 <0.001
ACQ -0.126 0.896 -0.423 Reflect 0.112 <0.001
DIST 0.358 0.894 -0.057 Reflect 0.112 <0.001
INTR 0.006 0.889 0.176 Reflect 0.112 <0.001
MEM -0.239 0.888 0.308 Reflect 0.112 <0.001
HC -0.244 0.443 0.910 Reflect 0.111 <0.001
SC 0.114 0.303 0.907 Reflect 0.111 <0.001
RC 0.149 -0.852 0.796 Reflect 0.117 <0.001
68
Notes: Loadings are unrotated and cross-loadings are oblique-rotated. SEs and P
values are for loadings. P values < 0.05 are desirable for reflective indicators.
***************************************************
* Normalized combined loadings and cross-loadings *
***************************************************
MCS OL IC
DESIGN 0.813 -0.435 0.028
USE 0.621 0.939 -0.061
ACQ -0.088 0.670 -0.295
DIST 0.484 0.642 -0.077
INTR 0.008 0.646 0.233
MEM -0.263 0.646 0.338
HC -0.292 0.529 0.695
SC 0.174 0.463 0.639
RC 0.088 -0.503 0.792
Note: Loadings are unrotated and cross-loadings are oblique-rotated, both after
separate Kaiser normalizations.
***************************************
* Pattern loadings and cross-loadings *
***************************************
MCS OL IC
DESIGN 1.466 -0.710 0.046
USE 0.257 0.710 -0.046
ACQ -0.126 1.363 -0.423
DIST 0.358 0.645 -0.057
INTR 0.006 0.734 0.176
MEM -0.239 0.823 0.308
HC -0.244 0.443 0.667
SC 0.114 0.303 0.570
RC 0.149 -0.852 1.458
Note: Loadings and cross-loadings are oblique-rotated.
69
**************************************************
* Normalized pattern loadings and cross-loadings *
**************************************************
MCS OL IC
DESIGN 0.900 -0.435 0.028
USE 0.340 0.939 -0.061
ACQ -0.088 0.951 -0.295
DIST 0.484 0.872 -0.077
INTR 0.008 0.972 0.233
MEM -0.263 0.904 0.338
HC -0.292 0.529 0.797
SC 0.174 0.463 0.869
RC 0.088 -0.503 0.860
Note: Loadings and cross-loadings shown are after oblique rotation and Kaiser
normalization.
*****************************************
* Structure loadings and cross-loadings *
*****************************************
MCS OL IC
DESIGN 0.862 0.537 0.302
USE 0.862 0.839 0.692
ACQ 0.738 0.896 0.662
DIST 0.802 0.894 0.702
INTR 0.694 0.889 0.790
MEM 0.615 0.888 0.852
HC 0.522 0.784 0.910
SC 0.669 0.864 0.907
RC 0.296 0.537 0.796
Note: Loadings and cross-loadings are unrotated.
70
****************************************************
* Normalized structure loadings and cross-loadings *
****************************************************
MCS OL IC
DESIGN 0.813 0.507 0.285
USE 0.621 0.605 0.499
ACQ 0.552 0.670 0.496
DIST 0.577 0.642 0.505
INTR 0.504 0.646 0.574
MEM 0.447 0.646 0.619
HC 0.399 0.599 0.695
SC 0.471 0.608 0.639
RC 0.294 0.535 0.792
Note: Loadings and cross-loadings shown are unrotated and after Kaiser
normalization.
