Magma topp logo Til forsiden Econa

Bruk av balansert målstyring i norske kommuner

figur-authorfigur-authorfigur-authorfigur-author

Bruk av balansert målstyring i norske kommuner

Sammendrag

Bakgrunnen for denne studien er den økte vektleggingen av prestasjonsmåling, både finansielt og ikke-finansielt, i offentlig sektor (jf. New Public Management). Dette øker relevansen av styringsverktøy som balansert målstyring (BMS). Denne studiens formål er å foreta en kartlegging av utbredelsen av BMS i norske kommuner samt å undersøke hvilke faktorer som påvirker sannsynligheten for bruk av BMS. Forklaringsrammeverket som blir brukt, er sterkt inspirert av Upper Echelon-teorien, som omhandler toppledelsen. Studien er basert på en spørreundersøkelse besvart av økonomisjefer/rådmenn i 271 norske kommuner, og viser at 65 prosent av kommunene bruker eller planlegger å ta i bruk BMS. Enkelte egenskaper ved økonomisjefen (alder, tid siden høyere økonomisk utdanning og erfaring fra privat sektor), økonomiavdelingen (innovasjonsvillighet) og kommunen (størrelse, økonomisk stilling og fylke) er funnet å være signifikante forklaringsvariabler. Resultatene styrker relevansen av Upper Echelon-rammeverket gjennom å vise at sannsynligheten for bruk av BMS har sammenheng med egenskaper ved både økonomisjefen og økonomiavdelingen.

Innledning

Formålet med denne studien er å forklare bruken av balansert målstyring i norske kommuner. Dette krever også kunnskap om utbredelsen av økonomistyringssystemet.

BMS «er at av de mest kjente konseptene innen fagområdet økonomi- og virksomhetsstyring» (Madsen 2012: 55) og karakteriseres som et av de viktigste ledelseskonseptene de siste 75 årene (Sibbet 1997: 12). BMS ble introdusert i 1992 og var utviklet av Kaplan og Norton (2001) med utgangspunkt i styringsutfordringer i privat sektor. Tanken er å gi ledelsen et bedre grunnlag for å fremme langsiktig verdiskaping gjennom å balansere finansielle og ikke-finansielle prestasjonsmål, eksterne og interne prestasjonsperspektiver, og resultat- og ytelsesindikatorer (Hoff og Holving 2002). I den klassiske BMS-modellen vurderes virksomheten ut fra de fire perspektivene kunder, interne prosesser, læring og vekst, og økonomiske forhold (Kaplan og Norton 2001). I Skandinavia har det også vært vanlig å inkludere ansattperspektivet.

Siden BMS ble utarbeidet for og først tatt i bruk i privat sektor, har også det meste av forskningen på bruken av systemet hatt samme fokus. Ideen bak BMS synes imidlertid å være relevant også i offentlig sektor. Offentlig sektors oppgaver, som å forvalte fellesgoder og regulere markedskreftene, berører alle. Antall interessenter er dermed ofte større enn i private bedrifter. Som forvalter av samfunnets fellesressurser må offentlig sektor stå til ansvar for sine valg, handlinger og resultater på en rekke områder og overfor en rekke interessenter (Fallan 2013). Offentlig sektor har dermed multiple mål. Å bruke styringssystemer som belyser prestasjoner for flere viktige målsettinger enn de tradisjonelle budsjettene gjør, kan derfor være relevant.

Relevansen av BMS i offentlig sektor kan også ses i sammenheng med en internasjonal trend hvor organisering og styring i offentlig sektor i større grad baseres på prinsipper og ideer hentet fra privat sektor (Daleq og Hobbel 2014). Fokus på målbare standarder for offentlig tjenesteyting og styring etter resultat- og ytelsesmål kan dog innføres uavhengig av markedsbaserte løsninger og New Public Management.

Det foregår en institusjonell omstrukturering og utvikling av nye styringsverktøy for økonomistyring i offentlig sektor (Daleq og Hobbel 2014). BMS er viktig i denne sammenheng. Mens 26 prosent av norske kommuner brukte BMS i én eller annen form i 2004, gjorde 52 prosent det samme i 2008 (Hovik og Stigen 2004, 2008). Disse oppdragsstudiene forklarer imidlertid ikke hva det er som driver spredningen av BMS. Det finnes lite forskning på bruk av økonomistyringssystemer i offentlig sektor. Olsen (2012) undersøkte bruken av BMS innen helsesektoren og høyere utdanning i Norge, mens Naranjo-Gil mfl. (2009) og Young mfl. (2001) har studert den offentlige helsesektoren i henholdsvis Spania og USA. Her blir det etterspurt mer forskning på andre sektorer, for eksempel kommuner. Kommunesektoren utgjør en betydelig del av norsk økonomi og demokrati. Det er derfor viktig å ha kunnskap om kommunenes økonomistyring.

Hiebl (2014) anbefaler også mer forskning på betydningen av egenskaper ved ledelsen for (beslutninger om) bruk av økonomistyringsverktøy (Upper Echelon-rammeverket). Dette er ment å komplettere forklaringer utledet fra blant annet institusjonell teori, diffusjonsteori og betingelsesteori. Anbefalingen følges opp i denne studien ved å se på egenskaper ved både økonomisjefen og økonomiavdelingen. Denne forklaringsmodellen bør også ha særlig interesse for Magmas/Econas målgruppe, siden den tar opp dennes betydning for bruk av økonomistyringssystemer. Ledelse i offentlig sektor er i seg selv et mye diskutert tema.

Problemstillingen for studien er som følger: Hvor stor andel av kommunene i Norge bruker balansert målstyring, og hvilke egenskaper ved økonomisjefen, økonomiavdelingen og kommunen forklarer sannsynligheten for bruk av verktøyet?

Teori og tidligere forskning

Offentlig sektor i Norge er i endring, i tråd med New Public Management. Det har blant annet skjedd en spredning i bruken av BMS (Hovik og Stigen 2004, 2008, Olsen 2012, Rrustemi 2015). Studier viser at norske kommuner i stor grad velger selv om de vil innføre styringsverktøyet eller ikke (Daleq og Hobbel 2014). Kommunene har med andre ord stor frihet til å ta egne valg knyttet til denne typen beslutninger. Slike beslutninger fattes av kommunens toppledelse, hvor økonomisjefen (CFO) har en sentral rolle. Dette aktualiserer Upper Echelon-rammeverkets fokus på toppledelsen for å forklare organisasjoners valg (Hambrick og Mason 1984). Tidligere forskning har også vist at egenskaper ved økonomisjef kan bidra til å forklare bruken av økonomistyringssystemer (Hiebl 2014, Naranjo-Gil mfl. 2009).

Upper Echelon ble utviklet av Hambrick og Mason (1984) og har ingen entydig norsk oversettelse. Det er likevel naturlig å omtale dette som en teori om toppledelsen i organisasjoner. Toppledelsen fatter viktige beslutninger i organisasjonen, inklusive beslutninger vedrørende hvilke styringsverktøy som skal tas i bruk, og har derfor potensielt sett stor betydning for selve bruken av disse. Det sentrale premisset i teorien «er at toppledelsens erfaringer, verdier og personlighet i stor grad påvirker deres tolkning av situasjonene de møter, og derfor påvirker deres valg» (Hambrick 2007: 334). Med andre ord har toppledelsen påvirkning på organisasjonens prestasjoner gjennom valgene som tas. Disse er igjen påvirket av egenskaper ved toppledelsen, for eksempel økonomisjefen (Hiebl 2014: 224). En utfordring ved Upper Echelon-teorien er at denne er fundert på ikke-observerbare psykologiske «størrelser» som vanskelig lar seg kvantifisere. Hambrick og Mason (1984) erkjenner dette problemet, og foreslår en rekke variabler som indirekte kan fange opp underliggende psykologiske forhold som for eksempel kognitiv kapasitet, såkalte proxy-variabler. Studier har også vist at egenskaper ved økonomisjef har betydning for bruken av økonomistyringsverktøy (Young mfl. 2001, Naranjo-Gil mfl. 2009, Burkert og Leug 2013). Hambrick og Mason (1984) poengterer samtidig at valgene som tas av organisasjoner, er en delt aktivitet, og peker i denne sammenheng på at egenskaper ved ledergrupper også påvirker beslutningene som tas. Eksempel på en ledergruppe kan være økonomiavdelingen, hvor økonomisjef har en sentral rolle.

