EARNINGS MANAGEMENT OCH FINANSKRISEN

Transkript

1 Uppsala universitet Företagsekonomiska Institutionen Kandidatuppsats VT 2010 EARNINGS MANAGEMENT OCH FINANSKRISEN En studie om earnings managements förekomst i Sverige, före och under den finansiella krisen Handledare: Jiri Novak Författare: Johan Wall Magnus Wiik Inlämningsdatum:

2 Sammanfattning Tidigare studier har visat på att en finansiell kris leder till en minskad förekomst av earnings management som anses vara ett stort problemen i modern redovisning. Denna uppsats undersöker earnings managements förekomst bland svenska företag och hur den påverkas av en finansiell kris samt om det finns skillnader mellan olika branscher. Vi använder en modifierad variant av Jones modell för att mäta de diskretionära periodiseringarna, som likställs som earnings management, och jämför sedan förekomsten av earnings management före och under krisen samt mellan de fyra branscherna som studerats. Vi finner inte några skillnader i earnings managements förekomst innan och under finanskrisen men vi kan se att branschen Sällanköp i större utsträckning än övriga studerade branscher bedriver earnings management. Vår förklaring till detta är att övervakningen av företagens redovisning är generellt sett bra vilket minimerar möjligheten att bedriva earnings management men att det kan finnas brister för branschen Sällanköp. 2

3 Innehållsförteckning SAMMANFATTNING... 2 INNEHÅLLSFÖRTECKNING... 3 INLEDNING... 5 SYFTE... 6 FINANSKRISEN... 6 TEORI... 7 Earnings management... 7 Agentteorin... 8 Bonusmaximering... 8 Big bath... 9 Internationella skillnader... 9 Kriser och earnings management...10 Branschskillnader...11 Sammanfattning...12 METOD...12 ATT MÄTA EARNINGS MANAGEMENT...13 Problematik kring mätning av earnings management...13 Jones modell...14 Beräkning av periodiseringar...16 Antaganden i modellen...17 UNDERSÖKNINGENS GENOMFÖRANDE...18 Tidsperioden...18 Urval...19 Inhämtning av undersökningsdata...19 Bortfall...20 Survivorship bias...20 Att beräkna earnings management...20 RESULTAT

4 ANALYS...29 SLUTSATS...32 VIDARE FORSKNING...33 REFERENSER

5 Inledning Den finansiella krisen som slog hela världen med storm under 2008 har nog inte många människor lyckats undgå. Det som började som en fastighetsbubbla i USA ledde till en bolånekris som fick stora konsekvenser för de amerikanska bankerna (Riksbanken, 2008a). Kollapsen av den globala finansmarknaden fick stora effekter över hela världen. Människor blev av med sina jobb och företag gick i konkurs eller var mycket nära att göra det. Även Sverige påverkades av krisen och svensk industriproduktion sjönk kraftigt under 2008 (SCB, 2010a). Detta var naturligtvis tragiskt för många inblandade men skapade även en unik möjlighet att undersöka hur redovisningens tillförlitlighet påverkas av dessa finansiellt oroliga tider. Tidigare studier har funnit att resultatmanipulering bland företag minskar under finansiella kriser (Chia, Lapsley & Lee, 2007) och mer specifikt har vi då för avsikt att studera huruvida förekomsten av detta fenomen förändras under finanskrisen. Earnings management brukar definieras som alla typer av förändringar av företagets rapporterade ekonomiska prestation där man missleder intressenter (Healy & Wahlen, 1999). Detta fenomen beskrivs frekvent i både affärstidningar och forskningslitteratur (Mohanram, 2003) och många olika variabler har använts för att undersöka och förstå dess förekomst. Arthur Levitt, dåvarande chef för den amerikanska finansinspektionen, hävdade i sitt tal The Numbers Game (Levitt, 1998) att earnings management är ett av de största problemen som existerar i modern redovisning. Levitt hävdade att om inställningen till earnings management inte förändras kommer förtroendet för den amerikanska ekonomin urholkas vilket skulle kunna leda till katastrofala följder. Huruvida svenska företag använder sig av earnings management finns studerat, om än i något begränsad omfattning (Hermansson & Olofsson, 2009; Weich & Pietilä, 2008). Hur earnings management utnyttjas under olika ekonomiska perioder, till exempel lågkonjunktur, finns däremot inte studerat på den svenska marknaden. Tidigare studier inom detta område har framförallt undersökt den asiatiska marknaden och funnit att earnings management minskar under en lågkonjunktur (Chia et al., 2007). Det finns fortfarande brister i den tidigare litteraturen då den inte ser på eventuella skillnader mellan branscher utan oftast beskriver hur det ser ut för en bransch. 5

6 Vår uppsats kommer därför att undersöka earnings managements förekomst på den svenska marknaden innan och under den senaste finansiella krisen. Undersökningen kommer även att utreda om eventuella skillnader i earnings managements förekomst mellan branscher i samband med den finansiella krisen. Då majoriteten av svenska befolkningen innehar aktier endera genom direkt innehav eller indirekt genom pensionsfonder eller liknande är det av stor vikt att skapa en förståelse för företagens redovisning (Hermansson & Olofsson, 2009). Således kommer denna uppsats försöka bidra till att öka förståelsen för earnings managements förekomst bland just svenska företag. Syfte Syftet med denna uppsats är att undersöka hur earnings management i svenska företag påverkas av en finansiell kris och även utforska om det finns några skillnader mellan olika branscher i förekomsten av earnings management. Finanskrisen Denna del i uppsatsen syftar till att ge en kort beskrivning om hur finanskrisen uppstod samt hur den påverkat den svenska marknaden. Den globala finanskrisen inleddes i USA våren 2007 till följd av de så kallade subprimelånen som kortfattat kan förklaras som bolån till husköpare med sämre ekonomiska förutsättningar. För att sprida risken såldes fordringarna vidare som obligationer till investerare världen över. När bolånetagarna fick problem att betala räntorna och priserna på bostadsmarknaden steg var krisen ett faktum. På grund av de finansiella oroligheterna blev det svårare att låna pengar och människor började sälja sina andelar i bankerna, vilket bland annat ledde till att Bear Stearns led av stora likviditetsproblem. Olika stödpaket inleddes av den amerikanska staten för att rädda finansiella institut men en kort tid därefter skulle Lehman Brothers ansöka om konkurs och det anses vara starten på den finansiella krisen i Sverige (E24, 2008). De svenska bankerna påverkades både direkt och indirekt av krisen i USA. Dels hade flera stora svenska banker investeringar i amerikanska värdepapper, bland annat hos Lehman Brothers. Ett 6

