Empirisk metod

I detta delkapitel presenteras den empiriska metoden som förklarar hur datainsamlingen till studien går till. Enligt Bryman och Bell (2017) är det en viktig del av metodavsnittet att ge en inblick till läsaren om vilka tillvägagångssätt som användes. Nedan förklaras hur teori samlas in och hur data hämtas samt en presentation av urvalet till studien.

3.2.1 Datainsamlingsmetod

Vetenskapliga artiklar och litteratur har använts för att samla in teorier som ligger till grund för denna studie. Studien har en deduktiv ansats och därför har befintliga teorier samlats in. Databaser som Business Source Premier, Google Scholar och Scopus används för att hitta vetenskapliga artiklar inom det aktuella området. Dessa artiklar ligger till grund för den teoretiska referensramen. Sökord med begreppen CSR, lönsamhet, kvinnor, styrelse, (CSR, profit, women, board of directors) har använts för att hitta relevant fakta. Genom att använda sig av vetenskapliga artiklar ökar äktheten av arbetet (Bryman och Bell, 2017). När de första artiklarna togs fram började även deras referenslista undersökas för att enklare finna artiklar inom studiens område.

Studien använder sekundärkällor för att samla in finansiella data. Sekundärkällor är data som redan samlats in av andra forskare, vilket gör det tids- och kostnadseffektivt. Nackdelen kan vara att det blir för mycket data som är svår att tolka (Bryman och Bell, 2017). Thomson Reuters Datastream används för att hämta siffror och data till undersökningen. Enligt Bryman och Bell (2017) är datainsamling genom sekundärkällor en bra metod för den kvantitativa forskningen. De hävdar att det är ett billigt sätt att framställa data och tidseffektivt om tiden är knapp. Däremot kan ett problem vara att data inte är utformad efter studien och lämpa sig för frågeställningarna (Bryman och Bell, 2017). Med tanke på tidsaspekten av denna studie väger fördelarna över och genom att använda sekundärkällor finns det mycket information som redan är publicerad.

Uppgifter om ESG-betyg, lönsamhetsmått, bransch och könsfördelning i styrelsen samlas in från Thomson Reuters. Statistikprogrammet SPSS kommer sedan användas för analys

27 av det insamlade materialet. SPSS är ett vanligt hjälpmedel för att analysera företagsekonomiska data (Bryman och Bell, 2017).

3.2.2 Studiens population, urval och bortfall

Bryman och Bell (2017) menar att population är samtliga enheter som forskaren gör sitt urval från. Syftet med ett urval är att kunna testa i mindre skala för att sedan dra slutsatser och generalisera detta till en större population än det specifika urvalet. Russell (2001) menar att forskaren ska sträva efter att ha en tillräcklig urvalsstorlek i studien eftersom urvalsstorleken kan påverka hur signifikant det statistiska resultatet är. För att beräkna optimal urvalsstorlek i denna studie används Yamane (1967) formel, se Formel 1. Det är en något förenklad formel men ger ändå en uppfattning om hur stort urval som krävs för att kunna dra slutsatser och generalisera resultatet.

Formel 1

: 𝑛 = ^𝑁

(1+𝑁 (𝑒

) n=

n=312

Formeln säger att det minsta urvalet för att göra resultatet generaliserbart är 312 stycken. I denna studie undersöks börsnoterade företag i Norden och efter en genomgång av listor från 2018 uppskattas den totala populationen till 1430 företag per 31 december 2018 (Nasdaq, 2020; Oslobörs, 2020; Thomson Reuters, 2020). För att med säkerhet kunna dra slutsatser som är signifikanta på hela populationen behöver urvalet vara 312 enligt formeln. Denna studie ska undersöka sambandet mellan CSR och lönsamhet och därför är dessa variabler av betydande vikt. Genom databasen Thomson Reuters Datastream finns mycket av data tillgänglig och det första urvalet plockar ut börsnoterade bolag i Norden. Denna studie fokuserar på alla företag som är börsnoterade i de nordiska länderna Sverige, Norge, Finland, Danmark och Island. Eftersom syftet är att undersöka CSR på den nordiska marknaden görs ett urval för de företag som har rapporterade data på lönsamhet och CSR för det aktuella året. Eftersom urvalet grundas på de företag som har

28 rapporterade data blir det inte ett slumpmässigt urval från populationen. För att det ska vara ett slumpmässigt urval ska det finnas lika stor chans för alla i populationen att bli vald (Bryman och Bell, 2017). Med tanke på studiens tidsbegränsning och möjligheten till data som trots allt finns tillgänglig anses urvalet godtagbart.

Tabell 1 beskriver urvalet i studien. Den totala populationen är 1430 företag, av dessa saknar 1273 data för någon av de betydande variablerna. Slutligen blir studiens urval 157 företag som har data på CSR, lönsamhet och andel kvinnor i styrelsen. Det är ett mindre urval än Formel 1 kommer fram till och rekommenderar. Det kan vara ett problem enligt Russell (2001) men samtidigt menar Bryman och Bell (2017) att faktorer som tid och kostnader kan påverka vilken urvalsstorlek som väljs. Många företag saknar data för ESG-betyg men eftersom studiens syfte är att undersöka sambandet på den nordiska marknaden väljs ändå att använda de 157 företag som finns tillgängliga. Eftersom urvalet är mindre än det framräknade genom Formel 1 blir det problematiskt att dra och konstatera slutsatser som gäller för hela populationen. Trots ett mindre urval än det optimala kommer de studiens urval och samband vara av intresse.

Tabell 1: Urval

Börsnoterade bolag i Norden 1430

Saknar värde på ESG -1273

Företag i studien 157

Urvalet som ligger till grund för denna studie är 157 stycken. Data på ESG går att hitta från Danmark, Finland, Norge och Sverige. I Tabell 2 presenteras fördelningen av företag mellan länderna. Studien innefattar 31 företag från Danmark, 25 företag från Finland, 26 företag från Norge och 75 företag från Sverige. ESG-data från företag på Island finns inte tillgänglig från 2018. Från tabell 1 går det att utläsa att Sverige har flest företag och står för 48% av fördelningen i studien.

29

Tabell 2: Fördelning mellan länder

Land Antal (N) Andel (%)

Danmark 31 19,7 Finland 25 15,9 Norge 26 16,6 Sverige 75 47,8 Totalt 157 100,0