Urval

Den digitala enkäten har skickats ut via e-post till de studenter på Civilekonomprogrammet på Linköpings universitet som skrev sitt examensarbete under våren 2021. Utöver detta har den publicerats på diverse sociala medier, såsom Facebook och LinkedIn. Slutligen delades enkäten ut via e-post inom ett antal arbetsplatser. Detta tillvägagångssätt valdes för att, med begränsade resurser, kunna samla in svar från ett stort antal respondenter med spridning i åldrar, värderingar och erfarenheter. Detta tillvägagångssätt innebär att vi har gjort ett bekvämlighetsurval, där vi samlat in data från de personer som vid publiceringstillfället fanns lättillgängliga i vår omgivning. Detta innebär att ett icke-sannolikhetsurval har tillämpats eftersom respondenterna inte var slumpmässigt utvalda (Bryman & Bell 2017).

Bekvämlighetsurval resulterar generellt i en hög svarsfrekvens, vilket är en stor fördel. Dock är urvalsmetoden inte lämplig för att kunna generalisera resultatet till andra än de som deltagit i den specifika undersökningen. Det är endast möjligt att generalisera ett

resultat om ett sannolikhetsurval genomförts (Bryman & Bell 2017). Trots att ett representativt urval och möjligheten att generalisera denna studies resultat hade varit fördelaktigt, är detta inte något vi har valt att eftersträva. Istället har vi prioriterat att genomföra ett explorativt urval, vilket Denscombe (2014) förklarar används för att utforska nya områden som är tämligen outforskade. Dessutom används det för att kunna bidra med nya synpunkter och ny information. Då denna studie har undersökt köpbeslutsprocesser i förhållande till det relativt nya fenomenet Coronapandemin anser vi att detta urval har varit lämpligt. Sammantaget förklarar Denscombe (2014) att det explorativa urvalet generellt inte kräver ett varierat och representativt stickprov då det finns ett annat bakomliggande syfte. Denna studie kan därmed, av andra skäl än att den är generaliserbar, vara intressant även för de som inte deltagit i studiens undersökning.

Populationen för denna studie har varit hela den svenska befolkningen som är över 18 år och som befinner sig på internet. Vi har valt denna population eftersom vår forskningsstrategi, den digitala enkäten, gör det svårt att kontrollera exakt vem som svarar samt vilken del av landet som respondenterna kommer ifrån. Att vi valt ut de som befinner sig på internet grundar sig även det i vårt val av forskningsstrategi, då det endast är internetanvändare som har kunnat besvara enkäten. Urvalet som gjorts från denna population var, som tidigare nämnt, inte slumpmässigt. En mindre population med ett lyckat slumpmässigt urval hade dock inte varit relevant då vi anser att klädköp berör individer av alla åldrar, kön, sysselsättning och status. Dessutom berör det individer från hela landet med deras olika värderingar och erfarenheter. Att skapa en balans mellan andelen kvinnor och män som besvarade enkäten hade dock varit fördelaktigt. Detta hade dock inte möjliggjorts genom en annan population utan berör istället vårt val av urval.

3.4 Analysmetoder för data

För att analysera denna studies data har statistikprogrammet IBM SPSS Statistics (härefter benämnt SPSS) använts. Med hjälp av detta program har univariata, bivariata samt multivariata analyser genomförts i form av såväl deskriptiv som analytisk statistik.

