Det huvudsakliga målet med en kvantitativ undersökning är att kunna dra slutsatser om en viss population, det vill säga alla undersökningsobjekt med en viss egenskap. I praktiken är det dock svårt att samla in data från hela populationen, då denna ofta består av ett stort antal under- sökningsobjekt. För att underlätta vid insamlingen av data kan istället ett urval göras, det vill säga att forskaren studerar en representativ del av populationen, och genom detta drar slutsatser om hela populationen, något som kallas för en statistisk generalisering (Bryman & Bell 2013). För att kunna göra en generalisering måste forskaren framförallt ta hänsyn till två aspekter; för det första måste en analys göras om hur väl populationen stämmer överens med den urvalsram som finns tillgänglig, det vill säga den lista eller förteckning som finns över populationen, och för det andra måste urvalet vara tillräckligt stort, och bortfallet så litet som möjligt för att pre- cisionsförlusten ska minimeras. Dessa aspekter presenteras grafiskt i figur 5 (Djurfeldt, Larsson & Stjärnhagen 2018).
I vårt fall består populationen av alla svenska aktiebolag som tillhör tillverkningsbranschen, medan urvalsramen består av de företag som finns tillgängliga på Retriever Business. Detta medför att det kan finnas två olika matchningsproblem, dels att det kan finnas företag som inte finns med på Retriever Business, dels att det kan inkluderas företag som inte längre är aktiva. Vi kan inte göra så mycket åt det första problemet då vi inte kan säkerställa om det finns företag som saknas i databasen, men vi kan dock anta att dessa inte är så många då all data i Retriever Business är hämtad från Bolagsverket, dit alla företag måste skicka sina årsredovisningar. Att vissa företag inte längre är aktiva är dock ett problem vi kan kontrollera, och för att minimera risken för att dessa inkluderas har vi inte kryssat i rutan för inaktiva företag i Retriever Busi- ness. Något annat som gör att detta problem minimeras är att det är företagen själva som svarar på enkäten, det vill säga att det inte är vi som enbart tolkar siffror från årsredovisningar, något som gör det mer troligt att det är företag som är aktiva som också har svarat på enkäten. Detta innebär att vi gör ett antagande om att vår population och vår urvalsram stämmer relativt bra överens, något som Djurfeldt, Larsson och Stjärnhagen (2018) anser vara positivt när urvalet ska göras, då detta är mer representativt för populationen.
5.3.1 Urval
För att göra ett så representativt urval som möjligt, och på så sätt förbättra möjligheterna för generalisering, har vi valt att göra ett systematiskt slumpmässigt urval. Denna typ av urval är i stora drag väldigt likt ett obundet slumpmässigt urval, då varje enhet i populationen har lika stor chans att komma med i urvalet. Det som skiljer dessa metoder åt är att ett systematiskt slumpmässigt urval dras direkt från urvalsramen från en slumpmässig siffra, och i ett obundet slumpmässigt urval används istället en slumptalstabell. Ett systematiskt slumpmässigt urval är fördelaktigt då det är mer praktiskt att genomföra, men det är dock viktigt att säkerställa att det inte finns någon systematik i urvalsramen, då detta skulle kunna leda till systematiska fel och skevheter (Bryman & Bell 2017).
