Før det blir gjennomført en regresjonsanalyse i kapittel 7 er det nødvendig ˚a finne ut om det foreligger samvariasjon mellom de ulike forklaringsvariablene funnet idelkapittel 6.1. I likhet med testen vi gjorde med nøkkeltallene i delkapittel 5.3 kan en sterk korrelasjon mellom forklaringsvariablene tilsi at de m˚aler det samme eller indikere en drivkraft mellom dem.
Dette kan igjen skape problemer i lys av multikollinearitet. Derfor vil en korrelasjonsanalyse bli brukt til ˚a avdekke mulige samvariasjoner som oppst˚ar mellom forklaringsvariablene, og dermed øke styrken til regresjonsanalysen. I tabell 29 er oversikten over forklaringsfaktorene som er identifisert, med m˚altall for faktorene og en videre beskrivelse.
Tabell 29: Oversikt over lønnsomhetsfaktorene
Først vil kostnadsdriverenskalabli analysert for samvariasjon mellom faktorene. Som det ble avdekket i delkapittel 5.3 er det en svak, men signifikant korrelasjon mellom material- og produksjonskostnader ogresultatmargin, og det kan dermed sees ut som skalaeffekter kan ha en p˚avirkning p˚a bransjens lønnsomhet. Korrelasjonsanalysen er presentert i tabell 30 og ut fra denne kan vi se en sterk korrelasjon mellom de ulike faktorene forskala.
Tabell 30: Korrelasjonsanalyse mellom faktorer som m˚aler skala
Korrelasjonen som inntreffer mellom de tre faktorene viser alle høye koeffisienter, hvor alle har en samvariasjon over 0,82. Den høyeste korrelasjonen inntreffer mellom ˚arsverk og totalkapital p˚a 0,94, som tilsier en endring i antall ˚arsverk blir nærmest identisk knyttet til endringen i totalkapitalen. Dette ogs˚a i samme retning. De andre kombinasjonene er noe svakere, men likevel sterkt positivt korrelert til hverandre. Dette p˚a et 1%-signifikansniv˚a og kan dermed konkluderes med sikkerhet.
Den sterke samvariasjonen, og i tr˚ad med problematikken vedrørende multikollinearitet, gjør at vi videre i analysen velger ˚a omtale ˚arsverk som det samlede m˚altallet for skala.
Argumentasjonen for ˚a beholde˚arsverksom m˚altall er blant annet grunnet bransjens arbeidsin-tensitet, og dermed relevansen og betydeligheten faktoren har. Likes˚a er den uten manglende observasjoner og samtlige selskaper i utvalget er p˚a den m˚aten representert p˚a lik linje.
Grunnet den lave kapitalintensitet ansees ikke gjennomsnittlig totalkapital som representativ for ˚a ta for seg skala-forholdene i bransjen, samt ordrereserve sine reduserte observasjoner gjør usikkerheten til den statistiske inferensen økende og ikke like velbalansert. De absolutte forskjellene som inntreffer mellom selskapene er av betydelig størrelse, og funksjonen til den naturlige logaritmen vil derfor bli utnyttet til ˚a beskrive ˚arsverk. Denne vil bli omtalt som ln ˚Arsverk.
Samvariasjonen som har inntruffet mellomln ˚Arsverkog de resterende faktorene er presentert i tabell 31. Som nevnt i delkapittel 3.6 er det viktig ˚a merke seg at Pearsons koeffisient ikke tar for seg hvilken p˚avirkningskraft variablene har p˚a hverandre, med andre ord
˚arsakssammenhengen, men kun hvordan de samvarierer. Analysen er brukt til ˚a kunne oppklare om det finnes en signifikant sammenheng mellom de ulike lønnsomhetsfaktorene.
Tabell 31: Korrelasjonsmatrise for lønnsomhetsfaktorer
Som det kommer frem av tabell 31 er det en signifikant korrelasjon mellom ln ˚Arsverk og majoriteten av lønnsomhetsfaktorene, sett bort i fra Produktivitet og Kvinneandel i ledelsen.