3.4.1 Kodning

För att möjliggöra genomförandet av ovan nämnda analyser i SPSS har de frågor som inte var skalfrågor (1-7) kodats om till siffror. Detta för att kunna genomföra en kvantitativ analys även av icke-numeriska svar (Bryman & Bell 2017). Majoriteten av frågorna i

enkäten utgjorde icke-numeriska skalor, med svarsalternativ som exempelvis sträckte sig från lägst till högst. Dessa svarsalternativ omkodades därför till siffror och placerades i en skalenlig följd, från lägst/sämst till högst/bäst. Exempelvis kan en sådan omkodning ha utformats enligt följande: 1 = Mycket mindre till 5 = Mycket mer. Svarsalternativ såsom “vet ej” och “annat” har i omkodningen av skalor uteslutits då de inte utgör en del av skalan. Även nominella frågor, med svarsalternativ som inte kan rangordnas, har omkodats till olika siffror. Exempelvis har könen omkodats till 1=Annat, 2=Kvinna och 3=Man. Dessa siffror har valts slumpmässigt av SPSS och endast använts för att särskilja olika svarsalternativ vid dataanalys.

I vissa fall har svarsalternativen haft en alltför otillräcklig svarsfrekvens för att kunna genomföra en trovärdig analys. Detta var vanligt förekommande vid Chitvå-test, där varje svarsalternativ enskilt utgjorde en viktig del av analysen (Weinberg & Abramowitz 2015). För att möjliggöra dataanalys även i dessa fall har svarsalternativen slagits ihop och omkodats till färre men större kategorier. Exempelvis har variabeln ålder omkodats till kategorierna yngre (18-30 år), medelålders (31-60 år) samt äldre (äldre än 60 år).

3.4.2 Outliers

För att minimera risken för att enskilda extremvärden skulle påverka analysernas resultat undersöktes ifall datan inkluderade några outliers. En outlier beskrivs som ett värde som befinner sig långt ifrån resterande data och som kan påverka resultatet och ge en felaktig indikation av verkligheten (Field 2015). För att säkerställa att eventuella outliers inte skulle ha uppstått på grund av felinmatning av data, kontrollerades den data som matats in manuellt. Därefter skapades boxplots för att undersöka de variabler där misstanke om outliers fanns. I ett fåtal fall uppvisade dessa boxplots att outliers existerade. Dock exkluderades endast outliers i ett av dessa fall där två värden avvek avsevärt från resterande svar. I övriga fall vidtogs ingen åtgärd för att exkludera outliers eftersom dessa värden inte ansågs tillräckligt extrema. Därmed var vår bedömning att exkludering i dessa fall inte skulle ha bidragit till mer rättvisande svar. Vad gäller den kategoriska variabeln

kön uteslöts svarsalternativet annat i de fall då denna variabel testades. Detta eftersom

3.4.3 Signifikansnivå

Den statistiska signifikansnivån är det kriterium som används för att bedöma styrkan på samband mellan variabler. De värden som signifikansnivån vanligtvis antar är 1%, 5% och 10%, där risken att ett påstått signifikant samband egentligen inte existerar ökar vid en högre signifikansnivå. Exempelvis innebär en signifikansnivå på 5% att det finns en risk på 5% att det samband som påvisats signifikant egentligen är felaktigt. Alltså existerar sambandet med 95% säkerhet (Bryman & Bell 2017; Weinberg & Abramowitz 2015). Den signifikansnivå som används bör därför anta det värde, och dess medförda risk, som kan anses acceptabelt i undersökningen.

I denna studies dataanalys har en signifikansnivå på 5% använts genomgående. Denna signifikansnivå har använts eftersom den innebär en relativt låg risk för felaktiga slutsatser samt för att det i regel är denna nivå som accepteras av forskare vid samhällsvetenskaplig dataanalys (Bryman & Bell 2017). Signifikansnivåer över 5% har inte varit aktuella för studien då vi ansåg att dessa innebar en alltför hög risk och därmed en minskad trovärdighet. Vi har valt att bedöma styrkan på sambandens signifikans enligt följande: P-värden/Sig. (2-tailed) runt 0,01 innebar en stark signifikans, runt 0,03 en måttlig signifikans och runt 0,05 var signifikansen svag.

