Regressionsanalys

I detta avsnitt kommer vi att undersöka huruvida förklaringsvariablerna påverkar värdena i kompetensfaktorerna, de beroende variablerna. Detta gör vi genom att bygga modeller till multipla linjära regressionsanalyser som testar om det finns något samband mellan de teoretiskt motiverade förklaringsvariablerna och beroendevariablerna (de tre kompetensfaktorerna).

Som nämnt i avsnitt 3.3.9.1 bygger vi modellerna med fem förklaringsvariabler. Den första variabeln, ledningsgruppens utbildningsnivå, är om ledningsgruppen har eftergymnasial utbildning vilket är en kategorisk fråga där 0 är om det inte finns eftergymnasial utbildning och 1 om det finns. Den andra variabeln, ledningsgruppens

storlek, är hur många personer som är med i ledningsgruppen. Den tredje variabeln, antal anställda, är hur många anställda företagen har. Fjärde variabeln, företagsålder,

innefattar hur många år företaget har funnits och varit aktivt och den sista variabeln,

tillväxtvilja, är en kategorisk fråga där 0 innebär att ledningsgruppen inte har

tillväxtambition och 1 att de har tillväxtambition. I samtliga figurer (34-36) i regressionsanalyserna presenterar vi interceptet, vilket är det värde den undersökta kompetensfaktorn har när förklaringsvariablerna har värdet 0.

Figurerna 34-36 nedan visar resultat för de multipla linjära regressionsmodeller där vi skattar sambandet mellan våra förklaringsvariabler och kompetensfaktorn företagskultur (den beroende variabeln). Vi visar i figuren (34-36) fem olika skattningar - var och en som en separat kolumn med titeln ”modell” - där vi introducerar förklaringsvariablerna genom att lägga till dem en och en. Denna process kallas ”hierarkisk multipel regressionsanalys” och används för att undersöka om någon förklaringsvariabel samvarierar för mycket med någon annan förklaringsvariabel att sambandet mellan den ena förklaringsvariabeln och den beroende variabeln förändras radikalt när den andra förklaringsvariabeln introduceras. Detta kan innebära att förklaringsvariablerna är ”kolinjära” och ”stör” varandra, vilket i värsta fall kan innebära skevheter i de skattade beta-koefficienterna och standardfelen. Vi finner dock i figurerna (34-36) att det inte är

64

fallet. Beta-koefficienterna från de olika förklaringsvariablerna förändras något när andra förklaringsvariabler inkluderas vilket per definition är något man kan förvänta sig, men inte med den differensen att det ger skäl att misstänka att de är kolinjära. För att formellt säkerställa att modellen inte är kolinjär beräknade vi även ”diagnostik” över modellens kolinjaritet (se bilaga 7) och kom fram till att endast i modell 5 längst till höger i figurerna (34-36) fann vi ett condition index på 10,7, vilket indikerar att det kan råda multikollinearitet mellan våra förklaringsvariabler. Då detta condition index befinner sig i det lägre spektrumet av vad som anses indikera multikollinearitet (10-30), är det dock inte speciellt oroande men behöver undersökas vidare. I den undersökningen konstaterar vi att variansinflationsfaktorn (”variance inflation factor”, VIF) för förklaringsvariablerna i modell 5 är mellan 1,031-1,060 vilket tyder på att det inte råder multikollinearitet och att ingen åtgärd behöver göras. Vidare kollade vi även egenvärdena (eigenvalues) där höga egenvärden tyder på att det råder oberoende mellan förklaringsvariablerna. Det lägsta egenvärdet är 0,044 följt av 0,121, vilket inte är ett dramatiskt låga värden men som även följdes upp med att undersöka variansproportionerna. Där finns inga förhöjda värden i följd, där det högsta är 71% följt av 38%, gällande variansproportionerna för förklaringsvariablerna vilket ytterligare indikerar att det inte råder multikollinearitet mellan förklaringsvariablerna i modell 5 för kompetensfaktorn företagskultur.

