Attityder, normer och beteendekontroll: En undersökning av investeringsintentioner kopplat till Ryssland och Kina Kandidatuppsats i Industriell- och Finansiell Ekonomi Handelshögskolan vid Göteborgs Universitet Vårterminen 2023 Handläggare: Gert Sandahl Författare: Fabian Nylén Oscar Andersson Abstract This study investigated young Swedish investors' intentions to invest ethically in the context of the conflicts between Russia and Ukraine as well as China and Taiwan. The results showed that attitude plays an important role in their investment decisions, while subjective norms and perceived behavioral control showed no significance. In the study, the authors use the Theory of Planned Behavior to explain how different factors affect the intentions for future behavior. In addition to the research on individuals' investment intentions, potential patterns and distinctions based on gender, education level and investment amount were examined. Young investors generally showed a higher propensity to refrain from investments related to the conflicts. Overall, the study contributes to a better understanding of young investors' ethical investment intentions in geopolitical tensions and conflicts. Innehållsförteckning 1. Introduktion........................................................................................................................................1 1.1 Etik och moral................................................................................................................ 1 1.2 Problemanalys................................................................................................................ 2 1.3 Syfte.............................................................................................................................................3 1.4 Frågeställning................................................................................................................. 4 2. Teoretisk referensram.......................................................................................................... 5 2.1 Theory of Planned Behavior.......................................................................................... 5 2.2 Hypoteser.....................................................................................................................................6 2.3 Rationalitet..................................................................................................................... 9 2.4 Beteendeekonomi........................................................................................................... 9 2.4.1 Kognitiva biaser.................................................................................................... 9 2.4.2 Sociala influenser................................................................................................ 10 3. Metod................................................................................................................................... 11 3.1 Val av metod................................................................................................................. 11 3.2 Val av teoretiskt ramverk........................................................................................................... 11 3.3 Enkätundersökning.................................................................................................................... 12 3.3.1 Urval....................................................................................................................13 3.3.2 Forskningsetik..................................................................................................................13 3.4 Datainsamling...............................................................................................................14 3.5 Dataanalys................................................................................................................................. 14 3.6 Validitet och reliabilitet............................................................................................................. 18 3.6.1 Validitet............................................................................................................................ 19 3.6.2 Reliabilitet........................................................................................................................19 3.6.3 Metodanalys..................................................................................................................... 19 4. Resultat............................................................................................................................................. 21 4.1 Demografisk analys................................................................................................................... 21 4.2 Resultat av PLS-SEM-metod.....................................................................................................24 4.2.1 Intentioner att investera med koppling till Ryssland........................................................26 4.2.2 Intentioner att investera med koppling till Kina.............................................................. 29 4.3 Hypotesprövning....................................................................................................................... 31 5. Diskussion......................................................................................................................................... 33 6. Slutsatser...........................................................................................................................................35 7. Framtida forskning.......................................................................................................................... 38 Referenser............................................................................................................................... 39 Bilagor................................................................................................................................................... 44 1. Introduktion En undersökning utförd av Klarnas Money Management Pulse: Sweden (2021) visar att svenska investerare i åldrarna 18-35 tenderar att investera sina besparingar i större utsträckning än motsvarande åldersgrupper från nio olika länder i tre olika världsdelar. Undersökningen visar att över hälften (58%) väljer att investera sina besparingar i förhoppning om tillväxt. Samtidigt växer intresset för etiskt försvarbara investeringar. Environmental, social , and corporate governance (ESG) och Socially Responsible Investment (SRI) anses idag som vedertaget och präglar både privata och professionella investerares strategier, liksom företagspolicys och konsumentförväntningar. Till följd av det allmänna intresset har vi valt att undersöka hur individer ställer sig till investeringar kopplat till Ryssland och Kina, mer specifikt, genom att undersöka faktorer som påverkar intentioner om framtida beteende. I detta kapitel kommer vi inleda med att strukturera ut viktiga begrepp, följt av en problemanalys och slutligen kommer vi redovisa studiens syfte och frågeställning. 1.1 Etik och moral Moral och etik används ofta som synonymer men är två begrepp som bör särskiljas. Moral är det fysiska yttrandet i form av tal eller beteende som beskriver ens åsikter om vad som anses vara rätt och fel. Etik däremot är resonemanget eller reflektionen som leder fram till moralen. I detta arbete kommer vi att behandla etik i form av normativ etik. Normativ etik är läran om vilken moral som, efter en överläggning av olika handelsalternativ, anses vara rätt eller fel. Etik grundar sig i fakta, normer och värderingar, vilket gör det viktigt i en etisk analys, att både granska kunskapsunderlaget och de underliggande värderingarna. När det gäller moralen är värderingarna i stor utsträckning härledda från fundamentala principer. Ett exempel på en sådan princip är ”största möjliga lycka åt största möjliga antal” från den brittiska filosofen John Stuart Mill (Nationalencyklopedin, u.å.). En etisk investering kan betraktas som en delmängd av hållbara investeringar där man inte endast tar hänsyn till vinstmaximering vid investeringsbeslutet, utan också inkluderar personliga och samhälleliga värderingar. Detta innebär att avkastningen från investeringen är en viktig faktor, men att beslutsfattandet också tar hänsyn till personliga åsikter (Michelson et al, 2004). 1 1.2 Problemanalys Det är krig i Europa, något som har blivit en realitet i och med Rysslands invasion av Ukraina. Den typiska svenska investeraren handlar inte dagligen på den ryska börsen, men äger förmodligen aktier eller fonder som kan kopplas till Ryssland. Detta genom svenska bolag som har verksamhet i landet eller genom dotterbolag, östeuropeiska fonder, pensionsfonder, eller företag med rysk ägarstruktur. När den fullskaliga invasionen bröt ut i februari 2022 så valde de flesta börsnoterade bolag att avsluta sina verksamheter och lämna landet (Karlsson, 2022). Takten i avveckling varierade bland företagen, vilket kan kopplas till beslutsprocessen där företagen måste ta ställning till både ekonomiska aspekter och etiska problem som situationen medför. En balansgång som även privata investerare måste ta ställning till. Kina har under åren ökat sina direktinvesteringar i Sverige och har bland annat blivit hel- eller delägare i svenska jättar såsom Volvo Cars och Spotify (Lundin, 2020). Tiotusentals svenskar har direktägande i kinesiska aktier och kinesiska fonder har under åren varit ett populärt val av tillväxtmarknad (Almgren, 2021). Samtidigt spänner den kinesiska regimen sina militära muskler runt om kinesiska havet och har sedan 1949 varit i konflikt med Taiwan. Konflikten grundar sig i att Kina ser Taiwan som en utbrytarprovins som tillhör Kina, och som till varje pris ska återförenas med fastlandet och dess regim (Brown, 2022). Paralleller kan därmed dras till ett tidigt stadium i konflikten mellan Ryssland och Ukraina. Väpnade konflikter påverkar på olika sätt världens ekonomi och investeringsstrategier. Krig har inte bara humanitära och politiska konsekvenser, utan påverkar även ens investeringsstrategi. Att investera med koppling till konfliktdrabbade länder måste den individuella investeraren ta hänsyn till potentiell ökad finansiell risk och ta ställning till etiska överväganden. Enligt Knecht (2023) är inflation en av de vanligaste effekterna av krig. Krigförande länder tenderar att öka sin penningtryckning, vilket leder till en devalvering av valutan. Krig leder också ofta till ökade sanktioner och protektionism, vilket driver upp priser, krig som påverkar länder som producerar råolja och naturgas leder ofta till kostnadshöjningar inom energisektorn. Centralbanker kan höja räntorna för att motverka inflationen som uppstår under krigstider. Detta kan påverka investerare som förlitar sig på sparande, eftersom valutadevalvering kan leda till förluster även med höga räntor. Aktiemarknader påverkas generellt negativt under krigstider på grund av osäkerhet och 2 begränsad handel. I konfliktområden kan aktiehandeln till och med vara omöjlig, vilket kan leda till svårigheter för investerare att sälja sina aktier eller få ut sin investering. Fabian (2022) argumenterar i sin artikel för att internationella konflikter bör inkluderas i ESG-ramverk. ESG är en akronym för "Environmental, Social, and Governance" som används för att beskriva de tre viktigaste faktorerna inom hållbarhets- och ansvarsfullt företagande. Geopolitisk risk och mellanstatliga konflikter bör betraktas som ESG-frågor eftersom de påverkar miljömål, energipolitik, mänskliga rättigheter och global styrning. Ansvarsfulla investerare har en viktig roll att spela genom att följa internationella normer och att bedöma den enskilda konfliktens ESG-konsekvenser. Alleyne och Broome (2011) har i sin studie “Using the theory of planned behaviour and risk propensity to measure investment intentions among future investors” använt “Theory of Planned Behavior” (TPB) för att undersöka unga investerares intentioner att investera på börsen i förhållande till deras riskbenägenhet. I studiens resultat presenterades att faktorerna inom TBP visade sig vara signifikanta för att prediktera unga investerares intentioner. Det är därför intressant att undersöka unga investerares etiska inställning till företag med kopplingar till Ryssland och Kina, att undersöka underliggande faktorer som kan påverka framtida investeringsbeteende. Att undersöka och analysera dessa bakomliggande faktorer kan bidra till att utveckla effektiva strategier och riktade insatser för att främja ett ökat engagemang i etiskt investerande bland unga svenska investerare med koppling till geopolitiska konflikter. 