Toppledelsen tar likevel ikke beslutninger i et vakuum. De må ta hensyn til og blir påvirket av omgivelsene. Betingelsesteori blir brukt til å vise hvordan bruk av økonomiske styringsverktøy henger sammen med egenskaper ved virksomhetene (Bjørnenak 2010). Det kan være miljø, teknologi, størrelse, struktur, strategi og kultur. I studien blir betydningen av variabler på tre nivåer undersøkt: egenskaper ved økonomisjefen, økonomiavdelingen og organisasjonen (kommunen). Det er viktig å vite hvilke variabler som er brukt i tidligere studier. Tabell 1 gir en oversikt over slike variabler for alle tre nivåer samt regresjonsresultater for sammenhengen mellom bruken av BMS og variabelen. 23 Den videre hypoteseutviklingen følger samme struktur.

Tabell 1a Eksempler på variabler brukt i andre studier – egenskaper ved økonomisjefen.
VariabelStudieFortegn på sammenheng mellom avhengig og uavhengig variabel
AlderYoung mfl. (2001)Negativ**
Naranjo-Gil mfl. (2009)Negativ***
Olsen (2012)Positiv
Pavlatos (2012)Negativ**
Høyere utdanning (antall år)Young mfl. (2001)Positiv***
Høyere forretningsrelatert utdanning (antall år med økonomisk og juridisk utdanning som andel av totalt antall år med utdanning)Naranjo-Gil mfl. (2009)Positiv***
Høyere økonomisk utdanning (ja eller nei)Burkert og Lueg (2013)Positiv***
Ansiennitet i organisasjonen og/eller stillingenYoung mfl. (2001)Positiv
Naranjo-Gil mfl. (2009)Negativ**
Olsen (2012)Negativ**
Burkert og Lueg (2013)Negativ***
Erfaring fra privat sektorOlsen (2012)Negativ
Erfaring med samme verktøy fra tilsvarende virksomhetYoung mfl. (2001)Positiv***
Signifikansnivå: p < 0,1 er markert med *; p < 0,05 **; p < 0,01 ***
Tabell 1b Eksempler på variabler brukt i andre studier – egenskaper ved økonomiavdelingen.
VariabelStudieFortegn på sammenheng mellom avhengig og uavhengig variabel
Andel av ansatte i økonomiavdelingen med erfaring fra privat sektorOlsen (2012)Positiv
Ekstrovert (deltakelse på kurs, seminarer, osv.)Olsen (2012)Positiv***
Signifikansnivå: p < 0,1 *; p < 0,05 **; p < 0,01 ***
Tabell 1c Eksempler på variabler brukt i andre studier – egenskaper ved foretaket.
VariabelStudieFortegn (sammenheng mellom avhengig og uavhengig variabel)
Størrelse (antall ansatte)Young mfl. (2001)Positiv**
Eriksrud og McKeown (2010)Positiv***
Burkert og Lueg (2013)Negativ
Størrelse (antall sykehussenger)Naranjo-Gil mfl. (2009)Positiv
Bransje (helseforetak/sykehus versus universiteter/høgskoler)Olsen (2012)Positiv***
Historisk operasjonelle resultater (gjennomsnitt av flere ikke-finansielle prestasjonsindikatorer)Naranjo-Gil mfl. (2009)Negativ*
Strategi (prospector- versus defender-strategi)Olsen (2012)Positiv*
Naranjo-Gil mfl. (2009)Positiv***
Opplevd usikkerhet mht. endringer i eksterne rammebetingelserOlsen (2012)Negativ**
Opplevd usikkerhet i topplederteametBurkert og Lueg (2013)Negativ***
Operasjonell kompleksitet (hvilke funksjoner sykehuset har / diagnosenes alvorlighetsgrad)Naranjo-Gil mfl. (2009)Positiv
Young et al. (2001)Positiv***
Signifikansnivå: p < 0,1 *; p < 0,05 **; p < 0,01 ***

Egenskaper ved økonomisjefen

Uansett hvilke forhold som blir hevdet å påvirke bruken av økonomistyringssystemer, så er det ledelsen som tar beslutninger om adopsjon. Økonomisjefen (CFO) er ofte ansvarlig for initiering og forberedelse av slike beslutninger og etterfølgende igangsetting og bruk av økonomiske styringssystemer (Naranjo-Gil mfl. 2009). Slike kompliserte beslutningsprosesser drives ikke utelukkende av mål om økonomisk optimering, men også av atferdsmessige forhold (Hambrick og Mason 1984). Naranjo-Gil mfl. (2009) argumenterer for at egenskaper ved økonomisjefen er viktig for å forstå dette bildet, dog kanskje mest som (en ikke perfekt) proxy for underliggende, vanskelig observerbare, psykologiske forhold. «Innen generell organisasjonsteori er det bekreftet at lederens egenskaper kan si noe om organisatoriske utfall, men det er lite kjent hvordan individuelle forskjeller hos ledere påvirker styrings- og kontrollsystemer» (Naranjo-Gil mfl. 2009: 668). Fokus på egenskaper ved økonomisjefen, jf. tabell 1a, er i tråd med Upper Echelon-teorien (Hambrick og Mason 1984). Hiebl (2014) sin metastudie knyttet til slike egenskaper er viktig i hypoteseutviklingen, som igjen både er basert på og delvis en videreutvikling av egenskapene i tabell 1a.

Variabel 1: økonomisjefens alder

Alder er en vanlig variabel i slike studier, og resultatene indikerer relativt konsistent at det er en signifikant, negativ sammenheng mellom alder og bruk av innovative styringsverktøy (Hiebl 2014). Dette henger sammen med livsstil og energinivå samt alderens negative påvirkning på kognitive egenskaper og kapasitet (Hambrick og Mason 1984). Naranjo-Gil mfl. (2009) hevder at eldre ledere foretrekker sikkerhet og følgelig er mer interessert i å beholde status quo enn yngre ledere. Eldre ledere ønsker ikke å iverksette omfattende endringer hvor utfallet er usikkert. For yngre ledere kan derimot denne typen prosjekter være fristende for å komme videre i karrieren. Naranjo-Gil mfl. (2009) hevder videre at eldre ledere ikke er like flinke til å ta inn over seg nye ideer og muligheter som det yngre ledere ofte er. Det er også rimelig å anta at yngre ledere/økonomisjefer i større grad har vært eksponert for moderne økonomistyringsverktøy som for eksempel BMS. I tråd med dette utvikles følgende hypotese:

H1: Jo yngre økonomisjefen er, jo mer sannsynlig er det at kommunen bruker BMS.