Som vi ser mellom størrelsen p˚aln ˚Arsverkogalderfinnes det en moderat positiv korrelasjon, med en koeffisient p˚a 0,4341. Dette kan gi indikasjoner om at selskapets størrelse øker med alderen og de ekspanderer i takt med tiden. Korrelasjonen til entreprenørandel kan anses som moderat-til-sterkt negativ signifikant, med en koeffisient p˚a -0,6587, og kan tyde p˚a at en økning i selskapets skala reduserer hvor stor andel av omsetningen som kommer fra en-treprenørtjenester. Dette kan sees i lys av de pressede marginene i bransjen og nødvendigheten av ˚a diversifisere tjenestene sine for ˚a oppn˚a lønnsomhet. Det kan ogs˚a henge i tr˚ad mellom eierskapogentreprenørandel, som kan tilsi at børsnoterte selskaper har aksjonærenes interesse i fokus og slik har en økt portefølje tjenester, for ˚a generere omsetning. Likes˚a viser korre-lasjonen mellomalderogentreprenørandel en negativ signifikant koeffisient p˚a -0,4049. Slik støttes v˚ar mistanke om at aktører som har operert i en lengre periode ogs˚a er representert med en bredere produktmiks enn nyetableringer.
B˚adeeierskap, teknologiog klimaregnskap er signifikant positivt korrelert tilln ˚Arsverk, med koeffisienter p˚a henholdsvis 0,5630, 0,3313 og 0,5964. Korrelasjonen til eierskap kan sees som rimelig da selskaper som g˚ar offentlig ofte gjennomfører dette i h˚ap om ˚a skaffe kapital til
˚a ekspandere (Hall, 2020). Samvariasjonen mellom disse kan derfor bli sett som logisk da en økt størrelse avln ˚Arsverkvil kunne tilsi en nødvendighet og mulighet til ˚a ekspandere. Koeff-isienten tillnTeknologiansees ˚a være svak. Som gjennomg˚att tidligere er det lite insentiver for bransjens aktører ˚a bidra med innovasjon og nyvinning, s˚a den svake samvariasjonen kommer ikke overraskende. Likevel kan den positive korrelasjonen sammenfalle med at det er de største aktørene som trekker bransjen fremover og da de som tar ansvar for ˚a bruke ressurser p˚a dette (KPMG, 2020). Dette kan sees gjennom for eksempel AF Gruppen sin Construct Venture, som gjennomg˚att i delkapittel 6.1. Samvariasjonen tilklimaregnskap kan henge i tr˚ad med at større selskaper muligens tilsier et større absolutt utslipp. Dermed vil en økt størrelse kunne innebære en større p˚avirkningskraft p˚a bransjens totale utslipp og dens generelle holdninger.
P˚a den m˚aten er muligens flere øyne rettet mot større selskapers iniativ til klimahandlinger.
Derfor vil disse kunne føle p˚a et økt press til ˚a være ˚apne og p˚a ˚a presentere et klimaregnskap.
Kvinneandel i ledelsen er kun signifikant p˚a et 1%- signifikansniv˚a med faktorenalder, men denne er likevel svak. Koeffisienten mellom dem er 0,3627. Bransjen er som kjent manns-dominert, og samvariasjonen kan muligens sees i samme lys som med klimaregnskap da de større aktørene har et økt ansvar og press som forkjempere for bransjen. P˚a den m˚aten kan det bidra til at de større selskapene har et økt fokus p˚a ˚a balansere kjønnsfordelingen i ledelsen og slik forsøker ˚a bidra til ˚a gjøre det mer attraktivt for kvinner i bransjen.