1.3 Syfte Syftet med denna studie är att mot bakgrund av Rysslands krig mot Ukraina och konflikten mellan Kina och Taiwan, med hjälp av “Theory of Planned Behaviour” (TPB), undersöka faktorer som påverkar unga svenska investerares intentioner att investera etiskt. I studien kommer vi att undersöka om modellen med faktorerna attityd, subjektiva normer och upplevd beteendekontroll kan prediktera ungas intentioner – deras framtida beteende på aktie- och fondmarknaden. Med både Kina och Ryssland som objekt kommer studien även att bidra till en djupare förståelse för hur investerare förhåller sig till etiska överväganden i samband med geopolitiska spänningar, konflikter och krig. 3 1.4 Frågeställning ● Påverkar faktorerna: attityd, subjektiva normer och upplevd beteendekontroll, ungas intentioner att investera etiskt, med avseende på konflikterna för respektive Ryssland och Kina? ● Finns det skillnader inom sociodemografiska faktorer om hur man förhåller sig till etiska investeringar kopplade till Ryssland och Kina? 4 2. Teoretisk referensram En teoretisk referensram är en central del i studien, där vi presenterar det teoretiska området som ligger till grund för studiens frågeställning, hypoteser och metodval. I detta kapitel kommer vi att presentera och diskutera den teoretiska referensramen för vår studie, där vi kommer att identifiera relevanta teoretiska perspektiv, begrepp och teorier som är centrala för att besvara frågeställningen. 2.1 Theory of Planned Behavior Theory of planned behavior (TPB) är en väletablerad teori inom socialpsykologin som innebär att individens beteende styrs av dennes intentioner, som i sin tur är beroende av individens personliga attityder, subjektiva normer och den uppfattade kontrollen att genomföra beteendet. Ajzen (1991) menar att den centrala faktorn inom TPB är individens intention att utföra ett specifikt beteende. Ajzen (1991) menar vidare att intentionerna är en indikation på hur mycket en individ är villig att utföra beteendet och hur mycket man är beredd att anstränga sig. Det innebär att ju starkare en individs intention är att utföra ett beteende, desto mer sannolikt är det att beteendet kommer att utföras. Enligt illustrationen i Figur 1, har den upplevda beteendekontrollen en direktkoppling till det faktiska beteendet, vilket styrker tesen om individens upplevda beteendekontroll och dess relevans. Ajzen (1991) menar att förutsättningarna för att praktiskt kunna genomföra ett beteende är avgörande för om beteendet utförs eller inte. Den uppfattade kontrollen över beteendet är istället individens eget omdöme och självförtroende kring hur väl man kan utföra det specifika beteendet. Med två personer med lika intentioner, allt annat lika, menar Ajzen (1991) att personen med en högre uppfattad kontroll över beteendet, har en högre sannolikhet att utföra beteendet. Därmed finns det en direkt koppling mellan ett beteende och den uppfattade kontrollen över beteendet. 5 Figur 1. Visuell konstruktion av TPB - faktorers samband (Ajzen 1991, s.182). TPB har intentioner om tre olika förutsättningar i form av individens personliga attityder, subjektiva normer och den uppfattade kontrollen att genomföra beteendet. Individens personliga attityder grundar sig i individens inställning till det specifika beteendet, till exempel rädd, exalterad eller vemodig. Med subjektiva normer menar Ajzen (1991) att de sociala och samhälleliga påtryckningarna som individen upplever är associerat med beteendet i fråga. Som tidigare nämnts, refererar den uppfattade kontrollen över beteendet, till huruvida individen uppfattar sin egen förmåga att faktiskt utföra beteendet i fråga. Det ska noteras att faktorerna inom TPB är helt beroende på vilket beteende det gäller. För vissa beteenden är det till exempel tillräckligt att individens inställning är positiv och att man upplever sig själv kunna utföra det, för att beteendet ska utföras, även om individen i fråga upplever sociala påtryckningar om att undvika beteendet (Ajzen, 1991). 2.2 Hypoteser I detta delkapitel kommer vi att presentera våra hypoteser som i sin tur kommer att undersöka om forskningsfrågans centrala delar bevisar ett signifikant samband eller inte. Antagandena är konstruerade för att följa Ajzens (1991) teorier om attityder, subjektiva normer och upplevd beteendekontroll. Hypoteserna ska bidra till insikt om samband existerar mellan variablerna som vi erhåller från vår enkätundersökning (läs mer om enkätundersökningen och dess utformning under kapitel 3.2). Enkätfrågorna som baseras på TPB och ligger till grund för våra hypoteser och dess mätbarhet återfinns i Tabell 2 (se kapitel 4.2). 6 ● H1: Upplevd beteendekontroll har en positiv influens på intentionerna att investera med koppling till Ryssland. ● H2: Upplevd beteendekontroll har en positiv influens på intentionerna att investera med koppling till Kina. H1 och H2 antyder att upplevd beteendekontroll har en viktig roll i människors intention att investera i respektive land. Antagandena kommer att testas utifrån samma förutsättningar då variablerna inte har separerats beroende på land och delar därför samma frågor i enkäten. Upplevd beteendekontroll omfattar två frågor som har till syfte att exponera respondentens upplevda kontroll, att kunna ta reda på relevant information och agera därefter. ● H3: Det kommer att finnas ett positivt förhållande mellan attityd och intentionerna att investera med koppling till Ryssland. ● H4: Det kommer att finnas ett positivt förhållande mellan attityd och intentionerna att investera med koppling till Kina. H3 och H4 antyder att människors attityd mot att investera med koppling till respektive Ryssland och Kina, har ett samband med intentioner och framtida investeringsstrategier. Formuleringarna angående attityd i enkäten består av sex frågor och har som syfte att undersöka respondenternas uppfattning angående etiska investeringar, med en differentiering mellan konflikt och krig. ● H5: Det kommer att finnas ett positivt förhållande mellan subjektiva normer och intentioner att investera med koppling till Ryssland. ● H6: Det kommer att finnas ett positivt förhållande mellan subjektiva normer och intentioner att investera med koppling till Kina. H5 och H6 antyder att subjektiva normer påverkar individens intentioner att investera i respektive land. Subjektiva normer representeras av fyra frågor i enkäten. Syftet är att undersöka den sociala påverkan som en person upplever från viktiga personer i sin omgivning, såsom familj, vänner och kollegor. 7 ● H7: Det kommer att finnas ett positivt förhållande mellan tidigare beteende och intentioner att investera med koppling till Ryssland. ● H8: Det kommer att finnas ett positivt förhållande mellan tidigare beteende och intentioner att investera med koppling till Ryssland. H7 och H8 antyder att tidigare investeringsbeteende kommer påverka respondenternas intentioner att investera i respektive land. Tidigare beteende undersöktes genom tre frågor i enkäten. Ajzen (1991) argumenterar att tidigare beteende har tendenser att påverka framtida beteende men nämner ingenting om tidigare beteende är relevant för individen intentioner. Vi har valt att ta med faktorn i studien eftersom vi anser att den skapar en tydligare helhetsbild vid tolkningen av verkligheten. Resultatet från H7 och H8 tolkas med försiktighet med hänsyn till avsaknad av tidigare forskning med samma tillvägagångssätt och behandling av faktorn. Figur 2. Schematisk uppställning av hypoteser. Modellen som presenteras i Figur 2 är en visuell sammanfattning av hypoteserna och kopplingen till TPB. Modellen kommer att testas enskilt för respektive land beroende på enkätfrågornas struktur och hypotesernas symmetri. Tidigare beteende som variabel för att testa individens intention att investera med koppling till respektive land är streckad för att förtydliga tolkningen av modellen. De streckade pilarna representerar hypotes 7 och 8, eftersom tidigare beteende inte är med i den grundläggande modellen som presenteras i Figur 1, har dessa pilar valts att streckas för att förtydliga att resultatet bör tolkas med försiktighet. 8 2.3 Rationalitet En rationell investerare förknippas med vinstmaximering och ett objektivt förhållningssätt till marknaden, en rationell investerare undviker att blanda in känslor och etik i beslutsfattandet. Beslutsfattandet grundar sig istället på information och analys som är faktabaserad som ska bidra till vinstmaximering med hänsyn till diversifiering och riskhantering. Väletablerade finansiella teorier som Effektiva marknadshypotesen (EMH) och Capital Asset Pricing Model (CAPM) har båda som förutsättning att investerare agerar rationellt på marknaden. Enligt Fama (1970), så återspeglas all relevant information i aktiepriset som sedermera handlas till ett “rättvist värde” på marknaden. Prissättningen av aktien avspeglar då det verkliga värdet som förhindrar möjligheter till arbitrage och felvärderade aktier. Grundprincipen för EMH är att en investerare endast kan prestera bättre än indexfonder på lång sikt genom att investera i tillgångar med högre risk. Enligt Sharpe (1964) som har bidragit till utvecklingen av CAPM (Treynor (1962), Litner (1965) och Mossin (1966)) så är syftet med CAPM att utvärdera om en aktie är rätt värderad med hänsyn till risk och tidsvärde av pengar som jämförs med dess förväntade avkastning. 