Vi tolkar resultaten av våra hierarkiska regressionsanalyser i den fullständigt specificerade modellen som kallas modell 5 (kolumnen längst till höger) i samtliga av de tre regressionsanalyser och vi börjar härmed med regressionsanalysen för kompetensfaktorn företagskultur.

Kompetensfaktorn företagskultur. I modell 5 längst ned till höger i figur 34 ser vi att

värdet i kompetensfaktorn företagskultur förklaras till 10,2 procent av våra förklaringsvariabler, vilket är den högsta förklaringsgraden (R2_{) av samtliga tre}

kompetensfaktorer. Det är också den regressionsanalysen som uppvisar statistiskt signifikant samband mellan förklaringsvariablerna och den beroende variabeln, vilket presenteras nedan.

I modell 5 ser vi att förklaringsvariabeln ledningsgruppens utbildningsnivå en beta- koefficient på 0,491 med standardfel på 0,187. Detta betyder att företag vars ledningsgrupp har eftergymnasial utbildning ökar värdet i kompetensfaktorn företagskultur med 0,491. När vi utgår från interceptet på -0,610 innebär det att om

65

ledningsgruppen har eftergymnasial utbildning närmar sig värdet i kompetensfaktorn till 0 genom att bidra positivt med 0,491. I samtliga modeller för kompetensfaktorn företagskultur har ledningsgruppens utbildningsnivå ett p-värde < 0,050. Därmed kan vi slå fast ett signifikant samband mellan ledningsgruppens utbildningsnivå och nivån på kompetensfaktorn företagskultur på en 5-procentig signifikansnivå. Nollhypotesen om inget samband mellan ledningsgruppens utbildningsnivå och kompetensfaktorn företagskultur förkastas därmed.

Förklaringsvariabeln ledningsgruppens storlek har en beta-koefficient på 0,164. Det betyder att antalet personer i ledningsgruppen har ett positivt samband med kompetensfaktorn företagskultur. Variabeln har ett relativt lågt standardfel på 0,089, och p-värdet 0,060. Vi kan strikt sagt därför inte förkasta nollhypotesen om inget samband mellan ledningsgruppens storlek och kompetensfaktorn företagskultur på den 5-procentig signifikansnivå. Det bör dock nämnas att ett större stickprov av respondenter skulle kunna innebära ett lägre p-värde för variabeln ledningsgruppens storlek, vilket vi diskuterar ytterligare i slutsatserna.

När vi beaktar förklaringsvariabeln antal anställda kan vi uttyda att den inte ökar förklaringen av modellen eftersom när den lades till ökade inte förklaringsgraden av värdet i kompetensfaktorn företagskultur. Dock har beta-koefficienten har ett litet positivt samband med kompetensfaktorn företagskultur. Detta skulle indikera att för varje anställd i företaget ökar kompetensfaktorn företagskultur med 0,003, om sambandet var statistiskt signifikant, men med ett standardfel nästan lika högt som beta-koefficienten (0,025) och p-värdet mycket högt (0,891). Här kan vi med enkelhet konstatera att vi inte kan förkasta nollhypotesen om inget samband mellan antal anställda och kompetensfaktorn företagskultur.

Förklaringsvariabeln företagsålder har ett svagt negativt samband på -0,004 med kompetensfaktorn företagskultur. Detta skulle indikera att för varje år företagen varit aktivt minskar det kompetensfaktorn företagskultur med värdet -0,004 om sambandet var statistiskt signifikant. Även här har vi dock ett standardfel i paritet med beta-koefficienten (0,004) och p-värdet är högt (0,333). Nollhypotesen om inget samband mellan företagsålder och kompetensfaktorn företagskultur kan inte förkastas.

