Datainsamling

Datamaterialet som samlas in lägger grunden för de variabler som testas, de resultat som erhålls och de slutsatser som dras i ett senare skede av studien (Collis & Hussey, 2014, s. 196; Hartman, 2004, s. 207-209). Därav är datainsamlingen en viktig aspekt för alla studier, oavsett om man försöker tolka materialet för teorigenerering eller testar något empiriskt så är det av stort vikt att datamaterialet är aktuellt och relevant. Data kan kategoriseras som antingen kvalitativ data eller kvantitativ data (Collis & Hussey, 2014, s. 45). Kvalitativ data är icke-numerisk medan kvantitativ data är av numerisk karaktär. Både kvalitativ och kvantitativ data kan vidare uppdelas som antingen diskret eller kontinuerlig. Diskret data kan endast anta ett ändligt antal värden medan kontinuerlig data kan anta ett oändligt antal olika värden (Collis & Hussey, 2014, s. 202).

En ytterligare distinktion kan göras mellan primär- och sekundärdata. Primärdata består av unik data som genererats på egen hand genom exempelvis ett frågeformulär, medan

59

sekundärdata består av data som hämtats från en redan befintlig källa (Collis & Hussey, 2014, s. 196). Båda ovanstående former har för- och nackdelar som är viktiga att känna till. Fördelarna med att använda primärdata är att det går att skräddarsy datamaterialet utefter det som avses studeras, det medför även vetskapen att datamaterialet är aktuellt och pålitligt då forskarna själva formulerat och samlat in datan (Mälardalens högskola, 2016). Nackdelarna kan vara att det blir tidskrävande, det kan vara svårt att nå ut till populationen och forskarna kan sakna tillräcklig kunskap inom området som gör det svårt att veta exakt vilken data som behövs för att besvara studiens frågeställning (Mälardalens högskola, 2016). Fördelar med sekundärdata är att den ofta är lätt att hitta och tar lite tid att sammanställa, det är lätt att erhålla data för en stor målgrupp och ställer inga krav på att forskarna måste ha en viss kunskap inom ämnet vid tillfället då datan samlas in (Mälardalens högskola, 2016). Nackdelarna som kan förekomma vid användning av sekundärdata är att datan inte är anpassad till studiens syfte och problemformulering, det kan finnas ett behov av andra variabler som inte inkluderas i datamaterialet. Vidare är det viktigt att säkerställa att sekundärdatan fortfarande är aktuell och relevant då den inte samlas in av forskarna själva (Mälardalens högskola, 2016).

För denna studie utgjordes det primära behovet av uppgifter om bostadsrättsföreningars redovisningsinformation, resultat och finansiella ställning i övrigt. Med detta som utgångspunkt var den primära källan för datamaterialet till denna studie bostadsrättsföreningars årsredovisningar som de är skyldiga att upprätta enligt gällande regelverk. Studiens datamaterial består därför enbart av sekundärdata i form av utvald, insamlad information från årsredovisningar för den aktuella tidsperioden. Hur datainsamlingen praktiskt genomfördes, vilken rådata som samlades in samt för- och nackdelar med datainsamlingsmetoden redogörs för nedan.

Datainsamlingen för denna studie kan beskrivas som en systematisk process för att både säkerställa kvalité men även effektivitet. Eftersom inget komplett arkiv eller någon databas med komplett redovisningsinformation på förhand existerar för bostadsrättsföreningar finns inget offentligt datamaterial som lätt kan erhållas och användas i studien. Datamaterialet har därför sammanställts manuellt och är i och med detta skräddarsytt för denna studie. Då rådatan skulle hämtas från bostadsrättsföreningarnas årsredovisningar inleddes datainsamlingen med att bygga upp ett arkiv av de tillgängliga årsredovisningarna för urvalet för år 2013 till 2016. Årsredovisningarna lokaliserades via föreningarnas egna hemsidor, om någon sådan fanns, samt Allabrf.se, en analystjänst för bostadsrättsföreningar där merparten av årsredovisningar kunde återfinnas.

Nästa steg i processen var att besluta vilken rådata som manuellt skulle sammanställas för varje räkenskapsår för bostadsrättsföreningarna. Mycket omsorg lades till att definiera och bestämma vilken rådata som behövdes för att sedan kunna generera de variabler som kommer utgås från vid den statistiska analysen. Att definiera och bestämma dessa på förhand, innan den praktiska datainsamlingen skedde var av vikt då en manuell datainsamling på förhand förutspåddes vara väldigt tidskrävande. Därför ansågs det inte vara praktiskt möjligt att i efterhand gå tillbaka och lägga till saknad rådata sett till tidsbegränsningen för studien. En översikt av den rådata som samlades in för studien, från vilken del i årsredovisningen datan hämtades och för vilka år specificeras i Tabell 1 nedan.