6.3 Delkonklusjon
Gjennom dette kapittelet har Porters (1985) og Rileys (1987) teori vedrørende strukturelle og operasjonelle kostnadsdrivere blitt brukt til analyse for ˚a besvare det tredje formulerte forskningsspørsm˚alet:
Hvilke faktorer kan bidra til ˚a forklare eventuelle lønnsomhetsvariasjoner mellom bygg- og anleggsbedrifter i perioden 2009 - 2018?
Kostnadsdriverne som ble undersøkt og funnet relevante til ˚a bli brukt i videre analyse er kategorisert i skala, erfaring, kompleksitet, kapasitetsutnyttelse, de ansattes engasjement, teknologiogstrategiske valg.
Det er gjennom kapittelet presentert selskapenes data for de ulike kostnadsdriverne, og utviklingen i perioden. For hver kostnadsdriver identifiserte vi faktorer som kunne m˚ales kvantitativt, og som reflekterte drivernes effekt p˚a selskapenes lønnsomhet. Gjennom analysen ble det avdekket en bred variasjon for faktorene p˚a tvers av utvalgets selskaper, men hvor det ikke var et ˚apenbart mønster ˚a observere. Avslutningsvis ble det gjennom en korrelasjonsanal-yse undersøkt om det forel˚a samvariasjoner mellom de ulike faktorene. Dette for ˚a danne et fundament for regresjonsanalysene ikapittel 7, hvor det skal undersøkes hvilke faktorer som p˚avirker selskapenes lønnsomhet.
7 Sammenheng mellom faktorer og lønnsomhet
Ikapittel 5fant vi at det foreligger variasjoner i lønnsomheten til selskapene i utvalget, mens vi ikapittel 6undersøkte hvilke faktorer som kunne forklare disse variasjonene. I dette kapittelet ønsker vi ˚a se nærmere p˚a hvilken sammenheng det er mellom faktorene og selskapenes lønnsomhet. Med det ønsker vi ˚a besvare det fjerde og siste formulerte forskningsspørsm˚alet:
Foreligger det signifikante sammenhenger mellom de identifiserte faktorene og selskapenes lønnsomhet?
Vi vil starte kapittelet med ˚a presentere deskriptiv statistikk for de relevante faktorene fra for-rige kapittel, før det videre vil gjennomføres en multippel regresjonsanalyse basert p˚a de samme faktorene. I de neste delkapitlene vil vi ogs˚a foreta andre former for regresjonsanalyser, b˚ade med potensielle forklaringsvariabler og kontrollvariabler for ˚ars- og selskapsspesifikke forhold, dette for ˚a f˚a en større forst˚aelse av faktorenes betydning for selskapenes lønnsomhet. Basert p˚a de ulike regresjonsanalysene som anvendes vil det bli utviklet en hovedmodell for utrednin-gen. Avslutningsvis vil vi undersøke analysens robusthet, og om regresjonsmodellen oppfyller nødvendige forutsetninger.
7.1 Deskriptiv statistikk
I dette delkapittelet ønsker vi ˚a presentere deskriptiv statistikk for variablene som skal benyttes i de ulike regresjonsanalysene. I tabell 32 er variablene fremstilt, med tilhørende gjennomsnitt, minimums- og maksimumsobservasjoner, standardavvik, antall observasjoner og til slutt en beskrivelse av variabelen. Ettersom disse variablene er grundig forklart ikapittel 6, vil vi ikke g˚a nærmere inn p˚a de i dette delkapittelet.
For ˚a f˚a tilføre økt forst˚aelse av koeffisientene ˚arsverkogteknologihar vi benyttet variablenes naturlige logaritme. ˚Arsaken er at det foreligger store absolutte variasjoner mellom selskapene, og den er dermed nødvendig ˚a ta i bruk for ˚a kunne oppfylle forutsetningen om linearitet. Som vist i tabellen foreligger det maksimalt 150 observasjoner for variablene, men som følge av at enkelte selskap ikke har tilgjengelig ˚arsrapporter ved enkelte ˚ar i perioden, har visse variabler færre observasjoner.
Tabell 32: Deskriptiv statistikk for regresjonsanalysens variabler