2.4 Beteendeekonomi Inom beteendeekonomi betraktar man människor som irrationella investerare som påverkas av diverse faktorer vid beslutsfattandet. I denna studie använder vi teorier från de två nobelpristagarna Daniel Kahneman och Richard Thaler som båda har prisats för sina bidrag inom ämnesområdet. Kahneman har utvecklat den duala processmodellen för beslutsfattande och identifierat kognitiva biaser som påverkar beslutsfattandet. Thaler har utvecklat teorin om begränsad rationalitet och betonat vikten av psykologiska faktorer i ekonomiska beslut. 2.4.1 Kognitiva biaser Kahneman (2013) har i sin bok “Thinking, fast and slow” identifierat flera snedvridningar som påverkar beslutsfattandet och belyser människors irrationalitet. Förlustaversion innebär att människor tenderar att värdesätta förluster starkare än vinster. Negativa erfarenheter och förväntningar styr oss i beslutsprocessen för att minska förluster eller skador, vilket åsyftar till vår evolutionära utveckling där hjärnan prioriterar hot framför eventuella framgångar. Konfirmationsbias innebär att människor tenderar att söka och tolka information på ett sådant sätt så det överensstämmer med ens befintliga uppfattning och attityd. Det kan leda till att människor överestimerar händelser som är osannolika och därefter fattar felaktiga beslut. 9 Tillgänglighetsbias påverkar vår riskbedömning på ett sådant sätt att vi tenderar att överskatta händelser som är lättillgängliga i minnet. Händelser som är personliga, dramatiska eller allmänt fångar vårt intresse, kommer att vara mer lättillgängliga i vårt minne och därför påverka vår uppfattning om verkligheten. En dramatisk händelse som krig kommer tillfälligt påverka vår uppfattning om att världen är en farligare plats. Intuitiv prognostisering innebär att människor tenderar att överskatta sannolikheten för positiva händelser och underskatta sannolikheten för negativa händelser. Tidigare händelser och erfarenheter påverkar vår uppfattning, där historiskt positiva händelser kommer att bemötas med överoptimism och historiskt negativa händelser kommer att bemötas med pessimism. 2.4.2 Sociala influenser Thaler och Sunstein (2008) har i sin bok ”Nudge: Improving Decisions About Health, Wealth, and Happiness” klarlagt att sociala influenser har en påverkan i processen för människans beslutfattande. Författarna kategoriserar sociala influenser i två huvudsakliga former; information och grupptryck. Informationsdelen handlar om hur människor tänker och beter sig. Om exempelvis en stor grupp människor väljer att investera etiskt, ger det information till resten av investerare om huruvida man bör tänka och bete sig på marknaden. Grupptryck påverkar beslutfattandet och intentionerna genom att människan värdesätter andras tyckande och gillande. Individer reagerar olika på grupptryck och det finns många orsaker eller händelser där grupptryck är mer påtagligt. Om människor i ens närhet, såsom familj eller vänner, tar ställning till att endast investera etiskt så ökar sannolikheten att även du investerar etiskt för att accepteras av gruppen. Thaler och Sunstein (2008) menar att sociala influenser oftast leder till positiva konsekvenser där människor lär sig från varandra, men att sociala influenser även kan användas för negativa syften. Enligt Thaler och Sunstein (2008) uppskattar människor att anpassa sig. Sociala influenser kan orsaka att man går emot sin grundläggande attityd för att anpassa sig till gruppen. Utförda experiment visar att människor tenderar att svara som sina alla andra, när respondenter exponeras för andras opinion så är det inte ovanligt att de reviderar sina svar liknande majoriteten. Människans anpassning kan också förekomma i vilket författarna kallar för “spotlight effect”. Effekten innebär att man anpassar sig efter vad man tror vara rätt eller vad som accepteras av gruppen. Därför finns en risk vid enkätundersökningar som behandlar moral och etik att respondenterna väljer att svara som de tror förväntas av dem. 10 3. Metod I detta kapitel kommer vi att beskriva och diskutera den metod som vi har använt för att besvara vår forskningsfråga. Syftet med detta kapitel är att ge läsaren en detaljerad beskrivning av forskningsmetodiken och dess tillämpning, för att säkerställa studiens trovärdighet, validitet och reliabilitet. I metodkapitlet redogör vi för hur data har insamlats, vilka metoder som har använts för analys och tolkning av data samt vilka urvalskriterier som har använts vid urval av deltagare och material. 3.1 Val av metod I studien utgår vi från teori och har därför valt en deduktiv ansats, ur teorin skapar vi hypoteser som vi sedan försöker bekräfta eller förkasta genom observationer i den empiriska verkligheten. Den huvudsakliga teorin i studien utgår från “Theory of Planned Behavior” som presenteras i kapitel 2.1 och följande hypotesuppställningar i delkapitel 2.1.1. För att besvara forskningsfrågan och fånga den empiriska verkligheten har en kvantitativ metod valts med en enkätundersökning som tillvägagångssätt. En kvantitativ undersökning går ut på att genom representativa urvalsgrupper från en befolkning eller grupp, kvantifiera och mäta samband, fördelning och variation inom forskningsområdet (Nationalencyklopedin, u.å.). 3.2 Val av teoretiskt ramverk Givet den komplexa och dynamiska miljö som geopolitiska konflikter och krig medför, kan Theory of Planned Behavior (TPB) anses som en väl lämpad teoretisk ansats för vår studie. TPB gör det möjligt att studera och förstå de djupgående psykologiska processerna som påverkar individens beslutsfattande, vilket är kritiskt för att förstå investeringsintentioner i en sådan här miljö. Genom att tillämpa TPB kan vi analysera intentioner till dess grundläggande komponenter: attityder, subjektiva normer, upplevd beteendekontroll men även tidigare beteende. Var och en av dessa faktorer anses vara relevanta för att förstå varför individer väljer att investera, eller att inte investera, i företag som har kopplingar till konfliktzoner. Attityder återspeglar individens värderingar och inställning till ett specifikt beteende. Subjektiva normer illustrerar påverkan från den sociala miljön, vilket kan utgöra en betydande drivkraft för individers 11 beteende. Upplevd beteendekontroll innefattar individens bedömning av sin förmåga att utföra ett visst beteende. Tidigare beteende hänvisar till hur man agerat i liknande situationer. Vidare är TPB en dynamisk teori, vilket innebär att den kan appliceras på en mängd olika kontexter och situationer. Detta gör teorin särskilt användbar för att analysera de förändrade omständigheterna och osäkerheterna som uppstår i samband med krig och geopolitiska konflikter. TPB tillåter också identifiering och analys av individuella skillnader, vilket kan bidra till att förstå variationen i investeringsbeteende under dessa utmanande omständigheter. 3.3 Enkätundersökning Enkätundersökningen tar utgångspunkt i ett formulär som har konstruerats med hjälp av Google formulär. Bidraget från enkäten var en insikt i respondenternas attityder till att investera i aktier och fonder med koppling till Ryssland och Kina, med hänsyn till respektive pågående krigs- och konfliktsituation. Respondenternas svar analyserades sedan för att undersöka potentiella trender och för att dra slutsatser om hur olika faktorer kan påverka deras inställning till etiska investeringar. För att mäta attityder användes en likert-skala där respondenten ställdes inför en sjugradig skala som sträckte sig från “instämmer inte alls” till “instämmer helt” (Patel & Davidson, 2019). Inom ramen för denna studie har vi som tidigare nämnts, valt att använda Likert-skalan som mätinstrument. Detta val baseras på dess erkända kapacitet att tillförlitligt och effektivt mäta respondenternas åsikter på ett kvantitativt vis. Som ett väletablerat och standardiserat mätverktyg inom samhällsvetenskaplig forskning, tillhandahåller Likert-skalan oss att utvinna både kvantitativa data och insikter om subtila skillnader och nyanser i respondenternas svar (Gadermann et al., 2012). Den inledande delen av enkäten bestod av sociodemografiska frågor som exempelvis kön, ålder och utbildning. Vi undersökte också respondentens aktivitet på börsen genom att ta reda på hur mycket kapital som de hade investerat i aktier och fonder. Faktorerna i den inledande delen av enkäten låg till grund för analysen där vi grupperade respondenterna och undersökte mönster och skillnader. Frågorna i enkäten bygger på Ajzens (1991) teori om hur olika faktorer inom TPB leder till människors intentioner att utföra ett beteende. Inspirationen till enkätfrågorna hämtades från instruktionsmallar som instruerar hur man ska konstruera frågor 12 enligt TPB (Ajzen, 2006; Aziz et al, 2002; Francis et al, 2004) samt tidigare studier som utförts med teorin. Enkätfrågorna följer strukturen i TPB och utgår från faktorerna attityd, subjektiva normer och upplevd beteendekontroll. Thompson, Compeau och Higgins (2006) har i sin studie "Intentions to Use Information Technologies: An Integrative Model" enbart tittat på hur faktorerna påverkar framtida intentioner. Författarna argumenterar för att intentioner och de faktiska beteendet figurerar i olika tidsperioder, där intentioner syftar till framtid och det faktiska beteendet till dåtid. En korrekt utförd undersökning som avspeglar den fullständiga TPB kräver att studien utvecklar en enkät enbart för intentioner som sedan följs upp och jämförs med det faktiska beteendet. Följaktligen, skapades enkäten till denna studie med avsikt att undersöka respondenternas intentioner till framtida investeringar. 3.3.1 Urval Urvalet för denna studie bygger på insamlade enkätsvar från studenter på Handelshögskolan i Göteborg, samt respondenter som valt att delta i enkäten genom spridning på de sociala plattformarna Facebook och Linkedin. Urvalsmetoden har valts eftersom målet var att maximera antalet besvarade enkäter på så kort tid som möjligt. Metoden innebär ett icke-randomiserat urval, vilket gör det mindre representativt för den bredare populationen. Denna potentiella urvalsskevhet är väsentlig att beakta vid tolkningen av resultaten. Det är också av stor vikt att poängtera att vårt urval inte representerar ett obundet slumpmässigt urval, vilket är en metod där varje individ i populationen har samma chans att bli vald som i sin tur garanterar en hög grad av representativitet. Även om ett obundet slumpmässigt urval saknas, behöver detta inte nödvändigtvis betyda studiens validitet är underminerad. Vårt huvudsakliga syfte är inte att göra generella påståenden som gäller alla investerare, utan snarare att fördjupa förståelsen för de specifika psykologiska processer som styr investeringsbeslut i relation till geopolitiska konflikter. Följaktligen, anses vårt urval vara relevant och lämpligt för studiens syfte och kontext. 