7 annat stort problem var att krisen urholkat förtroendet för värdepappersmarknaden och bankerna inte längre litade på varandra (Riksbanken, 2008a). Detta medförde att även svenska banker fick finansieringsproblem trots att de inte i någon större utsträckning investerat i amerikanska värdepapper. Även om krisen inledningsvis huvudsakligen var ett problem för bankerna ledde problemen på kreditmarknaden även till problem för andra företag (Riksbanken, 2008b). Företagens orderingång sjönk kraftigt under 2008 och 2009 (SCB, 2010b). Denna ökade finansieringskostnad och minskade orderingång tvingade många företag att dra ner verksamheten och varslen ökade kraftigt under 2008 och 2009 (Arbetsförmedlingen, 2010; Melén, 2009). Även om krisen uppstod på grund av den amerikanska finansmarknaden har den i högsta grad påverkat den svenska marknaden. Teori Detta avsnitt behandlar teori och tidigare forskning och vi har använt oss av två huvudsakliga synsätt för att tydligöra hur en finansiell kris påverkar earnings management. Inledningsvis förklarar vi begreppet earnings management och studerar den teori som finns inom området för att se hur earnings managements förekomst kan komma att påverkas av en kris. Därefter studerar vi den forskning som bedrivits på tidigare kriser, främst Asienkrisen i slutet på 1990-talet. Slutligen behandlar vi skillnaden mellan olika branscher i studien av earnings management och sammanfattar våra hypoteser. Earnings management Earnings management är en manipulation av ett företags redovisning för att missleda intressenter (Healy & Wahlen, 1999). Dechow och Skinner (2000) menar att en viss grad av earnings management alltid kommer förekomma då vissa uppskattningar och bedömningar krävs för att redovisningen skall vara relevant. Detta stärks ytterligare av Healy och Wahlen (1999) som menar att en chefs uppskattning av en tillgång i många fall kan vara den mest korrekta då chefen ofta besitter mer kunskap än utomstående och därför kan ge en mer rättvis bild av en tillgångs värde. Denna informationsasymmetri medför att investerare tolererar en viss grad av earnings management då den inte går att skilja från sunda värderingar. Eftersom earnings management beskrivs som ett sätt att manipulera resultat måste det betonas att det inte alltid handlar om att 7

8 manipulera resultatet uppåt. I många fall kan incitament finnas att göra precis tvärtom (Healy & Wahlen, 1999). Det finns tre huvudsakliga metoder för att mäta earnings management; mätning av aggregerade periodiseringar, mätning av specifika periodiseringar samt studier av fördelningen av redovisade resultat (McNichols, 2000). Av dessa tre metoder är mätning av aggregerade periodiseringar den vanligaste och inom denna metod är modeller baserade på Jones (1991) vanligast förekommande (McNichols, 2000). Earnings management bedrivs huvudsakligen av tre olika anledningar; manipulering av börsvärde, uppfyllande av avtal samt på grund av lagar och förordningar (Healy & Wahlen, 1999). Agentteorin Agentteorin är en teori som utvecklats för att försöka förklara hur individer handlar i ett principal-agent förhållande. Det som kännetecknar detta förhållande är att en principal delegerar arbetsuppgifter till en agent som sedan utför dessa. Detta kan leda till två olika problem som är centrala för agentteorin, det första problemet uppstår när principalens och agentens mål inte sammanfaller och principalen inte på ett effektivt sätt kan övervaka agentens arbete. Det andra problemet berör agentens och principalens olika inställning till risktagande i verksamheten när agenten och principalen inte har samma riskbenägenhet och därför föredrar olika handlingsalternativ (Eisenhardt, 1989). Ett av agentteorins centrala problem är att principalen och agenten arbetar för att uppnå olika mål. För att uppnå maximal effektivitet i ett principal-agent förhållande, måste principalen verka för att agentens mål och värderingar sammanfaller med sina egna (Eisenhardt, 1989). Bonusmaximering Ett sätt att förena agenten och principalens mål är att principalen belönar agenten efter hur väl denne presterar genom någon form av bonussystem (Eisenhardt, 1989). Det finns en uppsjö av olika bonussystem som alla på olika sätt försöker nå upp till samma mål (Smith & Watts, 1982). Bonussystemen kan dock leda till andra problem då det finns en risk att agenten försöker utnyttja systemet för att uppnå en så stor bonus som möjligt på principalens bekostnad (Smith & Watts, 8

9 1982). Healy (1985) visar att chefer i stor utsträckning väljer redovisningsmetoder för att erhålla stora bonusar. Det handlar inte heller alltid om att försöka förbättra det redovisade resultatet utan när cheferna ligger tillräckligt högt över eller alltför långt under bonusmålet väljer de istället att reducera det redovisade resultatet. Big bath Fenomenet att ytterligare reducera ett dåligt resultat i syfte att skapa möjligheter att i senare perioder kunna redovisa ett högre resultat kallas Big bath accounting (Walsh, Craig & Clarke, 1991). Walsh et al. (1991) har funnit att nytillträdda verkställande direktörer ofta manipulerar resultatet nedåt under sitt första år för att sedan kunna visa förbättrade resultat under kommande år. Chia et al. (2007) har studerat den asiatiska finanskrisen 1997 och har där funnit att företag på Singapore-börsen under krisen manipulerat sina resultat nedåt. Detta förklaras av Healy (1985) som menar att om resultatet är tillräckligt lågt kan företagen istället välja att reducera resultatet och därmed skjuta upp delar av årets intäkter till kommande år. Healy (1985) menar att earnings management även förekommer under dåliga år, men då justeras resultatet nedåt istället för uppåt. Detta tolkas av oss som att företag under en ekonomisk kris i större utsträckning än under normala ekonomiska förhållanden väljer att manipulera resultatet neråt under krisåren för att kunna visa på en snabb återhämtning, och högre bonus till ledningen, efter krisen avtagit. Vi formulerar utifrån detta resonemang vår första hypotes som kan utläsas nedan. H1: Företagens resultat kommer manipuleras neråt i större utsträckning under krisen än innan. Internationella skillnader Leuz, Nanda och Wysocki (2003) har studerat förekomsten av earnings management i 31 länder för att kartlägga skillnader mellan dessa. De finner att earnings management varierar mellan olika länder och de rättigheter som investerare åtnjuter är en avgörande faktor för förekomsten av earnings management. Vidare delar de in de studerade länderna i tre olika kategorier efter förekomsten av earnings management där Sverige hamnar i den grupp som har medelhögt skydd 9

