Příloha CD: Testování hypotéz 1 Testování hypotéz Hypotéza č. 1: Vyhodnocování efektivnosti zakázek je závislé na užívání softwaru pro Typ testování: testování nezávislosti kvalitativních znaků (2x2) pomocí χ 2 testu 1. žádná z očekávaných hodnot nesmí být nižší než 5; 2. n > 40. H0: Vyhodnocování efektivnosti zakázek je nezávislé na užívání softwaru pro HA: Vyhodnocování efektivnosti zakázek je závislé na užívání softwaru pro upravena nejprve na tabulku 2x3 a následně na tabulku 2x2. Odpovědi z dotazníku byly sloučeny do dvou kategorií: agentury využívající specializovaný software na podporu řízení zakázek (ať už pro některý z dílčích procesů nebo pro celkové řízení zakázek), a agentury nevyužívající k řízení zakázek specializovaný software (nevyužívají žádný software nebo řídí své zakázky s pomocí běžných kancelářských aplikací a nástrojů jako MS Office, kalendář či grafické programy). Tab. 1 Upravená výchozí tabulka pro testování H1 Vyhodnocování efektivnosti zakázek / užívání softwaru pro podporu řízení zakázek Efektivnost/software žádný software software celkem vyhodnocují 29,00 (26,36) 12,00 (14,64) 41,00 nevyhodnocují 7,00 (9,64) 8,00 (5,36) 15,00 celkem 36,00 20,00 56,00 Tab. 2 Shrnutí dílčích výpočtů při testování H1 rozsah vzorku (n) 56,000 stupně volnosti 1,000 kritická hodnota z tabulek (fce CHINV) 3,841 vypočítaná p-hodnota v Excelu (fce CHITEST) 0,096 testové kritérium - Chí-kvadrát (χ 2 ) 2,770 Pearsonův koeficient kontingence (C) 0,217 rozdíl skutečných a očekávaných četností Příliš se neliší P-hodnota vypočítaná excelovou funkcí CHITEST (0,096) je vyšší než 0,05. Stejně tak vypočítaná hodnota (2,77) je nižší než kritická hodnota získaná funkcí CHINV (3,841) platná pro danou hladinu významnosti a stupně volnosti (0,95;1).
2 Příloha CD: Testování hypotéz proměnnými závislost. Tato tvrzení mimo výše uvedené potvrzuje i hodnota Pearsonova koeficientu kontingence (0,217), která znamená jen velmi nízkou závislost znaků. Tu je možné pozorovat i při porovnání skutečně naměřených a očekávaných hodnot četností. Největší závislost v těchto tabulkách je možné pozorovat mezi znaky nevyhodnocování efektivnosti x agentury, které využívají specializovaný software a následně u agentur, které efektivnost alespoň nějakou formou vyhodnocují, přestože nevyužívají žádný software. Hypotéza č. 2: Více než 1/2 malých reklamních agentur nepoužívá k řízení zakázek software. Typ testování: test relativní četnosti (testuje hypotézu, že relativní četnost určité varianty znaku v základním souboru se rovná určitému číslu). Podmínka použitelnosti: n > 9/ p (1 - p), tj. n > 43 (Litschmannová, s. 80-81). Podmínka testu byla splněna, rozsah výběrového vzorku je tedy dostatečný. Pro tuto hypotézu tedy postačilo vygenerovat v Excelu tabulku s četnostmi jednotlivých odpovědí. Za nepoužívá k řízení zakázek software byly považovány odpovědi, v nichž respondenti označili, že nevyužívají žádný software nebo že si vystačí s běžnými kancelářskými (MS Office) či grafickými programy. H0: ½ malých reklamních agentur používá k řízení zakázek software (π = 0,5). HA: Méně než 1/2 malých reklamních agentur používá k řízení zakázek software ( ). Tab. 3 Shrnutí dílčích výpočtů při testování H2 n 56,000 α 0,050 π 0 0,500 p 0,304 testové kritérium (U) -2,940 kritický obor (W) (-, -1,645) Vypočtené testové kritérium U (-2,940) je menší než -1,645 a spadá tedy do definovaného kritického oboru W. Na 5% hladině významnosti tedy nulovou hypotézu zamítám a je možné potvrdit, že se software pro řízení zakázek používá v méně než polovině reklamních agentur základního vzorku. Hypotéza č. 3: Užívání timesheetů při řízení zakázek v malých reklamních agenturách závisí na velikosti agentury (dané počtem zaměstnanců). H0: Užívání timesheetů při řízení zakázek v malých reklamních agenturách je nezávislé na velikosti agentury (dané počtem zaměstnanců). HA: Užívání timesheetů při řízení zakázek v malých reklamních agenturách je závislé na velikosti agentury (dané počtem zaměstnanců).