3.3.2 Forskningsetik Vetenskapliga rådet (2002) har publicerat riktlinjer för forskningsetiska principer inom humanistisk-samhällsvetenskaplig forskning. Principerna har bland annat till syfte att skydda undersökningsdeltagare och skapa en etisk balans mellan forskningskravet och individskyddskravet. Det finns fyra huvudsakliga principer för att upprätthålla 13 individskyddskravet: informationskravet, samtyckeskravet, konfidentialitetskravet och nyttjandekravet. ● Informationskravet har uppfyllts genom att vi har haft ett öppet informationsförhållande gentemot respondenterna. Syftet med undersökningen redovisades tydligt med annan nödvändig information i enkätens inledning. ● Samtyckeskravet har uppfyllts genom att alla respondenter frivilligt valt att delta och slutföra enkäten via länk, med förståelse om hur deras svar kommer att behandlas. ● Konfidentialitetskravet har uppfyllts genom att göra enkätundersökningen anonymiserad. De sociodemografiska frågorna i enkäten var noggrant utvalda och behandlade ålder och kapitalstyrkan med intervallsvar för att garantera anonymiteten. ● Nyttjandekravet har uppfyllts i enlighet med avtalade villkor mellan respondenterna och forskarna. Enkätsvaren användes endast till denna studie och delades inte med externa parter. 3.4 Datainsamling Datainsamlingen till studien har behandlat både primär- och sekundärdata. Skillnaderna mellan de två olika typerna av data menar Patel och Davidson (2019) är att primärdata tillhandahålls från förstahandspubliceringar och all annan informationsinhämtning kan klassas som sekundärdata. Primärdatan som används i studien har inhämtats från databaser såsom Göteborgs universitetsbibliotek, Google Scholar och Research Gate. Primärdatan består bland annat av akademiska tidskrifter, böcker och artiklar. Studien grundar sig även på insamlade enkätsvar som vi tillhandahållit från respondenternas medverkan i vårt Google formulär. 3.5 Dataanalys För att analysera insamlad data och applicera TPB-modellen används metoden “partial least squares” (PLS) (Chen & Hung, 2016). PLS är en metod för att analysera multivariat data för att undersöka förhållandet mellan observerade och latenta variabler (Memon et al, 2021). Pirouz (2006) menar att PLS är en av ett antal kovariansbaserade statistiska metoder som ofta kallas “structural equation modeling” (SEM). SEM utformades för att hantera multipel regression när data har små urval, saknade värden eller multikollinearitet. PLS-SEM-metoden har genomförts med den statistiska programvaran SmartPLS 4.0. 14 Programmet SmartPLS 4.0, tillämpar en algoritm med syftet att minimera summan av kvadraten av residualerna för modellens förutsägelser. Processen för programmet är tvådelad, bestående av beräkningar för både mätmodellen och strukturmodellen. 1. Mätmodellsberäkning: Det initiala steget inom PLS-SEM innefattar skapandet av latenta variabler genom en sammanslagning av observerade variabler. I vårt fall utgörs de observerade variablerna av de frågor som inkluderades i vår enkätstudie och de latenta variablerna utgörs av faktorerna; attityder, subjektiva normer, upplevd beteendekontroll, tidigare beteende och intentioner. Varje latent variabel kompletteras med korrelationer mellan den latenta variabeln och dess tillhörande observerade variabler. Optimeringen av dessa korrelationer syftar till att maximera den förklarade variansen av den latenta variabeln baserat på dess observerade variabler. 2. Strukturmodellsberäkning: Det andra steget involverar beräkningen av koefficienter mellan latenta variabler. Genom att tillämpa PLS-SEM-metoden syftar vi till att minimera summan av kvadraten av skillnaderna mellan modellens prognostiserade värden och de faktiska värdena för den beroende variabeln, som i vår studie utgörs av intentioner. Koefficienten mellan de latenta variablerna tolkas som att varje enhetsökning i en latent variabel förväntas leda till en ökning av den beroende variabeln med X (koefficientens värde) antal enheter, med antagandet att alla andra faktorer förblir konstanta (Hair et al., 2021b). För att säkerhetsställa att urvalets storlek är tillräckligt stor för att ge tillförlitliga resultat i vår PLS-SEM-analys har vi använt oss av tumregeln “10 times”. Tumregeln är den mest citerade regeln för minsta möjliga urval och bygger på att det minsta adekvata urvalet, inte bör understiga antalet kopplingar som går till den variabeln med flest kopplingar, gånger tio (Goodhue et al., 2012). Eftersom "intentioner" i vår modell är den variabel med flest inkommande kopplingar, skulle det minsta adekvata urvalet enligt “10 times”-regeln vara 4 x 10 = 40 respondenter. Enkäten har en svarsfrekvens på 89 respondenter, vilket överstiger det minsta adekvata urvalet och tröskelvärdet på 40. Tumregeln gäller också för vår schematiska uppställning av hypoteser (se Figur 2) som har en total av 8 stycken kopplingar (8 x 10 = 80 < 89). 15 I PLS-SEM-metoden som beräknar koefficienter och determinationskoefficienten (𝑅2) beräknades även justerat-𝑅2, algoritmen bootstrapping, 2cross-validated redundancy (𝑄 ), Cohen´s 𝑓2-värde, outer loading och composite reliability (CR). “Bootstrapping” är en statistisk teknik som gör det möjligt att dra slutsatser från data utan att göra starka distributionsantaganden (Haukoos & Lewis, 2005). Syftet är att räkna ut standardfel och konfidensintervall genom att uppskatta statistikens urvalsfördelning. Tekniken använder ”resampling” (även känd som Monte Carlo-resampling) från ett urval av storlek n från en given population (Haukoos & Lewis, 2005). Studiens bootstrapping beräknades utifrån en signifikansnivå på 5% och med 5000 iterationer. Justerat-𝑅2 mäter samma sak som 𝑅2-värdet — modellens förklaringsgrad, men tar hänsyn till tillägg av icke-signifikanta variabler. Modellens 𝑅2-värde stiger i regel vid addering av variabler, oavsett om de bidrar till den beroende variabeln eller inte. Justerat-𝑅2 är därför en mer tillförlitlig källa till modellens förklaringsgrad. 𝑄2 är ett mått på den prediktiva relevansen hos PLS-modellen. Måttet visar om indikatormedelvärdet presterar bättre än det mest naiva riktmärket, som fastställer den prediktiva relevansen hos den endogena modellen. Ett 𝑄2 -värde större än noll är en indikator på fullgörelse av den prediktiva relevansen (Hair et al., 2021a). Cohen´s 𝑓2-värde är ett mått på hur stor effekt en oberoende variabel har i PLS-modellen. Måttet beräknar förändringar i 𝑅2-värdena genom att skatta modellen två gånger, först genom att inkludera alla variabler, för att sedan exkludera specifika oberoende variabler (Hair et al., 2021a). Denna process utförs i en partiell regression och ger formeln: Ekvation 1. Cohen´s 𝑓2-värde 𝑅2 𝑅2 𝑓2 = 𝐼𝑛𝑘𝑙𝑢𝑑𝑒𝑟𝑎𝑑 − 𝐸𝑥𝑘𝑙𝑢𝑑𝑒𝑟𝑎𝑑 2 (Hair et al., 2021a)1− 𝑅 𝐼𝑛𝑘𝑙𝑢𝑑𝑒𝑟𝑎𝑑 16 I analysen kommer 𝑓2-värden under 0,02 anges som ingen effektiv påverkan, värden på 0,02, 0,15 respektive 0,35 kommer att betraktas som små, medelstora och stora effekter (Hair et al., 2021a). En viktig aspekt vid utvärderingen av en modells tillförlitlighet är att beräkna en så kallad “outer loading” för varje enskild observerad variabel på dess associativa latenta variabel. Resultatet jämförs sedan med ett fördefinierat tröskelvärde. Enligt Hair et al. (2021a) kan ett värde över 0,708 anses som tillförlitligt, eftersom den beroende variabeln då förklarar mer än 50% av den oberoende variabelns varians. Outer loadings mellan de latenta variablerna beräknas genom att minimera summan av kvadraten av skillnaderna mellan modellens prognostiserade värden och de faktiska värdena för den beroende variabeln, som i vårt fall är intentioner (Hair et al., 2021a). Likt outer loading används även composite reliability (CR) för att bedöma tillförlitligheten i en mätmodell. Högre värden på detta kriterium indikerar högre nivåer av tillförlitlighet. Beroende på syftet med forskningen anses olika poängintervall vara acceptabla. Värden mellan 0,60 och 0,70 anses vara acceptabla, medan resultat mellan 0,70 och 0,95 representerar tillfredsställande eller goda nivåer av tillförlitlighet (Hair et al., 2021a). För att bedöma den statistiska styrkan av en studie kan forskare använda sig av olika metoder, såsom styrketabeller eller styrkeanalyser genom program som G*Power. Vanligtvis strävar forskare efter att uppnå en styrkenivå på 80% efter att ha genomfört dessa analyser. Enligt Hair et al. (2021a) kan metoden med inversa kvadratroten användas för att bedöma styrkan hos en koefficient genom att ta hänsyn till sannolikheten att förhållandet mellan koefficienten och dess standardfel kommer att vara större än det kritiska värdet för en teststatistik vid en specifik signifikansnivå. Baserat på antagandet om en vanlig styrkenivå på 80% och signifikansnivåerna 1%, 5% och 10%, kan den minsta nödvändiga urvalsstorleken 𝑛 𝑚𝑖𝑛 beräknas med hjälp av följande ekvationer, där 𝐾 representerar det minsta tillåtna värdet 𝑚𝑖𝑛 på koefficienterna i PLS-modellen (Hair et al., 2021b). 17 Ekvation 2. Inversa kvadratrotsmetoden 2 ● Signifikansnivå = 1%: 𝑛 > ( 3,168𝑚𝑖𝑛 𝐾 )𝑚𝑖𝑛 2 ● Signifikansnivå = 5%: 𝑛 > ( 2,486𝐾 ) (Hair et al., 2021b)𝑚𝑖𝑛 𝑚𝑖𝑛 ( )2● Signifikansnivå = 10%: 𝑛 > 2,123𝑚𝑖𝑛 𝐾𝑚𝑖𝑛 Signifikansnivån avser sannolikheten att förkasta nollhypotesen när den faktiskt är sann. Vid fastställande av en signifikansnivå, exempelvis 0,01, medkommer en risk på 1% för att felaktigt förkasta nollhypotesen. En lägre signifikansnivå innebär att starkare bevis krävs innan nollhypotesen förkastas (Lehmann, 1958). Denna studien fastställer en signifikansnivå på 1% för att minimera risken för att fatta felaktiga slutsatser baserat på slumpmässiga resultat. Vidare kan vi med enkla medel räkna ut att den minsta godtagbara koefficienten givet vår urvalsstorlek på 89 respondenter, signifikansnivå på 1% och med en statistisk styrka om 80%, bör överstiga 0,337. Ekvation 3. Beräkning av koefficientens tröskelvärde (𝐾 ) 𝑚𝑖𝑛 2 ● 89 > ( 3,168𝐾 ) ⇔ 𝑚𝑖𝑛 ● 9, 4 > 3,168𝐾 ⇔ 𝑚𝑖𝑛 ● 9, 4 × 𝐾 > 3, 168 ⇔ 𝑚𝑖𝑛 ● 𝐾 > 3,168 𝑚𝑖𝑛 9,4 ⇔ ● 𝐾 > 0, 337 𝑚𝑖𝑛 3.6 Validitet och reliabilitet I detta kapitel kommer vi att presentera hur vi har säkerställt studiens validitet och reliabilitet samt att analysera metodvalet och dess brister. Validitet handlar om huruvida forskningsresultatet mäter det som de avser att mäta, medan reliabilitet handlar om huruvida resultaten är reproducerbara och tillförlitliga över tid (Bryman & Bell, 2017). En studie som är högt valid och tillförlitlig ger trovärdiga resultat som är användbara och kan generaliseras till andra situationer och populationer. 18 3.6.1 Validitet Det finns tidigare studier som använder Ajzens (1991) teorier för att analysera människors intentioner och beteenden (se exempelvis Chen & Hung, 2016; Thompson, Compeau och Higgins, 2006). Vid inhämtandet av information och tidigare studier har vi inte funnit material som undersöker samma problem och forskningsfrågor som oss. Vi har därför skapat våra enkätfrågor anpassade till vårt forskningsområde men har tagit hänsyn till olika mallar (Ajzen, 2006; Aziz et al, 2002; Francis et al, 2004) för att behålla strukturella faktorer inom TPB. Studiens tillförlitlighet säkerhetsställs genom att endast tolka signifikant data samt att utföra diverse beräkningar för att testa tillförlitligheten i modellen (se kapitel 3.4).F 3.6.2 Reliabilitet Reliabiliteten säkerhetsställs genom att tydligt redogöra för metodiken som används i studien, transparent redovisa urvalet till enkätundersökningen och publicera våra enkätfrågor. Dessa delar skapar möjlighet att reproducera undersökningen. Med beaktande av att urvalet inte är slumpmässigt kan inte slutsatser dras om stora populationer i samhället (Statistiska Centralbyrån, u.