Centralisering, den sista pusselbiten?

Transkript

1 Centralisering, den sista pusselbiten? En studie om centraliserad finansering kan öka företagsvärde Författare: Carl-Fredrik Hultgren Författare: Erik Rikardsson Mail: Handledare: Christopher Von Koch Examinator: Sven-Olof Yrjö Collin Termin: VT16 Ämne: Företagsekonomi Kurskod: 4FE11E

2 Förord Vi vill framförallt tacka våra handledare Christopher von Koch och Katarina Eriksson för deras råd och stöd under examensarbetets gång. Vi vill även tacka respondenterna för vi fått tagit del av deras kunskap och erfarenhet vilken varit till stor hjälp. Tack! Växjö den 18 maj 2016 Carl-Fredrik Hultgren Erik Rikardsson

3 Sammanfattning Titel: Centralisering, den sista pusselbiten? Författare: Carl-Fredrik Hultgren och Erik Rikardsson Handledare: Christopher von Koch och Katarina Eriksson Examinator: Sven-Olof Yrjö Collin Nyckelord: Finansiering, Centraliserad finansiering, Kapitalstruktur, Tradeoff Theory, Företagsvärde Bakgrund och problemdiskussion: Företag motiverar vanligtvis centraliserad finansiering med att det leder till värdeökande effekter, något som forskningsvärlden endast teoretiskt berört vilket ger indikationer på att en centraliserad finansiering kan utgöra en värdeökande strategi. Det föreligger därmed ett intresse att undersöka detta empiriskt. Avsaknaden av ett mått för centraliseringsgraden av finansiering medför att framställande av detta mått dock måste genomföras före teorin om värdeökning kan testas empiriskt. Syfte: Studien syftar till att 1) ta fram ett mått för centraliseringsgraden av finansiering, 2) säkerställa validiteten i detta mått och 3) genom detta mått testa centraliseringsgradens effekt på företagsvärde. Metod: Första syftet uppfylls genom en explorativ studie där närliggande teorier använts tillsammans med observationer av verkligheten. Andra syftet uppfylls genom en mindre statistisk undersökning utifrån årsredovisningar samt en enkätundersökning riktad till experter inom området. Tredje syftet uppnås genom en kvantitativ studie där formulerade hypoteser testas i en statistisk undersökning på 152 svenska börsnoterade bolag. Resultat och slutsatser: Studien säkerställer ett approximativt mått för centraliseringsgraden av finansiering. Måttets samband med företagsvärde kan dock inte säkerställas. Centraliseringsgraden har däremot ett samband med företagsvärde under vissa förhållanden vilket innebär att ett samband inte heller kan uteslutas. Vidare finner studien empiriskt stöd för Tradeoff Theory, däremot kan ingen förklarande modell för kapitalstrukturen säkerställas och därmed inte heller centraliseringsgradens betydelse för kapitalstrukturen. Slutligen har studien även påbörjat en förklarande modell till centraliseringsgraden av finansiering i och med att geografisk spridning visar sig ha positiv påverkan på centraliseringsgraden.

4 Abstract Title: Centralization, the final piece of the puzzle? Authors: Carl-Fredrik Hultgren and Erik Rikardsson Supervisors: Christopher von Koch and Katarina Eriksson Examiner: Sven-Olof Yrjö Collin Key words: Financing, Centralized financing, Capital structure, Tradeoff Theory, Firm value Background: Firms using centralized financing function usually motivates it by it s value adding property, something today s research only theoretically touched which indicates that centralized financing can be a value adding strategy. Therefore it exists an interest for an empirical examination. The lack of a measurement for the degree of centralized financing implies that this measurement have to carried out before the theoretical value adding strategy can be empirical tested. Purpose: The study s purposes is 1) bring forward a measurement for the degree of centralized financing, 2) secure the measurement s validity and 3) through this measurement test it s value adding effect to firm value. Method: The first purpose is achieved through an explorative research design where theories close to the subject together with observations of reality were applied. The second purpose is achieved through a smaller statistical study based on financial reports in conjunction with a survey aimed towards experts within the knowledge area. The third purpose is achieved through testing hypotheses in a statistical study on 152 Swedish listed companies. Results and conclusions: The study validates an approximate measure of the degree of centralized financing. The measurement s connection to firm value can not be established. Although, the degree of centralization has a connection to firm value given certain circumstances which implies that the connection cannot be ruled out either. Further, the study finds empirical support for Tradeoff Theory, however, there are no empirical support for the explanatory model for the capital structure and, by extension, neither for the degree of centralization s significance on capital structure. Finally, the study has also begun an explanatory model for the degree of centralization of financing since geographical spread has a significant positive effect on the degree of centralization.

5 Innehåll 1 Inledning Bakgrund Problemdiskussion Problemformulering Syfte Bidrag Disposition 9 2 Metod Forskningsansats för delsyfte 1 och Validitet Reliabilitet Forskningsansats för delsyfte Informationsinsamling och teorival 14 3 Proxy Litteratursökning Litteratur och teoretisk referensram Framtagande av möjliga proxies Säkerställande Stickprovsundersökning Enkätundersökning Fastställande av proxy Kritik mot proxyns validitet 35 4 Teoretisk referensram Optimal kapitalstruktur Finansiella synergieffekter Centralisering Geografisk spridning Utformning av hypoteser 45

6 4.4.1 Sammanställning av hypoteser 51 5 Empirisk metod för delsyfte Undersökningsdesign Studiens genomförande Urval Bortfallsanalys av datainsamlingen Val av tester Univariata analystest Bivariata analystest Multivariata analystest Operationalisering Beroende och oberoende variabler Kontrollvariabler Sammanfattning av operationalisering Metodkritik Reliabilitet Validitet 73 6 Empiriska resultat Univariata tester Bivariata tester Multivariata tester Hypotes Hypotes Hypotes Hypotes Hypotes Sammanfattat resultat 94 7 Analys 95

7 7.1 Summering av analys Diskussion Slutsats Implikationer Vidare forskning Referenser Bilagor Bilaga 1 Frågeformulär enkätundersökning Bilaga 2 Grafer Bilaga 3 Hypotes Bilaga 4 Hypotes Bilaga 5 Hypotes Bilaga 6 Hypotes Bilaga 7 Hypotes Bilaga 8 Insamlingsmall Bilaga 9 Korrelationsmatris 135

8 1 Inledning Detta kapitel inleds med en bakgrundsbeskrivning till de finansiella områden som studien behandlar: företagsvärde, kapitalstruktur och komplexiteten som föreligger koncerner. Vilket sedan följs av en problemdiskussion som mynnar ut i problemformulering samt syfte för denna studie. Avslutningsvis presenteras studiens disposition 1.1 Bakgrund Ett företags prestationer kan mätas utifrån aktieägarvärdet (se bl.a. Baker, Jensen & Murphy, 1988; Fama & Jensen, 1983; Jensen, 1986; Jensen & Meckling, 1976; Ross, 1973), vilket representerar rationella värderingar av tillgångar (Rappaport, 1998). Detta innebär att företag eftersträvar högsta möjliga värde för sina ägare. Aktieägarvärdet har visat sig påverkas av hur företag anskaffar, allokerar och använder kapital, där anskaffningen benämns som finansiering. Finansieringsmetoder för företag utgörs exempelvis av nyemissioner av aktier (införskaffa aktiekapital från investerare) eller upptagande av lån. Fördelningen mellan aktiekapital och skulder benämns som ett företags kapitalstruktur, vilken har visat sig ha signifikanta effekter på aktieägarvärdet. Tradeoff Theory menar att det finns en optimal kapitalstruktur som maximerar aktieägarvärdet. Dagens företag blir allt större och mer komplexa. Under de senaste 30 åren har antalet sammanslagningar av företag ökat med över 400 procent i Sverige och över procent i hela världen under samma tidsperiod (IMAA, 2016). Ökningen av antalet sammanslagningar leder till att fler dotterbolag inkluderas inom koncernen. I takt med att koncerner växer behöver även verktygen utvecklas för att hantera den större verksamheten. Ett sätt att hantera en större koncern är att avgöra om funktioner ska vara centraliserade eller decentraliserade. Finansieringen har som sagt en effekt på aktieägarvärdet, vilket gör att det finns ett val som kan påverka företagsvärde, nämligen om finansieringen ska centraliseras. Att ha en centraliserad finansiering innebär att en central enhet sköter finansfunktionerna för samtliga bolag inom koncernen. Decentralisering innebär att dotterbolagen sköter sina finansfunktioner var för sig. Ett 1

9 exempel på motivering för centralisering är den som Skanska uttrycker i sin årsredovisning: Genom en centraliserad finansfunktion tillvaratas skalfördelar och synergieffekter. (Skanska, 2015) Utifrån detta föreligger det alltså uttalade värdeökande effekter för företag att centralisera sig. Detta trots att ingen forskning, så vitt vi vet, bedrivits som styrker att så är fallet. Detta utkristalliserar ett intresse för att utreda centraliseringen av finansieringens betydelse inom kunskapsområdet finansiering och kapitalstruktur. 1.2 Problemdiskussion I slutet på 1950-talet utvecklade Modigliani och Miller (1958) Capital Structure Irrelevance Principle (M&M-teoremet) där kapitalstrukturen saknar betydelse för bolagsvärdet givet ett antal antaganden. Dock får kapitalstrukturen betydelse när antagandet om att inga skatter existerar tas bort. Detta beror på att skulder genererar skattefördelar i form av avdragsgilla räntekostnader förknippade med lånen, en så kallad skattesköld uppstår (Modigliani & Miller, 1958). M&M-teoremet mottog stark kritik eftersom det skulle innebära att företag maximerar sitt värde genom att endast använda skulder som finansieringsmedel. På detta byggdes flera teorier som skulle försöka förklara varför företag inte är 100 procent finansierade av skulder. Två stora teorier som utvecklats inom kunskapsområdet är Pecking Order Theory och Tradeoff Theory. Den förstnämnda teorin menar att företag inte strävar efter en optimal mix av skulder och eget kapital, utan snarare väljer finansieringsmedel utefter en rangordning, det vill säga en Pecking Order (Myers, 1984). Rangordningen styrs av de transaktionskostnader som är förknippade med respektive finansieringsmedel. Det är således som företag, enligt Pecking Order Theory, i första hand finansierar sig med egna medel, i andra hand säkra lån, i tredje hand riskabla lån och i sista hand med eget kapital genom nyemission (Myers, 1984). Som ett resultat av detta beror variationer i företags belåning på hur mycket likvida medel som är tillgängliga snarare än de fördelar och kostnader kopplade till skulder som Tradeoff Theory menar (Fama & French, 2002). 2

10 Pecking Order Theory är en vidareutveckling av teorin Incentive-Signaling Approach. Teorin menar att kapitalstrukturen kan få betydelse för företagsvärde då informationsasymmetri föreligger mellan företagsledare och marknaden (Ross, 1977). Teorin förklarar att informationsasymmetrin leder till att marknaden agerar utefter signaler sända från företaget. Detta eftersom marknaden inte har den fullständiga information om företaget som företagsledarna besitter. Kapitalstrukturen får därmed betydelse genom att finansiella beslut som till exempel att öka sin hävstång - vilket fungerar som en signal - tolkas av marknaden som att företaget är undervärderat. Marknadens högre värdering av företaget sker eftersom företaget har större skuldkapacitet än vad tidigare beräknats, vilket i sig är självuppfyllande som således höjer värdet på företaget i fråga (Myers & Majluf, 1984; Ross, 1977). Tradeoff Theory menar i motsats till Pecking Order Theory att företag strävar efter en optimal mix av skulder och eget kapital, vilket ska maximera värdet på bolaget (Myers, 1984). Teorin bygger på att det ska ske en tradeoff mellan skulders för- och nackdelar för att generera högsta möjliga företagsvärde. Fördelarna med skulder är de skattefördelar som medföljer vid upptagandet av lån, genom en så kallad skattesköld. Dessa skattefördelar uppstår på grund av att räntekostnaden för lån är avdragsgilla, vilket kostnaden för eget kapital inte är, det vill säga utdelningen (Modigliani & Miller, 1963). Skattefördelarna sänker alltså den totala skattekostnaden för företaget. Dock finns det nackdelar med finansiering av skulder vilket leder till att kapitalstrukturen inte endast kan innehålla skulder för att maximera företagsvärde. Dessa nackdelar kommer i form av den ökade risken för konkurs och de kostnader som är kopplade till detta, vilket är ett resultat av en kapitalstruktur med ökad andel skulder. (Kraus & Litzenberger, 1973). Detta beror på att ett lånekontrakt innebär en laglig betalningsskyldighet. Om företaget inte kan betala enligt kontraktet tvingas det i konkurs, risken för denna konkurs prissätts av långivare som tar ut en högre premie desto mer lån företaget innehar. En balans sker således mellan skattefördelarna och konkursrisken, vilket ger en optimal kapitalstruktur som maximerar företagsvärde (Kraus & Litzenberger, 1973). Senare introducerade Jensen och Meckling (1976) ytterligare för- och nackdelar med skulder och aktiekapital, vilket kan ha en påverkan på hur kapitalstrukturen ska utformas för att maximera företagsvärde. Dessa för- och nackdelar handlar om de 3

11 agentkostnader som är förknippade med skulder respektive aktiekapital. När vd:n inte äger aktier i bolaget leder en ökad finansiering av skulder till högre agentkostnader. Detta beror på att en sådan finansiering ger större likviditet för vd:n att hantera på ett sätt som är i gagn för dennes egenintresse snarare än i ägarnas intressen. När vd:n däremot äger aktier i bolaget leder en ökad finansiering av skulder till att vd:ns andel av det totala aktiekapitalet ökar, givet att det totala kapitalet i företaget hålls konstant. Detta sätter ägarnas och vd:ns intressen mer i linje med varandra, vilket sänker agentkostnaden. I kontrast till den sistnämnda situationen leder en ökad finansiering via aktiekapital till att agentkostnaderna stiger. Detta eftersom överensstämmelsen mellan ägarnas och vd:ns intressen minskar till följd av att vd:ns ägande utgör en mindre andel av det totala aktiekapitalet. (Jensen & Meckling, 1976). Därefter har Tradeoff Theory och Pecking Order Theory testats empiriskt i otaliga studier där båda teorierna fått stöd empiriskt. Shyam-Sunder och Myers (1999) utvecklar en modell för att testa de båda teorierna mot varandra. De finner att Pecking Order Theory får större stöd än Tradeoff Theory. Detta beror på att de har utvecklat en modell som favoriserar Pecking Order Theory vilket leder till mätningsfel som resulterar i att deras slutsatser blir felaktiga (Chirinko & Singha, 2000). Även Shyam- Sunder och Myers (1999) påpekar själva i sin studie att de förenklingar de gör i modellerna skapar brister, särskilt då deras modell för Tradeoff Theory inte är lika välutvecklad som modellen för Pecking Order Theory. Frank och Goyal (2003) använder Shyam-Sunder och Myers (1999) Pecking Order modell på ett bredare urval av företag mellan och finner att intern finansiering inte är tillräcklig för att täcka de investeringar som i genomsnitt genomförs. Därför används extern finansiering till stor del men inte så det överväger eget kapital med någon magnitud (Frank & Goyal, 2003). De menar även att Pecking Order Theory är tillämpbar på större företag på tidigt 70-tal. Däremot har den fått sämre stöd sedan 80-talet då fler mindre bolag introduceras på marknaden som inte följer en särskild rangordning samt att eget kapital, även för de större företagen, blev alltmer betydande. Det största felet i de empiriska undersökningarna kring skuldsättning ligger, enligt Fama och French (2002), i en underskattning av standardfel vilket grumlar de slutsatser som dras. I sin studie använder Fama och French (2002) båda teorierna för att göra 4

12 förutsägelser kring utdelning och skuldsättning. Inte här heller kan någon slutsats dras om att den ena modellen övertrumfar den andra på grund av att teorierna på många punkter inte har några konflikter med varandra. Trots att teorierna är motiverade av olika krafter delar de många förutsägelser om utdelning och skuldsättning (Fama & French, 2002). Detta konfirmeras i de test Fama och French (2002) genomför där båda teorierna förutsäger att mer lönsamma företag har högre utdelning och företag med mer investeringar har lägre utdelningar. Fama & French (2002) får således olika svar beroende på vilken sorts modell de använder i sina test. Exempelvis ger en komplex modell för Pecking Order ett resultat medan en enkel modell för Pecking Order ger det motsatta resultatet. Det gemensamma problemet bland tidigare nämnda studier ligger i att de samtliga får olika resultat beroende på vilken modell som tillämpas. Detta blir tydligt vid tillfällen då samma författare applicerar flera modeller men ändå inte kommer fram till övertygande svar om vilken teoretisk modell som bäst förklarar kapitalstrukturen i företag. Detta är även något som Graham och Leary (2011) påpekar i sin övergripande genomgång av vad som hänt inom forskningsområdet kring kapitalstruktur. De argumenterar för att den största anledningen till att modeller endast täcker en del av de beslut som tas (kring kapitalstruktur) beror på att nyckelvariabler mäts på ett felaktigt eller otillräckligt vis. Graham och Leary (2011) menar att den viktigaste uppgiften för framtida forskning är att veta hur långt man ska gå med att justera modellerna för att kunna svara på frågan om vilken teori som bäst förklarar kapitalstrukturen. För att komplicera valet av kapitalstruktur ytterligare gör faktumet att koncerners komplexa organisationsstrukturer att det blir än mer problematiskt. Inom detta område finns det ett flertal studier som resonerar kring koncerners beslut gällande kapitalstruktur, baserade på olika utgångspunkter i komplexa organisationsstrukturer. Huizinga, Laeven och Nicodeme (2008) för en teoretisk diskussion kring hur skulder ska tas upp inom internationella koncerner som beskattas olika i olika delar av koncernen för att utnyttja skattesatser i olika länder. Att befinna sig i flera länder öppnar för att skatteplanering kan genomföras på så vis att belåning sker i de delar där skatten är högst för att dra nytta av avdragsgilla räntekostnader. De avdragsgilla räntekostnaderna minskar resultatet före skatt och således minskar den totala skattekostnaden för hela koncernen. En variation av beskattning inom en koncern kan 5

13 alltså skapa större betydelse för hur kapitalstrukturen utformas, och även allokeringen av belåningen, relativt om beskattningen är lika för hela koncernen. Kolasinski (2009) tar däremot utgångspunkt i att risken inom en koncern varierar. Han finner i sin empiriska studie att koncerner tenderar att låta dotterbolag ta upp lån i sin kapitalstruktur när den operationella risken skiljer sig mellan moderbolaget och dotterbolaget. Detta innebär att en enhet med högre risk kan få en högre räntekostnad på sina skulder, vilket sänker resultatet före skatt för hela koncernen relativt en enhet med lägre risk. Dock föreligger det ett avvägande (en tradeoff) mellan den ökade räntekostnaden och den minskade skattekostnaden som belåning i en hög riskenhet medför. Här kan alltså variationer av risken i koncerner påverka kapitalstrukturens utformning. Vidare resonerar Leland (2007) kring fördelar och nackdelar vid sammanslagning av företag och dess kapitalstruktur kontra att hålla företagens finansiering separat. Leland (2007) diskuterar detta i sin teoretiska modell om sammanslagning av bolag (merger) och menar att en fusion kan leda till minskad risk via diversifiering. Detta skapar en optimal kapitalstruktur med högre belåning för det sammanslagna bolaget. Att hålla bolagen separerade tillåter däremot optimering av de individuella bolagens kapitalstrukturer vilket kan skapa ännu högre värde på bolaget i fråga (Leland, 2007). Valet mellan att genomföra en sammanslagning eller inte avgörs således av den synergieffekt som den skulle skapa (Leland, 2007). Vidare menar Leland (2007) i sin teoretiska modell att i en perfekt värld som Modigliani och Miller (1958) utgår ifrån, där kapitalstrukturen saknar relevans för värdet på bolaget, att det inte heller kan existera finansiella synergieffekter. Men i en värld där skatter och konkursrisk föreligger har kapitalstrukturen betydelse för bolagsvärdet och därmed kan även finansiella synergieffekter uppstå, positiva såväl som negativa. Där de positiva synergieffekterna talar för sammanslagning och de negativa talar emot en sammanslagning (Leland, 2007). Effekten representeras av värdeförändringen vid sammanslagning av två enheter samt källorna till den finansiella synergin. Dessa källor kan till exempel vara större kassaflöden, lägre kapitalkostnad, ökad skuldkapacitet eller skattefördelar (Damodaran, 2012). 6

14 Precis som tidigare nämnt i problemdiskussionen leder existensen av komplexa koncerner till att det är mer problematiskt att finna den optimala kapitalstrukturen. Det finns flera alternativa lösningar att välja mellan vid optimering av kapitalstrukturen för en koncern som diskuterats ovan. Å ena sidan kan koncerner använda sig av centraliserad finansiering, vilket kan uttrycka sig som en egen intern kapitalmarknad där ett moderbolag, ett skalbolag eller en treasury-enhet agerar bank för hela koncernen (Eiteman, Stonehill & Moffet, 2010). Det är denna bank som har kontakt med finansiärer samt allokerar finansiella medel. Interna kapitalmarknader har det gjorts ett flertal studier på tidigare (se Billett & Mauer, 2003; Gertner, Scharfstein & Stein, 1994; Matsusaka & Nanda, 2002). Dock fokuserade dessa studier på resursallokering mellan investeringsprojekt snarare än hur kapitalstrukturen kan optimeras via den interna kapitalmarknaden. Å andra sidan kan koncerner använda sig av en decentraliserad finansiering som kan uttrycka sig i att dotterbolagen i en koncern sköter sin finansiering individuellt. Genom att internalisera Lelands (2007) koncept till koncern-nivå där en sammanslagning likställs med en centralisering och separering likställs med decentralisering, uppstår en avvägning mellan de båda alternativen. Utifrån detta koncept möjliggör en decentralisering optimering hos de individuella företagens kapitalstrukturer. Medan en centralisering snarare diversifierar koncernens risk, vilket genererar en annorlunda optimal kapitalstruktur jämfört med en decentraliserad finansiering. Så vitt vi vet har inga tidigare studier empiriskt undersökt det val företag ställs inför mellan att ha en centraliserad mot decentraliserad finansiering för att öka företagsvärde genom en optimal kapitalstruktur. Detta frambringar således en empirisk fråga om vilket alternativ som maximerar värdet på bolaget. Pecking Order Theory beskriver inget samband mellan kapitalstruktur och företagsvärde, vilket däremot Tradeoff Theory gör. Således tar denna studie sin teoretiska utgångspunkt i Tradeoff Theory på grund av att den potentiella värdeökningen från centralisering sker genom en optimal kapitalstruktur. Många studier har bidragit med teoretiska modeller för optimal kapitalstruktur (se Leland, 2007; Miller, 1977; Modigliani & Miller, 1963; Myers, 1984), fördelar med sammanslagning (se Leland, 2007) och fördelar med intern kapitalmarknad (se Billett & 7