För att bedöma om sambanden och skillnaderna varit signifikanta jämfördes testernas P- värden/Sig. (2-tailed) mot den relevanta signifikansnivån (Dahmström 2011; Saunders, Lewis & Thornhill 2016; Weinberg & Abramowitz 2015). Då signifikansnivån som applicerats i denna studie uppgår till 5% har samband med P-värden/Sig. (2-tailed) som överstigit 5% inte ansetts signifikanta vid dataanalysen.

3.4.4 Deskriptiv statistik

Deskriptiv statistik har tagits fram för att beskriva den data som samlats in. Denna typ av statistik har presenterats i form av cirkeldiagram, stapeldiagram, antal, procent, medelvärden, standardavvikelser och typvärden. I vissa fall har denna data även presenterats i textform. Eftersom medelvärdena i denna studie har baserats på ordinalskalor, där respondenternas uppfattning av skalan kan variera, kan dessa medelvärden vara något oprecisa. Dock ger dessa medelvärden en viktig indikation kring hur respondenterna agerar och resonerar i samband med sina klädköp.

3.4.5 Analytisk statistik

Ett tillvägagångssätt som använts för att analysera data var att genomföra ett flertal “Independent samples T-test”. Dessa test används enligt Field (2015) för att jämföra medelvärden mellan två grupper, bestående av olika respondenter. Kvinnor respektive män är exempel på sådana grupper. Med dessa test är det således möjligt att urskilja om det finns signifikanta skillnader mellan två olika grupper.

Det finns två förutsättningar att ta hänsyn till för att säkerställa T-testernas validitet. Dessa är att datan är normalfördelad samt att de två grupperna har likvärdig varians (Saunders, Lewis & Thornhill 2016). Vidare menar både Saunders, Lewis och Thornhill (2016) samt Weinberg och Abramowitz (2015) att dessa förutsättningar inte nödvändigtvis behöver uppfyllas. Om urvalet är tillräckligt stort (över 30 respondenter) är det inte obligatoriskt att en normalfördelning ska existera. Vidare kan den likvärdiga variansen ignoreras om gruppernas storlekar är likvärdiga. Levene’s test, som framgår av T-testet, tydliggör om denna förutsättning angående likvärdig varians är uppfylld eller inte (Weinberg & Abramowitz 2015). Om Levene’s test är signifikant, det vill säga understiger en signifikansnivå på 5%, undersöks Sig. (2-tailed) för “equal variances not assumed”, istället för “equal variances assumed” (Field 2015). I tabellerna över studiens T-tester presenteras den Sig. (2-tailed) som är relevant för det specifika testet, utifrån ovanstående kriterium. Sammantaget har förutsättningarna för T-testerna uppfyllts, antingen per automatik eller genom de alternativa tillvägagångssätt som nämnts ovan.

Utöver T-test genomfördes även ett antal korrelationsmatriser med den insamlade datan. Detta för att kunna urskilja samband mellan variabler. Vid utförandet av en

korrelationsmatris i SPSS presenteras Pearson’s correlation coefficients

(korrelationskoefficienter) med olika värden (Field 2015). Dessa värden visar hur starka sambanden mellan två variabler är, ju högre värde desto starkare samband. När korrelationsvärdet är i närheten av 0,5 anses sambandet vara starkt, när det är i närheten av 0,3 är det måttligt och när det är i närheten av 0,1 är sambandet svagt (Cohen 1988 se Field 2015 och Weinberg & Abramowitz 2015). Korrelationen kan anta både positiva och negativa värden, på en skala från -1 till 1. Värdena 1 och -1 innebär perfekta effekter, medan 0 innebär att det inte finns någon effekt (Field 2015; Weinberg & Abramowitz 2015). Skalan är dock inte linjär, utan ordinal, vilket exempelvis innebär att en ökning av

korrelationskoefficienten från 0,1 till 0,3 inte är lika stark som en ökning från 0,3 till 0,5 (Weinberg & Abramowitz 2015).

