Istraživanje - klaster

1. ISTRAŽIVANJE
O POTENCIJALNIM
ČLANOVIMA KLASTERA
ZA PREDUZETNIČKU
AKTIVACIJU MLADIH U
JABLANIČKOM OKRUGU
Cilj ovog istraživanja, koje je urađeno u sklopu realizacije projekta „EVO
PRILIKE“, je da odgovori na pitanje „Kako se grupišu potencijalni članovi
klastera za preduzetničku aktivaciju mladih na osnovu ideja koje su im
zajedničke za 15 navedenih karakteristika“. Primenom faktorske i klaster
analize, koje su tretirale saradničko ponašanje 123 ispitanika, utvrđeno je
da u osnovi ovih karakteristika leže četiri zajedničke ideje („zajednica
konkurenata“, „poslovna budućnost sa mladima“, „pristup okruženju“ i
„startna konkurentnost“), koje ih objašnjavaju sa 61%, na način koji
najvećim delom potvrđuje utvrđene polazne pretpostavke. Na osnovu
zajedničkih ideja ispitanici se svrstavaju u 3 homogene grupe, koje sadrže
različit potencijal za formiranje klastera za preduzetničku aktivaciju
mladih. Grupa sa največim potencijalom za formiranje klastera za
preduzetničku aktivaciju mladih ima u svom sastavu 50 ispitanika i
izložena je dominantnom direktnom uticaju faktora 1. “zajednica
konkurenata” i direktnom uticaju faktora 3. “pristup okruženju”. Grupa sa
srednjim potencijalom ima u svom sastavu 47 ispitanika i izložena je
direktnom uticaju faktora 2. “poslovna budućnost sa mladima”. Grupa sa
najmanjim potencijalom za formiranje naznačenog klastera ima u svom
sastavu 23 ispitanika i izložena je uticaju faktora 4. “startna
konkurentnost”.
ISTRAŽIVAČKI TIM:
OGNJEN DIMITRIJEVIĆ, doktorant ekonomskih nauka (vođa)
BRATIMIR NEŠIĆ, dipl. teh. master (član)
GORAN PETROVIĆ, informatičar (član)
Gradska
uprava za
društvene
delatnosti
Leskovac
Septembar
2015
Projekat finansijski podržava Ministarstvo omladine i sporta RS
s
Septembar2015

2. 2
ISTRAŽIVANJE
O POTENCIJALNIM ČLANOVIMA KLASTERA ZA PREDUZETNIČKU
AKTIVACIJU NEZAPOSLENIH MLADIH U JABLANIČKOM OKRUGU
S A Ž E T A K
Cilj ovog istraživanja, koje je urađeno u sklopu realizacije projekta „EVO PRILIKE“, je da
odgovori na pitanje „Kako se grupišu potencijalni članovi klastera za preduzetničku aktivaciju
mladih na osnovu ideja koje su im zajedničke za 15 navedenih karakteristika“. Primenom
faktorske i klaster analize, koje su tretirale saradničko ponašanje 123 ispitanika, utvrđeno je
da u osnovi ovih karakteristika leže četiri zajedničke ideje („zajednica konkurenata“,
„poslovna budućnost sa mladima“, „pristup okruženju“ i „startna konkurentnost“), koje ih
objašnjavaju sa 61%, na način koji najvećim delom potvrđuje utvrđene polazne pretpostavke.
Na osnovu zajedničkih ideja ispitanici se svrstavaju u 3 homogene grupe, koje sadrže različit
potencijal za formiranje klastera za preduzetničku aktivaciju mladih. Grupa sa največim
potencijalom za formiranje klastera za preduzetničku aktivaciju mladih ima u svom sastavu
50 ispitanika i izložena je dominantnom direktnom uticaju faktora 1. “zajednica konkurenata”
i direktnom uticaju faktora 3. “pristup okruženju”. Grupa sa srednjim potencijalom ima u svom
sastavu 47 ispitanika i izložena je direktnom uticaju faktora 2. “poslovna budućnost sa
mladima”. Grupa sa najmanjim potencijalom za formiranje naznačenog klastera ima u svom
sastavu 23 ispitanika i izložena je uticaju faktora 4. “startna konkurentnost”.
S A D R Ž A J
1 UVODNE NAPOMENE 3
2 CILJ ISTRAŽIVANJA 4
3 KARAKTERISTIKE ISTRAŽIVAČKOG PITANJA 4
4
4.1.
4.2.
4.3.
4.4.
4.5.
KONCEPTUALNI OKVIR ISTRAŽIVANJA
Fokus istraživanja
Ključni pojmovi
Pretpostavke
Anketna pitanja
Veličina i struktura uzorka
6
6
6
7
9
11
5. METODOLOGIJA ISTRAŽIVANJA 11
5.1. Faktorska analiza 11
5.2. Klaster analiza 12
6. ISTRAŽIVANJE 13
6.1. FAKTORSKA ANALIZA 13
6.1.1. Korelaciona matrica 13
6.1.2. Mera adekvatnosti uzorkovanja 14
6.1.3. Bartlett-ov test sferičnosti 16
6.1.4. Metod glavnih komponenti 16
6.1.5. Komunalitet (zajednička varijansa) 17
6.1.6.
6.1.7
Kajzerov kriterijum
Cattellov scree test.
18
19

3. 3
6.1.8. Rotacija faktora 20
6.1.9. Faktorska opterećenja 21
6.1.10. Interpretacija faktora 24
6.1.11. Matrica transformacije komponenti 26
6.1.12. Rezultati faktorske analize 27
6.2. KLASTER ANALIZA 30
6.2.1. Faktorski bodovi 30
6.2.2. Mera udaljenosti (distance) 32
6.2.3. K-means metoda 32
6.2.4. Interpretacija rezultata klaster analize 36
1. UVODNE NAPOMENE
Ovo istraživanje uradio je tročlani stručni tim EPuS-a Leskovac u sastavu Ognjen
Dimitrijevi, dipl.ecc doktorant (rukovodilac), Bratimir Nešić, dipl.teh. master (član) i Goran
Petrović, informatičar (član), a u sklopu realizacije projekta „EVO PRILIKE! – Razvoj
održivog mehanizma podsticanja i osnaživanja nezaposlenih mladih za ulazak u svet
rada i biznisa u Jablaničkom okrugu“ podržanom od strane Ministarstva omladine i
sporta Republike Srbije. U istraživanju su učestvovali istitucionalni partneri na projektu:
NSZ-Filijala Leskovac, Regionalna privredna komora Leskovac, KZM u Lebanu, Bojniku i
Vlasotincu i Gradska uprava za društvene delatnosti Leskovac.
Svrha istraživanja je da realizatore projekta u što većoj meri približi temi klastera i
klasterizacije u oblasti preduzetničke aktivacije mladih, pružajući im bazični uvid u ovu
problematiku, “naoružavajući” ih osnovnim informacijama o ključnim aspektima
lokalizacije ovog koncepta i, što je najvažnije, obezbeđujući im relevantnu saznajnu osnovu
za rešavanje jedne konkretne situacije koja uključuje zahtev za uspešnu realizaciju
planiranih projektnih aktivnosti, a pre svega – formiranje funkcionalnog klastera. To
podrazumeva zadovoljenje potrebe za: 1) boljim razumevanjem postojećeg saradničkog
ponašanja, gde se – u međusobno povezanim ili odvojenim saradničkim aktivnostima -
javljaju nezaposleni mladi i privatne firme sa ovog područja, dakle oni koji, po mnogo
osnova, predstavljaju i međusobne konkurente; i 2) grupisanjem ispitanika sa istim
karakteristikama u klastere.
U tom smislu, neophodna znanja obezbediće se sprovođenjem odgovaruje empirijske
analize zasnovane na korišćenju metoda i tehnika faktorske i klaster analize. S obzirom da
je reč o prvom istraživanju ove vrste na ovim prostorima, te da se time obezbeđuje osnovni
uvid u svojstava jedne nedovoljno istražene pojave, ovo istraživanje se može svrstati u
grupu eksplorativnih. Takođe, radi se i o jednokratnom i neeksperimentalnom (anketnom)
istraživanju. Kao instrument za prikupljanje podataka koristiće se anketni upitnik čiju
konceptualnu osnovu čini teorija klastera M. Portera a čiji se empirijski aspekt odnosi na
činjenice o relevantnoj saradničkoj praksi nezaposlenih mladih, preduzeća i preduzetnika iz
Jablaničkog okruga. Broj varijabli koje će biti analizirane je 15. Uzorak na kome će se

4. 4
sprovesti istraživanje predviđa anketiranje najmanje 120 poslovnih aktera, u okviru čega je
predviđeno da 50% obuhvati pripadnike grupe nezaposlenih mladih, a 50% firme i
preduzetnike sa područja Jablaničkog i Pčinjskog okruga.
2. CILJ ISTRAŽIVANJA
Cilj istraživanja je da odgovori na pitanje: KAKO SE GRUPIŠU POTENCIJALNI ČLANOVI
KLASTERA ZA PREDUZETNIČKU AKTIVACIJU MLADIH NA OSNOVU IDEJA KOJE SU IM
ZAJEDNIČKE ZA 15 NAVEDENIH KARAKTERISTIKA SARADNIČKOG PONAŠANJA? Predmet
istraživanja je saradničko ponašanje potencijalnih članova regionalnog klastera za
preduzetničku aktivaciju mladih. Istražuje se postojanje i broj različitih homogenih grupa u
koje se svrstavaju ispitanici na osnovu ideja kojima se rukovode tokom saradnje i koje, po
prirodi stvari, imaju različitu vrednost za formiranje i funkcionisanje budućeg klastera.
3. KARAKTERISTIKE ISTRAŽIVAČKOG PITANJA
 Konceptualna validnost - Pojmovni okvir istraživanja ima interdisciplinarnu osnovu koju
čine odgovarajuće filozofske, sociološke, ekonomske i psihološke teorije. S tim u vezi,
ključni pojmovi koristiće se u sledećim značenjima:
 Ponašanje (od „nositi se“) – Način postojanja i delovanja u svetu. Proces ponašanja odvija
se u tri faze: a) saznajna; b) emotivna; i c) voljna.). Četiri nedeljive komponente
ponašanja su: 1) aktivnost; 2) mišljenje; 3)osećanje i 4) fiziologija.
 Saradnja – Postupak ili proces zajedničkog rada sa zajedničkim ciljem. Osnovne
pretpostavke za trajniju saradnju su recipročnost i horizont budućnosti. U saradnji nije
neophodno da učesnici budu racionalni: evolucioni proces dopušta opstanak uspešnih
strategija, premda igrači ne znaju kako i zašto do toga dolazi. Sama recipročnost je
dovoljna da ukaže da je varanje neproduktivno. Saradnja zasnovana na recipročnosti
upravlja sama sobom.
 Ekonomski klaster (eng. „cluster“- „grozd“, „jato“, „skupina istovrsnih stvari“) – Grupa
međusobno povezanih pojedinaca, kompanija i odgovarjućih institucija lociranih u
blizini koje se bave određenom delatnošću, a povezuju ih zajedničke karakteristike i
komplementarnost; kombinacija konkurencije i saradnje; oblik međusobnog
povezivanja poslovnih aktera lokalno, da bi rasli globalno.
 Preduzetnička aktivacija nezaposlenih mladih – Priprema nezaposlenih mladih radnog
uzrasta od 15-30 godina za „start-up“ ili za konkurentno pozicioniranje na tržištu rada u
Jablaničkom okrugu. Suština pripreme je u izgradnji održive strateške pozicijie.
 Teorijska relevantnost – Teorijski osnov istraživanja čini teorija klastera M. Portera.
Njeni koreni nalaze se u ekonomskoj teoriji A. Marshall-a (1890), dok su ključni aspekti
klastera osvetljeni u brojnim radovima iz oblasti ekonomske geografije, ekonomike