15 Mauer, 2003; Matsusaka & Nanda, 2002) utan att empiriskt bidra med hur en central finansiering påverkar företagsvärde eller hur man ska mäta det. Det primära problemet, som kan vara en anledning till att detta inte gjorts, består i att det krävs ett operationaliserbart mått för att mäta centraliseringen av finansieringen för att i sin tur kunna analysera dess effekt på företagsvärde. Således kommer en del av fokuset i denna studie bestå i att finna en proxy för att mäta centraliseringsgraden av finansiering i koncerner. I och med att inga tidigare studier funnits inom detta får vi inget stöd från litteraturen om alternativa mått. Således kommer vi ta fram ett nytt mått för centraliseringsgraden av finansiering. Därmed kommer denna studie främst bidra metodologiskt genom att operationalisera samt säkerställa detta mått. Att ta fram ett sådant mått kan visa sig vara en viktig hörnsten i litteraturen om optimal kapitalstruktur och central finansiering. Detta eftersom den möjligen kan utgöra sista biten i det pussel som förklarar skillnaderna i tidigare empiriska studiers resultat om optimal kapitalstruktur (se bl.a. Fama & French, 2002; Frank & Goyal, 2003; Graham & Leary, 2011; Shyam-Sunder & Myers, 1999). Dessa empiriska studier kan nämligen ha försummat en nyckelvariabel i sina testmodeller - något som påpekats av Fama & French (2002) - nämligen centraliseringsgraden av finansiering. Vilket är vad denna studie ämnar bidra med. Det metodologiska bidraget används sedan vidare i studiens teoretiska bidrag där sambandet mellan central finansiering och företagsvärde undersöks. Detta bidrar således till diskussionen om kapitalstruktur och företagsvärde, vilket ska ge en bättre förståelse för befintliga teorier inom optimal kapitalstruktur. 1.3 Problemformulering - Kan graden av central finansiering mätas med en approximation? - Finns det ett samband mellan graden av central finansiering och företagsvärde? 1.4 Syfte Denna studie består av tre delsyften, det första delsyftet består av att utveckla en proxy som mäter centraliseringsgrad av finansiering. Det andra delsyftet handlar om att säkerställa dess validitet. Det tredje delsyftet är att använda måttet för att undersöka om centraliseringsgraden av finansiering kan ha en effekt på koncerners värde. 8

16 1.5 Bidrag Studiens bidrag är av metodologisk, teoretisk och praktisk karaktär. Studiens metodologiska bidrag sker i form av en operationalisering för hur centraliseringsgraden av finansiering kan mätas i en koncern. Det teoretiska bidraget ligger i att skapa en bättre förståelse för rådande teorier inom optimal kapitalstruktur, såsom Tradeoff Theory, i och med att vi tar hänsyn till en central finansiering, något som inte gjorts tidigare. Det praktiska bidraget ligger i att koncerner och företagsledare ges underlag vid beslutsfattandet av att ha en centraliserad mot decentraliserad finansiering i syfte att öka värdet på koncernen. 1.6 Disposition Denna studies karaktär får en annorlunda prägel i sin disposition gentemot andra uppsatser på grund av avsaknaden på mått för graden av central finansiering. Detta gör att ytterligare ett kapitel inkluderas för framtagandet av proxyn eftersom det utgör en viktig grundpelare i studien. Kapitel 2 - Metod Detta kapitel presenterar de forskningsansatser och de teoretiska utgångspunkter som valts för studien. Dessa delas upp i två delar där den första delen behandlar avsnittet hur framtagandet och säkerställandet av proxyn ska ske. Den andra delen fokuserar på hur studiens andra syfte ska uppfyllas. Slutet av kapitlet presenterar informationsinsamling och vilka övergripande teorier som använts och som ska förklara sambanden mellan variabler. Kapitel 3 - Proxy I Proxy kapitlet presenteras de tillvägagångssätt för hur proxyn tagits fram och vilka överväganden som gjorts. En presentation följer sedan för säkerställandet med två olika ansatser samt diskussioner för modifieringar som sker allt eftersom. Kapitel 4 - Teoretisk referensram Det fjärde kapitlet lyfter fram teorier om finansiella synergieffekter och hur de uttrycks, optimal kapitalstruktur, och centralisering av beslutsfattande. Dessa ligger till grund för 9

17 hur en central finansiering ska påverka företagsvärde vilket resulterar i formuleringen av hypotes. Kapitel 5 - Empirisk metod för delsyfte 3 I detta kapitel beskrivs ingående det tillvägagångssätt som användes för att genomföra och uppfylla studiens tredje delsyfte. Vilka tester som genomförts och vilka variabler som ingick i de ekonometriska modellerna presenteras också i detta kapitel. Kapitel 6 - Empirisk resultat Här presenteras sammanställningar av resultaten från de statistiska testerna. De är uppdelade i avsnitt utefter univariata, bivariata och multivariata resultat för att underlätta läsarens förståelse för den data som använts i studien. Kapitlet avslutas med en sammanställning av vilka hypoteser som accepteras eller ej. Kapitel 7 - Analys I detta kapitel presenteras den analys som görs av de empiriska resultaten. Analysen följer en ordning som först fokuserar på kapitalstruktur sedan centraliseringsgradens effekt på företagsvärde som följs av förklaring av centraliseringsgraden. Slutligen avslutas detta kapitel med en sammanfattning av analysen. Kapitel 8 - Slutsats I slutkapitlet presenteras de slutsatser som kan dras utifrån analysen samt en diskussion om vad innefattat. Här presenteras även de teoretiska, praktiska och metodologiska bidraget från denna studie samt förslag på vidare forskning inom ämnet. 10

18 2 Metod Kapitel två behandlar den vetenskapliga synen på undersökningen som tillämpas. I och med att studien lutar sig mot tre delsyften har metod delen blivit tudelad. Första delen består av den ansats som tagits för att arbeta fram en tillförlitlig proxy, det vill säga de två första delsyftena. Den andra delen har lagt grunden inför testet av sambandet mellan centraliserad finansiering och företagsvärde, vilket ska täcka sista delsyftet. 2.1 Forskningsansats för delsyfte 1 och 2 För att uppfylla studiens första och andra syfte har utgångspunkten varit att genomföra en explorativ studie. Tidigare forskning och teorier har endast delvis berört området av centralisering av finansiering, till exempel kapitalstruktur (se Leland, 2007; Miller, 1977; Modigliani & Miller, 1963; Myers, 1984), fördelar med sammanslagning (se Leland, 2007) och interna kapitalmarknader (se Billett & Mauer, 2003; Matsusaka & Nanda, 2002). Således är forskningen inte heltäckande och därmed svag gällande centralisering. En anledningen till detta kan bero på att inget mått har utarbetats. Således har en proxyn framställts utifrån observationer av verkligheten som bidrar till den teoretiska referensramen om central finansiering, vilket gör forskningsansatsen induktiv (Braman & Bell, 2005) Validitet Validitet har stor tyngd i denna studie eftersom vi ämnat att uppnå ett metodmässigt bidrag genom att finna ett tillförlitlig mått på centraliseringsgraden av finansiering hos koncerner (se utförligare i kapitel 3 nedan). Avseende proxyn är begreppsvaliditet det primära att uppfylla eftersom det innebär att måttet verkligen mäter det som avses att mätas (Bryman & Bell, 2005), nämligen centraliseringsgraden av finansiering. Dock finns det inget redan utvecklat mått för denna egenskap, vilket skapar svårigheter i att kontrollera detta. Således har vi snarare sökt efter en proxy för centraliseringsgraden av finansiering. Här tillåts brus i validiteten som en naturlig påföljd av en proxys karaktärisering, nämligen att den endast är en approximation av verkligheten. För att uppnå en hög validitet har experter inom området tillfrågats om de finner att proxyn speglar centraliseringsgraden av finansiering. Proxyn har även testats empiriskt på ett stickprov av koncerner för att kontrollera att den påvisar samma egenskaper hos koncerner som speglas i deras respektive årsredovisning. 11

19 2.1.2 Reliabilitet Reliabilitet handlar om pålitligheten hos mått och mätningar, denna pålitlighet uppnås genom att samma resultat ska kunna uppnås vid en upprepad studie (Bryman & Bell, 2005). Detta uppnår vi genom att kontinuerligt ge fullständiga beskrivningar av hur och var data samlas in samt hur den används. När det kommer till mätningen av proxyn lämnas minst möjliga utrymme för subjektiva tolkningar, eftersom dess egenskaper ska vara utformade på ett sätt att det ska vara möjligt att repetera mätningar och ge samma värde. Detta uppnås dels genom att den data som ska samlas in från till exempel årsredovisningar bestämts i förväg och för att det på så vis inte ska förekomma tolkningar under datainsamlingens gång. För att uppnå en hög reliabilitet ges tydliga beskrivningar för vilka egenskaper som eftersöks i årsredovisningar. I och med att ett helt nytt mått framställs genom induktion kommer viss inneboende subjektivitet inte kunna undvikas. Detsamma gäller även de subjektiva värderingar som respondenterna besitter i enkätundersökningen som reflekteras i de svar som ges. Detta är något som får godtas då stöd från experter bidrar med högre reliabilitet relativt att inget säkerställande genomförs. 2.2 Forskningsansats för delsyfte 3 För att uppfylla studiens tredje syfte har en deduktiv ansats tagits till följd av att befintlig teori används som utgångspunkt för att skapa hypoteser som sedan testats (Bryman & Bell, 2005). Studien har även ett visst inslag av explorativ ansats avseende hypotes 5 där ingen tidigare forskning har funnits inom ämnet som kan styrka en viss förutbestämd modell som förklarar centraliseringsgraden. Därav testas modeller i vilka efter logik och omkonceptualiseringar från relaterade kunskapsområden applicerats. Studien ämnar till att finna om ett fenomen existerar eller inte (om centralisering av finansiering påverkar koncerners värde). Därför karaktäriseras studien av ett sökande efter att påvisa orsak och samband. Om fenomenet redan varit identifierat hade snarare en förklarande modell eftersträvats där syftet skulle vara att undersöka hur fenomenet uppstår och vad som ligger bakom det, vilket skulle förespråka en induktiv ansats på studien. En induktiv ansats i denna studie skulle till exempel kunna genomförts på en koncern med centraliserad finansiering och en med decentraliserad finansiering. En sådan studie hade kunnat identifiera faktorer som skiljer sig däremellan för att generera teori som kan förklara skillnader i värdet sinsemellan (Bryman & Bell, 2005). Ett sådant 12

20 förhållningssätt strävar alltså efter att skapa en förklarande modell snarare än att påvisa orsak och samband, det vill säga om kausalitet råder, något som vi ämnar att svara på. Den kunskapsteoretiska ståndpunkten i denna del utgörs av positivism till följd av att vi vill observera ett möjligt fenomen i verkligheten som utifrån tidigare teori kan tänkas existera. Observationerna anses som objektivistiska då inget utrymme lämnats för att tolka data på olika sätt, vilket exempelvis en kvalitativ strategi med ett tolkande synsätt strävar efter att göra. Denna strategi skulle vara mer tillämplig om studien istället syftat till att undersöka företagens egna uppfattningar om vad värdet är av att centralisera sin finansiering. Här lämnas alltså utrymme för att tolkning av de motiveringar företag ger till vad en centraliserad finansiering medför, vilket inte reflekterar den typen av resultat vi vill uppnå med objektiv observerbar data. Därför är förhållningssättet i studien objektivistisk där kunskapen inte kan påverkas utan endast är sådana företeelser som kan bekräftas via sinnena (Bryman & Bell, 2005). Resultatet kommer således på ett rättfärdigt sätt visa om en centraliserad finansiering kan påverka företags värde eller inte. Däremot föreligger en viss inneboende subjektivitet i proxyn eftersom den är subjektivt framtagen i kapitel 3. För att uppfylla studiens tredje syfte innefattar arbetet att samla in data från ett stort urval av företag i syfte att testa om sambandet mellan centraliserad finansiering och företagens värde existerar eller inte. En kvantitativ studie lämpade sig bäst då vi sökt att förklara istället för att beskriva (Patel & Davidson, 2003). Mer utförligt har en kvantitativ studie genomförts där hypoteser genererats från teorier, vilka sedan testats mot observationer i verkligheten för att undersöka om fenomenet existerar eller ej. Hade vi istället valt ett kvalitativt tillvägagångssätt skulle det inneburit ett färre antal företag där fokus hade varit att tolka de bakomliggande faktorerna som förklarar centraliseringsgraden och således generera teorier. Detta hade givit oss en bättre förståelse för varför de anser den ena strategin är bättre än den andra genom exempelvis intervjuer som blir återspegling av subjektiva tolkningar på de svar respondenterna ger. Generaliserbarheten hade även varit låg och svår att fastställa i och med det låga antalet företag eftersom resultaten skulle vara hänförliga endast till det mindre urvalet (Bryman & Bell, 2005). Detta skulle inte gynnat studiens syfte eftersom vi eftersträvat att finna 13

21 ett samband mellan central finansiering och företagsvärde generellt på Stockholmsbörsen. 2.3 Informationsinsamling och teorival Genom informationssökning i ämnet finner vi endast Jankensgård (2015) som gjort en tidigare studie om graden av central finansiering hos koncerner och dess påverkan på förändrat företagsvärde. Jankensgård (2015) finner ett samband mellan den centralisering av finansiering och företagsvärde. Dock fokuserar studien på hantering av riskhantering som finansieringsfunktion medan vi ämnar att undersöka om hela funktionen av finansiering kan påverka företagsvärde. Den bristande litteraturen vi finner i detta kunskapsområde gör att vi analogiskt har tillämpat teorier som kan tänkas förklara ett sådant samband. Då finansiella synergieffekter till stor del kan hänföras till den sammanslagna finansiering som fusioner medför, kan teorier om dessa motiveras som applicerbara på en koncerns centralisering av finansfunktionen. Till att börja med finns det studier som visar på att finansiella synergieffekter uppstår till följd av att slå samman två skilda företag. Det har även gjorts studier på hur kapitalstrukturen kan optimeras i en organisation, med sammanslagningar och förvärv i åtanke. Kapitalstrukturen kan i dessa fall optimeras genom Tradeoff Theory som menar på att det finns en optimal mix av eget kapital och skulder i ett företags finansiering. Den optimala punkten utgörs av det läge där den marginella kostnaden från att finansiera sig av skulder (konkursrisk) ligger på samma nivå som den marginella nyttan av att finansiera sig av skulder (skattefördelar). När det kommer till att slå ihop finansieringen inom en koncern till en och samma enhet har tidigare studier fokuserat på den förbättrade resursallokeringen som centraliseringen medför. De har däremot inte tagit hänsyn till de förbättringar som sker på finansieringssidan, som till exempel en förändring av den optimala kapitalstrukturen vilket höjer företagsvärde. Således har vi funnit litteratur om förbättringar på finansieringssidan vid sammanslagning av två skilda företag men inte vid sammanslagning av finansiering inom en koncern. Att koncentrera beslutsfattandet inom en koncern handlar om att centralisera istället för att decentralisera beslutsfattande och är något ett flertal studier har undersökt. Detta på grund av att skillnader kan uppstå när beslut fattas från en position högre upp inom koncerner än när de fattas på en lägre 14

22 nivå. Att exempelvis ha finansiella strategier och policy i en koncern, som ska leda till liknande finansiella beslut, kan ändock komma att skilja sig mellan dotterbolag då personer och grupper uppfattar saker annorlunda. Därför har även teorier kring centralt beslutsfattande tagits upp då central finansiering handlar om att koncentrera de finansiella funktionerna. Således har teorier om finansiella synergieffekter, optimal kapitalstruktur och centralt beslutsfattande använts för att generera hypoteser gällande centraliseringens påverkan på företagsvärde. 15

23 3 Proxy Det tredje kapitlet behandlar framtagandet av en proxy för att mäta centraliseringsgraden av finansiering. Första delen presenterar den litteratur som finns kring ämnet och utifrån denna ta fram möjliga alternativ för att uppfylla delsyfte 1. I andra delen säkerställs validiteten hos dessa mått genom en mindre statistisk undersökning samt en enkätundersökning riktad till experter inom området. Kapitlet avslutas med en diskussion om den fastställda proxyn samt kritik om densamma. Den andra delen ska således uppfylla delsyfte Litteratursökning Sökningar efter litteratur gjordes i flera databaser med vetenskapliga artiklar såsom Business Source Premier (BSP), LNU OneSearch och Google Scholar. I dessa databaser kan det återfinnas stora mängder av studier gällande kapitalstruktur eftersom det är ett väl utforskat kunskapsområdet. Däremot har det inte gjorts lika många studier inom kunskapsområdet central finansiering. Till följd av den oansenliga litteratur som behandlar central finansiering har även sökningar i Social Science Research Newark (SSRN) genomförts. Denna databas omfattar artiklar som inte är peer reviewed eller fortfarande är working papers. Sökord har varit; centralized finance, central finance, decentralized finance, decentral finance, centralization, decentralization, financial, var för sig, tillsammans och i olika kombinationer. 3.2 Litteratur och teoretisk referensram Hur en centraliserad finansiering är tänkt att påverka företagsvärde är främst genom de faktorer som bestämmer den optimala kapitalstrukturen enligt Tradeoff Theory. Således har en teoretisk utgångspunkt tagits i Tradeoff Theory enligt den modell som Kraus och Litzenberger (1973) utvecklat. I modellen bestäms den optimala kapitalstrukturen utifrån både de skattefördelar som finansiering av skulder medför och den konkursrisk som ökar i takt med belåning. Den optimala kapitalstrukturen utgörs således av ett läge där de båda faktorerna är likvärdiga. I Kraus och Litzenbergs (1973) modell antas alla betalningar förknippade med skulderna (räntekostnad) vara avdragsgilla och modellen illustreras formellt enligt följande ekvation: 16

24 MV #$%$&$' = MV )*#$%$&$' + Tax rate MV '$45 1 Tax rate PV 49*:&);5<= <>?5 där, MV levered : Marknadsvärde på det belånade företaget. MV unlevered : Marknadsvärde på det obelånade företaget. Tax rate: Skattesatsen. MV debt : Marknadsvärdet på skulderna. PV bankruptcy cost : Nuvärdet av konkurskostnaden. Gates och Egelhoff (1986) har gjort en studie om centraliserat beslutsfattande mellan huvudkontor och dotterbolag. De fokuserade främst på avstånd, där huvudkontoret utgör den centrala mittpunkten, regionala områdeskontor den mellersta punkten och yttersta punkten var dotterbolagen. Dessa tre kategorier utgjorde en skala för att mäta centraliseringsgraden. Där en fullständig centralisering föreligger när beslut behövde fattas av huvudkontoret medan en fullständig decentralisering föreligger när dotterbolag kunde ta egna beslut utan att rådgöra med huvudkontoret. För att kunna kategorisera in var besluten togs skickades enkäter ut där företagen själva fick ange var vissa beslut fattas inom deras företag. (Gates & Egelhoff, 1986). Jankensgård (2015) undersökte i sin studie om en centraliserad hantering av valutarisk ökade värdet på företaget. Istället för att göra en skala använde Jankensgård (2015) en dummyvariabel för att svara på om det var centraliserat eller ej. I hans studie tillfrågades företag hur de hanterade sin valutarisk och därefter tolkades svaren. Jankensgård (2015) utvecklade dummyn på så vis att två givna förhållanden definierades där minst ett ska vara sant för att ett företag ska räknas som decentraliserad (värdet = 1) i sin hantering av valutarisk. Förhållandena var 1) dotterbolag får genomföra externa köp av derivat med banker och 2) dotterbolagen genomför handel av derivatinstrument internt med huvudkontoret och dessa interna kontrakt utgör sedan basen för deras externa derivatposition. Centralisering är sedan negativt definierat mot decentralisering. I sin bok om treasury management beskriver Polak och Klusacek (2010) istället centraliseringen av finansiering utifrån ett funktionsperspektiv. De delade in 17

25 funktionerna enligt; riskhantering, kassa- och likviditetshantering, betalningar, kassaflödeshantering och skuldhantering. Vidare menar Polak och Klusacek (2010) att medelstora företag ställs inför valet av hur de ska sköta den ökade volymen av transaktioner, då svårigheterna tilltar i takt med företagens marknadsvärde och storlek. Här fungerar en centraliserad treasury som en lösning på den tilltagande svårigheten att hantera den stora volymen av transaktioner (Polak & Klusacek, 2010). En centralisering medför större förhandlingsfördelar eftersom centrala enheten agerar förhandlare åt en hel koncern istället för exempelvis ett dotterbolag (Polak & Klusacek, 2010). Detta skapar lägre räntekostnader för hela koncernen genom skalfördelar som (Polak & Klusacek, 2010), enligt Tradeoff Theory, leder till en annorlunda optimal kapitalstruktur. Treasury hanterar ett företags finansiella risk och kapitalkostnad, förvaltar tillgångar och kapital, prognostiserar kassaflöden, optimerar tillgång till kredit och likviditet samt sköter relationer till banker (Polak, Robertson & Lind, 2011). Polak och Klusacek (2010) menar att organisationer traditionellt centraliserar sin treasury enligt en process som består av olika faser från en decentralisering till en fullständig centralisering (se figur 3.1). Startpunkten i denna process är att koncerner är helt decentraliserade vilket betyder att varje dotterbolag sköter sina finansiella funktioner individuellt. I första fasen centraliseras den finansiella riskhanteringen, det vill säga valutarisk och ränterisk. Fas två innebär att delarna i första fasen är centraliserade men även att kassa- och likviditetshantering samt nettning centraliseras. Den tredje och sista fasen innebär, enligt figuren nedan, att alla funktioner centraliseras till samma enhet som, förutom tidigare faserna, även sköter hanteringen av kassaflödena samt upptagandet av koncernens lån och krediter. (Polak & Klusacek, 2010). 18

26 Fas: 0 Decentraliserat Decentraliserad treasury Fas: 1 Centraliserat Ränte- och valutakurshantering Hantering av stora likviditets positioner Fas: 2 Centraliserat Riskhantering Kassa- och likviditetshantering Nettning Riskhantering Kassa- och likvidtetshantering Fas: 3 Fullständigt centraliserat Betalning- och kassaflödeshantering Skuld- och kredithantering Centralt informationssystem Figur 3.1. Centraliseringsfaser för treasury (omarbetad från Polak & Klusacek, 2010). 3.3 Framtagande av möjliga proxies Att mäta centraliseringsgraden av finansiering ter sig svårt och att finna alternativ till proxies har visat sig nästan lika svårt. Som diskussionen i avsnittet ovan påvisar, har även tidigare studier försökt att mäta centralisering. Jankensgård (2015) har exempelvis mätt centralisering kontra decentralisering genom att tillfråga företag via en enkätundersökning. Ett sådant mått medför risk för bortfall av svar vid datainsamling i framtida studier vilket kan påverka det slutgiltiga urvalet för varje tillfälle. Det första delsyftet med vår studie är att framställa ett mått som kan användas för att approximera centraliseringsgraden av finansiering. För att underlätta operationaliseringen vid framtida användning av måttet eftersträvas en enklare datainsamlingsmetod snarare än enkätundersökning. Till vår vetskap existerar inget sådant mått idag, vilket har genomsyrat denna studie. Utifrån avsnitt 3.2 har vi ett par möjligheter att mäta graden av centraliserad finansiering som ligger i linje med det eftersträvade måttet. Det första är att, likt Gates och Egelhoff (1986), skapa en egen skala utefter vilken nivå finansiella beslut fastställs. Ett sådant mått skulle kunna tänkas fånga in de fördelar som en central koordinering av koncernens olika delar innebär då det effektiviserar 19