Vid positiva samband rör sig variablerna i samma riktning och vid negativa samband rör de sig i olika riktningar (Field 2015). Weinberg och Abramowitz (2015) beskriver att sambanden bör förklaras enligt följande: De som svarat x tenderar även i genomsnitt att svara y. Detta istället för att förklara sambanden på så sätt att en förändring av variabel x också innebär en förändring av variabel y. De signifikanta sambanden utmärker sig i tabellerna genom att siffrorna är skrivna i fetstil och markerade med stjärnor.

De två viktigaste förutsättningarna för korrelationer är normalfördelning och sambandets linjäritet. Normalfördelningen anses återigen vara uppfylld då samtliga korrelationer inkluderade fler än 30 respondenter (Field 2015). Spridningsdiagram genomfördes för att kontrollera linjäriteten. Till störst del påvisade dessa diagram att linjäritet existerade. I vissa fall var punkterna något mer utspridda, vilket skulle kunna tyda på svagare linjäritet. Två samband ansågs så pass icke-linjära att de var tvungna att uteslutas. De resterande sambandens regressionslinjer var dock inte så pass krökta att de inte skulle kunna antas vara linjära. Med grund i detta antas samtliga korrelationer, bortsett från två, vara linjära.

Vidare genomfördes även ett antal Chitvå-test i syfte att jämföra två kategoriska variabler med varandra (Field 2015). Via ett Chitvå-test undersöks hur sannolikt det är att variablerna är oberoende av varandra och ifall datan uppkommit av slumpen. Detta sker genom en jämförelse av hur de observerade värdena skiljer sig från de förväntade värdena som skulle ha uppstått om variablerna var oberoende av varandra (Saunders, Lewis & Thornhill 2016). Det finns även för detta test två förutsättningar för att kunna använda testet korrekt. Den första förutsättningen är att observationerna är oberoende av, och inte påverkar, varandra. Den andra innebär att de förväntade värdena i varje cell inte är för små. En riktlinje är att samtliga celler ska ha ett värde över 5 (Weinberg & Abramowitz 2015). Dessa förutsättningar har uppnåtts i denna studies dataanalys. I enstaka fall har cellerna haft ett värde under 5, dock har detta endast berört en cell per test. Eftersom en cell utgjort mindre än 20% av samtliga celler är detta acceptabelt (Field 2015). Testet i SPSS genererar även ett Pearson Chi-Square P-värde, vilket förklarar testets signifikans.

För att förklara styrkan i de funna Chitvå-sambanden genomfördes testerna Phi samt Cramér’s V. Enligt Field (2015) kan styrkan på dessa samband likställas med styrkorna för korrelationskoefficienterna, vilka nämns ovan. Phi används vid undersökning av två variabler med två kategorier var. Cramér’s V används istället när undersökningen inkluderar två variabler där minst en har fler än två kategorier (Field 2015). I denna studies analyser inkluderas det test som är relevant i den specifika situationen.

En annan analysmetod som applicerats i denna studie är den bivariata linjära regressionsanalysen. Denna har genomförts för att kunna identifiera linjära och signifikanta samband mellan en beroende och en oberoende variabel (Weinberg & Abramowitz 2015). Med hjälp av SPSS genereras ett flertal uppgifter där ett B-värde, ett p-värde, ett nummer på antalet respondenter som deltagit i analysen (N) samt en förklaringsgrad (R2) är de mest relevanta. B-värdet förklarar hur den beroende variabeln förändras om den oberoende variabeln ökar eller minskar med en enhet. Ett positivt B- värde innebär att variablerna rör sig i samma riktning. En ökning med ett steg i den oberoende variabeln innebär således en genomsnittlig ökning av den beroende variabeln, alternativt innebär en minskning med ett steg i den oberoende variabeln också en genomsnittlig minskning av den beroende variabeln. På motsatt sätt betyder ett negativt B-värde att variablerna rör sig i olika riktningar, där exempelvis en ökning med ett steg i den oberoende variabeln leder till en genomsnittlig minskning av den beroende variabeln (Dahmström 2011; Weinberg & Abramowitz 2015).