10 för investerare tillsammans med länder såsom Tyskland, Japan och Taiwan. Leuz et al. (2003) noterar att Sverige har lägre earnings management än övriga medlemmar i denna grupp. Kriser och earnings management Då finanskrisen inföll relativt nyligen finns det en begränsad mängd forskning kring denna, dock finns det desto mer forskning kring den asiatiska finanskrisen under slutet av 1990-talet. Chia et al. (2007) har studerat börsnoterade företag i Singapore för att se hur förekomsten av earnings management förändrats under krisen. De finner dels som tidigare nämnts, att företagen bedriver negativ earnings management i större utsträckning än före krisen, alltså att resultatet manipuleras neråt. Men de finner även att mängden earnings management som förekommer är lägre under krisen än före krisen. Detta kopplar Chia et al. (2007) till att revisorernas övervakning ökat under krisen vilket medför att allt mindre earnings management går att genomföra. Denna minskning är dock begränsad till de företag som använder sig av någon av de stora revisionsbyråerna (Chia et al., 2007). Agarwal, Chomsisengphet, Liu och Rhee (2007) skriver om hur japanska banker utnyttjar earnings management under olika ekonomiska perioder och ser då försäljning av värdepapper och reservationer av kreditförluster som ett sätt att utövar earnings management. De undersöker tidsperioden och delar upp perioden i tre kategorier; högkonjunktur, stillastående ekonomi och lågkonjunktur. De finner att bankerna använder sig av försäljning av värdepapper under alla perioderna för att påverka vinsten. De finner även att reserveringar av kreditförluster användes under de två inledande perioderna men inte under lågkonjunkturen. Många studier som gjorts med anknytning till finansiella kriser har undersökt värderelevansen och inte earnings management. Davis-Friday, Eng och Liu (2006) undersöker just värderelevansen av resultatet i Indonesien, Sydkorea, Malaysia och Thailand under 1996 och De finner att värderelevansen i Indonesien, Thailand och Malaysia minskade under Asienkrisen. Resultaten för Sydkorea visade dock ingen förändring i värderelevansen under krisen. Choi, Kim och Lee (2009) undersöker värderelevansen av de diskretionära periodiseringarna under Asienkrisen och även de finner att värderelevansen minskar under perioden. 10

11 Det finns studier som undersöker sambanden mellan värderelevans och earnings management. Dessa studier finner att earnings management påverkar värderelevansen negativt (Whelan, 2004; Marquardt & Wiedman, 2004) vilket kan tolkas som att om värderelevansen är hög förekommer det lite earnings management och vice versa. Ingen av dessa studier har studerat sambandet mellan earnings management och värderelevans under finanskriser vilket gör att slutsatser är svåra att dra om hur värderelevansen påverkar earnings management under dessa förhållanden. Att översynen av företag under en finansiell kris ökar anser många vara rimligt och även finansminister Anders Borg ville att översynen skulle skärpas på grund av att finanskrisen visat att tillsynen varit för dålig (Dagens Industri, 2009). Caramanis och Lennox (2008) beskriver detta problem då de undersöker antalet arbetade timmar av revisorer i förhållande till earnings management mellan 1994 och De finner att när antalet arbetade timmar är lägre bland revisorerna är de onormala periodiseringarna högre samt att det är vanligare att redovisa högre positiva onormala periodiseringar än högre negativa onormala periodiseringar när antalet arbetstimmar är lägre. Detta tyder på att en finansiell kris skulle medföra en striktare övervakning över företagens redovisning vilket medför att det blir svårare att manipulera resultatet både uppåt och neråt i samma utsträckning som varit möjligt under tidigare perioder. Detta leder till vår andra hypotes: H2: Förekomsten av earnings management kommer minska under krisen. Branschskillnader Vad som kunnat utläsas av tidigare forskning inom detta område är att forskningen endera bedrivits över en marknad (Chia et al., 2007), för en specifik bransch (Galligan Key, 1997; Agarwal et al., 2007) eller mellan länder (Leuz et al., 2003; Davis-Friday et al., 2006). Vad litteraturen inte beskriver är vilka skillnader som uppstår mellan branscher på samma marknad under en finansiell kris, vilket vi anser vara en brist inom forskningen. Vi tror att det kan förekomma skillnader mellan branscherna och därför vill vi även undersöka om earnings management förekomst varierar mellan olika branscher. Detta resonemang leder oss vidare till vår sista hypotes. 11

12 H3: Förekomsten av earnings management kommer skilja sig åt mellan de studerade branscherna. Sammanfattning Vi har genom vår studie av tidigare forskning formulerat två hypoteser gällande förekomsten av earnings management under kristider. Vår första hypotes säger att svenska företag, istället för att manipulera sina resultat uppåt, kommer manipulera sina resultat nedåt och därmed redovisa ett lägre resultat än det företagen verkligen uppnått. Alltså behandlar denna hypotes riktningen på den earnings management som förekommer under krisen. Vår andra hypotes säger att svenska företag under krisen kommer ha en begränsad möjlighet att bedriva earnings management. Därmed kommer förekomsten earnings management minska och företagen kommer redovisa ett resultat som ligger närmare det verkliga. Alltså behandlar denna hypotes storleken på den earnings management som förekommer under krisen. Slutligen har vi har även formulerat en hypotes gällande branschskillnaderna under krisen som säger att de olika studerade branscherna kommer skilja sig åt i förekomsten av earnings management. Metod Vår metod är indelad i två sektioner, inledningsvis redogör vi för problematiken kring mätning av earnings management samt den modell vi valt att använda för att uppskatta earnings management i vårt urval. Vi kommer även ta upp de antaganden som görs i modellen och diskutera vilka problem dessa kan innebära för vår undersökning. Därefter kommer vi redogöra för vårt urval och beskriva i detalj hur vi genomfört beräkningen av earnings management. Denna struktur är vald då den modell vi använder för mätning av earnings management är tämligen komplicerad. 12