27 koncernens samordning (Polak & Klusacek, 2010). Dock medföljer nödvändigtvis inte de förhandlingsfördelar som en helt centraliserad funktion skulle gjort, utifrån Polak & Klusaceks (2010) resonemang, eftersom den centrala beslutsfattande enheten inte upptar lånen, utan snarare tar beslut som dotterbolagen sedan ska genomföra. Detta gör att finansieringskostnaderna inte sjunker på samma vis eftersom belåningen sker genom en decentraliserad struktur som endast styrs övergripande från centrala beslut. Därför ses inte detta mått som passande för denna studie då studien inte ämnar att undersöka beslutsfattande i sig utan snarare ser till funktionen och genomförandet av de finansiella funktionerna för att finna värdeskapande effekter vid en högre centraliseringsgrad. Denna distinktion kan ha en stor betydelse eftersom ett centraliserat beslutstagande inte nödvändigtvis behöver innebära att funktionen opererar på lika central nivå. Till exempel kan beslut tas på central nivå gällande dotterbolagens belåning medan genomförandet sker hos dotterbolagen, dvs. på decentraliserad nivå. Det omvända förhållandet är inte lika sannolikt att inträffa, vilket gör att centraliseringsgraden av beslutet kommer vara lika med eller högre än centraliseringsgraden av funktionen. Detta gör att det är fördelaktigt att fokusera på funktion istället för beslut, då en sådan proxy sannolikt kommer innebära att beslut är minst på samma centraliseringsgrad som proxyn kommer utvisa. Den andra möjligheten är, i likhet med Jankensgård (2015), använda en dummyvariabel för om företag har central finansiering eller ej. Detta mått skulle medföra subjektiva bedömningar gällande var gränsen går för att vara centraliserade, vilket studien strävar efter att undvika. Exempelvis kan tolkningssvårigheter uppstå när en koncern uttalar sig ha en centraliserad hantering av skulder men trots det tillåter dotterbolag att själva söka extern finansiering också. Dessutom karaktäriseras ett sådant mått som dikotomt, nämligen att vara centraliserad eller decentraliserad, vilket inte ligger i linje med studiens ändamål som är att mäta graden av centraliserad finansiering. Däremot kan en kombination göra måttet mer acceptabelt, nämligen mellan ovan idé om en dummy tillsammans med de finansiella funktioner som Polak och Klusacek (2010) presenterar. Kombinationen skulle då implicera en stegvis skala av dummys som ökar med värdet 1 när respektive funktion är centraliserad. Detta innebär att desto fler funktioner som är centraliserade desto högre grad av centraliserad finansiering. För att göra proxyn mer jämförbar som en grad av centraliseringen görs måttet om till procentenheter, där 20

28 exempelvis 2 av 4 funktioner centraliserats ger ett proxy värde på 50 procent. Detta skulle innebära att studiens strävan efter att mäta graden av centraliserad finansiering uppfylls på någorlunda vis eftersom det blir en stegvis skala. Däremot kvarstår problemet med den subjektiva bedömningen om var gränsen går för centraliserad finansiering. Dock delas problemet upp på fler funktioner vilket gör det enklare att utläsa om respektive funktion är centraliserad eller decentraliserad. De funktioner som proxyn baseras på är de som Polak (2010) tar upp i sin studie; riskhantering, kassa- och likviditetshantering, betalnings- och kassaflödeshantering samt skuldhantering. Den grundläggande tanken kan visualiseras i tabell 3.1, där måttet på proxyn, vidare benämnt som proxy 1, kan avläsas i sista kolumnen. Proxy 1 kommer således reflektera hur centraliserad finansieringsfunktionen är som helhet eftersom samtliga funktioner tas hänsyn till i proxyn. Företag Central skuldhantering Central likviditetshantering Central finansiell riskhantering Centraliseringsgrad A % B ,33 % Tabell 3.1. Exempel på beräkning av proxy 1. Företag A har centraliserat alla funktioner vilket leder till en centraliseringsgrad på 100 procent. Företag B har endast centraliserat en funktion och har därför en centraliseringsgrad på 33 procent. Det tredje alternativet är att finna ett mått som uppfyller studiens strävan att mäta graden av centraliserad finansiering på ett mer direkt sätt. Som tidigare nämnts presenterar Polak och Klusacek (2010) en process (se figur 3.1) för hur centraliseringen av finansiering kan gå till. Med utgångspunkt i denna process kan således en centraliserad skuldhantering innebära att resterande funktioner inom finansfunktionen också är centraliserade. Följaktligen kan ett mått som påvisar centraliseringsgraden av skuldhanteringen kunna utgöra en tillförlitlig proxy för centraliseringsgraden av hela finansfunktionen. Därmed hamnar ansatsen i att finna en proxy för centraliseringsgraden av skuldhanteringen, som vidare benämns som proxy 2. Den centrala enheten är den som sköter upplåningen från externa kreditgivare (Polak & Klusacek, 2010). På så vis kommer de externa skulderna sannolikt att synas i den 21

29 centrala enhetens balansräkning och ju större andel denna enhet hanterar utav koncernens totala finansiering, desto större blir andelen av koncernens externa skulder som är koncentrerade till den centrala enheten. Således kan detta reflektera hur pass centraliserat skuldhanteringen är. Vidare existerar en koncern till följd av att ett företag har kontrollerande ägande i andra företag (Damodaran, 2010). Detta innebär att lokaliseringen av den centrala enheten är naturlig i en koncern, då den ägande parten utgörs av ett moderbolag medan de ägda parterna utgörs av dotterbolag. Detta leder till att den naturliga centrala punkten i en koncern är moderbolaget. Intuitivt går tankarna till att jämföra moderbolagets skulder i förhållande till koncernens skulder då andelen av finansieringen som är centraliserad sannolikt reflekteras i den centrala enhetens balansräkning, nämligen moderbolagets. Måttet kan alltså ge en indikation på hur mycket skulder moderbolaget tar upp i syfte att finansiera koncernen. Proxy 2 inkluderar både långfristiga och kortfristiga skulder, dock endast lån och krediter från banker och kreditinstitut som karaktäriseras som räntebärande. Anledningen till att endast räntebärande skulder används är att det är genom dessa som värdeökande effekter sker enligt Tradeoff Theory som syftar på att värdeökningen som uppstår är till följd av finansiering av skulder. Detta är givet att betalningar förknippade med skulderna är avdragsgilla vilket höjer företagsvärde enligt Kraus och Litzenberger (1973). Därav används endast räntebärande skulder vid beräknande av proxy 2. Vidare är centraliseringen av finansiering inte nödvändigtvis lokaliserad till moderbolaget. Till exempel presenterar Polak (2010) en centraliseringsprocess som innebär att en treasuryenhet skapas snarare, vilken kan befinna sig i andra delar av koncernen, exempelvis i ett dotterbolag i utlandet. Att välja plats för den centrala finansfunktionen kan enligt Polak och Klusacek (2010) bestämmas utifrån faktorer som skattesatser, politisk stabilitet, banksystem, regleringar och mycket mer. Detta innebär att proxy 2 kan bli missvisande då moderbolagets skulder reflekterar den centraliserade upplåningen inom koncernen eftersom det snarare är den centrala finansenhetens upplåning som reflekterar centraliseringen. Således behöver proxy 2 mäta den centrala enhetens skulder snarare än moderbolagets skulder (i de fall där centraliseringen inte är lokaliserad i moderbolaget). Detta medför svårigheter vid användandet av proxy 2 i kvantitativa studier hos större urval eftersom det kräver en mer noggrann utläsning av varje koncerns legala struktur i syfte att lokalisera var den centrala finansenheten 22

30 befinner sig i koncernen. Lokaliseringen av den centrala finansenheten tillför således mer tillförlitlighet till proxy 2 då risken minskas för ett ge missvisande mått. Exempelvis i form av att en centraliserad koncern får ett lågt värde i proxy 2, vilket skulle påvisa ett decentraliserat företag som en följd av att den centrala finansenheten inte befinner sig i moderbolaget. Därmed formuleras följande proxy 2: Proxy 2 = Central enhets räntebärande skulder/koncernens räntebärande skulder 3.4 Säkerställande Efter att ha tagit fram två alternativa proxies behöver de säkerställas och testas för att anses vara tillförlitliga, det vill säga att de mäter vad de avser att mäta (Bryman & Bell, 2005). Den första delen består i att ett stickprov av företag tas fram för att beräkna de båda proxies som lyfts fram. Dessa används sedan till en mindre statistisk undersökning av respektive proxys medelvärden samt testa korrelationen proxys sinsemellan. I den andra delen genomförs en enkätundersökning där experter kontaktas som får ge sitt utlåtande om de anser att måtten kan utgöra en god approximation på centraliseringsgraden av finansiering samt ge kommentarer de har Stickprovsundersökning Det första säkerställandet som genomförts är ett stickprov som ska testa korrelationen mellan de två proxies som tagits fram. Dessutom kommer ett visst säkerställande kunna göras i den mån att proxy 2, som endast mäter skuldhanteringen, ställs mot proxy 1, som mäter samtliga funktioner och således visar om proxy 2 är en bra reflektion för övriga finansiella funktioner Urval Detta stickprov baseras på ett antal förutbestämda faktorer. Eftersom tidigare studier om detta inte funnits finns det alltså möjlighet att genomföra forskningen på bolag från hela världen. Men till följd av det omfattande arbetet att samla in all data behöver vi göra kraftiga avgränsningar till ett mindre urval av bolag. Ett urval av företag vi känner oss mer bekanta med kan förenkla framtagningen av proxy i den explorativa ansatsen. Detta tillsammans med att noterade bolag medför mer tillgänglig information medför att Stockholmsbörsen är att föredra framför andra börser, som till exempel en amerikansk eller tysk börs, eftersom vi har mer erfarenhet av Stockholmsbörsen än andra börser. På 23

31 så vis kommer ett bättre resultat sannolikt kunna åstadkommas genom att utgå från ett urval av bolag listade på Stockholmsbörsen. Vidare faller det naturligt att utgå från bolag listade på Large Cap då dessa bolag har högre transparens i sin redovisning än andra bolag på Stockholmsbörsen till följd av deras högre bolagsvärde (Bushman, Piotroski & Smith, 2004). Att de även har ett brett spektrum av både nuvarande aktieägare och framtida investerare, gör urvalet intressant och kan sannolikt utgöra en god representation för populationen. Dessa bör ha ett värde som reflekterar dess agerande och styrande i störst utsträckning då dessa stora bolag sannolikt har flest antal analytiker och investerare som följer dem (Shores, 1990) samt att media i större utsträckning tenderar att bevaka Large Cap bolag (Bednar, 2012). På så vis är det sannolikt att informationsasymmetrin mellan verksamhetens prestationer och dess värde är mindre hos dessa bolag än bolag från andra börslistor. Vidare har bolag med avsaknad extern finansiering via lån exkluderats eftersom det är en förutsättning för att kunna mäta centraliseringsgraden av finansiering via proxy 2. Dessa företag har nämligen ett proxy värde på 0, vilket indikerar på en helt decentraliserad finansiering. Den indikerade decentraliseringen kan vara felaktig till följd av att företaget i fråga saknar extern finansiering via lån, men sköter resterande funktioner centralt. Således är proxy 2 inte applicerbart på företag som saknar extern finansiering via lån, vilket gör att en exkludering av sådana företag är nödvändig. Ytterligare en kategori av bolag som kan medföra svårigheter till följd av deras skuldsättning är finansiella bolag. Detta gjordes till följd av att finansiella bolag redovisar sina skulder på ett annorlunda vis, på grund av deras stora verksamhet av inoch utlåning, som gör att proxy 2 inte kommer reflektera dessa bolags centralisering på samma vis som hos andra bolag. Kvar har vi alltså Large Cap bolag som har extern finansiering via lån exklusive finansiella bolag. Dock ämnar vi att endast göra ett stickprovstest på ett fåtal bolag. Stickprovet ska innehålla bolag med olika grader av central finansiering, vilket gör att det är passande att undersöka de 15 högst värderade bolagen och de 15 lägst värderade bolagen (på Large Cap). Detta på grund av att centraliserad finansiering, enligt teorier, möjligen kan ge högre företagsvärde och därför ter det sig logiskt att bolag med lägre 24

32 centraliseringsgrad utgör de bolag med lägre företagsvärde. För att försöka fånga storleksskillnader gör vi urvalet baserat på P/S-talet för att ta hänsyn till omsättningen. Detta gör att urvalet kan fånga in de bolag som är högst respektive lägst värderade i förhållande till deras respektive omsättning Variabler Proxy 1 tas fram genom utläsning av årsredovisningar, där varje finansfunktion (skuldhantering, likviditetshantering och riskhantering) får värdet 1 om den är centraliserad och 0 om inte centraliserad. Detta innebär att det som skrivs i årsredovisningarna tolkas för att avgöra om finansfunktionerna är centraliserade eller decentraliserade. Till följd av den blygsamma redovisningen om kassaflödeshantering i årsredovisningarna valde vi att exkludera denna från Proxy 1. Detta medför att skalan istället består av tre funktioner istället för fyra som presenterades i figur 3.1. För att mäta proxy 2 lokaliseras den centrala finansenheten med hjälp av årsredovisningar. Därefter samlas de långfristiga och kortfristiga skulderna som karaktäriseras som lån, till exempel obligationslån och lån från kreditinstitut, in från balansräkningen för den centrala finansenheten samt koncernen. Andra skulder som till exempel leverantörsskulder eller skatteskulder har exkluderats då fokus ligger på den centrala enhetens hantering av den externa upplåningen som sker i syfte att få in kapital och inte sådana skulder som uppstår till följd av andra anledningar som till exempel leverantörsskulder. I den centrala enhetens balansräkning har även skulder till koncernbolag exkluderats. Detta eftersom interna skulder och fordringar saknar betydelse för centraliseringsgraden då proxy 2 endast syftar på den externa upplåningen. Den centrala finansenheten kan också ha en egen verksamhet. Till exempel kan moderbolaget, i en del koncerner, ha egen verksamhet. Detta kan leda till att måttet vi ämnar att använda inte visar om skulderna i den centrala enheten är upptagna i syfte att finansiera enheten själv eller i syfte att finansiera resterande koncernbolag, där det sistnämnda tyder på en centraliserad hantering av skulder. Detta skulle kunna leda till problem vid de tillfällen en koncern har decentraliserad finansiering eftersom proxy 2 skulle uppvisa en hög centraliseringsgrad, men gör det felaktigt på grund av att moderbolaget utgör en stor del av koncernen. Måttet behöver därför kontrolleras för den 25

33 centrala enhetens skulder som syftar till att finansiera den egna verksamheten. Den centrala enhetens omsättning relativt koncernens omsättning kan ge en indikation på den centrala enhetens relativa storlek till koncernen. Givet att denna relativa storlek kan motsvara den relativa finansieringen av skulder mellan centrala enheten och koncernen kan måttet även ge en indikation på hur stor del av den centrala enhetens finansiering som existerar till syfte att finansiera den egna verksamheten. Därmed samlas även omsättningen in från respektive resultaträkning för att kunna kontrollera den relativa storleken mellan moderbolag och koncern och på så vis kontrollera för att proxy 2 inte blir missvisande. Kontrolleringen av den relativa storleken sker på två sätt, första sättet är att subtrahera det relativa måttet av omsättning från proxy 2 med procentenheter. Det andra alternativet är att multiplicera proxy 2 med 1 minus relationsmåttet för omsättningen. Vilket skapar två nya variabler; proxy 2a, och proxy 2b, som även de testas för korrelationen med proxy 1 för att identifiera eventuella skillnader. Proxy 2a = (Central enhets räntebärande skulder/koncernens räntebärande skulder) - (Central enhets omsättning/koncernens omsättning) Proxy 2b = (Central enhets räntebärande skulder/koncernens räntebärande skulder) * (1 - (Central enhets omsättning/koncernens omsättning)) Empiriskt resultat I stickprovet av 30 företag från Stockholm Large Cap visade sig de flesta företagen ha en hög grad av centraliserad finansiering. Detta eftersom medelvärdena för samtliga proxies ligger på höga nivåer, vilket presenteras i tabell

34 Variabler Obs Mean Std. Dev. Min Max Proxy Proxy Proxy 2a Proxy 2b Tabell 3.2. Deskriptiv statistik för varje proxys medelvärde, standardavvikelse samt min- och maximum värden. Tabell 3.2 visar att medelvärdena för samtliga proxies ligger på likvärdiga nivåer. Proxy 1 som har ett medelvärde på 85 procent ligger över de tre andra måttens medelvärden. Dock befinner sig medelvärdena för samtliga mått någorlunda nära medelvärdet för proxy 1, vilket indikerar på att proxy 2, 2a och 2b kan representera centraliseringsgraden för samtliga finansfunktioner. I proxy 2a och 2b korrigeras proxy 2 för den centrala enhetens egna verksamhet via ett omsättningsförhållande som tidigare beskrivet. Tabell 3.3 visar på att proxy 2b har ett medelvärde närmare proxy 1 samt en lägre standardavvikelse än proxy 2a. Detta indikerar på att proxy 2b ger en mer representativ bild av centraliseringsgraden av samtliga finansfunktioner än proxy 2a. Proxy 2, som inte korrigeras efter den centrala enhetens egna verksamhet har dock ett medelvärde som ligger närmst medelvärdet för proxy 1 samt lägst standardavvikelse. Detta indikerar på att proxy 2 visar bäst på hur pass centraliserade samtliga finansfunktioner är i en koncern. 27

35 Variabler Proxy 1 Proxy 2 Proxy 2a Proxy 2b Proxy 1 1 Proxy * (0.000) Proxy 2a.6615* (0.000) * (0.000) 1 Proxy 2b.6633* (0.000).9363* (0.000) * (0.000) Tabell 3.3. Korrelationsmatris som visar korrelationen mellan de olika alternativa proxies. * indikerar signifikans på 0,01 nivån. 1 I tabell 3.3 kan det utläsas att samtliga Pearsons korrelationstest är signifikanta på 0,01 nivån. Proxy 1 och proxy 2 uppvisade en korrelation på 0,627, vilket visar en tydlig positiv korrelation mellan de båda måtten. Tar vi hänsyn till omsättningen i den centrala enheten stiger korrelationskoefficienten till 0,661 (proxy 2a) och 0,663 (proxy 2b) beroende på hur justeringen sker. Vi valde även att se hur proxy 2 och dess modifierade versioner korrelerade med varandra. Testerna tydde på en stark korrelation mellan proxy 2 och proxy 2a på 0,916, samtidigt som proxy 2 och proxy 2b hade en något starkare korrelation på 0,936. Att de korrelerar så stark kan främst hänföras till att det är få centrala enheter som har en omsättning. Endast vid ett fåtal fall utgjorde omsättningen för den centrala enheten en väsentlig del av koncernens totala omsättning. Vid dessa tillfällen gjorde justeringarna att nivåerna mellan proxy 1, proxy 2a och proxy 2b blev mer lika varandra. Vilket förklarar varför korrelationen proxy 2a och 2b har med proxy 1 är högre än mellan proxy 1 och proxy 2. Starkast korrelation med proxy 1 har proxy 2b. I urvalet observerades även ett utmärkande fall (Hexpol), där proxy 1 hade värde 0 procent och proxy 2 ett värde på 85,71 procent. Det första måttet tyder på att företaget skulle ha en decentraliserad finansiering eftersom det inte gick att utläsa något annat i deras årsredovisning eller på deras hemsida. Proxy 2 däremot uppvisade ett högt värde vilket istället skulle tyda på att de använder en central finansiering inom koncernen. Då det kunde visa sig utgöra ett extremfall i stickprovet valde vi att genomföra en 28

36 deskriptiv analys samt en korrelationsanalys där Hexpol exkluderades. De nya resultaten exklusive Hexpol presenteras i tabell 3.5 och 3.6. Variabler Obs Mean Std. Dev. Min Max Proxy Proxy Proxy 2a Proxy 2b Tabell 3.4. Deskriptiv statistik för varje proxys medelvärde, standardavvikelse samt min- och maximum värden. Här har däremot ett extremvärde exkluderats (Hexpol). I tabell 3.4 visas det att medelvärdet för proxy 1 ökade med ungefär 3 procentenheter, till 88,51 procent (85,56 procent i tidigare test) samtidigt som standardavvikelsen minskade till 28,56 procent (32,38 procent). Detta beror på att Hexpol hade ett värde som var lägre än medelvärde från de första testet vilket gör att medelvärdet nu stiger. Samtidigt hade de flesta observationerna ett värde på 100 procent, det vill säga är helt centraliserade i hanteringen av sina finansiella funktioner som också bidrar med att höja medelvärdet. För proxy 2 sjönk medelvärde marginellt till 78,01 procent (78,27 procent) på grund av att Hexpol även här hade ett värde som skilde sig från medelvärdet, denna gång var den något högre än medelvärdet från hela urvalet. Samma effekt skedde på proxy 2a där medelvärde gick ned till 73,47 procent (73,86 procent) och proxy 2b till 74,09 procent (74,46 procent). Standardavvikelsen ökade däremot för proxy 2 till 28,56 procent (26,11 procent), proxy 2a till 27,42 procent (27,03 procent) och proxy 2b till 26,46 procent (26,08 procent). Således är relationerna mellan detsamma som tidigare, proxy 2 har lägst standardavvikelse samt ett medelvärde som ligger närmast medelvärdet för proxy 1. Bland proxy 2a och 2b ligger medelvärdet för proxy 2b närmast proxy 1 som även har lägst standardavvikelse. 29

37 Variabler Proxy 1 Proxy 2 Proxy 2a Proxy 2b Proxy 1 1 Proxy * (0.000) Proxy 2a.8129* (0.000) * (0.000) 1 Proxy 2b.8135* (0.000).9363* (0.000) * (0.000) Tabell 3.5. Korrelationsmatris. * indikerar signifikans på 0,01 nivån. 1 I tabell 3.5 visas resultaten från Pearsons korrelationstest där exkludering av Hexpol visade sig ha en betydande effekt på korrelationskoefficienterna med proxy 1. Proxy 2 fick en ökad korrelation med proxy 1 på 0,757 (tidigare 0,627), korrelationen med proxy 2a steg till 0,813 (0,662) medan proxy 2b fick en korrelation på 0,814 (0,663). Korrelationen mellan proxy 2 och dess modifieringar förblev oförändrade. Att koefficienterna ändrades till en relativt sett högre nivå tyder på att Hexpol utgjorde ett extremvärde i urvalet för stickprovet som gjordes. De test som gjorts påvisar att proxy 1 och proxy 2 har en positiv korrelation med varandra. Om proxy 2 justeras med omsättningen stiger denna korrelation något mer. Modifierar vi urvalet genom att exkludera en observation som visar sig utgöra ett ovanligt fall stiger korrelationen betydligt, särskilt hög korrelation uppstår mellan proxy 1 och proxy 2a och b. Detta indikerar på, att i förhållande till varandra, mäter måtten till stor del samma egenskap. Det vill säga en approximation till vilken grad koncerner har centraliserat sin hantering av finansiering. Den starka korrelationen stärker således validiteten i att måtten mäter centraliseringsgraden, dock föreligger fortfarande viss möjlighet att de båda mäter detta på ett felaktigt sätt Enkätundersökning Den kommunikation som eftersöks med experterna är kortfattad. Då vi endast söker deras legitimering av att de proxies som tagits fram kan reflektera verkligheten på ett 30