Förklaringsgraden mäter procentuellt i hur stor utsträckning variationen i den beroende variabeln kan förklaras av den oberoende variabeln (Saunders, Lewis & Thornhill 2016). I denna studie har flertalet av regressionsanalyserna relativt låga förklaringsgrader. Detta indikerar att förändringar i de beroende variablerna även kan förklaras av andra oberoende variabler, utöver de som inkluderats i testerna. De påvisade signifikanta sambanden är trots detta relevanta, men de förklarar endast en liten del av variationen. Slutligen har multipla linjära regressionsanalyser genomförts i studien. Dessa är utformade på samma sätt som de bivariata linjära regressionsanalyserna men inkluderar ett flertal, noggrant utvalda, oberoende variabler. I majoriteten av testerna inkluderades även kontrollvariablerna (se avsnitt 3.6) för att urskilja om de oberoende variablerna, under kontroll för kontrollvariablerna, var signifikanta i sin påverkan på den beroende variabeln. På detta sätt var det även möjligt att urskilja om kontrollvariablerna kunde

förklara variationen i den beroende variabeln. Fördelen med multipla linjära regressionsanalyser är att de förklarar variationen i den beroende variabeln med hjälp av ett flertal oberoende variabler. Detta gör förklaringen av den beroende variabeln mer komplett.

Enligt Field (2015) samt Saunders, Lewis och Thornhill (2016) finns vissa förutsättningar att ta hänsyn till vid genomförandet av linjära regressionsanalyser. Dessa är linjäritet, normalfördelning, homoskedasticitet och multikollinearitet. Linjäritet innebär att det ska finnas ett linjärt samband mellan den oberoende variabeln och den beroende variabeln. För de samband som enligt denna studies regressionsanalyser påvisades signifikanta genomfördes spridningsdiagram i syfte att kontrollera linjäriteten. Då punkterna i samtliga spridningsdiagram i hög grad följde regressionslinjens riktning kunde linjäritet antas (Saunders, Lewis & Thornhill 2016). Vidare kunde normalfördelning anses uppnådd då samtliga regressionsanalyser inkluderade fler än 30 respondenter, i enlighet med den centrala gränsvärdessatsen (Field 2015). Vad gäller analysernas homoskedasticitet, det vill säga hur väl variablernas varians var likvärdig, uppfylldes detta i majoriteten av studiens regressionsanalyser (Saunders, Lewis & Thornhill 2016). Homoskedasticiteten undersöktes med hjälp av spridningsdiagram över variablernas varians. I vissa fall förelåg viss heteroskedasticitet. Dock innebar inte detta något betydande hinder för genomförandet av undersökningarna då variablernas gruppstorlek var relativt likvärdiga (Field 2015).

Vid genomförandet av multipla linjära regressionsanalyser bör det dessutom kontrolleras att de oberoende variablerna inte korrelerar med varandra, det vill säga att det inte existerar någon multikollinearitet. Detta är väsentligt att undersöka eftersom multikollinearitet försvårar särskiljandet av de enskilda variablernas effekter (Field 2015; Saunders, Lewis & Thornhill 2016). För att kontrollera detta har tolerans- samt VIF- värden tagits fram med hjälp av SPSS för varje multipel linjär regressionsanalys som genomförts (Saunders, Lewis & Thornhill 2016). Enligt Field (2015) finns en risk för multikollinearitet om VIF-värdet är väsentligt större än 1 eller om toleransvärdet är lägre än 0,2. Då samtliga tolerans- samt VIF-värden i denna studie förhåller sig nära dessa riktlinjer kan det konstateras att det inte förekommer någon multikollinearitet. Därmed är det möjligt att särskilja de oberoende variablernas effekter.

De referenser som angivits i detta metodavsnitt ligger även till grund för de analyser och slutsatser som framförts i empirikapitlet.