13 Att mäta earnings management Problematik kring mätning av earnings management Healy och Wahlen (1999) definierar earnings management enligt följande i sin litteraturstudie: Earnings management occurs when managers use judgment in financial reporting and in structuring transactions to alter financial reports to either mislead some stakeholders about the underlying economic performance of the company or to influence contractual outcomes that depend on reported accounting numbers. (Healy & Wahlen 1999, s 368) Denna definition är i och för sig mycket tydlig men den innehåller vissa mycket svårmätta element som komplicerar mätningen av earnings management. Att chefer använder sina egna bedömningar i finansiella rapporter är i sig inte någonting dåligt, det är dessa som ligger till grund för dagens periodiseringsbaserade redovisning (Dechow & Skinner, 2000). De menar att det är just denna bedömning som medför att resultat kan vara ett bättre mått på finansiell prestation än kassaflöde. Om all flexibilitet i bedömningen av earnings management skulle försvinna skulle resultatet inte längre vara ett relevant mått på ett företags prestationer (Dechow & Skinner, 2000). Att chefens egen bedömning i sig inte nödvändigtvis är dålig leder till att uppsåtet med bedömningen eller manipulationen blir central för att förklara earnings management. Detta är ett stort problem för forskningen då chefernas uppsåt är mycket svårmätta vilket gör det svårt att säkerställa att det som mäts verkligen faller inom definitionen på earnings management (Dechow & Skinner, 2000). Om två olika individer på två olika företag manipulerar redovisningen på samma sätt behöver inte båda, eller ens någon av dem, bedriva earnings management då deras uppsåt kan vara olika. Detta problem med att definitionen på earnings management innefattar utövarens uppsåt kan även illustreras med hjälp av definitionen på bedrägeri i svensk lag. 13

14 Den som medelst vilseledande förmår någon till handling eller underlåtenhet, som innebär vinning för gärningsmannen och skada för den vilseledde eller någon i vars ställe denne är, dömes för bedrägeri till fängelse i högst två år. (SFS 1962:700, 9 kap, 1 ) Vi kan se att earnings management och bedrägeri till stor del har liknande definitioner. Båda innefattar att vilseleda någon, en vanlig anledning för vilseledande med hjälp av earnings management är att nå upp till bonusmål (Healy, 1985). Om detta vilseledande, som vid earnings management ger missvisande information om företagets ekonomiska ställning, leder till att någon intressent tar felaktiga beslut, exempelvis en aktieägare som gör en felaktig investering, då sammanfaller earnings management och bedrägeri. Detta menar vi visar på en stor del av svårigheten med mätning av earnings management, att faktiskt bevisa att earnings management förekommer är i praktiken att visa att bedrägeri föreligger, vilket enligt vår mening är näst intill omöjligt att göra med en modell baserad på enbart redovisningsdata. Trots dessa problem gällande mätning av earnings management anses diskretionära periodiseringar, då främst uppskattade genom Jones modell, vara ett vida accepterat mått på earnings management (McNichols, 2000). Vi har därför valt att använda Jones modell för att uppskatta förekomsten av earnings management i vår undersökning. Jones modell Jones (1991) utvecklade en modell för beräkning av ickediskretionära periodiseringar. Dessa används för att beräkna de diskretionära periodiseringarna som är ett mått på earnings management. Den ursprungliga modellen som Jones utvecklade är dock inte aktuell då den har vissa brister, istället använder vi oss av den vidareutvecklade modellen av Dechow, Sloan och Sweeny (1995) som ger ett mer tillförlitligt resultat. Den modifierade Jones modellen används även av flertalet andra undersökningar och anses vara ett bra och etablerat mått för att mäta earnings management (Lee & Masulis, 2008; Caramanis & Lennox, 2008). Det finns enligt vår mening två huvudsakliga svårigheter i tillämpningen av denna modell. Den främsta svårigheten ligger i att förstå de underliggande antaganden som görs i modellen. För att i sin tur kunna förstå konsekvenserna av att modellen i många fall används i undersökningar där alla antaganden inte kan göras gällande. 14

15 Den andra svårigheten kring Jones modell är att den kräver att en relativt stor mängd data samlas in och behandlas vilket gör att genomförandet bitvis kan bli tämligen komplicerat. För att tydliggöra genomförandet, och för att främja förståelse av modellen, kommer vi därför redogöra för hur vi gått till väga vid beräkningen av de diskretionära periodiseringarna. Dechow et al. (1995) har modifierat den ursprungliga modellen i syfte att ge ett mer korrekt värde på diskretionära periodiseringar. De menar att den ursprungliga versionen av Jones modell i vanliga fall undervärderar förekomsten av earnings management. Den tar inte heller hänsyn till kundfordringar och Dechow et al. (1995) menar att modellen skulle ge en mer korrekt bild av verkligheten om kundfordringar inkluderas i modellen. Detta är gjort på ett sätt som innebär att samtliga kundfordringar under undersökningsperioden kommer att tolkas som earnings management av modellen. Detta medför enligt Dechow et al. (1995) att ett mer korrekt värde på earnings management redovisas vilket de visar i sin undersökning. Detta stärks även av senare forskning som visat att den modifierade modellen är överlägsen den ursprungliga modellen som Jones utvecklade (Alcarria & Noguer, 2003). Den modifierade Jones modellen som Dechow et al. (1995) utvecklat är: NDA t = α 1 (1/A t-1 ) + α 2 ( Rev t - Rec t ) + α 3 (PPE t ) där: NDA t = Ickediskretionära periodiseringar år t delat med totala tillgångar för år t-1 A t-1 = Totala tillgångar år t-1 Rev t = Omsättning år t minus omsättning år t-1 delat med totala tillgångar för år t-1 Rec t = Kundfordringar år t minus kundfordringar år t-1 delat med totala tillgångar för år t-1 PPE t = Brutto materiella anläggningstillgångar år t minus brutto materiella anläggningstillgångar år t-1 delat med totala tillgångar för år t-1 α 1, α 2. α 3 = företagsspecifika parametrar De företagsspecifika parametrarna, α 1, α 2. α 3, uppskattas med hjälp av följande modell: TA t =a 1 (1/A t-1 ) + a 2 ( Rev t ) + a 3 (PPE t ) + ν 1 15