Vi gjorde urvalet till vår uppsats i två steg den 30e oktober 2020. För att söka fram de företag som inkluderades i uppsatsen använde vi tre sökkriterier i Retriever Business; vi bockade för rutan för aktiebolag, att företaget skulle ha sitt säte i Sverige samt att företaget skulle tillhöra tillverkningsbranschen. Vi satte dessutom en undre gräns på 20 anställda för att säkerställa att företaget faktiskt hade några anställda att styra. Detta får som konsekvens att de allra minsta företagen inte blir representerade i uppsatsen, men tidigare forskning är dock relativt överens om att det är de stora företagen som har formella styrsystem (Miller & Friesen 1984; Moores & Yuen 2001). Detta resulterade i 3010 företag, vilka laddades ner till ett Excel-dokument. Listan laddas ner utan att någon specifik ordning bland företagen, vilket gjorde att vi kunde säkerställa att inga skevheter skapades i urvalet. I listan fanns det 45 företag som antingen hade ett nollvärde eller inget värde alls i antalet anställda. De sorterades bort på grund av vår minimi- gräns på 20 anställda, och utifrån denna lista drogs det systematiska slumpmässiga urvalet. Det andra vi gjorde var att bestämma hur stort urval vi behövde göra för att få tillräckligt med svar. Tidigare forskning har fått in ett svarsantal från cirka 50 företag (Moores & Yuen 2001) till cirka 300 företag (Su, Baird & Schoch 2015), där de allra flesta fått mellan 100 och 200
enkätsvar (Auzair & Langfield-Smith 2005; Baird, Su & Munir 2019; Kallunki & Silvola 2008; Widener 2007). På samma sätt var vår målsättning att få in 100 enkätsvar, något som gör urvalet tillräckligt stort, samtidigt som det finns en större sannolikhet att få fler företag i samma livs- cykelstadium. Då svarsfrekvensen tidigare har varierat mellan 10 och 35 procent, där de flesta fått en svarsfrekvens om cirka 20 procent, valde vi att dra ett urval på cirka 600 företag. Vi drog därför ett urval från vår lista med en slumpmässig start på företag tre, något som genere- rade ett urval på 593 företag.
5.4 Variabler
En av de första frågorna som måste besvaras vid en statistisk undersökning är vilka typer av variabler som ingår i undersökningsmodellen, då det är detta som ligger till grund för vilken analysmetod som kan tillämpas (Djurfeldt, Larsson & Stjärnhagen 2018). Data från samtliga variabler i undersökningsmodellen samlades in via enkäter, där vi vid mätningen förlitade oss på redan validerade mätinstrument. För att öka validiteten och reliabiliteten har vi valt att mäta de centrala begreppen med hjälp av sammansatta mått där flera indikatorer tillsammans mäter begreppet. Om vi enbart hade tillämpat ett enskilt mått, hade det funnits en risk för att detta felklassificerat företagen, då en missförstådd fråga hade medfört stora konsekvenser för utfal- let. Genom att använda flera indikatorer minskar denna risk då värdet på variabeln är ett sam- mansatt mått av flera frågor (Bryman & Bell 2013).
Samtliga variabler i vår uppsats mäts med hjälp av en likertskala i enkäten, vilken består av fem steg från instämmer inte alls, via instämmer delvis, till instämmer helt. För att bestämma mätskala valde vi mellan en 5-gradig och en 7-gradig skala. Dawes (2008) förklarar att dessa är likvärdiga då medelvärdet blir detsamma när dessa räknas om till en gemensam bas, och att båda är positiva för både validiteten och reliabiliteten. En 7-gradig skala medför att det blir en större spridning i det insamlade datamaterialet, men detta på bekostnad av att respondenterna kan ha svårare att bedöma vilket alternativ som stämmer bäst överens med deras verksamhet, något som kan minska benägenheten att svara. Till följd av detta valde vi att tillämpa en skala med fem steg, något som även är välanvänt i den tidigare forskningen (Baird & Su 2018; Baird, Su & Munir 2019; Heinicke, Guenther & Widener 2016; Su, Baird & Schoch 2015).
5.4.1 LOC
För att mäta värdet på de två styrformerna enabling controls och constraining controls, har vi tillämpat en omarbetad version av Baird, Su och Munirs (2019) enkätfrågor. Dessa frågor är sammansatta av forskarna genom att indikatorer för belief systems och boundary systems är hämtade från Wideners (2007) studie, medan indikatorer för interactive control systems och
diagnostic control systems är hämtade från Su, Baird och Schochs (2015) studie. Därefter har
ett medelvärde räknats ut för enabling controls och constraining controls, vilket ligger i linje med vad Baird, Su och Munir (2019) har gjort. De ursprungliga enkätfrågorna bestod av 18 påståenden som tillsammans mäter de två styrformerna, där vi har exkluderat två påståenden för interactive control systems, då vi ville ha fyra indikatorer på varje enskild styrform. Det första påståendet “utvärderingen av företagets resultat sker genom kontinuerlig interaktion
erna inte kan besvara de övriga frågorna. Det andra påståendet “utvärderingen av företagets
resultat utgör viktiga och återkommande diskussioner mellan chefer på olika nivåer“, har ex-
kluderats då påståendet är väldigt likt de övriga påståendena.
