Förberedelser i SPSS

För att analysera vår data har vi använt oss av statistikprogrammet SPSS. Vi började med att skapa variablerna i undersökningmodellen utifrån de indikatorer som fanns i enkäten. Syftet med att beskriva tillvägagångssättet i detta stycke är för att förenkla för läsaren vad begreppen i de kommande tabellerna står för. En variabel för prestation [PERFORMANCE] skapades ge- nom att de åtta indikatorerna summerades ihop till ett index. De två oberoende variablerna, enabling controls [ENABLING] och constraining controls [CONSTRAINING] skapades ge- nom att vi drog ett genomsnitt på de åtta indikatorerna för respektive styrform. Variabeln för dynamic tension [DYNAMIC] skapades i tre steg. I det första steget beräknades skillnaden mellan enabling controls och constraining controls, där syftet var att kunna analysera utfallet i den deskriptiva statistiken. I det andra steget beräknades värdena om till absoluta tal i syfte att se skillnader i de statistiska testen, då -1 ligger lika långt från 0 som 1. I ett tredje steg multipli- cerade vi de absoluta talen med -1 för att få siffror som var enklare att tolka i de olika regres- sionerna, det vill säga att värdet på dynamic tension gick från -4 till 0, och att en ökning i dy- namic tension även var positiv i regressionsanalysen. Kontrollvariabeln strategisk osäkerhet [STRATEGIC], som sedan inte inkluderades i regressionsanalysen, räknades ut på motsvaran- de sätt genom att vi drog ett genomsnitt på de tre indikatorerna. Slutligen skapades den sista kontrollvariabeln, företagsstorlek [SIZE (LOG)], genom logaritmen av antalet anställda.

7.3 Deskriptiv statistik

Det första steget i analysen består av att studera den deskriptiva statistiken, detta för att börja besvara den första delen av uppsatsens syfte; att beskriva och jämföra vad företag tillämpar för kombinationer av styrformer ur LOC i olika stadier av livscykeln. Vi är först intresserade av att studera hur detta ser ut för samtliga undersökningsobjekt, för att sedan göra detta i de olika livscykelstadierna. I detta steg är vi intresserade av hur frekvensfördelningarna och spridningen ser ut i de inkluderade variablerna i undersökningsmodellen. För att säkerställa att det fanns en inre reliabilitet i de fyra sammansatta variablerna, och ytterligare kontrollera att indikatorerna faktiskt mäter samma sak, kollade vi även på måttet för cronbachs alpha.

Som framgår längst till vänster i tabell 5, har vi fått in fullständiga data från samtliga av de 131 undersökningsobjekten, det vill säga att alla företag som svarat på enkäten har svarat på alla frågor, och att det därför inte finns något partiellt bortfall. Detta är inte så konstigt då vi innan analysen tog bort de företag som inte hade svarat fullständigt. Vi kan även konstatera att det teoretiska och det faktiska intervallet stämmer relativt väl överens, det vill säga att det både finns högt och lågt presterande företag, och att dessa antingen har mycket eller lite formell styrning. Detta innebär att det finns en spridning i hur företagen har svarat på enkäten. På sam- ma sätt kan vi se att medelvärde och median stämmer relativt väl överens för samtliga variabler förutom anställda i absoluta tal, något som är anledningen till att det logaritmerade värdet används. Som framgår av tabellen har genomsnittsföretaget en prestation som ligger ganska högt upp på det teoretiska intervallet, och att både enabling controls och constraining controls har ett värde omkring 4. Sett till hela urvalet har företagen mer begränsande styrning, även om detta är marginellt.

För att se spridningen i den observerade datan har vi studerat standardavvikelse, skewness och kurtosis. Standardavvikelse visar hur mycket observationerna i genomsnitt avviker från medel- värdet, men säger ingenting om hur fördelningen ser ut (Djurfeldt, & Barmark 2009). I vårt fall är utfallen tämligen svårtolkade, då det finns en viss variation i de olika variablernas skala och hur måtten har konstruerats. Detta innebär att det inte blir rättvist att enbart studera detta mått för att konstatera värdenas spridning. Istället tittar vi på skewness och konstaterar att alla variabler förutom antal anställda i absoluta tal har ett värde som ligger mellan -1 och 1, vilket visar att de är normalfördelade. Detta kan även ses grafiskt i histogrammen i bilaga 2. Samman- taget kan vi därför konstatera att det logaritmerade värdet på antalet anställda är mer fördel- aktigt att använda, något som även tidigare forskning menat. Vi kunde på samma sätt konstatera att även kurtosis i de flesta fall ligger mellan -1 och 1, något som innebär att normalfördelnings- kurvan är lagom toppig, vilket även visas i histogrammen i bilaga 2.

