For ˚a kunne se hvordan spesifikke forhold som inntreffer ved de ulike ˚arene og for hvert enkelt selskap p˚avirker utvalgets lønnsomhet, vil vi analysere forklaringskraften til disse variablene. Kontrollvariabelen ˚ar kan gi innsyn om hvordan ˚arlige variasjoner gjennom perioden har p˚avirket lønnsomheten, og brukes til ˚a kontrollere hvorvidt effekter har p˚avirket den avhengige variabelen over tid. ˚Arlige variasjoner er med det likt for selskapene i utvalget.
Disse kan sammenlignes med kjennetegnene i makroomgivelsene, identifisert ikapittel 4, som eksempelvis endringer i renteniv˚aer, sysselsetting eller oljepriser. Likes˚a vil vi kontrollere effekter som varierer p˚a tvers av selskapene, men som har vist seg ˚a være vedvarende over tid. Slik vil vi ogs˚a inkludere den selskapsspesifikke kontrollvariabelen selskapsvariablerfor videre analyse. ˚A ikke inkludere slike spesifikke variabler kan medføre nærmest irrelevante estimater, om ikke effektene er plukket opp av de øvrige forklaringsvariablene.
For de spesifikke forholdene har vi gjennomført en blokkvis regresjonsanalyse, som presentert i tabell 35. En blokkvis regresjonsanalyse blir gjennomført ved ˚a dele de ulike forholdene inn i blokker, hvor hver blokk brukes separat mens de andre prediktorvariablene blir ignorert. Den første regresjonsanalysen har da som form˚al ˚a undersøke den individuelle p˚avirkningskraften
˚arsspesifikke forhold har p˚a resultatmarginen. Dette blir gjort p˚a samtlige blokker, før de blir sammensatt i en regresjonsanalyse hvor samtlige blokker er inkludert.
Tabell 35: Blokkvis regresjonsanalyse
Det oppst˚ar en nødvendighet av ˚a ha referansepunkter for de ˚ars- og selskapsspesifikke forholdene, s˚abasis˚ar ogbasisselskapvil bli hensyntatt for variablene. Da kontrollvariablene blir definert som dummy-variabler, vil multikollinearitet oppst˚a dersom alle variablene blir inkludert i den blokkvise regresjonsanalysen. For ˚a komme unna dette problemet er en variabel fra hver blokk fjernet, ˚ar 2009 for de ˚arsspesifikke variablene i blokk 1, Veidekke for de selskapsspesifikke i blokk 2 og begge i blokk 3. Men andre ord vil de ˚arsspesifikke kontrol-lvariablene bli m˚alt i forhold til ˚aret 2009, mens de selskapsspesifikke kontrolkontrol-lvariablene blir m˚alt i forhold til Veidekke.
Tabell 36: Blokkvis regresjonsanalyse - Forklaringskraft
Ut fra tabell 36 kan en lese forklaringskraften til den blokkvise regresjonanalysen presentert i tabell 35. Som følge av at de uavhengige variablene kun er sammensatt av kontrollvariablene vil forklaringskraften bli forklart med utgangspunkt i R2, istedenfor justert R2. Tidligere, i regresjonsanalysene som har inneholdt faktorvariabler, har man hatt mulighet til ˚a anse variabler som irrelevante, men dette er ikke scenariet med faktorvariablene fra tabell 35. Derfor hadde det blitt feil ˚a tatt i bruk justert R2for ˚a definere forklaringskraften til regresjonsblokkene.
Som det kommer frem av tabell 36 er blokk 1 sin forklaringskraft R2observert til 0,0421. Dette betyr at de ˚arsspesifikke kontrollvariablene sto for 4,21 prosent av variasjonene som inntraff i lønnsomhet for utvalget i analyseperioden. Det m˚a sies at denne relativt lave forklaringskraften blir sett p˚a som noe uventet med tanke p˚a graden av p˚avirkning bygg- og anleggsbransjen
har av makroøkonomiske forhold. Regresjonen av blokk 2 viser derimot en vesentlig sterkere forklaringskraft p˚a 0,4991, som tilsier at selskapsspesifikke faktorer st˚ar for 49,91 prosent av variasjonen p˚a resultatmarginen. Ved ˚a sammensl˚a de to ovennevnte kontrollvariablene i blokk 3 gir det en forklaringskraft p˚a 0,5414, som betyr at disse kombinert forklarer 54,14 prosent av resultatmarginens variasjon.
Fra delkapittel 7.2 ble vi kjent med sammenhengen mellom resultatmarginen og de mulige forklaringsvariablene ved ˚a gjennomføre en multippel regresjonsanalyse. Denne ble gjen-nomført uten at det ble tatt hensyn til de ulike kontrollvariablene. Derfor er det av interesse ˚a utføre denne p˚a nytt, men denne gangen inkludere de ˚ars- og selskapsspesifikke kontrollvari-ablene for utvalget. Ved ˚a gjøre dette f˚ar vi kontrollert for disse forholdene og inkluderingen tilsier dermed at vi f˚ar en fixed effect - modell, som lar en kontrollere for tidsinvariante individuelle egenskaper. Resultatet oppn˚add gjennom modell 5 kan bli sett ut fra tabell 37.