Dynamic tension
För att mäta den sista styrformen, dynamic tension, har vi studerat skillnaden mellan enabling controls och constraining controls, då vår definition i likhet med tidigare forskning innebär att det finns en balans mellan styrformerna (Henri 2006; Mundy 2010; Widener 2007). Genom att mäta dynamic tension på detta sätt får vi ett värde nära noll för de företag med en hög grad av dynamic tension, och tvärtom.
5.4.2 Kontext
För att mäta den modererande effekten av OLC-stadium, har vi utgått från Miller och Friesens (1984) modell för identifiering. Denna modell valdes då den täcker hela företagets livslängd på ett bra sätt, samt att tidigare forskning empiriskt har testat modellen i olika forskningsom- råden (Auzair & Langfield-Smith 2005; Miller & Friesen 1984; Moores & Yuen 2001; Su, Baird & Schoch 2015). Modellen består av 54 påståenden som mäter indikatorerna, situation,
struktur, strategi och typ av beslutsfattande. Vi har på samma sätt som Su, Baird och Schoch
(2015) reducerat antalet påståenden för att enkäten ska bli så lätthanterlig som möjligt för res- pondenterna, men samtidigt behåller vi måttets noggrannhet och fullständighet. För att inte göra enkäten för stor, och på så sätt riskera att inte få svar från respondenterna, har vi valt att inkludera 16 indikatorer för att mäta OLC-stadium. Detta motsvarar cirka 30 procent av det to- tala antalet indikatorer vilket inte är mycket, men vi gjorde en avvägning om att fler indikatorer skulle leda till mindre benägenhet att svara. Vi valde även de indikatorer som laddat högt på en faktor i Su, Baird och Schochs (2015) studie, något som gör att vi bedömer att det ändå finns tillräckligt många indikatorer för att kunna mäta OLC-stadium på ett bra sätt. Många av de påståenden som har exkluderats ansåg vi vara tvetydiga eller irrelevanta för denna uppsats. För att bestämma stadium i livscykeln har vi gjort en egen bedömning av utfallet i förhållande till den beskrivning som finns i Miller och Friesen (1984). Vidare diskussion finns under 7.5.2. 5.4.3 Prestation
De tidigare studierna som inkluderat prestation i sina undersökningsmodeller, har utgått från Govindarajans (1984) eller Kaynak och Karas (2004) modeller. Båda dessa är välutvecklade modeller för att mäta prestation, men en nackdel med Govindarajans (1984) modell är att den enbart tar hänsyn till den finansiella prestationen. Vi har därför tillämpat Kaynak och Karas (2004) modell, vilken består av åtta påståenden som både mäter den finansiella och den icke- finansiella prestationen. Vi har på samma sätt som Su, Baird och Schoch (2015) exkulderat två påståenden som vi ansåg hade en låg relevans för uppsatsen. Det första påståendet “vi har ett
bättre rykte i vårt största kundsegment än våra konkurrenter”, har exkluderats på grund av dess
svaga koppling till styrsystemet, då rykte inte nödvändigtvis behöver ha något att göra med hur företaget styr sina anställda. Det andra påståendet “vi har haft en högre effektivitet i produktut-
vecklingen än våra konkurrenter” har exkluderats då det inte är säkert att de företag som befin-
utveckling ännu. Indexet för prestation mäts på samma sätt som Su, Baird och Schoch (2015) gjort, det vill säga att en högre totalsumma i enkäten indikerar på en högre grad av prestation. 5.4.4 Kontrollvariabler