Längst ut till höger i tabell 5 finns utfallet för cronbachs alpha. Här kan vi se att värdena för enabling controls och constraining controls överstiger gränsvärdet med god marginal. När det kommer till indikatorerna för prestation ligger värdet på .657, det vill säga att den interna reliabiliteten inte når upp till den önskvärda nivån. Värdet på cronbachs alpha minskar dock om vi tar bort en indikator, oavsett vilken, något som gör att vi har valt att behålla samtliga in- dikatorer som ett index på prestation. Vi gjorde bedömningen att värdet på .657 räcker då detta ligger nära .700, samt att tidigare forskning som använt samma frågor har fått värden som överstiger tumregeln. När det kommer till kontrollvariabeln strategisk osäkerhet är dock värdet på cronbachs alpha så pass lågt att vi inte med säkerhet kan säga att det föreligger en intern reliabilitet i detta mått. Genom att ta bort indikatorn “vi påverkas mycket av kundernas prefe-

renser och efterfrågan“ kommer värdet upp i .534, men det räcker inte för att kunna få ett

tillförlitligt mått, vilket innebär att vi har valt att plocka bort denna kontrollvariabel.

7.4 Multikollinearitet och heteroskedasticitet

Det andra steget består av att analysera multikollineariteten och heteroskedasticiteten. Detta gör vi genom att studera en korrelationsmatris över variablerna i undersökningsmodellen och

kolla på utfallet i en P-P plot. Här har vi på samma sätt först inkluderat alla 131 undersöknings- objekt för att se hur detta såg ut i hela urvalet, något som senare även har gjorts i de olika livscykelstadierna. Som framgår av tabell 6 har vi identifierat fem korrelationer som visar på statistisk signifikans, där den högsta korrelationen finns mellan enabling controls och constrai- ning controls. Denna samvariation är relativt hög, men överstiger inte tumregeln på .700. Vi valde dock att göra ett VIF-test för att ytterligare kontrollera så att det inte förelåg någon multikollinearitet mellan de oberoende variablerna. Toleransen på .717 och VIF-faktorn på 1.394, ligger inom de gränsvärden som används som tumregler, och vi kan konstatera att båda oberoende variablerna kan inkluderas i de multivariata regressionsanalyserna, men att vi måste kontrollera för multikollinearitet även i samtliga livscykelstadier. Utifrån testet av hetero- skedasticiteten, se bilaga 3, kan vi konstatera att variansen i feltermen ökar i takt med regres- sionslinjen och att feltermerna är jämnt spridda över den. Detta innebär att regressionskoef- ficienterna i regressionsanalysen blir mer korrekta.

Tabell 6. Korrelationsanalys för hela urvalet

** Correlation is significant at the .01 level (2-tailed)

Vi valde även att inkludera dynamic tension i korrelationsmatrisen då vi ville se om det fanns en samvariation med någon variabel, men vi behöver inte kontrollera för multikollinearitet då vi i sambandsanalysen gör en enkel linjär regressionsanalys för hypoteserna kring dynamic tension. Som framgår av tabell 6 finns det svaga men icke-signifikanta samvariationer mellan dynamic tension och prestation, respektive mellan dynamic tension och constraining controls, vilket innebär att vi inte kan uttala oss med tillräcklig säkerhet kring vilken samvariation som finns mellan dessa variabler. Det finns utöver detta en signifikant men svag samvariation mel- lan dynamic tension och enabling controls. Något annat vi kan konstatera ur tabell 6 är att det inte finns någon statistiskt signifikant korrelation mellan kontrollvariabeln företagsstorlek och prestation. Vi valde därför att göra en enkel linjär regression mellan variablerna, men kunde inte heller där hitta något signifikant samband. Vi exkluderade därför denna kontrollvariabel för att minska risken för att de oberoende variablerna ska påverkas av detta. Konsekvensen blir att vi inte längre täcker in lika mycket av den okända variansen, något som minskar möjligheten till generalisering.