å.). 3.6.3 Metodanalys Metoden som används för att besvara frågeställningen involverar en del utmaningar. Frågeställningen i sig grundar sig på komplexa faktorer som är svåra att fånga upp till sin helhet och på ett rättvist sätt förklara påverkan och samband. Hur privata investerare resonerar och agerar i samband med situationsbaserade konflikter runt om i världen beror inte enbart på deras attityd, subjektiva normer och upplevda beteendekontroll. Eventuella missförståelser har förebyggts genom att vara tydlig i syftet med vad studien faktiskt undersöker. Det finns en risk med enkäter, särskilt enkäter som behandlar moral och etik, att respondenterna väljer att svara vad som ”anses/förväntas vara rätt”, i stället för att svara ärligt vilken attityd man besitter i frågan. Urvalsgruppen utgör ett problem eftersom åldersgruppen 18-25 är i många fall för unga för att kunna ha varit aktiva på marknaden under 2014 när Ryssland annekterade Krimhalvön. Med anledning av det kommer deras svar på frågor om attityder kring agerandet under den 19 aktuella tidsperioden inte vara helt representativa. Å ena sidan finns det en möjlighet att de haft en attityd avseende hur man bör agerat på marknaden under annekteringen, å andra sidan kan svaren byggas på efterhandskonstruktion, men det är inget som urskiljs i studiens frågor. Det är därför viktigt att beaktning tas till att de har facit om hur situationen eskalerade till den nivå vi befinner oss idag och har haft möjlighet att svara därefter. Det har därför varit viktigt att transparant redovisa populationen som ligger till grund i forskningens urval och resultat. 20 4. Resultat Beräkningarna som ligger till grund till resultatet har utförts med statistikprogrammet SmartPLS 4.0 och syftar till att testa studiens hypoteser och slutligen besvara vår forskningsfråga. Resultatet tolkas med hänsyn till den teoretiska referensramen och föregående metodkapitel. I kapitlets inledning kommer vi att presentera respondenternas demografiska egenskaper som tillhandahållits i enkätundersökningen och medföljande trendanalys. Följt av en uppdelad analys av resultaten kopplade till TPB och respektive land som undersökts i studien. 4.1 Demografisk analys Demografin hos respondenterna som valde att delta i enkätundersökningen presenteras i Tabell 1. I enkätundersökningen efterfrågade vi respondenternas kön, ålder, utbildningsnivå och vilken omfattning av kapital som de investerat i aktier och fonder. Tabell 1: Respondenternas demografiska egenskaper N = 89 Antal % Kön Man 61 68,5 Kvinna 28 31,5 Ålder 18-25 60 67,4 25-35 26 29,2 36-45 1 1,1 46-55 1 1,1 56-65 1 1,1 65+ 0 0 Högsta utbildning Grundskola 0 0 Gymnasium 15 16,9 Högskola 13 14,6 Universitet 60 67,4 Yrkeshögskola 1 1,1 Innehav på börsen (SEK) 0 - 19 000 13 14,6 20 000 - 49 000 12 13,5 50 000 - 99 000 9 10,1 100 000 - 199 000 14 15,7 200 000 - 299 000 13 14,6 300 000 - 499 000 19 21,3 500 000 - 999 000 4 4,5 1 000 000+ 5 5,6 21 I studien behandlar vi urvalet som presenterar populationen i undersökningen och följande resultatanalys, representeras av 61 män (68,5%) och 28 kvinnor (31,5%). Respondenter i åldrarna 18-35 representerar 96,6% och där personer i åldrarna 18-25 var den största åldersgruppen med 67,4%. Undersökningen omfattar en relativt ung population, nämligen studenter på Handelshögskolan i Göteborg samt respondenter som valt att delta via delning på författarnas privata sociala plattformar (not: författarna av studien representerar åldersgruppen 18-35). Föregående faktorer har också sin naturliga förklaring till att de flesta av respondenterna (67,4%) har en universitetsutbildning. Respondenternas svar angående deras investerade kapital i aktier och fonder visar på en variation mellan svarsalternativen. En sammanställning visar att 38,2% av respondenterna har investerat 0-99 000 kr, 51,6% har investerat 100 000-499 000 kr och 10,1% har investerat 500 000 kr eller mer. Analysen av demografiska mönster och skillnader utgår från faktorerna kön, utbildning, ålder och hur mycket kapital individen har investerat på börsen. Där kommer vi att undersöka differensen i medelvärdet på varje enskild enkätfråga mellan män och kvinnor, en jämförelse mellan respondenter med universitet som högsta utbildning och resterande utbildningsnivåer, en jämförelse mellan grupper som har investerat respektive 0-99 000, 100 000-499 000 kr och 500 000 kr eller mer på börsen, för att sedan avsluta med en jämförelse mellan åldersgrupperingar 18-25 och 26-35. Respondenter som överstiger 35 år är inte med i analysen eftersom gruppen endast representerar 3 personer. Medelvärde väljs som analysverktyg eftersom de valda grupperingarna representeras av olika antal respondenter. Resultatet av differensanalysen av medelvärden presenteras i Bilaga 1 och 2. En snabb överblick av tabellen ger en uppfattning om att skillnaderna mellan medelvärden är minimala. Enkätfrågorna är konstruerade enligt en likertskala som sträcker sig mellan 1-7. Samtliga svar ligger i närheten av medianen på 4 och skillnaderna mellan gruppernas medelvärden sträcker sig från 0 till några enstaka tiondelar. I jämförelsen mellan kvinnor och män kan vi se att kvinnor har ett högre medelvärde på samtliga frågor om respondenternas upplevda beteendekontroll. Kvinnor upplever att de har bättre kontroll över att ta reda på om företag är etiska och har en starkare tro på att en etisk investeringsstrategi bidrar till ett bättre samhälle. Enkätfrågor angående subjektiva normer visar att kvinnor är mer benägna att följa investeringsråd från anhöriga, medan män lägger 22 större vikt på omgivningens åsikter och ifrågasättande. Gällande frågor kopplade till attityder till respektive land, visar resultatet att män i högre grad anser att man borde ta avstånd från att investera på grund av respektive konflikt. Jämförelsen av utbildningsnivåer tittar vi efter mönster och skillnader mellan respondenter som studerat på universitet och resterande utbildningsnivåer (grundskola; gymnasium; högskola; yrkeshögskola). Respondenter med universitet som högsta utbildningsnivå upplever att det har bättre tillgång till information om företags etiska ståndpunkt och en bättre kontroll över vilka företag de väljer att investera i, medan resterande utbildningsnivåer tenderar att känna större tilltro till kausaliteten mellan individens investeringsstrategi och samhällspåverkan. Respondenter med universitet som högsta utbildningsnivå tar i större utsträckning avstånd från att investera i Ryssland och Kina med avseende till respektive konflikt. De uppvisar också ett högre medelvärde på enkätfrågor angående subjektiva normer, vilket omfattar råd och åsikter från ens omgivning. Jämförelsen av grupperingarna som behandlar storleken av investerat kapital på börsen visar på de största skillnaderna mellan respektive medelvärde. Respondenter som investerat 500 000 kr eller mer upplever att de har mer kontroll över sina placeringar och känner sig tryggare att finna information om etiska företag än resterande grupper. Dessa tar också i större omfattning avstånd från att investera med koppling till Kina och avser att aktivt söka information om investeringar. Om konflikten eskalerar planerar denna grupp i större utsträckning att göra sig av med sina innehav med koppling till Kina. Resultatet visar också att de som investerat 500 000 kr eller mer är mer rationella än de andra, de kan både tänka sig att spara sina innehav och avvakta situationen kring Taiwan-konflikten samt investera med koppling till Ryssland vid ett inledande fredssamtal. Gruppen som investerat 0-99 000 kr värdesätter att uppfattas som en etisk investerare av dess omgivning. Dessa tar i större utsträckning avstånd från investeringar kopplat till Ryssland och kan tänka sig att behålla sina innehav och avvakta Taiwan-konfliktens utveckling. Gruppen som investerat 100 000-499 000 kr tenderar att följa investeringsråd från sin omgivning, men har annars liknande åsikter som gruppen som investerat 500 000 kr eller mer, med svagare medelvärden. Jämförelsen mellan åldersgrupperna 18-25 och 26-35 ser vi att den yngre åldersgruppen tenderar att ha ett högre medelvärde på majoriteten av enkätfrågorna. Skillnaderna är väldigt små, åldersgruppen 26-35 presterar endast högre medelvärde i 5 av 20 enkätfrågor. Gruppen 23 är mer rationell och kan därmed tänka sig att investera med koppling till Ryssland om ett fredsavtal inleds i större utsträckning än åldersgruppen 18-25. 4.2 Resultat av PLS-SEM-metod I Tabell 2 presenteras studiens enkätfrågor. Enkätfrågorna har tilldelats en akronym för att lättare kunna hänvisa till respektive fråga. Tabell 2 följer strukturen från TPB med inledande variabeln upplevd beteendekontroll (UBK), följt av subjektiva normer (SN) och attityd (AT). Därefter presenteras studiens enkätfrågor kopplade till intentioner (INT) för respektive land. Frågor som är landsspecifika har tilldelats en extra bokstav, (R) för Ryssland och (K) för Kina. Slutligen presenteras enkätfrågorna kopplade till tidigare beteende som undersöker om respondenterna tidigare har investerat med koppling till respektive land. I studien inkluderades en mätningsmodell som bestod av fem variabler för både Ryssland och Kina, nämligen attityd, upplevd beteendekontroll, subjektiva normer, tidigare beteende och intentioner. För att bedöma modellens tillförlitlighet krävs att varje oberoende variabels outer loading och dess tillhörande beroende variabel beräknas och jämförs med ett tröskelvärde. Vanligtvis bör outer loading vara högre än 0,708 för att tillförlitligheten ska betraktas som acceptabel (Hair et al., 2021a). I Tabell 2 visar resultatet att de flesta oberoende variablerna har outer loadings över 0,708 men att det samtidigt finns åtta variabler som inte uppnår tröskelvärdet, vilket visar på en brist i deras tillförlitlighet. Till följd av de bristfälliga värdena, har även composite reliability (CR) beräknats för att bedöma tillförlitligheten i mätmodellen. Värden mellan 0,60 och 0,70 anses vara acceptabla, medan värden mellan 0,70 och 0,95 representerar tillfredsställande eller goda nivåer av tillförlitlighet (Hair et al., 2021a). Resultaten i Tabell 2 visar att mätningsmodellen uppvisar acceptabel eller god tillförlitlighet för alla fem latenta variabler. Slutsatsen av detta är att vissa observerade variabler har låg outer loading men att variablerna gemensamt medför att de latenta variablerna får acceptabla eller goda värden för composite reliability och därmed kan modellen anses vara tillförlitlig. CR är en funktion av de observerade variablernas (enkätfrågorna) outer loadings och är därmed ett mått för hur tillförlitligt dessa tillsammans mäter respektive latenta variabels tillförlitlighet. Det finns därför endast ett värde för Composite reliability (CR), för respektive latent variabel. 