Variabel 2: Lengden på økonomisjefens økonomiske utdanning

Type utdanning og utdanningens lengde vil være en god indikator på kunnskap. Det er derfor rimelig å anta at en person med økonomisk utdanning vil ha mer kunnskap og kjennskap om økonomiske styringssystemer enn andre, alt annet likt. Dette er viktig fordi det i utgangspunktet vil være mindre krevende å ta i bruk styringsverktøy som en kjenner til. Lengden på utdanningen kan være viktig fordi denne kan gi rom for et mer nyansert forhold til ulike styringsverktøy gjennom at en ikke bare kjenner til de formelle modellene/metodene, men også har inngående kunnskap om problemer, utfordringer, kritiske suksessfaktorer og annet. Funn viser at nivå på utdanning er positivt korrelert med mottageligheten for nye systemer (Hambrick og Mason 1984). Utdanning er signifikant positivt korrelert med bruk av utdanningssystemer (Young mfl. 2001), mens det også er av betydning om utdanningen er av forretningsmessig/økonomisk art eller annen type (Naranjo-Gil mfl. 2009). Det er derfor interessant å studere sammenhengen mellom lengden på den økonomiske utdanningen og sannsynligheten for bruk av BMS.

H2: Jo lengre økonomisk utdanning økonomisjefen har, jo høyere sannsynlighet er det for at kommunen bruker BMS.

Variabel 3: Antall år siden økonomisjef avsluttet sin utdanning

BMS er i likhet med flere andre økonomistyringsinnovasjoner et relativt nytt konsept. I den grad utdanning er viktig for kjennskapen til økonomistyringssystemer, vil tiden siden utdanningen også kunne ha betydning. Hypotesen finnes ikke i identifiserte studier, men er i tråd med hypotese 1 og 2.

H3: Jo lengre tid det er siden økonomisjefen har tatt sin utdanning, jo mindre sannsynlig er det at kommunen bruker BMS.

Variabel 4: økonomisjefens ansiennitet i nåværende stilling

I likhet med alder antas fartstid (ansiennitet) i organisasjonen å ha en negativ sammenheng med bruken av innovative økonomistyringsverktøy som for eksempel BMS. Dette er som for alder i stor grad basert på ønsket om å bevare status quo. En slik negativ sammenheng blir støttet av relativt konsistente funn i Hiebls (2014) metaanalyse (inkludert Burkert og Leug 2013, Naranjo-Gil mfl. 2009, Pavlatos 2012). På bakgrunn av manglende støtte for denne sammenhengen mener Young mfl. (2001) at den negative sammenhengen mellom fartstid i organisasjonen og bruk av styringsverktøy er problematisk. Young mfl. (2001) argumenterer for at økonomisjefer med lang fartstid i organisasjonen bør være bedre rustet til å håndtere endringene som nye styringsverktøy vil bringe med seg. På den annen side påpeker Naranjo-Gil mfl. (2009) at økonomisjefers makt og sosiale nettverk er basert på det nåværende styringssystemet. Introduksjon av nye styringsverktøy kan derfor tenkes å innskrenke økonomisjefens makt samt redusere det sosiale nettverket. Et annet viktig moment utover ønsket om å beholde status quo er at ledere med lang fartstid i organisasjonen vil kunne ha et sterkt eierskap til dagens styringssystemer (Olsen 2012). Dette gjelder både valg av styringsverktøy samt utformingen og videreutviklingen av disse. På samme måte kan det argumenteres for at økonomisjefer med kort fartstid enklere vil kunne se svakhetene ved dagens systemer og derigjennom identifisere mulighetene for å introdusere nye styringsverktøy. Økonomisjefer med kort fartstid i stillingen vil også ha et helt annet eierskap og av den grunn være mer tilbøyelige til å foreta endringer. Sammenhengen mellom ansiennitet og bruk av økonomistyringsverktøy vil være enda mer framtredende hva angår fartstiden (ansienniteten) i den nåværende stillingen, og ikke bare fartstid i organisasjonen. Dette leder fram til følgende hypotese:

H4: Jo lengre ansiennitet økonomisjefen har i stillingen, jo mindre sannsynlig er det at kommuner bruker BMS.

Variabel 5: økonomisjefens erfaring fra privat sektor

BMS som styringsverktøy har sitt opphav i privat sektor og er på mange måter et relativt nytt fenomen i offentlig sektor. 24 Det kan derfor tenkes at økonomisjefer med bakgrunn fra privat sektor i større grad har vært eksponert for BMS i praksis og derigjennom har mer kjennskap, erfaringer og lignende til verktøyet. Økonomisjefer med bakgrunn fra privat sektor kan derfor bringe med seg nyttig kunnskap og nye perspektiver for å løse de utfordringene som kommunen står ovenfor, og ikke minst vurdere potensialet til BMS i ulike situasjoner. Hambrick og Mason (1984) uttaler også at ledere som er rekruttert eksternt, kan være mindre forpliktet til dagens styringssystemer og derigjennom mindre bundet til å beholde status quo, enn ledere som er rekruttert internt. Hiebl (2014) finner også at det er en relativt konsistent positiv sammenheng mellom økonomisjefens erfaring fra privat sektor og bruken av økonomistyringssystemer. Basert på dette utformes følgende hypotese:

H5: Jo lenger erfaring økonomisjefen har fra privat sektor, jo mer sannsynlig er det at kommunen bruker BMS.

Kontrollvariabel K1: I hvilken grad er økonomisjef ekstrovert?

Det er valgt å kontrollere for i hvilken grad økonomisjefen er ekstrovert. Deltakelse på kurs, seminarer og konferanser er en kilde til ny kunnskap og nye ideer, og gir mulighet til erfaringsutveksling og utvidelse av faglig nettverk. Dermed kan deltakelsen innvirke på evnen og viljen til å adoptere innovasjoner. Sannsynligvis vil innføring av nye økonomistyringssystemer også kreve mer kursing (motsatt kausalretning), noe som styrker betydningen av å kontrollere for denne variabelen. Hvor ekstrovert økonomisjefen er, vil ha betydning for bruken av BMS. På den ene siden kan det argumenteres med at egenskapen ekstrovert gjør det lettere å fange opp potensialet til BMS som styringsverktøy og å bli oppmerksom på mulighetene i verktøyet. I tillegg kan en argumentere med at BMS er et styringsverktøy som de fleste økonomisjefer har en viss kjennskap til, men som de likevel ikke har tatt stilling til om er relevant i egen kommune. Graden av ekstrovert vil uansett være viktig siden dette muliggjør en vurdering av hvorvidt dette er noe ens egen kommune kan ha nytte av. Slik spørsmålet er stilt, er dette likevel bare en proxy for ekstrovert med tanke på BMS siden det ikke spørres eksplisitt om denne typen deltakelse i lys av BMS. Kontrollvariabelen er nærmere beskrevet i metodekapitlet.

Egenskaper ved økonomiavdelingen

Institusjonelle faktorer kan påvirke bruk økonomistyringssystemer. Neste nivå av variabler i analysemodellen gjelder derfor egenskaper ved økonomiavdelingen. 25 Tabell 1b gir en oversikt over noen variabler som er studert tidligere.

Variabel 6: Andel av ansatte i økonomiavdelingen med bakgrunn fra privat sektor

Hambrick og Mason (1984) og Hambrick (2007) påpeker at beslutningene i store organisasjoner fattes av team, og ikke enkeltpersoner alene, og omtaler beslutningsprosessen som en delt aktivitet. Hambrick og Mason (1984) oppfordrer videre til å studere sammensetningen av ledergrupper som en mulig innfallsvinkel. Vi har valgt å videreutvikle hypotese 5 gjennom å se på sammenhengen mellom andelen av ansatte i økonomiavdelingen med bakgrunn fra privat sektor og sannsynligheten for å bruke BMS. Vi ser derfor på sammensetningen av sektorbakgrunn som en egenskap ved økonomiavdelingen og antar følgelig at jo større andel som har erfaring fra privat sektor, jo mer tilbøyelig vil kommunen være til å ta i bruk BMS. Olsen (2012) fant ikke støtte for denne variabelen i sin studie og uttrykker skepsis til om erfaring fra privat sektor kan oversettes til økt bruk av BMS i offentlig sektor. Her er det verdt å merke seg at studier fra privat sektor har avdekket relativt lave adopsjonsrater av BMS (Bain og Company 2013), noe som kan indikere at BMS ikke har vært den suksessen i privat sektor som mange hadde sett for seg. Siden hypotesen er lite utforsket, velger vi likevel å inkludere denne:

H6: Jo større andel av økonomiavdelingen som har bakgrunn fra privat sektor, jo mer sannsynlig er det at kommunen bruker BMS.