5. 5
aglomeracije, urbane i regionalne ekonomike, socijalnih mreža, industrijskih zona itd. U
suštini je reč o teoriji koja predstavlja integralni deo savremene teorije konkurentnosti.
Za razliku od tradicionalnog pristupa konkurentnosti, koji sposobnost za ekonomsko
nadmetanje zasniva na minimiziranju troškova u relativno zatvorenim privredama,
savremeni pristup ovom fenomenu karakteriše uvažavanje značaja inovacija, traganja
za strateškim razlikama i stvarne ekonomske uloge lokacije. Sa svoje strane, to znači da
konkurentnost jednog preduzetnika (firme) ne zavisi od toga u kojoj delatnosti
konkuriše, već kako to čini. Postulati savremene teorije konkurentnosti su da: nema
prosperiteta i životnog standarda bez konkurentnosti; nema konkurentnosti (što znači i
zapošljavanja) bez produktivnosti; nema produktivnosti bez kvalitetnog lokalnog
poslovnog ambijenta; nema kvalitetnog lokalnog poslovnog ambijenta bez klastera. Kao
sistem tvrdnji o fenomenu geografske koncentracije međusobno povezanih ekonomskih
aktera (preduzetnika, firmi, specijalizovanih dobavljača, davalaca usluga, organizacija
koje se bave srodnim delatnostima i relevantnih institucija koji u određenim oblastima
međusobno konkurišu, ali i sarađuju), Porterova teorija klastera pruža obrazac za
postizanje konkurentskog uspeha jedne lokacije, te povećanje životnog standarda i
prosperiteta njenog stanovništva. Prema ovoj teoriji, ključni pozitivni uticaji klastera na
konkurenciju - što znači i na (samo)zapošljavanje – ostvaruju se kroz: a) povećanje
produktivnosti preduzetnika, firmi i grupacija u njegovom sastavu; b) povećanje
sopstvenog kapaciteta za inovacije i c) podsticanje osnivanja novih firmi.
 Praktična relevantnost – Radi se o istraživanju koje ima izuzetan praktični značaj, i to ne
samo kada je reč o projektu u sklopu kojeg se realizuje. Kada je reč o projektu, rezultati
istraživanja omogućuju razvijanje projektovanih promena u oblasti razvoja mehanizama
preduzetničke podrške mladima na lokalnom i regionalnom nivou, što je integralni deo
promena u oblasti konkurentnosti, ekonomskog rasta, zaposlenosti itd. Takođe,
istraživanje otvara mogućnost za ostvarenje kompleksnih društvenih promena na putu
ka razvoju tržišnog društva na ovim prostorima, uključujući i promene relevantnih
javnih politika. Pružajući bazični uvid u postojeća iskustva i karakteristike međusobnog
povezivanja lokalnih poslovnih aktera u oblasti preduzetničke aktivacije mladih, ono
ukazuje na spontano nastale, uspešne saradničke strategije, odnosno omogućuje njihovo
lakše usvajanje, širenje, unapređivanje. Na takvoj osnovi efikasnije se
uklanjaju/premošćuju lokalne prepreke koje stoje na putu ka aktiviranju
preduzetničkog potencijala mladih, kao bitnom interesu lokalne zajednice. Sa svoje
strane, takve društvene promene, koje unose elemente tržišnog dinamizma u
zajednicu (inovativnost, sklonost za prihvatanje rizika), povećavaju asocijacijske
mogućnosti lokalne zajednice čineći je globalnim društvenim akterom.
 Empirijska validnost – Istraživačko pitanje je postavljeno na način koji omogućava da se
istraživačkim postupkom dođe do odgovora na osnovu empirijskog materijala

6. 6
prikupljenog u tom procesu. Empirijski karakter postavljenog pitanja ogleda se u
njegovoj upućenosti na stvarnost, a ne na teoriju, na iskustvene činjenice, a ne na
teorijske koncepte. Istražuje se stvarnost međusobnog sarađivanja, koja se sastoji od
događaja koji se čulno registruju, koji se pamte, u kojima se vrši uticaj na sagovornika, u
kojima se aktivno, stvarački učestvuje sa sopstvenim (firminim) mišljenjima,
kalkulacijama, praktičnim interesima, planovima, očekivanjima, željama da se uspe,
emocijama, predstavama o sopstvenim prednostima i prednostima okruženja,
karakteristikama saradnika, sopstvenoj konkurentnosti itd.
4. KONCEPTUALNI OKVIR ISTRAŽIVANJA
4.1. Fokus istraživanja
Istraživanje se fokusira na pitanje koje je važno za početnu fazu rada na organizovanju
klastera za preduzetničku aktivaciju mladih kao geografske koncentracije međusobno
povezanih preduzeća, organizacija, institucija i nezaposlenih mladih, koji zajedničkim
delovanjem u oblasti preduzetničkog aktiviranja mladih poboljšavaju svoj nastup na tržištu
i postižu konkurentsku prednost. U tom smislu, istražuje se da li potencijalni članovi
klastera razmišljaju u opštijim evaluativnim dimenzijama i kako se oni grupišu na
osnovu tih dimenzija. To podrazumeva utvrđivanje međuodnosa (korelacije) među 15
varijabli (odgovori na anketni upitnik) izvedenih iz ključnih aspekata teorije klastera, ili
teorija neposredno povezanih sa njom, kao i razvrstavanje ispitanika na osnovu utvrđenih
dimenzija u homogene grupe.
4.2. Ključni pojmovi
Ključni pojmovi koji se koriste u istraživanju su:
 Klaster za preduzetničku aktivaciju mladih - Geografska koncentracija međusobno
povezanih preduzeća, organizacija, institucija i nezaposlenih mladih, koji zajedničkim
delovanjem u oblasti preduzetničkog aktiviranja mladih poboljšavaju svoj nastup na
tržištu i postižu konkurentsku prednost; Sistem međusobno povezanih tržišnih aktera
čija je vrednost u celini veća od zbira njihovih delova.
 Konkurentska prednost – kvalitet konkurentske pozicije pojedinca, firme, lokacije nacije;
konkurentska pozicija zasnovana na produktivnosti i traganju za strateškim razlikama;
 Konkurentska prednost lokacije – Kvalitet lokalnog poslovnog ambijenta određen: a)
lokalnim faktorskim uslovima; b) lokalnim kontekstom u kojem se formuliše strategija i
ispoljava rivalstvo; c) lokalnim uslovima tražnje; d) lokalnim prisustvom srodnih i
pratećih grupacija (pre svega klastera).

7. 7
 Preduzetništvo - Način razmišljanja, odnosno proces stvaranja i razvijanja ekonomskih
aktivnosti kombinovanjem rizika, kreativnosti i/ili inovativnosti uz pouzdanu
upravljačku strukturu unutar nove ili postojeće organizacije.
 Konkurentnost – Sposobnost za nadmetanje igrača u tržišnoj utakmici, odnosno za
kreiranje sadržaja te utakmice. Može se odnositi na pojedinca, firmu, sektor, lokaciju,
region, naciju.
 Produktivnost – Vrednost stvorena po danu rada i jedinici upotrebljenog kapitala ili
fizičkih sredstava. Prosperitet jedne lokacije zavisi od produktivnosti onoga što na njoj
locirane firme odluče da rade.
 Inovativnost – Sposobnost transformacije ideja u korisne pronalaske odnosno
proizvode. Najpre nastaje invencija (“dosetljivost”), koja predstavlja ideju, opis ili model
za novo poboljšano sredstvo, proizvod, proces, ili sistem. Potom nastaje potencijalna
inovacija kao moguće upotrebljiv ili drugačije koristan novi izum, utemeljen u
inovativnosti. Suština razvojnih promena ogleda se u inovativnosti.
 Potrebe – Skup dinamičkih snaga unutar pojedinca ili grupe koje svojim prisustvom čine
neophodnim da se nešto ispuni, ostvari, pokrene, pokuša.
 Interesi – Nastojanja da se pređe rastojanje između potrebe i objekta te potrebe
(momenta zadovoljenja). To podrazumeva određenu akciju prema predviđenom objektu
potrebe.
 Lokalni/regionalni mentalitet – Karakteristična, pretežna razmišljanja i sklopovi
načina ponašanja, verovanja i emocionalnog reagovanja jedne
lokalne/regionalne društvene grupe. Pojam može biti i negativno konotiran
kao predrasuda ili stereotip. S druge strane može biti korišten i kao opis za osnovno
ponašanje društvenih zajednica
 Životni ciklus preduzeća - Teorija da se preduzeće razvija po predvidivom obrascu,
odnosno po fazama.
 Varijabla (promenljiva) – Svaka pojava koja se menja u stepenima i svojstvima
ispoljavanja, svaka veličina koja raste i/ili opada.
 Faktor – Činilac. U faktorskoj analizi označava osnovnu dimenziju koja sumira osnovni
skup opserviranih varijabli.
4.3. Pretpostavke
Kritične pretpostavke koje su u osnovi faktorske analize, su više konceptualne nego
statističke1. Konceptualne pretpostavke koje se nalaze u osnovi faktorske analize, su u vezi
sa setom selektovanih varijabli i odabranim uzorkom. Osnovna pretpostavka faktorske
analize je da u setu selektovanih varijabli postoji neka osnovna struktura. Pri tome,
faktorska analiza zahteva prisustvo određenih teorijskih pretpostavki o zajedničkoj
1
Sa statističkog stanovišta, odstupanja od normalnosti, homoskedastičnosti i linearnosti, se primenjuju samo
u meri u kojoj ona smanjuju opservirane korelacije

8. 8
strukturi podataka, čime, između ostalog, metodološko i epistemološko utemeljenje ove
vrste analize dobija na značaju. Da bi bili analitički produktivniji, osnovni pojmovi
(“konkurentnost”, “klaster”, “produktivnost”, “inovacija” itd.) su prethodno definisani.
Ključno očekivanje je da, u skladu sa teorijom klastera, saradničko ponašanje potencijalnih
članova klastera ima karakteristike koje podržavaju osnivanje i funkcionisanje ovog
organizacionog mehanizma, pre svega ostvarivanje njegove uloge pokretača regionalne
konkurentnosti. U tom smislu, očekivanja u pogledu broja i prirode izdvojenih faktora su
usmerenost ispitanika na povećanje sopstvene produktivnosti i inovativnosti, proširivanje i
razvoj poslovanja (osnivanje novih firmi, novo zapošljavanje) i poboljšanje sopstvenog
okruženja. Sa svoje strane, to zahteva ne samo postojanje specifičnih očekivanja u pogledu
broja i prirode izdvojenih faktora (usmerenost na produktivnost, inovacije, širenje posla i
poboljšanje okruženja), već i očekivanja u pogledu osnovnih promenljivih koje predstavljaju
pojavni oblik latentnih faktora, kao i toga da li su faktori u međusobnoj korelaciji. S tim u
vezi:
Prvi pretpostavljeni faktor, pod nazivom „ekspanzija sa mladima“, izveden je iz a) opšte
osobine klastera da podiže konkurentnost kroz podsticanje osnivanja novih firmi i b)
posebne osobine projektovanog klastera – da podstiče preduzetničku aktivaciju mladih
kroz saradnju poslovnih aktera. Svakako, u uslovima segmentiranog tržišta rada kakvo
danas postoji u Srbiji i uzrastom (prirodno) uslovljenog nedostatka poslovnog iskustva
mladih, poslovno razmišljanje koje uključuje preduzetnički interes mladih predstavlja
pretpostavku svih pretpostavki, kada je reč o organizovanju jednog ovakvog klastera. U tom
smislu, očekivanje je da ovaj faktor pruži objašnjenje za varijable:
V1 - Startna pozicija
V2 - Kreativizacija
V3 – Proaktivnost
V4 - Horizont budućnosti
V5 - Reciprocitet
Drugi pretpostavljeni faktor, pod nazivom „konkurentnost”, izveden je iz osobine klastera
da podiže konkurentnost svojih članova kroz povećanje njihove produktivnosti i inovacijske
sposobnosti, što sa svoje strane podrazumeva postojanje takvog načina poslovnog
razmišljanja koje je orijentisano na unapređenje ovih poslovnih performansi. Mada je
ovakav način razmišljanja nešto sasvim prirodno za razvijene tržišne privrede, gde su inače
klasteri i nastali, kada je reč o zemljama čija je privreda izložena višedecenijskom socijalno-
političkom inženjeringu, postojanje ovakvog načina razmišljanja je nešto što se tek
izgrađuje, pa u tom smislu njegovo postojanje predstavlja i preduslov održivosti klastera

9. 9
koji se formiraju u takvom ambijentu. U tom smislu, očekivanje je da ovaj faktor pruži
objašnjenje za varijable:
V6 – Blizina
V7 – Zajedništvo
V8 – Mentalitet
V9 – Inovacije
V10 - Rizici
V11 - Produktivnost
V12 – Troškovi
Treći pretpostavljeni faktor, pod nazivom “okruženje”, izveden je iz karakteristike klastera
da predstavlja manifestaciju uloge lokacije u podizanju konkurentnosti. Polazi se od toga da
je za konkurentnost poslovnih aktera na jednoj lokaciji najvažnija vrsta poslovnog
okruženja koju im ta lokacija nudi, a ne sama raspoloživost radne snage, kapitala i prirodnih
resursa na njoj, do čega se lako dolazi na drugim mestima. Upravo zato što je u zemljama
tranzicije preovlađujuće razmišljanje da je za konkurentnost poslovnih aktera najvažnija
raspoloživost proizvodnih faktora, a ne vrsta poslovnog okruženja koju ta lokacija nudi, od
izuzetnog je značaja da se razmotri prisustvo elemenata ovog drugog načina razmišljanja,
bez čega nema održivog klastera. S tim u vezi, očekivanje je da ovaj faktor pruži objašnjenje
za varijable:
V13 – Pristup
V14 – Uticaj
V15 - Strategija
4.4. Anketna pitanja
Pitanja za koja se pretpostavlja da mogu da obezbede uvid u postojanje latentnih
karakteristika saradničkog ponašanja potencijalnih članova klastera za preduzetničku
aktivaciju mladih su:
P1 - Za koju od navedenih faza životnog ciklusa preduzeća su vezani Vaši poslovni planovi?
(faza ideje, faza početka, faza rasta, faza učvršćenja, faza širenja, faza izlaza).
P2 - Da li ste do sada sarađivali sa nekim na preduzetničkom aktiviranju mladih?

