Potek raziskave in uporabljene metode obdelave podatkov

Za pridobivanje in obdelavo podatkov, potrebnih za raziskavo, sem uporabil naslednje metode:

− študij znanstvene in strokovne literature na obravnavanem področju;

− kvantitativna raziskava, izvedena anketa z anketnim vprašalnikom (deduktivna izpeljava raziskovalnih vprašanj in hipotez. Raziskovalna vprašanja so precizna, hipoteze izražajo vzročno posledično zvezo. Hipoteze preverjamo in potrjujemo z ustreznimi statističnimi postopki. Pri kvantitativni raziskavi izberemo reprezentativen vzorec ter uporabljamo različne instrumente in poskušamo objektivno izmeriti posamezne vrednosti. Poznamo:

neeksperimentalne empirične raziskave (ustreza kavzalni raziskavi);

eksperimentalne raziskave (ustreza metodi eksperimenta); pregledne raziskave (ustreza deskriptivni raziskavi). Cilj kvantitativne raziskave je priti do objektivnih, točnih, zanesljivih spoznanj, ki bi imela v družboslovju enako/podobno veljavo kot v naravoslovju. Pri kvantitativni paradigmi oz.

paradigmi razlaganja in pojasnjevanja gre za t. i. nomotetični pristop k raziskovanju, ko oblikujemo znanstvene stavke o odnosih med dvema ali več pojavi na podlagi proučevanja večjega števila enot, iz katerih s pomočjo ustrezne metode posplošujemo na širšo množico. Pri kvantitativni paradigmi je poudarek na čim bolj natančnem ugotavljanju vzročnih zvez med pojavi, vedenje sestoji iz verificiranih hipotez, ki jih sprejmemo kot dejstva ali zakone.

Pri kvantitativnih raziskavah imamo opraviti z opisno (deskriptivno statistiko) (Kirkwood in Sterne 2004);

− metode opisne statistike – je skupina statističnih metod, ki se ukvarjajo s povzemanjem pridobljenih podatkov. Te metode iščejo opisne (meta) podatke o populaciji in njenih sestavnih delih, da bi ustvarile pregledni opis. Temeljne opisne statistike sestavlja grafični opis, katerega osnova je predstavitev s pomočjo grafov, tabelarni opis, ki ustvarja pregled s pomočjo tabel, in statistični povzetki, ki na osnovi nekaterih računov predstavijo bistvene podatke (npr. srednje vrednosti). Naloga opisne statistike je mnogokrat prikazati vsaj dve lastnosti statistične populacije oziroma njenih gradnikov, statističnih enot. Prva izmed teh so skupne lastnosti statističnih enot, tj., kako se različne enote med seboj povezujejo oziroma kakšne skupne lastnosti ustvarjajo. Druga izmed dveh lastnosti pa je raznolikost statističnih enot, opisna statistika torej predstavi spremenljivost (variabilnost). Temeljni in največkrat uporabni podatki opisne statistike za prikaz skupnih lastnosti so aritmetična sredina, mediana in modus določene populacije, pa tudi nekatere druge vrednosti, kot kumulativne frekvence in kvantili. Spremenljivost statističnih enot v populaciji pa je moč predstaviti z varianco, standardnim odklonom in razponom vrednosti (Kirkwood in Sterne 2004). Opisna statistika je prvi korak analize podatkov, ko so bili ti zbrani in urejeni. Sledi ji nadaljnja obdelava in izvajanje sklepov, če je zanje moč izpeljati dovolj podatkov.

Spremenljivke so predstavljene z opisnimi statistikami (minimum, maksimum, povprečje in standardni odklon), z metodo ugotavljanja srednje vrednosti sem pridobil posamezne vrednosti, ki so osnova za izdelavo ugotovitev in komentarjev, ter ugotovil trend. Pridobljene rezultate sem primerno uredil za komentiranje;

− korelacijska analiza – proučuje soodvisnost oz. povezanost, stopnjo usklajenosti med dvema (lahko tudi več) spremenljivkami, ne da bi katero od njih posebej šteli za neodvisno oz. odvisno. Soodvisnost med dvema statističnima spremenljivkama lahko povzroča tudi kakšna tretja spremenljivka.