16 där: TA t = totala periodiseringar för år t delat med totala tillgångar för år t-1 a 1,a 2 och a 3 används för att skatta α 1, α 2 och α 3 med hjälp av minsta kvadratmetoden Modellen bygger på antagandet att förhållandet mellan ickediskretionära periodiseringar och totala periodiseringar är konstant och kan beräknas med hjälp av de förklarande variablerna (Jones, 1991). Med hjälp av denna modell kan vi beräkna hur stora de ickediskretionära periodiseringarna är, jämföra detta värde med de totala periodiseringarna och på så sätt beräkna de diskretionära periodiseringarna vilka är ett mått på earnings management. Beräkning av periodiseringar Det traditionella sättet att beräkna totala periodiseringar, via balansräkningen, medför enligt Hribar och Collins (2002) vissa problem då denna metod leder till att totala periodiseringar feluppskattas. Beräkning via balansräkningen medför att vissa poster som inte bör inkluderas i de totala periodiseringarna inte urskiljs från de delar som bör inkluderas i de totala periodiseringarna. Detta medför att denna beräkningsmetod inte ger ett tillförlitligt värde på totala periodiseringar. Hribar och Collins (2002) förespråkar istället en alternativ metod för beräkning av totala periodiseringar, via kassaflödet, som de finner ger ett bättre resultat än beräkning via balansräkningen. Denna modell är som följer: Tacc cf = EBXI - CFO cf där: Tacc cf = totala periodiseringar beräknat från kassaflöde EBXI = resultat före extraordinära poster och; CFO cf = Kassaflöde från fortsatt verksamhet Hribar och Collins (2002) använder sig av resultat före extraordinära poster och kassaflöde från fortsatt verksamhet. Dock bör nettoresultatet och kassaflöde från operationell verksamhet ge en korrekt uppskattning av totala avskrivningar (Hribar & Collins, 2002). Denna beräkning från 16

17 kassaflödet kommer även vi att använda oss av men då vi inte har tillgång till resultat före extraordinära poster och kassaflöde från fortsatt verksamhet i Datastream, har vi valt att istället utnyttja den alternativa formuleringen som Hribar och Collins (2002) beskriver. I den formuleringen används istället nettoresultat och kassaflöde från operationell verksamhet. Vilket medför att vår beräkning kommer göras enligt följande: Tacc cf = nettoresultat kassaflöde från operationell verksamhet Detta värde kommer sedan med hjälp av de ickediskretionära periodiseringarna, som beräknas med hjälp av Jones modell, användas för att beräkna de diskretionära periodiseringarna som vi likställer med earnings management. Antaganden i modellen Jones modell (Jones, 1991) och modeller som bygger på denna gör ett antagande att det under uppskattningsperioden inte förekommer någon earnings management. Detta är ett antagande som kan medföra problem, främst då vi inte kan vara säkra på att det inte förekommit någon earnings management under uppskattningsperioden. Detta medför en risk att det resultat vi får inte motsvarar den nivå av earnings management som verkligen förekommer. Om det förekommit earnings management i uppskattningsperioden kommer den nivån på earnings management vara inkluderat i det som vi klassificerat som ickediskretionära periodiseringar. Vi kommer därmed endast mäta skillnaden i earnings management mellan uppskattningsperioden och de studerade åren. Detta menar vi dock inte medför något egentligt problem då vi huvudsakligen studerar skillnaden mellan åren. Denna skillnad torde enligt vår mening inte påverkas av att vår mätning av earnings management inte upptäcker en viss mängd earnings management. Detta medför att alla våra värden kommer öka eller minska med lika stora värden. Dock torde skillnaderna mellan de olika åren kvarstå. Detta medför att även om vi inte kan uttala oss om hur mycket earnings management som förekommer så torde vi fortfarande kunna utröna om det blivit någon förändring under den studerade perioden. Ett annat grundläggande antagande som görs av Jones (1991) modell och dess variationer är att relationen mellan vissa poster i balansräkningen och periodiseringar är konstant. Ett problem med detta är att under en finansiell kris sjunker företagens intäkter kraftigt utan att de har tid att 17

18 anpassa organisationen. Detta innebär att det finns en risk att företagen har kvar stora poster i exempelvis anläggningstillgångar som enligt Jones modell skulle medföra att företagen även skulle ha stora ickediskretionära periodiseringar. Om företagen samtidigt har kraftigt reducerad försäljning kommer detta i sin tur leda till att de totala periodiseringarna minskar. Detta kan då i Jones modell tolkas som att företagen bedrivit negativ earnings management under krisen även om företagen i själva verket inte medvetet manipulerat bokföringen. Undersökningens genomförande Tidsperioden För att ge en god bild av hur finanskrisen har påverkat earnings management har vi valt att studera tre år med olika karaktäristika, Den ekonomiska utvecklingen under dessa år kan ses i nedanstående figur som visar industriproduktionsindex under perioden före och under krisen. Figur 1: Industriproduktionsindex, Index 2005=100 (SCB, 2010b) Vi har valt att inleda vår studie 2007 då detta är året före krisen inträffar och produktionen fortfarande är på väg uppåt (Figur 1). Detta för att ha en utgångspunkt och sedan kunna jämföra senare års resultat med för att studera hur finanskrisen påverkat earnings management. Under 18

19 andra halvan av 2008 slog krisen till på svensk industriproduktion som störtdök. Vi vill här se hur företagen har reagerat på krisens plötsliga intåg och hur detta påverkat förekomsten av earnings management är det första hela året efter krisen varför det är av intresse då företagen har en större möjlighet att planera earnings management jämfört med 2008 (Figur 1). Urval Vårt urval har kategoriserats utifrån Nasdaq OMX Nordics (2010) kategorisering för branscher på Stockholmsbörsen. För att kunna göra jämförelser mellan branscher har fyra av de fem största branscherna på Stockholmsbörsen undersökts. Dessa branscher är; Industri, Sällanköp, Hälsovård och IT och omfattar totalt 179 stycken företag. Av dessa 179 ingick 68 i branschen Industri, 35 i Sällanköp, 28 i Hälsovård och 48 i IT. Finansbranschen, som är en av de fem största branscherna, har valts bort på grund av att mätning av earnings management inom finansbranschen skiljer sig från mätning av earnings management inom övriga branscher. Earnings management inom finansbranschen är relativt välstuderat (Healy & Wahlen, 1999) men banker skiljer sig från andra branscher gällande earnings management då de huvudsakligen manipulerar låneförlustreserver som är mycket stora i förhållande till bankernas resultat och värdering av dessa är även till stor del beroende på chefernas uppskattningar. Detta medför att banker manipulerar earnings management på ett annorlunda sätt än andra branscher och därför har vi valt att inte inkludera dessa i urvalet. Inhämtning av undersökningsdata Vi har inhämtat redovisningsdata för samtliga företag från Datastream, för beräkning av diskretionära periodiseringar enligt Jones modell och för beräkningar av totala periodiseringar enligt Hribar och Collins (2002). Data har hämtats för perioden vilket medför att vi har en uppskattningsperiod för de företagsspecifika variablerna på 4 år, detta då Jones modell kräver viss redovisningsdata från året före uppskattningsperioden. Uppskattningsperioden sträcker sig från 2003 till och med Själva beräkningen av diskretionära periodiseringar sker för perioden och det är denna period som kommer analyseras för att visa på eventuella skillnader mellan år och branscher. 19