För att minimera risken för att dra felaktiga slutsatser om LOC:s inverkan på prestationen, och därigenom öka validiteten och reliabiliteten, har vi valt att inkludera två kontrollvariabler i vår undersökningsmodell, strategisk osäkerhet och företagsstorlek. Djurfeldt, Larsson och Stjärn- hagen (2018) förklarar att en kontrollvariabel inte är en del av den huvudsakliga undersökning- en, utan inkluderas för att minska risken för en snedvridning i resultaten. De två kontrollvaria- blerna strategisk osäkerhet och företagsstorlek används på grund av att dess frekventa använd- ning inom forskningen för LOC (Gerdin, Johansson & Wennblom 2019; Henri 2006; Simons 1995, 2000; Su, Baird & Schoch 2015; Widener 2007). För att mäta strategisk osäkerhet har vi tillämpat en omarbetad version av Wideners (2007) enkätfrågor, vilken ursprungligen består av tolv påståenden. Vi har dock reducerat antalet påståenden för att göra enkäten så lätthanterlig som möjligt. Företagsstorlek mäts genom den naturliga logaritmen av antalet anställda (Henri 2006). En tredje kontrollvariabel, osäkerhet i omvärlden, är också vanligt förekommande inom forskningen för LOC. Denna variabel inkluderas dock av Miller och Friesen (1984) för att be- stämma stadium i livscykeln, varför vi har valt att inte inkludera denna som en kontrollvariabel till vår undersökningsmodell.
Under analysen upptäckte vi att varken strategisk osäkerhet eller företagsstorlek var lämpliga att använda som kontrollvariabler. Det visade sig i den inledande analysen att indikatorerna för strategisk osäkerhet inte mätte samma sak, något som ledde till att vi valde att exkludera variabeln från den fortsatta analysen. Kontrollvariabeln företagsstorlek exkluderades då den till motsats från tidigare forskning inte hjälpte till att förklara variationen i prestation. Inte heller en korrelation med tillhörande signifikans gav oss några motiv till att inkludera variabeln i de riktiga regressionsanalyserna. Detta resulterade i att vi inte längre hade några kontrollvariabler i vår analys, något som får som konsekvens att det finns en större risk för snedvridning, och att våra slutsatser inte utan vidare kan generaliseras till hela populationen.
5.5 Enkät
Vid konstruktionen av enkäten översattes de 44 frågorna från engelska till svenska, då dessa ursprungligen var skrivna av tidigare forskare på engelska, se bilaga 1. För att minska risken för att validiteten skulle påverkas negativt har vi diskuterat översättningen med varandra, och lät handledare och opponenter kolla igenom enkäten och på så sätt verifiera att språket höll en hög nivå. Vi gjorde en bedömning att en enkät på svenska skulle vara lättare att svara på, dels då vi undersöker svenska tillverkningsföretag, dels genom att vi inte kan säkerställa samtliga respondenters språkkunskaper. För att ytterligare säkerställa att enkäten höll en hög språkmäs- sig nivå, samt att den var lättbegriplig, skickades den ut till två utvalda testpersoner. Dessa personer uppfyllde kraven för att vara delaktiga i studien, men verkar inom en annan bransch än tillverkningsbranschen, och kunde därför inte inkluderas på riktigt. Innan enkäten skickades ut formulerades en introduktionstext med en kort förklaring till vad uppsatsen handlar om, vad syftet med enkäten var och på vilket sätt deras svar var av betydelse för oss. Vi förklarade att
svaren skulle hanteras med anonymt i uppsatsen, och att det var frivilligt att delta i enkäten. Vi förklarade även att vi ville veta företagsnamn eller organisationsnummer för att kunna följa upp vilka företag som hade svarat. Detta medförde att samtliga respondenter fick enkäten under samma förutsättningar och med samma bakgrundsinformation, något som är viktigt för att i ett senare skede kunna jämföra företagen med varandra.