Variabel 7: Innovasjonsvillighet

En annen egenskap ved kommunen som kan være relevant for bruken av BMS, er innovasjonsvilligheten i kommunen. Det stadig skjerpede fokuset på prestasjonsmåling i offentlig sektor (jf. New Public Management) kan ha satt BMS på agendaen i norske kommuner. Studien av Olsen (2012) avdekket at BMS var svært utbredt i helseforetak og relativt utbredt i høyere utdanning. Innovasjonsvilligheten gir indikasjoner i retning av hvor aktiv kommunen er i sin søken etter alternative styringsverktøy (for eksempel i hvilken grad ansatte i økonomiavdelingen oppfordres til å holde seg oppdatert på aktuelle styringsverktøy gjennom kurs, konferanser m.m.) samt hvor villig kommunen er til å prøve ut disse styringsverktøyene. Hypotesen er basert på at endringene som offentlig sektor har vært gjenstand for den seneste tiden, har stilt den økonomiske styringen i kommunene overfor nye utfordringer. Hvorvidt kommunene bruker BMS for å håndtere disse endringene, avhenger igjen av innovasjonsvilligheten i kommunen. Mangelen på et teoretisk grunnlag gjør bruken av variabelen eksplorativ. På bakgrunn av diskusjonen ovenfor formuleres følgende hypotese:

H7: Jo mer innovasjonsvillig økonomiavdelingen er, jo mer sannsynlig er det at kommuner bruker BMS.

Egenskaper ved kommunen

En rekke teoretiske rammeverk (blant annet betingelsesteori, adopsjons- og diffusjonsteori, agentteori og institusjonell teori) og empiriske resultater (for eksempel i tabell 1c og Chenhall 2003) viser at egenskaper ved organisasjoner er viktige for å forklare atferd. Variabler som størrelse, bransje, økonomisk status og/eller prestasjon og geografi er vanlige kontrollvariabler i regnskapsstudier (Adams 2002).

I denne studien er bransje automatisk kontrollert for gjennom valg av kommuner som populasjon, mens det i analysen blir kontrollert for størrelse (K2), økonomisk status (K3) og hvilket fylke kommunen ligger i (K4-K20). Frafallsanalysen i Daleq og Hobbel (2014) indikerer behovet for å kontrollere for størrelse og fylke. En studie av Rrustemi (2015) viste at fylkeskommunene i enkelte tilfeller kan virke som katalysatorer for spredningen av BMS på lavere nivå som for eksempel videregående skoler. Daleq og Hobbel (2014) viser også til at det i enkelte fylker er egne fora for kommunale økonomisjefer hvor utfordringer og muligheter blir satt på agendaen og erfaringer utvekslet. Muligheten for at det kan bli utviklet ulik praksis for bruk av BMS mellom fylker, tilsier at det er korrekt å kontrollere for fylkestilhørighet.

Oppsummering av analysemodell

I figur 1 har vi skissert variablene i studien. Fortegnene illustrerer forventet sammenheng mellom variablene og bruken av BMS.

figur

Figur 1 Analysemodell

Metode

Studien er basert på en spørreundersøkelse rettet mot økonomisjefer og rådmenn i norske kommuner, ut fra en antagelse om at disse er sentrale i valg, innføring og bruk av styringsverktøy. Data for kommuneøkonomi er innhentet fra Kommunaldepartementet.

Undersøkelsen ble gjennomført i perioden fra 13. februar til 9. mars 2014. Det ble foretatt opptil ni purringer per kommune, både automatisk systemgenererte e-poster, personlige e-poster og telefonoppringninger. Det ble brukt dataprogramvare for administrasjon av spørreundersøkelser, noe som reduserer mulighetene for manuelle feilregistreringer hos forskerne og dermed styrker reliabiliteten.

Studiens populasjon er i utgangspunktet landets 428 kommuner pluss Svalbard. De 271 mottatte svarene utgjør 63 prosent av denne populasjonen. Imidlertid har flere kommuner felles økonomifunksjon med andre kommuner, slik at de ikke alene kan ta beslutninger om styringsverktøy. Slik sett er reell populasjon litt lavere og reell svarandel litt høyere. Den høye svarandelen på vel 63 prosent er en styrke både for ekstern validitet (resultatenes generaliserbarhet) og statistisk konklusjonsvaliditet (Cook og Campbell 1979, Reve 1985). Dataene har relativt god geografisk spredning, med en laveste fylkesvis svarandel på 41 prosent før korrigering for felles økonomifunksjon. Kommunene som svarte, er litt større enn de som ikke svarte. Det er uansett valgt å kontrollere for variablene geografi og kommunestørrelse. En nærmere analyse av frafallet finnes i Daleq og Hobbel (2014). Populasjon og utvalg (norske kommuner) tilsvarer det i Hovik og Stigen (2004, 2008).

Spørreskjemaet er i stor grad basert på Olsens (2012) validerte instrument. Spørreskjemaet er også testet på flere personer før bruk. Disse tiltakene øker begrepsvaliditeten (Cook og Campbell 1979, Reve 1985). Spørreskjemaet og en nærmere diskusjon knyttet til variablene er presentert i Daleq og Hobbel (2014). Regresjonsanalyse er brukt for å teste hypotesene i studien.

Den avhengige variabelen i modellen måler i hvilken grad BMS brukes i kommunen, og er en forenkling av målingen i Olsen (2012). I spørreskjemaet blir dette målt med fire svaralternativer fra «BMS brukes ikke i det hele tatt» (minst) til «BMS brukes som en del av de daglige rutinene» (mest). De fire svaralternativene er omklassifisert til en dikotom variabel. Dersom kommunen bruker eller planlegger å bruke BMS (svaralternativ 2, 3 og 4), tilordnes verdi 1. Kommuner som verken bruker eller planlegger å bruke BMS (svaralternativ 1), tilordnes verdi 0. 26 Siden avhengig variabel er dikotom, brukes logistisk regresjonsanalyse. For å øke begrepsvaliditeten er det klarlagt i spørreskjemaet hva som menes med BMS. 27 Denne definisjonen en nokså lik den i Hovik og Stigen (2004, 2008). Siden det blir foretatt en sammenligning av adopsjonsrater mellom denne studien og Hovik og Stigen (2004, 2008), er det også viktig at målemetodene er like, jf. fotnote 4. Merk at målingen av bruk av BMS i regresjonsanalysen er annerledes enn for Hovik og Stigens adopsjonsrate. I regresjonsanalysen er planlagt innføring av BMS inkludert i bruk, siden det er ønskelig å skille egenskaper ved organisasjoner som planlegger bruk, fra de som ikke har tenkt å bruke BMS. Mer informasjon om forskningsdesignet er å finne i Daleq og Hobbel (2014). Det er heller ikke mulig å gardere seg mot ulik begrepsoppfatning blant respondentene. Det er også verdt å merke seg at det i praksis er krevende å måle hvordan og i hvilken grad BMS brukes i organisasjoner, blant annet hvilke tjenesteområder som har tatt BMS. Det er heller ikke gitt at økonomisjef i store kommuner har fullstendig oversikt over samtlige tjenesteområder og graden av deres bruk av BMS. Dette betyr at målet på bruken av BMS er relativt grovt. Når tilsvarende mål likevel er hyppig brukt i andre studier, er det fordi det er ansett å fange opp noen hovedskiller.