66

Modell 5 förklarar inte mer av värdet i kompetensfaktorn företagskultur än modell 4 då båda modeller har en förklaringsgrad på 10,2 procent. Trots att förklaringsvariabeln tillväxtvilja inte bidrar till modellens förklaringsgrad är det intressant att undersöka vidare om det finns ett samband. Här är beta-koefficienten negativ med -0,005 och har således ett negativt samband med kompetensfaktorn företagskultur. Det skulle kunna innebära att om företagen har vilja att öka tillväxten minskar värdet på kompetensfaktorn företagskultur med -0,005. Dock är resultat inte pålitligt med ett stort standardfel på 0,240 vilket även resulterar i det höga p-värdet 0,984. Även här kan vi alltså inte förkasta

nollhypotesen om inget samband mellan tillväxtvilja och kompetensfaktorn företagskultur.

Figur 34. Hierarkisk multipel regressionsanalys för kompetensfaktorn företagskultur.

Kompetensfaktorn organisation. Nästa regressionsanalys gäller kompetensfaktorn

organisation och vi illustrerar resultat i figur 35 nedan. I denna analys använder vi samma modeller för att förklara värdet på kompetensfaktor organisation som i föregående analys av kompetensfaktorn företagskultur. Här ser vi en lägre förklaringsgrad (R2) på 4,2 procent vilket innebär att våra förklaringsvariabler bara förklarar 4,2 procent av värdet på kompetensfaktorn organisation. Vidare är interceptet i modell 5 för kompetensfaktorn organisation är -0,368 vilket betyder att när alla förklaringsvariabler har värdet 0 är värdet på kompetensfaktorn -0,368. Vi kommer att presentera förklaringsvariablerna i modell 5, se figur 35 nedan, men kan redan nu konstatera att ingen förklaringsvariabel har ett

Variabel Modell 1 p- värde Modell 2 p- värde Modell 3 p- värde Modell 4 p- värde Modell 5 p- värde Intercept -0,333 0,025 -0,736 0,005 -0,765 0,013 -0,613 0,074 -0,610 0,110 (0,146) (0,257) (0,303) (0,340) (0,378) Ledningsgruppens utbildningsnivå 0,528 0,005 0,509 0,006 0,508 0,007 0,491 0,009 0,491 0,010 (0=Nej/1=Ja) (0,184) (0,183) (0,183) (0,184) (0,187) Ledningsgruppens storlek 0,164 0,060 0,161 0,071 0,164 0,066 0,164 0,068 (Antal personer) (0,086) (0,088) (0,088) (0,089) Antal anställda 0,005 0,853 0,003 0,892 0,003 0,891 (Antal personer) (0,025) (0,025) (0,025) Företagsålder -0,004 0,328 -0,004 0,333 (Antal aktiva år) (0,004) (0,004) Tillväxtvilja -0,005 0,984 (0=Nej/1=Ja) (0,240) R2 _{6,6% 9,4% 9,4% 10,2% 10,2%} N 118 118 118 118 118

67

signifikant statistiskt samband med kompetensfaktorn organisation på 5-procentig signifikansnivå. Osäkerheten över förklaringsbidraget från modell 5 är hög.

För den första förklaringsvariabeln, ledningsgruppens utbildningsnivå, är beta- koefficienten 0,257. Alltså skulle ledningsgruppens utbildningsnivå kunna påverka kompetensfaktorn organisations värde positivt med 0,257 om ledningsgruppen har eftergymnasial utbildning. Dock är det ett högt standardfel (0,193) vilket också syns genom det höga p-värdet 0,186. Det resulterar i att vi inte kan förkasta nollhypotesen om inget samband mellan ledningsgruppens utbildningsnivå och kompetensfaktorn organisation på 5-procentig signifikansnivå.

Förklaringsvariabel två i vår modell är ledningsgruppens storlek med beta-koefficienten 0,132. Även här är det ett positivt samband och skulle kunna innebära att för varje person i ledningsgruppen ökar värdet i kompetensfaktorn organisation med 0,132. Dock även här ett osäkert resultat med det höga standardfelet (0,092) och höga p-värdet (0,155). Vi kan inte förkasta nollhypotesen om inget samband mellan ledningsgruppens storlek och kompetensfaktorn organisation på 5-procentig signifikansnivå.

