3.5 Kontrollimuuttujat ja niiden käsittely
3.5.6 Tilastolliset analyysit ja niissä käytetty aineisto
Tulosten analysointiin käytetyt kaikille muuttujille lasketut järjestyskorrelaatio-kertoimet (LiitteessäA) on tuotettu käyttäen kaikkea edellä kuvattujen toimenpi-teiden mukaisesti käsiteltyä materiaalia. Riippuvan ja riippumattoman muuttu-jan osalta on tutkittu myös niistä laskettuja Pearsonin tulomomenttikorrelaatio-kertoimia sille tutkittavien vastausten osajoukolle, jossa on olemassa sekä sijainti-että innovatiivisuustiedot molempien vuosien osalta. Vaikka otos onkin hieman alkuperäistä suppeampi (N = 73), on tässä joukossa mahdollista laskea eri vuo-sien välistä muutosta kuvaavat erotusarvot niin riippuvalle kuin riippumatto-mallekin muuttujalle ja vertailla näin saatuja muutosta kuvaavia mittareita kes-kenään.
Regressioanalyyseihin on käytetty suoraan tietyn, halutunlaisen mallin muo-dostamiseen perustuvaa metodia (enter) lisäys-, poisto- tai askellustekniikoiden sijasta. Näin on suunniteltu useampia erilaisia malleja ja vertailtu niiden sovel-tuvuutta aineiston kuvaamiseen. Vaikka muuttujien käyttäytymistä ei tarkkaan voidakaan teorian pohjalta ennustaa, on useamman vuoden tilanteiden vertai-lussa selkeämpää pitäytyä valmiiksi määritellyissä malleissa. Tämän mahdollis-taa myös melko pieni erilaisten mahdollisten selittävien muuttujien joukko, josta selkeät riippuvuudet eri muuttujien välillä on sangen helppo havaita.
Yhden selittävän muuttujan regressiomallit on muodostettu käyttäen samo-ja tulosjoukkosamo-ja kuin korrelaatiokertoimien laskennassa, mutta puuttuvat muut-tujien arvot on suljettu pois analyysistä jättämällä koko kyseinen vastaussarja laskennan ulkopuolelle. Regressiomalleissa on riippuvana muuttujana käytetty selkeyden vuoksi kaikissa vuosien 2006 ja 2007 tapauksissa vain ensimmäisen, ääniprosenttiin perustuvan normalisoinnin mukaista innovatiivisuusmuuttujaa.
Molemmat muuttujat ovat osoittauneet analyyseissä hyvin samankaltaisiksi, eikä normalisoinnin eroilla näyttäisi olevan merkittäviä erottelevia vaikutuksia lop-putuloksiin eri normalisointitapojen välillä.
Molemmille vuosille erikseen, sekä eri vuosien tulosten välisille erotuksille, on laskettu yksinkertainen yhden selittävän muuttujan regressiomalli käyttäen vain keskeisyysmittareita innovatiivisuusmuuttujien selittämiseksi. Tämän lisäk-si on vuolisäk-sien 2006 ja 2007 erillilisäk-sille tuloklisäk-sille laadittu mallit, joista yhdessä selit-täviin muuttujiin on lisätty kontrollimuuttujista tutkinto ja työikä, ja toisessa kes-keisyyden ohella on käytetty vain molempien edellisten kanssa vahvasti korre-loivaa rooli-muuttujaa.
Suoraan valmiisiin muuttujiin perustuvien regressiotestausten lisäksi on tar-kasteltu malleja, joissa selittävinä muuttujina on käytetty roolista ja keskeisyydes-tä niiden arvot keskenään kertomalla muodostettuja interaktiomuuttujia. Näin muodostetulla mallilla voidaan keskittyä tarkastelemaan keskeisyyden mahdol-lisia vaikutuksia innovatiivisuuteen johtotason tehtävissä toimivien työntekijöi-den joukossa. Myös eri vuosien välisen muutoksen tarkasteluun on pelkän kes-keisyyseron lisäksi käytetty vastaavaa roolin ja etäisyyden muutoksen yhdistä-vää interaktiomuuttujaa. Interaktiomuuttujan laskemiseen on käytetty suoraan vuoden 2007 roolia kuvaavaa muuttujaa, sillä muutokset rooleissa eri vuosien välillä ovat hyvin vähäisiä.