När enkäten skickades ut till respondenterna sökte vi fram deras mailadress genom företagets hemsida, där vi ville få kontakt med företagets VD eller ekonomichef. Anledningen till detta var att tidigare forskning konstaterat att dessa personer har god insyn i de strategiska frågorna och hur detta kan kopplas till företagets styrsystem (Baird & Su 2018; Baird, Su & Munir 2019; Bedford 2015; Henri 2006; Su, Baird & Schoch 2015). När dessa mailadresser fanns tillgäng- liga skickade vi ett mail direkt till respondenten där vi presenterade vilka vi var, och i samma mail även bifogade länken till enkäten. I de fall där vi inte kunde hitta en mailadress till vare sig VD eller ekonomichef, valde vi att istället kontakta företagets info-adress eller fyllde i ett kontaktformulär som fanns på hemsidan och frågade om kontaktuppgifter. Syftet med detta var att i så stor utsträckning som möjligt kunna säkerställa att enkäten hamnade hos rätt person, och att inte vem som helst kunde svara på den. När vi fått in de svar vi behövde för att gå vidare till empiri och analys, laddade vi ner svaren till ett Excel-dokument. För att minimera risken för bearbetningsfel, det vill säga att forskaren skriver fel vid inmatningen av siffror (Bryman & Bell 2013) kodades svaren om i Surveymonkey till siffrorna 1 till 5 istället för instämmer inte alls till instämmer helt. Innan vi laddade ner de slutgiltiga svaren gick vi tillsammans ige- nom samtliga svarsalternativ och kontrollerade ytterligare en gång att svaren kodats med rätt siffra. Detta innebär att risken för bearbetningsfel i detta läge är väldigt liten.
Brister i enkäten
Allt eftersom enkätsvar kom in, upptäckte vi att enkäten hade vissa brister. Bland annat hade flertalet respondenter lämnat en kommentar om att de saknade ett vet ej-alternativ, i synnerhet för de frågor som berörde företagets konkurrenter. Respondenterna förklarade där att de hade lite information om vad konkurrenterna gör och hur deras verksamhet fungerar, vilket innebar att vi exkluderade tre indikatorer för livscykelstadium som hade en koppling till företagets konkurrenter; OLC3, OLC5 och OLC16. Som ytterligare stöd för att ta bort dessa indikatorer konstaterade vi att ingen av dem laddade högt på någon faktor i en första faktoranalys, varför de togs bort innan den riktiga faktoranalysen genomfördes. Efter att enkäten skickats ut insåg vi att frågan kring om det finns en deltagande ledning inte bidrog till en rättvis bedömning av företagen, och att vi därför exkluderade OLC9 ur faktoranalysen. Nästan samtliga respondenter hade besvarat frågan med det högsta alternativet, och vi gjorde därför bedömningen att detta skulle påverka utfallet i faktoranalysen. Majoriteten av respondenterna sitter själva i företagets ledning, och vi bedömde att det kan vara svårt för respondenten att vara självkritisk då denne förmodligen inte vill uttala sig negativt om sin arbetsprestation. Slutligen har vi även exklu- derat OLC11, vilken handlar om företagets centraliseringsgrad. Anledningen till detta var att frågan var konstruerad med en skala på motsatt håll än resterande frågor, det vill säga att ett högt värde på denna fråga indikerade på motsatsen till de andra frågorna, och därmed gjorde det svårt att se tydliga mönster kring livscykelstadium. Att vi har exkluderat fem OLC-faktorer
får som konsekvens att det enbart är elva indikatorer som identifierar livcykelstadium, vilket är tråkigt eftersom resultatet hade blivit mer tillförlitligt om fler faktorer bestämde detta. Vi an- ser dock att en exkludering av dessa indikatorer trots detta medför att vi får en mer träffsäker och tillförlitlig faktoranalys, då inte felaktiga indikatorer är med och påverkar utfallet.
6. Analysmetod
I detta kapitel presenteras och förklaras de analysmetoder som tillämpas i uppsatsens analys, det vill säga att en beskrivning ges över den deskriptiva statistiken, multikollinearitet och heteroskedasticitet, faktoranalys, klusteranalys och regressionsanalys. Dessa analysmetoder kommer från tidigare forskning, och används för att besvara våra hypoteser.