3.5 Etiska överväganden

Vid insamlingen av studiens data har det varit av stor vikt för oss att ta hänsyn till ett flertal etiska aspekter. Detta eftersom vi var måna om att respondenterna skulle vara medvetna om vad deras medverkan innebar och vilka rättigheterde hade vid besvarandet av enkäten. Det har vidare varit viktigt för oss att vara tydliga och ärliga kring undersökningens innehåll, något som enligt Bryman och Bell (2017) innebär att vi undvikit falska förespeglingar.

En etisk aspekt som har tillämpats i undersökningen är informationskravet, vilket Bryman och Bell (2017) beskriver innebär att man ska informera deltagarna om syftet med undersökningen och dess olika delar. Detta har vi gjort genom att inleda enkäten med en beskrivning av vad studien samt enkäten avser att behandla samt varför undersökningen genomförts. Ytterligare en etisk aspekt är samtyckeskravet, vilket innebär att respondenterna bör vara medvetna om att undersökningen är frivillig och att de när som helst kan välja att avbryta. Dessutom krävs godkännande från en vårdnadshavare om respondenter är under 18 år (Bryman & Bell 2017). För att ta hänsyn till denna aspekt har även information kring respondenternas rättigheter inkluderats i den inledande beskrivningen av enkäten. Där tydliggjordes att undersökningen var frivillig att delta i samt att respondenterna om de önskade kunde avbryta enkäten. Dessutom tillät vi endast personer över 18 år att svara på enkäten för att underlätta datainsamlingen.

Ytterligare ett perspektiv är konfidentialitets- och anonymitetskravet. Detta innebär att den insamlade datan bör hanteras med sekretess (Bryman & Bell 2017). Datainsamlingen för denna studie var anonym, vilket innebär att det saknades ingående personuppgifter om respondenterna. Uppgifter såsom inkomst, kön och sysselsättning samlades in men vi var, trots detta, ovetande om vilka dessa individer var. Det var således omöjligt att koppla dessa uppgifter till specifika respondenter. Oavsett har den insamlade datan endast funnits tillgänglig för denna studies författare, på lösenordskyddade datorer, och kommer inte spridas vidare. Det insamlade materialet har dessutom endast använts i denna studie,

vilket innebär att även nyttjandekravet är uppfyllt (Bryman & Bell 2017). Anonymiteten minimerade även risken för att respondenterna skulle ta skada av undersökningen.

3.6 Kvalitetsdiskussion

För att uppnå hög kvalitet på studiens resultat, har vi tagit hänsyn till tre kvalitetskriterier. Dessa är reliabilitet, replikerbarhet samt validitet. Reliabilitet behandlar hur väl resultaten från en undersökning skulle stämma överens med resultaten från samma undersökning om den genomfördes igen. Syftet är att minimera risken att undersökningen påverkas av tillfälliga och slumpmässiga händelser (Bryman & Bell 2017). För att upprätthålla en god reliabilitet har enkätfrågorna noga utvalts och testats för att säkerställa att de genererar svar som mäter det studien avser att mäta. Undersökningen innehöll två kontrollvariabler, respondenternas modeintresse och miljömedvetenhet, vilka har möjliggjort för att kunna urskilja vad som har påverkats av Coronapandemin och inte. Detta anser vi ökar studiens reliabilitet på så sätt att resultatet blir mer trovärdigt. Dessa kontrollvariabler menar vi är viktiga att undersöka även i framtida forskning då de kan ha en inverkan på resultatet. Något att ha i åtanke är att syftet med denna studie har varit att undersöka en pandemis påverkan på konsumenters köpprocesser, vilket i sig klassas som en tillfällig företeelse. Detta innebär alltså att studien har påverkats av utomstående händelser. Dock bör studien endast replikeras under likvärdiga framtida pandemier, vilket tyder på att resultatet i dessa fall bör vara reliabelt. På grund av studiens tidigare nämnda