10. 10
P3 - Da li imate potrebu da sa nekim iz Jablaničkog okruga sarađujete na preduzetničkom
aktiviranju mladih?
P4 - Da li ste pokušavali da povećate svoje poslovne mogućnosti uključujući se u proces
preduzetničkog aktiviranja mladih?
P5 - Da li ste imali situaciju gde utvrđujete zajednički interes na relaciji (preduzetnička
ideja mladih/preduzetnička radna usluga mladih)  (firma)?
P6 - Da li ste u svojim poslovnim aktivnostima koristili prednosti koje pruža saradnja
unutar zajedničke lokacije (uštede po osnovu zajedničkog korišćenja resursa, bolji protok
informacija, pristup prijateljskim mrežama, postojanje uzajamnog poverenja i sl.)?
P7 - Da li ste u svojim poslovnim aktivnostima koristili prednosti koje pruža saradnja
unutar lokalne zajednice kojoj pripadate (osećaj zajedničkog interesa, pristup resursima
prijatelja, olakšano dobijanje garancija, dobar protok informacija, davanje prednosti
pripadniku zajednice i sl.)?
P8 - Da li ste u svojim poslovnim aktivnostima koristili prednosti koje pruža saradnja
unutar istog regionalnog mentaliteta (olakšano sporazumevanje, zajednička verovanja,
poznavanje načina na koji reaguje “zemljak”, preporuka od uglednog suseda i sl.)?
P9 - Da li ste pokušavali da inovirate svoje znanje/poslovanje uključujući se u proces
preduzetničke aktivacije mladih?
P10 - Da li ste pokušavali da smanjite rizik od poslovnog neuspeha povezujući se u neku od
saradničkih mreža?
P11 - Da li ste pokušavali da svoje znanje/poslovanje učinite produktivnijim uključujući se
u proces preduzetničke aktivacije mladih?
P12 - Da li ste pokušavali da smanjite svoje troškove razvoja/obezbeđenja ljudskog kapitala
uključujući se u proces preduzetničkog aktiviranja mladih?
P13 - Ocenite svoja iskustva u korišćenju usluga javnih institucija/javnih dobara kada je reč
o preduzetničkom aktiviranju mladih (obrazovne institucije, NSZ, nadležni organi i
organizacije lokalne samouprave itd.).
P14 - Ocenite svoja iskustva u uticanju na poboljšanje sledećih javnih politika - obrazovna
politika, politika tržišta rada, politika preduzetničkih podsticaja i subvencija, poreska
politika, omladinska politika.
P15 - Da li ste povećavali svoju konkurentnost trudeći se da budete isti kao oni najbolji, ili
trudeći se da budete drugačiji od svojih rivala (na tržištu rada/proizvoda/ usluga)?

11. 11
4.5. Veličina i struktura uzorka
Kada je reč o veličini uzorka, smatra se da nije preporučljivo analizirati uzorak koji ima
manje od 50 jedinica, kao i da je poželjno da uzorak ima barem 100 jedinica, s obzirom da
se stabilniji koeficijenti mogu očekivati tek kad je broj podataka iz kojih se mogu izračunati
veći od 100.Kod faktorske analize važi kao pravilo da treba da postoji barem pet puta više
jedinica nego što ima varijabli u bazi. U ovom istraživanju broj varijabli je 15, što znači da
ukupan broj anketiranih od 123 daje 8,2 jedinice na jednu originalno promenljivu. Od
ukupnog broja anketiranih, 62 su firme i preduzetnici sa područja Jablaničkog i Pčinjskog2
okruga, a 61 su nezaposleni mladi sa područja Jablaničkog okruga. U anketiranju su
učestvovali: Regionalna privredna komora Leskovac (anketiranje 51 firme); služba NSZ-
Filijala Leskovac (anketiranje 37 nezaposlenih mladih); volonterski tim Omladinskog
foruma EPuS-a Leskovac (anketiranje 34 nezaposlenih mladih i 12 preduzetnika).
5. METODOLOGIJA ISTRAŽIVANJA
Istraživanje je sprovedeno u dve faze: 1) Faza identifikovanja i izgradnje razumevanja
osnovnih ideja koje povezuju istraživane karakteristike; 2) Faza svrstavanja ispitanika u
homogene grupe – klastere. U prvoj fazi istraživanja primenjena je:
5.1. Faktorska analiza
Predstavlja empirijsku podršku za rešavanje konceptualnih pitanja (utvrđivanje osnovnih
ideja) u vezi sa osnovnom strukturom podataka, pružajući jasno razumevanje toga koje
varijable mogu delovati saglasno zajedno, i za koliko se varijabli može očekivati da će imati
uticaja u analizi. Opšta svrha faktorske analize jeste da pronađe način da se sažmu
informacije koje se nalaze u velikom broju originalnih promenljivih u manji set novih
faktora3, sa minimalnim gubitkom informacija, tj. da se traže i definišu fundamentalni
konstrukti ili latentne dimenzije za koje se pretpostavlja da su predstavljene u originalnim
varijablama. To je tehnika međuzavisnosti u kojoj se sve varijable istovremeno razmatraju,
pri čemu je svaka u vezi sa svima ostalima. Definisanjem osnovne strukture podataka
faktorska analiza predstavlja odličnu početnu poziciju za mnoge druge multivarijacione
tehnike, pa se smatra korisnim da se na osnovu ocenjenog modela faktorske analize
izračuna ili oceni vrednost faktora za svaku jedinicu posmatranja. Te realizovane vrednosti
nazivaju se faktorski skorovi (bodovi) i oni se mogu koristiti u analizi grupisanja i drugim
analizama. Faze u okviru kojih je realizovana faktorska analiza su: 1) Utvrđivanje ciljeva; 2)
2
Istraživanje je prošireno na firme sa područja Pčinjskog okruga iz strateških razloga, s obzirom na
orijentaciju kreatora klastera da funkcionisanje budućeg klastera obuhvati celu južnu Srbiju.
3 Nevidljive varijable koje utiču na više od jedne posmatrane promenljive i koje predstavljaju korelacije
između datih promenljivih.

12. 12
Dizajniranje; 3) Utvrđivanje pretpostavki; 4) Izvođenje faktora i procenjivanje opšteg
uklapanja; 5) Interpretiranje faktora; 6) Validacija; 7) Dodatna upotreba u klaster analizi.
Osnovne metode, tehnike i instrumenti korišćeni u analizi su: multivarijaciona statistička
analiza, operacionalizacija pojmova, uzorkovanje, anketiranje, analiza glavnih komponenti,
korelaciona matrica, standardi adekvatnosti uzorkovanja, Bartlett-ov test sferičnosti,
Varimax rotacija, varijansa i druge statističke metode, dijagrami itd. Na faktorsku analizu
nadovezuje se:
5.2. Klaster analiza
Predstavlja jednu od multivarijacionih tehnika čija je osnovna svrha grupisanje objekata
na osnovu njihovih osobina. Klaster analiza se smatra najprikladnijom metodom
svrstavanja posmatranih jedinica u grupe (klase, klastere) koje poseduju što sličnija
obeležja. Primenom ove metode klasteri se dobijaju pomoću formalizovanih algoritama. Pri
tome, u klaster analizi se istovremeno i zajedno analiziraju više varijabli kao deo jedne
celine. Predmet klaster analize su objekti ili ispitanici. Za razliku od ostalih
multivarijacionih statističikh tehnika klaster analiza varijable ne procenjuje empirijski već
koristi varijable koje su zadate od stane samog istraživača. Izbor varijabli je presudni
korak i zavisi od ciljeva koji se žele postići. U analizu se uključuju one varijable koje
reprezentuju koncept sličnosti koji se istražuje. Najčešće se odabir varijabli vrši na osnovu
teorijskih pretpostavki ili modela. Često se dešava i da se rezultati faktorske analize
koriste kao ulazne varijable klaster analize. Faze klaster analize su: 1) Definisanje
problema; 2) Odluka o adekvatnoj meri sličnosti; 3) izbor metoda klasterovanja; 4) Odluka
o načinu grupisanja; 5) Određivanje broja klastera; 6) interpretacija rezultata. Osnovne
metode, tehnike i instrumenti koji se koriste u ovoj analizi su: mere udaljenosti, koeficijenti
korelacije, metode hijerarshijskog i metode nehijerarhiskog klasterovanja.

13. 13
6. I S T R A Ž I V A N J E
6.1. F A K T O R S K A A N A L I Z A
Postoje dve vrste faktora u faktorskoj analizi: zajednički i specifični faktori. Zajednički
faktori su oni čije varijacije su podeljene između dve ili više varijabli iz skupa varijabli.
Specifični faktori su oni čije su varijacije vezane za pojedinačne varijable. Faktorska analiza
identifikuje samo zajedničke faktore.
6.1.1. Korelaciona matrica
Da bi se odredile metode faktorske analize koje će se primijeniti potrebno je izračunati i
ispitati korelacionu matricu ulaznih (manifestnih, originalnih) varijabli. Primena faktorske
analize podrazumijeva ispunjavanje određenih uslova, kako bi se došlo do pouzdanih i
relevantnih rezultata. Ukoliko postoje visoke korelacije između odabranih varijabli,
primena faktorske analize je opravdana. Analiza konstruisane korelacione matrice
omogućava donošenje odluke da li su ulazne, originalne varijable značajno i dovoljno
korelirane. Ukoliko su originalne varijable međusobno korelirane, mogu se određivati
faktori kao hipotetičke komponentne međusobno nekoreliranih varijabli. Poostoji veći broj
kriterija za uključivanje varijabli u analizu, jedan koji se najčešće primenjuje je minimalna
apsolutna vrijednost koeficijenta korelacije od 0,3.
Korelaciona4 matrica podataka
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15
V1 1,000
V2 ,069 1,000 ,
V3 ,167 ,370 1,000
V4 -,101 ,194 ,253 1,000
V5 -,166 ,184 ,082 ,482 1,000
V6 -,148 ,194 ,144 ,339 ,259 1,000 ,
V7 ,035 ,027 ,169 ,263 ,220 ,552 1,000
V8 -,277 -,003 ,006 ,253 ,342 ,465 ,475 1,000 ,
V9 -,058 ,146 ,318 ,480 ,430 ,314 ,401 ,434 1,000
V10 ,007 ,014 ,037 ,258 ,214 ,307 ,409 ,373 ,434 1,000
V11 -,119 ,199 ,273 ,563 ,327 ,362 ,378 ,213 ,620 ,308 1,000
V12 -,007 ,162 ,192 ,434 ,237 ,373 ,400 ,299 ,505 ,378 ,588 1,000
4 Korelacija (lat. con – „sa“, relatio –„odnos“) predstavlja odnos ili međusobnu povezanost između različitih
pojava predstavljenih vrednostima dvaju pojava. Koeficijet korelacije predstavlja meru jačine linearne veze.

14. 14
V13 ,091 ,071 ,056 -,120 -,016 -,065 -,135 ,085 -,098 -,037 -,136 -,102 1,000
V14 ,095 ,078 ,056 -,103 -,081 -,190 -,211 -,046 -,160 -,124 -,133 -,248 ,705 1,000
V15 ,288 ,170 ,169 -,054 -,185 -,106 -,066 -,246 -,201 -,073 -,084 -,013 ,341 ,303 1,000
Data korelaciona matrica podataka, koja pruža uvid u stepen međusobne povezanosti
originalnih promenljivih (varijabli), predstavlja osnovu za sprovođenje faktorske analize. U
tabeli koja sledi data je i inverzna varijanta, što sa svoje strane dokazuje regularnost
originalne matrice.
Inverzna korelaciona matrica podataka
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15
V1 1,297
V2 -,050 1,299 ,
V3 -,143 -,397 1,416
V4 ,015 ,034 -,188 1,856
V5 ,088 -,237 ,161 -,587 1,540
V6 ,149 -,296 -,036 -,218 ,021 1,796 ,
V7 -,331 ,226 -,170 ,179 -,055 -,675 1,959
V8 ,450 ,061 ,144 -,066 -,172 -,411 -,594 2,042 ,
V9 -,171 ,036 -,489 -,101 -,366 ,265 -,023 -,585 2,446
V10 -,105 ,037 ,180 -,047 ,015 -,061 -,255 -,191 -,395 1,434
V11 ,319 -,088 -,033 -,573 ,039 -,182 -,312 ,521 -,907 ,026 2,416
V12 -,122 -,095 ,053 -,215 ,132 -,089 -,095 -,180 -,222 -,199 -,724 1,900
V13 -,069 ,061 -,057 ,292 -,190 -,172 ,268 -,392 -,009 -,036 ,169 -,235 1,900
V14 -,042 -,112 -,040 -,172 ,117 ,262 ,054 -,090 ,104 ,028 -,285 ,491 -,235 2,266
V15 -,200 -,168 -,146 -,137 ,160 ,061 -,162 ,291 ,291 -,048 ,035 -,169 ,491 -,107 1,430
6.1.2. Mera adekvatnosti uzorkovanja
Mera za kvantifikovanje stepena interkorelacija među varijablama i podesnosti faktorske
analize, je mera adekvatnosti uzorkovanja (Kaiser-Meyer-Olkinova mera, ili Measure of
Sampling Adequacy - MSA). Ovaj indeks se kreće od 0 do 1, dostižući 1 kada je svaka
varijabla savršeno predviđena bez greške od strane ostalih varijabli. Ova mera se
interpretira sa sledećim smernicama:
 0,80 ili iznad, vrlo jaka korelacija;
 0,70 do 0,80, jaka korelacija;
 0,60 do 0,70 srednja korelacija;