38 godtyckligt sätt. Därför valdes kontakt via e-post eftersom detta besparar tid för både oss och respondenterna, vilket kan ge en högre respons bland de tillfrågade eftersom ingen intervju eller dylikt behöver planeras in. I den kontakt vi tar med experterna presenteras den primära idéen (se bilaga 1) om måtten i syfte att få igång deras tankegång och skapa förståelse för vilka egenskaper som eftersöks i proxyn. För att underlätta för respondenterna att ge svar utformades en enkät med givna svarsalternativ enligt en likertskala (se bilaga 1). Skalan går mellan 1 till 5 där 1 betyder att de inte tycker att måttet är en god approximation av centraliseringsgraden av finansiering och 5 betyder att de tycker måttet är en god approximation för densamma. Att inte låta respondenterna svara helt fritt utifrån egna tankar skapar ett avstånd mellan givna svar och sådana förslag som inte är möjliga att mäta, vilket inte skulle vara användbart för vår studie. Här skulle dock intervjuer underlätta för att erhålla svar av den beskaffenheten vi eftersöker. Vi förväntade oss dock en låg respons vid användandet av intervjuer till följd av de tidskrav det innebär att få till en tidpunkt som passar båda parter. Särskilt då intervjuer helst skulle ske med personer i högre positioner - chefer - som har begränsat med tid vilket kan leda till att planeringen av en intervju tar mycket tid i anspråk (Bryman & Bell, 2005). Hade vi gjort intervjuer med en hög respons hade urvalet ändock blivit litet på grund av de tidigare nämnda tidskraven som intervjuer tar i anspråk. Därför fann vi större fördelar med användandet av kontakt via e-post. Enkäten kompletterades även med utrymme för respondenten att lämna kommentarer om denne önskar så. Detta gör att vissa fördelar som förknippas med intervjuer uppnås även här genom att respondenten inte blir låst till specifika svarsalternativ Urval Många kan anses utgöra experter inom ekonomi men denna studies fokus ligger på finansiering för koncerner vilket gör att expertis inom företagsekonomi och koncerner är det vi söker. Därför valde vi att kontakta personer från revisionsbyråer, finansanalytiker, avdelningar för corporate finance på svenska banker, och Chief Financial Officers (CFO) samt treasuryavdelningar på företag. Revisionsbyråer valdes på grund av att de reviderar och agerar konsulter åt företag kring ekonomiska förhållanden. Kriterier för kontaktpersoner på revisionsbyråer var att de skulle vara en 31

39 auktoriserad revisor och partner. Finansanalytiker analyserar och följer ett stort antal bolag men har också erfarenhet att värdera företag genom att skapa förståelse för dem, varför vi ansåg att deras åsikt är av värde. Vidare valde vi att ta kontakt med CFO:s på slumpmässigt utvalda bolag från Stockholmsbörsen, vars kontaktuppgifter finns tillgängliga. Det visade sig dock svårt att finna kontaktuppgifter till CFO för bolag på Large Cap varför de flesta utgörs av Mid Cap. En CFO för en koncern är den som tar de finansiella besluten och har översikt över koncernens finansiering samt sköter kontakten med finansiärer. Dessa finansiärer är vanligen banker och deras avdelningar som sköter kontakten med företag kallas vanligtvis corporate finance. Dessa avdelningar utvärderar företags finansiella ställning samt hur företag sköter sina finanser, vilket lägger grunden för utlåning av finansiella medel. Därmed har även anställda inom dessa avdelningar kontaktats. Ytterligare en kategori med personer som är arbetsamma inom treasury tillfrågades eftersom de kan anses ha värdefulla insikter eftersom en treasury enhet vanligtvis utgör en central enhet i företagens finansfunktioner (Polak, 2010). Således kom urvalet att inkludera respondenter som ser på frågan utifrån ett internt perspektiv (CFO:s och professionella inom treasuryfunktioner) då de befinner sig i organisationen i fråga. Urvalet kom även inkludera respondenter med en extern synvinkel (revisorer, bankmän på corporate finance och finansanalytiker) då deras positioner inbegriper analys och granskning av andra företag Empiriskt resultat Urvalet av respondenter som enkäten skickades till blev totalt 103 stycken. Av dessa var 57 stycken CFO, 30 stycken auktoriserade revisorer, 7 stycken arbetade på corporate finance avdelningar, 7 stycken finansanalytiker och 2 stycken var verksamma inom treasury. Av dessa har 17 svarat varav 2 valde att inte delta. I tabell 3.2 presenteras en sammanställning av antalet respondenter och hur många som svarat från vardera grupp. 32

40 Grupp Antal Svar Delta Ej delta CFO Auktoriserad Revisor Corporate Finance Finansanalytiker Treasury Totalt Proxy 1 Proxy 2 Genomsnittsbetyg 3,60 3,73 Tabell 3.6. Sammanställning av respondenter och deras svar från enkätundersökningen. Svarsfrekvensen för på enkäten var 13,6 procent. Det genomsnittliga betyget uppgick till 3,60 för proxy 1 och 3,73 för proxy 2, vilket är över mittgränsen 2,5 då skalan går till 5. Vilket kan anses som att de mäter det vi vill mäta på ett bra sätt. Vi lämnade även möjlighet för respondenterna att ge kommentarer, vilket fyra stycken valde att göra. Två respondenter menade att det kunde vara svårt att finna information om den centrala enheten ifall den inte var placerad i moderbolaget. Två andra menar att det finns olika skäl till att man inte väljer att placera lån hos dotterbolagen på grund av att koncerner vill matcha ut- och inflöde av utländsk valuta. Ytterligare en menade att koncerner kan ha en centralt styrd finansiering genom beslut men att skulderna inte är upptagna eller redovisas i moderbolaget för det. Till exempel kan det vara mer lönsamt för moderbolaget att endast stå som garant till lokalt upptagna lån. Alla har de en poäng varav några går att lösa. Det första problemet har visats lösa sig på så vis att de koncerner som har den centrala enheten placerat i ett annat bolag nämnt detta i sin årsredovisning så att vi därefter kunna finna det separata bolagets årsredovisning. Det andra problemet när företag strategisk placerar vissa lån i dotterbolag jämfört med i den centrala enheten blir det 33

41 dock utifrån årsredovisningar svårt att avgöra. Detta för att det är svårt att dra en klar distinktion mellan om företaget har en lägre central finansiering eller, att de har en central finansiering men de faktiskt utnyttjar fördelarna med att uppta lån i dotterbolag. Som tidigare nämnt finns det inget mått som mäter den faktiska centraliseringsgraden av finansieringen. Därav har en approximation applicerats, vilket implicerar ett naturligt brus uppstår i dess mätning av vad den avser att mäta till följd av en proxys karaktärsdrag (Barretto & Howland, 2006). 3.5 Fastställande av proxy I det första säkerställandet eftersöktes åsikter från experter inom finansieringsområdet om de mått som presenterats. Utifrån en skala mellan 1-5 menade respondenterna att både proxy 1 och proxy 2 kan utgöra någorlunda väl representationer för hur pass centraliserad finansfunktionen inom en koncern är. Proxy 1 fick i genomsnitt ett betyg på 3,6 medan proxy 2 fick ett genomsnittligt betyg på 3,73. Vidare visade det andra säkerställandet, stickprovet, att de proxies som tagits fram i detta kapitel korrelerar positivt med varandra. Ett möjligt hinder identifierades med att moderbolag, eller den centrala enhetens, eventuella egen verksamhet kan påverka måttet. Om enheten har en egen omsättning kan det indikera på att belåningen i enheten kan vara upptagen i syfte att finansiera den egna verksamheten och inte resterande bolag inom koncernen. För att lösa detta justerades proxy 2 till proxy 2a och 2b, vilket resulterade i att korrelationen mellan dessa och proxy 1 blev starkare än den ursprungliga proxy 2. Den starkaste korrelationen (0,814) som uppnåddes med proxy 1 var med proxy 2b, vilken multiplicerar bort andelen av omsättning som befinner sig i den centrala enheten. Fördelen med proxy 2b jämfört med proxy 2a är att måttet inte kan anta ett negativt värde, vilket inte skulle kunna ske i verkligheten eftersom 0 procent betyder att företaget inte är centraliserat alls, det vill säga decentraliserat. Om måttet således skulle ha ett negativt värde skulle det inte reflektera verkligheten på bästa sätt, det vill säga skada tillförlitligheten. Proxy 1 bygger på att den uttalade centraliseringen koncernerna har i årsredovisningar, vilket sker per finansfunktion. Att proxy 2b har en stark korrelation med proxy 1 implicerar på att en starkare uttalad centraliseringsgrad är förknippad med ett högre 34

42 förhållandemått mellan centrala enhetens skulder och koncernens skulder. Detta indikerar även på att proxy 2b utgör ett representativt mått på centraliseringsgraden av samtliga finansfunktioner och inte endast skuldhanteringen. Utöver detta kan även centraliseringsprocessen som beskrivs av Polak och Klusacek (2010) ligga som stöd för detta argument, detta eftersom centralisering av skuldhantering var en del av sista fasen. Utifrån denna process är det sannolikt att en centraliserad skuldhantering även innebär att resterande finansfunktioner är centraliserade. Utifrån resultaten av litteratursökningen, enkätundersökningen samt stickprovsundersökningen menar vi att proxy 2b kan användas som en god approximation för att mäta centraliseringsgraden av finansiering. Därmed fastställer vi denna som det mått vi vidare kommer använda i studien och benämns endast som proxy i resterande del av arbetet. Proxy = (Central enhets räntebärande skulder/koncernens räntebärande skulder) * (1 - Central enhets omsättning/koncernens omsättning) 3.6 Kritik mot proxyns validitet Att framställa en proxy för en egenskap leder till ett behov av verifiering och säkerställande för att kunna påvisa att proxyn är ett tillförlitligt mått för den egenskap som avses mätas, det vill säga proxyns validitet. Det går således att diskutera fler potentiella säkerställande aktiviteter som kunde bidragit med ytterligare validitet. Därmed finns en del kritik mot proxyns validitet. Det första är att vi som tidigare diskuterat kring utskicket (se avsnitt 3.4.2) är att vi endast frågar respondenterna att säkerställa de mått vi frågar om. Vi leder in dem på området och söker åsikter kring redan utarbetade mått. Deras tankesätt kan således ramas in och därmed ge medhåll fast de under andra omständigheter skulle svarat annorlunda. Vi gav dem dock möjligheter att komma med egna idéer ifall de ansåg att det behövdes vilket vissa även gjorde och som ledde till modifikationer av måttet. Den andra kritiken är att måttet har en viss inneboende subjektivitet i och med att vi själva arbetat fram den, dock utifrån litteratur. Denna subjektivitet har vi försökt mildra 35

43 genom att ta fram flera olika proxies för att identifiera vilken som kan anses som mest representativ för centraliseringsgraden av finansiering. För att ge måtten validitet har de jämförts med hur pass uttalat centraliserade företagen är i deras respektive årsredovisningar för att säkerställa att de är på liknande nivåer. Vi tillfrågar även externa experter inom finansieringsområdet för att säkerställa måttet. Även dessa experter har en viss subjektivitet i och med delgivandet av sina egna åsikter och uppfattningar om hur de uppfattar världen, vilket ytterligare minskar objektiviteten i måttet. Dock bidrar dessa experter med validitet i måttet eftersom experterna har en erfarenhet som kan ge en mer rättvis jämförelse mellan måttet och verkligheten. På så vis kan experterna ge en legitim validitet till att måttet är en någorlunda approximation av verkligheten. Vi kunde även genomfört intervjuer med finanscheferna på de bolag som undersökts. Vi valde att inte genomföra detta på grund av att finanschefer vanligtvis har begränsat med tid samt att det skulle kräva stort arbete att arrangera dessa möten. Vilket även hade lett till ett lågt antal observationer till studiens tredje syfte. I brist av tid och resurser får det som gåtts igenom ovan utgöra en tillräcklig genomgång för att kunna gå vidare. 36

44 4 Teoretisk referensram I detta kapitel börjar vi med att definiera, belysa och diskutera de faktorer som påverkar företagets värde utifrån teorier om optimal kapitalstruktur, finansiella synergieffekter och centralisering som koncept. Dessa ska sedan ligga till grund för de hypoteser som vi vill testa för att svara på vår andra frågeställning. 4.1 Optimal kapitalstruktur Kunskapsområdet om kapitalstruktur är väl utforskat, trots det råder ingen konsensus bland forskare om hur kapitalstrukturen bäst kan förklaras. Myers (1984) menar på att den viktigaste teorin inom kunskapsområdet är Capital Structure Irrelevance Principle som utvecklades av Modigliani och Miller (1958), vilken har använts flitigt av många studier. Teorin menar på att kapitalstrukturen inte har betydelse för företagsvärdet i en perfekt marknad. Utifrån teorin får kapitalstrukturen dock betydelse för företagsvärdet när antagandet om att inga skatter existerar tas bort. Detta eftersom finansiering av skulder medför räntekostnader som karaktäriseras som avdragsgilla och således skapas en skattesköld (Modigliani & Miller, 1958). Utifrån denna teori har det sedan utvecklats flertalet andra teorier som försöker att förklara kapitalstrukturen samt dess betydelse för företagsvärdet. Stora teorier som har utvecklats från Modigliani och Miller (1958) är Tradeoff Theory och Pecking Order Theory. Tradeoff Theory menar på att det finns en optimal kapitalstruktur där avvägandet mellan aktiekapital och skulder görs med hänsyn till de respektive finansieringskällornas för- och nackdelar (Jensen & Meckling, 1976; Kraus & Litzenberger, 1973). Pecking Order Theory syftar snarare till att förklara kapitalstrukturen, vilket görs genom en rangordning av finansieringskällor utifrån företags preferenser (Myers & Majluf, 1984). Rangordningen följer av att interna medel föredras framför externa medel och bland externa medel föredras skulder framför aktiekapital. Det är således Tradeoff Theory av dessa två som menar på att det finns en optimal kapitalstruktur. Tradeoff Theory menar på att existensen av skatt och konkurspåföljder ger upphov till hävstångseffekter som kan höja företagsvärdet (Kraus & Litzenberger, 37

45 1973). Enligt Kraus och Litzenberger (1973) beror detta på att vid skatt ger finansiering av skulder upphov till en skattesköld till följd av att räntekostnader för skulder är avdragsgilla. Samtidigt medför finansiering av skulder att bindande låneavtal ingås om framtida utbetalningar (amortering och ränta). När bolag finansierar sig med allt större andel skulder medför detta en ökad risk för att inte kunna uppfylla betalningsvillkoren i avtalen. Då dessa utbetalningar är bindande tvingas bolag i konkurs vid otillräcklig förmåga att betala enligt avtal. Således ökar risken för konkurs vid en hög finansiering av skulder. Däremot är betalningar som är hänförliga till finansiering av aktiekapital (utdelning) inte bindande. Alltså innebär en omfördelning av kapitalstrukturen, där aktiekapital byts ut mot skulder, ytterligare en ökad risk för konkurs. Skatt och konkurspåföljder är således faktorer som gör att en perfekt marknad i enlighet med Capital Structure Irrelevance Principle inte längre är perfekt. (Kraus & Litzenberger, 1973) Den teoretiska modell Kraus & Litzenberger (1973) utvecklat för att beskriva hur Tradeoff Theory bestämmer företagsvärdet formuleras enligt följande formel: MV #$%$&$' = MV )*#$%$&$' + Tax rate MV '$45 1 Tax rate PV 49*:&);5<= <>?5 där, MV levered : Marknadsvärde på det belånade företaget. MV unlevered : Marknadsvärde på det obelånade företaget. Tax rate: Skattesatsen. MV debt : Marknadsvärdet på skulderna. PV bankruptcy cost : Nuvärdet av konkurskostnaden Detta innebär att det sker ett avvägande mellan de fördelar respektive nackdelar som medföljer från skulder (Kraus & Litzenberger, 1973). Utöver skattesköld och konkurskostnad har andra studier även tagit hänsyn till agentkostnaden från finansiering av skulder respektive aktiekapital (Jensen, 1986; Jensen & Meckling, 1976). Det finns både för- och nackdelar med att finansiera företag med skulder utifrån ett agentteoretiskt perspektiv. Fördelen med skulder är att managern (agenten) får en större andel av aktiekapitalet när aktiekapital byts ut mot skulderna, givet att managerns innehav i absoluta termer hålls konstant (Jensen & Meckling, 1976). Detta gör att managern får ta större del av de värdeskapande aktiviteterna denne genomför och skapar således mer 38

46 incitament hos managern att agera värdemaximerare å ägarnas vägnar (Jensen & Meckling, 1976). Dessutom medför en ökad finansiering av skulder ett mindre fritt kassaflöde för managern att utnyttja för egenintressen som inte är värdemaximerande för företaget (Jensen, 1986). Figur 4.1. Statisk tradeoff teori av kapitalstruktur (Myers, 1984). Den raka horisontella linje visar ett företag utan belåning. När företag sedan upptar lån får de den högre böjda linjen. Denna visar på att företagsvärdet ökar med högre belåning fram till punkten Optimum där kurvan avtar då kostnaderna och risken för konkurs överstiger fördelarna med skatteskölden. Nackdelen med finansiering av skulder ur ett agentteoretiskt perspektiv grundar sig i de incitament som föreligger hos ägarna att investera i suboptimala projekt till följd av en ökad finansiering med skulder. Effekten benämns som Asset Substitution Effect och innebär att ägare får ett större incitament att genomföra riskfyllda investeringar, till följd av det begränsade ansvaret. Detta skapar även incitament hos managern då en ökad finansiering av skulder ger managern ett större procentuellt aktieinnehav. Det ökade incitamentet till riskfyllda projekt beror på att risken kan förflyttas från ägarna till kreditgivarna för dessa projekt utan extra kostnad, givet att kreditgivarna inte förutspått detta ägarbeteende innan utbetalning av lån har skett. (Jensen & Meckling, 1976) 39

47 Alltså finns det kostnader förknippade med aktiekapital respektive skulder, där den optimala kapitalstrukturen utgörs av ett läge där den gemensamma kostnaden för dessa finansieringskällor är som lägst. Kraus och Litzenberger (1973) menar att kostnaden för aktiekapital är ägarnas avkastningskrav medan kostnaden för skulderna är den räntekostnad som är kopplad till lån. Dock ökar kostnaden för skulderna i takt med den ökade konkursrisken samtidigt som samma kostnad minskar i takt med den skattefördel som uppstår från finansiering av skulder (Kraus & Litzenberger, 1973). Således medför finansiering av aktiekapital en alternativkostnad i form av minskad skattefördel medan en finansiering av skulder medför en kostnad i form av ökad konkursrisk. Kraus & Litzenberger (1973) menar att den optimala kapitalstrukturen uppnås i den kapitalstruktur där den gemensamma genomsnittliga kostnaden (Weighted Average Cost of Capital) är som lägst. Jensen och Meckling (1976) menar däremot att avvägandet mellan aktiekapital och skulder snarare sker utifrån agentkostnaden hänförlig till respektive finanseringsmedel Finansiella synergieffekter Synergieffekter är den värdeförändring som sker vid sammanslagning av två enheter relativt summan av enheternas enskilda värden (Damodaran, 2012). Finansiella synergieffekter kommer i form av större kassaflöden eller lägre kapitalkostnad enligt Damodaran (2012). En av källorna till dessa finansiella synergieffekter grundar sig i att volatiliteten i kassaflöden kan sänkas vid sammanslagning av två bolag (Damodaran, 2012). Det sammanslagna företaget tillåts därmed att låna mer, alltså höjs skuldkapaciteten. Detta bekräftas även av den empiriska studie Minton och Schrand (1999) genomförde där de fann att ett jämnare kassaflöde leder till lägre finansieringskostnader. Detta medför i sin tur en större skuldkapacitet eftersom bolaget i fråga har råd med mer skulder, allt annat lika. Då räntekostnader stiger i takt med en ökad skuldsättning, givet att räntesatsen är den samma, kommer ett nyttjande av den ökade skuldkapaciteten medföra större räntekostnader. Dessa räntekostnader medför i sin tur större skattefördelar till följd av räntekostnaders avdragsgilla karaktär. Här identifierar vi alltså tre källor till värdeförändring; volatilitet i kassaflödena, skuldkapacitet samt skattefördelar. (Damodaran, 2012) 40

48 Vidare är finansiella synergieffekter även hänförliga till sammanslagningar av bolag med kompletterande egenskaper. Kompletteringen kan bestå av ett bolag med god likviditet och ett bolag med goda investeringsmöjligheter (Damodaran, 2012). Dessa kompletterande egenskaper föredrar alltså en sammanslagning i strävan efter värdeökning av företaget i fråga. Sammanslagning ger alltså möjlighet till en högre avkastning genom en bättre resursallokering som skapar finansiella synergieffekter. Nu kan alltså fyra källor till finansiella synergieffekter identifieras; volatiliteten i kassaflödena, skuldkapacitet, skattefördelar samt resursallokering. Dessa faktorer kan både skapa direkta finansiella synergieffekter eller påverka varandra som tidigare beskrivits vilket resulterar i finansiella synergieffekter i slutändan (Damodaran, 2012). Som tidigare nämnt uttrycker sig finansiella synergieffekter i större kassaflöden eller lägre kapitalkostnad (Damodaran, 2012). En lägre kapitalkostnad kan relateras till Tradeoff Theory eftersom en optimering av kapitalstrukturen minskar kapitalkostnaden (Kraus & Litzenberger, 1973). Även Leland (2007) grundar sina argument för finansiella synergieffekter vid sammanslagningar på Tradeoff Theory. Att källorna till finansiella synergieffekter kan minska kapitalkostnaden innebär att den optimala kapitalstrukturen förändras. En omstrukturering av kapitalstrukturen till det nya optimala läget kan således minska kapitalkostnaden ytterligare. Då finansiella synergieffekter även uttrycker sig i större kassaflöden, går detta hand i hand med kassaflödesvärdering, där företagsvärdet är beroende av förhållandet mellan förväntade framtida kassaflöden och kapitalkostnaden (Damodaran, 2012). Detta kan illustreras formellt i en enkel ekvation för det diskonterade kassaflödet: Företagsvärde = KF till företag 5 /(1 + WACC) 5 där, KF till företag et = Förväntat kassaflöde till företaget i period t WACC = Viktade genomsnittliga kostnaden av kapital Större framtida förväntade kassaflödena kan uppstå som resultat av tidigare nämnda källor till finansiella synergieffekter, till exempel bättre resursallokering eller skattefördelar. Större framtida förväntade kassaflöden och minskad kapitalkostnad höjer därmed värdet på företaget. Dessutom innebär de finansiella synergieffekterna att den 41