Tilanteen analysoimiseksi tarkemmin on yllä kuvattujen laskelmien lisäksi suoritettu vielä vastaavien mallien avulla lisäanalyysejä alkuperäistä suppeam-malle otokselle. Näillä analyyseillä voidaan saada yleiskuvan sijasta tarkempaa tietoa muuttujien käyttäytymisestä tiettyyn työntekijäryhmään liittyvissä tilan-teissa, vaikkakin pienentynyt otoskoko vaikuttaa saatavien tulosten tilastolliseen merkittävyyteen. Suppeamman osajoukon lineaariset regressioanalyysit on las-kettu samoilla selittävillä muuttujilla kuin yllä kuvatut analyysit ja muuttujien alkuperäisiä arvoja muokkaamatta, mutta rajoittamalla käytettyjen havaintojen määrää supistamalla otosta seuraavassa kuvatuin kriteerein.
Alkuperäisestä otoksesta on poistettu vuosien 2006 ja 2007 suppeampia ana-lyysejä varten kummallekin vuodelle erikseen ne henkilöt, joiden
• tarkasteltavan vuoden työikä-muuttuja saa arvon, joka on pienempi tai yh-täsuuri kuin yksi vuosi
• sijaintitiedot ko. vuodelta ovat saatavilla (keskeisyysmittari on mukana kai-kissa analyyseissä)
• yksikkö ko. vuonna oli jokin seuraavista
– Support, henkilöt eivät siis toimi asiakastyössä vaan tukitehtävissä – Administration, myöskään tähän yksikköön kuuluvien työnkuva ei
kes-kity varsinaiseen palveluliiketoimintaan
– Baltic, halutaan tarkastella vain kotimaan toimintoihin keskittyviä ole-via työntekijöitä
– Resigned, keskitytään vain työtehtävissä edelleen oleviin henkilöihin.
Vuosien välistä eroa tarkastelevia regressioanalyysejä varten otoksesta poistettiin listalta henkilöitä seuraavasti:
• työntekijät, joiden yksikkö jompanakumpana vuonna oli jokin yllämaini-tuista
• henkilöt, joiden vuoden 2006 työikä on pienempi tai yhtäsuuri kuin yksi vuosi
• henkilöt, joille ei ole saatavilla sekä tausta- että sijaintitietoja kummankin vuoden osalta
Tällä tavoin on pyritty rajaamaan tarkemman tilastollisen tarkastelun kohteek-si yrityksestä vain se osa, joka tekee yrityksen varkohteek-sinaiseen toimialaan liittyvää työtä ja on osa vakiintunutta henkilöstöä. Saatujen suppeampien otosten koko on rajausten jälkeenN = 65vuodelle 2006,N = 68vuodelle 2007 jaN = 55vuosien välistä eroa kartoittaville analyyseille.
Kaikista useampaa selittävää muuttujaa käyttävistä malleista voidaan SPSS:n tuottamista tuloksista helposti tarkistaa, että kolineaarisuustoleranssien arvot ovat siedettävissä rajoissa. Sellaisille regressiomalleille, joiden selitysvoima osoit-tautuu jo lähtökohtaisesti heikoksi tai kokonaan olemattomaksi, ei ole suoritettu lisäanalyyseja jäännöstermien suhteen.