De uavhengige variablene i regresjonsmodellen består både av forklaringsvariabler knyttet til hver sin hypotese (variabel 1–7) og kontrollvariabler (K1-20). Variabel 1–6 og K2 er knyttet til hvert sitt spørsmål i spørreskjemaet, mens variabel 7 og K1 er basert på data fra henholdsvis to og tre spørsmål, jf. figur 2. Både konvergent og divergent begrepsvaliditet (Cook og Campbell 1979, Reve 1985) for disse to variablene er kontrollert med faktoranalyse (Daleq og Hobbel 2014).

Egenskaper ved økonomisjefen
  • Variabel/hypotese 1: Alder (kontinuerlig variabel)
  • Variabel/hypotese 2: Antall år med høyere økonomisk utdanning (kontinuerlig variabel)
  • Variabel/hypotese 3: Antall år siden gjennomført høyere økonomisk utdanning (kontinuerlig variabel)
  • Variabel/hypotese 4: Antall år ansatt i stillingen (kontinuerlig variabel)
  • Variabel/hypotese 5: Antall års erfaring fra privat sektor (kontinuerlig variabel)
  • Kontrollvariabel K1: Ekstrovert (kontinuerlig variabel). Variabelen er operasjonalisert som deltakelse på kurs, seminarer og konferanser, jf. figur 2.
Egenskaper ved økonomiavdelingen
  • Variabel/hypotese 6: Andelen ansatte med erfaring fra privat sektor (ordinal variabel)
  • Variabel/hypotese 7: Innovasjonsvillighet (kontinuerlig variabel). Se figur 2.
figur

Figur 2 Faktormodell

Egenskaper ved kommunen
  • Kontrollvariabel K2: Størrelse målt i antall innbyggere (kontinuerlig variabel)
  • Kontrollvariabel K3: Kommuneøkonomi målt ved oppføring på ROBEK-lista til Kommunaldepartementet (dikotom variabel)28
  • Kontrollvariabel K4–20: Geografi målt ved fylkestilhørighet (dikotome variabler). I regresjonsanalysen er Sogn og Fjordane brukt som referansefylke siden dette er det fylket med lavest bruk av BMS, noe som gjør det enklere å tolke resultatet for de andre fylkene. De andre fylkesvariablene indikerer hvor mye større sannsynlighet det er for at kommuner der bruker BMS enn i Sogn og Fjordane.

Resultat

Deskriptiv statistikk fra studien er gjengitt i tabell 2. Den avhengige variabelen viser at 65 prosent av kommunene som svarte, bruker eller planlegger å bruke BMS. Det er stor variasjon i dataene innenfor hver av egenskapene ved økonomisjef, økonomiavdeling og kommune. For eksempel varierer økonomisjefenes alder fra 28 til 67 år, og forskjellen mellom lengste og korteste ansiennitet i stillingen er 32 år. Det er også stor variasjon i kommunestørrelse.

Tabell 2 Deskriptiv statistikk.
VariabelVariabel/ hypotese nr.nGjennom­snittStandard-avvikMinimumMaksimum
Avhengig variabel
Bruk av BMS2710,650,4810
Egenskaper ved økonomisjefen
Alder127149,68,192867
Antall år med høyere økonomisk utdanning22713,61,6506
Antall år siden høyere økonomisk utdanning327119,911,18048
Antall år i stillingen42717,67,20032
Antall år med erfaring fra privat sektor52715,67,60035
EkstrovertK12712,980,8415
Egenskaper ved økonomiavdelingen
Andel av ansatte i økonomiavdelingen med erfaring fra privat sektor62711,60,7713
Innovasjonsvillighet72713,540,8515
Egenskaper ved kommunen
Kommunestørrelse (antall innbyggere)K227112 41124 843209267 950
Kommuneøkonomi (listet i ROBEK)K32710,120,3301
Fylke (kommunene fordelt fylkesvis)K4–2027101

Resultatene fra regresjonsanalysen er gjengitt i tabell 3. I tillegg til signifikante variasjoner i sannsynligheten for bruk av BMS mellom fylker har studien har avdekket seks signifikante forklaringsvariabler, både knyttet til egenskaper ved økonomisjefen (alder, tid siden høyere økonomisk utdanning og erfaring fra privat sektor), økonomiavdelingen (innovasjonsvillighet) og kommunen (størrelse og økonomisk stilling).

Tabell 3 Logistisk regresjonsanalyse for bruk av BMS.
VariabelBetaS.E.WalddfSignifikansnivåExp(B)
Egenskaper ved økonomisjef
Alder (H1)−0,0850,0298,42510,004***0,918
Antall år med høyere økonomisk utdanning (H2)0,0650,1160,31010,5781,067
Antall år siden høyere økonomisk utdanning (H3)0,0800,02312,19510,000***1,083
Ansiennitet (antall år i nåværende stilling) (H4)−0,0250,0280,76910,3810,976
Antall års erfaring fra privat sektor (H5)0,0460,0253,35310,067*1,047
Ekstrovert (K1)−0,1590,2150,54810,4590,853
Egenskaper ved økonomiavdelingen
Andel med erfaring fra privat sektor (H6)−0,3180,2361,81210,1780,727
Innovasjonsvillighet (H7)1,2900,24527,75410,000***3,634
Egenskaper ved kommunen
Kommunestørrelse (K2)0,0000,0003,36810,066*1,000
Økonomisk stilling (ROBEK) (K3)2,1420,62211,58010,001***8,519
Finnmark (K4)0,8450,9980,71710,3972,327
Troms (K5)3,3741,05010,32210,001***29,188
Nordland (K6)0,5150,9020,32610,5681,673
Nord-Trøndelag (K7)2,3991,2113,92610,048**11,017
Sør-Trøndelag (K8)2,4691,0315,73510,017**11,811
Møre og Romsdal (K9)2,4480,9336,87810,009***11,561
Hordaland (K10)2,0660,9145,10710,024**7,892
Rogaland (K11)1,0120,9441,15010,2842,752
Vest-Agder (K12)3,0071,3195,20010,023**20,230
Aust-Agder (K13)2,5501,0505,89610,01512,809
Vestfold (K14)0,8581,1560,55010,4582,358
Østfold (K15)3,7641,4256,97310,008***43,119
Buskerud (K16)1,5381,1261,86510,1724,656
Akershus (K17)2,5181,1534,76910,02912,399
Hedmark (K18)2,4961,0565,58710,018**12,135
Oppland (K19)2,8281,0267,59810,006***16,903
Telemark (K20)1,6701,1582,08010,1495,312
Konstant–2,9011,6253,18610,0740,55
N (antall respondenter) = 271
Nagelkerke = 0,456
Signifikansnivå: p < 0,1 *; p < 0,05 **; p < 0,01 ***

Hvor mange kommuner bruker BMS?

Det har vært en stor økning i antall kommuner som bruker BMS de siste ti årene. I 2004 og 2008 brukte henholdsvis 26 og 52 prosent av norske kommuner BMS i en eller annen form (Hovik og Stigen 2004 og 2008), en økning på 100 prosent. Denne studien viser at 56 prosent av kommunene bruker BMS i 2014, mens 65 prosent av kommunene enten bruker eller planlegger å ta i bruk BMS. 29 Tallene i denne studien tyder på at vekstraten er redusert, samtidig som det er potensial for noe fortsatt vekst. Her må det imidlertid tas forbehold om at operasjonaliseringen av den avhengige variabelen ikke fanger opp alle nyanser knyttet til bruk av BMS.