24 Tabell 2. Composite reliability (CR), medelvärde, standardavvikelse och outer loading. Indikator Enkätfrågor Composite Medelvärde Standard Outer Reliability avvikelse Loading (Ryssland/Kina) UBK1 Jag har kontroll över vilka företag jag investerar i (0,72/0,83) 4,8 2,0 0,446 UBK2 Jag har tillgång till information för att avgöra om ett företags 4,5 1,7 0,999 verksamhet kan anses vara etisk SN1 Jag följer investeringsråd från vänner, kollegor och familj (0,69/0,74) 3,7 1,8 0,128 SN2_R Personer i min närhet hade ifrågasatt om jag investerade i ett 4,7 2,1 0,938 bolag med Rysslandskopplingar SN3_K Personer i min närhet hade ifrågasatt om jag investerade i ett 3,3 1,8 0,766 bolag med Kinakopplingar SN4 Personer i min närhet förväntar sig att jag investerar mina pengar 3,6 1,5 0,775 på ett etiskt vis AT1_R Jag anser att investerare borde tagit avstånd från investeringar (0,84/0,75) 4,7 2,0 0,971 kopplade till Ryssland vid annekteringen av Krim 2014 AT2_R Jag anser att man bör avstå från att investera i företag med 5,5 2,1 0,917 koppling till Ryssland på grund av invasionen av Ukraina AT3_K Jag anser att man bör avstå från att investera i företag med 4,3 2,0 0,973 koppling till Kina på grund av Kinas konflikt med Taiwan AT4 Genom att investera etiskt är jag med och bidrar till ett bättre 4,6 1,9 0,530 samhälle AT5_R Investeringar kopplat till Ryssland ligger i linje med min etik 5,5 1,7 0,510 AT6_K Investeringar kopplat till Kina ligger i linje med min etik 4,9 1,7 0,561 INT1_R Jag avser att aktivt ta reda på om aktier eller fonder jag planerar (0,95/0,82) 3,7 2,0 0,986 att investera i har kopplingar till Ryssland INT2_K Jag avser att aktivt ta reda på om aktier eller fonder jag planerar 3,7 1,8 0,554 att investera i har kopplingar till Kina INT3_K Jag planerar att behålla mitt innehav (alternativt investera) med 3,7 1,9 −0,335 kopplingar till Kina för att avvakta och se hur konflikten med Taiwan utvecklas INT4_R Om fredsavtal förhandlas fram mellan Ryssland och Ukraina kan 4,0 1,9 0,506 jag tänka mig att investera i bolag med koppling till Ryssland INT5_K Om Kina annekterar Taiwan planerar jag att sälja alla innehav 4,0 2,2 0,826 kopplade till Kina IT6 I mitt investeringsbeslut tar jag endast ta hänsyn till risk, 3,5 1,9 0,845 avkastning och diversifiering TGB1_R Jag har tidigare investerat i bolag med koppling till Ryssland (1/1) 3,2 2,2 1 (Östeuropeiska fonder, verksamheter med ryskt ägarskap, ryska aktier, etc.) 25 TGB2_K Jag har tidigare investerat med koppling till Kina (Asiatiska 4,1 2,2 1 fonder, verksamheter med kinesiskt ägarskap, kinesiska aktier, etc.) Not: UBK=Upplevd beteendekontroll; SN=Subjektiva normer; AT=Attityd; INT=Intentioner; TGB=Tidigare beteende; R=Ryssland; K=Kina 4.2.1 Intentioner att investera med koppling till Ryssland Resultatet av vår PLS-SEM-modell som undersöker individers intentioner att investera med koppling till Ryssland återfinns i Figur 3. 𝑅2 är determinationskoefficienten från en regressionsmodell som förklarar hur stor del av variationen i intentioner (beroende variabel) som kan förklaras av de oberoende variablerna: attityder, subjektiva normer, upplevd beteendekontroll och tidigare beteende. Enligt Hair et al. (2021) är PLS-SEM-metoden ett effektivt sätt för att öka förståelsen mellan orsakssamband och teori samt att bedöma modellens prediktiva förmåga. 𝑅2 kan anta ett värde mellan 0 och 1, där värdet 0 innebär att modellen inte kan användas som prediktionsmodell, ett värde mellan 0 och 1 anses modellen delvis förklara variationen och talet 1 innebär att modellen kan användas för att prediktera med perfekt tillförlitlighet. 𝑅2-värdet mellan 0 och 1 kan omvandlas till procentsats för att öka förståelsen och tolkningen av resultatet. Värdena som presenteras vid pilarna i Figur 3, representerar koefficienterna som framträder mellan olika variabler inom ramen för vår Partial Least Squares Structural Equation Modeling (PLS-SEM). Figuren kan tolkas genom att analysera “outer”- och “inner loading” i modellen. Outer loading representeras av pilarna mellan de gula rektanglarna och de blå cirklarna i Figur 3. Programmet SmartPLS 4.0 bildar latenta variabler (“dolda variabler”) genom att sammanfoga observerade variabler (enkätfrågorna i vår studie). För varje latent variabel, beräknas korrelationer mellan den latenta variabeln och dess respektive observerade variabler. Koefficienterna 0,971, 0,917, 0,530, och 0,510 för den latenta variabeln attityder, indikerar att den första frågan (AT1_R) uppvisar den starkaste korrelationen med attityder, medan den fjärde frågan (AT5_R) uppvisar den svagaste korrelationen. Inner loadings representeras av de blåa cirklarna för varje faktor inom TPB i Figur 3. Koefficienten på 0,566 från attityder till intentioner innebär att varje enhetsökning i attityder förväntas leda till en ökning av intentioner med 0,566 enheter, allt annat lika. 26 Determinationskoefficienten (𝑅2) på 0,399 för variabeln intentioner beräknas genom att kvadrera korrelationen mellan de förutsagda och faktiska värdet av den beroende variabeln intentioner. Ett 𝑅2-värde på 0,399 indikerar att modellen kan förklara 39,9% av variationen i intentioner, baserat på de oberoende variabler som ingår i modellen. I praktiken betyder det att nära 40% av variationen i variabeln intentioner kan tillskrivas de oberoende variabler som ingår i vår studie. De resterande 60% representerar underliggande faktorer som vår modell inte kan förklaras. Följaktligen förklarar modellen delvis variationen och kan till viss mån användas för att prediktera framtida beteenden. Justerat-𝑅2 tar hänsyn till antalet variabler i modellen och dess relevans. Det justerade-𝑅2 -värdet för modellen som undersöker intentioner att investera med koppling till Ryssland är 0,37. Det vill säga att 37% av variationen i den beroende variabeln kan förklaras. Sammanfattningsvis mäter outer loadings korrelationen mellan de observerade variablerna och deras respektive latenta variabler. Inner loadings beskriver de direkta effekterna mellan de latenta variablerna. Till skillnad mot outer loadings representerar inner loadings inte korrelation utan styrkan i det kausala sambandet mellan de latenta variablerna. Determinationskoefficienten (𝑅2 ) mäter förklaringsgraden i modellen, det vill säga hur mycket variationen i den beroende variabeln kan förklaras av de oberoende variablerna. I PLS-SEM modeller är outer- samt inner loadings tätt sammankopplade med 𝑅2 . Starka outer- och inner loadings ökar sannolikheten att modellen förklarar en stor del av variationen i de beroende variablerna, vilket resulterar i ett högre 𝑅2 -värde. 27 Figur 3. Resultat PLS-SEM (Ryssland) Not: AT = Attityd; SN = Subjektiva normer; UBK= Upplevd beteendekontroll; TGB = Tidigare beteende; INT_R = Intentioner Ryssland. Enligt Hair et al. (2021a) anses värden på 𝑓2 på 0,35, 0,15 och 0,02 vara respektive stora, medelstora och små effektstorlekar. 𝑓2-värdet i Tabell 3 indikerar att attityder har en effektiv påverkan på individers intentioner att investera med koppling till Ryssland. Effektstorleken anses vara stor alternativt medelstor med ett 𝑓2-värde på 0,333. Vidare indikerar 𝑓2 ingen effektiv påverkan i relation mellan subjektiva normer, upplevd beteendekontroll och intentioner, då värdet understiger gränsen på 0,02. Till sist anses effektstorleken vara liten för hur tidigare beteende påverkar intentioner med ett 𝑓2-värde på 0,048. Tabell 3. Cohen´s 𝑓2-värde (Ryssland) 𝑓2 AT => INT_R 0,333 SN => INT_R 0,002 UBK => INT_R 0,001 TGB => INT_R 0,048 Not: AT = Attityd; SN = Subjektiva normer; UBK= Upplevd beteendekontroll; TGB = Tidigare beteende; INT_R = Intentioner Ryssland 28 𝑄2 är ett mått på den prediktiva relevansen i modellen. Enligt Hair et al. (2021a) behöver 𝑄2 anta ett värde större än 0 för att säkerhetsställa modellens prediktiva relevans. Vår modell har ett 𝑄2 -värde på 0,164 vilket bekräftar att modellen kan i viss mån användas för att prediktera framtida beteenden. Tabell 4. Cross-validated redundancy (𝑄2) - Ryssland SSO SSE 𝑄2(= 1 − 𝑆𝑆𝐸/𝑆𝑆𝑂) Intentioner 178,00 148,82 0,164 4.2.2 Intentioner att investera med koppling till Kina Resultatet av vår PLS-SEM-modell som undersöker individers intentioner att investera med koppling till Kina återfinns i Figur 4. Efter utförd partiell regressionsanalys antar modellen ett 𝑅2-värde på 0,452. Det vill säga att cirka 45% av variationen hos intentionerna att investera med koppling till Kina kan förklaras med hjälp av de oberoende variablerna. Vilket är ett 𝑅2 -värde som är 5% högre jämfört med modellen som undersöker intentioner att investera i Ryssland. Det leder till att modellens oförklarliga varians är 5% lägre (55% kontra 60%) än tidigare analyserad modell. Det justerade-𝑅2-värdet för modellen som undersöker intentioner att investera med koppling till Kina hamnar på 0,426. Det vill säga att ungefär 43% av variationen i den beroende variabeln kan förklaras, med hänsyn till antalet variabler i modellen och dess relevans. Genom att replikera processen av att följa modellens pilar kan vi utläsa att attityder är den mest bidragande oberoende variabeln och därmed har den högsta förklaringsgraden även i denna modell med ett värde på 0,434 (“inner loading”). Det vill säga att en enhetsökning i attityder förväntas leda till en ökning av intentioner med 0,434 enheter, allt annat lika. Enkätfrågornas outer loading jämförs sedan med tröskelvärdet på 0,708. Där kan vi se att exempelvis att den latenta variabeln AT3_K visar på stark korrelation (0,973) med attityder medan UBK2 visar nästintill obefintlig korrelation (0,009) med upplevd beteendekontroll och långt under tröskelvärdet. 29 Figur 4. Resultat PLS-SEM (Kina) Not: AT = Attityd; SN = Subjektiva normer; UBK= Upplevd beteendekontroll; TGB = Tidigare beteende; INT_K = Intentioner Kina. Resultatet för 𝑓2 i modellen gällande Kina är liknande som de för Ryssland, där 𝑓2 (se Tabell 5) indikerar att attityder har en effektiv påverkan på intentioner att investera med koppling till Kina. Effektstorleken anses vara medelstor men något mindre effektiv påverkan än för fallet för Ryssland. För Kina indikerar 𝑓2 en liten effektstorlek, alltså en svag effektiv påverkan i relation mellan både subjektiva normer respektive uppfattad beteendekontroll och intentioner. Tabell 5. Cohen´s 𝑓2-värde (Kina) 𝑓2 AT => INT_K 0,219 SN => INT_K 0,095 UBK => INT_K 0,028 TGB => INT_K 0,002 Not: AT = Attityd; SN = Subjektiva normer; UBK= Upplevd beteendekontroll; TGB = Tidigare beteende; INT_K = Intentioner Kina Den prediktiva relevansen (𝑄2) för modellen kopplad till Kina antar ett värde större än 0 vilket indikerar att den kan användas för att prediktera framtida beteende (Hair et al., 2021a). 