Forskningsdesignet omhandler hvordan man vil gjennomføre en undersøkelse for å besvare studiens problemstilling og å besvare forskningsspørsmålene (Kristoffer-sen et al. 2004). Forskningsdesignet kan beskrives gjennom hensikt, tilnærming og metode for datainnsamling. De metodiske forholdene er avgjørende for resultatene, derfor vil svakheter ved metodevalget utdypes. Vi har valgt forskningsdesign ut i fra hva vi tror vil gi de mest riktige resultatene.
5.2.1 Hensikten med studien
Valget av hensikt er avhengig av studiens formål. Ifølge Sanders et al. (2009), kan målet med en studie splittes i tre forskjellige klassifikasjoner. Dette er utforskende, beskrivende og forklarende formål. Å kategorisere målet med studien er viktig, for-di de forskjellige klassifikasjonene kan føre til forskjellige valg av forskningsdesign (Lewis, 2007).
Målet med en utforskende studie er å finne ut hva som skjer, å søke nye innsikter stille spørsmål og belyse forskjellige fenomener i et nytt lys (Lewis, 2007). Som en forklarende studie er den nyttig for å klarlegge et problem. Dette kan oppnås gjennom utforskende forskning, slik som å gjennomgå litteratur, intervjue eksperter
innen temaet eller utføre fokusgruppeintervjuer (Lewis, 2007). Nye innsikter og ideer som stammer fra forskning kan også kreve at forskeren må endre retning langs veien.
Til sammenligning, beskrivende forskning søker å portrettere en profil av personer, hendelser eller situasjoner (Lewis, 2007). Beskrivende statistikk kan kombineres med enten utforskende eller forklarende studier.
En forklarende studie har som formål å etablere kausale sammenhenger mellom variabler. Målet med en forklarende studie er å studere en situasjon eller et problem for å forklare forholdet mellom variabler (Lewis, 2007). Det er ofte vanskelig å skille forklarende og utforskende studier. Denne studien er forklarende i den forstand at den søker å forstå forholdet mellom resultatlønn, egenskaper ved jobben og jobb-motivasjon. Nærmere forklart er målet å finne ut om resultatlønnen og egenskaper ved jobben bidrar til å øke motivasjonen deres slik at vi ser en økning i innsatsen og interest alignment. Det er viktig å skille mellom korrelasjon og kausalitet. Korrelasjon er en samvariasjon, mens kausalitet er et årsak-virkningsforhold (Kristoffersen et al.
2004). Det er vanskelig å påvise hva som faktisk skyldes forskjeller i innsats og inte-rest alignment. Studien er også utforskende, siden den søker å utforske, evaluere og søke etter ny innsikt på hva som påvirker innsats og interest alignment.
5.2.2 Forskningstilnærming
En viktig distinksjon for valget av forskningsdesign er gjennom forskningsgen. Basert på hvor eksplisitt teorien er anvendt i forskningsstadiet, kan tilnærmin-gen klassifiseres som enten induktiv, deduktiv eller begge (Lewis, 2007).
En induktiv forskningstilnærming kan defineres som utvikling av teorien som et re-sultat av observasjon av empiriske data (Lewis, 2007). Induktiv forskning bruker normalt kvalitative data for å gi en dyp forståelse for forskningskonteksten. Den gir også forskerne en fleksibel struktur, siden den tillater dem å tilpasse fokuset i studie ettersom studien gjør framskritt. I tillegg er induktiv forskning vanligvis mindre opp-tatt av å generalisere svarene (Lewis, 2007). Tilnærmingen har blitt kritisert for at
mennesket generelt ikke har evne til å hente inn all relevant informasjon, og at det er vanskelig å ikke være selektiv i innhentningen (Jacobsen, 2000). I kontrast, deduktiv tilnærming innebærer at man går fra teori til empiri. Teorien danner utgangspunkt for forventninger om hvordan virkeligheten ser ut. Data hentes så inn for å teste om teo-retiske forslag stemmer overens med faktiske forhold. Denne tilnærmingen er mer strukturert og krever at forskerne forsiktig velger ut store nok utvalgsstørrelser for å kunne svare på forhåndsdefinerte hypoteser og trekke generaliserte konklusjoner.
Deduktiv forskning er normalt basert på kvantitative data (Lewis, 2007). Kritikken mot denne tilnærmingen går i hovedsak ut på at forskeren kan bli ledet til å lete etter informasjon som støtter det man forvente ut i fra teorien.
Denne studien benytter seg av en deduktiv tilnærming. Ved hjelp av teori ønsker vi å gjøre empiriske funn på hva som påvirker innsats og interest alignment hos ledere i norske bedrifter. Ved hjelp av teori og empiri har vi dannet forventninger om hvilke faktorer som kan ha påvirkning. Vi har så utført egne empiriske undersøkelser for å vurdere om forventningene stemmer overens med virkeligheten.