Uansett tyder dette resultatet, sammen med adopsjonsratene fra helseforetak (85 prosent) og høyere utdanning (57 prosent) (Olsen 2012), på at bruken av nye økonomistyringsverktøy er relativt utbredt i offentlig sektor.

Forklarer egenskaper ved økonomisjefen bruken av BMS?

Regresjonsanalysen har identifisert tre egenskaper ved økonomisjefen som signifikante variabler. Hypotesene knyttet til alder (H1) og erfaring fra privat sektor (H5) styrkes, mens hypotesen knyttet til tid siden utdanning (H3) må forkastes fordi den signifikante variabelen ikke har det forventede fortegnet.

Det er en signifikant, negativ sammenheng mellom alder på økonomisjef og bruk av BMS (H1). Resultatet styrker hypotese 1. I tillegg samsvarer resultatet med relativt konsistente funn i andre studier (Hiebl 2014), noe som bidrar til å validere denne studien. En slik tverrsnittsstudie er imidlertid ikke egnet til å si noe om kausalitet. Det kan være at yngre økonomisjefer i større grad velger å bruke andre styringssystemer enn eldre, men det er også sannsynlig at organisasjoner velger økonomisjefer (med ulike egenskaper) etter hvilke behov de har.

Mens det ikke har betydning hvor mye økonomisk utdanning økonomisjefen har (H2), viser studien at det er signifikant større sannsynlighet for at kommunene bruker BMS når det er lenge siden økonomisjef fullførte sin utdanning. Dette er en variabel som ikke har vært testet i de andre studiene i tabell 1a. Hypotese H3 er forkastet på grunn av at den signifikante variabelen i studien har motsatt fortegn av hypotesen. H3 tok utgangspunkt i at folk som nylig er utdannet, har større kjennskap til BMS, i og med at verktøyet ble introdusert så sent som på 90-tallet. Hvis dette premisset stemmer, er det mulig at økt kunnskap også betyr kjennskap til kritikken av BMS (Nørreklit 2000) og dermed et mer nyansert syn. En annen tolkning kan være at utdanning ikke er den eneste eller viktigste kilden til kunnskap om BMS, samt at lederens erfaring og gjennomslagskraft har betydning også for bruk av nye systemer. Den siste tolkningen stemmer dårlig med resultatet for alder (H1) og at ansiennitet i stillingen (H4) ikke var en signifikant variabel. Samtidig er det mulig at kjennskap til BMS og gjennomslagskraft like gjerne har sammenheng med lederstillinger i en annen organisasjon med tilsvarende systemer (jf. en signifikant variabel i Young mfl. 2001, skissert i tabell 1a) eller annen stilling i samme organisasjon.

Resultatet fra regresjonsanalysen støtter hypotesen om at erfaring fra privat sektor har en positiv sammenheng med sannsynligheten for bruk av BMS (H5). Den signifikante variabelen er dermed også i samsvar med konsistente funn i andre studier (Hiebl 2014), noe som i utgangspunktet bidrar til å validere denne studien. Det er like fullt interessant å problematisere hva denne proxyen egentlig fanger opp. Resonnementet i hypotesen er at økonomisjefer med bakgrunn fra privat sektor har mer erfaring med BMS. BMS har imidlertid ikke vært den suksessen i privat sektor som mange hadde forventet. En stor, årlig undersøkelse av bruken av 25 ulike styringssystemer i privat sektor viser at det har vært en nedgang i antall brukere av BMS fra midten av 2000-tallet (Bain og Company 2013). Tre norske og nordiske studier indikerer at bruken av BMS i privat sektor utgjør mellom 26 og 30 prosent (Eriksrud og McKeown 2010 30, Kald og Nilsson 2000, Olsen 1999), mens adopsjonsraten er noe høyere i norske sparebanker (Johansen 2010). Samtidig er adopsjonsratene for BMS henholdsvis 85 og 57 prosent blant institusjoner i helsesektoren og høyere utdanning i offentlig sektor i Norge (Olsen 2012), mens denne studien viser at adopsjonsraten er 65 prosent i norske kommuner. Det kan altså være større sannsynlighet for at bakgrunn fra offentlig sektor gir erfaring med bruk av BMS enn bakgrunn fra privat sektor! Young mfl. (2001) finner at det er en signifikant positiv sammenheng mellom bruk av et økonomistyringssystem og erfaring med lignende systemer fra andre virksomheter. Det er en mer intuitivt forståelig proxy, siden det tross alt må forutsettes at kommunene bevisst etterspør relevant kompetanse i ansettelsesprosessen. Det kan virke som sammenhengen mellom sannsynlighet for bruk av BMS og proxyen om erfaring fra privat sektor drives av andre forhold knyttet til erfaring fra privat sektor enn direkte erfaring med BMS. Det kan også tillegges at selv om Hiebl (2014) hevder at det er en konsistent positiv sammenheng mellom erfaring fra privat sektor og bruk av nye økonomistyringssystemer i tidligere studier, finner Olsens (2012) norske studie fra offentlig sektor ingen slik sammenheng.

Forklarer egenskaper ved økonomiavdelingen bruken av BMS?

Mens studien viser en signifikant positiv sammenheng mellom sannsynligheten for bruk av BMS og økonomisjefens erfaring fra privat sektor, er det ingen slik sammenheng for de ansatte i økonomiavdelingen (H6). Olsen (2012) fant heller ingen signifikant sammenheng for økonomiavdelingen. Det synes rimelig at foretak bruker andre kriterier ved ansettelse av økonomisjef enn for andre ansatte i økonomiavdelingen. Diskusjonen i forrige avsnitt tyder også på at det er like lett å finne personer med kompetanse på bruk av BMS i offentlig sektor som i privat. Jobb i offentlig sektor trenger ikke indikere begrenset kunnskapsgrunnlag vedrørende alternative eller nye styringssystemer (Hambrick og Mason 1984).

Økonomiavdelingens innovasjonsvillighet har en sterkt signifikant, positiv sammenheng med sannsynligheten for bruk av BMS (H7). Denne variabelen er ikke testet i særlig mange andre studier. Det er naturlig at kommuner som er interessert i å prøve ut nye økonomistyringssystemer, og som er interessert i sørge for oppdatert kompetanse i økonomiavdelingen, også har større sannsynlighet for å bruke BMS. Kausalretningen er imidlertid vanskelig å fastslå (Hambrick 2007), selv om det mest sannsynlig er et samspill hvor den går begge veier. En årsak til usikkerheten er mangelen på et teoretisk grunnlag for hypotesebygging. Resultatet av studien betyr imidlertid at dette bør undersøkes nærmere i framtidige studier.

Forklarer egenskaper ved kommunene bruken av BMS?

Kontrollvariabel K2, kommunestørrelse, er statistisk signifikant og viser en positiv sammenheng med sannsynligheten for bruk av BMS. Jo større kommunen er, jo mer sannsynlig er det at de bruker BMS. Det bor i gjennomsnitt (median) 15 507 (6 600) personer i kommuner som bruker BMS, mot kun 6 676 (3 287) i kommuner som ikke bruker BMS. Regresjonsresultatet er i samsvar med Young mfl. (2001) og resonnementet til Chenhall (2003). Chenhalls (2003) metastudie om bruken av styringsverktøy i en 20-årsperiode tyder på at det er en sammenheng mellom organisasjonens størrelse og styringssystemene den benytter seg av. Store og mangfoldige organisasjoner er ofte mer desentraliserte, og de benytter seg ofte av mer formelle styringssystemer. Det kan begrunnes med at større organisasjoner har større behov for informasjon, som igjen fører til et større behov for formelle styringssystemer for å anskaffe og behandle den store tilgangen på informasjon. I mindre organisasjoner er det i større grad personlig kontroll, og dermed er behovet for sofistikerte styringssystemer mindre (Chenhall 2003). Dette gir en forventning om at store kommuner oftere bruker BMS. Denne kontrollvariabelen bør inngå i videre studier.

