För att veta vilka beräkningar som ska göras i en undersökning är det viktigt att veta vilken typ av variabel som används. Det finns dels kvalitativa variabler; ordinal- och nominalvariabler, och dels kvantitativa variabler i form av kvot- och intervallvariabler.
Ordinalvariabler är sådana variabler som går att rangordna. Ett exempel på sådana variabler är när attitydskalor används (skala 1-5). Nominalvariabler används när det inte går att rangordna variabelvärdena. Ett exempel på detta är man och kvinna. Finns det endast två alternativ som i senaste exemplet kallas det även för en dikotom variabel. Kvot- och intervallvariabler kan alltid mäta avstånd och rangordnas. Exempel på dessa variabeltyper är antal barn och inkomst.106
Variablerna i vår undersökning har bestått av de olika frågor vi har ställt i vår enkät samt vilken företagstyp, som är en nominal- eller dikotom variabel, det har varit. Nedan följer en tabell över vilka typer av variabler som de olika frågorna har haft;
Nominalvariabler 4, 8, 9, 13, 15, 18 och 19.
Ordinalvarialber 6, 7, 10, 11, 12, 14 och 16.
Kvotvariabler 2, 3, 5 och 17.
Vi har även använt oss av två kontrollvariabler, i form av antal anställda och omsättning, för att se om svaren på frågorna har något samband med dessa. Båda dessa variabler är kvotvariabler. Observera att fråga 1 i enkäten inte är en variabel i sig utan är till för att sålla ut vilka företag som är ägarledda. Det är således endast ägarledda företag som finns representerade i våra siffror. Inga företag har därmed ett moderbolag som huvudägare.
106 Djurfeldt, G. et al (2010) Statistisk verktygslåda 1.
27 3.5.2 Kodning
För att kunna bearbeta data statistiskt är kodning av enkäter viktigt. Varje svarsalternativ ska tilldelas ett numeriskt värde.107
För att upprätta kodningen har vi gjort en kodningsmanual (se bilaga 4). Kodningsmanualen har lagts in i det dataprogram som vi använt oss av, och därmed har vi inte behövt skriva in koderna manuellt. Kodningen kring företagstyp har vi dock fått lägga in på egen hand. En del omkodningar skedde för att minska kategorierna och därmed höja det så kallade förväntade värdet (se bivariat analysmetod under 3.6.2 där en utförligare förklaring till varför omkodning behövts presenteras).
3.6 Analysmetoder
Det program som vi har använt oss av för att analysera det insamlade materialet är SPSS.
3.6.1 Univariat
En univariat analys innebär att forskaren studerar en variabel i taget för att få fram dess medelvärde, variation, fördelning, centraltendens samt spridning108. Vi har använt oss av tabeller för att först åskådliggöra olika svar; såsom hur många gasellföretag som har externa styrelseledamöter. Vi har använt medelvärde, median och fördelning i form av procenttal som visar skillnader mellan de undersökta företagsgrupperna.
3.6.2 Bivariat
En bivariat analys handlar om att forskaren analyserar två variabler i taget för att se hur de två är relaterade till varandra.109 Vi har i vår undersökning främst testat skillnaderna mellan företagstyperna och de olika svaren på frågorna i enkätundersökningen. Det vill säga att vi har använt en kvalitativ nominalvariabel som en av de två variablerna i de bivariata testen.
Vid bivariata analyser görs olika test för att se om det finns en signifikant skillnad mellan två olika grupper. Vilket test som görs beror på vilka variabler som används. När två kvalitativa variabler testas görs korstabuleringar mellan de kvalitativa variablerna. Detta leder till att ett så kallat Chi-square test kan användas som testar om det finns en signifikant skillnad mellan grupperna. Om den förväntade frekvens är lika med 0 eller om mer än 20 procent av
107 Jacobsen, I. (2007)
108 Djurfeldt, G. et al (2010)
109 Bryman, A. och Bell, E. (2005)
28 kategorierna har en förväntad frekvens som är mindre än fem ska inte chi-square användas. I dessa fall måste kategorierna slås samman för att öka de förväntade frekvenserna. Detta går inte vid fyrfältstabeller (test mellan två dikotoma variabler). Då kan istället Fisher´s exakta test användas.110
När en kvantitativ och en kvalitativ variabel testas mot varandra används ett så kallat t-test. T-testet visar om det finns en signifikant skillnad i medelvärdet mellan två grupper.111 För att se hur sambandet ser ut mellan två variabler i en hel population kan Pearsons r och Spearmans rho användas. Pearsons r används vid jämförelse mellan två kvantitativa variabler. Spearmans rho används mellan två kvalitativa variabler eller mellan en kvantitativ och en kvalitativ variabel. Testen visar hur variablerna korrelerar, det vill säga om det finns ett samband, med varandra och om denna korrelation är statistiskt signifikant.112
Vi har främst testat skillnader mellan variabeln företagstyp (kvalitativ variabel) och både kvantitativa och kvalitativa variabler. Detta innebär att vi har använt oss av dels chi-square test och dels t-test för att kunna påvisa om det har funnits någon signifikant skillnad mellan gasell- och mössföretag. I resultatavsnittet kommer det att framgå vilket test som har använts på vilken fråga. En del variabler har kodats om på grund av att det förväntade frekvensen har varit mindre än fem i mer än 20 procent av kategorierna. Omkodningen har skett genom att vi har fört samman svaren, om möjligt, till två kategorier och sedan gjort ett nytt bivariat test. På de femgradiga skalorna har vi fört samman svar 1 och 2 till 1, svar 3 till 2 samt svar 4 och 5 till 3. Vi har även testat samband mellan andra variabler med hjälp av Pearsons r och Spearmans rho för att se om skillnaderna i svaren kan bero på något annat än företagstypen.
Den signifikansnivån vi använder oss av är 5-procentsnivån. Detta är en allmän vedertagen nivå, vilket innebär att om en signifikant skillnad eller ett signifikant samband återfinns i ett test är det med 95 procents säkerhet att skillnaden eller sambandet finns i hela populationen113.
110 Djurfeldt G. et al (2010)
111 Djurfeldt, G. et al (2010)
112 Bryman, A. och Bell, E. (2005)
113 Ibid.
29