5.2.3 Datainnsamling
For å gjennomføre en forskningsundersøkelse må man samle inn, analysere og tolke data (Kristoffersen et al. 2004). I prosessen med å samle inn relevante data må det tas stilling til innsamlingsmetode og type data som er hensiktsmessig å bruke.
For å besvare våre problemstillinger og hypoteser har vi valgt å bruke kvantitative sekundærdata.
5.2.3.1 Primær og sekundærdata
Det skilles mellom primær og sekundærdata. Primærdata er data forskeren selv samler inn for å besvare spesifikke problemstillinger. Sekundærdata er data andre har samlet inn for et annet formål (Gripsrud et al. 2008). Data vi har brukt for å be-svare problemstillingen er hentet fra AFF´s lederundersøkelse fra 2011. Det betyr
at vi vil benytte sekundærdata som analysegrunnlag i studien. Sekundærdata er rå-data, det vil si at data ikke har blitt prosessert gjennom seleksjon og oppsummering (Lewis, 2007). Fordelen ved å bruke sekundærdata er at vi sparer ressurser, spe-sielt tid og penger. Det er mye billigere å benytte seg av denne typen data, enn å samle inn data selv. Vi sparte også mye tid på dette.
Det er tre undergrupper av sekundærdata: dokumentardata data, surveybasert og multiple kilder. Dokumentardata er skrevne eller uskrevne dokumentasjoner, slik som journaler og videoer. Surveydata referer til data innsamlet ved bruk av en sur-vey, vanligvis ved hjelp av spørreskjema. Dette er datakilden vi kommer til å bruke.
Multiple kilder kan bestå av både dokumentardata og surveydata.
5.2.3.2 Kvantitativ og kvalitativ metode og data
Lewis (2007) skiller mellom to typer datakolleksjon, kvantitativ og kvalitativ meto-de. Skillet dreier seg om hvordan data registreres og analyseres (Kristoffersen et al. 2004). Om forskningen generer og bruker tall eller mengdeenheter data, kan metoden beskrives som kvantitativ. Om man bruker ikke-numeriske data, slik som intervjuer som ikke kan tallfestes, kalles det kvalitativ metode.
Ifølge Bloomberg et al. (2008) er kvalitativ forskning den mest passende for å oppnå en dyp forståelse av sosiale settinger eller handlinger fra synspunktet til forskere.
Den legger vekt på utforskende og beskrivende forskning, og den er vanligvis brukt med en induktiv tilnærming. I en kvalitativ studie blir det ofte brukt få forsøksper-soner, for eksempel case studier. Der bruker de ofte mer ustrukturerte metoder der spørsmålene ikke er laget på forhånd. En kvantitativ forskningsmetode innebærer større objektivitet og distanse mellom forsker og forskningspersoner. Dataene ana-lyseres som regel ved hjelp av statistiske analyseteknikker. Det er lettere å studere flere personer, og studien blir mer strukturert. Den brukes ofte til å behandle sto-re mengder informasjon. Fordi informasjonen standardisesto-res, har man fordelen av at man kan få oversikt over store mengder data (Jacobsen, 2000). Ulempen er at denne standardiseringen av informasjon definerer hva som er relevant informasjon,
noe som begrenser hvilke type informasjon som kan innhentes. Det er altså vanske-lig å gå i dybden med kvantitativ metode. I denne studien benytter vi en kvantitativ metode ved at sekundærdata fra AFF´s lederundersøkelse analyseres for å trekke generaliserbare slutninger. Data av interesse var svarene som angikk hvorvidt de mottok resultatlønn, deres vurderinger av egenskaper i jobben, og spørsmål brukt for å måle innsats og interest alignment. Vi benytter to typer kvantitative data fra spørreskjemaet: 1) ordinale data 2) dikotome data. Ordinale data er kategorisk data som kan rangeres. Respondentene skulle oppgi hvor sterkt de var enig i en påstand, med en rangering fra 1-5, der 5 var helt enig. Dikotome variabler er variabler som kan ha to verdier (Kristoffersen et al. 2004). For eksempel mottar man enten resul-tatbonus (1) eller ikke (0). Selv om ordinale data er kategorisk, mener noen forskere at det kan analyseres som intervalldata (Lewis, 2007).
For å undersøke sammenhenger av kvantitative data egner faktoranalyse og regre-sjoner seg utmerket. Vi bruker faktoranalysen til å opprette faktorer ut ifra spørsmå-lene i undersøkelsen, slik at vi kan undersøke sammenhengene mellom faktorene ved hjelp av regresjonsanlyse.