4 Tulokset
Tutkielman tuloksia käsittelevässä osiossa perehdytään ensin tarkasteltavien muuttujien välisiin riippuvuuksiin korrelaatiokertoimien avulla. Sen jälkeen ar-vioidaan ensimmäiseen hypoteesiin liittyviä riippuvuuksia erikseen kummankin vuoden osalta regressiomallien avulla. Sekä vuoden 2006 että vuoden 2007 tu-loksissa esitetään rinnakkain neljän erilaisen kaikille muuttujille lasketun regres-siomallin saamat arvot, minkä jälkeen tarkastellaan suppeammalle otokselle suo-ritettujen vastaavien analyysien tuloksia. Seuraavaksi analysoidaan toiseen hy-poteesiin vaikuttavia tekijöitä arvioimalla eri vuosien eroista kertovien muut-tujien riippuvuutta vastaavien, joskin hieman yksinkertaisempien, regressiomal-lien kautta. Lopuksi vertaillaan saatuja tilastollisia tuloksia esitettyihin hypotee-seihin sekä tehdään tulosten perusteella päätelmiä niiden paikkansapitävyydes-tä.
4.1 Riippuvan ja riippumattoman muuttujan välinen korrelaa-tio
Riippuvan ja riippumattoman muuttujan suhdetta kuvaavat niiden väliset jär-jestys- ja tulomomenttikorrelaatiokertoimet. Vuosien 2006 ja 2007 tilannetta ku-vaavat sijainnin keskeisyyteen ja koettuun innovatiivisuuteen liittyvät järjestys-korrelaatiokertoimet on koottu taulukkoon5.
Kuten saaduista arvoista voidaan nähdä, ainoat tilastollisesti edes jollain ta-solla merkittävistä yhteisvaikutuksista kertovat tulokset ovat keskeisyyden ja sa-man vuoden innovatiivisuusmittarin väliset vuoden 2006 korrelaatiokertoimet.
Niistä ensimmäisellä, ääniprosenttiin perustuvalla innovatiivisuuslukemalla on havaittavissa merkitsevä positiivinen korrelaatio vuoden 2006 keskeisyysmuut-tujan kanssa (r = 0,295, p < 0,01). Annettujen äänten määrään perustuvan nor-malisointitavan osalta on havaittavissa samansuuntainen, joskin heikompi korre-laatio (r= 0,223, p <0,05). Kovin pitkälle meneviä johtopäätelmiä ei kuitenkaan voida yllä mainittujen tulosten perusteella vielä tehdä, sillä vuoden 2007 tulok-sissa ei puolestaan ole havaittavissa lainkaan vastaavaa vaikutussuhdetta. Kum-mallakaan tavalla normalisoitu innovatiivisuusmittari ei siis vuoden 2007 osalta korreloi mainittavasti keskeisyysmuuttujan kanssa (rinno1 = 0,027, p > 0,05ja rinno2 = 0,022,p > 0,05).
Saadut tulokset viittaavat siis siihen, että keskeisyysmitan muuttuminen pie-nemmäksi, eli henkilön siirtyminen keskeisempään sijaintiin, olisi yhdistettävis-sä koetun ideoidenedistämiskyvyn laskuun. Tältä osin vuoden 2006 antamat
tu-Taulukko 5: Vuosien 2006 ja 2007 sijainnin keskeisyyden ja koetun innovatiivi-suuden kummallakin tavalla normalisoitujen arvojen väliset järjestyskorrelaatio-kertoimet
Correlations – Spearman’s rho
Keskeisyys 06 Keskeisyys 07 Inno1 06 Inno1 07 Inno2 06 Inno2 07 Keskeisyys 06
Correlation Coefficient 1,000 0,378** 0,295** 0,186 0,223* 0,172
Sig. (2-tailed) . 0,001 0,006 0,099 0,039 0,128
N 86 73 86 80 86 80
Keskeisyys 07
Correlation Coefficient 0,378** 1,000 0,064 0,027 0,015 0,022
Sig. (2-tailed) 0,001 . 0,583 0,804 0,892 0,842
N 73 88 75 88 88 88
Inno1 06
Correlation Coefficient 0,295** 0,064 1,000 0,745** 0,972** 0,737**
Sig. (2-tailed) 0,006 0,583 . 0,000 0,000 0,000
N 86 75 93 83 93 83
Inno1 07
Correlation Coefficient 0,186 0,027 0,745** 1,000 0,694** 0,995**
Sig. (2-tailed) 0,099 0,804 0,000 . 0,000 0,000
N 80 88 83 110 110 110
Inno2 06
Correlation Coefficient 0,223* 0,015 0,972** 0,694** 1,000 0,685**
Sig. (2-tailed) 0,039 0,892 0,000 0,000 . 0,000
N 86 88 93 110 120 110
Inno2 07
Correlation Coefficient 0,172 0,022 0,737** 0,995** 0,685** 1,000
Sig. (2-tailed) 0,128 0,842 0,000 0,000 0,000 .