Pri osnovni korelacijski analizi oziroma analizi kovariance preskušamo, kako močno sta dve statistični spremenljivki X in Y na populaciji med seboj povezani ali korelirani. Mera za medsebojno povezanost je kovarianca K(X;Y)=E(XY)E(X)E(Y); jakost linearne povezave pa merimo z brezdimenzijskim korelacijskim koeficientom r(X;Y)=K(X;Y)_(X)_(Y)2[1;1];

pri tem velja, da sta statistični spremenljivki X in Y nekorelirani natanko tedaj, ko je r(X;Y)=0 oz. E(XY)=E(X)E(Y). µCe r(X;Y)6=0, potem sta spremenljivki X in Y korelirani. Če je vrednost korelacijskega koeficienta r(X;Y)=_1, potem med statističnima spremenljivkama X in Y obstaja linearna funkcijska zveza

Y=a+bX, kjer sta a in b ustrezni realni konstanti. Ce r(X;Y)6=_1, potem med spremenljivkama X in Y ni samo linearne funkcijske povezave (Kirkwood in Sterne 2004). S korelacijsko analizo oziroma metodo Spearmanovega korelacijskega koeficienta sem ugotavljal linearno povezanost med izbranimi spremenljivkami;

− regresijska analiza –proučuje odvisnost med neodvisno (lahko jih je več) in odvisno spremenljivko. Linearna regresija je poskus, da bi funkcijsko odvisnost dveh statističnih spremenljivk X in Y preprosto opisali z linearno funkcijo Y=a+bX (Kirkwood in Sterne 2004);

− faktorska analiza –je ena izmed metod za redukcijo podatkov. Pri faktorski analizi gre za študij povezav med spremenljivkami tako, da poizkušamo najti novo množico spremenljivk, ki predstavljajo to, kar je skupnega opazovanim spremenljivkam. Množica novih spremenljivk mora biti seveda manjša od množice merjenih spremenljivk. Z drugimi besedami: faktorska analiza poizkuša poenostaviti kompleksnost povezav med množico opazovanih spremenljivk z razkritjem skupnih razsežnosti ali faktorjev, ki omogočajo vpogled v osnovno strukturo podatkov. Metoda je uporabna v vseh tistih primerih, ko zaradi različnih vzrokov neposredno merjenje neke spremenljivke ni možno. V tem primeru merimo samo indikatorje pojma oz. konstrukta, ki ga neposredno ne moremo meriti. S faktorsko analizo nato ugotovimo, ali so zveze med opazovanimi spremenljivkami (ali indikatorji) pojasnljive z manjšim številom posredno opazovanih spremenljivk ali faktorjev. Osnova faktorskega modela je domneva, da med spremenljivkami Xi(i=1,...,m), Fr(r=1,...,k) in Ei(i=1,...,m) velja zveza:

pri čemer so Xi merjene spremenljivke, Fr skupni faktorji, Ei pa specifični faktor, ki vpliva samo na Xi, air pa je faktorska utež, ki kaže na vpliv faktorja Fr

na Xi (Kirkwood in Sterne 2004). S faktorsko analizo sem ugotavljal, ali lahko definiram skupne faktorje, s katerimi lahko pojasnim vpliv posameznega segmenta podjetij na skupne rezultate. Cilj faktorske analize je ugotoviti, ali lahko pojasnim povezave med opazovanimi spremenljivkami z manjšim številom faktorjev.

Pridobljeni podatki so obdelani s programsko opremo SPSS, ki omogoča vse potrebne statistične operacije.

Anketni vprašalnik

Anketni vprašalnik je sestavljen iz več tematskih sklopov, ki so smiselno razvrščeni glede na vsebino posameznega področja. Posamezni sklopi vprašalnika se nanašajo na naslednja področja: splošni podatki o podjetju; izbrani finančni podatki podjetja (prihodek, dobiček, premoženje podjetja) za obdobje pet let; podatki o številu zaposlenih in o prostovoljni fluktuaciji; podatki o zasebni družinski in poslovni relaciji;

podatki o rezultatih in pomenu podjetij v sklopu celotnega gospodarstva; o ocenjenem tržnem deležu po posameznih obdobjih (oziroma spremembi tržnega deleža); o mednarodnem poslovanju in njegovih rezultatih ter drugih pomembnejših področjih.

Raziskava zajema tudi primerjavo med primarnimi (pridobljenimi) in sekundarnimi (uradna statistika) podatki. Vprašanja so jasna, kratka, deloma zaprtega tipa, deloma pa z opredelitvijo odgovorov »da«, »ne«, »ne vem« in »drugo«.

Za uporabno anketnega vprašalnika sem se odločil zaradi smotrnosti glede na standardizirana vprašanja, hkrati pa ta oblika anketiranja zagotavlja anonimnost anketirancev, izključuje vpliv anketarja, omogoča tudi stroškovno učinkovito izvedbo, ki je bila opravljena deloma po klasični in deloma po elektronski pošti (z izrecno navedbo zagotavljanja anonimnosti).