Multivariat analys

Till skillnad från bivariat analys som enbart undersöker två variabler så innefattar en multivariat analys en undersökning av tre eller flera variabler (Uyanik och Güler, 2013). Flera oberoende

28

variabler testas i en multipel regressionsanalys mot den beroende variabeln för att se om dessa har en samtidig inverkan (Olsson och Sörensen, 2011).

Då syftet med denna studie är att undersöka sambandet mellan den beroende variabeln finansiell prestation som mäts med räntabilitet på totalt kapital och de oberoende variablerna intellektuellt kapital och humankapital så kommer en multipel regressionsanalys att genomföras. Studien innefattar även två kontrollvariabler som kommer att inkluderas i den multipla regressionsanalysen. I resultatet presenteras B-koefficienten, 𝑅(-värde och signifikansnivån för sambanden.

Vid en regressionsanalys är det viktigt att variablerna är normalfördelade. Ibland har det insamlade datamaterialet en skev fördelning vilket visar sig genom att det exempelvis finns många små värden och några få enstaka stora värden. Att logaritmera innebär att datamaterialet transformeras på ett systematiskt sätt för att bättre svara mot modellen. En av kontrollvariablerna i studien (storlek) logaritmeras därför i SPSS inför den multivariata regressionsanalysen.

3.7 Kvalitetskriterier

Beträffande kvantitativ forskning inom företagsekonomi finns tre viktiga kriterier för bedömning av forskningen (Bryman och Bell, 2017). Kriterierna som redogörs är reliabilitet, replikerbarhet och validitet. Denna studie bedrivs kvantitativt inom det företagsekonomiska området och därav kommer dessa kriterier att tas i hänsyn. Hur dessa beaktas beskrivs i de tre följande avsnitten.

3.7.1 Reliabilitet

Reliabilitetskravetrör huruvida studiens resultat skulle bli detsamma om studien genomförs på nytt (Bryman och Bell, 2017). Även Olsson och Sörensen (2011) menar att det handlar om hur väl mätningar som använder samma mätinstrument stämmer överens med varandra, för att uppnå samma resultat som den ursprungliga studien. Bryman och Bell (2017) menar att i en kvantitativ studie berör reliabilitet de mått som används, om dessa anses vara stabila eller inte för det som mäts. Om måtten är stabila innebär det att resultaten vid två olika mätningstillfällen inte skiljer sig åt i någon större utsträckning. Blir inte resultaten detsamma kan det bero på att

29

resultatet påverkas av slumpmässiga eller tillfälliga betingelser. Skiljer resultaten sig emellan att måttet är icke reliabelt och att det saknar följdriktighet och pålitlighet (Bryman och Bell, 2017). Med andra ord motsvarar reliabilitet hur väl de faktorer som varit avsett att mäta har blivit mätt.

De olika mått som denna studie förhåller sig till har använts i ett flertal tidigare studier för att på så vis få stöd i att uppnå reliabilitet (se bl.a. Shahzad et al., 2020 och Ginesti et al., 2018). Genom att kumulativt undersöka vilka mått av intellektuellt kapital och finansiell prestation som använts tidigare skapas en reliabilitet för denna studie.

3.7.2 Replikerbarhet

Bryman och Bell (2017) menar att replikerbarhet handlar om möjligheten om att upprepa en studie och få samma resultat, vilket liknar kriteriet om reliabilitet. Däremot har kriteriet om replikerbarhet mer fokus på att en studies tillvägagångssätt är väl beskrivna för att en annan forskare kunna upprepa den ursprungliga studien och få samma resultat. För att kriteriet ska uppnås anser Bryman och Bell (2017) att det ska finnas en genomgående och noggrann beskrivning av de metoder som studien använt för att åstadkomma resultatet, vilket anses vara av stor betydelse i en kvantitativ studie. För att exempelvis kunna göra en bedömning av reliabiliteten av ett mått på ett begrepp måste även tillvägagångssättet för måttets bedömning kunna upprepas av någon annan.

Stor vikt har i denna studie lagts på att redogöra för metoden och alla de steg som genomförts för att på så sätt visa och ge förståelse om tillvägagångssättet. Genom att noggrant redogöra för hur de begrepp och mått som används i studien är utformade så följs det kvalitetskrav om replikerbarhet som Bryman och Bell (2017) beskriver.

3.7.3 Validitet

Validitet anses vara ett av de viktigaste kriterierna inom forskningen menar Bryman och Bell (2017). Kravet på validitet i en studie innebär att de mått som används faktiskt mäter de begrepp som ska mätas (Bryman och Bell, 2017). Enligt Djurfeldt et al. (2018) handlar validitet om giltigheten i det som mäts. De menar att validitet avser att svara på hur väl studiens mått

30

verkligen motsvarar det som är tänkt att undersökas. Kort sagt menar Djurfeldt et al. (2018) att studiens syfte måste mätas på ett tillförlitligt sätt så att slutsatsen blir meningsfull. Enligt Bryman och Bell (2017) finns det flera sätt att fastlägga validitet på, däribland begreppsvaliditet, intern validitet och extern validitet. Dessa tre begrepp kommer förklaras vidare i kommande tre avsnitt.

3.7.3.1 Begreppsvaliditet

Inom den kvantitativa forskningen är begreppsvaliditet en viktig aspekt vilket innebär att översätta begrepp till mätbara värden (Bryman och Bell, 2017). Begreppsvaliditet är dessutom enligt Bryman och Bell (2017) kopplad till reliabilitet som togs upp i avsnitt 3.7.1. På grund av detta menar de att ett mått på ett begrepp inte kan anses uppfylla kravet för validitet om inte måttet är reliabelt.

Begreppen som mäts i denna studie kommer att utgå från de mått som tidigare forskning valt att använda för att genom detta öka begreppsvaliditeten. Då tidigare studier mätt intellektuellt kapital och humankapital med hjälp av VAIC-modellen samt finansiell prestation genom räntabilitet på totalt kapital så finns en tillförlitlighet i måtten och de begrepp som studien avser att mäta. Även kontrollvariablerna i studien har använts av forskare i tidigare studier vilket även gör dessa tillförlitliga.

3.7.3.2 Intern validitet

Intern validitet handlar om huruvida det finns ett kausalt samband mellan flera variabler eller ej (Bryman och Bell, 2017). I många avseenden går det inte att säkerställa att det verkligen finns ett kausalt samband mellan exempelvis två variabler (Bryman och Bell, 2017). För att intern validitet ska uppfyllas behöver det finnas bevis på att A orsakar B och inte tvärtom. Eller att det finns en tredje faktor C som är den verkliga orsaksfaktorn till B. I denna studie skulle intern validitet därför innebära att intellektuellt kapital eller humankapital orsakar högre finansiellt resultat men det är därför inte sagt att det istället är en högre finansiell prestation som möjliggör fler investeringar i intellektuellt kapital eller humankapital.

I och med det som nämnts ovan kan inte intern validitet säkerställas med full övertygelse då det inte direkt kommer framgå om ett eventuellt samband i studien är kausalt eller ej. I och med att

31

studien har utgått från en longitudinell design och därmed samlat data från flera år så finns större möjlighet att tolka orsaksriktningen (Bryman och Bell, 2017). Detta eftersom Vergauwen et al. (2007) antyder att en del variabler är av sådan typ som ger effekt under längre tid och därför sannolikt kommer visas i sambandet.

3.7.3.3 Extern validitet

Extern validitet handlar om huruvida en studies resultat kan generaliseras till en annan population än den som undersökts enligt Bryman och Bell (2017). För att ha möjlighet att generalisera en studie så behöver urvalet som studeras vara representativt för hela populationen menar Djurfeldt et al. (2018). Detta är således även ett krav för att uppfylla extern validitet. I och med att denna studie undersöker samtliga företag som finns på de två officiella börserna i Sverige samt att inga andra avgränsningar gjorts finns goda möjligheter att generalisera resultatet över urvalet och därmed uppfylla kravet för extern validitet. Att generalisera över hela populationen är även det möjligt då detta kontrollerades via Yamanes (1967) formel vilket presenterades i avsnitt 3.4. Enligt formeln behövs ett urval på 267 företag för möjlighet att på 0,05 signifikansnivå generalisera över den totala populationen, d.v.s. alla svenska börsnoterade företag, vilket denna studie överstiger.

3.8 Metodkritik

Den främsta kritiken kring metoden är det som berörs under exempelvis avsnitt 2.2.6 angående måttet på intellektuellt kapital som studien utgår från. VAIC-modellen har som tidigare nämnt fått kritik då humankapital beräknas utifrån personalkostnader vilket inte anses motsvara humankapital anser Ståhle et al. (2011). Humankapital som i teorin består av kunskap och erfarenheter kan inte i praktiken mätas genom de anställdas löner (Iazzolino och Laise, 2013). Däremot är modellen accepterad bland många forskare och har använts i flertalet tidigare studier.

Exempelvis menar Chen et al. (2005) att olika mått på intellektuellt kapital har skapats eftersom det inte finns ett specifikt mått ännu. Ett annat mått på intellektuellt kapital är som nämnt market-to-book ratio (Kim och Taylor, 2014). Det kritiska med att använda denna beräkning är att komponenterna inte kan urskiljas. En annan aspekt är även att ett företags marknadsvärde kan vara över- eller undervärderat vilket kan ge ett missvisande värde på intellektuellt kapital (Lev, 2004). Detta innebär att oberoende på vilket mått som används så finns både fördelar och

32

nackdelar kring måtten. Denna studie kommer därför att utgå från VAIC-modellen trots den kritik som riktats mot beräkningen av humankapital med antagandet att lönekostnader kan ses som en investering baserat på Stewart (1999).

33

4. Resultat

Följande kapitel kommer omfatta det empiriska resultatet för studien. Resultatet presenteras till att börja med som deskriptiv statistik med de värden som genereras från datamaterialet. Därefter presenteras resultatet från korrelationstestet samt regressionsanalysen.