15. 15
 0,50 do 0,60 slaba korelacija; a
ispod 0,50, neprihvatljiva korelacija.
MSA se povećava kako se:
(1) povećava veličina uzorka,
(2) povećavaju prosečne korelacije,
(3) povećava broj varijabli ili
(4) opada broj faktora.
Smernice su da se prvo ispitaju MSA vrednosti za svaku varijablu i da se isključe one koje
spadaju u kategoriju neprihvatljivih. Kada individualne varijable dostignu prihvatljiv nivo,
onda se opšta MSA može evaluirati i doneti odluka o produženju faktorske analize. U ovom
istraživanju, kako sledi, podesnost faktorske analize ima indeks 0,761, što znači da je svaka
varijabla predviđena na srednjem nivou adekvatnosti uzorkovanja, što se može smatrati
sasvim zadovoljavajućim u odnosu na utvrđene mere. U tabeli koja sledi date su Kaiser-
Meyer-Olkinova mere za svaku od originalnih promenljivih, odakle se jasno vidi da ni jedna
od varijabli nema vrednost koja bi se po navedenim smernicama smatrala neprihvatljivom.
Od 15 definisanih varijabli, 5 se nalazi u kategoriji “vrlo jakih”, 5 u kategoriji “jakih”, 3 u
kategoriji “srednjih”, a samo 2 u kategoriji “slabih” korelacija.
Kaiser-Meyer-Olkinova mere
Varijabla Kaiser-Meyer-Olkinova mera
V1 – startna pozicija ,563
V2 - kreativizacija ,652
V3 - proaktivnost ,691
V4 - horizont budućnosti ,834
V5 - reciprocitet ,799
V6 - blizina ,817
V7 - zajedništvo ,787
V8 - mentalitet ,738
V9 - inovacije ,818
V10 - rizici ,888
V11 - produktivnost ,788
V12 - troškovi ,853
V13 - pristup ,544
V14 - uticaj ,600
V15 - strategija ,723

16. 16
6.1.3. Bartlett-ov test sferičnosti
Predtavlja statistički test prisustva korelacija među varijablama. On obezbedjuje statističku
verovatnoću (p<0,05) da korelaciona matrica ima značajne korelacije bar među nekim
varijablama. Iz tabele koja sledi, gde su date vrednosti i za mere adekvatnosti uzorkovanja i
za Barlett-ov test sferičnosti, može se videti da je Bartletov test sferičnosti značajan
(p=0,000), što znači da se sa faktorskom analizom može nastaviti.
Mera adekvatnosti uzorkovanja ,761
Bartlettov test
sferičnosti
Približno HI-kvadrat 602,688
stepeni slobode 105
nivo značajnosti ,000
6.1.4. Metod glavnih komponenti
U daljem toku istraživanja „izvučeni“ su zajednički faktori koji se nalaze u tabeli
koeficijenata korelacije, što je izvedeno uz pomoć analize glavnih komponenti. Ta metoda
polazi od ukupne varijanse, odnosno ne diferencira zajedničku i specifičnu varijancu pre
strukturiranja varijabli u faktore. Stoga ekstrahovani faktori sadrže specifičnu varijansu.
Ovde se za početne komunalitete koriste jedinice, odnosno na glavnoj se dijagonali
korelacijske matrice nalaze jedinice. Analiza glavnih komponenti pronalazi grupe varijabli
koje imaju visoke koeficijente u okviru grupe a male u odnosu na druge grupe. Kod analize
glavnih komponenti 15 varijabli koje se analiziraju biće zamenjene sa 15 glavnih
komponenti, s tim što će samo nekoliko glavnih komponenti imati veliko prisustvo u
varijabilitetu podataka pa će samo one biti interesantne. Zbog toga se analiza glavnih
komponenti smatra pre svega tehnikom za redukciju obima podataka u kojoj je cilj dobiti
minimalni broj faktora koji imaju maksimalni udeo u ukupnoj varijansi originalnih varijabli.
Komponentna analiza razmatra ukupnu varijansu5 i izvodi faktore koji sadrže male
razmere jedinstvene varijanse i u nekim slučajevima, varijansu greške. Kod ove analize,
5 Osnovna pretpostavka kod analize varijanse je upoređivanje dva tipa varijacije, varijacija (varijansa) između
grupa upoređuje se sa varijacijom (varijansom) unutar grupa, da bi se ocenila razlika između srednjih
vrednosti. Mere varijacije se dobijaju "razdvajanjem" ukupne varijacije na varijaciju koja je posledica
ispitivanog faktora uticaja (varijacija između grupa) i slučajnu varijaciju (varijacija unutar grupa).

17. 17
jedinične vrednosti se unose na dijagonalu korelacione matrice, tako da se puna varijansa
uvodi u faktorsku matricu.
6.1.5. Komunalitet (zajednička varijansa)
Predstavlja procenat “objašnjenja” disperzije originalne promenljive zadržanim glavnim
komponentama. To je proporcija varijanse varijable koja je zajednička sa svim ostalim
varijablama zajedno. Ona pokazuje u kojoj meri (procentu) je varijansa originalne
promenljive objašnjena zajedničkim faktorima. Npr. komunalitet za varijablu1 iz tabele koja
sledi iznosi 0,596. To pokazuje da je 59,6% od varijcije ukupne varijable obuhvaćeno sa 4
zajednička faktora. Isto tako, 40,4% varijacija se odnosi na specifičnost same varijable plus
određeni iznos greške u merenju (e). Za 15 varijabli istraživanog saradničkog ponašanja
komunaliteti se kreću od 46,7% do 83,8%. To znači da su prilično visoki i da mogu da
obuhvate barem jedan faktor i da neki imaju umereno opterećenje za više faktora. Ne
postoji čisto „nezavisna“ varijabla u analizi.
Komunaliteti (zajedničke varijanse)
Karakteristike ponašanja Početni Ekstrakovani
V1 – startna pozicija 1,000 ,591
V2 - kreativizacija 1,000 ,467
V3 - proaktivnost 1,000 ,529
V4 - horizont budućnosti 1,000 ,604
V5 - reciprocitet 1,000 ,549
V6 - blizina 1,000 ,490
V7 - zajedništvo 1,000 ,687
V8 - mentalitet 1,000 ,714
V9 - inovacije 1,000 ,625
V10 - rizici 1,000 ,511
V11 - produktivnost 1,000 ,630
V12 - troškovi 1,000 ,557
V13 - pristup 1,000 ,838
V14 - uticaj 1,000 ,796
V15 - strategija 1,000 ,569
Metod ekstrakcije: Analiza glavnih komponenti
6.1.6. Kajzerov kriterijum
Jedan od najpoznatijih kriterijuma za određivanje broja zajedničkih faktora je Kajzerov
kriterijum ili kriterijum jediničnog, odnosno latentnog korena. Prema ovom kriterijumu,
koji je primenjen u istraživanju, u modelu zadržavamo onoliko zajedničkih faktora koliko
ima karakterističnih korena uzoračke korelacione matrice koji su veći od jedinice.

18. 18
Karakteristična vrednost faktora se definiše kao ukupna varijansa svih promenljivih
objašnjena tim faktorom. To znači, da bi se zadržao faktor za dalju interpretaciju, on treba
da objasni varijansu bar jedne promenljive.
Za faktorsku analizu glavnih komponenti karakteristično je da se ekstrahuju faktori čije su
svojstvene vrednosti veće od jedan. U tabeli koja sledi može se videti da su se izvojila četiri
faktora čija je karakteristična vrednost veća od 1 i koji zajedno objašnjavaju 61,1%
varijabiliteta. Ukoliko se dalje pogleda dijagram prevoja (Srceeplot), može se jasno uočiti
relativna zaobljenost dijagrama na prevoju i nešto naglašeniji lom na prevoju pete i šeste
komponente. Dakle, prva četiri faktora objašnjavaju mnogo veći deo varijanse od preostalih
faktora, pa se na osnovu ovoga može zaključiti da bi za dalju analizu trebalo zadržati samo
prva četiri faktora. To bi, dalje, značilo da su uz pomoć nekoliko kriterijuma za određivanje
broja ekstrahovanih faktora otkrivena četiri skrivena konstrukta čije pojavne oblike
predstavljaju analizirana ponašanja. No, na osnovu postupka faktorske analize koji
omogućava ekstrahovanje faktora još uvek nije moguće reći koja su to četiri latentna
faktora koji su otkriveni, kao ni to koje originalne promenljive određuju prvi, a koje drugi,
treći i četvrti faktor.
Karakteristične vrednosti ekstrahovanih faktora i % objašnjene varijanse6 (pre i nakon izvršene Varimax
rotacije)
Komponente Inicijalne karakteristične vrednosti Ekstrahovane sume kvadrata
opterećenja
Rotirane sume kvadrata opterećenja
Total % varijanse Kumulativna
proporcija
Total % Varijanse Kumulativna
proporcija
Total %
Varijanse
Kumulativna
proporcija
1 4,354 29,028 29,028 4,354 29,028 29,028 3,046 20,307 20,307
2 2,067 13,778 42,807 2,067 13,778 42,807 2,462 16,413 36,720
3 1,502 10,012 52,818 1,502 10,012 52,818 1,931 12,872 49,593
4 1,235 8,230 61,049 1,235 8,230 61,049 1,718 11,456 61,049
5 ,953 6,354 67,403
6 ,789 5,263 72,665
7 ,737 4,915 77,580
8 ,660 4,403 81,983
9 ,560 3,735 85,718
10 ,502 3,346 89,064
11 ,434 2,894 91,958
12 ,388 2,586 94,544
13 ,346 2,308 96,852
14 ,241 1,606 98,458
6 U društvenim naukama donja granica prihvatljivosti je kumulativno 60% varijanse objašnjene
dobijenim faktorima.

19. 19
15 ,231 1,542 100,000
Metod ekstrakcije: Analiza glavnih komponenti
6.1.7. Cattellov scree test.
Pored ovog kriterijuma, u istraživanju je korišćen Cattellov scree test. Pomoću Scree testa
identifikujemo optimalni broj faktora koji se mogu ekstrahovati pre nego što obim
specifične varijanse počne da dominira strukturom zajedničke varijanse kod poslednje
izvojenih faktora. Scree test se izvodi putem ucrtavanja karakterističnih vrednosti svih
faktora, a zatim na rezultirajućoj krivoj identifikujemo tačku preloma nakon koje ona
postaje horizontalna prava. Cattell preporučuje da se zadrže svi faktori iznad lakta, tj.
prevoja tog dijagrama, pošto oni najviše doprinose objašnjavanju varijanse u skupu
podataka. Bira broj faktora koji se nalazi u prelomnoj tački, ali se gleda i nivo varijabiliteta,
odnosno karakteristične vrednosti Prelom na krivoj se određuje tako što se prisloni lenjir
uz poslednje sopstvene vrednosti proveravajući da li one leže na pravoj liniji. Broj glavnih
komponenti određujemo tako što uočavamo tačku nakon koje spomenuta pravalinija ima
prelom, pri čemu se krećemo od većeg ka manjem rednom broju komponente. Bira se broj
faktora koji se nalazi u prelomnoj tački, ali se gleda i nivo varijabiliteta, odnosno
karakteristične vrednosti
Dijagram osipanja