Studien viser også at kommunens økonomiske situasjon, kontrollvariabel K3, er en statistisk signifikant variabel. Fortegnet viser at det er større sannsynlighet for at kommuner som er på ROBEK-lista (satt under statlig administrasjon på grunn av dårlig økonomi eller økonomisk planlegging), bruker BMS enn andre kommuner. Dette kan bety at økonomisk styring har et særlig fokus i disse kommunene. Det kunne like lett vært argumentert for at kommuner på ROBEK-lista ikke har hatt god økonomistyring eller eventuelt ikke har samme muligheter ressursmessig til å ta i bruk nye styringsverktøy. Tolkningen av resultatet er dog vanskelig fordi studien ikke angir på hvilket tidspunkt BMS ble tatt i bruk. I tillegg kan det variere over tid hvilke kommuner som er på ROBEK-lista. Denne sammenhengen bør derfor undersøkes i flere studier. Andre mål på økonomisk situasjon kan også vurderes. Dette gjelder forøvrig tilsvarende for egenskaper ved økonomisjef. Datasettet har ingen informasjon om hvorvidt økonomisjefen var ansatt da BMS ble adoptert. Imidlertid foretar kommunen (iallfall i teorien) løpende valg om hvorvidt økonomistyringssystemer skal beholdes, droppes eller adopteres.

Kontrollvariablene K4-K20 viser at geografi har betydning for sannsynligheten for bruk av BMS. Kommunene i ni fylker har signifikant større sannsynlighet for å bruke BMS enn kommunene i Sogn og Fjordane. I flere fylker har kommunenes økonomisjefer og andre i økonomifunksjoner jevnlige fylkesinterne møter. Gjennom seminarer og erfaringsutveksling er det dermed mulighet for at fylkesmessige forskjeller i økonomistyringspraksis oppstår.

Avslutning

Resultatene i studien kan tyde på at veksten i bruken av BMS i norske kommuner har stagnert etter en periode med sterk vekst. Andelen av kommuner som bruker BMS, har økt fra 26 prosent i 2004 til 56 prosent i 2014. Det er likevel et potensial for ytterligere vekst, siden hele 65 prosent svarer at de bruker eller planlegger å ta i bruk BMS. Studien viser at egenskaper ved økonomisjefen (alder, antall år siden gjennomført høyere økonomisk utdanning og antall års erfaring fra privat sektor), økonomiavdelingen (innovasjonsvillighet) og kommunen (størrelse, økonomisk stilling og fylkestilhørighet) bidrar til å forklare sannsynligheten for bruk av BMS. Samtidig viser studien at variabler som ansiennitet i stillingen, antall år med høyere økonomisk utdanning, om økonomisjefen er ekstrovert, og andelen av de ansatte i økonomiavdelingen som har bakgrunn fra privat sektor, ikke bidrar til å forklare spredningen av BMS i kommune-Norge.

Diskusjonen i metodekapitlet indikerer at resultatene bør kunne generaliseres fra utvalget til populasjonen av norske kommuner. Det er likevel ikke gitt at resultatene kan overføres til andre økonomistyringsverktøy. Faktoranalyser i Olsen (2012) viste at ulike verktøy ladet på ulike overordnede begrep. Dermed var for eksempel fartstid i organisasjonen signifikant for å forklare bruken av prestasjonsmåling (herunder BMS), men ikke signifikant for å forklare bruken av verktøy som for eksempel aktivitetsbasert kalkulasjon (activity based costing).

Gjennom hypotesebyggingen og diskusjonen i denne artikkelen blir resultatene fra flere ulike studier sammenlignet. En overordnet observasjon er at det er stor variasjon i hvilke økonomistyringssystemer, variabler, bransjer, sektorer og land som inngår i studiene. Kun to av variablene (økonomisjefens alder og ansiennitet) er brukt i alle studiene. Operasjonaliseringen av variablene er også svært ulik. Videre fastslår Hiebl (2014) ut fra en metaanalyse av diverse studier at det er sterk konsistens i resultatene for sammenhengen mellom bruk av nye økonomistyringssystemer og særlig tre forklaringsvariabler (alder, ansiennitet og erfaring fra privat/forretningsmessig sektor). Av variablene som er felles i minst to av studiene diskutert i denne artikkelen, er det imidlertid ikke en eneste som har likt resultat med tanke på om den er signifikant / ikke signifikant, og retningen på sammenhengen. Det er egentlig ikke overraskende med sprikende resultater, med tanke på kompleksiteten som skal reflekteres i modellene, samt at en baserer seg på proxyer for ikke-observerbare egenskaper som for eksempel kognitiv kapasitet. I tillegg er spørsmålet om kausalitet utfordrende. Dette erkjenner også Hambrick (2007) i sin reviderte versjon av Upper Echelon-teorien. Av spesiell interesse for denne studien trekker Hambrick (2007) fram at ledelsen (for eksempel styret) har et bevisst forhold til hvilken kurs som er ønskelig for eksempel for kommunen, og følgelig at de leter etter økonomisjefer med de rette egenskapene for å gjennomføre dette. Valget av økonomisjef blir i så måte fundert på at styrets ønskede handlinger og valg ivaretas. Da kan en stille spørsmål ved hvorvidt kommunen i større grad bruker BMS fordi økonomisjefen for eksempel kan karakteriseres som ekstrovert, eller om det er slik at økonomisjefen er (eller måles til å være) ekstrovert fordi kommunen bruker BMS, og at kurs, konferanser m.m. er nødvendige fora for å lufte utfordringer e.l. i tilknytning til BMS. Uansett illustrerer problematikken rundt kausalitet behovet for ytterligere forskning for å klarlegge sammenhenger. Flere av utfordringene ovenfor bunner i at Upper Echelon ikke er en helhetlig atferdsteori, slik som for eksempel agentteorien, som i seg selv gir grunnlag for prediksjon av atferd gjennom beskrivelse av sammenhenger. Upper Echelon er mer en idé om at egenskaper ved toppledelsen påvirker dens valg. Sammenhengen mellom potensielt relevante forhold (for eksempel alder) og ledelsens valg i en situasjon kan ikke utledes av rammeverket. Dette må skje gjennom bruk av et fragmentert sett av psykologiske faktorer / psykologisk teori og observasjoner. Rammeverket blir bygget på empiriske resultater. Slik sett er denne artikkelen eksplorativ, hvor ett mål er å bidra til teoribygging. Olsen (2012) argumenterer også for at Upper Echelon-teorien er gjenstand for en stringent test i forbindelse med offentlig sektor, og at eventuell støtte vil bidra til å øke rammeverkets relevans innenfor fagfeltet.

Resultatene knyttet til variabler i denne og tidligere studier viser at Upper Echelon-teorien er viktig for å forstå mer av organisasjoners bruk av økonomistyringssystemer. Studien viser at proxyer for egenskaper ved økonomisjefen og økonomiavdelingen er signifikante forklaringsvariabler. Det gjelder også kontrollvariablene knyttet til egenskaper ved kommunen. Flere av variablene i denne studien har heller ikke vært undersøkt i andre studier.

