Tilastolliset analysointimenetelmät

Tutkimustuloksia analysoitiin tilastollisin menetelmin. Aineiston analysointiin käytettiin SPSS for Windows 19.0 -ohjelmaa. Aluksi taustamuuttujista muodos-tettiin sopivat ryhmät ja nämä ryhmät yhdenmukaismuodos-tettiin eri organisaatioiden välillä, jotta vertailu olisi mahdollista. Vastaajien piirteitä kuvailtiin frekvenssi-en ja prosfrekvenssi-enttifrekvenssi-en avulla organisaatiokohtaisesti. Taustamuuttujatietojfrekvenssi-en avulla aineiston katsottiin edustavan hyvin asiantuntijaorganisaatioita.

Seuraavaksi aineistosta muodostettiin summamuuttujat kuvaamaan eettis-tä organisaatiokulttuuria, selkeyteettis-tä, esimiehen esimerkkiä, johdon esimerkkiä, toteutettavuutta, läpinäkyvyyttä, organisaation tukea, keskusteltavuutta, toi-minnan seurauksia, esimies-alaissuhteen laatua, organisaatioluottamusta, tun-neperäistä luottamusta ja tietoperäistä luottamusta. Summamuuttujien luotet-tavuutta tarkasteltiin Cronbachin alfa -kertoimien avulla. Ilmiöiden toteutumis-ta eri organisaatioissa kuvailtiin keskiarvojen ja keskihajontojen avulla.

Jakaumien normaalisuus

Seuraavaksi haluttiin tutkia taustamuuttujien vaikutuksia vastaajien arviointei-hin tutkittavista ilmiöistä. Ennen summamuuttujien keskiarvojen vertailua, on kuitenkin selvitettävä, sopiiko tutkimukseen paremmin parametriset vai para-metrittomat testit eli ovatko tutkimuksessa käytetyt summamuuttujat normaa-listi jakautuneita. Summamuuttujien normaalisuutta tarkastettiin Kolmogorov-Smirnov -testin avulla, koska havaintoja oli yli 50 kaikissa organisaatiossa (Nummenmaa 2004, 143-144). Kolmogorov-Smirnov -testin mukaan mikään tutkimuksen summamuuttuja ei ollut normaalisti jakautunut. Koska Kolmogo-rov Smirnov -testi on hyvin herkkä hylkäämään jakaumien normaalisuusole-tuksen turhaan, jos otoskoko on suuri (Metsämuuronen 2002, 535), tutkittiin jakaumien normaalisuutta vielä histogrammikuvioilla, Q-Q-kuvioilla sekä Sweaknis ja Kurtosis -lukuja tarkastelemalla.

Suurimmassa osassa summamuuttujia Sweaknis ja Kurtosis -luvut jäivät alle yhden, joten jakaumat olivat lähellä normaalijakaumaa. Lisäksi histogram-mikuviot olivat normaalijakauman kaltaisia ja Q-Q-kuvion havainnot olivat lähes suoralla melkein jokaisessa summamuuttujassa. Koska otoskoko on suuri

ja tutkimuksessa käytetyt menetelmät olettavat jakaumien approksimatiivista normaalisuutta, päädyttiin käyttämään parametrisia testejä.

Taustamuuttujien yhteyksiä vinoihin jakaumiin olisi voitu laskea myös parametrittomilla Mann-Whitney U -testillä ja Kruskall-Wall -testillä. Selitys-prosenttien saaminen (regressioanalyysi) ja parivertailut (kaksisuuntainen va-rianssianalyysi) olisivat kuitenkin vaatineet erilaisia muuttujamuunnoksia, jot-ka puolestaan olisivat hanjot-kaloittaneet tulosten tulkintaa huomattavasti ja teh-neet eri organisaatioiden vertailemisen hankalaksi. Näiden syiden takia ja siitä johtuen, että summamuuttujat ovat kuitenkin lähellä normaalijakaumaa, pää-dyttiin käyttämään kaikkiin summamuuttujiin joko t-testiä tai yksisuuntaista varianssianalyysiä ryhmien keskiarvojen vertailussa.

Varianssianalyysi

Taustamuuttujien yhteyksiä eettiseen organisaatiokulttuuriin ja sen osa-alueisiin, esimies-alaissuhteen laatuun ja organisaatioluottamukseen sekä sen osa-alueisiin tarkasteltiin t-testillä, yksisuuntaisella (Oneway ANOVA) ja kak-sisuuntaisella (Multiway ANOVA) varianssianalyysillä. Analyysit suoritettiin organisaatiokohtaisesti, jotta oli mahdollista tutkia, vaikuttavatko eri tausta-muuttujat arviointeihin eri organisaatioissa ja toisaalta vaikuttavatko samat taustamuuttujat eri tavoilla eri organisaatioissa.

Yksisuuntaista varianssianalyysia käytettiin silloin, kun haluttiin selvittää useampia luokkia sisältävän riippumattoman muuttujat vaikutusta riippuvaan muuttujaan (Nummenmaa 2004, 173). T-testiä käytettiin puolestaan silloin, kun riippumaton muuttuja sisälsi vain kaksi luokkaa (Metsämuuronen 2011, 390).

Kaksisuuntaista varianssianalyysiä käytettiin taustamuuttujaparien yhteisvai-kutuksen tutkimiseen, sillä se soveltuu tilanteisiin, joissa halutaan selvittää, kuinka kaksi tekijää vaikuttavat yhdessä selitettävään muuttujaan (Nummen-maa 2004, 201-202). Menetelmien avulla oli mahdollista selvittää, onko ryhmien välisissä keskiarvoissa tilastollisesti merkitseviä eroja (Metsämuuronen 2011, 782). Tilastollista merkitsevyyttä tutkittiin 5 % (p<0,05) riskitasolla. Menetelmät olettavat jakaumien approksimatiivista normaalisuutta, mitä käsiteltiin yllä.

Lisäksi muuttujien tulee olla vähintään välimatka-asteikollisia ja toisistaan riip-pumattomia. Muuttujia mitattiin Likert-asteikoilla, eivätkä ne olleet toisistaan riippuvaisia. Varianssianalyysi olettaa myös ryhmien varianssien yhtäsuuruut-ta (Metsämuuronen 2011, 784), joyhtäsuuruut-ta yhtäsuuruut-tarkastettiin varianssien yhtäsuuruustestillä (Homogenity-of-Variance). Tutkimuksessa tehtiin yli 200 varianssianalyysiä, kun selvitettiin kaikkien mitattujen taustamuuttujien ja taustamuuttujaparien yhteyksiä kaikkiin mitattuihin summamuuttujiin. Luonnollisesti joidenkin va-rianssien yhtäsuuruustestien mukaan varianssit erosivat tilastollisesti merkitse-västi toisistaan, mikä heikentää hieman varianssianalyysin luotettavuutta näi-den muuttujien osalta. Toisaalta F-testi on melko robusti eli menetelmä tuottaa oikean tuloksen siitä huolimatta, että oletukset eivät täysin toteutuisi (Metsä-muuronen 2011, 635).

Varianssianalyysin avulla voidaan todeta, että ryhmien keskiarvot eroavat merkitsevästi toisistaan, vaikka varianssianalyysi ei kerro sitä, minkä ryhmien välillä on eroja, kun taustamuuttujat sisältävät useampia luokkia

(Metsämuu-ronen 2011, 793). Tämän selvittämiseen käytettiin Bonferroni-kerrointa, kun varianssit olivat yhtä suuria ja Dunnette’s T3 -testiä, kun varianssien yhtäsuu-ruus-oletus ei täyttynyt (Metsämuuronen 2011, 793-794). Varianssianalyysin avulla muuttujille saatiin F-testisuure, jonka p-arvo kertoi ryhmien välisestä merkitsevästä erosta. Jos taustamuuttujan todettiin olevan tilastollisesti merkit-sevästi yhteydessä muuttujaan, arvioitiin yhteyden suuruutta Eetan neliön avulla. Eetan neliö kertoo sen, kuinka suuri osuus selitettävän muuttujan ar-voista selittyy selittävällä muuttujalla (Metsämuuronen 2011, 819).