Příloha CD: Testování hypotéz 3 Kontingenční tabulka tedy hodnotí dva typy agentur (s 1-3 zaměstnanci a s 4-10 zaměstnanci) a 3 úrovně možností, jak agentury používají timesheety (nikdy, nepravidelně v závislosti na projektu/klientovi a vždy u každého projektu). Tab. 4 Upravená výchozí tabulka pro testování H3 Velikost agentury daná počtem zaměstnanců / užívání timesheetů Velikost/užívání timesheetů ne nepravidelně vždy celkem 1-3 zaměstnanců 15,00 (14,39) 13,00 (11,65) 9,00 (10,96) 37,00 4-10 zaměstnanců 6,00 (6,61) 4,00 (5,35) 7,00 (5,04) 17,00 celkem 21,00 17,00 16,00 54,00 Tab. 5 Shrnutí dílčích výpočtů při testování H3 rozsah vzorku (n) 54,000 vypočítaná p-hodnota v Excelu (fce CHITEST) 0,428 testové kritérium - Chí-kvadrát (χ 2 ) 1,697 Pearsonův koeficient kontingence (C) 0,175 rozdíl skutečných a očekávaných četností příliš se neliší P-hodnota vypočítaná excelovou funkcí CHITEST (0,428) je vyšší než 0,05. Stejně tak vypočítaná hodnota (1,697) je nižší než kritická hodnota získaná funkcí i hodnota Pearsonova koeficientu kontingence (0,175), která značí jen velmi nízkou a očekávaných hodnot četností. Největší závislost je možné pozorovat mezi znaky 4-10 zaměstnanců x vždy a 1-3 zaměstnanci x nepravidelně. Hypotéza č. 4: Užívání briefu závisí na velikosti reklamní agentury (dané měsíčním H0: Užívání briefu je nezávislé na velikosti reklamní agentury (dané měsíčním
4 Příloha CD: Testování hypotéz HA: Užívání briefu je závislé na velikosti reklamní agentury (dané měsíčním Kontingenční tabulka tedy hodnotí dva typy agentur (s obratem do 250 tis. Kč a obratem 250 001 750 tis. Kč.) a 3 úrovně možností, jak agentury používají brief (nikdy, nepravidelně v závislosti na projektu/klientovi a vždy u každého projektu). Tab. 6 Upravená výchozí tabulka pro testování H4 Užívání briefu / měsíční obrat reklamní agentury Užívání briefu/ obrat agentury do 250 000 Kč 250 001-750 000 Kč celkem ne 10,00 (10,67) 5,00 (4,33) 15,00 nepravidelně 13,00 (13,52) 6,00 (5,48) 19,00 vždy 14,00 (12,81) 4,00 (5,19) 18,00 celkem 37,00 15,00 52,00 Tab. 7 Shrnutí dílčích výpočtů při testování H4 rozsah vzorku (n) 52,000 vypočítaná p-hodnota v Excelu (fce CHITEST) 0,740 testové kritérium - Chí-kvadrát (χ 2 ) 0,598 Pearsonův koeficient kontingence (C) 0,107 rozdíl skutečných a očekávaných četností příliš se neliší P-hodnota vypočítaná excelovou funkcí CHITEST (0,740) je vyšší než 0,05. Stejně tak vypočítaná hodnota (0,598) je nižší než kritická hodnota získaná funkcí i hodnota Pearsonova koeficientu kontingence (0,107), která značí jen velmi nízkou a očekávaných hodnot četností. Největší závislost je možné pozorovat mezi znaky obrat do 250 tis. Kč x vždy. Hypotéza č. 5: Stanovení konkrétního termínu předání zakázky je závislé na velikosti agentury (dané počtem zaměstnanců v reklamní agentuře.
Příloha CD: Testování hypotéz 5 H0: Stanovení konkrétního termínu předání zakázky je nezávislé na velikosti agentury (dané počtem zaměstnanců v reklamní agentuře). HA: Stanovení konkrétního termínu předání zakázky je závislé na velikosti agentury (dané počtem zaměstnanců v reklamní agentuře). Kontingenční tabulka tedy hodnotí dva typy agentur (1-3 zaměstnanci a 4-10 zaměstnanců) a 3 úrovně možností, jak se s klientem domlouvají na termínu předání zakázky (vždy přesně daný termín, pouze orientační termín pro představu a nepravidelně, v závislosti na tom, o jaký případ se jedná) Tab. 8 Upravená výchozí tabulka pro testování H5 Stanovení konkrétního termínu předání zakázky/velikost agentury daná počtem zaměstnanců Konkrétní termín zakázky /velikost agentury 1-3 zaměstnanců 4-10 zaměstnanců celkem orientačně 12,00 (11,33) 5,00 (5,67) 17,00 nepravidelně 16,00 (14,67) 6,00 (7,33) 22,00 vždy 8,00 (10,00) 7,00 (5,00) 15,00 celkem 36,00 18,00 54,00 Tab. 9 Shrnutí dílčích výpočtů při testování H5 rozsah vzorku (n) 54,000 vypočítaná p-hodnota v Excelu (fce CHITEST) 0,431 testové kritérium - Chí-kvadrát (χ 2 ) 1,681 Pearsonův koeficient kontingence (C) 0,174 rozdíl skutečných a očekávaných četností příliš se neliší P-hodnota vypočítaná excelovou funkcí CHITEST (0,431) je vyšší než 0,05. Stejně tak vypočítaná hodnota (1,681) je nižší než kritická hodnota získaná funkcí i hodnota Pearsonova koeficientu kontingence (0,174), která značí jen velmi nízkou a očekávaných hodnot četností. Největší závislost je možné pozorovat mezi znaky 1-3 zaměstnanci x vždy a 4-10 zaměstnanců x vždy.