20. 20
6.1.8. Rotacija faktora
Da bi se identifikovala i razumela 4 otkrivena latentna faktora, kao i to koje originalne
promenljive ih određuju, u daljem toku istraživanja primenjena je rotacija faktora. Ovo iz
razloga, što nerotirana faktorska rešenja ekstrahuju faktore po redosledu njihove važnosti:
prvi faktor je opšti faktor, jer ovde skoro svaka varijabla značajno doprinosi faktorskom
opterećenju i na taj način prvi faktor objašnjava najveći obim varijanse. Drugi i naredni
faktori se potom zasnivaju na specifičnom obimu varijanse. Svaki objašnjava sukcesivno
manje delove varijanse. Otuda se može reći da je krajnji efekat rotiranja faktorske matrice
redistribucija varijanse sa „ranijih“ na kasnije faktore, ne bi li se na taj način ostvarila
jednostavnija faktorska - „jednostavna struktura“. U tom smislu, najčešće se upotrebljava
Varimax rotacija uz pomoć koje se pokušava da se minimizira broj promenljivih s visokim
apsolutnim vrednostima faktorskih težina. Svrha rotacije je da pojednostavi interpretaciju
faktora.
Varimax rotacija - koja spada u ortogonalne rotacije i koja daje rešenja, koje je lakše
protumačiti - generiše faktore koji imaju visoke korelacije sa manjim setom varijabli i niske
ili nikakve korelacije sa ostalim setom varijabli. Kod Varimax rotacionog pristupa,
maksimalna moguća simplifikacija se postiže, ako su u koloni samo jedinice i nule. Logika je
da je interpretacija najlakša kada su korelacije varijabla-faktor: (1) blizu +1 ili -1, stoga
indicirajući jasnu pozitivnu ili negativnu vezu između varijable i faktora; ili (2) blizu 0,
indicirajući jasan nedostatak povezanosti. Ova struktura je fundamentalno jednostavna. Pri
tome, ako se, kao što je u ovom istraživanju slučaj, redukuje veliki broj varijabli na manji set
nekoreliranih varijabli za narednu u potrebu u regresiji ili drugim tehnikama predvidjanja,
smatra se da je ortogonalno rešenje najbolje.
6.1.9. Faktorska opterećenja
Osim rotacije faktora, za adekvatnu interpretaciju rešenja faktorske analize neophodno je
razmotriti i faktorska opterećenja koja ukazuju na relativnu važnost svake karakteristike u
definisanju faktora. Opterećenja indiciraju stepen korespondentnosti izmedju varijable i
faktora, gde veća opterećenja čine varijablu reprezentom faktora To je zapravo koeficijent
korelacije između svake karakteristike (varijable, pitanja) i samog faktora. Kvadrat tog
koeficijenta pokazuje koliko je procenata varijacije u oceni zajedničko sa faktorom. Što je
veća korelacija, data karakteristika bolje opisuje faktor. Ova korelacija može biti i pozitivna
i negativna. Ako je korelacija pozitivna, onda pokazuje u kojoj meri određena varijabla
doprinosti tom faktoru, a ako je negativna, pokazuje koliko varijable ne učestvuje u datom
faktoru.
Iako ne postoje jasno definisani i široko prihvaćeni kriterijumi značajnosti faktorskih
opterećenja, može se reći da se faktorska opterećenja, koja se kreću od 0.30 do 0.40,
smatraju zadovoljavajućim i da dozvoljavaju interpretaciju strukture podataka, dok se

21. 21
opterećenja veća od 0.5 smatraju praktično značajnim. Za faktorska opterećenja veća od 0.7
može se reći da su pokazatelj veoma dobro definisane strukture podataka i da ujedno
predstavljaju cilj svake faktorske analize. Pošto faktorsko opterećenje, kao što je upravo
rečeno, predstavlja korelaciju varijable i faktora, kvadrirano opterećenje je obim ukupne
varijanse varijable koji taj faktor objašnjava. Stoga, opterećenje od 0,30 znači da je
objašnjeno oko 10% varijanse, a opterećenje od 0,50 označava da faktor objašnjava 25%
varijanse. Opterećenje mora da pređe 0,70 da bi faktor objasnio 50% varijanse. Smatra se
da, bez obzira na odsustvo jasno definisanih kriterijuma značajnosti faktorskih opterećenja,
upravo mogućnost tumačenja rezultata putem koeficijenata koji u ovom slučaju odražavaju
jačinu međusobne povezanosti originalnih promenljvih i faktora u značajnoj meri doprinosi
objektivnosti izvedenih zaključaka faktorske analize. U ovom istraživanju, uzeta su u
razmatranje faktorska opterećenja koja se kreću na nivou od najmanje 0,.40 i više, tj, koja
objašnjavaju najmanje 16% varijanse.
Pored navedene skale, postoji i kriterijum za statističku značajnost faktorskih
opterećenja uz verovatnoću 95%, odnosno koliko treba da bude velik uzorak da bi se
određeni nivo faktorskog opterećenja smatrao značajnim, što je dato kako sledi:
Faktorsko opterećenje Veličina uzorka potrebna za značajnost7
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,75
350
250
200
150
120
100
85
70
60
50
U tabeli koja sledi date vrednosti faktorskih opterećenja pre varimax rotacije, gde svaka
kolona brojeva predstavlja odvojeni faktor. Kolone brojeva su faktorska opterećenja za
svaku varijablu na svakom faktoru. Ovako predstavljeni rezultati otežavaju interpretaciju
dobijenog rešenja faktorske analize, jer nismo u mogućnosti da zaključimo koje promenljive
određuju prvi, a koje drugi, treći i četvrti faktor.
7
Značajnost se bazira na nivou značajnosti 0,05 (α), nivou moći od 80%, i standardnim greškama za koje se
pretpostavlja da su dva puta veće od onih kod konvecionalnih koeficijenata korelacije.

22. 22
Vrednosti faktorskih opterećenja pre varimax rotacijea
Metod ekstrakcije: Analiza glavnih komponenti; 4 komponente ekstrakovano.
Reprodukovane korelacije (a.reprodukovani komunaliteti)
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15
V1 ,591
a
,121 ,266 -,176 -,381 -,077 ,086 -,319 -,133 ,026 -,074 ,060 ,072 ,059 ,482
V2 ,121 ,467
a
,468 ,363 ,226 ,048 -,026 -,105 ,256 -,035 ,341 ,219 ,118 ,148 ,231
V3 ,266 ,468 ,529
a
,360 ,154 ,120 ,114 -,103 ,300 ,069 ,387 ,321 ,064 ,070 ,304
V4 -,176 ,363 ,360 ,604
a
,511 ,357 ,273 ,289 ,572 ,234 ,596 ,462 -,110 -,132 -,131
V5 -,381 ,226 ,154 ,511 ,549
a
,304 ,166 ,389 ,473 ,173 ,455 ,299 ,003 -,017 -,256
V6 -,077 ,048 ,120 ,357 ,304 ,490
a
,544 ,503 ,489 ,478 ,424 ,462 -,047 -,154 -,125
V7 ,086 -,026 ,114 ,273 ,166 ,544 ,687
a
,502 ,473 ,586 ,397 ,522 -,103 -,240 -,055
V8 -,319 -,105 -,103 ,289 ,389 ,503 ,502 ,714
a
,438 ,486 ,305 ,329 ,143 ,018 -,258
V9 -,133 ,256 ,300 ,572 ,473 ,489 ,473 ,438 ,625
a
,407 ,609 ,550 -,120 -,191 -,145
V10 ,026 -,035 ,069 ,234 ,173 ,478 ,586 ,486 ,407 ,511
a
,328 ,428 -,016 -,141 -,057
V11 -,074 ,341 ,387 ,596 ,455 ,424 ,397 ,305 ,609 ,328 ,630
a
,546 -,174 -,218 -,097
V12 ,060 ,219 ,321 ,462 ,299 ,462 ,522 ,329 ,550 ,428 ,546 ,557
a
-,181 -,260 -,038
V13 ,072 ,118 ,064 -,110 ,003 -,047 -,103 ,143 -,120 -,016 -,174 -,181 ,838
a
,800 ,411
V14 ,059 ,148 ,070 -,132 -,017 -,154 -,240 ,018 -,191 -,141 -,218 -,260 ,800 ,796
a
,407
V15 ,482 ,231 ,304 -,131 -,256 -,125 -,055 -,258 -,145 -,057 -,097 -,038 ,411 ,407 ,569
a
Metod ekstrakcije: Analiza glavnih komponenti
Karakteristike saradničkog ponašanja Komponente
1 2 3 4
V1 – startna pozicija -,175 ,386 -,413 ,491
V2 - kreativizacija ,233 ,493 -,286 -,298
V3 - proaktivnost ,304 ,523 -,394 -,091
V4 - horizont budućnosti ,678 ,154 -,110 -,330
V5 - reciprocitet ,561 ,034 ,189 -,444
V6 - blizina ,651 ,004 ,156 ,204
V7 - zajedništvo ,661 -,017 ,082 ,494
V8 - mentalitet ,597 -,086 ,580 ,119
V9 - inovacije ,781 ,092 -,019 -,080
V10 - rizici ,567 ,004 ,174 ,400
V11 - produktivnost ,743 ,141 -,186 -,154
V12 - troškovi ,704 ,101 -,173 ,149
V13 - pristup -,218 ,682 ,571 ,013
V14 - uticaj -,323 ,666 ,485 -,112
V15 - strategija -,240 ,649 -,154 ,257

23. 23
Reprodukovane korelacije (a.reprodukovani komunaliteti)
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15
V1 -,052 -,100 ,075 ,215 -,071 -,051 ,042 ,074 -,019 -,045 -,068 ,019 ,036 -,194
V2 -,052 -,098 -,169 -,041 ,146 ,053 ,102 -,110 ,050 -,142 -,057 -,047 -,070 -,062
V3 -,100 -,098 -,106 -,073 ,024 ,055 ,109 ,018 -,033 -,114 -,129 -,009 -,013 -,135
V4 ,075 -,169 -,106 -,029 -,018 -,010 -,036 -,091 ,024 -,033 -,029 -,010 ,029 ,076
V5 ,215 -,041 -,073 -,029 -,045 ,054 -,047 -,043 ,040 -,128 -,063 -,019 -,064 ,070
V6 -,071 ,146 ,024 -,018 -,045 ,008 -,038 -,175 -,170 -,062 -,088 -,017 -,036 ,019
V7 -,051 ,053 ,055 -,010 ,054 ,008 -,027 -,072 -,177 -,019 -,122 -,032 ,029 -,011
V8 ,042 ,102 ,109 -,036 -,047 -,038 -,027 -,003 -,113 -,093 -,030 -,058 -,064 ,011
V9 ,074 -,110 ,018 -,091 -,043 -,175 -,072 -,003 ,027 ,011 -,045 ,022 ,031 -,056
V10 -,019 ,050 -,033 ,024 ,040 -,170 -,177 -,113 ,027 -,019 -,050 -,021 ,016 -,016
V11 -,045 -,142 -,114 -,033 -,128 -,062 -,019 -,093 ,011 -,019 ,041 ,038 ,086 ,013
V12 -,068 -,057 -,129 -,029 -,063 -,088 -,122 -,030 -,045 -,050 ,041 ,079 ,012 ,024
V13 ,019 -,047 -,009 -,010 -,019 -,017 -,032 -,058 ,022 -,021 ,038 ,079 -,095 -,070
V14 ,036 -,070 -,013 ,029 -,064 -,036 ,029 -,064 ,031 ,016 ,086 ,012 -,095 -,103
V15 -,194 -,062 -,135 ,076 ,070 ,019 -,011 ,011 -,056 -,016 ,013 ,024 -,070 -,103
Metod ekstrakcije: Analiza glavnih komponenti
6.1.10.Interpretacija faktora
Rotacijom faktora, kako je to dato u tabeli koja sledi, prezentovana su rotirana faktorska
rešenje, tj. omogućeno je jasnije sagledavanje prirode 4 ekstrakovana faktora. Kod 12 od 15
varijabli (komponenti) koje su uzete u razmatranje, imamo situaciju da varijabla ima samo
jedno opterećenje na jednom faktoru koje se smatra značajnim, što su situacije koje se u
teoriji faktorske analize smatraju idealnim. Pri tome, jedino kod V11 – produktivnost V15 –
strategija, pojavljuje se slučaj da najviše faktorsko opterećenje za odnosnu varijablu (0,640)
ne pripada faktoru koji treba da je objasni, mada je i u ovim slučajevima drugo po veličini
faktorsko opterećenje takođe praktično značajno (0,416, odnosno 0,408).
Vrednosti faktorskih opterećenja posle varimax rotacijeb
Karakteristike saradničkog ponašanja Komponente
1 2 3 4
V1 – startna pozicija ,022 ,038 ,021 ,767
V2 - kreativizacija -,086 ,652 ,138 ,125
V3 - proaktivnost ,054 ,652 ,063 ,312
V4 - horizont budućnosti ,288 ,664 -,087 -,268

24. 24
Metod ekstrakcije: Analiza glavnih komponenti
Metod rotacije: Varimax sa Kaiser normalizacijom; b. Konvergentne rotacije u 6 ponavljanja
Prvi faktor nosi 20,307% ukupnog varijabiliteta i ima značajno faktorsko opterećenje
pozitivnog predznaka na 6 varijabli. Naime, u prvoj koloni se jasno izdvaja grupa od 5
varijabli sa vrednostima faktorskih opterećenja od 0,535 do 0,810, koje se smatraju
praktično značajnim. To znači da je ekstrahovan faktor “konkurentnost” (kolona 1), koji
se sa 65,6% (0,810x0,810) odražava u analiziranoj karakteristici saradničkog ponašanja
“zajedništvo”, sa 50,8% u varijabli “rizici”, sa 48,9% u varijabli “mentalitet”, sa 43,3% u
varijabli “blizina”, sa 30% u vaijabli „inovacija“analiziranoj i sa 31,9% u varijabli
„troškovi“. Zaključak je da se konkurentnost može smatrati faktorom koji je našao svoj
odraz u analiziranim karakteristikama saradničkog ponašanja, pa prema tome originalno
promenljive predstavljaju samo manifestaciju, tj. pojavni oblik ovog latentnog faktora. Po
polaznoj pretpostavci, u sklopu ove komponente trebalo je da bude ioriginalna
„produktivnost“, koja je razmatrana u okviru pitanja „Da li ste pokušavali da svoje
znanje/poslovanje učinite produktivnijim uključujući se u proces preduzetničke aktivacije
mladih?“. Dobijene vrednosti za faktorska opterećenja pokazuju da ovu varijablu mnogo
bolje objašnjava zajednički faktor “ekspanzija“ (41,0%), nego faktor „konkurentnost“
(17,3%). Razlog za to najverovatnije leži u načinu na koji je formulisano pitanje. Naime,
pitanje sadrži termin „mladi“, koji je pominjan u svim pitanjima koja su se npojavila u
sklopu sledećeg faktora, tako da je za očekivati da je u ovom slučaju došlo do inercije
prilikom davanja odgovora. Kada je reč o nazivu ovog faktora, treba ga kreirati tako da
sadrži element “zajedništvo”, s obzirom da je reč o varijabli koja, od svih 7 koje su
povezane sa ovim faktorom, ima najvišu vrednost faktorskog opterećenja.
Drugi faktor nosi 16,720% ukupnog varijabiliteta i ima značajno faktorsko opterećenje
pozitivnog predznaka takođe na 5 varijabli. Naime, u koloni pod rednim brojem 2 izdvaja se
najpre grupa od pet varijabli sa faktorom opterećenja od 0,466 do 0,652. To znači da je
ekstrahovan faktor “ekspanzija sa mladima”, koji je našao svoj odraz u originalnim
V5 - reciprocitet ,226 ,466 ,053 -,528
V6 - blizina ,658 ,195 -,047 -,127
V7 - zajedništvo ,810 ,078 -,130 ,088
V8 - mentalitet ,699 -,022 ,179 -,440
V9 - inovacije ,538 ,528 -,110 -,211
V10 - rizici ,713 ,044 -,029 ,013
V11 - produktivnost ,416 ,640 -,170 -,136
V12 - troškovi ,565 ,443 -,199 ,046
V13 - pristup ,014 -,024 ,912 ,070
V14 - uticaj -,163 ,009 ,875 ,057
V15 - strategija -,083 ,140 ,408 ,613

25. 25
promenljivima, tj. da taj faktor sa 44,0% objašnjava analizirane karakteristike saradničkog
ponašanja „horizont budućnosti“, „kreativizacija“ i „ proaktivnost“ , a sa 21,7%
analiziranu karakteristiku „reciprocitet“. Očekivanje da originalno promenljiva „startna
pozicija“ bude objašnjena ovim faktorom, nije empirijski potvrđeno, već je ova varijabla sa
58,8% objašnjena u sklopu posebnog faktora (faktor 4).
Treći faktor nosi 12,853% ukupnog varijabiliteta i ima značajno faktorsko opterećenje
pozitivnog predznaka na 2 varijable. Naime, u koloni pod rednim brojem 3 ekstrahovan je
faktor koji objašnjava „svoje“ varijable u visokim procentima - 83,2% i 76,6%. Radi se o
originalno promenljivama – “pristup” i “uticaj”, koje indiciraju postojanje jednog načina
razmišljanja koji je vezan za kvalitet lokalnog poslovnog ambijenta i njegovu privlačnost, i u
čijoj osnovi leži jedna zajednička ideja, a to je „okruženje“. Identifikovani faktor sa 83,2%
objašnjava V11 – „pristup“ javnim politikama, a sa 76,6% varijablu – „uticaj“ na javne
politike.
Četvrti faktor, koji nije figurirao među polaznim pretpostavkama, nosi 11,456% ukupnog
varijabiliteta i ima značajno faktorsko opterećenje sa pozitivnim predznakom na dve
varijable – „startna pozicija“ i „strategija“. Prvu varijablu ovaj faktor objašnjava sa 58,8%,
a drugi sa 36,6%. U suštini, reč je o faktoru koji je komplementaran prethodnom,
usmerenom na eksterno okruženje, s obzirom da govori o prisustvu strateške samosvesti u
promišljanju internog okruženja.
6.1.11. Matrica transformacije komponenti
U postupku rotiranja faktora izvršeno je 6 rotacija. U tabeli koja sledi data je matrica
transformacije komponenti rotiranih u odnosu na nerotirana faktorska rješenja.
Matrica transformacije komponenti
Komponenta 1 2 3 4
1 ,757 ,554 -,216 -,272
2 -,005 ,513 ,725 ,458
3 ,307 -,432 ,651 -,543
4 ,577 -,493 -,058 ,649
Metod ekstrakcije: Analiza glavnih komponenti
Metod rotacije: Varimax sa Kaiser normalizacijom.

26. 26
Karakteristike komponenti u rotiranom prostoru
6.1.12. Rezultati faktorske analize
1. Faktorska analiza izdvojila je 4 zajednička fakora za 15 razmatranih varijabli, koji ih
objašnjavaju ukupno sa 61%, i to prvi faktor sa 20,3%, drugi faktor sa 16,7%, treći
faktor sa 12,9% i četvrti faktor sa 11,5%. Interpretabilni faktori pokazuju da se odgovori
ispitanika grupišu oko određenih karakteristika saradničkog ponašanja koje su od
suštinskog značaja za dalji rad na formiranju klastera za preduzetničku aktivaciju
mladih.
2. U odnosu na polazne pretpostavke, istraživanje je pružilo empirijsku potvrdu da je 12
od 15 originalnih promenljivih strtkturirano na očekivani način, pri čemu:
a) Varijable „zajedništvo“, „blizina“, „mentalitet“, „inovacije“, „rizici“ i „troškovi“ sadrže
zajedničke karakteristike koje su u skladu sa drugom polaznom pretpostavkom, a da
to nije slučaj sa varijablom „produktivnost“, koja je objašnjena drugim faktorom;
b) Varijable „kreativizacija“, „proaktivnost“, „horizont budućnosti“ i „reciorocitet“ sadrže
zajedničke karakteristike koje su u skladu sa prvom polaznom pretpostavkom, kao i
da je u istu uključena varijabla „produktivnost“;

27. 27
c) Varijable „pristup“ i „uticaj“ sadrže zajedničke karakteristike koje su u skladu sa
trećom polaznom pretpostavkom, a da to nije slučaj sa varijablom „strategija“ koja je
objašnjena četvrtim faktorom;
d) Varijable „startna pozicija“ i „strategija“ objašnjene su četvrtim faktorom, koji nije
figurirao u polaznim pretpostavkama.
3. Sprovedeno istraživanje empirijski potvrđuje da faktor „konkurentnost“ predstavlja
najmanji zajednički imenitelj za 6 od 7 varijabli koje su figurirale u sklopu polazne
pretpostavke za ovaj faktor. Rezultati pokazuju da ovaj faktor objašnjava ukupnu pojavu
sa 20,3%, a varijable „zajedništvo“, „blizina“, „mentalitet“, „inovacije“, „rizici“ i
„troškovi“ u praktično značajnim procentnim iznosima od 65,6% do 28,9%.
Komunaliteti za ove varijable se kreću na nivou od 0,490 do 0,714, što pokazuje da ih
zajednički faktor objašnjava od 49,0% do 71,4%.
Sa svoje strane, to pokazuje da činjenica što su ispitanici istovremeno i konkurenti, njih
uopšte ne sprečava da međusobno sarađuju na pitanjima koja im obezbeđuju sopstveni
konkurentski napredak, što je jedan od postulat teorije klastera, a pre svega njegovog
uspešnog funkcionisanja u praksi. Ono što je od posebnog značaja, to je da rezultati
istraživanja govore da ispitanici, rukovodeći se sopstvenim poslovnim interesima,
uspostavljaju međusobnu saradnju svesni poslovnih prednosti koje im pruža
egzistiranje na zajedničkoj lokaciji. Na toj osnovi, dakle koristeći te prednosti za
povećanje sopstvene konkurentnosti, oni se zajednički (saradnički) oslanjaju na:
pripadnost istoj lokalnoj zajednici; geografsku bliskost; sigurnost koju pruža saradnja sa
konkurentima izloženih istom riziku; olakšano komuniciranje zbog pripadnosti istom
mentalitetu; istu težnju ka inovacijama, većoj produktivnosti i manjim troškovima
razvoja.
Činjenica da ovaj faktor - od svih varijabli koje se grupišu oko njega - najbolje objašnjava
varijablu „zajedništvo“ (65,6%), upućuje na to da postojeći naziv ovog faktora treba
promeniti na način koji izražava stvarnu međusobnu zavisnost istraživanih pojava.
Stoga, imajući u vidu nalaze istraživanja, logično bi bilo da da ovaj faktor bude nazvan
„zajednica konkurenata“. Sa svoje strane, to znači da se u daljem istraživanju faktor
“saradnja konkurenata” može koristiti kao nova, jedinstvena varijbla koja zamenjuje 7
originalnih promenljivih (V6-V12) koje su figurirale u dosadašnjem istraživanju.
4. Izdvojen je zajednički faktor „ekspanzija sa mladima“, koji objašnjava ukupnu pojavu
sa 16,7% i predstavlja zajedničku karakteristiku za 5 originalnih promenljivih -
„kreativizacija“, „proaktivnost“, „horizont budućnosti“, „reciorocitet“ i
„produktivnost“. Ovaj faktor, koji sadrži 4 od 5 varijabli koje su figurirale u polaznim
pretpostavkama, objašnjava navedene varijable u procentnim iznosima od 44,1%, do
27,1%. Mada su veze između ovog faktora i njemu gravitirajućih varijabli nešto slabijeg
intenziteta nego u prethodnom slučaju, to nikako ne umanuje njegov značaj. Ovo

28. 28
posebno ukoliko se uzme u obzir da se vrednosti za komunalitete njegovih varijabli
kreću na nivou od 0,467 do 0,604, tj. da ih zajednički faktor objašnjava u procentnom
iznosu od 46,7% do 60,4%.
Ono što je bitno, kada je reč o razumevanju ovog faktora, to je da on objašnjava varijable,
koje po definiciji sadrže preduzetničku aktivaciju mladih kao osnov uspostavljanja
međusobne saradnje. Radi se o varijablama koje mere orijentaciju na poslovno širenje
kroz uključivanje preduzetničkog interesa mladih. Postojanje značajnih faktorskih
opterećenja (od 0,664 do 0,466) na ovom faktoru, pokazuje zapravo da sva ona
saradnička ponašanja ispitanika, koja preduzetnički interes mladih uključuju ili
spontano, ili iz potrebe, ili na osnovu sagledanih mogućnosti, ili na osnovu zajedničkog
interesa, sadrže u sebi jedan način gledanja na preduzetničku aktivaciju mladih, koji bi
se po logici stvari mogao nazvati “poslovna budućnost sa mladima”. Činjenica da je -
od 5 varijable koje gravitiraju ovom faktoru - najjača njegova veza sa varijablom
“horizont budućnosti” (0.664), upravo upućuje na ovakvu logiku.
Takođe, treba istaći da se jedan isti faktor pojavljuje kao objašnjenje kod izuzetno
heterogene grupe ispitanika. Naime, kao što je već pomenuto, jednim delom ovu grupu
čine nezaposleni mladi, među kojima se nalaze i oni koji nemaju saradnička iskustva u
pogledu sopstvenog preduzetničkog osposobljavanja, niti bilo kakve preduzetničke
aspiracije. Drugim delom, ovu grupu čine firme među kojima se nalaze i one koje nemaju
nikakva, ili imaju ambivalentna iskustva kada je reč o tome. Međutim, svi oni, nezavisno
od sopstvene poslovne pozicije, čine društvenu grupu u kojoj se na saradničke
aktivnosti u oblasti preduzetničke aktivacije mladih gleda kao na nešto što sadrži u sebi
dimenziju poslovnog razvoja, širenja, „ekapanzije“, budućnosti. Svakako, oni ispitanici
kod kojih postoji sklad između iskustva i gledanja na stvari (načina razmišljanja) po tom
pitanju, predstavljaju i najzahvalnije potencijalne članove budućeg klastera, a njihovo
uključivanje u klaster predstavlja garant njegove održivosti.
5. Izdvojen je faktor „okruženje“ koji objašnjava ukupnu pojavu sa 12,9% i predstavlja
zajedničku karakteristiku za varijable „pristup“ i „uticaj“. Ovaj faktor, koji sadrži 2 od 3
varijable koje su figurirale u polaznim pretpostavkama, objašnjava navedene varijable u
visokim procentnim iznosima od 83,1% i 76,6%. Komunaliteti za ove varijable nakon
rotacije su ostali nepromenljivi i iznose 0.838 i 0,796, što znači da ih zajednička
varijansa objašnjava sa 83,8% i 79,6%.
Radi se o zajedničkoj karakteristici potencijalnih članovoa klastera koja je izuzetno
značajna, kako za unapređenje odgovarajućih javnih politika, tako i za unapređenje
opšte mikroekonomske sposobnosti privrede. Bez obzira da li je reč o pozitivnim, ili
negativnim iskustvima ispitanika u ostvarivanju njihovih prava na „pristup“ javnim
politikama, ili „uticaj“ na njih, ili o vrsti „strategije“ koju koriste da bi se pozicionirali na
tržištu, već sama činjenica da oni imaju određena mišljenja o tome kvalifikuje ih za
članstvo u klasteru, gde će imati daleko više prostora za delovanje u tom pravcu.

29. 29
S obzirom da unutar trećeg faktora varijabla „pristup“ ima najveće faktorsko
opterećenje, logično je da naziv ovog faktora izražava ovu činjenicu, tako da bi njegov
naziv bio „pristup okruženju“.
6. U sprovedenom istraživanju ekstrahovan je i četvrti faktor, kome gravitiraju dve
varijable – „startna pozicija“ i „strategija“. Ovaj, četvrti po redu faktor koji nije
figurirao u polaznim pretpostavkama, objašnjava ih u praktično značajnim procentnim
iznosima od 58,8% i 37,6%. Komunaliteti za ove varijable iznose 0,591 i 0,569, što znači
da ih izdvojeni faktori objašnjavaju sa 59,1% i 56,9%. S obzirom da je reč o varijablama
koje indiciraju prisustvo jednog načina razmišljanja koji sadrži elemente strateške
samosvesti, njegov značaj za dalji rad na formiranju klastera je od izuzetnog značaja.
Kada je reč o naziva ovog faktora, mora se imati u vidu da je njegova veza sa varijablom
„startna pozicija“ jača, što bi naziv trebalo da izrazi, tako da bi četvrti faktor glasio –
“startna konkurentnost”
7. U okviru prve faze istraživanja ustanovljeno je da umesto 15 varijabli sada imamo 4 koje
na najbolji način odslikavaju saradničko ponašanje potencijalnih članova klastera za
preduzetničku aktivaciju mladih. To su varijable:
VI – „zajednica konkurenata“;
VII – „poslovna budućnost sa mladima“;
VIII – „pristup okruženju“;
VIV – „startna konkurentnost“
6.2. K L A S T E R A N A L I Z A
Kao što je već naznačeno, klaster analiza predstavlja pronalaženje grupa objekata takvih da
su objekti u grupi međusobno slični (ili povezani), i da su objekti u različitim grupama
međusobno različiti (ili nepovezani). Dobro razdvojeni klasteri predstavljaju skupove
tačaka, takvih da je bilo koja tačka u klasteru bliže (ili više slična) ostalim tačkama u
klasteru nego tačkama koje nisu u klasteru.
6.2.1. Faktorski bodovi
Polaznu tačku (input) za ovu klaster analizu predstavljaju rezultati dobijeni primenom
faktorske analize, a to su identifikovane zajedničke karakteristike ponašanja potencijalnih
članova klastera za preduzetnički aktivaciju mladih, tj faktori označeni kao ”zajednica
konkurenata”, “poslovna budućnost sa mladima”, “pristup okruženju” i “startna
konkurentnost”. Kao ulazni podaci koriste se faktorski bodovi, koji predstavljaju
kompozitne mere svakog faktora izračunate za svaki subjekt. Sam faktorski bod, koji se
određuje primenom metode glavnih komponenti, kvantifikuje stepen u kojem objekat

30. 30
poseduje karakteristike koje ima sam posmatrani faktor. Dakle ovde se za svaku jedinicu
posmatranja određuje vrednost glavnih komponenata. To znači da svaka jedinica
posmatranja koja ima visok bod na varijablama koje imaju visoka faktorska opterećenja na
nekom od 4 izdvojena faktora, ima i visok faktorski bod na tom faktoru. Faktorski bod
pokazuje dakle meru u kojoj svaka jedinica posmatranja (potencijalni član klastera)
poseduje karakteristike tretiranog faktora. Na osnovu toga, dobija se rezultat da su
unutar jednog klastera kao jedinice posmatranja objekti vrlo slični, dok su pojedini klasteri
međusobno značajno različiti. Ispitanici čiji su odgovori jako slični trebalo bi da budu u
istom klasteru, dok bi ispitanici sa značajno različitim odgovorima trebalo da su u različitim
klasterima. U tabeli koja sledi data su po 4 faktorska bodova za svaku jedinicu posmatranja:
Faktorski bodovi za 123 ispitanika
RB Faktor1 Faktor2 Faktor3 Faktor4 RB Faktor1 Faktor2 Faktor3 Faktor4
1 -,31565 -1,20348 ,65848 ,10787 53 ,84109 -,70668 1,50398 ,01942
2 1,21010 -1,36516 ,63921 ,33872 54 -,45016 1,74115 ,74379 -,27634
3 ,62794 ,31126 -,62273 ,34753 55 -,21743 ,31538 ,43588 -,99310
4 ,12190 ,99414 ,83360 -,97909 56 1,02077 -1,58704 1,73515 ,31081
5 -,74772 ,99385 -,25157 -,16500 57 ,06685 ,92427 ,47671 -,72428
6 -,53527 -,56254 2,02263 -,08239 58 ,92481 1,17719 ,88176 ,18003
7 -,81763 1,12260 -1,33968 1,22799 59 -1,81494 -,04231 ,59072 -,48108
8 1,33845 -,01314 ,68058 ,15724 60 ,58940 -,07082 1,35026 -1,70607
9 ,07333 1,71971 ,00643 ,43257 61 -,97463 ,31788 -1,31064 -1,08577
10 -1,31018 -1,08736 ,30213 1,54115 62 ,92331 -1,62089 -1,73740 1,00811
11 -,34656 ,33718 -,46845 1,78326 63 -,24617 -1,46124 -,71659 -1,46780
12 ,22083 -,37069 -,31889 ,61662 64 ,32257 -,03666 1,71297 -1,03796
13 ,95491 -,36524 ,00570 ,35557 65 1,03838 -,84155 2,37544 -,77754
14 ,35147 ,45441 -,45812 ,38629 66 1,02905 -,19302 -,03743 -1,51180
15 -,33628 -,76780 -,36185 ,08909 67 -2,00708 -,33739 ,07834 ,34640
16 ,65210 1,36314 -,09719 ,08534 68 -1,35555 -,45433 ,57520 ,66433
17 ,51585 ,93485 ,62174 ,31886 69 -,30219 -,36779 -1,15259 ,63948
18 ,72615 1,36087 -,13471 ,41336 70 ,30774 -,99780 1,81845 -1,09271
19 -,20443 ,61368 ,15427 2,31253 71 -2,01275 1,36330 1,33908 ,59673
20 ,94288 ,72175 -,69184 ,70474 72 ,43490 -,54582 1,94415 ,18818
21 ,68900 -,90670 -,21053 2,26310 73 -1,08710 1,31619 -,89822 -,45104
22 -,37643 ,49894 ,44738 ,93381 74 1,05684 ,13604 1,84375 -,23419
23 -,28919 -,05110 -1,11878 2,39049 75 -1,83738 ,01903 1,55753 -,61887
24 -,98835 2,11054 ,89206 ,56531 76 ,27312 -1,49571 ,53449 ,03680
25 ,26123 -1,04824 -,59332 1,48344 77 -1,52624 -1,10522 ,92983 ,19581
26 ,57857 -1,77523 -1,59379 2,73093 78 -,38538 -,15093 -1,48350 ,62811
27 1,02396 ,67621 1,29949 -,12004 79 ,09978 -,66268 ,81234 2,04905
28 ,20978 ,39074 -1,71555 1,08253 80 ,81923 -,06650 ,97902 ,35882
29 -,09156 -,38962 1,32186 ,02427 81 -,29961 ,78419 -1,58968 1,29388
30 ,28054 1,61592 ,20458 ,79979 82 -,43298 -,22243 1,57891 -,12672
31 -,30635 1,04191 -,81776 2,30946 83 1,54827 -1,89261 1,08831 1,67488
32 1,33778 ,64384 ,61001 1,21120 84 -1,83975 -,61692 -,30948 -,42416
33 -1,72501 2,36862 ,38287 ,06989 85 ,87420 ,49314 -,54811 -,75257
34 -,97788 -,86397 ,12971 1,79489 86 -1,46929 ,09794 -,60345 -,22781
35 ,24576 1,14202 ,11275 -,49641 87 -1,91379 -,61466 -,27196 -,75217
36 ,79573 ,70765 ,89690 -,74278 88 ,95405 -,17213 -1,51361 -1,04832
37 ,05826 ,58502 -,01562 ,18918 89 -1,94336 -,76690 ,34192 -1,60824
38 -,25747 -1,70803 ,77561 ,21088 90 1,04740 -,01011 -,16790 -,72462
39 ,94869 -1,48126 ,16097 ,64249 91 ,95405 -,17213 -1,51361 -1,04832

31. 31
40 ,47587 -1,58575 ,29621 ,39512 92 ,88001 -,16987 -1,47610 -1,37633
41 -1,29049 2,25244 -,00627 -,16603 93 -,61959 ,45177 ,67092 -1,86038
42 -1,52386 -,22506 1,13511 -,85844 94 -,54481 ,78540 ,38422 ,88265
43 -,47084 -,02620 1,23184 -,88169 95 ,64769 -1,04528 -,73914 1,18503
44 ,57805 1,36540 -,05968 -,24267 96 ,97777 1,24946 ,81476 ,38239
45 ,49889 1,10687 -,60372 2,09627 97 1,11631 -,00635 ,79313 -,82680
46 ,04744 -1,49422 1,20050 ,26974 98 ,48471 1,20338 -1,40539 -,56637
47 1,04159 ,65289 ,76008 -,10086 99 -1,78498 -1,20739 -,37258 -,49151
48 ,72101 1 ,36690 ,86384 -,01684 100 -2,09240 -,74375 -1,09674 -1,47278
49 1,31084 ,12168 ,24815 1 .33748 101 -1,85809 -,79984 -,17900 -1,21134
50 ,34046 -1,07119 -1,14548 -,09454 102 -1,81824 -1,08356 -1,43235 ,10544
51 -,90454 -,07705 ,68049 ,97055 103 ,88001 -,16987 -1,47610 -1,37633
52 -1,00559 ,94159 ,69931 ,42197 104 -1,91672 -1,23956 -1,77951 -,64844
105 -,81670 1,67607 ,56254 ,12871 110 1,02297 -,16837 -,55258 -1,15050
106 ,47958 1,20940 -,40683 -,99656 111 ,88001 -,16987 -1,47610 -1,37633
107 -1,77376 -1,23806 -,85599 -,42261 112 ,96014 -,19678 -,99847 -1,40962
108 ,93513 -1,92149 -,43463 -,30865 113 -1,74933 -1,07980 -,47131 ,00326
109 1,11022 ,01830 ,27799 -,46550 114 1,14720 -,76614 -,01410 -1,22904
115 ,88001 -,16987 -1,47610 -1,37633
116 ,88001 -,16987 -1,47610 -1,37633
117 ,50914 1,36164 -1,02071 -,14049
118 ,48471 1,20338 -1,40539 -,56637
119 1,06098 -,71457 -1,00688 -,83446
120 ,00649 -1,33442 ,07068 -,41918
121 1,02297 -,16837 -,55258 -1,15050
122 ,73124 ,49164 -1,47163 -,97840
123 ,50914 1,36164 -1,02071 -,14049
6.2.2. Mera udaljenosti (distance)
Koncept udaljenosti (distance) odnosno sličnosti blizak je mnogim statističkim tehnikama.
Mere distance odnose se na različitost (udaljenost) dve jedinice posmatranja prema datoj
mernoj osobini, npr. u slučaju ovog istraživanja to bi bila udaljenost dva potencijalna člana
klastera u pogledu sopstvenog odnosa prema “poslovnoj budućnosti sa mladima”. Postoji
veći broj različitih mera udaljenosti ili sličnosti između jedinica posmatranja. U ovom
istraživanju meri se maksimalna razlika između posmatranih jedinica u različitim
klasterima. Kao mera se koristi EUCLID – EUCLIDAN DISTANCE, tj. standardna euklidska
udaljenost koja se računa kao kvadratni koren iz sume kvadriranih razlika vrednosti za
svaku varijablu.
Mere sličnosti pokazuju bliskost između dve jedinice posmatramka. Za bliske, srodne
objekte mere udaljenosti su male, dok su mere sličnosti velike. Mere udaljenosti su
zapravo mere nejednakosti sa većim vrednostima koje pokazuju manje sličnosti. One se
fokusiraju na veličinu vrednosti. U klaster analizi ovi koncepti su od izuzetne važnosti,
budući da se na njima zasniva formiranje klastera. Izbor mere udaljenosti u ovoj klaster
analizi zasnovan je na osobinama varijabli (rezultati faktorske analize), te algoritmu za
formiranje klastera (K-means – grupisanje na osnovu najbližeg centroida).

