| dc.description.abstract | Gasellebedrifter kjennetegnes ved at de er små unge bedrifter som vokser kraftig i løpet av kort tid, og det har opp gjennom årene blitt diskutert hva som kan være ”suksessoppskriften”.
I studien har jeg fått tilgang til et datasett fra en spørreundersøkelse rundt gasellebedrifter utført av analyse- og kommunikasjonsbyrået Perduco på vegne av rådgivnings- og revisjonsselskapet PWC. Ved hjelp av datasettet har jeg fått et innblikk i noen gasellebedrifter i Norge. Ved en gjennomgang av datasettet oppdaget jeg at det var store forskjeller i gasellepopulasjon mellom fylkene i Norge. Jeg stilte da spørsmål om hvorfor det var så stor forskjell i populasjonene og hva som kunne forklare det. Kunne kanskje noen av fylkene med stor populasjon defineres som klynger, og var det i så fall en forklarende faktor?
I selve analysen har jeg brukt en metodetriangulering for å undersøke hvorvidt elementer hentet fra klyngeteorien kunne forklare forskjellene i gasellepopulasjon mellom fylkene i Norge. Jeg har først benyttet en kvantitativ analyse til å undersøke datasettet jeg nevnte ovenfor, for så å samle inn egne data gjennom dybdeintervjuer for å utføre en dypere kvalitativ analyse. Formålet med studien var å svare på følgende problemstilling:
Kan ulike forekomster av gasellepopulasjoner mellom fylker i Norge forklares av elementer hentet fra klyngeteori?
I den kvantitative analysen besluttet jeg å utelukke 2 av de 28 variablene som var med, da jeg mener disse ikke ga relevant nok informasjon til studien. Jeg plukket så ut 8 av 19 fylker, 4 fylker med lav gasellepopulasjon og 4 fylker med stor gasellepopulasjon, til å benyttes videre i undersøkelsen. Videre paret jeg sammen et fylke med liten gasellepopulasjon med et fylke med stor gasellepopulasjon slik at jeg fikk 4 grupper. Det jeg ønsket å undersøke var om fylket med liten gasellepopulasjon hadde signifikant forskjellige svar i forhold til fylket med stor gasellepopulasjon.
Jeg formulerte deretter 8 hypoteser som jeg fordelte de 26 variablene på. For å kunne forkaste en hypotese for en variabel satt jeg et krav til at det måtte finnes signifikante forskjeller for mer enn en gruppe og signifikansnivået måtte være relativt høyt for minst en gruppe. Kun en av variablene viste seg å kunne forkastes på et tilfredsstillende nivå. Variabelen som kunne forkastes viste at fylker med høy gasellepopulasjon la mer vekt på privat risikokapital enn fylker med lav gasellepopulasjon.
I den kvalitative studien brukte jeg 4 kategorier knyttet opp mot klyngeteori når jeg utformet intervjuguiden: samarbeid, beliggenhet, kompetent arbeidskraft og rivalisering. Deretter intervjuet jeg totalt 12 daglige ledere fra gasellebedrifter fordelt likt på 3 fylker: Oslo – som en kunnskapsklynge, Rogaland – som en næringsklynge og Vestfold – som en kontrollgruppe. Alle intervjuene ble tatt opp på bånd og det er brukt direkte sitater i den kvalitative analysen. Studien viste at det var noe klyngeeffekt tilknyttet beliggenhet og kompetent arbeidskraft, men at resultatene var for svake til at jeg kunne generalisere funnene.
Den endelige konklusjonen av studien var derfor at det ikke er signifikante nok klyngeeffekter til at vi kan påstå at de fører til forskjellige populasjonsstørrelser av gasellebedrifter mellom fylkene i Norge. ..........................................................................................
Gazelle Enterprises are characterized in that they are small young companies that grow rapidly in a short period of time, and it has been discussed, over the years, what might be "the recipe” for their success.
In this study, I have received access to a dataset from a survey, regarding gazelle firms, conducted by analysis- and communications agency Perduco on behalf of advisory- and audit firm PWC. Using this dataset, I got a insight into gazelle companies in Norway. In a review of the dataset, I discovered that there were large differences in the gazelle population between counties in Norway. I questioned why these substantially differences in gazelle populations occurred and what might explain it. Could perhaps some of the counties with large population be defined as clusters, and in that case could that be an explanatory factor?
In this study I therefore used a mixed-method analysis to determine whether the elements taken from cluster theory could explain the differences in the gazelle population between counties in Norway. I first used a quantitative analysis to examine the dataset I mentioned above, and then collected my own data through in-depth interviews that were used in a qualitative analysis. The purpose of this mixed-method study was to answer the following research question:
Can different occurrences of gazelle populations between counties in Norway be explained by elements taken from cluster theory?
In the quantitative analysis, I decided to exclude 2 of the 28 variables that were used in the survey, since I believed these did not provide information that were relevant enough to the study. I then selected 8 of 19 counties, four counties with low gazelle population and 4 counties with large gazelle population, to be used further in the study. Furthermore, I paired-up a county with small gazelle population with a county with large gazelle population so that I got 4 groups. What I wanted to examine was whether the county with small gazelle population had significantly different responses in relation to the county with large gazelle population.
I then formulated 8 hypotheses, which I divided the 26 variables between. To reject a hypothesis for a variable I set a requirement that there had to be significant differences in more than one group and that the significance level had to be relatively high for at least one of the groups. Only one of the variables proved to have enough significantly different answers to be discarded at a satisfactory level. The variable that could be discarded showed that counties with high gazelle population put more emphasis on private risk than counties with low gazelle population.
In the qualitative study, I used 4 categories that I linked to cluster theory when I designed the interview guide: collaboration, location, skilled labor and rivalry. I then interviewed a total of 12 general managers of gazelle companies distributed equally among three counties: Oslo – as a knowledge cluster, Rogaland – as a industrial cluster and Vestfold – as a control group. All interviews were audio taped and I have used direct quotes in the qualitative analysis. The study showed that there was some clustering effect associated with location and skilled labor, but the results were too weak for me to generalize the findings.
The final conclusion of the study was that the cluster effects are not significant enough for me to claim that they cause different population sizes of gazelle companies between counties in Norway. | no_NO |