Samtidig er det viktig at videre forskning studerer Upper Echelon-teorien og disse variablene i sammenheng med tradisjonelle teorier på området, som Abrahamsons (1991) rammeverk vedrørende efficient choice, fashion, fad og forced selection.

  • 23: Verken lista av variabler eller utvalget av tidligere studier i tabell 1 er uttømmende. Studier/variabler hvor det kun er oppgitt bivariate korrelasjoner (ikke kontrollert for andre variabler), er ekskludert.
  • 24: På bakgrunn av Rogers (2003) sin definisjon av en innovasjon kan BMS omtales som et innovativt styringsverktøy. Det vil si at selv om BMS ikke er nytt som sådan, kan det likevel argumenteres for at det er en innovasjon så lenge det anses som nytt av aktørene i den gjeldende sektor.
  • 25: Studien inkluderte opprinnelig en hypotese om størrelsen på økonomiavdelingen. Den er utelatt på grunn av høye VIF-verdier / høy korrelasjon med variabelen kommunestørrelse (K2).
  • 26: Kontrolltesting av regresjonsanalysen indikerte at resultatene er relativt like hvis den avhengige dikotome variabelen i stedet omdefineres til «ikke bruk p.t.» (svaralternativ 1 og 2) og «bruk p.t.» (svaralternativ 3 og 4) (Daleq og Hobbel 2014). Merk at adopsjonsraten for «bruk av BMS p.t.» (svaralternativ 3 og 4) er lavere enn for «bruk og planlagt bruk» (svaralternativ 2, 3 og 4). Hovik og Stigen (2004, 2008) har ikke inkludert et svaralternativ som viser om kommunen har planlagt å ta i bruk BMS. Det er derfor sannsynlig at adopsjonsraten for «bruk p.t.» er mest sammenlignbar med deres tall.
  • 27: Definisjonen av BMS er basert på Kommunal- og moderniseringsdepartementets definisjon av BMS. Følgende definisjon av BMS er brukt: «BMS er et styringsverktøy som fokuserer på resultater, men måler flere typer resultater – kvantitative, kvalitative, økonomiske og ikke-økonomiske.»
  • 28: 65 prosent av kommunene som stod på ROBEK-lista per 31. mars 2014, har svart på spørreundersøkelsen, mens vel 63 prosent av alle kommuner svarte. Det er dermed ingen indikasjon på forskjell i svartilbøyelighet.
  • 29: Adopsjonsraten på 56 prosent er sannsynligvis mest sammenlignbar med tallene til Hovik og Stigen (2004, 2008). Målingen av bruk som ligger til grunn for adopsjonsraten på 65 prosent, er mest fornuftig å bruke i regresjonsanalysen som forklarer hvilke faktorer som påvirker sannsynligheten for adopsjon.
  • 30: Sannsynligvis respondenter både fra privat og offentlig sektor.
  • Abrahamson, E. (1991). Managerial Fads and Fashions: The Diffusion and Rejection of Innovations. The Academy of Management Review, 16(3): 586–612.
  • Adams, C.A. (2002). Internal Organisational Factors Influencing Corporate Social and Ethical Reporting: Beyond Current Theorising. Accounting, Auditing & Accountability Journal, 15: 223–250.
  • Bain & Company (2013). Management Tools & Trends 2013. http://www.bain.com.
  • Bjørnenak, T. (2010). Ulike systemer for ulike formål? Magma, 4: 18–19.
  • Burkert, M. og R. Lueg (2013). Differences in the Sophistication of Value-Based Management: The Role of Top Executives. Management Accounting Research, 24(1): 3–22.
  • Chenhall, R.H. (2003). Management Control Systems Design Within Its Organizational Context: Findings from Contingency-Based Research and Directions for the Future. Accounting, Organizations and Society, 28: 127–168.
  • Cook, T.D. og D.T. Campbell (1979). Quasi-Experimentation: Design & Analysis Issues for Field Settings. Boston, MA: Houghton Mifflin Company.
  • Daleq, B. og M.A. Hobbel (2014). Spredningen av balansert målstyring i norske kommuner. Masteroppgave, Trondheim Økonomiske Høgskole.
  • Eriksrud, M.S. og M.B. McKeown (2010). Budsjettrevolusjonen lar vente på seg. SNF-rapport nr. 11/10, Samfunns- og næringslivsforskning AS.
  • Fallan, E. (2013). Issues on Supply and Demand for Environmental Accounting Information. Copenhagen Business School, Ph.D. Series 41–2013.
  • Hambrick, D.C. (2007). Upper Echelons Theory: An Update. Academy of Management Review, 32: 334–343.
  • Hambrick, D.C. og P.A. Mason (1984). Upper Echelons: The Organization as a Reflection of Its Top Managers. The Academy of Management Review, 9(2): 193–206.
  • Hiebl, M.R.W. (2014). Upper Echelons Theory in Management Accounting and Control Research. Journal of Management Control, 24: 223–240.
  • Hoff, K.G. og P.A. Holvin (2002). Balansert målstyring: balanced scorecard på norsk. Oslo: Universitetsforlaget.
  • Hovik, S. og I.M. Stigen (2004). Kommunal organisering 2004. Norsk institutt for by- og regionforskning.
  • Hovik, S. og I.M. Stigen (2008). Kommunal organisering 2008. Norsk institutt for by- og regionforskning.
  • Kald, M. og F. Nilsson (2000). Performance Measurement at Nordic Companies. European Management Journal, 188(1): 113–127.
  • Kaplan, R.S. og D.P. Norton (2001). The Balanced Scorecard: sådan bygges bro mellem vision, værdier og strategier. 3. utg. København: Børsens Forlag.
  • Madsen, D.Ø. (2012). The Balanced Scorecard i Norge: En studie av konseptets utviklingsforløp fra 1992 til 2011. Praktisk økonomi og finans, 28(4): 55–56.
  • Naranjo-Gil, D., V.S. Maas og F.G.H. Hartmann (2009). How CFOs Determine Management Accounting Innovation: An Examination of Direct and Indirect Effects. European Accounting Review, 18(4): 667–695.
  • Nørreklit, H. (2000). The Balance On The Balanced Scorecard – A Critical Analysis of Some of Its Assumptions. Management Accounting Research, 11: 65–88.
  • Olsen, L.E. (1999). The Balanced Scorecard: styringsdimensjoner i norsk industri – en empirisk undersøkelse. Siviløkonomoppgave, Norges Handelshøyskole.
  • Olsen, T.-E. (2012). Diffusion and Adoption of Management Accounting Innovations in the Public Sector: The Case of Norwegian Health Entities and Institutions Within Higher Education. Doktorgradsavhandling, Norges Handelshøyskole.
  • Pavlatos, O. (2012). The Impact of Cfos’ Characteristics and Information Technology on Cost Management Systems. Journal of Applied Accounting Research, 13(3): 242–254.
  • Reve, T. (1985). Validitet i økonomisk-administrativ forskning. I: Metoder og perspektiver i økonomisk-administrativ forskning. Oslo: Universitetsforlaget.
  • Rogers, E.M. (2003). Diffusion of Innovations. 5. utg. New York: The Free Press.
  • Rrustemi, L. (2015). Kartlegging av balansert målstyring i fylkeskommuner og videregående skoler. Masteroppgave, Trondheim Økonomiske Høgskole.
  • Sibbet, D. (1997). 75 years of Management Ideas and Practice 1922–1997. Harvard Business Review, 75(5): 2–12.
  • Young, G.J., M.P. Charns og S.M. Shortell (2001). Top Manager and Network Effects on the Adoption of Innovative Management Practices: A Study of TQM in a Public Hospital System. Strategic Management Journal, 22: 935–951.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS