Faktoranalys

Steg ett för faktoranalysen är att göra en analys av korrelationen mellan de variabler man önskar reducera till ett färre antal, eller tror har någon form av underliggande teoretisk struktur. Detta görs för att försäkra att variablerna är lämpliga att utföra en faktoranalys med. I figur 29 nedan visas en bild över korrelationer för samtliga variabler, där det utläses att flera av de undersökta variablerna korrelerar starkt med varandra. Korrelationen utläses genom att titta på värdena i korrelationsmatrisen, där värde nära 1 indikerar hög korrelation och värde nära 0 betyder att det inte råder korrelation. Värdet för flertalet variabler indikerar tämligen hög korrelation (över 0,5), vilket betyder att det finns anledning att undersöka om det går att påvisa existens av underliggande faktorer som kan användas för att förklara flera av de undersökta variablerna. Om det är fallet är en faktoranalys i någon form lämpligt.

58

Figur 29. Pearson-korrelationsmatris för beroendevariablerna.

Det efterföljande steget är att säkerställa att de variabler som samlats in är passande att analysera med hjälp av faktoranalys. Detta undersöks genom att göra ett Kaiser-Meyer-

Olkin-test (KMO) och Bartletts test av sfäricitet. KMO-testet räknas fram genom att mäta

den proportion av varians hos variablerna som skulle kunna vara varians som delas med andra variabler i faktoranalysen (common variance). Högre KMO-värden innebär större kompabilitet mellan variablerna och faktoranalys och KMO-testets resultat returneras som ett värde mellan 0 och 1, där ett resultat över 0,8 brukar ses som en stark indikation att någon form av faktoranalys är lämplig. Bartletts test av sfäricitet jämför korrelationerna ur matrisen för Pearson-korrelation (figur 30) för att undersöka gemensam varians. Enkelt beskrivet undersöker testet huruvida det finns ett överflöd av variabler som kan summeras ihop av gemensamma faktorer. Med andra ord ger testet svart på vitt om faktoranalys är tillämpbart. Bartletts test bör vara statistiskt signifikant på mindre än 5 procents nivå, vilket det är i detta fall. I figuren (30) visas resultaten från dessa test, där både KMO-testet och Bartletts test ger klartecken för att gå vidare med faktoranalysen.

59

Figur 30. Kaiser-Meyer-Olkin-test och Bartletts test.

Nästa steg är att bestämma hur många faktorer som ska användas som grund för analysen. För att bestämma detta gjordes en inledande faktoranalys i Minitab där de 17 beroendevariablerna (självskattningsfrågorna om ekonomistyrningskunskaperna) testades. Faktoranalysen resulterade i 17 olika gemensamma faktorer, men endast några av faktorerna gav acceptabla värden. För att avgöra vart gränsen för antalet faktorer ska dras finns det olika tumregler för tillvägagångssätt, där det första är att utesluta de faktorerna som har ett egenvärde (eigenvalue), eller varians, som understiger 1. Vilka faktorer som överskred egenvärde 1 och därmed valdes att ha kvar illustreras i figur 31, där en s.k. Scree Plot visar att faktor 4 ligger under egenvärde 1. Den streckade linjen i figuren illustrerar interceptet där faktorns egenvärde understiger 1. Alla faktorer till höger om den streckade linjen exkluderas på grund av deras för låga egenvärden. Slutsatsen blev att tre faktorer ska innefattas av faktoranalysen.

60

För att bestämma metod för rotation av komponenterna utfördes en försöksanalys för de tre utvalda faktorerna med s.k. oblique rotationsmetod, i detta fall direkt oblimin-metod. Detta är den vanligaste metoden men rotationsmetoden promax är också en s.k. oblique

rotationsmetod som kan användas med liknande resultat. Ur resultatet för denna analys

kontrolleras komponentkorrelationen (illustrerad i figur 32), varvid det konstateras att korrelationen överstiger 0.32 för samtliga faktorer och valet att använda oblique rotation är rättfärdigat (Tabachnik och Fiddell (2007) (i Brown, 2009)).

Figur 32. Komponentkorrelationsmatris.

I figur 33 visas de tre faktorer som har ett egenvärde över 1. De värden som visas är tagna ur den roterade komponentmatrisen och som nämnts tidigare är de roterade med oblique

rotationsmetod (direkt oblimin) i SPSS 26. Resultatet roteras för att ge ett mer intuitivt

och tolkningsbart resultat för vilka variabler som i hög grad ”delar varians” och därmed ingår som huvudkomponenter i respektive faktor. För den intresserade läsaren finns det ickeroterade resultatet av faktoranalysen som bilaga (3) längst bak i uppsatsen. Genom att undersöka vilka variabler som i hög grad delar varians och ingår som huvudkomponenter i respektive faktor kan man skapa sig en bild vad denna faktor egentligen symboliserar. Detta är också en viktig del i faktoranalysen, kombinationen av variabler bör vara teoretiskt logisk. Som en liknelse kan man säga att om vi hade ställt frågor om frukters smak istället för kunskaper i ekonomistyrning borde olika typer av äpplen dela varians med andra typer av äpplen, och päron med päron.

61

Figur 33. Matris för de roterade faktorladdningarna.

Ur den roterade komponentmatrisen utläses att variablerna för kunskaper inom kulturskapande, värdebaserad styrning, utformning av vision och mission samt kulturpåverkande symboler till störst del förklaras av faktor 1. Med detta menas att företagen som skattar sina kunskaper högt inom ett av dessa områden med större sannolikhet skattar sig högt inom de andra områdena, och vice versa. Att dessa variabler uppvisar denna typ av samband är inte helt oväntat, då det kan antas att ett företag som anser sig själva ha goda kunskaper inom kulturskapande också har goda kunskaper inom kulturpåverkande symboler, och likadant om de har bristande kunskaper inom en av variablerna avspeglas detta sannolikt även inom resten av klustrets variabler. Alla de fyra variablerna som förklaras mest av kompetensfaktor 1 är av abstrakt karaktär och relaterade till företagskultur och kulturskapande. Kompetensfaktor 1 benämner vi därför ’företagskultur’. Vidare undersökning och hypotesprövning kring de bakomliggande

62

orsakerna till förekomsten av dessa faktorer bland de tillfrågade företagen sker senare i kapitel 5 när resultaten av regressionsanalys och t-tester redovisas.

De variabler som till störst grad förklaras av faktor 2 är organisationsstruktur- och design, verksamhetsutformning, detaljstyrning av medarbetare samt incitament- och belöningssystem. Denna faktor illustrerar den underliggande, gemensamma faktor som förklarar företagens kunskaper inom organisatorisk utformning och uppbyggnad. Då de fyra variablerna som främst förklaras av faktor 2 alla hör till olika delar av den organisatoriska delen av ekonomistyrning ger vi denna kompetensfaktor namnet ’Organisation’.

Faktor 3 är en representation av underliggande faktor för tre av de finansiella aspekterna av företagens ekonomistyrning, prestandajämförelse (benchmarking), intern redovisning, samt budgetering. Att inte kalkylering förklaras av denna faktor tillsammans med de andra finansiella variablerna är noterbart, men har förmodligen att göra med den genomgående högt skattade kunskaperna för kalkylering hos företagen. Tillverkande företag kan antas vara i behov av precisa kalkyleringsmodeller, vilket också indikeras i den deskriptiva statistiken för kalkylering där den övervägande majoriteten anser sig ha goda kunskaper inom kalkylering. Faktoranalysen hittar därför inget samband mellan hög skattning inom kalkylering och de andra variablerna. Kalkylering ser vi därför som ointressant i just denna analys kring bakomliggande typer av kompetensfaktorer inom ekonomistyrning, då det inte säger oss någonting förutom att små tillverkningsföretag tycker sig själva ha goda kunskaper inom kalkylering. Faktor 3 ges därför namnet

’finansiella instrument’.

För varje faktor beräknas ett faktorvärde fram för varje företag, och som nämnt i avsnitt 3.3.9 görs detta genom användning av regressionsvärden. Faktorernas värde utvinns på detta vis från faktoranalysen och ger oss sammanvägda faktorvärden som är kompatibla för vidare analys av variablerna utan att behöva testa varje ingående variabel (de 17 frågorna kring ekonomistyrningskunskaper) enskilt. Vid användning av regressionsvärde som faktorvärderingsmetod presenteras faktorvärdet på en skala mellan -3 och 3, där -3 är lägst och 3 är högst. Varje företags skattningssvar bryts ner till ett faktorvärde, där detta värde förklarar alla svar för de frågor som förklaras till störst del av faktorn. Alltså indikerar ett värde nära -3 för faktor 1 (företagskultur) att företaget i fråga anser sig ha bristande kunskaper inom företagskultur, medan ett värde nära 3 betyder att de har skattat

63

sig högt inom ekonomistyrningskompetens relaterat till företagskultur. Faktorvärdena för varje faktor och företag (119 företag med tre faktorer var) presenteras ej i uppsatsen då de tar för stor plats för att inkludera.