Multivariat regression

5.3.1. Modell 2

Utifrån modell 1, kunde vi utläsa att extraarbete inom kompetensområdet var en bidragande faktor till att en individ fick en anställning inom kompetensområdet efter examen. Vidare är det emellertid intressant att studera huruvida det är extraarbetet i sig som gör detta signifikant eller om det krävs att arbetet var inom just kompetensområdet. För att kontrollera detta genomfördes en multivariat regressionsanalys där x1 och x2 ställdes mot y. Vi kunde därmed, utifrån lägga till

x2 (extrajobb utanför kompetensområdet), utläsa att vårt adjusted R2 sjönk, innebärande hur

mycket våra x-variabler kan förklara variansen i y-variabeln (se tabell 11). Istället fick vi nu ett

adjusted R2 värde som var 0,037 vilket kan utläsas som att 3,7% av variansen i y kan förklaras av

x1 och x2.

Vidare är betakoeficcientsvärdet för x1 något lägre i modell 2, jämfört med modell 1. Värdet

sjönk från 0,68 till 0,658. Detta betyder emellertid att sambandet mellan x1 och y fortfarande har

en positiv lutning, innebärande att de respondenter som har haft ett extraarbete inom

Betakoefficienten för x2 har dock en negativ lutning på -0,098 vilket betyder att de som har haft

ett extraarbete utanför kompetensområdet i mindre utsträckning har en anställning inom kompetensområdet.

Vidare har variabeln x1 fortfarande ett signifikant p-värde (<0,05), något som x2 saknar. Vi kan

även se i anova-tabellen (se bilaga 1 tabell 15) att modell 2 i sin helhet inte är signifikant eftersom p-värdet för hela modellen ligger på 0,086.

5.3.2. Modell 3

Vidare genomfördes en till multivariat regressionsanalys där vi kontrollerade för ytterligare variabler, innebärande de oberoende variablerna x3 (kön), x4 (ålder), x5 (år och termin) samt x6

(klassbakgrund) för att se hur dessa påverkar det fokala sambandet. Dessa variabler är intressanta eftersom de syftar till egenskaper som individen inte kan kontrollera eller förändra. Vi ville därmed se om dessa, samt tidpunkten för examen, kunde ha någon påverkan på respondenternas anställning inom kompetensområdet.

Resultatet från detta redovisas i Modell 3 (se tabell 13 i avsnitt 5.3.3). Värdet på adjusted R2 har

ökat till 0,062, innebärande att variablerna x1 till x6 kan förklara 6,2% av variansen i y. Detta är

en ökning jämfört med både modell 1 och modell 2. Vidare har x1 fortfarande en signifikans

eftersom p <0,05, men ingen av våra kontrollvariabler (x2 till x6) har en signifikans. Vi kan även

se i anova-tabellen (se bilaga 1 tabell 16) att model 3 inte är signifikant i sin helhet, då p-värdet är 0,098.

Sambandet med x1 har fortfarande en positiv lutning och x2 har en negativ lutning. Däremot

redovisas nya värden för betakoefficienten för de nya variablerna. Kön (x3) har en positiv lutning

på 0,418, vilket innebär att våra kvinnliga respondenter i större utsträckning har ett arbete inom kompetensområdet. Resterande av variablerna har en negativ lutning. Betakoefficienten för ålder (x4) är -0,049 vilket innebär att för varje år äldre respondenterna är tenderar de att i mindre

utsträckning ha ett arbete inom kompetensområdet. För år och termin (x5) redovisas en

betakoefficient på -0,056, vilket innebär att de som har tagit examen nyligen tenderar att i mindre

utsträckning att ha en anställning inom kompetensområdet. Slutligen har klassbakgrund (x6) en

individen att i större utsträckning ha en anställning inom kompetensområdet. De med högst klassbakgrund har enligt vår kodning lägst värden på x.

Det går att argumentera för att personalvetaryrket tillhör blandade kontrakt om man använder sig av Goldthorpes klassbegrepp, då det är ett arbete som innebär ansvar men inte ägande. De flesta av våra respondenternas klassbakgrund är blandade kontrakt (se tidigare nämnda tabell 9). Detta innebär att föräldrarna har yrken där de har en viss grad av ansvar men inget ägande. Detta styrks av Edling och Liljeros (2016:40) resonemang att klass går i arv, barnen tenderar att gå i samma fotspår som deras föräldrar - vilket även vi ser tendenser till i vår studie.

5.3.3. Modell 4

De tre variabler som det kontrollerades för i en slutgiltig multivariat regressionsanalys var ideellt engagemang (x7), utlandsstudier (x8) samt socialt nätverk (x9). Dessa variabler påverkar utifrån

tidigare forskning (se kapitel 2) en individs möjlighet till anställning. I vår undersökning

kontrollerade vi dock för om detta samband kvarstod när man såg till specifikt anställning inom

kompetensområdet för personalvetare. Genom att addera variablerna x7-x9 ökade adjusted R2-

värdet till 0,071, vilket innebär att dessa x-variabler kan förklara 7,1% av variansen i Y- variabeln.

Vidare ökar betavärdet för x1 till 0,851 vilket betyder att respondenter som arbetat extra inom

kompetensområdet i större utsträckning har en anställning inom kompetensområdet efter examen.

Även värdena för variablerna x2 till x6 förändras något, men sambanden följer fortfarande samma

lutning som i Modell 3. De nya variablerna x7 till x9 har negativa betavärden, vilket indikerar att

ju mer respondenterna gjort något (innebärande ideellt engagemang, utlandsstudier och grad av socialt nätverk) desto mindre blir möjligheten att få en anställning inom kompetensområdet efter examen. Detta innebär att om individen ägnat sig åt ideellt engagemang eller studerat utomlands är sannolikheten lägre att få en anställning inom kompetensområdet. Vidare kan det negativa betavärdet för socialt nätverk utläsas som att ju större socialt nätverk individen har desto lägre är chansen att individen har en anställning inom kompetensområdet efter examen.

Fortsättningsvis är modell 4 i sin helhet inte signifikant, då p-värdet är 0,112 (se bilaga 1 tabell 17). Den enda variabeln som fortfarande är signifikant i den slutgiltiga multivariata regressionen

är variabel x1 - extraarbete inom kompetensområdet. I de övriga variablerna, x2 till x9 finns inga

signifikanta värden (se tabell 13 i slutet av detta avsnitt).

Det negativa samband som redovisas i modell 4 gällande socialt nätverk överensstämmer inte med Putnams (2000) teorier kring socialt nätverk. Han menar i sina studier att socialt nätverk, specifikt det nätverk som benämns som bridging, hjälper en individ när hen söker anställning. Ett större socialt nätverk bör då främja möjligheten till anställning, något som vårt resultat talar emot. Vi fann detta resultat oväntat då vi i enlighet med Putman gick in med antagandet att socialt nätverk har en positiv inverkan på individen. Varför vi inte såg detta mönster i vår studie kan ha flera orsaker. En möjlighet är att vårt bortfall medför problematik. En annan anledning kan vara att våra frågor gällande socialt kapital inte på ett adekvat sätt kunde fånga

respondenternas faktiska nätverk vilket ledde till felsvar. Om frågorna rörande socialt kapital på ett tydligare sätt ställts hade vi möjligtvis kunnat kategorisera in det sociala nätverket i antingen bridning eller bonding. Som tidigare nämnt syftar bonding till det familjära kapitalet som har mer djupgående relationer, varpå det kan vara vissa av våra respondenter som inte har något bonding- kapital medan andra har ett bondin- kapital som har en hög kvalité.

Som vi nämnde tidigare tenderar klass att gå i arv, individer väljer samma anställningskontrakt som föräldrarna (Edling & Liljeros, 2016:40). Detta medför att de individer som ingår i en persons bonding-kapital har samma klasstillhörighet. Vi nämner även att de som har en gemensam klasstillhörighet i stor utsträckning har liknande livsstilar (Edling & Liljeros,

2016:41). Klass enligt Goldthorpe et al (1980:51-65) bygger på anställningskontraktet vilket gör att en individs kollegor med största sannolikhet även de har samma klasstillhörighet. Detta gör att personer som ingår i en individs bridging-kapital troligtvis har samma klasstillhörighet. Vi kan med denna information dra slutsatsen att klass påverkar det sociala nätverket, vilket i sin tur påverkar individens möjlighet till anställning.

Tabell 13 - Signifikanstest (* innebär p<0,05), betakoefficienter och R2 värden av den enkla