30 Med ett 𝑄2-värde på 0,161 så är måttet snarlikt modellen kopplad till Ryssland med en differens på 0,003. Tabell 6. Cross-validated redundancy (𝑄2) - Kina SSO SSE 𝑄2(= 1 − 𝑆𝑆𝐸/𝑆𝑆𝑂) Intentioner 356,000 298,719 0,161 4.3 Hypotesprövning Hypotesprövningen syftar till att undersöka om det finns tillräckligt starka bevis för att stödja eller förkasta studiens hypoteser. Detta uppnås genom att tillämpa rigorösa statistiska metoder och därefter analysera eventuella linjära samband samt kvantifiera den statistiska signifikansen av dessa samband. Resultatet av den schematiska uppställningen av våra hypoteser (se Figur 2) presenteras i Tabell 7. För att utvärdera resultaten från modellen och testa hypotesernas strikthet används det tidigare angivna tröskelvärdet för den minsta accepterade koefficienten, vilket i detta sammanhang är satt till 0,337, tillsammans med en signifikansnivå där ett p-värde lägre än 0,05 tolkas vara statistiskt signifikant. I Tabell 7 presenteras även T-värden, vilka måste överstiga 1,96 för att koefficienterna kan tolkas vara signifikanta med 95% säkerhet. Resultatet visar att det finns signifikanta samband mellan variablerna. Bootstrapping användes för att bestämma koefficienterna för relationerna mellan variablerna. Som framgår av Tabell 7 påverkar upplevd beteendekontroll (UBK) varken intentionen att investera i Ryssland (INT_R) eller i Kina (INT_K), eftersom både koefficienterna är under tröskelvärdet och P-värdena är inte signifikanta. Därmed kan H1 och H2 förkastas, alltså att upplevd beteendekontroll inte har en signifikant inverkan på investerarnas intentioner att investera etiskt i Ryssland eller Kina. Resultatet visar att attityd (AT) har en betydande inverkan på både intentionerna att investera i Ryssland och i Kina, eftersom båda koefficienter har ett värde över 0,337 men även för att P-värdena uppnår signifikanta nivåer, alltså ges stöd åt H3 och H4. Det innebär att 31 investerarnas attityder avseende etiskt investerande påverkar deras intentioner att investera etiskt i både Ryssland och Kina. Vidare kan man enligt resultaten konstatera att subjektiva normer (SN) inte påverkar intentionerna att investera med koppling till Ryssland eller Kina, eftersom båda koefficienterna hamnar under tröskelvärdet om 0,337. Även om P-värdet uppfyller signifikanta nivåer för förhållandet mellan SN och INT_K, är koefficienten mellan dessa två för låg (0,268 < 0,337) för att anses vara signifikant. Därmed kan H5 och H6 förkastas. Det innebär att sociala normer inte har en betydelsefull inverkan på investerarnas intentioner att investera etiskt med koppling till Ryssland och Kina. Slutligen visar resultaten att tidigare beteende (TGB) inte har någon signifikant påverkan på varken INT_R eller INT_K. Därmed kan både H7 och H8 förkastas. Slutsatsen av resultatet är att tidigare beteende av att investera etiskt inte har en betydande påverkan på investerarnas intentioner att investera etiskt i Ryssland eller Kina. Tabell 7. Hypotestest Koefficient Standard- T-värde P-värde avvikelse H1: UBK => INT_R 0,176 0,162 1,089 0,276 H2: UBK => INT_K −0,038 0,123 0,306 0,760 H3: AT => INT_R 0,566* 0,212 2,672 0,008 H4: AT => INT_K 0,434* 0,186 2,336 0,020 H5: SN => INT_R 0,045 0,112 0,405 0,686 H6: SN => INT_K 0,268 0,120 2,234 0,026 H7: TGB => INT_R −0,023 0,097 0,236 0,813 H8: TGB => INT_K −0,138 0,232 0,594 0,552 𝑅2 = 0, 399 𝑄2 = 0, 164 𝐼𝑁𝑇_𝑅 𝐼𝑁𝑇_𝑅 𝑅2 = 0, 452 𝑄2 = 0, 161 𝐼𝑁𝑇_𝐾 𝐼𝑁𝑇_𝐾 P*<0,05 Not: UBK= Upplevd beteendekontroll; AT = Attityd; SN = Subjektiva normer; TGB = Tidigare beteende; INT_R = Intentioner Ryssland; INT_K = Intentioner Kina 32 5. Diskussion Syftet med denna studie var att med bakgrund av Rysslands krig mot Ukraina och konflikten mellan Kina och Taiwan, med hjälp av Theory of Planned Behaviour (TPB), undersöka faktorer som påverkar unga svenska investerares intentioner att investera etiskt. Studien ger en djupare förklaring av relationen mellan attityder, subjektiva normer, upplevd beteendekontroll, tidigare beteende samt kopplingen till unga svenska investerares intentioner att investera etiskt. Resultatet visar att attityden hos svenska unga investerare hade en betydande inverkan på individens intention om etiska investeringar med kopplingar till Ryssland och Kina. En positiv attityd till etiskt investerande, ökar sannolikheten för att unga investerare avsiktligt väljer att investera etiskt i respektive konfliktsituation. Genom att identifiera och förstå attitydernas roll kan studien bidra till att ytterligare bekräfta betydelsen som attityder har på intentioner och framtida beteende. Resultatet indikerar att unga investerares attityder gentemot etiska investeringar kan vara en viktig faktor att adressera och påverka för att främja ett ökat engagemang i etiskt investerande i förhållande till konfliktsituationer. Resultatet visade att att attityd hade en signifikant påverkan på unga svenska investerares intentioner om att investera etiskt med koppling till Ryssland och Kina. TPB förutspår att samtliga faktorer är viktiga för att förklara individers intentioner och framtida beteende. I detta fall tyder avsaknaden av signifikanta samband på att det kan finnas ytterligare faktorer som spelar en roll i unga investerares beslut att investera etiskt i dessa specifika länder. Det är möjligt att unga investerares intentioner att investera etiskt i Ryssland och Kina påverkas av andra aspekter som inte har beaktats i studien. Det kan också vara så att de subjektiva normer, upplevd beteendekontroll samt tidigare beteende inte har samma relevans när det kommer till investeringsbeslut med etiska överväganden och investeringsstrategier. Modellernas förklaringsgrad (𝑅2) resulterade i 40% och 45% för respektive Ryssland och Kina. Det innebär att den oförklarliga variationen för respektive land är 60% och 55%. Faktorer som inte fångats upp i modellen kan delvis förklaras av kognitiva biaser som påverkar vårt beslutsfattande. Tidigare nämna biaser såsom förlustaversion, konfirmationsbias, tillgänglighetsbias och intuitiv prognostisering kan alla influera individers 33 intentioner. Vi bedömer att tillgänglighetsbias kan vara en faktor som kan anses vara extra relevant i vår modell. Som repetition, påverkar tillgänglighetsbias vår riskbedömning, att vi tenderar att överskatta händelser som är lättillgängliga i minnet. Händelser som är personliga, dramatiska eller allmänt fångar vårt intresse, kommer att vara mer lättillgängliga i vårt minne och därför påverka vår uppfattning om verkligheten. Kriget i Ukraina kan anses som en dramatisk händelse och kan därefter påverka riskbedömningen. Ett krig i Europa, vår relativa närhet, får av naturliga skäl mer mediabevakning än jämförelsevis konflikten mellan Kina och Taiwan. Faktorer som leder till tillgänglighetsbias och som möjligtvis påverkat resultatet i studien. Det är relevant att diskutera att den använda enkätmetoden i studien har sina begränsningar som kan ha givit upphov till missvisande resultat. Enkätfrågor kan vara bristfälliga och inte tillräckligt utförligt utformade för att fånga komplexiteten i ämnet. Svaren på enkätfrågorna kan också blivit influerade av vad Thaler och Sunstein (2008) kallar för “spotlight effect”, där respondenterna väljer att svara vad de tror förväntas av dem istället för att vara helt sanningsenliga. Följaktligen, ett exempel på brister i studiens utformning är användningen av tidigare beteende som en variabel för att undersöka unga svenska investerares intentioner att investera etiskt. Med tanke på att respondenterna är unga och sannolikt inte har haft tidigare erfarenhet av liknande situationer där man som investerare har investerat etiskt i förhållande till ett krigförande land, kan det vara problematiskt att förlita sig på tidigare beteende som en tillförlitlig indikator på deras framtida intentioner. Modellens outer loading visade att flertalet av enkätfrågorna passerade tröskelvärdet på 0,708. Värden under tröskelvärdet behöver inte betyda att modellens funktion att prediktera fallerar helt. Värden i närheten av tröskelvärdet (runt 0,50) kan fortfarande påverka modellens förklaringsgrad positivt. Det går däremot att diskutera om latenta variabler (enkätfrågor) som har betydligt lägre outer loading än tröskelvärdet borde ha uteslutits från studien. Detta går att kontrollera genom att jämföra modellens composite reliability (CR), före och efter justeringen av latenta variabler som är betydligt lägre än tröskelvärdet på 0,708. Om CR förbättras vid borttagandet av underskridande latenta variabler ska dessa uteslutas från modellen. 34 6. Slutsatser Studiens syfte var att undersöka om faktorerna attityd, subjektiva normer, upplevd beteendekontroll samt tidigare beteende påverkar unga svenska investerares intentioner att investera etiskt med koppling till Ryssland och Kina. En abduktiv ansats och en kvantitativ metod valdes där insamlad data från enkätundersökningen låg till grund för utförandet av den multivariata regressionsanalysen. I studien undersöktes 8 hypoteser som var kopplade till faktorerna inom TPB, 4 hypoteser för respektive land. Utöver att undersöka om faktorerna inom TPB var signifikanta för att prediktera investeringsintentioner, analyserades sociodemografiska trender. Analysen av demografin baseras på enkätundersökningens inledande frågedel, där respondenter fick frågor om kön, ålder, högsta utbildning, antal kronor i innehav på börsen. Resultatet för den första frågeställningen (Påverkar faktorerna: attityd, subjektiva normer och upplevd beteendekontroll, ungas intentioner att investera etiskt, med avseende på konflikterna för respektive Ryssland och Kina?) visade att attityder spelar en betydande och signifikant roll för unga svenska investerares intentioner att investera etiskt med koppling till Ryssland och Kina. Resultatet tyder på att subjektiva normer, upplevd beteendekontroll och tidigare beteende inte har en betydande relevans när det gäller investeringsbeslut med etiska överväganden i dessa konfliktsituationer. Modellerna för Ryssland och Kina visade relativt hög förklaringsgrad med ett 𝑅2-värde på 0,399 och 0,452, och ett justerat- 𝑅2-värde på 0,37 och 0,426 för respektive land. Modellerna anses också kunna prediktera framtida intentioner med bakgrund av att båda hade ett 𝑄2-värde större än 0. En sammanfattning av hypoteserna och resultatet för hypotesprövningen visas nedan i Tabell 8. Utifrån valda rigorösa statistiska metoder presenteras om hypoteserna förkastas eller tolkas som statistisk signifikanta för att dra slutsatser om större populationer. I analysen av PLS-SEM-modellen har striktheten bestämts utifrån ett gränsvärde på 0,337 för koefficienterna, ett p-värde under 0,05 och ett T-värde över 1,96. 35 Tabell 8. Sammanfattning av Hypotesprövning Hypoteser Resultat H1: Upplevd beteendekontroll har en positiv influens på intentionerna att investera Förkasta med koppling till Ryssland. H2: Upplevd beteendekontroll har en positiv influens på intentionerna att investera med koppling till Kina. Förkasta H3: Det kommer att finnas ett positivt förhållande mellan attityd och intentionerna att Signifikant investera med koppling till Ryssland. H4: Det kommer att finnas ett positivt förhållande mellan attityd och intentionerna att Signifikant investera med koppling till Kina. H5: Det kommer att finnas ett positivt förhållande mellan subjektiva normer och Förkasta intentioner att investera med koppling till Ryssland. H6: Det kommer att finnas ett positivt förhållande mellan subjektiva normer och Förkasta intentioner att investera med koppling till Kina. H7: Det kommer att finnas ett positivt förhållande mellan tidigare beteende och Förkasta intentioner att investera med koppling till Ryssland. H8: Det kommer att finnas ett positivt förhållande mellan tidigare beteende och Förkasta intentioner att investera med koppling till Ryssland. Resultatet tyder på att subjektiva normer, upplevd beteendekontroll och tidigare beteende inte har en betydande relevans när det gäller investeringsbeslut med etiska överväganden i respektive konfliktsituation. Eftersom inga övriga faktorer inom TPB-modellen visade sig ha en statistiskt signifikant inverkan förutom attityder, ger det upphov till slutsatsen att enkätfrågorna inte var tillräckligt preciserade eller omfattande för att fullständigt fånga upp alla underliggande komplexiteter i unga investerares uppfattningar om subjektiva normer, upplevd beteendekontroll och tidigare beteende. Dessa slutsatser betonar vikten av att fortsätta undersöka och inkludera andra faktorer och variabler som kan påverka unga investerares beslut att investera etiskt i samband med konflikter. Det är också viktigt att använda noggrant utformade mätinstrument för att få en mer detaljerad och korrekt bild av unga investerares attityder, normer, upplevda beteendekontroll som bidrar till intentioner att investera etiskt. 