Korrelaatiot

Muuttujien välisiä korrelaatioita välimatka-asteikollisille päämuuttujille tutkit-tiin Pearsonin tulomomenttikorrelaatiokertoimen avulla ja taustamuuttujien yhteyksiä toisiinsa sekä päämuuttujiin järjestysasteikollisille muuttujille sopi-vamman Spearmanin järjestyskorrelaatiokertoimen avulla. Korrelaatiokerroin voi saada arvoja -1–+1. Yhteyttä kuvaillaan erittäin korkeaksi, kun korrelaa-tiokerroin (r) saa arvon 0,8–1, korkeaksi arvon ollessa 0,6–0,8 ja melko korkeaksi arvon ollessa 0,4 – 0,6. (Metsämuuronen 2011, 370-371.)

Lineaarinen regressioanalyysi

Lineaarisen regressioanalyysin avulla haluttiin tutkia aikaisemman tutkimuk-sen ja kirjallisuuden perusteella muodostetun mallin sopivuutta tutkituissa or-ganisaatioissa. Regressioanalyysin avulla pyrittiin myös rakentamaan eettisen organisaatiokulttuurin osa-alueista parhaiten esimies-alaissuhteen laatua, orga-nisaatioluottamusta sekä tunne- ja tietoperäistä luottamusta selittävät mallit.

Regressioanalyysin avulla mallille saadaan multippelikorrelaatiokertoi-men neliö R², joka kertoo kuinka paljon muuttujien joukko yhdessä selittää seli-tettävästä muuttujasta (Metsämuuronen 2011, 710). Tulokseksi saadaan myös jokaiselle muuttujalle painokerroin Beeta (β), joka kertoo kuinka suuren muu-toksen selitettävässä muuttujassa saa aikaan se, että kasvatetaan kyseistä selit-tävää muuttujaa yhden yksikön verran. Mikäli beeta-kertoimen t-arvo on kor-kea (2 tai enemmän) ja t-arvoa vastaava p-arvo on 0,05 tai pienempi, kyseinen selittävä muuttuja osoittautuu luotettavaksi selittäjäksi selitettävälle muuttujal-le (Metsämuuronen 2002, 597-601).

Regressioanalyysissä muuttujien tulisi olla jatkuvia. Päämuuttujat olivat jatkuvia Likert-asteikolla mitattuja muuttujia. Myös kaksiluokkaiset luokittelu-asteikolliset muuttujat kelpaavat selittäviksi muuttujiksi silloin, kun niistä teh-dään Dummy-muuttujia (Nummenmaa 2004, 313-314 ). Tutkimuksessa halut-tiin kontrolloida taustamuuttujien vaikutus ilmiöihin. Taustamuuttujat olivat luokitteluasteikollisia, joten malliin valitut taustamuuttujat, koodattiin uudel-leen kaksiluokkaisiksi Dummy-muuttujiksi, jotka saavat arvoja 0 ja 1.

Regressioanalyysi sisältää muitakin keskeisiä oletuksia. Malliin lisättyjen selittävien muuttujien on oltava mielekkäitä selittäjiä ja otoskoon tarpeeksi suu-ri. Aikaisemman kirjallisuuden perusteella eettisen organisaatiokulttuurin voi-tiin nähdä vaikuttavan positiivisesti esimies-alaissuhteeseen ja organisaatioluot-tamukseen. Toisaalta myös esimies-alaissuhteen voitiin nähdä vaikuttavan

po-sitiivisesti organisaatioluottamukseen. Täten regressioanalyysissä käytettyjä selittäviä muuttujia voidaan pitää mielekkäinä selittäjinä selitettäville muuttujil-le. Otoskoko jäi organisaatiossa B ja C hiukan liian pieneksi malleille, jossa oli useampia selittäviä muuttujia. Vaikka vastaajia oli molemmissa organisaatiois-sa yli 100, vieläkin suurempi otos olisi lisännyt regressioanalyysin luotettavuut-ta.