49 genomsnittliga kapitalkostnaden minskas (Damodaran, 2012), vilket förflyttar den optimala kapitalstrukturen. Således kan en omstrukturering av kapitalstrukturen leda till ytterligare värdeökning av företaget i fråga enligt kassaflödesvärderingen. Det förefaller dock inte alltid att finansiella synergieffekter uttrycker sig som positiva värdeförändringar, de kan även vara negativa (Leland, 2007). Separation kan alltså vara att föredra ur ett värdemaximerande perspektiv eftersom sammanslagning kan bidra med ett minskat värde relativt summan av de enskilda bolagens värde. Sarig (1985) menar att sammanslagning av företag innebär en förlust för företagens aktieägare i form av en dubbel uppsättning av begränsad ansvarighet. Det begränsade ansvaret innebär att en ägare inte blir ansvarig för bolagets betalningsskyldigheter utöver det kapital som de investerat i bolaget (Leland, 2007). Att äga kapital i två skilda bolag medför dubbelt begränsat ansvar eftersom ett av bolagen kan gå i konkurs utan att påverka ägarens kapital i det andra bolaget (Sarig, 1985). Skulle dessa bolag slås samman försvinner fördelen med det dubbla begränsade ansvaret för ägaren (Sarig, 1985). Detta innebär att när ett av bolagen går dåligt överförs medel från det välmående bolaget i koncernen för att uppfylla det sämre presterande bolagets betalningsskyldigheter. Ur ägarens perspektiv innebär detta att dennes dubbelt begränsade ansvar inte längre uppfyller sin funktion. Ägarens kapital minskar i det välmående bolaget i koncernen och används till att rädda det sämre presterande bolaget. Således står ägaren för mer än denne skulle gjort om bolagen varit åtskilda. Vid sammanslagningar avstår ägarna alltså från den dubbla uppsättningen av begränsad skyldighet i utbyte mot en enkel uppsättning som kan vara mindre värdefull (Sarig, 1985). Detta menar Leland (2007) är en av de negativa finansiella synergieffekterna som kan uppstå vid sammanslagning av två företag. Separation skapar även möjlighet till att optimera de enskilda bolagens kapitalstruktur (Leland, 2007). Detta är fördelaktigt när stora skillnader i risk och konkurskostnad föreligger mellan bolagen och förlusten av denna fördel är därför en negativ synergieffekt en sammanslagning enligt Leland (2007). 4.2 Centralisering Att ha en centraliserad eller en decentraliserad organisationsstruktur bestäms utifrån många olika faktorer som bringar både för- och nackdelar. Centralisering implicerar att beslutsfattandet är koncentrerat till en person eller grupp (King, 1983). Centralisering 42

50 och decentralisering handlar vanligtvis om konceptualiseringar som fokuserar på ett sorts avstånd, antingen fysiskt eller organisatoriskt (Gates & Egelhoff, 1986; King, 1983). Det kan till exempel vara att dotterbolaget är placerat långt ifrån huvudkontoret eller att flera formella steg existerar mellan golvet och den som fattar beslutet, det vill säga många steg i den organisatoriska hierarkin. När koncerner växer och blir större, geografiskt och organisatoriskt, ökar komplexiteten i företagsstrukturen vilket förstorar den administrativa bördan (Blau, 1970). Att exempelvis spåra och hantera kassaflödena på ett sätt som karaktäriseras som noggrant och tidsenligt försvåras (Struzenski, 2006). Koncerner behöver således avgöra hur de större volymerna av transaktionerna ska hanteras vid en viss punkt i tillväxten enligt Polak och Klusacek (2010) som också menar att centralisering av finansfunktionerna kommit att bli en lösning till detta. Centraliseringen ska effektivisera och skapa större transparens samt tillgång till information över organisationens breda geografiska och organisatoriska område (Polak & Klusacek, 2010). Vidare medför en centraliserad struktur även minskade kostnader och förbättrad riskhantering genom en bättre översikt över rörelsekapitalet samt en bättre överblick över koncernens likviditetspositioner (Struzenski, 2006). Exempelvis kan en central enhet ha full översikt över koncernens valutaexponering och genomföra nettning för att minska valutarisker och transaktionskostnader. Problem kan dock uppstå vid tillfällen då dotterbolagen har mer information om investeringsmöjligheter än den centrala enheten som leder till att koncernen går miste av dessa på grund av den ökade byråkratiseringen (King, 1983). Ser man det ur ett maktperspektiv, ger en centralisering större tyngd till de beslut som fattas eftersom enheten ges större befogenheter till att agera. Detta leder till att deras beslut genomförs i högre utsträckning. (Bolman & Deal, 2008) Detta får även stöd av Child (1973) som menar att när en enhet ges en tydlig och tillskriven roll minskar konflikterna inom en organisation på grund av ett överensstämmande beteende (conforming behaviour). Men även deras förhandlingsposition stärks eftersom de kan agera förhandlare åt exempelvis en hel organisation istället för endast en avdelning (Polak & Klusacek, 2010). Ur ett finansiellt perspektiv kan detta minska 43

51 räntekostnaderna avsevärt i en koncern där moderbolaget kontrollerar ett flertal dotterbolag. Detta eftersom moderbolaget kan förhandla åt samtliga bolag inom koncernen och därmed uppnå finansiella skalfördelar då det handlar om större affärsvolymer för kreditgivaren. Vidare argumenterar Billet och Mauer (2003) för att en central finansenhet kan bidra med bättre allokering av resurser på grund av deras fullständiga överblick av koncernens finansiella ställning. De menar även att dessa enheter kan identifiera delar av koncernen som har goda investeringsmöjligheter men dålig likviditet och andra delar som har dåliga investeringsmöjligheter men god likviditet. Enheten kan då effektivt matcha dessa genom att omfördela de likvida medlen som annars inte hade utnyttjats till den enhet som har goda investeringsmöjligheter och därmed bidra med värdeökning för koncernen (Billet & Mauer 2003; Gertner, Scharfstein & Stein, 1994; Matsusaka & Nanda, 1998). 4.3 Geografisk spridning Med utgångspunkt i ovan stycke gällande finansiella skalfördelar kan fördelarna med en centraliserad finansiering öka i takt med storleken på koncernen. Det finns dock vissa faktorer som påverkar vilken centraliseringsgrad av finansiering som är optimal, däribland geografisk spridning (Polak, Robertsson & Lind, 2011). Detta påpekas även av Polak och Klusacek (2010) som menar att koncerner med verksamhet i flera kontinenter kan leda till svårigheter med att endast ha en central finansenhet. Detta beror på skillnader mellan internationella finansiella marknader, svårigheter att förflytta medel över vissa landsgränser samt tidszonsskillnader (Polak, 2010). Vid en centraliserad finansiering innebär det att den centrala finansenhetens uppmärksamhet behöver inriktas på händelser över flera finansiella marknader. Uppgiften att ha en översikt över de finansiella marknader företaget är verksam i kan försvåras vid en hög geografisk spridning, till exempel över flera kontinenter. Även Mulligan (2001) menar på att finansiella funktioner som hantering av rörelsekapitalet försvåras till följd av olika finansiella miljöer som koncerner med verksamhet i flera länder omfattas av. Skillnad i tidszoner innebär också för ett globalt företag att den centrala finansenheten behöver arbeta dygnet runt för att ständigt vara uppdaterade från de finansiella marknaderna världen över (Polak, 2010). Detta innebär att användning av endast en finansenhet är 44

52 ineffektiv i dessa globala koncerner. De flesta multinationella företagen använder regionala finansenheter för att komma runt detta problem (Polak, 2010). Detta för att delvis fånga in fördelarna med en centraliserad finansiering samtidigt som viktiga händelser inte går obemärkt förbi till följd av skillnader i tidszoner (Polak, 2010). Således är skillnader i tidszoner en faktor som ligger bakom varför den geografiska spridningen kan påverka centraliseringsgraden av finansiering. Polak och Klusacek (2010) menar att detta är varför globala företag vanligtvis upprättar treasurybolag inom tre olika tidszoner; Europa, Amerika och Asien. Således innebär användandet av regionala finansenheter att koncernen i fråga har en lägre centraliseringsgrad relativt koncerner med endast en finansenhet. Dock har en sådan koncern en högre centraliseringsgrad än de koncerner som är helt decentraliserade där dotterbolagen sköter sin egen finansiering. 4.4 Utformning av hypoteser Den problemformulering som ska besvaras för studiens tredje syfte är om graden av central finansiering ökar värdet på koncerner. Till exempel kan en central enhet erbjuda tjänster och tillfredsställa finansiella behov till resterande bolag inom en koncern (Rommens et al, 2004). Dessa tjänster kan vara att identifiera företag inom koncernen som har goda investeringsmöjligheter men inte kan få tillräcklig extern finansiering, vid dessa tillfällen kan en central finansenhet agera långivare (Billet & Mauer, 2003). Detta innebär att det nödvändiga kapitalet kan tillgodoses genom att omfördela resurser från koncernbolag som har det omvända förhållandet, nämligen dåliga investeringsmöjligheter men god likviditet (Billet & Mauer, 2003). Detta kan likställas med det som diskuterats tidigare (se avsnitt 4.1.1) där Damodaran (2012) menar att sammanslagning av två enheter med dessa kompletterande egenskaper är en källa till finansiella synergieffekter genom resursallokering. Denna koordination av resurser mellan bolag i en koncern kan sannolikt genomföras effektivare med hjälp av central finansenhet på grund av dess övergripande perspektiv av hela koncernens finansiella ställning. Således kan synergieffekter uppnås även här eftersom fler lönsamma investeringar i koncernen som helhet kan genomföras. Den främsta teoretiska grunden till värdeökningen från en centraliserad finansiering är Tradeoff Theory, där företagsvärdet är som högst vid en viss kapitalstruktur (Kraus & 45

53 Litzenberger, 1973). Denna optimala kapitalstruktur uppnås genom att balansera aktiekapital och skulder utefter de för- och nackdelar de respektive medför på sätt som genererar den lägsta genomsnittliga kapitalkostnaden. Dessa för- och nackdelar består av skattefördelar och konkurskostnader som skulder medför (Kraus & Litzenberger, 1973) och av de agentkostnader som skulder och aktiekapital medför (Jensen & Meckling, 1976). Som nämndes i problemdiskussion är det möjligt att en central finansiering kan förändra den optimala kapitalstrukturen genom källorna till de finansiella synergieffekterna. Detta innebär att företagsvärdet skulle kunna höjas genom en omstrukturering av kapitalstrukturen till en ny optimal nivå. Tradeoff Theory har, som tidigare nämnts, empiriskt undersökts i flertal studier där teorin använts och testats ur olika vinklar och i olika områden för att förklara företagsbeteenden vid bestämmande av kapitalstruktur. Studier som Graham (1996) och Mackie-Mason (1990) har visat att företag med en hög marginalskatt har större sannolikhet att uppta lån för att minska marginalskatten med hjälp av skatteskölden. Shyam-Sunder och Myers (1999) testar däremot Tradeoff Theory mot Pecking Order Theory över en tidsserie mellan år där de finner stöd för båda teorierna. Deras resultat visar särskilt motstridiga slutsatser då Tradeoff Theory får statistiskt signifikant stöd även när finansieringen sker enligt Pecking Order Theory. Även Fama och French (2002) finner i sin studie - på företag mellan år statistiskt stöd för att företag justerar sin kapitalstruktur till en specifik nivå, dock i en alldeles för låg hastighet för att vara övertygande bevis att Tradeoff är dominant över Pecking Order. Vidare finner en senare studie på japanska bolag, av Zhang och Kanazaki (2007), stöd för Tradeoff Theory. De undersöker de fem förklarande faktorerna till kapitalstrukturen: lönsamhet, anläggningstillgångar, storlek, ej räntekostnadsrelaterad skattesköld och tillväxtmöjligheter. Samtliga riktningskoefficienter är i linje med Tradeoff Theory, förutom lönsamhet som visar ett negativt samband med skuldsättning, vilket innebär en motsättning. På grund av all forskning om kapitalstruktur har Graham och Leary (2011) gjort en övergripande studie där de tydliggör att Tradeoff Theory fått visst empiriskt stöd samtidigt som Pecking Order också får stöd. Därmed kan ingen ensam avgörande slutsats dras om företags kapitalstruktur eftersom båda teorierna får empiriskt stöd från flertal studier (Graham & Leary, 2011). 46

54 Givet att ägare vill maximera värdet på företaget borde Tradeoff Theory ha ett starkare stöd empiriskt. Det gemensamma för dessa studier är att ingen tagit hänsyn till centraliseringsgraden av finansiering vilket kan visa sig utgöra en viktig del i att förklara kapitalstrukturen. Följaktligen finns det möjlighet att inkludera centralisering i modeller vilket kan ge starkare empiriskt stöd för Tradeoff Theory än Pecking Order Theory. Således är det av relevans att undersöka Tradeoff Theory empiriskt. Utifrån Tradeoff Theory innebär en förflyttning från det optimala läget en värdeminskning, oavsett om förändringen är en ökning eller minskning av hävstången (skulder i förhållande till totala tillgångar). Detta innebär att det inte är ett linjärt förhållande mellan hävstång och företagsvärde (se figur 4.1). Sambandet mellan hävstång och företagsvärde ska snarare karaktäriseras som ett omvänt U-förhållande vilket illustreras tydligt i figur 4.1. Därmed formuleras följande hypotes: Hypotes 1: Hävstången har ett omvänt U-förhållande med företagsvärdet. Polak och Klusacek (2010) menar att en central finansiering skapar en större förmåga till en effektivare likviditetshantering. En förbättrad likviditetshanteringen innebär att kassabrist eller överflödig kassa kan undvikas samt att storleken på kassaflödena och dess riktning blir mer förutsägbara (Polak & Klusacek, 2010). Volatiliteten i kassaflödena kan således minskas av en centraliserad finansiering till följd av den förbättrade likviditetshanteringen. En minskad volatilitet i kassaflödet kan likställas som en av de källor till finansiella synergieffekter Damodaran (2012) beskriver. En minskad volatilitet implicerar en lägre risk vilket ger företag en större skuldkapacitet (Damodaran, 2012). Som nämndes i motiveringen till hypotes 1 kan en central finansenhet tillgodose koncernen med finansiella behov, exempelvis matcha investeringsmöjligheter med tillgängliga finansieringsmedel (Billet & Mauer, 2003). Ett annat exempel på de finansiella tjänsterna en central enhet kan tillgodose är att uppta lån till bättre villkor, vid rätt tidpunkt, åt resterande bolag inom koncernen (Polak & Klusacek, 2010). Genom att kunna leverera bättre lånevillkor i form av till exempel lägre låneränta borde storleken på lånen, som är möjliga att ta upp, öka inom koncernen. Således finns det ytterligare indikationer på att en centraliserad finansiering kan ge en stärkt 47

55 förhandlingsposition som ökar skuldkapaciteten, vilket är en källa till finansiella synergieffekter (Damodaran, 2012). En ökad skuldkapacitet kan alltså uppnås utifrån den minskade volatiliteten i kassaflödena (Damodaran, 2012) eller den centrala finansenhetens starkare förhandlingsposition som leder till fördelaktigare lånevillkor (Polak & Klusacek, 2010). Detta innebär att det finns indikationer på att företag som har en högre centraliseringsgrad av finansfunktionen innehar en större skuldkapacitet. En större skuldkapacitet leder i sin tur till en högre hävstång givet att företag strävar efter en optimal kapitalstruktur i enlighet med Tradeoff Theory. Detta eftersom det finns utrymme att optimera kapitalstrukturen genom högre belåning. Den andra hypotesen avser därför att undersöka om centraliseringsgraden av finansiering ökar hävstången utifrån ovan förda argument. Därmed formuleras följande hypotes: Hypotes 2: Centraliseringsgraden av finansiering ökar hävstången. Damodaran (2012) menar att finansiella synergieffekter uttrycker sig antingen i större kassaflöden eller lägre kapitalkostnad. Det föreligger därmed naturligt att undersöka om centraliserad finansiering kan öka företagsvärdet. Genom en sådan hypotes undersöks det om ett positivt samband föreligger, vilket inte nödvändigtvis innebär att den centraliserade finansieringen ökar företagsvärdet endast genom att påverka kapitalstrukturen. Värdeökningen kan även ske genom andra finansiella synergieffekter. Större kassaflöden kan uppnås med utgångspunkt i att en central finansiering ökar företagets effektivitet i hanteringen av sina likviditetspositioner (Polak & Klusacek, 2010). Denna förbättring leder bland annat till bättre kontroll över koncernens likviditet i helhet (Struzenski, 2006) men också effektivare styrning av kassaflöden (Polak & Klusacek, 2010). Således kan en central finansenhet hantera koncernens likviditetspositioner som medför att över- och underlikviditet minskas bland dotterbolagen. Dessa icke önskvärda likviditetspositioner kan annars orsaka att investeringsmöjligheter inte utnyttjas eftersom likviditeten inte är lokaliserad till samma plats som investeringsmöjligheten (Polak & Klusacek, 2010). Detta innebär att en centraliserad finansiering med större sannolikhet leder till koncerner kan ta vara på fler 48

56 investeringsmöjligheter, vilket genererar större kassaflöden och därmed ett högre värde på koncernen. Däremot finns det argument som talar för ett negativt samband mellan centraliserad finansiering och koncernens värde. Dessa argument grundar sig på de negativa synergieffekterna som kan uppstå vid sammanslagningar (Leland, 2007; Sarig, 1985). Dessa negativa synergieffekter består av förlorat dubbelt begränsat ansvar (double limited liability) för ägarna samt förlusten av fördelen med individuell optimering av kapitalstrukturen för bolagen (Leland, 2007; Sarig, 1985). Dock uppstår ingen förändring i det begränsade ansvaret vid centralisering, då ingen förändring sker i ägarstrukturen när det endast är en funktion inom koncernen som förändras. Fördelen med den individuella optimeringen av kapitalstrukturen hos de respektive bolagen kan förloras däremot när en koncern centraliserar sin finansiering. Detta kan förklaras utifrån konceptet att slå samman två skilda företag, vilket leder till att kapitalstrukturen optimeras utifrån koncernen snarare än individuellt utefter dotterbolagen (Leland, 2007). Avvägandet ligger mellan den diversifiering eller riskreducering som kan åstadkommas genom att slå samman två företag och fördelen med att optimera de enskilda företagens kapitalstruktur (Leland, 2007). Detta kan omkonceptualiseras till centralisering av finansiering snarare än sammanslagning av två skilda företag. Således handlar avvägandet om den riskreducering som kan åstadkommas med en central finansiering i kontrast till att låta dotterbolagen optimera sin kapitalstruktur individuellt. Riskreduceringen från en central finansiering kan härledas till de tidigare nämnda förbättrade lånevillkoren och den minskade volatiliteten i kassaflödena som en central enhet kan åstadkomma. Detta kan reflekteras i en lägre riskpremie kreditgivaren kräver för lånet. En lägre risk hos företaget medför i sin tur en ökad skuldkapacitet, vilket ökar företagsvärdet (Damodaran, 2012). En ökad skuldkapacitet som utnyttjas skapar skattefördelar till följd av ökade avdragsgilla räntekostnader (Damodaran, 2012). Skattefördelar kan även produceras vid en centraliserad finansiering i de koncerner där dotterbolag gör förluster. Detta kan ske genom att utnyttja förlusten i syfte att sänka skattekostnaden för koncernen i helhet. Även om förluster inte är önskvärt är det fördelaktigt att utnyttja och göra bästa av en dålig situation. Detta sker genom att flytta kostnader från dotterbolag som gör förlust till 49

57 de som gör vinst för att sänka det beskattningsbara resultatet. (Rommens et al, 2004). Enligt Huizinga, Laeven och Nicodeme (2008) kan skattefördelar även återfinnas i internationella koncerner till följd av att bolagsskatten skiljer sig mellan länder. Deras studie finner att multinationella bolag vanligtvis har högre hävstång i sin kapitalstruktur hos de dotterbolag som opererar i länder där bolagsskatten är högre. Detta innebär att räntan på de lån som placeras i dessa dotterbolag kommer kunna utnyttjas till att minska resultatet före skatt och således skapa en skattefördel. Denna skattefördel kommer minska hela koncernens skattekostnad jämfört med om lånen tagits upp i länder där bolagsskatten är lägre. Genom att implementera en central finansenhet kan en effektivisering uppnås i hanteringen av koncernbolagens förluster och skatteplaneringen avseende internationella skatteskillnader. Detta är till följd av en central finansenhet generar en förbättrad översikt av koncernen samt att enheten förmår att leverera effektiva finansieringstjänster (Polak & Klusacek, 2010; Rommens et al., 2004). Till följd av de motiverade finansiella synergieffekterna samt den effektivare hantering av skatteplanering och finansieringstjänster en central finansiering kan uppnå formuleras följande hypotes: Hypotes 3: Centraliseringsgraden av finansiering ökar företagsvärdet. Utifrån de förda resonemangen till hypotes tre tyder en centralisering på att interaktionen mellan hävstång och centralisering har en värdeökande effekt på företagsvärdet. Detta eftersom de större skattefördelar som kan uppnås utifrån en större skuldkapacitet samt den effektivare hanteringen av övergripande skatteplanering och finansieringstjänster som medkommer en central finansiering. Följaktligen förflyttar en centraliserad finansiering den optimala kapitalstrukturen till ett läge där hävstången är högre. Således kan en centraliserad finansiering ge möjlighet till en omstrukturering av kapitalstrukturen som genererar ett högre värde i enlighet med Tradeoff Theory. Därmed kan det finnas en värdeökande interaktionseffekt mellan hävstången och centraliseringsgraden av finansiering, vilket formulerar följande hypotes: Hypotes 4: Interaktionen mellan hävstång och centraliseringsgraden av finansiering ökar företagsvärdet. 50

58 Vidare kan centraliseringsgraden av finansiering påverkas av den geografiska spridningen (Polak, Robertson & Lind, 2011). Förklaringen ligger i de svårigheter som uppstår för den centrala finansenheten att hantera koncernens finansiering på en global nivå (Blau, 1970). Bland annat består dessa svårigheter av ett mer omfattande arbete av att hantera rörelsekapitalet i flera finansiella miljöer (Mulligan, 2001). Konceptet stöds även i praktiken enligt Polak och Klusacek (2010) som menar att det är vanligt för globala företag att etablera treasuryenheter i tre regionala områden; Europa, Amerika och Asien. Utifrån detta kan det finnas ett negativt samband mellan den geografiska spridningen över de tre regionala områdena, som Polak och Klusacek (2010) beskriver, och centraliseringsgraden av finansiering. Således är det relevant att även undersöka den geografiska spridningen och dess påverkan på centraliseringsgraden av finansiering, vilket formulerar den femte hypotesen enligt följande: Hypotes 5: Geografisk spridning minskar centraliseringsgraden av finansiering Sammanställning av hypoteser Hypotes 1: Hävstången har ett omvänt U-förhållande med företagsvärdet. Hypotes 2: Centraliseringsgraden av finansiering ökar hävstången. Hypotes 3: Centraliseringsgraden av finansiering ökar företagsvärdet. Hypotes 4: Interaktionen mellan hävstång och centraliseringsgraden av finansiering ökar företagsvärdet. Hypotes 5: Geografisk spridning minskar centraliseringsgraden av finansiering. 51

59 5 Empirisk metod för delsyfte 3 I detta kapitel presenteras undersökningsdesignen som ska uppfylla delsyfte 3. Kapitel 5 beskriver även urvalet för studien och vilka statistiska test som genomförts. En utförlig beskrivning av de mått som inkluderats i modellerna sker i operationaliseringen för att sedan presentera de grundläggande modellerna i en sammanfattning. Kapitlet avslutas med ett avsnitt som diskuterar hur studiens reliabilitet och validitet uppnås. 5.1 Undersökningsdesign Kvantitativa studier kan ta form av exempelvis longitudinell design, experimentell design eller tvärsnittsdesign (Bryman & Bell, 2005). Tvärsnittsdesign är passande för delsyfte 3 till följd av att vi vill fånga variationer bland företag som använder olika grader av centraliserad finansiering. Enligt Bryman och Bell (2005) ökar sannolikheten för variation markant med ett högre antal fall samt att man kan upptäcka sambandsmönster. Vi eftersträvar att upptäcka sådana sambandsmönster mellan centraliseringsgraden av finansiering och företagsvärdet, varför vi fann tvärsnittsdesign som en passande metod att uppnå delsyfte 3. Ett alternativ för tvärsnittsstudie hade varit en longitudinell studie. En sådan tidsseriedesign hade sannolikt inneburit en studie av ett mindre urval företag under flera år. Det hade dock uppstått svårigheter vid identifiering av företag som förändrar sin centraliseringsgrad av finansiering, vilket hade varit av intresse vid genomförandet av en longitudinell studie för delsyfte 3. Detta förklaras av att det är intressant att kartlägga de faktorer som har en påverkan på förändringar i en longitudinell studie (Bryman & Bell, 2005). Denna kartläggning hade fokuserat på de faktorer som påverkar centraliseringsgraden och hur det slutligen påverkar företagsvärdet. Detta tillvägagångssätt skulle drabba urvalets storlek, till följd av svårigheten och för det tidsomfattande arbetet med att identifiera de koncerner som går från en decentraliserad till en centraliserad finansiering, eller vice versa. Detta är till följd av att det sällan framgår tydligt från företagens hemsidor och årsredovisningar om centraliserad finansiering föreligger eller inte och detta skulle slutligen resultera i ett litet urval där resultatets generaliserbarhet drabbas. Den proxy vi tagit fram skulle underlätta denna 52