32. 32
6.2.3. K-means (k-sredina) metoda klasterovanja
Osnovni problem u klaster analizi je odgovor na pitanje: Koji je to optimalni broj klastera?
Ne postoji neko univerzalno rešenje prilikom određivanja broja klastera, već se broj
klastera određuje u zavisnosti od potreba. Praktično, ovde se traži struktura podataka za
grupisanje multivarijatnih karakteristika u klastere. Cilj analize je pronalaženje optimalnog
broja grupa kod kojih su karakteristike unutar svakog klastera slične, ali se različiti klasteri
međusobno razlikuju. Pri tom se pretpostavlja da se može pronaći prirodan način
grupisanja koji je smislen za istraživača. U klaster analizi s ne zna unapred ni broj grupa,
niti su grupe unapred poznate. Glavna prednost ove analize je to što može da predloži
grupisanje koje inače ne bi bilo uočljivo.
Postoji veći broj metoda grupisanja, čija je osnovna podela na hijerarhijske i
nehijerarhijske. Hijerarjijska daje za krajnji rezultat dendogram, tj. stablo povezivanja. Ovde
se prvo vrše izračunavanja udaljenosti svih jedinica međusobno, a zatim se grupe formiraju
putem tehnika spajanja (aglomeracija) ili razdvajanja (deljenje).
Za potrebe ovog istraživanja primenjena je nehijerarhijskih metoda (Partition
clustering), koja je karakteristična po tome što se raščlanjivanje odvija na način da jedinice
mogu da se kreću iz jedne u drugu grupu u različitim fazama analize. To je podela skupa
podataka u nepreklapajuće podskupove (klastere), takve da je svaki podatak tačno u
jednom podskupu. Postoji mnogo varijacija u primeni ove tehnike, ali poenta je da se prvo
pronađe tačka grupisanja oko koje se nalaze jedinice, na više ili manje proizvoljan način, a
zatim se izračunavaju nove tačke grupisanja na osnovu prosečne vrednosti jedinica.
Jedinica posmatranja se tada pomera iz jedne u drugu grupu ukoliko je bliža
novoizračunatoj tački grupisanja. Proces se odvija iterativno, sve do postizanja stabilnosti
za unapred zadani broj grupa.
Najpoznatija nehijerarhijska metoda je K-means (K-sredina) klaster analiza ili brza
klaster analiza koja iterativnim postupkom omoućava grupisanje velikog broja objekata.
Suština K-means problema je da se pronađe centar grupisanja koji smanjuje odstupanje
unutar klase, tj. zbir kvadrata rastojanja od svake tačke grupisanog podatka do njegovog
centra grupisanja (njemu najbližem centru). Jedan od najpopularnijih metoda za
nehijerarhijsko klasifikovanje je metod k-means algoritam. Termin "k-means" koristi se za
objašnjavanje procesa dodeljivanja svake observacije u klaster (od k klastera) sa najbližim
centroidom (srednja vrednost). Ovaj proces se zasniva na izračunavanju centroida klastera,
na osnovu trenutnih veza između klastera. Karakteristike ovog metoda klasterovanja
sastoje se u sledećem::
a) Predstavlja model sa prototipom;
b) Svakom klasteru je pridružen centroid (centralna tačka)
c) Svaka tačka je dodeljena klasteru sa najbližim centroidom;

33. 33
d) K – broj klastera koji mora da se navede;
e) Osnovni algoritam je vrlo jednostavan
Kod ove analize, odluka o broju klastera donosi se na osnovu analize varijanse. U
empirijskoj analizi se najčešće polazi od pretpostavke da postoje dva klastera i izvrši se test
statističke značajnosti. Test statističke značajnosti u analizi varijanse ispituje varijabilnost
između grupe s varijabilnošću unutar grupa testiranjem hipoteze da se sredine između
grupa međusobno razlikuju uz određeni nivo signifikantnosti. Cilj je da se sredine za
određene objekte signifikantno razlikuju između grupa. Signifikantnost se testira F
odnosom i p vrednošću. Broj klastera se povećava, uz testiranje značajnosti, sve dok se ne
dobiju statistički signifikantni rezultati (F odnos veći ili jednak tabličnom ili p vrednost niža
od nivoa greške prve vrste), te posmatrane jedinice – potencijalni članovi klastera za
preduzetničku aktivaciju mladih – svrstaju u klastere.
U analizi je najpre razmatran model grupisanja sa dva klastera. Analiza varijanse
pokazuje da li postoje statistički značajne razlike između formiranih klastera (grupa) s
obzirom na svaku varijablu posebno Analizom varijanse je izvršeno testiranje opravdanosti
ovakvog modela i rezultati ANOVE prezentirani su u tabeli koja sledi:
ANOVA8 - Analiza varijanse za model sa dva klastera
Faktor Sume kvadrata odstupanja F P
vrednostIzmeđu klastera df Unutar klastera df
1. “Zajednica konkurenata” 3,825 1 ,977 121 3,917 ,050
2. “Poslovna budućnost sa mladima” 30,557 1 ,756 121 40,434 ,000
3. “Pristup okruženju” 8,499 1 ,938 121 9,060 ,003
4. “Startna konkurentnost” 32,324 1 ,741 121 43,615 ,000
Kod prvog faktorskog boda empirijska p vrednost je veća od 0,05 i zaključuje se da se
sredine između grupa (klastera) statistički značajno ne razlikuju i da nije moguće
prihvatiti model grupisanja potencijalnih članova klastera u dva klastera.
Sledeći model koji se testira odnosi se na tri klastera. Analiza varijanse, kao i u
prethodnom slučaju, pokazuje da li postoje statistički značajne razlike između formiranih
klastera (grupa) s obzirom na svaku varijablu posebno Analizom varijanse se testira
opravdanost ovakvog modela i rezultati ANOVE prezentovani su u tabeli koja sledi:
8 Isto kao pod 9.

34. 34
ANOVA9 - Analiza varijanse za model sa tri klastera
Faktor Sume kvadrata odstupanja F P
vrednostIzmeđu klastera df Unutar klastera df
1. “Zajednica konkurenata” 19,546 2 ,691 120 28,290 ,000
2. “Poslovna budućnost sa mladima” 15,910 2 ,751 120 21,171 ,000
3. “Pristup okruženju” 10,574 2 ,840 120 12,581 ,000
4. “Startna konkurentnost” 26,222 2 ,580 120 45,238 ,000
Za testirani model sa tri klastera kod sva tri faktorska boda empirijska p vrednost je niža od
0,05, što znači da je postignut cilj da se proseci koje svaki klaster ima na pojedinim
faktorima ili dimenzijama statistički signifikantno razlikuju. Stoga se model tri klastera
smatra statistički opravdanim. Klasifikacija u klastere prema ovom modelu prezentirana
je u tabeli kako sledi:
K-Means klastersko rešenje dobijeno korišćenjem faktorskih bodova
RB10 Klas-
ter
Rasto
-janje11
RB Klas-
ter
Rasto
-janje
RB Klas-
ter
Rasto
-janje
RB Klas-
ter
Rasto
-janje
RB Klas-
ter
Rasto
-janje
1 1 3,008 16 3 2,625 31 1 3,082 46 2 1,971 61 2 1,646
2 2 2,387 17 3 2,683 32 2 3,061 47 2 2,302 62 3 2,995
3 2 2,136 18 3 2,722 33 3 ,000 48 3 2,688 63 1 1,770
4 3 3,295 19 1 3,090 34 1 2,664 49 1 3,077 64 2 3,474
5 3 2,570 20 1 3,360 35 3 2,405 50 1 2,956 65 2 1,291
6 3 1,817 21 1 1,703 36 2 2,156 51 3 2,748 66 2 ,000
7 2 1,778 22 3 2,463 37 3 2,556 52 3 1,667 67 2 2,604
8 3 2,585 23 1 2,017 38 2 2,443 53 3 1,158 68 3 2,752
9 2 2,127 24 3 1,055 39 2 2,709 54 2 1,205 69 3 2,915
10 3 1,982 25 1 1,785 40 2 2,563 55 3 1,506 70 1 2,707
11 1 2,735 26 1 ,000 41 3 ,640 56 2 2,593 71 2 ,984
12 1 2,863 27 2 1,973 42 3 2,863 57 2 1,466 72 3 1,512
13 2 2,671 28 1 2,749 43 2 2,064 58 3 2,436 73 2 1,253
14 3 2,964 29 2 1,798 44 3 2,570 59 2 2,690 74 3 1,851
15 2 3,184 30 3 2,270 45 1 3,114 60 3 2,483 75 2 1,239
RB Klas-
ter
Rasto
-janje
RB Klas-
ter
Rasto
-janje
RB Klas-
ter
Rasto
-janje
RB Klas-
ter
Rasto
-janje
76 3 2,718 91 2 2,676 106 3 2,822 121 2 3,028
77 2 2,251 92 2 3,956 107 3 3,845 122 3 3,754
78 2 3,112 93 2 3,958 108 2 3,048 123 3 2,832
79 1 2,829 94 2 2,915 109 2 2,289
80 1 2,779 95 3 2,135 110 2 3,028
81 2 1,972 96 1 1,913 111 2 3,958
9 Isto kao pod 9.
10 RB – Redni broj ispitanika od 1 do 123.
11 Rastojanje od centroida

35. 35
82 1 3,064 97 2 2,856 112 2 3,494
83 2 1,899 98 2 1,792 113 3 3,553
84 2 3,006 99 3 3,137 114 2 2,435
85 3 3,106 100 3 3,698 115 2 3,958
86 2 3,218 101 3 3,794 116 2 3,958
87 3 2,507 102 3 3,466 117 3 2,832
88 3 3,169 103 1 3,625 118 3 3,137
89 2 3,956 104 2 3,958 119 2 3,385
90 3 3,563 105 1 4,239 120 2 2,598
Pod klasterom zasnovanim na centru podrazumeva se skup objekata takvih da je bilo koji
objekat u klasteru bliže (ili više sličan) prototipu (“centru”) klastera u odnosu na
prototipove (centre) ostalih klastera. Centar klastera je centroid - prosek svih tačaka u
klasteru), ili medoid - najreprezentativnija tačka u klasteru. Centar klastera predstavlja
aritmetičku sredinu svih varijabli izračunatu na osnovu objekata koji čine klaster. Finalni
centri klastera i uticaj svakog od faktora po pojedinim klasterima dati su u tabeli kako
sledi:
Finalni centri klastera i uticaj faktora
Faktor Klaster
1 2 3
1. “Zajednica konkurenata” -,06232 ,60229 -,64867
2. “Poslovna budućnost sa mladima” -,35770 -,41781 ,64619
3. “Pristup okruženju” -,76286 ,37927 -,05437
4. “Startna konkurentnost” 1,33100 -,44974 -,14418
Iz tabele koja sledi a koja prikazuje rastojanje između finalnih centara klastera, može se
videti da je najveće rastojanje između drugog i ostala dva klastera:
Rastojanja između finalnih centara klastera
Klaster 1 2 3
1 2,218 2,007
2 2,218 1,726
3 2,007 1,726

36. 36
6.2.4. Interpretacija rezultata klaster analize
Primenom faktorske i klaster analize potencijalni članovi klastera za preduzetničku
aktivaciju mladih grupisani su u tri klastera, što je dato u tabeli koja sledi:
Broj ispitanika po klasterima
Klaster
1 23,000
2 53,000
3 47,000
Broj posmatranih jedinica 123,000
Missing ,000
Prvi klaster sastoji se od 23 ispitanika i po veličini čini 18,7% od ukupnog broja ispitanika..
Karakteriše ga direktna pozitivna veza sa faktorom4 – “startna konkurentnost”, koji govori o
strateškoj samosvesti potencijalnih članova klastera. Ovaj klaster nalazi se pod direktnim
uticajem četvrtog faktora, pri čemu ima negativnu vezu sa sva tri ostala faktora. Očigledno
je da su ispitanici koji su svrstani u ovaj klaster najmanje poželjni kao partneri za
formiranje novog klastera. Praktično, skoro svaki peti od ispitanika ostvaruje saradnju na
način koji ga svrstava u identifikovani klaster.
Drugi klaster sastoji se od 53 ispitanika i po brojnosti je najveći od tri ustanovljena
klastera, tj. čini 40,1% od ukupnog broja ispitanika. Ovaj klaster ima pozitivnu vezu sa
faktorom3 – „pristup okruženju“, koji govori o pristupu i uticaju na javne politike
potencijalnih članova klastera. Istovremeno, klaster je negativno povezan sa faktorom2, koji
govori o odnosu ispitanika prema pitanju poslovne budućnosti sa mladima, i faktoru 4, koji
govori o njihovoj strateškoj samosvesti. Ono što je od posebne važnosti, to je da je reč o
klasteru koji se nalazi pod direktnim i, po apsolutnoj vrednosti, dominantnim uticajem
faktora 1 – „zajednica konkurentnosti“, koji govori o odnosu ispitanika prema prednostima
zajedničke lokacije.
Treći klaster čini 47 ispitanika, predstavlja drugi po veličini od ustanovljena tri klastera i
predstavlja 38,2% od ukupnog broja ispitanika. Karakteriše ga pozitivna veza, tj. izloženost
pozitvnom uticaju faktora2 – „poslovna budućnost sa mladima“ i negativna veza sa
preostala tri faktora.

37. 37
Ocena osnovnih karakteristika 3 identifikovana klastera
po potencijalu za formiranje klastera za preuzetničku aktivaciju mladih
Karakteristike
Klaster I:
Klaster sa najmanjim
potencijalom
Klaster II:
Klaster sa najvećim
potencijalom
Klaster III:
Klaster sa srednjim
potencijalom
Uticaj faktora 1
Posredan
(slabiji)
Direktan
(dominantan)
Posredan
(jači)
Uticaj faktora 2
Posredan
(slabiji)
Posredan
(jači)
Direktan
Uticaj faktora 3
Posredan
(jači)
Direktan
Posredan
(slabiji)
Uticaj faktora 4 Direktan
Posredan
(jači)
Posredan
(slabiji)