60

Tabell 1. Översikt av den rådata som samlades in.

Rådata Från? Tidsperiod Kommentar

Storlek, totalt (kvm) Not/Text Senast tillgängliga. Total yta (lokaler + hyres + BR

m.m.). Oftast för 2016.

Storlek, bostäder (kvm) Not/Text Senast tillgängliga. Bostadsyta (hyres + BR). Oftast

för 2016.

Avgift / Bostadsyta i kvm (eller

dylikt)

Text 2013, 14, 15, 16. Om angivet av föreningen,

uppskattning annars (om

möjligt).

Intäkter, totalt Resultaträkning 2013, 14, 15, 16. Oberoende av inkomsttyp.

Avskrivningar, totalt Resultaträkning 2013, 14, 15, 16. Oberoende av

"avskrivningskälla" (byggnad,

inventarier etc.).

Finansiella poster, netto Resultaträkning 2013, 14, 15, 16. Oftast negativ (räntekostn. >

ränteint.).

Övriga kostnader Resultaträkning 2013, 14, 15, 16. Består av underhålls-, drifts-, förvaltnings-, personalkostnader etc. Alla kostnader som inte är

finansiella eller avskrivningskostnader.

Årets resultat Resultaträkning 2013, 14, 15, 16. -

Tillgångar, totalt Balansräkning 2013, 14, 15, 16. Utgående balans.

Eget kapital, totalt Balansräkning 2013, 14, 15, 16. Utgående balans. Netto.

Skulder, totalt Balansräkning 2013, 14, 15, 16. Utgående balans. Lång- och kortfristiga. De korta oftast

mycket små i förhållande till de långa.

Redovisningsprincip, avskrivning byggnad

Not/Text 2013, 14, 15, 16. Princip som använts under året.

Progressiv, Linjär eller Komponent.

Avskrivningsperiod, byggnad (antal år)

Not/Text 2013, 14, 15, 16. Om angivet. Enbart för själva

byggnaden.

Intäkter, avgifter Not 2013, 14, 15, 16. Intäkter via årsavgifter från boende (BR). Huvudsaklig intäkt för en BRF.

Byggnad, redovisat värde Not 2013, 14, 15. Ingående balans för 2013, samt utgående balans för 2013, 14, 15.

Årets avskrivningar för byggnad

Not 2013, 14, 15, 16. Avskrivningar som härrör från

byggnaden. Oftast stor del eller hela totala avskrivningar.

Ackumulerade avskrivningar, byggnad

Not 2013 Ingående balans för 2013.

Ackumulerade avskrivningar på byggnad. För att beräkna

anskaffningsvärde.

Mark, redovisat värde Not 2013, 14, 15. Utgående balans. Om föreningen äger sin mark.

För att på ett effektivt och strukturerat sätt samla in ovanstående rådata organiserades ett Excel-dokument där hänsyn togs till årsredovisningarnas utformning för att underlätta datainsamlingen och minska risken för misstag på grund av den mänskliga faktorn. Genom funktioner i Excel infördes även kontroller för att identifiera eventuella felaktigheter på grund av den manuella processen som användes. När väl rådatan var beslutad, Excel-dokumentet var strukturerat och kontrollåtgärder var implementerade genomfördes datainsamlingen rent praktiskt genom en manuell genomgång och sammanställning av rådatan från årsredovisningarna. Totalt samlades data för 831

61

räkenskapsår fördelat på 222 bostadsrättsföreningar. Datamaterialet utgjordes totalt av cirka 13 000 datapunkter med rådata fördelat över perioden 2013 till 2016.

Datamaterialet består i och med detta, i ren teoretisk mening, enbart av sekundärdata. Teoretiskt ska denna vara lätt att identifiera, den tar lite tid att sammanställa och det är lätt att erhålla data för en stor målgrupp. Nackdelar med sekundärdata är att datamaterialet inte är direkt anpassat till den specifika studien och att det kan vara svårt att säkerställa kvalitén på datan. Om än rådatan i denna studie teoretiskt klassas som sekundärdata kan det argumenteras för att datamaterialets karaktär mer liknar primärdata. Via att rådatan anpassats till studiens utformning med en tidskrävande manuell process har ett skräddarsytt material samlats in och sammanställts som inte fanns tillgängligt att erhålla via befintliga databaser. Den manuella hanteringen säkerställde att datamaterialet var aktuellt och pålitligt. Detta i kombination med författarnas bakgrund kring redovisning och det aktuella området gjorde det möjligt att urskilja vilken rådata som behövdes och skulle samlas in för den statistiska analysen. I ren praktisk mening kan därför datamaterialet sägas utgöra en blandning mellan sekundär- och primärdata, men att det huvudsakligen uppvisar fler karaktärsdrag som stämmer överens med primärdata.