N 80 88 83 110 110 110
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
lokset siis näyttävät olevan vastakkaisia teorian pohjalta laaditulle ensimmäiselle tutkimushypoteesille (H1: henkilön sijainnin keskeisyydellä on positiivinen yh-teys henkilön arvioituun ideoidenedistämiskykyyn eli koettuun innovatiivisuu-teen). Hypoteesia tukevia tuloksia ei siis korrelaatiomallin avulla ole löydettävis-sä ja tulokset toisen vuoden osalta antavat viitteitä siitä, että se ehkä joudutaan hylkäämään kokonaan.
Eri vuosien tilanteissa tapahtuneiden muutosten yhteyttä kuvaavat tarkem-min erotusta kuvaaville muuttujille lasketut Pearsonin tulomomenttikorrelaatio-kertoimet (kts. taulukko6). Niiden antamat tulokset ovat hyvin samansuuntaisia kuin taulukossa 5 esitetyt vastaaville muuttujille lasketut Spearmanin järjestys-korrelaatiokertoimet, mutta ovat tilastollisesti vahvempia ja kertovat muuttujien välisestä lineaarisesta riippuvuudesta siinä missä järjestyskorrelaatiokerroin ku-vaa vain mahdollisen yhteisvaikutuksen suuntaa.
Kuten niin Spearmanin rho -järjestyskorrelaatiokertoimista kuin taulukossa6 esitetyistä korrelaatiokertoimista voidaan havaita, ei koetun innovatiivisuuden muutoksella näyttäisi olevan ainakaan kovin ilmeistä yhteyttä istumapaikan muu-toksen tuomaan keskeisyyden vaihteluun. Vaikka arvot antavat viitteitä toisen hypoteesin mukaisesti negatiivisesta korrelaatiosta (H2: sijainnin muutos
keskei-Taulukko 6: Riippuvan ja riippumattoman muuttujan väliset tulomomenttikorre-laatiokertoimet
Correlations – Pearson
Keskeisyysero Innoero 1 Innoero 2
Keskeisyysero Pearson Corr. 1 -0,157 -0,062
Sig. (2-tailed) 0,186 0,602
N 73 73 73
Innoero 1 Pearson Corr. -0,157 1 0,708**
Sig. (2-tailed) 0,186 0,000
N 73 83 83
Innoero 2 Pearson Corr. -0,062 0,708** 1
Sig. (2-tailed) 0,602 0,000
N 73 83 110
** Correlation is significant at the 0.01 level (2-tailed).
semmäksi vaikuttaa positiivisesti ideoidenedistämiskykyyn), eivät tulokset kui-tenkaan ole millään muotoa tilastollisesti merkittäviä. Hypoteesin 2 paikkansa-pitävyyttä ei siis pystytä ainakaan tällä metodilla luotettavasti todistamaan. Li-säinformaation saamiseksi on tilannetta tarkasteltu vielä työn seuraavissa osissa lähemmin erilaisten regressiomallien avulla.