36 Resultatet från den andra frågeställningen (Finns det skillnader inom sociodemografiska faktorer om hur man förhåller sig till etiska investeringar kopplade till Ryssland och Kina?) visade att samtliga svar låg i närheten av medianen på 4 och skillnaderna mellan gruppernas medelvärden sträckte sig från 0 till några enstaka tiondelar. Utifrån datan kunde vi utläsa hur de olika grupperingarna ställde sig till respektive fråga och därefter analysera skillnader och likheter. Trots de utpekade skillnaderna mellan grupperingarna menar vi att analysen bör tolkas med försiktighet. Diskussionen kring problematiken hos urvalet blir högst relevant i denna fråga. Urvalets storlek och karaktär måste tas i beaktning vid jämförelse av analysen med en större population. 37 7. Framtida forskning För framtida forskning skulle vi rekommendera att utföra en enkätundersökning med ett både större och bredare urval. Detta för att kunna prediktera och utföra mer tillförlitliga analyser av populationen. Ett större urval än 89 respondenter, där mestadels var studenter på Handelshögskolan i Göteborg, skulle kunna leda till att modellen fungerar bättre vilken kan ge annorlunda resultat och slutsatser. Vi rekommenderar att i framtida forskning se över enkätfrågorna och dess relevans för studien. I vår resultatdel presenterar vi analysen av PLS-SEM där man kan tydligt se vilka frågor som är signifikanta i modellen. Utifrån det kan man utesluta icke-signifikanta frågor och anpassa enkäten och dess frågor för att modellen ska lyckas att förklara så mycket av variationen som möjligt. Ett alternativ är att göra och skicka ut en testenkät till en opponentgrupp som kommer med feedback innan den slutgiltiga enkäten fastställs. Det finns också möjligheter att utveckla studien genom att applicera en förlängning av teorin TPB. Vilken skulle innebära att man undersöker fler oberoende faktorer som i sin tur ska förklara variationen i den beroende variabeln. Flera kopplingar i modellen skulle innebära fler frågor, vilket skulle kunna öka förklaringsgraden. Slutligen vore det intressant att följa händelseutvecklingen av respektive krig och konflikt för att göra en jämförelse med resultatet i vår studie. 38 Referenser Alleyne, Philmore; Broome, Tracey. 2011. Using the theory of planned behaviour and risk propensity to measure investment intentions among future investors. Journal of Eastern Caribbean Studies. https://www.researchgate.net/publication/299483632_Using_the_theory_of_planned_behavio ur_and_risk_propensity_to_measure_investment_intentions_among_future_investors (Hämtad 2023-06-06) Almgren, Jan. 2021. Tiotusentals svenskar drabbas av Kinas vägval. Svenska Dagbladet. 17 September. https://www.svd.se/a/7dqjd3/kinafrossan-svenskars-placeringar-straffas-hart (Hämtad 2023-04-03) Ajzen, Icek. 1991. “The Theory of Planned Behavior.” Organizational Behavior and Human Decision Processes, vol. 50, no. 2, pp. 179–211. https://doi.org/10.1016/0749-5978(91)90020-T Ajzen, Icek. 2006. CONSTRUCTING A THEORY OF PLANNED BEHAVIOR QUESTIONNAIRE. https://people.umass.edu/~aizen/pdf/tpb.measurement.pdf Aziz, Faiq; Aizuddin Md Rami, Ahmad; Zaremohzzabieh, Zeinab; Ahrari, Seyedali. 2021. “Effects of Emotions and Ethics on Pro-Environmental Behavior of University Employees: A Model Based on the Theory of Planned Behavior.” Sustainability (Basel, Switzerland), vol. 13, no. 13, p. 7062. https://doi.org/10.3390/su13137062 Brown, David. 2022. China and Taiwan: A really simple guide. BBC. 8 Augusti. https://www.bbc.com/news/world-asia-china-59900139 (Hämtad 2023-04-03) Bryman, Alan; Bell, Emma. 2017. Företagsekonomiska forskningsmetoder. 3.uppl. Stockholm: Liber. Chen, Shih-Chih, and Chung-Wen Hung. 2016. “Elucidating the Factors Influencing the Acceptance of Green Products: An Extension of Theory of Planned Behavior.” Technological 39 Forecasting & Social Change, vol. 112, pp. 155–163. https://doi.org/10.1016/j.techfore.2016.08.022 Europaparlamentets och rådets förordning (EU) 2019/2088 av den 27 november 2019 om hållbarhetsrelaterade upplysningar som ska lämnas inom den finansiella tjänstesektorn. https://eur-lex.europa.eu/legal-content/SV/TXT/PDF/?uri=CELEX:32019R2088&from=EN Fabian, Nathan. 2022. What does international conflict mean for responsible investment?. Principles for Responsible Investing (PRI). https://www.unpri.org/pri-blog/what-does-international-conflict-mean-for-responsible-invest ment/9698.article (Hämtad 2023-06-06) Fama, Eugene F. 1970. “Efficient Capital Markets: A Review of Theory and Empirical Work.” The Journal of Finance (New York), vol. 25, no. 2, p. 383. https://doi.org/10.2307/2325486 Francis, Jillian J; Eccles, Martin P; Johnston, Marie; Walker, Anne; Grimshaw, Jeremy; Foy, Robbie; Kaner, Eileen F S; Smith, Liz; Bonetti, Debbie. 2004. CONSTRUCTING QUESTIONNAIRES BASED ON THE THEORY OF PLANNED BEHAVIOUR: A MANUAL for HEALTH SERVICES RESEARCHERS. Centre for Health Services Research. University of Newcastle. Gadermann, A.M., Guhn, M. and Zumbo, B.D. 2012. “Estimating ordinal reliability for Likert-type and ordinal item response data: A conceptual, empirical, and practical guide,” Practical assessment, research & evaluation, 17, p. 3. (Hämtad 2023-06-08) Goodhue, D.L., Lewis, W. and Thompson, R. 2012. “Does PLS Have Advantages for Small Sample Size or Non-Normal Data?.” MIS quarterly, 36(3), pp. 981–1001. https://www.jstor.org/stable/41703490 (Hämtad 2023-05-03) Hair Jr., Joseph F, G. Tomas M Hult, Christian M Ringle, Marko Sarstedt, Nicholas P Danks, and Soumya Ray. 2021. Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R. Classroom Companion: Business. Springer Nature. 40 https://library.oapen.org/bitstream/20.500.12657/51463/1/9783030805197.pdf (Hämtad 2023-05-22) Hair, Joseph F.; Ringle, Christian M.; Sarstedt, Marko. 2021a. Partial Least Squares Structural Equation Modeling. Handbook of market research. https://www.researchgate.net/profile/Marko-Sarstedt/publication/353452600_Partial_Least_S quares_Structural_Equation_Modeling/links/60ff25611e95fe241a8e6e4c/Partial-Least-Squar es-Structural-Equation-Modeling.pdf (Hämtad 2023-05-13) Haukoos, Jason S, and Roger J Lewis. 2005. “Advanced Statistics: Bootstrapping Confidence Intervals for Statistics with Difficult Distributions.” Academic Emergency Medicine, vol. 12, no. 4, pp. 360–365. https://onlinelibrary.wiley.com/doi/pdfdirect/10.1197/j.aem.2004.11.018 Hermerén, Göran; Larsson, Hans; Holte, Ragnar. [u.å.]. Etik. Nationalencyklopedin. http://www-ne-se.ezproxy.ub.gu.se/uppslagsverk/encyklopedi/lång/etik (Hämtad 2023-04-05) Kahneman, Daniel. 2012. Thinking, Fast and Slow. Penguin Books Ltd.pp. 108-88. Karlsson, Elle Kari. 2022. Expert: Bolagens massflykt från Ryssland saknar motstycke. SVT Nyheter. 11 mars. https://www.svt.se/nyheter/ekonomi/vad-hander-nar-staten-tar-over-internet (Hämtad 2023-04-03) Klarnas Money Management Pulse: Sweden. 2021. Unga svenskar investerar mest enligt ny internationell undersökning. https://www.klarna.com/international/press/unga-svenskar-investerar-mest-enligt-ny-internati onell-undersokning/ (Hämtad 2023-05-02) Knech, Raphael. 2023. How War Affects You as an Investor. Money Land. https://www.moneyland.ch/en/about-moneyland (Hämtad 2023-06-06) Lehmann, E. L. “Significance Level and Power.” The Annals of Mathematical Statistics, vol. 29, no. 4, 1958, pp. 1167–1176. 41 https://www.jstor.org/stable/2236953 (Hämtad 2023-05-18) Lintner, John. 1965. “The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets.” The Review of Economics and Statistics, vol. 47, no. 1, pp. 13–37. https://doi.org/10.2307/1924119 Lundin, Kim. 2020. Trots kraftiga nedgången: Sverige topp tre på Kinas köplista. Dagens Industri. 15 Januari. https://www.di.se/nyheter/trots-kraftiga-nedgangen-sverige-topp-tre-pa-kinas-koplista/ (Hämtad 2023-04-03) Memon, M.A., Ramayah, T., Cheah, J.H., Ting, H., Chuah, F. and Cham, T.H., 2021. “PLS-SEM statistical programs: a review.” Journal of Applied Structural Equation Modeling, 5(1), pp.1-14. https://jasemjournal.com/wp-content/uploads/2021/04/Memon-et-al-2021_JASEM51.pdf Michelson, Grant, Nick Wailes, Sandra Van Der Laan, and Geoff Frost. 2004. "Ethical Investment Processes and Outcomes." Journal of Business Ethics 52, no. 1: 1-10. https://doi-org.ezproxy.ub.gu.se/10.1023/B:BUSI.0000033103.12560.be Mossin, Jan. 1966. “Equilibrium in a Capital Asset Market.” Econometrica, vol. 34, no. 4, pp. 768–783. https://doi.org/10.2307/1910098 Nationalencyklopedin. [u.å.]. kvantitativ metod. http://www-ne-se.ezproxy.ub.gu.se/uppslagsverk/encyklopedi/lång/kvantitativ-metod (Hämtad 2023-03-31) Patel, Runa; Davidson, Bo. 2019. Forskningsmetodikens grunder: att planera, genomföra och rapportera en undersökning. 5.uppl. Lund: Studentlitteratur AB. Pirouz, Dante M. 2006. An Overview of Partial Least Squares. SSRN Electronic Journal. University of California. DOI:10.2139/ssrn.1631359. https://www.researchgate.net/publication/228296847_An_Overview_of_Partial_Least_Squar es (Hämtad 2023-05-09) 42 Sharpe, William F. 1964. “Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk.” The Journal of Finance (New York), vol. 19, no. 3, p. 425. Statistiska Centralbyrån. [u.å.]. Urvalsundersökningar. https://www.scb.se/dokumentation/statistikguiden/undersokning-och-urval/urval/ (Hämtad 2023-05-09) Thaler, Richard H; Sunstein, Cass R. 2008. ”NUDGE: Improving Decisions About Health, Wealth, and Happiness”. Yale University Press New Haven & London. Treynor, J. L. 1962. “Toward a Theory of Market Value of Risky Assets.” Unpublished manuscript. Final version in Asset Pricing and Portfolio Performance, 1999, Robert A. Korajczyk, ed., London: Risk Books, pp. 15-22. Thompson, Ron; Compeau, Deborah; Higgins, Chris. 2006. “Intentions to Use Information Technologies: An Integrative Model.” Journal of Organizational and End User Computing, vol. 18, no. 3, pp. 25–46. https://www.researchgate.net/publication/220068654_Intentions_to_Use_Information_Techn ologies_An_Integrative_Model Vetenskapsrådet. 2002. Forskningsetiska principer inom humanistisk-samhällsvetenskaplig forskning. Elanders Gotab. ISBN:91-7307-008-4. 43 Bilagor Bilaga 1: Bilaga 2: 44