60 process avsevärt men då det fortfarande inte ligger inom denna studies tidsram och resurstillgångar att genomföra detta har en tvärsnittsstudie applicerats. 5.2 Studiens genomförande Informationsinsamlingen sker främst genom databasen ORBIS. Från denna databas har urvalet inhämtats (se avsnitt 5.2.1) samt de variabler som fanns tillgängliga i ORBIS, vilken är en databas med information om många företag på en global nivå. Vissa brister föreligger dock i denna databas då all information inte går att samla in - främst den centrala enhetens finansiella information - därför kompletteras detta med insamling från årsredovisningar och företagens egna hemsidor. Tidpunkten för insamling skedde i april år 2016 vilket innebar att alla årsredovisningar inte publicerats för år Detta ledde till att den tidpunkt som databasens information berör är för år 2014 eftersom denna information finns tillgänglig och kan användas för komplettering av data som saknas. I de fall företag hade brutet räkenskapsår användes årsredovisningen som faller närmast 31 december Till exempel används årsredovisningen för 2013/2014 när räkenskapsåret bryts i september medan årsredovisning för 2014/2015 används när räkenskapsåret bryts i april och juni Urval Som tidigare nämnts skulle denna studie kunna undersökas på flera marknader i världen, därför har en avgränsning gjorts för att hålla nere tidskraven och resurskostnaderna. Eftersom forskarna är bekanta med den svenska börsen, Stockholmsbörsen, har vi endast använt företag därifrån. För att skapa en god representation har vi valt att ta med alla bolag på Stockholmsbörsen som har data för 2014 i ORBIS. Dock måste de uppfylla ett visst antal kriterier då viss information behövs för att kunna genomföra våra tester med vår proxy samt de kontrollvariabler som valts (se avsnitt 5.4.2). Det första kriteriet är att företagen inte ska vara finansiella eftersom dessa företags skulder har en annorlunda struktur till följd av deras in- och utlåningsverksamhet och således kan ge missvisande värden på proxyn. Det andra kriteriet är att företagen ska ha räntebärande skulder i koncernen då vår proxy förutsätter detta för att mäta centraliseringsgraden. Om vi inkluderat företag utan räntebärande skulder som ändå varit centraliserad i sin finansiering - exempelvis central riskhantering och likviditetshantering - hade måttet uppvisat ett värde på noll som 53

61 egentligen borde visat ett högt värde. Ytterligare ett kriterium är att tillgång ska finnas till moderbolagets/centrala finansenhetens information i syfte att kunna mäta proxyn. Vid inhämtandet av urvalet via ORBIS blev antalet företag som uppfyllde dessa kriterier 163 stycken (se figur 5.1) Bortfallsanalys av datainsamlingen Vid datainsamlingen finns det risk för att viss data inte kan finnas och sådana bortfall kan snedvrida resultatet (Bryman & Bell, 2005). Urvalet som tagits fram via ORBIS resulterade i att antalet företag blev 163 stycken. Av dessa 163 bolag inkluderades två utländska bolag, men eftersom dessa bolag inte redovisar på likartat sätt som svenska bolag medför det att viss data inte finns med i deras årsredovisningar. Därmed har dessa två bolag exkluderats i urvalet. Vidare medförde urvalet sju bolag som inte hade räntebärande skulder i koncernen år 2014, därmed har även dessa bolag exkluderats. Ytterligare ett bolag har uteslutits på grund av att det inte är en koncern, vilket inte lyckades filtreras bort av ORBIS. Under datainsamlingen har även ett bolag funnits med negativt eget kapital i sin balansräkning. Till följd av att hävstången är en av de oberoende variablerna (se avsnitt ) i studien och därmed av stor tyngd, exkluderas detta bolag för att inte få ett negativt värde av hävstången. Ett negativt värde skulle nämligen innebära att hävstången är högre än 100 procent. Men då måttet för detta företag blir negativt skulle det leda till en icke kontinuerlig skala. Efter vi gjort dessa justeringar fick vi ett urval på 152 företag (se. tabell 5.1). Antal Summa Urval genererat från ORBIS Utländska bolag Koncerner som saknar räntebärande skulder Bolag som ej är koncern Bolag med negativt eget kapital Tabell 5.1. Bortfall av observationer. 54

62 5.3 Val av tester För att testa hypoteserna använde vi oss av univariata, bivariata och multivariata analystest. I de multivariata analyserna testas även modellernas robusthet för att uppvisa resultat som är korrekta. Om inte annat specificeras används en signifikansnivå på 0, Univariata analystest Den beroende och de oberoende variablerna presenteras med deskriptiv statistik för att presentera medelvärden, standardavvikelser samt variablernas min- och maximumvärden för att skapa en översikt över den insamlade data. Vid hypotestest för de multivariata analyserna har minsta kvadratmetoden (OLS), ordinary least squares, använts (se utförligare i avsnitt 5.3.3). Ett vanligt antagande för OLS är att den beroende variabeln skall vara normalfördelad. Detta är ett önskvärt karaktärsdrag på grund av det leder till att riktningskoefficienternas uppskattningar bättre kan relateras till deras sanna värde (Gujarati & Porter, 2009). Därför har vi även genomfört test för normalfördelning. Eftersom vår data består av 152 observationer, har vi använt Shapiro- Wilk s generella test för att se om de beroende variablerna är normalfördelade. Detta test används på urval med 3 till 2000 observationer (Royston, 1992). Testets nollhypotes är att normalfördelning existerar. Vilket betyder att när testet är signifikant förkastas noll hypotesen och variabeln är inte normalfördelad. Detta leder således till att det är normalfördelat om testet inte är signifikant, det vill säga över vår signifikansnivå på 0,05. Studien syftar främst till att finna ett samband mellan företagsvärde och centraliseringsgraden av finansiering, vilket innebär att större tyngd ligger på de bivariata och multivariata analystesten Bivariata analystest En bivariat analys handlar om att analysera hur två variabler är relaterade till varandra (Bryman & Bell, 2005). Således har de genomförts i syfte att identifiera hur de respektive variablerna förehåller sig till varandra. Detta möjliggör förbättringar av de modeller som utformats för att testa hypoteserna i de multivariata analystesten. Dessa analyser kan dock inte medföra att några slutsatser kan dras gällande orsak och effekt mellan variablerna, utan snarare tecken på vilket sorts samband som föreligger mellan de olika variablernas variationer (Bryman & Bell, 2005). 55

63 Då variablerna i studien karaktäriseras både som kvot- och dikotoma variabler har rekommenderade korrelationstest använts för de olika variabeltyperna utifrån Bryman och Bell (2005). Korrelationer kvotvariabler sinsemellan mäts enligt Pearsons korrelationstest medan korrelationen mellan dikotom- och kvotvariabel mäts enligt Spearmans rho (Bryman & Bell, 2005). Dock kräver användandet av Pearsons korrelationstest att sambandet mellan variablerna som testas är linjärt (Bryman & Bell, 2005). Detta kan testas genom att göra ett spridningsdiagram för variablerna och dessa ska i stort sett ligga på en linje för att sambandet ska tendera till att vara linjärt. Således har ett spridningsdiagram uppförts innan korrelationstesterna mellan de respektive oberoende variablerna och den beroende variabeln för att identifiera att sambanden tenderar att vara linjära mellan variablerna. Spearmans rho kan användas vid korrelationstest av icke linjära samband (Zou, Tuncali & Silverman, 2003), Spearmans rho har därav använts vid föreliggande av ett icke linjärt förhållande utifrån spridningsdiagrammen Multivariata analystest För att finna samband mellan beroende och oberoende variabler kommer en multipel linjär regressionsanalys genomföras där hänsyn även tas till ett antal kontrollvariabler (se avsnitt 5.4.2). En av de mest använda metoder för regressionsanalys är minsta kvadratrotsmetoden (OLS), ordinary least squares, på grund av dess enkelhet samt dess önskvärda statistiska karaktärsdrag (Gujarati & Porter, 2009). Ekvationen för den multipla regressionen illustreras formellt: Yi = β S + β T X TV + β W X WV β * X *V + u V där, Y i : Beroende variabel β X : Riktningskoefficient för variabel X X i : Oberoende variabel för observation i u i : Felterm för observation i n: Antal förklarande variabler Robusthetstest För att säkerställa att de resultat och de modeller som används inte är missvisande har test för multikollinearitet, heteroskedasticitet och utelämnade av förklarande variabler 56

64 genomförts. Är någon av dessa förestående kan det leda till resultat som inte är korrekta vilket ökar sannolikheten för att acceptera en falsk hypotes, det vill säga begå ett Typ IIfel (Gujarati & Porter, 2009) Heteroskedasticitet Heteroskedasticitet betyder att feltermen u i inte har en konstant varians för varje observation (Gujarati & Porter, 2009). Är feltermen konstant föreligger homoskedasticitet, vilket är ett av antagandena för att OLS ska kunna göra en korrekt uppskattning av de koefficienter med lägst kvadratrot. Om heteroskedasticitet föreligger, det vill säga varianserna i feltermen skiljer sig, och detta inte åtgärdas kan varje slutsats eller slutledning som dras att vara missvisande. Vi har valt att genomföra två test för heteroskedasticitet: Breusch-Pagan/Cook-Weisberg test och White s generella test. Det första testet fångar in linjär heteroskedasticitet (se figur 5.1C nedan), det vill säga variansen ökar/sjunker när den beroende variabeln ökar/sjunker och antar en normalfördelning (Gujarati & Porter, 2009). White s generella test för heteroskedasticitet används som komplement till Breusch-Pagan/Cook-Weisberg på grund av att feltermens varians kan vara formad som en kon, det vill säga icke-linjärt (se figur 5.3). Noll hypotesen för de båda testerna är att homoskedasticitet råder vilket betyder att om testen är signifikanta föreligger heteroskedasticitet (Gujarati & Porter, 2009). A B C Figur 5.1. Graf A visar när homoskedasticitet föreligger medan graf B visar icke linjär heteroskedasticitet och graf C visar när linjär heteroskedasticitet råder. Multikollinearitet Multikollinearitet föreligger när två eller fler oberoende variabler i en regression har en perfekt eller hög linjär relation (Gujarati & Porter, 2009). Detta betyder att dessa variabler har liknande eller exakt samma påverkan på den beroende variabeln och kan 57

65 leda till missvisande resultat. Till exempel kan koefficienternas riktning vara åt fel och ej signifikanta om multikollinearitet föreligger. För att upptäcka detta genomfördes VIF-test, (Variance Inflation Factor). I en modell utan multikollinearitet blir VIF-värdet 1 mellan de oberoende variablerna. Desto högre värde ju mer tyder det på multikollinearitet i modellen. Den tumregeln som vanligtvis används, och även i denna studie, är ett gränsvärde på VIF = 10 (Gujarati & Porter, 2009). Specifikationstest För att säkerställa att modellerna är korrekt specificerade genomfördes alternativa regressioner där oberoende variabler och kontrollvariabler tas in och ut i modellerna för att identifiera skillnader som bäst förklarar den beroende variabeln. Punkter att belysa vid sådana analyser är effekten de har på regressionsmodellen, det vill säga passformen och variablernas riktningskoefficienter. Detta är även en vanlig metod för att lösa multikollinearitet och heteroskedasticitet. (Gujarati & Porter, 2009). Gujarati och Porter (2009) menar att Ramsey s RESET-test är ett enkelt och generellt test som indikerar om någon variabel inte inkluderats som borde varit med. Den testar noll hypotesen att inga variabler har uteslutits, vilken förkastas om testet har en statistisk signifikans. Ramsey s RESET-test används således för att säkerställa att modellerna inte är felaktigt specificerade. 5.4 Operationalisering Beroende och oberoende variabler Detta avsnitt har slagits samman då ett par variabler utgör både beroende och oberoende i olika hypoteser. För att tydliggöra när variablerna utgör beroende eller oberoende ges en förklaring i tillhörande stycke. Detta sammanställs sedan tydligare i tabell 5.2 (se avsnitt ) Företagsvärde I H1, H3 och H4 avses centraliseringsgraden av finansiering, hävstången samt en interaktion av dessa ha en påverkan på företagsvärdet (TOBINSQ). Således utgör företagsvärde den beroende variabeln för dessa hypoteser. Mätningen av företagsvärdet approximeras genom Tobins Q, likt Yermack (1996), Allayannis & Weston (2001), El- Sayed Ebaid (2009) och Jankensgård (2015). Definitionen av måttet är förhållandet 58

66 mellan värdet på företagets fysiska tillgångar och dess ersättningskostnad (Tobin, 1969). Måttet är definierat som bokförda skulder plus marknadsvärdet av det egna kapitalet i förhållande till bokförda värdet av totala tillgångar. En mer praktisk approximation av måttet är marknadsvärdet av aktiekapitalet tillsammans med det bokförda värdet av skulderna i förhållande till det bokförda värdet av totala tillgångar (Chung och Pruitt, 1994). Detta mått kan således tyda på undervärdering eller övervärdering eftersom ett Tobins Q med ett värde under 1 innebär att marknadsvärdet av företagets aktiekapital är lägre än kostnaden för att ersätta företagets tillgångar och vice versa. Genom att använda Tobins Q standardiseras värdet på företagen i urvalet på så vis att företag av olika storlekar blir jämförbara. Således behöver inte storlek kontrolleras för i den mån att större företag per automatik har större värde än mindre företag, dock kontrolleras det för storleken i andra syften (se avsnitt ). Vidare används den naturliga logaritmen av Tobins Q i syfte att göra urvalet mer normalfördelat, likt Jankensgård (2015). Detta innebär att värdena på skalan trycks ihop så att skillnader i absoluta värden högre upp på skalan får mindre betydelse än samma skillnader i absoluta värden lägre ner på skalan. Mer utförligt har samma absoluta värdeökning större betydelse för mindre företag än större företag, vilket den naturliga logaritmen justerar för. Ekvationen för vårt mått av företagsvärde är: där, MCAP: marknadskapitalisering D Book : bokfört värde skulder TA: totala tillgångar TOBINSQ = ln MCAP + D c>>: TA Hävstång I H1 och H4 utgör hävstången (LEV) den oberoende variabeln som ska testas mot företagsvärdet. I H2 utgör hävstången snarare den beroende variabeln där centraliseringsgraden av finansiering ska testas som oberoende. För att mäta hävstången tas utgångspunkt i tidigare studier som testat Tradeoff Theory (se Fama och French, 2002; Shyam-Sunder, 1999; Zhang och Kanazaki, 2007). De använder skulder i förhållande till totala tillgångar som mått på hävstången. I H1 är hävstången tänkt att 59

67 påverka företagsvärdet enligt Tradeoff Theory, där skattefördelarna med skulder ökar företagsvärdet. För att dessa skattefördelar ska uppstå krävs det att skulderna är räntebärande eftersom det är den avdragsgilla räntekostnaden som skapar skatteskölden. I H2 är centraliseringsgraden av finansiering tänkt att påverka skuldkapaciteten. I motiveringen till H2 kan det utläsas att skuldkapaciteten avser externa räntebärande skulder från kreditinstitut eftersom centraliseringen ska leda till minskad risk, vilket ger en lägre låneränta. Dessutom ska en centraliserad finansiering ge en starkare förhandlingsposition gentemot kreditgivarna, vilket ökar skuldkapaciteten i de externa räntebärande skulderna. Utifrån detta är det passande att använda de räntebärande skulderna i förhållande till totala tillgångar för att mäta hävstången. Utifrån Tradeoff Theory och förhållandet som visualiseras i figur 4.1 är det inget linjärt förhållande mellan ett företags hävstång och dess företagsvärde. Detta på grund av att värdet ökar i takt med högre belåning i och med skatteskölden till en punkt där värdet är maximerat. Fortsätter företaget att belåna sig efter denna punkt minskar värdet igen på grund av att nackdelarna med kostnaderna för risken av konkurs blir större än fördelarna från skatteskölden. På grund av detta omvända U-förhållande som ska testas i H1 och H4 måste variabeln kvadreras för att möjliggöra en funktion som kan påvisa ett sådant samband. Således används även en kvadrerad hävstång (LEVSQ) som oberoende variabel i H1 och H4. LEV = D TA där, D: skulder TA: totala tillgångar LEVSQ = LEV Graden av central finansiering I H2, H3 och H4 utgör centraliseringsgraden av finansiering (PROXY) den oberoende variabeln medan den i H5 utgör beroende variabeln. För att mäta denna centraliseringsgraden används den proxy som arbetats fram i kapitel 3 och formuleras enligt följande: 60

68 där, D c : central enhets räntebärande skulder D k : koncernens räntebärande skulder R c : central enhets omsättning R k : koncernens omsättning PROXY = D g D h (1 R g R h ) Interaktionsvariabel I H4 är centraliseringsgraden av finansiering tänkt att tillsammans med kapitalstrukturen (INTER) påverka företagsvärdet. Denna gemensamma påverkan på företagsvärdet innebär att det sannolikt föreligger en interaktion mellan centraliseringsgraden av finansiering och kapitalstrukturen. Vid en föreliggande interaktion kan detta testas genom att slå ihop variablerna till en interaktionsvariabel (Helbæk, 2014). Således kopplas dessa två oberoende variabler samman till en interaktionsvariabel. Denna interaktionsvariabel tillsammans med de ursprungliga variablerna (PROXY & LEVSQ) i en regression möjliggör således identifiering av interaktionens effekt samt de individuella variablernas samband med företagsvärde. Den oberoende interaktionsvariabeln formuleras enligt följande: INTER = PROXY LEVSQ Interaktionsvariabeln utgör således en intervallvariabel eftersom det är två procentsatser som multipliceras med varandra och därmed befinner sig måttet på en skala mellan 0 och Geografisk spridning I hypotes 5 avses den geografiska spridningen (GEOS) testas mot centraliseringsgraden av finansiering. Således utgör den geografiska spridningen den oberoende variabeln för hypotes 5. Denna hypotes motiveras dels utifrån Polak och Klusacek (2010) som menar på att det finns tre tidszoner som treasuryenheter vanligtvis delas in i: Amerika, Europa och Asien. Eftersom det är spridningen över dessa tidszoner som ska påverka centraliseringsgraden av finansiering enligt H5, är det passande att mäta hur pass 61

69 spridda företagen är mellan dessa områden. Således används Herfindahl-index, är ett koncentrationsmått, som baseras på intäkterna som genereras utifrån de respektive tidszonerna. Detta reflekterar då spridningen av försäljningen för varje område, vilket ska indikera på hur spridd verksamheten är över tidszonerna. Indexet utgör därmed en intervallvariabel med ett värde mellan 0 och 1. Ett högt värde på indexet reflekterar en låg spridning av verksamheten och ett lågt värde reflekterar en hög spridning över tidszonerna. GEOS = R jk$&v:9 R l>59# T + R m)&>;9 R l>59# T + R j?v$* R l>59# T + R Ö%&Vo5 R l>59# T där, R: Omsättning per område Kontrollvariabler Då det finns stor sannolikhet att andra faktorer påverkar de beroende variablerna än de oberoende variablerna behöver ett antal kontrollvariabler inkluderas modellerna. Jankensgård (2015) testar centraliseringen av en finansfunktion mot företagsvärdet därför hämtas en del kontrollvariabler från Jankensgård (2015) som i sin tur hänvisar till Allayannis och Weston (2001) för mer detaljerade beskrivningar. Dock undersöker Jankensgård (2015) centraliseringsgraden av riskhantering, vilket gör att alla kontrollvariabler i den studien inte är nödvändiga eller fördelaktiga för denna studie. Detta beror på att riskhantering endast är en av finansfunktionerna som dessutom befinner sig i den första fasen av centralisering enligt Polak och Klusacek (2010). Vidare menar Allayannis och Weston (2001) att det finns ett antal faktorer som vanligtvis används för att förklara Tobins Q och hänvisar vidare till Morck och Yeung (1991), Lang och Stulz (1994), Servaes (1996) och Yermack (1996). Således används även dessa studier för att identifiera relevanta kontrollvariabler för att testa om centraliseringsgraden av finansiering kan påverka företagsvärdet. Studier som testat Tradeoff Theory har även använts för att finna ytterligare relevanta kontrollvariabler för H1 och H2 (se Fama & French, 2002; Frank & Goyal, 2003; Graham, 1996; Mackie- Mason, 1990; Shyam-Sunder & Myers, 1999; Zhang & Kanazaki, 2007). Dessa studier 62

70 har testat både hävstångens effekt på företagsvärde men även testat de förklarande faktorerna till hävstången. Således används dessa studier för att finna relevanta kontrollvariabler mot företagsvärde, men också mot hävstången Storlek Företags storlek (SIZE) är en faktor som har stark påverkan på företagsvärdet i och med att företag av större art per automatik har ett större värde. Således behöver storleken kontrolleras för i de hypoteser där företagsvärde utgör den beroende variabeln (H1, H3 och H4). En första kontroll för storlek sker genom att Tobins Q används som approximation för företagsvärdet. Men då studier påvisat att storleken på företag är positivt korrelerat med lönsamheten (Allayannis & Weston, 2001), genom till exempel skalfördelar, behöver storleken inkluderas som en kontrollvariabel. Jankensgård (2015) mäter storleken genom den naturlig logaritm av totala tillgångar, vilket möjliggör hantering av en snedfördelad population. Storleken på företag kan även ha betydelse i H2 där hävstången utgör den beroende variabeln. Zhang och Kanazaki (2007) menar att storlek och hävstång är positivt korrelerade, som hänförs till tre förklaringar. Den första förklaringen menar att stora företag har en högre hävstång till följd av att skalfördelar ger en lägre lånekostnad. Den andra förklaringen menar att stora företag har lägre risk för konkurs till följd av att stora företag med större sannolikhet har mer diversifierade finansieringskällor. Den sista förklaringen menar på att större företag är stabilare i sina aktiviteter relativt mindre företag, vilket ger en högre hävstång för dessa stora företag. Även Frank och Goyal (2003) menar att hävstången är positivt korrelerat med storleken på företaget, där storleken mäts som den naturliga logaritmen av omsättningen. Zhang och Kanazaki (2007) använder däremot den naturliga logaritmen av marknadsvärdet som mått på storleken. I denna studie används den naturliga logaritmen på marknadsvärdet. där, MCAP: marknadskapitalisering SIZE = ln (MCAP) 63