Regressioanalyysissä muuttujien välillä pitää olla myös lineaarinen yhteys (Nummenmaa 2004, 303). Lisäksi oletuksena on, että selittävät muuttujat korre-loivat kohtuullisesti selitettävään muuttujaan, mutta ei kuitenkaan liian voi-makkaasti toistensa kanssa. Liian voimakas selittävien muuttujien korrelaatio aiheuttaa multikollineaarisuutta (Metsämuuronen 2011, 714). Muuttujien väli-siä korrelaatioita tarkasteltiin korrelaatiomatriisien avulla. Tutkitussa mallissa valitut kontrollimuuttujat eivät korreloineet voimakkaasti keskenään tai selittä-vien muuttujien kanssa, joten multikollineaarisuus ei tullut ongelmaksi. Sen sijaan esimies-alaissuhteen laatu ja eettinen organisaatiokulttuuri korreloivat keskenään melko voimakkaasti, minkä takia multikollineaarisuutta tarkasteltiin SPSS-ohjelmassa regressioanalyysin ”Collinearity”-valinnan avulla. Regressio-mallissa saaduille malleille on tehtävä lopuksi diagnostiset tarkastelut. Erityi-sesti kiinnitetään huomiota siihen, että selittämätön osa mallista eli yksittäisiin havaintoihin liittyvät residuaalit, ovat normaalisti jakautuneita ja niiden va-rianssi on tasaisesti jakautunut (Metsämuuronen 2011, 710). Tämä tarkastettiin graafisesti kaikkien mallien osalta ja oletuksen todettiin toteutuvan malleissa.

Lineaarisessa regressioanalyysissä on valittavissa useita regressiomene-telmiä. Tutkimuksessa käytettiin pakottavaa mallia silloin, kun haluttiin selvit-tää aikaisemman tutkimuksen ja kirjallisuuden perusteella muodostetun teo-reettisen mallin sopivuutta kohdeorganisaatioissa. Pakotettu malli sopi mene-telmäksi, koska haluttiin selvittää, kuinka paljon ennalta määrätyillä selittävillä muuttujilla on selitysvoimaa selitettävään muuttujaan. Kun haluttiin muodos-taa parhaiten esimies-alaissuhteen laatua, organisaatioluottamusta ja sen osa-alueita selittävät mallit käytettiin pakottavaa menetelmää ensin kontrollimuut-tujien lisäämiseksi ja sen jälkeen lisäävää menettelyä eettisen organisaatiokult-tuurin osa-alueiden lisäämiseksi. Taustamuuttujat lisättiin pakottavalla mene-telmällä, jotta organisaatiot pysyisivät vertailukelpoisina ja taustamuuttujien vaikutus voitaisiin kontrolloida. Lisäävää menettelyä puolestaan käytettiin, jot-ta saatiin selville, mitkä eettisen organisaatiokulttuurin osa-alueisjot-ta ovat kes-keisiä ilmiöille ilman selittävien muuttujien multikollineaarisuuden tuomaa ongelmaa. Lisäävässä menettelyssä selittävien muuttujien joukosta valitaan se, jolla on yksinään tilastollisesti merkitsevää selitysvoimaa eniten. Toiseksi muut-tujaksi valitaan se, jolla on toisiksi eniten selitysvoimaa. Näin jatketaan kunnes selittävän muuttujan lisääminen malliin ei nosta enää selitysosuutta tilastolli-sesti merkitsevästi. Lisäävässä menettelyssä muuttujien välinen multikollineaa-risuus ei tule ongelmaksi. (Metsämuuronen 2011, 725.)