Tabell 37: Regresjonsanalyse av samtlige variabler med kontrollvariablene
Ut fra modellen kommer det at Backe, Bolig Partner, Consto, Implenia, Risa og Stangeland er utelatt fra regresjonsanalysen grunnet problemet tilknyttet multikollinearitet. Disse er da utelatt p˚a bakgrunn av en sterk korrelasjon til de tidligere nevnte variablene og de ytterligere forklaringsvariablene fra modellen.
Hvis man sammenligner med modell 1, er det ingen endringer n˚ar det kommer til variabler som faller utenfor signifikansniv˚aet n˚ar vi inkluderer ˚ars- og selskapsspesifikke forhold.
Det er likevel endringer for de individuelle p-verdiene mellom resultatmargin og ln ˚Arsverk, Produktivitet og Eierskap, men disse er fortsatt signifikante. Koeffisienten til ln ˚Arsverk har blitt redusert til -0,020, mens Eierskap sin koeffisient er økt fra 0,051 til 0,484. Det vil si at ut fra modellen vil resultatmarginen reduseres hvis det inntreffer en økning i ˚arsverk.
For Dummy-variabelen Eierskapbetyr dette ut fra modellen at det er en økt lønnsomhet for selskaper ˚a være børsnotert sammenlignet med ˚a være privateid. Likevel kan man stille seg kritisk til om det er at børsnoteringen som gjør selskaper lønnsomme eller om det er de mest lønnsomme selskapene i utvalget som er børsnoterte.
I motsetning til modell 4 er det i dette tilfellet hensiktsmessig ˚a ta i bruk den justerte R2. Dette er fordi modellen inneholder en rekke forklaringsvariabler, og den justerte forklaringskraften tar hensyn til dette. For modell 5 er denne p˚a 0,6082, som betyr at 60,82 prosent av variasjonene som har inntruffet i lønnsomhet er forklart gjennom modellen. Det gjør at inkluderingen av
˚ars- og selskapsspesifikke kontrollvariabler har bidratt til ˚a øke forklaringskraften med 16,02 prosentpoeng fra modell 1. Ingen variabler ble omgjort til signifikante som følge av at kontrollvariablene ble inkludert.
I dette tilfellet er det ogs˚a utført forlengs og baklengs regresjon, for ˚a øke forst˚aelsen av hvilke variabler som har en signifikant sammenheng med lønnsomhet. Resultatene kan leses ut fra tabell 38.
Tabell 38: Forlengs og baklengs regresjonsanalyse
Tabell 38 viser utfallet fra den baklengse og forlengse regresjonsanalysen, illustrert gjennom henholdsvis modell 6 og 7. Forklaringskraften, vist gjennom den justerte R2, er for begge modellene henholdsvis 0,4850, noe som tilsier at variablene som er inkludert i modellene forklarer 48,50 prosent av variasjonen i lønnsomhet. Modell 6 og 7 har begge lavere justert R2 enn modell 5, hvor samtlige variabler var inkludert. Dette er ikke overraskende ettersom de selskapsspesifikke faktorvariablene ikke er inkludert i modell 6 og 7. Sammenlignet med modell 1 ser vi at ln ˚Arsverk, produktivitet og eierskap er alle variabler som har holdt seg signifikante for variasjonen i lønnsomhet. Derimot har ogs˚akvinneandel i ledelsenblitt positivt signifikant for variasjonen gjennom modell 6 og 7, noe som ogs˚a var tilfellet i modell 2 og 3. Mellom de samme modellene er det ingen forskjeller for verken forklaringskraften eller faktorenes p˚avirkning. Avslutningsvis kan vi i tillegg merke oss at ˚ar 2018 er negativt signifikant med en koeffisient p˚a -0,019 for begge modellene, mot modell 5 hvor ingen
˚arsspesifikke forklaringsvariabler var signifikante.
Som det kommer frem i modell 5 er det en del variabler og relativt f˚a observasjoner. Det finnes derfor en økt sannsynlighet for at en variabel tilfeldigvis kan ende opp som signifikant, selv om det ikke ser ut til ˚a være et problem her. Likevel finnes det hensiktsmessig ˚a gjennomføre en stabilitetstest for første og andre periode av ˚arene, for ˚a kontrollere at dette ikke er tilfellet.
Slik har det blitt gjennomført en test der første halvdel av ˚arene er satt som dummyvariabelen Dummy ˚Ar. Det tilsier dermed at de ˚arsspesifikke kontrollvariablene fra 2009 til 2013 er satt til 1, mens ˚arene for 2014 til 2018 er satt til 0. Resultatene kan leses i tabell 39.
Tabell 39: Regresjonsanalyse av samtlige variabler med selskapsspesifikke variabler og ˚arlig dummyvariabel
Resultatene tilsier ikke signifikante forskjeller fra modell 5. Forklaringskraften gjennom den justerte R2 har økt 1,08 prosentpoeng, men de samme variablene som før forble signifikante.
Det ble heller ingen forskjeller i retningen p˚a disse koeffisientene. Færre forklaringsvariabler kan alt annet likt være en fordel, men da det ikke p˚avirker modellens kvalitet anser vi det av interesse ˚a se retningen p˚a koeffisienten og effekten for de enkelte ˚arene.