71 Lönsamhet Ett företagsvärde är även nära kopplat till dess lönsamhet (ROA) (Allayannis & Weston, 2001; Jankensgård, 2015). De kontrollerar för lönsamhet genom variabeln nettoresultat i förhållande till totala tillgångar. Men detta skiljer sig dock från hur denna studie behöver kontrollera för lönsamhet. I H1, H3 och H4 undersöks nämligen hävstången, centraliseringsgraden av finansiering och interaktionsvariabelns samband med företagsvärdet. Den teoretiska modellen som ligger till grund för dessa hypoteser menar att värdeförändringen kan ske genom en förändring i kapitalstrukturen. Detta innebär att det är främst poster i resultaträkningen som faller in efter rörelseresultatet som förändras till följd av en förändrad kapitalstruktur eller centraliseringsgrad av finansiering. Posterna efter rörelseresultatet i resultaträkningen är därmed värdeförändrade i detta sammanhang, till exempel räntekostnader, skattekostnader och utdelning. Därför kontrolleras det endast för lönsamhet i form av rörelseresultat (EBIT) som sätts i förhållande till totala tillgångar (TA), likt Jankensgård (2015). Detta sorterar bort sådana förbättringar i lönsamheten som sker på grund av andra faktorer än en central finansiering. För att förhindra att insamlingen av data ska innehålla extrema mått på lönsamheten till följd av enskilda års extremvärden används ett genomsnitt över de tre senaste åren (2012, 2013 och 2014). Således inkluderas kontrollvariabeln rörelseresultat/totala tillgångar som utgörs av en intervallvariabel då möjligheten finns att måttet blir negativt. Lönsamheten har även betydelse för hur kapitalstrukturen utformas (Frank & Goyal, 2003). Detta innebär att lönsamheten även behöver kontrolleras för i H2 där hävstången utgör den beroende variabeln. Tradeoff Theory föreslår att företag med högre lönsamhet tenderar att ha en högre hävstång. Detta förklaras med de skattefördelar som en finansiering av skulder medför. Således finns det en större benägenhet i företag med höga resultat att öka sin skuldsättning för att få högre skattefördelar (Zhang & Kanazaki, 2007). De agentkostnader som är förknippade med finansiering av aktiekapital kan minskas genom en ökad hävstång (Jensen, 1986). Då agentkostnaderna stiger i takt med resultatet kan en ökad skuldsättning minska agentproblemet och således föreslår agentteorin att företag med hög lönsamhet har en högre hävstång (Zhang & Kanazaki, 2007). Det tidigare motiverade måttet för lönsamhet ligger även i 64

72 linje med Zhang och Kanazaki (2007) som också använder rörelseresultat i förhållande till totala tillgångar vid test av Tradeoff Theory. Även Frank och Goyal (2003) använder rörelseresultat i förhållande till totala tillgångar som mått på lönsamhet vid test av företags hävstång. Således mäts den genomsnittliga lönsamheten som en intervallvariabel, det rörelseresultat (EBIT) i förhållande till totala tillgångar (TA). ROA = där, EBIT: Rörelseresultat per år TA: Totala tillgångar per år EBIT TqSr TA TqSr + EBIT TqSW TA TqSW + EBIT TqST TA TqST / Tillväxt Företagsvärdet kan påverkas av den historiska tillväxten (HG), vilket gör att faktorn får betydelse för H1, H3 och H4. Chadha och Sharma (2015) testar kapitalstrukturens påverkan på företags prestanda mätt i Tobins Q. I studien används den historiska tillväxten mätt som procentuell förändring i intäkter som en kontrollvariabel. Chadha och Sharma (2015) förklarar detta i att en hög tillväxt i intäkterna medför en ökad lönsamhet för företaget i fråga. Då denna tvärsnittsstudie endast undersöker ett år, kan det bli missvisande att använda samma års tillväxt i intäkter eftersom det kan vara ett extrem år för företag i sin tillväxt. Således används en intervallvariabel som definieras som genomsnittet av tillväxten i intäkterna under 2012, 2013 och 2014 som en kontrollvariabel för företagsvärdet. Vidare är förväntade tillväxtmöjligheter (GO) en faktor som påverkar företagsvärdet vilket gör att även de har betydelse för H1, H3, H4. Detta är en faktor som Jankensgård (2015) finner vara en viktig beståndsdel och kontrollerade därmed för den förväntade tillväxten genom att använda capital expenditure (CAPEX). Detta mått mäter engångskostnader för investeringar som kommer generera fördelar längre fram i tiden än kostnader som upprepar sig, exempelvis inköpskostnader. Därför kan CAPEX vara en indikation på förväntad tillväxt. Denna proxy mäter Allayannis & Weston (2001), Servaes (1996) och Yermack (1996) som CAPEX i förhållande till omsättning. En alternativ proxy för förväntad tillväxt är kostnader för forskning och utveckling (FoU) 65

73 (Allayannis & Weston, 2001). Fama och French (1998) som undersöker hävstångens effekt på företagsvärdet kontroller även för FoU genom variabeln FoU-kostnader i förhållande till totala tillgångar. Vid tester har båda alternativen använts och proxyn för förväntad tillväxt genom FoU-kostnader visar sig förklara företagsvärdet bättre samt minska heteroskedasticiteten. Således används FoU-kostnader i förhållande till totala tillgångar som mått på den förväntade tillväxten. Tillväxtmöjligheter har även betydelse för H2 då kapitalstrukturen kan påverkas från tillväxtmöjligheterna. Zhang och Kanazaki (2007) menar att Tradeoff Theory förutspår ett negativt samband mellan tillväxtmöjligheter och hävstång. Detta förklaras av att en stark tillväxt vanligtvis går hand i hand med en hög risk för konkurs som i sin tur sänker hävstången (Zhang & Kanazaki, 2007). Hävstången sänks eftersom företaget i fråga inte kan få lika stora lån vid en högre risk. Det negativa sambandet förklaras även utifrån agentkostnaden av skulder, där företag med hög hävstång sannolikt inte genomför lönsamma investeringsmöjligheter (Myers, 1977). Att dessa investeringsmöjligheter inte genomförs förklaras med att aktieägarna står för risken och kostnaden med investeringarna medan största delen av vinsten går till kreditgivarna (Zhang & Kanazaki, 2007). Detta för att räntekostnaderna blir så pass höga vid en hög hävstång att större andelen av vinsten går till att betala räntekostnader, relativt utdelning till aktieägarna. där, R: förändring i omsättning mellan år HG = ΔR TqSrvTqSW + ΔR TqSWvTqST /2 där, R&D: forskning och utvecklingskostnader TA: totala tillgångar GO = R&D TA 66

74 Agentkostnad H1, H3 och H4 grundar sig i att värdeökning sker genom en förändring i kapitalstrukturen utifrån Tradeoff Theory i enlighet med Kraus och Litzenbergs (1973) modell. Den tradeoff eller avvägning som görs i modellen är mellan skulders skattefördelar och konkurskostnad. Därutöver finns det en avvägning i kapitalstrukturen mellan agentkostnaden som är hänförlig till skulder respektive aktiekapital (se avsnitt 4.1). Att ta hänsyn till agentkostnaderna grundar sig på Jensen och Meckling (1976) som menar att en principal-agent-relation existerar i ett företag på grund av separation mellan ägande och kontroll. Detta skapar agentkostnader vilket innebär att vd:n (agenten) kan agera opportunistiskt i egenintresse vilket sker på bekostnad av aktieägarna (principalen) och således minskar värdet på företaget ur ett aktieägarperspektiv. För att identifiera hur värdeförändringen sker utav en centraliserad finansiering inkluderas även en kontrollvariabel för agentkostnaden. Det finns olika sätt att hantera det opportunistiska beteendet hos vd:n genom att skapa incitament hos denne för att agera i enlighet med ägarnas intressen. Vanligtvis tilldelas vd:n aktier i företaget vilket gör att de värdeförstörande aktiviteter vd:n genomför drabbar även vd:ns förmögenhet och detta skapar därför incitament för denne att agera i ägarnas intressen (Jensen & Meckling, 1976). Därför inkluderar vi i likhet med Jankensgård (2015) en kontroll för detta genom en kvotvariabel som definieras som antalet aktier ägda av vd:n och finansdirektören sammanlagt i förhållande till det totala antalet aktier. där, Shares: aktier per innehavare AGENCY = Shares outstanding: totalt antal utestående aktier Shares gmz + Shares g{z Shares outstanding Storägare Storägare (BLOCK) definieras som en ägare som inte ingår i företagsledningen men vars ägande uppgår till minst 10 procent av bolaget aktiekapital. Existensen av sådana 67

75 ägare kan ha en påverkan på företagsvärdet, vilket gör den faktorn betydande vid H1, H3 och H4. Blockägare utför en starkare övervakning över företagsledningen i jämförelse med andra ägare (Shleifer & Vishny, 1986) vilket innebär att en ägarbild som inkluderar storägare sannolikt har högre företagsvärde. Dock finner Jankensgård (2015) vid inkludering av denna kontrollvariabel att den har ett negativt signifikant samband med företagsvärde bland svenska listade bolag. Detta förklaras med den intressekonflikt som kan uppstå mellan majoritets- och minoritetsägare vilket minskar företagsvärdet (Jankensgård, 2015). Storägare kan ha en effekt på företagsvärdet bland svenska bolag till följd av det starka kontrollägandet i Sverige (Högfeldt, 2005). Därmed inkluderas även denna kontrollvariabeln till H1, H3 och H4 då urvalet består av svenska bolag. Kontrolleringen görs i enlighet med Jankensgård (2015) som kontrollerar för storägare genom att ta det sammanlagda antal aktier storägare innehar i förhållande till totala antalet aktier, vilket utgör en kvotvariabel. där, BLOCK = Shares Block : aktier ägda av storägare Shares outstanding: totalt antal utestående aktier Shares c#><: Shares outstanding Tillgång till kapitalmarknaden Servaes (1996) och Allayannis & Weston (2001) argumenterar för att ett företags tillgång till kapitalmarknaden (DIV) påverkar företagsvärdet. Detta grundar sig i att en begränsad tillgång till extern finansiering leder till att företag endast investerar i de projekt som genererar det högsta nettonuvärdet och deras Tobins Q förblir därmed höga (Allayannis & Weston, 2001). En större tillgång till externt kapital kommer däremot innebära att fler projekt antas, även om deras nettonuvärde inte är lika höga, vilket sänker dessa företags Tobins Q (Allayannis & Weston, 2001; Servaes, 1996). Detta behöver därför kontrolleras för i H1, H3 och H4 där företagsvärdet utgör den beroende variabeln. Dock behöver hänsyn tas till att en centraliserad finansiering enligt den teoretiska modellen kan öka skuldkapaciteten som i sig innebär en större tillgång till externt kapital. Men genom att kontrollera för tillgång till kapitalmarknaden i enlighet 68

76 med det tillvägagångssätt som Servaes (1996) och Allayannis & Weston (2001) gör, berörs inte skuldkapaciteten. Således approximeras företags tillgång till kapitalmarknaden genom en dikotom variabel som tar värdet 1 om utdelning gjordes för Allayannis och Weston (2001) och Servaes (1996) menar att ett företag som ger utdelning till sina ägare inte är begränsade i sin tillgång till finansieringsmedel, då de enkelt kan minska utdelningen för att genomföra projekt, vilket också innebär att de har ett lägre Tobins Q Diversifiering Det finns studier som påvisar att diversifiering (DIVERS) ökar företagsvärdet och samtidigt finns det andra studier som påvisar det motsatta, att diversifiering minskar företagsvärdet (Allayannis & Weston, 2001). Jankensgård (2015) menar att diversifiering över flera industrier ökar svårigheten med hanteringen av företaget men också större agentproblem med managers som vill öka företagets storlek. Vidare menar Lang & Stulz (1994) att diversifiering minskar företagsvärdet eftersom företag som väljer att diversifiera sig är sämre i sitt presterande i jämförelse med de mindre diversifierade företagen. Detta innebär att diversifiering får betydelse för H1, H3 och H4 där företagsvärdet utgör den beroende variabeln. Således kontrolleras det för diversifieringen genom en dikotom variabel som får värde 1 om företaget i fråga opererar i mer än ett segment, precis som i Allayannis & Weston (2001) och Jankensgård (2015). För att mäta antal segment som företagen är verksamma i används en segmentsindelning enligt skalan NAICS 2014 Secondary Code Geografisk diversifiering Morck och Yeung (1991) finner ett positivt samband mellan multinationalitet och företagsvärde vilket gör att den geografiska diversifieringen (GEOD) kan ha betydelse för H1, H3 och H4. En större geografisk spridning innebär att företag kan utnyttja komparativa fördelar över fler marknader vilket gör att de internationella företagen får konkurrenskraft gentemot de lokala företagen (Jankensgård, 2015). Dessutom innebär en större geografisk spridning att företagets ägare får en mer diversifierad portfölj per automatik, vilket kan anses som värdeökande av marknadsvärdet på företaget. Den geografiska diversifieringen kan därmed öka företagsvärdet, vilket även styrks av Errunza och Senbet (1981), Kim och Lyn (1986) och Martinez (2002). Således 69

77 kontrolleras det för den geografiska spridningen genom att inkludera en kvotvariabel som definieras som den utländska försäljningen i förhållande till total försäljning, likt Jankensgård (2015). där, R Foreign : utländsk försäljning R Total : total försäljning GEOD = R {>&$Vo* R l>59# Bransch Värderingen av företag i form av Tobins Q kan även variera med hänsyn till vilken bransch företaget i fråga opererar i (Allayannis & Weston, 2001). Bransch utgör således en betydelsefull faktor i H1, H3 och H4. För att kontrollera för branschskillnader används i likhet med Jankensgård (2015) en dikotom variabel för varje bransch. Men till följd av begränsad tillgång till det klassifikationssystem Jankensgård (2015) använder (Global Industry Classification Standard), används snarare det system som finns tillgängligt via ORBIS, nämligen NAICS (North American Industry Classification System) Anläggningstillgångar Anläggningstillgångar (TANG) kan påverka hävstången, vilket gör att den faktorn får betydelse för H2 där hävstången utgör den beroende variabeln. Frank och Goyal (2003) samt Zhang och Kanazaki (2007) menar på att företag vars tillgångar till stor del består av anläggningstillgångar leder till högre hävstång. Detta förklaras med de större lånen som kreditgivare är villiga att ge företag med stor andel anläggningstillgångar. Dessa tillgångar kan nämligen ställas som säkerhet vid lån och kreditgivaren får även en mindre risk för att värde överförs från företagets kreditgivare till aktieägare. Denna värdeöverföring beskriver Jensen och Meckling (1976) som agentkostnaden med skulder. Agentkostnaden uppstår till följd av det incitament managers har att investera i projekt med hög risk efter de har fått lån, vilket gör att kreditgivaren inte får betalt för den risk det lånade kapitalet egentligen används till. Detta innebär att värde överförs från kreditgivare till aktieägarna eftersom ägarna får ta del av den ökade vinsten från projektet medan det är kreditgivaren som står för den ökade risken utan att få betalt för 70

78 den. Denna agentkostnad menar Zhang och Kanazaki (2007) minskar när andelen anläggningstillgångar av totala tillgångar ökar, då dessa inte lika enkelt om omsättningstillgångar kan bytas ut från säkra till riskfyllda tillgångar. Även Frank och Goyal (2003) använder anläggningstillgångar i förhållande till totala tillgångar vid test av hävstång. Således används även denna kvotvariabel som kontrollvariabel för H2. där, A Tang : anläggningstillgångar TA: totala tillgångar TANG = A l9*o TA Ej räntekostnadsrelaterad skattesköld Tradeoff Theory menar på att fördelarna med finansiering av skulder är de skattefördelar som uppstår till följd av den avdragsgilla räntekostnaden. Således är incitamentet för finansiering av skulder enligt Tradeoff Theory hänförligt till dessa skattefördelar. Det finns även skattefördelar som inte är hänförliga till skulder, vilka benämns i denna studie till ej räntekostnadsrelaterad skattesköld (NDTS), på engelska Non-Debt Tax Shields (DeAngelo & Masulis, 1980). Zhang och Kanazaki (2007) menar att desto större NDTS desto mindre behov av skulder har företaget i syfte att höja sina skattefördelar. Detta stöds även av Mackie-Mason (1990) och Graham (1996) som empiriskt funnit att företag med hög marginalskatt leder till en större sannolikhet att öka skuldsättningen i syfte att minska marginalskatten. NDTS minskar denna marginalskatt och således även benägenheten till att öka skuldsättningen i syfte att skapa större skattefördelar. Detta innebär att det är ett negativt samband mellan NDTS och hävstång. Därmed inkluderas NDTS som kontrollvariabel för H2, där NDTS mäts som en kvotvariabel i form av avskrivningar i förhållande till totala tillgångar, likt Zhang och Kanazaki (2007). där, Depreciation: avskrivningar TA: totala tillgångar NDTS = Depreciation TA 71

79 5.4.3 Sammanfattning av operationalisering Grundmodeller Hypotes 1 Hypotes 2 Hypotes 3 Hypotes 4 Hypotes 5 Beroende TOBINSQ LEV TOBINSQ TOBINSQ PROXY Oberoende LEVSQ ( ) PROXY (+) PROXY (+) INTER (+/ ) GEOS (+) PROXY (+) LEVSQ ( ) Kontroll SIZE (+) SIZE (+) SIZE (+) SIZE (+) SIZE (+) ROA (+) ROA (+) ROA (+) ROA (+) GO (+) GO (+) GO (+) GO (+) HG (+) HG (+) HG (+) AGENCY (+) AGENCY (+) AGENCY (+) BLOCK (+) BLOCK (+) BLOCK (+) DIV (+) DIV (+) DIV (+) DIVERS ( ) DIVERS ( ) DIVERS ( ) GEOD (+) GEOD (+) GEOD (+) BRANSCH BRANSCH BRANSCH BRANSCH TANG (+) NDTS ( ) Tabell 5.2. Sammanfattad operationalisering. De förväntade riktningssambanden för respektive förklarande variabel presenteras inom parentes. 5.5 Metodkritik Vid en kvantitativ studie finns det två mått som har betydelse för att undersökningen har genomförts på ett tillförlitligt och korrekt sätt, dessa är reliabilitet och validitet. Således diskuteras dessa två mått för att beskriva hur studien uppfyller reliabilitet och validitet. 72

80 5.5.1 Reliabilitet För att studien ska uppfylla reliabilitet ska samma resultat uppnås om studien upprepas, studien ska alltså vara pålitlig (Bryman & Bell, 2005). För göra detta i denna studie har operationaliseringen beskrivits ingående, vilket tydliggör hur variablerna mäts i studien. Vidare har en insamlingsmall uppförts där beskrivning görs av vilken data som har samlats in från vilken källa (se bilaga 8). Detta eftersom all data inte är tillgänglig från databasen ORBIS, vilket gör att komplettering av datainsamlingen krävs från årsredovisningar. Detta ökar reliabiliteten för studien eftersom det möjliggör för andra individer att samla in exakt samma data som denna studie använt, som sedan kan generera samma resultat som uppnås i studien Validitet Validitet handlar om vad som kan anses giltigt, det vill säga att den undersökningen vi genomfört har mätt det som avsetts att mätas (Bryman & Bell, 2005). Den data som samlats in är från källorna ORBIS och företagens respektive årsredovisningar. Primärt samlas data in från ORBIS, vilken sedan kontrolleras genom stickprov mot företagens årsredovisningar. Det visade sig att måtten på ett antal variabler inte stämde överens mellan ORBIS och årsredovisningar. Dessa variabler samlades vid dessa tillfällen in från årsredovisningar för att skapa högre validitet (se bilaga 8). Årsredovisningar är nämligen offentligt material som granskas av revisorer vilket leder till en sannolikt hög tillförlitlighet av den information som publicerats. Hur vi sedan använder denna data till att beräkna våra variabler påverkar validiteten, varför vi har underbyggt vår operationalisering utifrån tidigare studier och teorier i syfte att uppnå hög validitet. 73

81 6 Empiriska resultat I detta kapitel redovisas de statistiska resultaten från de tester som genomförts för hypoteserna. Kapitlet är uppdelat efter vilka test som genomförts och presenteras i följande ordning: univariata, bivariata och multivariata test. Avslutande delen av kapitlet består i en sammanfattning av resultaten. 6.1 Univariata tester Variabel Obs W V z Prob>z TOBINSQ 152 0, ,740 2,287 0,01110 Tabell 6.1. Shapiro-Wilk test för normalfördelning. Prob>z visar signifikansnivån, vilken indikerar på en icke normalfördelad variabel vid signifikans. Vid test av normalfördelning genom ett Shapiro-Wilk test visade sig företagsvärde (TOBINSQ) inte vara normalfördelat. Detta eftersom sannolikheten för testets z-nivå befinner sig inom signifikansområdet 0,05 vilket betyder att man kan förkasta noll hypotesen i testet, det vill säga att variabeln är inte normalfördelad. En vanlig metod för att skapa normalfördelning är att omvandla variabeln med den naturliga logaritmen, men då TOBINSQ redan är i denna form sökte vi efter extremvärden för att sedan gör om Shapiro-Wilk testet efter exkludering av extremvärdena. Variabel Obs W V z Prob>z TOBINSQ 148 0, ,156 0,329 0,37096 Tabell 6.2. Shapiro-Wilk test för normalfördelning. Prob>z visar signifikansnivån, vilken indikerar på en icke normalfördelad variabel vid signifikans. I variabeln företagsvärde visade det sig finnas fyra extremvärden. Vid exkludering av dessa extremvärden visade resultaten från Shapiro-Wilk test att företagsvärde nu är normalfördelat på signifikansnivå 0,05 (0,37). Således kommer dessa fyra extremvärden att exkluderas från vidare regressionsanalyser där företagsvärde utgör den beroende variabeln. 74

82 Vidare genomfördes även normalfördelningstest för hävstången (LEV) och centraliseringsgraden av finansiering (PROXY) då dessa även utgör beroende variabler i H2 respektive H5. Båda variablerna visade sig vara icke normalfördelade enligt Shapiro-Wilk test. För att försöka få variablerna normalfördelade har vi använt oss av tre metoder; 1) att göra om variabeln genom att ta den naturliga logaritmen av den, 2) exkludering av extremvärden och 3) Winsorizing (Motulsky & Christopoulos, 2004; Ghosh & Vogt, 2012). Ingen av dessa metoder ledde till att LEV och PROXY blev normalfördelade. Vi går dock vidare med att analysera dessa på grund av att urvalet har ett tillräckligt stort antal observationer, det vill säga större än 30 (Hair, 2010). I tabell 6.3 presenteras samtliga variablers medelvärden, standardavvikelse samt deras minimum- och maximumvärden. Variablerna används i sina ursprungliga former för de deskriptiva testerna. Detta innebär att företagsvärde och storlek, som egentligen används i sin naturliga logaritm, återställts till sina icke logaritmerade former. Företagsvärdet åter således till Tobins Q (NTOBINSQ) och storlek till marknadskapitalisering (NSIZE) i den univariata analysen. Detta möjliggör en tydligare beskrivning av hur den insamlade data ser ut eftersom den ursprungliga formen är mer lättförståelig än de logaritmerade och kvadrerade värdena. Medelvärdet för företagsvärde (NTOBINSQ) är 1,52 vilket innebär att det genomsnittliga företaget i urvalet har en värdering där marknadsvärdet av aktiekapitalet överstiger det bokförda värdet. Vidare visar centraliseringsgraden av finansiering (PROXY) ett medelvärde på 46,42 procent. Detta betyder att det genomsnittliga företaget i urvalet har mindre än hälften av sina räntebärande skulder koncentrerat till sin centrala finansenhet. Hävstången (LEV) har ett medelvärde på 0,26 i urvalet, vilket innebär att det genomsnittliga företaget har 26 procent räntebärande skulder i förhållande till det totala kapitalet. Interaktionen PROXY och LEV skapar INTER vars medelvärde är 12,4, vilket i stort sett är ett resultat av att multiplicera medelvärdena för PROXY och LEV. 75