20 Data gällande branschtillhörighet har inhämtats från Nasdaq OMX Nordic och den datan är tagen från Vi har inte tagit hänsyn till den möjlighet som finns att ett eller flera företag kan ha bytt branschtillhörighet under den studerade perioden. Vi anser att den branschindelning som gjorts av Nasdaq OMX Nordic (2010) är relativt bred, endast 10 branscher för alla börsnoterade bolag, vilket medför att risken att företag byter bransch under den studerade perioden är tämligen liten och därmed torde ha en liten påverkan på vår undersökning. Bortfall Tre företag föll bort på grund av att data för dessa företag inte fanns tillgänglig i Datastream. Ytterligare 44 företag togs bort ur undersökningen på grund av att endera enstaka poster saknades i Datastream eller på grund av att data inte var tillgänglig för hela perioden , vilket krävs för vår undersökning. Det slutgiltiga urvalet bestod av 132 företag med 52 företag i branschen Industri, 19 i Sällanköp, 21 i Hälsovård och 40 i IT. Survivorship bias Då vårt urval begränsats till företag som är börsnoterade 2009 medför det att en viss snedvridning av resultatet kan förekomma. Detta då företag som gått i konkurs under krisen inte ingår i vårt urval. Khotari, Sabino och Zach (2005) behandlar detta problem och menar att ett urval som kräver redovisningsdata över en lång tidsperiod kommer att leda till en snedvridning så att det undersökta urvalet kommer vara mer framgångsrikt än populationen som helhet under den studerade perioden. De minst framgångsrika företagen riskerar i högre utsträckning att gå i konkurs eller blir uppköpta. Vidare har Hermansson och Olofsson (2008) funnit att det finns ett negativt samband mellan avkastning och earnings management. Risken finns därmed att våra resultat kommer visa på en lägre grad av earnings management än vad som verkligen förekom under undersökningsperioden. Att beräkna earnings management Samtlig behandling av redovisningsdata har skett med Excel och där har även regressionerna för de företagsspecifika variablerna genomförts. Den slutliga jämförelsen mellan de studerade åren och branscherna kommer dock att genomföras i SPSS. Anledningen till denna uppdelning mellan två program för att hantera data är att vi anser att Excel har bättre funktioner för att genomföra 20

21 alla de 132 regressionerna som behövs och att deras utdata redovisas i ett mer lätthanterligt resultat för fortsatt behandling. Vi har valt att använda SPSS för jämförelserna då detta program kan genomföra mer avancerade test och för att SPSS resultat redovisas i ett format som innehåller mer detaljerad information och som är mer lämpat för presentation av resultaten jämfört med Excel. Det första steget i beräkning av earnings management är att skatta de företagsspecifika variablerna under uppskattningsperioden, detta görs med en regression och minsta kvadratmetoden. Dessa har beräknats enligt följande ekvation i enlighet med Jones (1991) modell: TA t =a 1 (1/A t-1 ) + a 2 ( Rev t ) + a 3 (PPE t ) + ν 1 Skattningen av de företagsspecifika variablerna a 1, a 2 och a 3 är koefficienterna som beräknats genom regressionen a 1 är alltså det beräknade m 1 -värdet 1 för regressionen, a 2 motsvaras av m 2 och a 3 motsvaras av m 3. Värt att notera för regressionen är att denna inte använder sig av en konstant, detta då Jones modell inte vanligtvis använder sig av konstanter i ekvationerna för beräkning av de företagsspecifika variablerna (Khotari et al., 2005). De totala periodiseringarna (TA t ) har beräknats enligt Hribar och Collins (2002) alternativa metod med hjälp av nettoresultatet och kassaflöde från operativ verksamhet. Detta har gjorts då en beräkning av totala periodiseringar med utgångspunkt i balansräkningen skulle medföra en alltför stor risk att missa att inkludera en eller flera relevanta balansposter, vilket skulle ge ett missvisande resultat (Hribar & Collins, 2002). Dessutom innebär denna metod att vi behöver hantera en mindre mängd data vilket minskar risken för handhavandefel. Då vi inte genom Uppsala universitets Datastreamprenumeration har tillgång till de värden som Hribar och Collins (2002) förespråkar använder vi istället deras alternativa definition som dock enligt författarna torde ge ett likvärdigt resultat. 1 m 1, m 2 och m 3 är de beteckningar som används av Excel och om andra program som genomför regressioner kan ha andra beteckningar för regresionskoefficienterna, exempelvis använder SPSS betäckningen B för motsvarande värde. 21

22 Efter skattningen av de företagsspecifika variablerna har vi använt dessa för att beräkna de ickediskretionära periodiseringarna under undersökningsperioden. Nu använder vi den tidigare beräknade skattningen för de företagsspecifika variablerna, a 1, a 2 och a 3 för att skatta de företagsspecifika variablerna α 1, α 2 och α 3. Detta innebär att vi har tillgång till samtliga variabler som är nödvändiga för att beräkna de ickediskretionära periodiseringarna (NDA t ) under vår undersökningsperiod. Detta görs enligt följande ekvation: NDA t = α 1 (1/A t-1 ) + α 2 ( Rev t - Rec t ) + α 3 (PPE t ) Denna ekvation är mycket lik den som används för att skatta de företagsspecifika variablerna, den huvudsakliga skillnaden är hur den används av metoden. Istället för att utföra en regression med periodiseringarna som beroende variabler fyller vi här in de värden vi inhämtat från Datastream samt de värden vi beräknat i ett tidigare skede. Därmed får vi ut de ickediskretionära periodiseringarna för ett specifikt företag under ett specifikt år. Detta går i linje med det antagande som görs i modellen som säger att det under uppskattningsperioden inte kommer att finnas någon earnings management. Vilket innebär att om förhållandet mellan de oberoende variablerna och periodiseringarna kvarstår kommer vi istället för att erhålla de totala periodiseringarna, som i ekvationen för uppskattningsperioden, erhålla de ickediskretionära periodiseringarna. Alltså de periodiseringar som företaget enligt Jones modell måste genomföra på grund av verksamhetens struktur. Vi beräknar alltså de ickediskretionära periodiseringarna med hjälp av denna ekvation med hjälp av skattningen av de företagsspecifika variablerna vi tidigare beräknat samt redovisningsdata för de år som skall undersökas. När vi beräknat de ickediskretionära periodiseringarna under för samtliga företag i urvalet kan vi använda detta värde för att beräkna de diskretionära periodiseringarna som är slutmålet med Jones modell. Detta görs enkelt då sambandet mellan olika typerna av periodiseringar är som följer: TA t = NDA t + DA t Det vi söker är de diskretionära periodiseringarna (DA t ) och genom att omformulera ekvationen får vi fram att: 22