Förklaringsvariabeln antal anställda har beta-koefficienten 0,012 vilket skulle kunna innebära att värdet på kompetensfaktorn organisation ökar med 0,012 för varje anställd i företagen. Dock är det ett mycket högt standardfel (0,026) och ett högt p-värde (0,640). Därmed är koefficienten inte tillförlitlig och vi kan inte förkasta nollhypotesen om inget samband mellan antal anställda och kompetensfaktorn organisation.

Förklaringsvariabeln företagsålders beta-koefficient är -0,002. Det kan innebära ett svagt negativt samband med kompetensfaktorn organisation och värdet på kompetensfaktorn organisation kan minska med -0,002 för varje år företagen varit aktiva. Dock är inte heller detta pålitligt då vi har ett högt standardfel på 0,004 vilket också resulterar i ett det höga p-värdet 0,569. Det gör att vi inte kan förkasta nollhypotesen om inget samband mellan företagsålder och kompetensfaktorn organisation.

Den sista förklaringsvariabeln, tillväxtvilja, har beta-koefficienten -0,172. Det kan betyda att det är ett negativt samband med företagens ambitionen att skapa tillväxt och således kan det minska värdet på kompetensfaktorn med -0,172. Detta är anmärkningsvärt då teorierna kring tillväxtvilja tyder på att vi bör se ett positivt samband med kompetensfaktorn organisation, vilket vi diskuterar vidare i slutsatsen. Dock är resultatet

68

inte pålitligt med ett högt standardfel på 0,248 och p-värde 0,490. Vi kan därför inte förkasta nollhypotesen om inget samband mellan tillväxtvilja och kompetensfaktorn organisation. Variabel Modell 1 p- värde Modell 2 p- värde Modell 3 p- värde Modell 4 p- värde Modell 5 p- värde Intercept -0,167 0,269 -0,491 0,067 -0,562 0,075 -0,484 0,172 -0,368 0,348 (0,150) (0,265) (0,312) (0,352) (0,391) Ledningsgruppens utbildningsnivå 0,265 0,164 0,249 0,189 0,248 0,192 0,239 0,212 0,257 0,186 (0=Nej/1=Ja) (0,189) (0,188) (0,189) (0,191) (0,193) Ledningsgruppens storlek 0,132 0,142 0,125 0,174 0,126 0,171 0,132 0,155 (Antal personer) (0,089) (0,091) (0,091) (0,092) Antal anställda 0,011 0,663 0,011 0,682 0,012 0,640 (Antal personer) (0,026) (0,026) (0,026) Företagsålder -0,002 0,627 -0,002 0,569 (Antal aktiva år) (0,004) (0,004) Tillväxtvilja -0,172 0,490 (0=Nej/1=Ja) (0,248) R2 _{1,6% 3,5% 3,6% 3,8% 4,2%} N

Figur 35. Hierarkisk multipel regressionsanalys för kompetensfaktorn organisation.

Kompetensfaktorn finansiella instrument. Den sista kompetensfaktorn i regressionsanalysen är finansiella instrument och som illustreras i figur 36 nedan. I denna modell (5) har vi inte heller några statistiskt signifikanta samband. Interceptet, värdet på kompetensfaktorn finansiella instrument när alla förklaringsvariabler är 0, är -0,468. Förklaringsgraden ökar för varje förklaringsvariabel som läggs in i modellen, förutom i modell 1 som inte har någon förklaringsgrad alls. Modell 5, som är vår primära utgångspunkt, förklarar 5,8 procent av värdet i kompetensfaktorn finansiella instrument. Till skillnad från de andra kompetensfaktorerna har förklaringsvariabeln ledningsgruppens utbildningsnivå betydligt mindre påverkan på kompetensfaktorn finansiella instrument, vilket också syns genom att den i modell 1 inte förklarar kompetensfaktorns värde överhuvudtaget. Beta-koefficienten är -0,060 vilket skulle kunna innebära att om ledningsgruppen har eftergymnasial utbildning minskar värdet i kompetensfaktorn finansiella instrument. Det är ett intressant resultat och kanske kan förklaras av att den eftergymnasiala utbildningen inte består av kunskaper inom finansiella instrument. I modell 1 som bara inkluderar ledningsgruppens utbildningsnivå är förklaringsgraden 0. Det är också ett mycket högt standardfel (0,191) och p-värde

69

(0,755) vilket resulterar i att förklaringsvariabeln bidrag är inte pålitligt. Därför kan vi inte förkasta nollhypotesen om inget samband mellan ledningsgruppens utbildningsnivå och kompetensfaktorn finansiella instrument.