*********************
* Indicator weights *
*********************
MCS OL IC Type (a SE P value VIF WLS ES
DESIGN 0.580 0.000 0.000 Reflect 0.129 <0.001 1.307 1 0.500
USE 0.580 0.000 0.000 Reflect 0.129 <0.001 1.307 1 0.500
ACQ 0.000 0.282 0.000 Reflect 0.149 0.033 3.015 1 0.252
DIST 0.000 0.281 0.000 Reflect 0.149 0.033 2.985 1 0.251
INTR 0.000 0.280 0.000 Reflect 0.149 0.034 2.841 1 0.249
MEM 0.000 0.279 0.000 Reflect 0.149 0.034 2.828 1 0.248
HC 0.000 0.000 0.398 Reflect 0.141 0.004 2.850 1 0.363
SC 0.000 0.000 0.397 Reflect 0.141 0.004 2.809 1 0.360
RC 0.000 0.000 0.349 Reflect 0.144 0.011 1.546 1 0.277
Notes: P values < 0.05 and VIFs < 2.5 are desirable for formative indicators; VIF =
indicator variance inflation factor;
71
WLS = indicator weight-loading sign (-1 = Simpson's paradox in l.v.); ES =
indicator effect size.
********************************
* Latent variable coefficients *
********************************
R-squared coefficients
----------------------
MCS OL IC
0.887 0.341
Adjusted R-squared coefficients
-------------------------------
MCS OL IC
0.880 0.321
Composite reliability coefficients
----------------------------------
MCS OL IC
0.852 0.939 0.905
Cronbach's alpha coefficients
---------------------------
MCS OL IC
0.653 0.914 0.841
Average variances extracted
---------------------------
MCS OL IC
0.742 0.795 0.761
Full collinearity VIFs
----------------------
MCS OL IC
3.034 6.982 3.784
Q-squared coefficients
----------------------
72
MCS OL IC
0.887 0.370
Minimum and maximum values
--------------------------
MCS OL IC
-2.189 -3.573 -3.398
1.717 1.576 1.746
Medians (top) and modes (bottom)
--------------------------------
MCS OL IC
0.006 -0.030 0.127
-2.189 -3.573 0.574
Skewness (top) and exc. kurtosis (bottom) coefficients
------------------------------------------------------
MCS OL IC
-0.294 -1.156 -1.020
-0.609 2.925 2.112
Tests of unimodality: Rohatgi-Székely (top) and Klaassen-Mokveld-van Es
(bottom)
--------------------------------------------------------------------------------
MCS OL IC
Yes Yes Yes
Yes Yes Yes
Tests of normality: Jarque–Bera (top) and robust Jarque–Bera (bottom)
---------------------------------------------------------------------
MCS OL IC
Yes No No
Yes No No
***************************************************
* Ccorrelations among latent variables and errors *
***************************************************
73
Correlations among l.vs. with sq. rts. of AVEs
----------------------------------------------
MCS OL IC
MCS 0.862 0.799 0.577
OL 0.799 0.892 0.843
IC 0.577 0.843 0.873
Note: Square roots of average variances extracted (AVEs) shown on diagonal.
P values for correlations
-------------------------
MCS OL IC
MCS 1.000 <0.001 <0.001
OL <0.001 1.000 <0.001
IC <0.001 <0.001 1.000
Correlations among l.v. error terms with VIFs
---------------------------------------------
(e)OL (e)IC
(e)OL 1.001 -0.033
(e)IC -0.033 1.001
Notes: Variance inflation factors (VIFs) shown on diagonal. Error terms included
(a.k.a. residuals) are for endogenous l.vs.
P values for correlations
-------------------------
(e)OL (e)IC
(e)OL 1.000 0.851
(e)IC 0.851 1.000
************************************
* Block variance inflation factors *
************************************
MCS OL IC
MCS
OL 1.457 1.457
74
IC
Note: These VIFs are for the latent variables on each column (predictors), with
reference to the latent variables on each row (criteria).
******************************
* Indirect and total effects *
******************************
Indirect effects for paths with 2 segments
------------------------------
MCS OL IC
MCS
OL 0.349
IC
Number of paths with 2 segments
------------------------------
MCS OL IC
MCS
OL 1
IC
P values of indirect effects for paths with 2 segments
------------------------------
MCS OL IC
MCS
OL <0.001
IC
Standard errors of indirect effects for paths with 2 segments
------------------------------
MCS OL IC
MCS
OL 0.102
IC
Effect sizes of indirect effects for paths with 2 segments
------------------------------
75
MCS OL IC
MCS
OL 0.280
IC
Sums of indirect effects
------------------------------
MCS OL IC
MCS
OL 0.349
IC
Number of paths for indirect effects
------------------------------
MCS OL IC
MCS
OL 1
IC
P values for sums of indirect effects
------------------------------
MCS OL IC
MCS
OL <0.001
IC
Standard errors for sums of indirect effects
------------------------------
MCS OL IC
MCS
OL 0.102
IC
Effect sizes for sums of indirect effects
------------------------------
MCS OL IC
MCS
76
OL 0.280
IC
Total effects
------------------------------
MCS OL IC
MCS
OL 0.815 0.599
IC 0.584
Number of paths for total effects
------------------------------
MCS OL IC
MCS
OL 2 1
IC 1
P values for total effects
------------------------------
MCS OL IC
MCS
OL <0.001 <0.001
IC <0.001
Standard errors for total effects
------------------------------
MCS OL IC
MCS
OL 0.116 0.128
IC 0.129
Effect sizes for total effects
------------------------------
MCS OL IC
MCS
OL 0.652 0.514
77
IC 0.341
*************************************
* Causality assessment coefficients *
*************************************
Path-correlation signs
----------------------
MCS OL IC
MCS
OL 1 1
IC 1
Notes: path-correlation signs; negative sign (i.e., -1) = Simpson's paradox.
R-squared contributions
-----------------------
MCS OL IC
MCS
OL 0.373 0.514
IC 0.341
Notes: R-squared contributions of predictor lat. vars.; columns = predictor lat. vars.;
rows = criteria lat. vars.; negative sign = reduction in R-squared.
Path-correlation ratios
-----------------------
MCS OL IC
MCS
OL 0.581 0.697
IC 1.000
Notes: absolute path-correlation ratios; ratio > 1 indicates statistical suppression; 1
< ratio <= 1.3: weak suppression; 1.3 < ratio <= 1.7: medium; 1.7 < ratio: strong.
Path-correlation differences
----------------------------
MCS OL IC
MCS
OL 0.335 0.261
78
IC 0.000
Note: absolute path-correlation differences.
P values for path-correlation differences
-----------------------------------------
MCS OL IC
MCS
OL 0.013 0.046
IC 1.000
Note: P values for absolute path-correlation differences.
Warp2 bivariate causal direction ratios
---------------------------------------
MCS OL IC
MCS
OL 1.039 0.993
IC 1.007
Notes: Warp2 bivariate causal direction ratios; ratio > 1 supports reversed link; 1 <
ratio <= 1.3: weak support; 1.3 < ratio <= 1.7: medium; 1.7 < ratio: strong.
Warp2 bivariate causal direction differences
--------------------------------------------
MCS OL IC
MCS
OL 0.031 0.006
IC 0.004
Note: absolute Warp2 bivariate causal direction differences.
P values for Warp2 bivariate causal direction differences
---------------------------------------------------------
MCS OL IC
MCS
OL 0.426 0.486
IC 0.491
Note: P values for absolute Warp2 bivariate causal direction differences.
79
Warp3 bivariate causal direction ratios
---------------------------------------
MCS OL IC
MCS
OL 1.039 0.994
IC 1.034
Notes: Warp3 bivariate causal direction ratios; ratio > 1 supports reversed link; 1 <
ratio <= 1.3: weak support; 1.3 < ratio <= 1.7: medium; 1.7 < ratio: strong.
Warp3 bivariate causal direction differences
--------------------------------------------
MCS OL IC
MCS
OL 0.031 0.005
IC 0.020
Note: absolute Warp3 bivariate causal direction differences.
P values for Warp3 bivariate causal direction differences
---------------------------------------------------------
MCS OL IC
MCS
OL 0.427 0.488
IC 0.453
Note: P values for absolute Warp3 bivariate causal direction differences.