23 DA t = TA t NDA t Med hjälp av denna ekvation beräknas de diskretionära periodiseringarna för varje företag i urvalet under perioden Vi kan se i ekvationen att om de ickediskretionära periodiseringarna är mindre än de totala periodiseringarna är detta ett tecken på att det undersökta företaget har bedrivit earnings management för att redovisa ett högre resultat och vice versa. De beräknade diskretionära periodiseringarna har vi använt oss av i två olika former, dels har det värde som beräknats ovan använts utan att modifiera detta. Vi har även beräknat det absoluta värdet på de diskretionära periodiseringarna. Hädanefter refererar vi till detta värde som absoluta diskretionära periodiseringar. Dessa två mått kategoriseras sedan efter år och efter bransch. Detta för att kunna överföra våra beräknade värden till SPSS för fortsatt analys. Vi använder dessa mått för att mäta två olika företeelser; de diskretionära periodiseringarna används huvudsakligen för att avgöra i vilken riktning earnings management förändrats, alltså huruvida företagen manipulerar resultaten uppåt eller nedåt. Detta används för att testa hypotes 1. För att avgöra huruvida förekomsten av earnings management har ökat eller minskat använder vi istället det absoluta värdet på de diskretionära periodiseringarna, detta för att undvika problemet att positiva och negativa förekomster av earnings management tar ut varandra och därmed ger sken av att earnings management förekommer i mindre utsträckning än vad som verkligen uppmätts. Alltså används de absoluta diskretionära periodiseringarna för att testa hypotes 2. Hypotestesten genomförs som tidigare nämnt i SPSS där vi utför ANOVA-test för att avgöra skillnader i diskretionära periodiseringar, dels mellan de olika år som studerats och dels mellan de fyra olika branscher som vi valt att undersöka. Valet av ANOVA-test för att mäta skillnaden mellan de olika grupperna förefaller naturligt för vår undersökning då dessa bör användas för en sådan jämförelse när det studerade urvalet är indelat i tre eller flera grupper (Willemsen, 1974). Sammantaget har vi genomfört fyra ANOVA-test. Vi har mätt skillnaden i diskretionära periodiseringar mellan år och branscher med hjälp av två test samt skillnaden i absoluta diskretionära periodiseringar mellan år och branscher med ytterligare två test. I de fall vi funnit någon intressant skillnad i ANOVA-testet har vi även genomfört ett Sheffertest. Detta test är ett multipelt jämförelsetest och används när man vill identifiera vilka medelvärden som skiljer sig 23

24 från varandra utifrån resultaten i ANOVA-testet (Willemsen, 1974). I vårt fall används det för att specifikt kunna se mellan vilka branscher som skillnaderna är signifikanta. Sheffetestet är alltså ett förtydligande av ANOVA-testet där resultatet redovisas i jämförelse mellan de olika variablerna. Resultaten från dessa test används för att analysera eventuella skillnader i förekomsten av earnings management och dessa redovisas i nästa avsnitt: Resultat Vi redovisar här resultaten från de ANOVA-test som gjorts för att utröna om det finns några skillnader i förekomsten av diskretionära periodiseringar mellan de olika studerade åren (Tabell 1-4) samt skillnader mellan de olika undersökta branscherna (Tabell 5-10). Tabell 1 Förekomsten av diskretionära periodiseringar År Antal Företag Medelvärde Std. Avvikelse ,058 0, ,082 0, ,053 0,217 Total 396-0,065 0,456 Tabell 1 beskriver de diskretionära periodiseringarnas medelvärde och standardavvikelse under år 2007 till år 2009 och antalet undersökta företag. Vad som kan utläsas av tabellen är att periodiseringarna för alla år har ett negativt medelvärde vilket innebär att företagen tenderar att manipulera sitt resultat negativt. Tabell 2 Skillnader mellan åren i förekomsten av diskretionära periodiseringar Frihetsgrad Kvadratsumma Medelkvadratsumma F p-värde Mellan grupperna 0, ,032 0,154 0,857 Inom grupperna 82, ,209 Total 82,

25 För att se om det fanns några skillnader innan och under finanskrisen genomfördes ett ANOVAtest för och detta kan utläsas i Tabell 2. Vi kunde inte finna några signifikanta skillnader mellan de tre åren (p=0,857). Detta innebär att vi inte kan se att företagen i större utsträckning än före krisen utnyttjar negativa diskretionära periodiseringar. För att undersöka hypotes 2 som antar att förekomsten av earnings management kommer att minska under krisen genomför vi ytterligare ett ANOVA-test med den skillnaden att de diskretionära periodiseringarna beskrivs i absoluta tal. Tabell 3 Förekomsten av absoluta diskretionära periodiseringar År Antal Företag Medelvärde Std. Avvikelse ,187 0, ,147 0, ,130 0,181 Total 396 0,155 0,434 Tabell 3 beskriver medelvärdet och standardavvikelsen för de absoluta diskretionära periodiseringarna under perioden 2007 till Vad som kan utläsas av denna deskriptiva statisktik är att medelvärdena för alla åren är relativt lika och låga. Tabell 4 Skillnader mellan åren i förekomsten av absoluta diskretionära periodiseringar Frihetsgrad Kvadratsumma Medelkvadratsumma F p-värde Mellan grupperna 0, ,110 0,581 0,560 Inom grupperna 74, ,189 Total 74, Tabell 4 beskriver huruvida det finns skillnader mellan i förekomsten av absoluta diskretionära periodiseringar. Utifrån ANOVA-testets p-värde kan vi se att det inte finns några signifikanta skillnader mellan åren (p=0,560). Således kan vi inte se några skillnader i förekomsten av absoluta diskretionära periodiseringar före och under finanskrisen. 25