Förklaringsvariabeln ledningsgruppens storlek har ett positivt samband med kompetensfaktorn finansiella instrument genom beta-koefficienten på 0,129. Det kan betyda att för varje person i ledningsgruppen ökar värdet i kompetensfaktorn finansiella instrument med 0,120. Standardfelet är ganska högt på 0,091 och därmed även högt p- värdet på 0,161 och därför är inte resultatet pålitligt. Det är förklaringsvariabeln med lägst p-värde men vi kan ändock inte förkasta hypotesen om inget samband mellan ledningsgruppens storlek och finansiella instrument.

Förklaringsvariabeln antal anställda har beta-koefficienten 0,023. Det kan innebära att för varje anställd i företaget ökar värdet i kompetensfaktorn finansiella instrument med 0,023. Dock är standardfelet på 0,026 högt och därav även ett högt p-värde på 0,378. Även här är osäkerheten hög och vi kan inte förkasta nollhypotesen om inget samband mellan antal anställda och finansiella instrument.

Förklaringsvariabeln företagsålder har beta-koefficienten -0,005. Det är ett svagt negativt samband och kan betyda att för varje år företaget varit aktivt minskar värdet i kompetensfaktorn finansiella instrument med -0,005. Förklaringsvariablerna företagsålder och ledningsgruppens storlek står för den största förklaringen av värdet på kompetensfaktorn finansiella instrument. Dock är det resultatet osäkert med standardfelet 0,004 och p-värdet 0,187 vilket mynnar ut i att vi inte kan förkasta nollhypotesen om inget samband mellan företagsålder och finansiella instrument.

Förklaringsgraden tillväxtvilja är den sista i modell 5. Tillväxtvilja har den näst högsta beta-koefficienten med 0,229. Det kan innebära att om företagen har ambition att öka tillväxten är värdet i kompetensfaktorn finansiella instrument 0,229 högre. Här ser vi dock ett högt standardfel på 0,246 och därmed även ett högt p-värde på 0,383 vilket leder till pålitligheten för dess bidrag är låg och således kan vi inte förkasta nollhypotesen om inget samband mellan tillväxtvilja och finansiella instrument.

70 Variabel Modell 1 p- värde Modell 2 p- värde Modell 3 p- värde Modell 4 p- värde Modell 5 p- värde Intercept -0,007 0,966 -0,375 0,163 -0,545 0,084 -0,313 0,373 -0,468 0,230 (0,151) (0,267) (0,313) (0,350) (0,387) Ledningsgruppen utbildningsnivå 0,010 0,957 -0,007 0,969 -0,009 0,961 -0,037 0,847 -0,060 0,755 (0=Nej/1=Ja) (0,191) (0,190) (0,190) (0,189) (0,191) Ledningsgruppens storlek 0,150 0,097 0,132 0,150 0,137 0,135 0,129 0,161 (Antal personer) (0,090) (0,091) (0,091) (0,091) Antal anställda 0,027 0,300 0,025 0,333 0,023 0,378 (Antal personer) (0,026) (0,025) (0,026) Företagsålder -0,006 0,147 -0,005 0,187 (Antal aktiva år) (0,004) (0,004) Tillväxtvilja 0,229 0,353 (0=Nej/1=Ja) (0,246) R2 _{0% 2,4% 3,3% 5% 5,8%} N 118 118 118 118 118

Figur 36. Hierarkisk multipel regressionsanalys för kompetensfaktorn finansiella instrument.