در سال ۱۹۹۵راگاناتان با بررسی دقیق این معیار به این نتیجه رسید که رابطه آنتروپی، در پاره ای از موارد، معیار مناسبی جهت انداز ه گیری تنوع سازمانی محسوب نمی شود او سپس معیاری را با عنوان معیار تجدید نظریافته آنتروپی ارائه داد که دقت، اندازه گیری تنوع شرکت ها را تا حد زیادی افزایش می دهد. معیار مزبور از دو جزء تشکیل می شود:
۱) جزئی که نشان دهنده تعداد بخش هاست.
۲) جزئی که بیانگر چگونگی و میزان توزیع عملیات در بین بخشهای مختلف است.
روابط زیر به ترتیب تنوع مرتبط و غیر مرتبط شرکتها را نشان می دهند:
(۳-۵)
R entropy= تنوع مرتبط
(۳-۶)
U entropy= تنوع نامرتبط
۳-۶- روش تجزیه تحلیل داده ها
در تحقیقاتی که ارتباط بین دو یا چند متغیر اندازه گیری می شود از تحلیل همبستگی استفاده می شود. در این تحقیق چون هدف بررسی ارتباط بین متغیر و وابسته است، از این نوع تحلیل استفاده می شود.
در این تحقیق پس از اجرای مرحله تحقیق کتابخانه ای و میدانی و استخراج اطلاعات کافی از نمونه ها و محاسبه ارزش های هر یک از متغیرهای، با بهره گرفتن از نرم افزارهای Eviews 7 ، به تجزیه تحلیل یافته ها و آزمون فرضیات پرداخته شده است. برای آزمون فرضیه ها از روش تحقیق حداقل مربعات معمولی(OLS) استفاده می شود .

۳-۶-۱ تحلیل همبستگی
تحلیل همبستگی ابزاری است که به وسیله آن می توان میزان ارتباط خطی یک متغیر با متغیر دیگر را اندازه گیری کرد. همبستگی معیاری برای تبیین میزان ارتباط دو متغیر بوده و معمولا با تحلیل رگرسیون به کار برده می شود. موضوع تحلیل همبستگی با دو معیار ضریب همبستگی و ضرب تعیین به شرح ذیل دنبال می شود.
۳-۶-۱-۱ ضریب همبستگی®:
ریشه دوم ضریب تعیین است که می تواند مقادیری بین ۱- و ۱+ را به خود بگیرد و علامت آن همان شیب خط رگرسیون (b) است. یعنی اگر شیب خط رگرسیون مثبت باشد، ضریب همبستگی ® نیز مثبت، و اگر شیب خط رگرسیون منفی باشد، ضریب همبستگی نیز منفی خواهد بود. و اگر (b) صفر باشد، ® نیز صفر خواهد بود.
ضریب همبستگی شدت و نوع رابطه را نیز نشان می دهد. ضریب فوق بر حسب روابط زیر محاسبه می شود:
رابطه ۱الی۴)
(۳-۷)
(۳-۸)
(۳-۹)
(۳-۱۰)
۳-۶-۱-۲ ضریب تعیین (R²):
مهمترین معیاری است که با آن می توان رابطه بین دو متغیر x و y را نشان داد. این ضریب میزان انحراف مشاهدات (y)، با برآورد خط رگرسیون را اندازه می گیرد و بین صفر تا یک در نوسان می باشد، به طوری که مقدار صفر بیانگر آن است که خط رگرسیون هرگز نتوانسته است تغییرات y را به تغییرات متغیر مستقل x نسبت دهد و مقدار یک بیانگر آن است که خط رگرسیون به طور دقیق توانسته است تغییرات y را به تغییرات متغیر مستقل x نسبت دهد. رابطه محاسبه ضریب مذکور عبارت است از:
رابطه ۵الی ۶)
(۳-۱۱)
(۳-۱۲)
در روابط فوق علائم بکار گرفته شده به ترتیب زیر معرفی می شوند:
Y:متغیروابسته X: متغیر مستقل
b:ضریب رگرسیون r: ضریب همبستگی بین X و Y
S_y: انحراف استاندارد متغیر وابسته S_x: انحرا از استاندارد متغیر مستقل
لازم به توجه است که ضریب تعیین در مقایسه با ضریب همبستگی، معیار گویاتری است.