26 Vi kan sammantaget inte se några signifikanta skillnader i diskretionära periodiseringar mellan de olika åren före och under krisen, det finns inte heller någon skillnad mellan åren mätt i absoluta diskretionära periodiseringar. Tabell 5 Förekomsten av diskretionära periodiseringar i olika branscher Bransch Antal Företag Medelvärde Std. Avvikelse IT 120-0,044 0,280 Hälsovård 63-0,031 0,298 Sällanköp 57-0,241 1,029 Industri 156-0,030 0,196 Total 396-0,065 0,456 Tabell 5 visar förekomsten av diskretionära periodiseringar inom fyra av de största svenska branscherna på Stockholmsbörsen. Vi kan se att alla de undersökta branscherna har bedrivit negativ earnings management under den undersökta perioden. Tre av branscherna, IT, Hälsovård och Industri, har ett relativt lågt värde på diskretionära periodiseringar och Sällanköp har ett klart högre värde. Tabell 6 Skillnader mellan branscher i förekomsten av diskretionära periodiseringar Frihetsgrad Kvadratsumma Medelkvadratsumma F p-värde Mellan grupperna 2, ,696 3,406 0,018* Inom grupperna 80, ,204 Total 82, * Signifikant på 5 % nivå Tabell 6 visar resultatet av det ANOVA-test som gjorts för att avgöra om skillnaden i diskretionära periodiseringar är statistiskt signifikant eller inte. Vi kan här se att testet har ett p- värde på 0,018 vilket är starkt och statistiskt signifikant på 5 % nivå. Detta förevisar på att någon eller några branscher har olika stor förekomst av diskretionära periodiseringar. 26

27 Tabell 7 Jämförelse av förekomsten av diskretionära periodiseringar mellan branscher Bransch Bransch Skillnad i medelvärde p-värde IT Hälsovård -0,013 0,998 Sällanköp 0,197 0,063** Industri -0,014 0,996 Hälsovård IT 0,013 0,998 Sällanköp 0,210 0,093** Industri -0,001 1,000 Sällanköp IT -0,197 0,063** Hälsovård -0,210 0,093** Industri -0,211 0,029* Industri IT 0,014 0,996 Hälsovård 0,001 1,000 Sällanköp 0,211 0,029* * Signifikant på 5 % nivå, ** Signifikant på 10 % nivå Tabell 7 visar mer detaljerad information över resultatet från ANOVA-testet i Tabell 2. Här kan vi se vilka branscher som skiljer sig från varandra. Vi kan se att IT, Hälsovård och Industri inte skiljer sig från varandra gällande förekomsten av diskretionära periodiseringar. Däremot har Sällanköp klart mer diskretionära periodiseringar än övriga tre branscher. Vi kan se en statistiskt signifikant skillnad på 5 % nivå mellan Industri och Sällanköp, men även IT och Hälsovård skiljer sig tydligt från Sällanköp, dock är skillnaden endast signifikant på 10 % nivå. Tabell 8 Förekomsten av absoluta diskretionära periodiseringar i olika branscher Bransch Antal Företag Medelvärde Std. Avvikelse IT 120 0,164 0,231 Hälsovård 63 0,155 0,255 Sällanköp 57 0,286 1,017 Industri 156 0,100 0,171 Total 396 0,155 0,434 Tabell 8 visar förekomsten av absoluta diskretionära periodiseringar inom de olika branscherna. Då vi inte, som i Tabell 5, har problemet att positiva och negativa diskretionära periodiseringar 27

28 tar ut varandra kan vi här se ett bättre tecken på hur stor förekomsten av diskretionära periodiseringar är i olika branscher. Även i absoluta tal har Sällanköp klart högre diskretionära periodiseringar än de övriga branscherna. Dock är skillnaden här mindre än i Tabell 6 då de övriga tre branscherna i högre grad än Sällanköp har haft ett lägre medelvärde för diskretionära periodiseringar (Tabell 5) och därmed har en något större blandning av positiva och negativa diskretionära periodiseringar. Tabell 9 Skillnader mellan branscher i förekomsten av absoluta diskretionära periodiseringar Frihetsgrad Kvadratsumma Medelkvadratsumma F p-värde Mellan grupperna 1, ,484 2,604 0,052** Inom grupperna 72, ,186 Total 74, ** Signifikant på 10 % nivå Att skillnaden mellan branscherna inte är lika stor om diskretionära periodiseringar uttryckt i absoluta tal visas i Tabell 9. Signifikansnivån för skillnaden mellan de olika branscherna, uttryckt p-värdet, är något lägre här, p=0,052 jämfört med p=0,018 som visas i Tabell 6. Skillnaden är dock fortfarande tydlig och signifikant på 10 % nivå. 28

29 Tabell 10 Jämförelse av förekomsten av absoluta diskretionära periodiseringar mellan branscher Bransch Bransch Skillnad i medelvärde p-värde IT Hälsovård 0,008 0,999 Sällanköp -0,121 0,379 Industri 0,064 0,688 Hälsovård IT -0,008 0,999 Sällanköp -0,130 0,435 Industri 0,055 0,865 Sällanköp IT 0,121 0,379 Hälsovård 0,130 0,435 Industri 0,185 0,053** Industri IT -0,063 0,688 Hälsovård -0,055 0,865 ** Signifikant på 10 % nivå Sällanköp -0,185 0,053** I tabell 10 kan vi se att även i absoluta tal skiljer sig Sällanköp från de övriga branscherna, dock är skillnaden mindre tydlig med detta mått. Här kan vi se att Industri skiljer sig tydligt från Sällanköp, med ett p-värde på 0,053 och således signifikant på 10 % nivå. De andra branscherna fann vi ingen skillnad mellan och då framförallt IT och Hälsovård som nästan var identiska. Sammantaget kan vi se att branschen Sällanköp i högre utsträckning än övriga undersökta branscher har negativa diskretionära periodiseringar. Vi kan även se att Sällanköp har högre diskretionära periodiseringar mätt med absoluta tal, denna skillnad är dock endast statistiskt signifikant mellan branscherna Sällanköp och Industri. Analys Att mäta earnings management är ett komplicerat förfarande som kräver generaliseringar och antaganden som inte alltid stämmer överens med verkligheten. Detta medför att de resultat som vi nått vid mätningen av diskretionära periodiseringar måste tolkas mycket försiktigt. Vår första hypotes, att företagens resultat i större uträckning kommer manipulera resultatet nedåt under krisen än före krisen, testas genom mätning av diskretionära periodiseringar som redovisats i Tabell 1 och 2. Tabell 1 visar att diskretionära periodiseringar var något mer negativa under