۳-۶-۲ مدل های رگرسیونی:
واژه رگرسیون برای اولین بار توسط گالتون^[۶۱]، در سال ۱۸۷۷ به کار رفت. این واژه به معنی بازگشت بوده و نشان دهنده آن است که مقدار یک متغیر به متغیر دیگری مربوط است. مدلهای رگرسیون براساس این نظریه ساخته شده اند که اگر دو عامل با یکدیگر همبستگی داشته باشند، تغییر یکی با تغییر دیگری قرین خواهد شد. هر چه ارتباط دو عامل مزبور به یکدیگر نزدیکتر باشد، ضریب همبستگی تغییرات آنها بزرگ تر و به حداکثر همبستگی یعنی ۱، نزدیکتر خواهد بود. بنابراین اگر روند گذشته نشان دهد که بین تغییر یک عامل و تغییرات چند عامل دیگر همبستگی معناداری وجود دارد، می توان تصور کرد که در آینده نیز همبستگی مزبور حفظ خواهد شد و اگر ضریب همبستگی مزبور را بدانیم، می توان اندازه تغییر عامل وابسته را نسبت به تغییر عامل مستقل مرتبط با آن، اندازه گیری و پیش بینی کنیم.
در اکثر مدلهای رگرسیونی، معمولا می خواهیم تغییرات یک متغیر را (y) بر حسب تعدادی از متغیرها (xها) که معتقدیم که باعث تغییرات y می شود توضیح دهیم. اغلب این کار را در قالب یک تابع انجام می دهیم:
(۳-۱۳)
۱,۲,…..,N i=1,2,…..,N k=
اندیس k تعداد متغیرهای توضیح دهنده را نشان می دهد. اغلب برای شروع، شکل این تابع را خطی فرض می کنند:
(۳-۱۴)
در اینجا اندیس i نشان دهنده تعداد مشاهداتی است که از هر متغیر در دست داریم. تعداد مشاهدات می تواند بر حسب زمان باشد، در این صورت y_t و x_kt را داریم که هر متغیر در طول سال، فصل، ماه و …. اندازه گیری می شود و خواهیم داشت t,…,1,2 =t به عبارت دیگر y_t و x_kt سری زمانی^[۶۲] می باشند. یعنی یک متغیر واحد که مقادیر آن در فاصله زمانی مورد نظر براساس یک مکانیزم معین (مثلا یک مکانیزم آماری) تولید می شود. در حالت دیگر می توان در یک زمان خاص، برای مثال در یک سال معین، یک متغیر را در یک جامعه آماری اندازه گیری کرد. در این حالت یک مقطع از جامعه را در یک زمان خاص پیمایش کرده ایم که به زبان فنی تر آن را برش مقطعی^[۶۳] می گوئیم.
با اعمال فرض های کلاسیک رگرسیون، مدل مذکور برای یافتن β ها یا ضرایب تابع، برآورد می شود. با نقض فروض کلاسیک با مشکلاتی چون همبستگی پیاپی^[۶۴] جملات اخلال یعنی _t∑ در مدل های سری زمانی و واریانس ناهمسانی در مدل های مقطعی روبرو می شویم. آزمون های آماری در مورد ضرایب، آماره های R² و F رگرسیون و نظایر آن به تعدادی مشاهدات یعنی، T در مورد سری زمانی و N در مورد داده های مقطعی و تعداد پارامترها (βهای) برآورد شده بستگی دارد (۱+K پرامتر یا β در مدل (۱۲) برآورد می شوند)، اغلب با یک مشکل عمومی در این مدلها روبرو می شویم، متغیرهای توضیحی یعنی xها با یکدیگر همخطی دارند که باعث می شود مقادیر درست β ها برآورد نشود و استنتاج با مشکل مواجه شود.
۳-۶-۳ آزمون فرضیه ها
به منظور آزمون فرضیه های پژوهش از مدل رگرسیون استفاده می شود، معمولا مراحل زیر در تشکیل تجزیه تحلیل و تایید مدل رگرسیون رعایت می شود(فرشادفر، ۱۳۸۱):
۱) شناسایی متغیرها.
۲) جمع آوری داده ها.
۳) تعیین رابطه بین متغیرهای وابسته و مستقل.
۴) برآورد پارامترهای مدل.
۵) ارزیابی مفروضات مدل رگرسیون خطی ساده، برای تعیین این که آیا مفروضات مفروضات مدل رگرسیون تامین شده است یا خیر.
۶) آزمون معنی دار شدن مدل.
۷) استفاده از مدل برای پیش بینی .