83 Variabel Obs Mean Std. Dev. Min Max NTOBINSQ 152 1, , , , PROXY , , LEV 152 0, , , , INTER , , ,84322 NSIZE 152 1,10e+07 2,52e ,83e+08 ROA 152 1, , , ,12821 GO 152 1, , ,66716 HG , , , ,2689 AGENCY 152 4, , ,22396 BLOCK , , ,6 DIV 152 0, , DIVERS 152 0, , GEOD , , GEOS 152 0, , , TANG 152 0, , , , NDTS 152 0, , , , Tabell 6.3. Deskriptiv statistik för samtliga variablers medelvärden, standardavvikelse samt min- och maximumvärden. Bland kontrollvariablerna visar tabell 6.3 att det genomsnittliga företaget har en genomsnittlig storlek (NSIZE) på 11 miljarder kronor i marknadskapitalisering. Urvalet består av företag med storlekar inom ett stort intervall, det minsta företaget har en storlek på endast 5 miljoner kronor medan det största har en storlek på 183 miljarder kronor. Lönsamheten ligger i genomsnitt på 1,53 procent bland företagen i urvalet, mätt i rörelseresultat i förhållande till totala tillgångar. Även här finns det ett brett spann av företag med olika lönsamheter. Urvalet inkluderar företag med negativ lönsamhet, den lägsta lönsamheten ligger på -98,25 procent. Dessa företag med låg lönsamhet är 76

84 vanligtvis de som är listade på First North, där bolag tenderar att vara mindre och befinna sig i tillväxtfasen (Nasdaq, 2016). Förväntad tillväxt (GO) ligger i genomsnitt på 1,26 procent mätt i kostnader för forskning och utveckling i förhållande till totala tillgångar. Den historiska tillväxten (HG) mätt som genomsnittlig förändring av omsättning för 2014, 2013 och 2012 ligger i genomsnitt på 12,83 procent för företagen i urvalet. Detta spann är brett där den lägsta tillväxten ligger på -70,09 procent och den högsta ligger på 384,27 procent. Detta breda spann finns till följd av tidigare beskrivning av att bolag från olika börslistor inkluderats. First North karaktäriseras som snabbväxande bolag, vilket förklarar de höga måtten på tillväxt. Agentkostnaden (AGENCY) ligger i genomsnitt på 4,03 procent, vilket innebär att det genomsnittliga företaget i urvalet har 4 procent av sina aktier ägda av vd och finansdirektör. Storägare (BLOCK) äger i genomsnitt 37,61 procent av aktierna i företagen. Denna höga siffra skulle kunna hänföras till den svenska modellen som beskriver det starka kontrollägandet Sverige karaktäriseras av (Högfeldt, 2005). Tillgång till kapitalmarknaden (DIV) ligger i genomsnitt på 0,69, vilket innebär att 69 procent av företagen i urvalet gav utdelning till sina aktieägare under Diversifiering (DIVERS) ligger i genomsnitt på 0,1 som implicerar att 10 procent av företagen i urvalet är diversifierade över två eller fler industrier. Vidare visade den univariata analysen att det genomsnittliga företaget i urvalet har en utländsk försäljning i förhållande till total försäljning på 51,65 procent. Den geografiska spridningen i urvalet har ett genomsnitt på 0,77, vilket är en relativ låg spridning då mätning görs enligt ett Herfindahl index i ett spann mellan 0 till 1. Anläggningstillgångar (TANG) ligger i genomsnitt på 0,59 vilket betyder att det genomsnittliga företaget i urvalet har tillgångar som till 59 procent karaktäriseras som anläggningstillgångar. Det genomsnittliga företaget i urvalet har slutligen ej räntekostnadsrelaterad skattesköld på 0,05, vilket implicerar avskrivningar och nedskrivningar på 5 procent av de totala tillgångarna. 77

85 6.2 Bivariata tester TOBINSQ 1 TOBINSQ PROXY LEV PROXY 0,091 1 LEV *** 0,047 1 LEVSQ *** 0,015 0,959*** INTER -0,030 0,743*** 0,534*** SIZE 0,304*** 0,362*** 0,098 ROA 0,053 0,262*** 0,042 GO 0,2936*** -0,0257-0,089 HG 0,031-0,021 0,213*** AGENCY -0,062-0,017 0,146* BLOCK -0,074-0,048 0,132 GEOS a -0,024*** -0,227*** 0,101 TANG -0,311*** 0,133 0,513*** NDTS -0,042-0,027-0,083 GEOD b 0,377*** 0,285*** -0,210*** DIV b 0,211*** 0,282*** 0,063 Tabell 6.4. Korrelationer mellan de beroende variablerna och de förklarande variablerna. *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Där a betecknar att GEOS korrelation med PROXY testades med Spearmans rho. Där b betecknar användning av Spearmans rho mot samtliga variabler. Se bilaga 9 för hela korrelationsmatrisen. I den bivariata analysen finns det en signifikant negativ korrelation mellan företagsvärde (TOBINSQ) och hävstång (LEV) samt kvadrerad hävstång (LEVSQ). Den negativa korrelationen med LEVSQ indikerar på ett omvänt U-förhållande mellan företagsvärde och hävstång, till följd av att hävstången är kvadrerad, vilket ligger i linje med H1. Centraliseringsgraden av finansiering (PROXY) har en positiv korrelation till företagsvärdet. Detta hade gett stöd för H3 men eftersom signifikans i korrelationen inte 78

86 föreligger ges inte stöd för H3. Interaktionsvariabeln har en negativ korrelation till företagsvärdet, dock är korrelationen inte signifikant vilket innebär att stöd inte ges till H4. Vidare har även storlek (SIZE), förväntad tillväxt (GO) och geografisk diversifiering (GEOD) signifikanta positiva korrelationer till företagsvärdet. Således ligger även dessa variabler i linje med förväntad riktning på korrelationen. Den geografiska spridningen (GEOS) har däremot en signifikant negativ korrelation till företagsvärdet. Då ett lågt värde på GEOS implicerar en hög geografisk spridning ligger även denna riktning på korrelationen i linje med förväntad riktning. Den bivariata analysen visar att storlek (SIZE) och lönsamhet (ROA) har signifikanta korrelationer till centraliseringsgraden av finansiering, vilket indikerar på att mer centraliserade företag är större och lönsammare. Vidare har geografisk diversifiering (GEOD) en positiv, och den geografiska spridningen (GEOS), en negativ signifikant korrelation till centraliseringsgraden av finansieringen. Detta indikerar egentligen på samma förhållanden, då lägre mått på GEOS betyder en högre geografisk spridning. Således antyder detta att mer internationella företag centraliserar sin finansiering i större utsträckning än mindre internationella företag. Detta ligger i motsats till vad som beskrivs i H5, där företag vars verksamhet är spridd över de olika tidszonerna förväntas ha en lägre centraliseringsgrad av sin finansiering, relativt företag med verksamhet i en av de tre tidszonerna. I de spridningsdiagram som gjordes visade inte GEOS och PROXY upp något linjärt samband, på grund av detta testades korrelationen genom ett Spearmans rho för att testa korrelationen (Zou, Tuncali & Silverman, 2003). Hävstången har inte en signifikant korrelation till centraliseringsgraden av finansiering (PROXY) som förutspåddes i H2. Hävstången har en positiv signifikant korrelation till historisk tillväxt (HG). Detta indikerar på att företag som har haft en stark tillväxt mellan 2012 och 2014 har en balansomslutning som innefattar större andel räntebärande skulder. Vidare har även anläggningstillgångar (TANG) en positiv signifikant korrelation till hävstången, vilket ligger i linje med förväntad riktning på korrelationen. Det visar på att företag med hög hävstång även tenderar att ha en högre andel anläggningstillgångar i förhållande till totala tillgångar. Den geografiska diversifieringen (GEOD) har dock en negativ signifikant korrelation till hävstången. 79

87 Detta indikerar på att företag som har stor andel utländsk försäljning har också en lägre andel räntebärande skulder i sin balansomslutning. 6.3 Multivariata tester Hypotes 1 Hypotes 1 Modell 1 Modell 2 Beroende TOBINSQ TOBINSQ Oberoende LEVSQ -0,715 (0,037)** Kontroll SIZE 0,04 (0,042)** ROA -0,003 (0,263) GO 0,019 (0,008)*** HG 0,002 (0,021)** LEVSQ -0,7184 (0,028)** SIZE 0,042 (0,017)** ROA -0,003 (0,264) GO 0,019 (0,006)*** HG 0,002 (0,027)** AGENCY -0,002 (0,567) BLOCK 0,001 (0,574) DIV 0,218 (0,013)** DIV 0,211 (0,015)** DIVERS 0,032 (0,743) GEOD 0,0004 (0,697) R 2 41,75 % 41,31 % Adjusted R 2 30,39 % 32,07 % Tabell 6.5. Tabellen beskriver resultaten från regression 1 där företagsvärdet (TOBINSQ) utgör den beroende variabeln. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess 80

88 signifikansnivå inom parentes, där *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 3 för sammanställning av tester. I regression 1 testas hävstången (LEVSQ) mot företagsvärdet (TOBINSQ). Modellen är signifikant på 0,001 nivån då sannolikheten för F-värdet är lågt (0,000) (se bilaga 3). Resultaten av hypotes 1, modell 1, visar att sambandet mellan hävstången och företagsvärdet är negativt. Det negativa sambandet är signifikant inom vår signifikansnivå på 0,05. Till följd av att hävstången är kvadrerad implicerar det negativa sambandet (-0,715) ett omvänt U-förhållande mellan hävstång och företagsvärde. Detta ger således stöd till H1 och Tradeoff Theory. Kontrollvariablerna storlek (SIZE), historisk tillväxt (HG) och tillgång till kapitalmarknaden (DIV) har signifikanta samband med företagsvärdet på 0,05 nivå. Förväntad tillväxt (GO) har däremot ett signifikant samband med företagsvärde på signifikansnivån 0,01. R 2 för modell 1 är 41,75 procent och adjusted R 2 är 30,39 procent. Vidare tester har genomförts där varje variabel enskilt exkluderats systematiskt för att identifiera skillnader i resultaten. Först identifierades fyra kontrollvariabler som har höga p-värden (över 0,5). Dessa är agentkostnad (AGENCY), storägare (BLOCK), diversifiering (DIVERS) och geografisk diversifiering (GEOD). Vid exkludering av dessa fyra kontrollvariabler stiger förklaringsgraden till 32,07 procent, vilket presenteras i modell 2 (se tabell 6.5). Detta innebär en ökning i förklaringsgraden på 1,68 procentenheter från modell 1. I tabell 6.5 kan även utläsas att när justeringar görs i modellen förblir de förklarande variablernas riktningskoefficienter och signifikans på liknande värden. Sedan testades regressionen där den oberoende variabeln exkluderades, för att sedan jämföra förklaringsgraden. På så vis är det möjligt att identifiera den tillförda förklaringsgraden som kommer från den oberoende variabeln. I denna regression bidrar LEVSQ med 2,1 procentenheter till adjusted R 2, då förklaringsgraden gick från 29,97 procent till 32,07 procent. Robusthetstesten visar att varken modell 1 eller modell 2 har några tecken på heteroskedasticitet enligt Breusch- Pagan/Cook-Weisbergs eller White s generella test. VIF-tester uppvisar ej heller någon multikollinearitet och Ramsey s RESET test är inte signifikant, vilket indikerar att ingen felspecificering av modellen har gjorts. (se bilaga 3) 81

89 I regressionerna inkluderades även branscher, där tillverkningsföretag (MANUFACTURING) utgör referensbransch. Resultatet av modell 2 visar att gruvbolag (MINING) har ett signifikant lägre företagsvärde än tillverkningsföretag. Även fastighetsbolag (REALESTATE) har ett signifikant lägre företagsvärde än tillverkningsföretag, dock högre än gruvbolag. Grosshandelsföretag (WHOLESALETRADE) har däremot ett signifikant högre företagsvärde än tillverkningsföretag. (se bilaga 3) Sammantaget uppvisar testerna att hypotes 1 kan accepteras Hypotes 2 Hypotes 2 Modell 1 Modell 2 Beroende LEV LEV Oberoende PROXY 0,0002 (0,594) PROXY 0,00009 (0,782) Kontroll SIZE -0,008 (0,26) ROA 0,0004 (0,651) TANG 0,312 (0,000)*** TANG 0,286 (0,000)*** NDTS -0,128 (0,499) R 2 39,19 % 38,40 % Adjusted R 2 30,44 % 31,10 % Tabell 6.6. Tabellen beskriver resultaten från regression 2 där hävstången (LEV) utgör den beroende variabeln. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess signifikans inom parentes, *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 4 för sammanställning av tester. 82

90 För hypotes 2 testas centraliseringsgraden (PROXY) mot hävstången (LEV). I modell 1 genomförs den grundläggande regressionen med samtliga förklarande variabler, vilket resulterar i en förklaringsgrad på 30,44 procent. Modellen är signifikant på 0,01 nivån då sannolikheten för F-värdet är lågt (0,000) (se bilaga 4). Resultatet från modell 1 visar även att centraliseringsgraden av finansiering har ett positivt men svagt samband med hävstången då riktningskoefficienten är nära noll (0,0002). Sambandet mellan centraliseringsgraden av finansiering och hävstång är ej heller signifikant. Detta gör att vi inte kan acceptera hypotes 2 med modell 1. Bland kontrollvariablerna har anläggningstillgångar (TANG) ett positivt signifikant samband med hävstången på 0,01-nivån. Detta betyder att företag med högre andel anläggningstillgångar i förhållande till totala tillgångar har en högre hävstång. I modell 2 uppnås den högsta möjliga adjusted R 2 efter exkludering av storlek (SIZE), lönsamhet (ROA) och ej räntekostnadsrelaterad skattesköld (NDTS). Detta leder till en ökning i förklaringsgraden med 0,66 procentenheter vilket resulterar i en adjusted R 2 på 31,1 procent. Samma regression där centraliseringsgraden av finansiering exkluderas ger en förklaringsgrad på 31,57 procent (se bilaga 4). Detta innebär att centraliseringsgraden av finansiering minskar förklaringsgraden i modell 2 med 0,47 procentenheter. Centraliseringsgraden av finansiering får ett svagare samband (0,00009) med hävstången i modell 2 relativt modell 1, sambandet är fortfarande icke signifikant. Detta leder till att hypotes 2 inte kan accepteras med varken modell 1 eller 2. Anläggningstillgångar (TANG) har ett signifikant positivt samband med hävstången inom en signifikansnivå på 0,01, dock är koefficienten något lägre relativt modell 1. Vidare är även modell 2 signifikant på 0,001 nivån då sannolikheten för F-värdet är lågt (0,000) (se bilaga 4). I denna regression inkluderas även branscher för att utläsa eventuella branschskillnader. Resultatet av modell 2 visade att endast fastighetsbolag (REALESTATE) har en signifikant högre hävstång än referensbranschen tillverkningsföretag (MANUFACTURING) (se bilaga 4). Robusthetstesten visar att ingen heteroskedasticitet, multikollinearitet eller utelämnade av variabler föreligger varken i modell 1 eller modell 2 (se bilaga 4). Då skillnader på företag kan föreligga vid en hög och låg centraliseringsgrad har observationerna även delats in i två grupper. Företagen i grupp 1 har en låg 83

91 centraliseringsgrad under medianen på 48,58 procent och de i grupp 2 har hög centraliseringsgrad över medianen. Dessa tester visade inga förändrade resultat för hypotes 2 och redovisas därför inte här Hypotes 3 Hypotes 3 Modell 1 Modell 2 Beroende TOBINSQ TOBINSQ Oberoende PROXY -0,001 (0,289) Kontroll SIZE 0,042 (0,04)** PROXY -0,001 (0,305) SIZE 0,036 (0,056)* ROA -0,002 (0,376) GO 0,019 (0,01)*** HG 0,002 (0,039)** GO 0,02 (0,005)*** HG 0,001 (0,076)* AGENCY -0,002 (0,512) BLOCK 0,0003 (0,802) DIV 0,213 (0,017)** DIV 0,183 (0,027)** DIVERS 0,035 (0,731) GEOD 0,001 (0,316) GEOD 0,001 (0,31) R 2 40,19 % 39,49 % Adjusted R 2 28,52 % 29,96 % Tabell 6.7. Tabellen beskriver resultaten från regression 3 där företagsvärdet (TOBINSQ) utgör den beroende variabeln. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess 84

92 signifikans inom parentes, *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 5 för sammanställning av tester. I hypotes 3 testas centraliseringsgraden av finansiering (PROXY) mot företagsvärdet (TOBINSQ). Modellen är signifikant på 0,001 nivån då sannolikheten för F-värdet är lågt (0,000) (se bilaga 5). Resultatet av hypotes 3 modell 1 visar att centraliseringsgraden av finansiering har negativt samband (-0,001) med företagsvärdet. Sambandet är dock inte signifikant vilket gör att ingen slutsats kan dras. Vidare har kontrollvariablerna storlek (SIZE) och historisk tillväxt (HG) positiva signifikanta samband med företagsvärdet på 0,05 nivån. Förväntad tillväxt (GO) har även ett signifikant positivt samband med centraliseringsgraden, på 0,01 nivån. Vidare har kontrollvariablerna systematiskt exkluderats för att identifiera deras bidrag. I modell 2 presenteras den kombination av kontrollvariabler som genererar högst förklaringsgrad (29,96 procent). Modell 2 ger alltså en ökning i förklaringsgraden på 1,44 procentenheter relativt modell 1. Även denna modell är signifikant på 0,001 nivån då sannolikheten för F-värdet är lågt (0,000) (se bilaga 5). För att identifiera den tillförda förklaringsgraden från centraliseringsgraden av finansiering, genomförs en regression där PROXY exkluderats. Denna regression har en adjusted R 2 på 29,93 procent (se bilaga 5), vilket innebär att PROXY tillför 0,03 procentenheter i förklaringsgraden för modell 2. Resultatet av regressionen i modell 2 visar att centraliseringsgraden av finansiering har samma negativa samband med företagsvärdet som i modell 1 samt att sambandet inte är signifikant. Bland kontrollvariablerna har förväntad tillväxt ett positivt signifikant samband med företagsvärdet på 0,01 nivå, precis som i modell 1. Tillgång till kapitalmarknaden (DIV) har ett signifikant positivt samband med företagsvärdet på 0,05 nivå, likt modell 1. Storlek och historisk tillväxt har positiva samband med företagsvärde, men kontrollvariablerna är nu signifikanta på 0,1 nivån snarare än 0,05 som i modell 1. I modell 1 föreligger det statistisk signifikant heteroskedasticitet enligt Breusch- Pagan/Cook-Weisbergs test (se bilaga 5). Däremot föreligger det ingen statistisk signifikant heteroskedasticitet enligt Breusch-Pagan/Cook-Weisbergs test och White s 85

93 test i modell 2. Detta kan förklaras med att modell 1 var felaktigt specificerad då den inkluderade för många förklarande variabler, vilket justerades i modell 2 då testen där testen för heteroskedasticitet inte var signifikanta och ej heller Ramsey s RESET test. Vidare föreligger inte heller någon multikollinearitet i modell 1 eller 2 enligt VIF-test (se bilaga 5). I regressionen har branschtillhörighet inkluderats med tillverkningsföretag (MANUFACTURING) som referensbransch. Resultatet av modell 2 visar att gruvbolag (MINING) har ett signifikant lägre företagsvärde än tillverkningsbolag. Fastighetsbolag (REALESTATE) har ett signifikant lägre företagsvärde än både tillverkningsbolag och gruvbolag. Transportbolag (TRANSPORT) har ett signifikant lägre företagsvärde än tillverknings-, gruv- och fastighetsbolag. Administrationsföretag (ADMINISTRATIVE) visade sig ha ett signifikant högre företagsvärde än tillverkningsföretag däremot och grosshandelsföretag (WHOLESALETRADE) hade ett signifikant ännu högre företagsvärde än tillverkningsföretag. (se bilaga 5) Tabell 6.8 visar att centraliseringsgraden av finansieringen (PROXY) har ett signifikant samband med företagsvärdet. Här är urvalet uppdelat efter centraliseringsgraden, vilket innebär att tabellen presenterar ett negativt samband mellan centraliseringsgraden av finansiering och företagsvärdet för de företag som har en centraliseringsgrad under 48,58 procent (grupp 1). Företag i grupp 2 har däremot ett positivt samband med företagsvärdet. Detta tyder på att ett U-förhållande kan föreligga. Vi testade således att kvadrera PROXY vilket inte visade på att statistiskt samband. Vidare har storlek (SIZE) och historisk tillväxt (HG) ett positivt signifikant samband med företagsvärdet för grupp 2 men inte grupp 1. För grupp 2 har däremot tillväxtmöjligheter (GO) ett positivt signifikant samband med företagsvärdet, vilket grupp 1 inte har. Bland kontrollvariablerna har förväntad tillväxt (GO) ett positivt signifikant samband med företagsvärdet för grupp 1. För grupp 2 har kontrollvariablerna storlek (SIZE) och historisk tillväxt (HG) positiva signifikanta samband med företagsvärdet. Detta indikerar på att grupp 1 består av mindre företag som befinner sig tidigare i sin livscykel än företagen i grupp 2 och således baseras värderingarna för företagen i grupp 1 på 86

94 företagens förväntade tillväxt. Grupp 2 består snarare av företag som är större och mer stabila, vilkas värderingar snarare baseras bland annat på storlek och historisk tillväxt. H3 Modell 2 Grupp 1 (under) Grupp 2 (över) Beroende TOBINSQ TOBINSQ Oberoende PROXY -0,006 (0,029)** Kontroll SIZE 0,01 (0,667) GO 0,023 (0,007)*** HG 0,0002 (0,777) DIV 0,083 (0,449) GEOD 0,002 (0,096)* PROXY 0,005 (0,065)* SIZE 0,074 (0,002)*** GO 0,05 (0,136) HG 0,004 (0,093)* DIV 0,161 (0,151) GEOD 0,001 (0,72) R 2 24,59 % 35,76 % Adjusted R 2 17,83 % 30,01 % Tabell 6.8. Tabellen beskriver resultaten från regression 3 modell 2 där företagsvärdet (TOBINSQ) utgör den beroende variabeln. Grupp 1 representerar företagen i urvalet som har en centraliseringsgrad (PROXY) under 48,58 procent och Grupp 2 representerar företagen i urvalet med en centraliseringsgrad över 48,58 procent. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess signifikans inom parentes, *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 5 för sammanställning av tester. Förklaringsgraden för regressionen i grupp 1 är 17,83 procent. Regressionen för grupp 2 har en högre förklaringsgrad på 30,01 procent. Robusthetstesten för regressionerna för båda grupperna uppvisar ingen heteroskedasticitet, multikollinearitet eller att utelämnade av variabler föreligger (se bilaga 5). 87

95 6.3.4 Hypotes 4 Hypotes 4 Modell 1 Modell 2 Beroende TOBINSQ TOBINSQ Oberoende INTER -0,003 (0,575) LEVSQ -0,531 (0,240) PROXY -0,0001 (0,940) Kontroll SIZE 0,044 (0,027)** INTER -0,002 (0,734) LEVSQ -0,582 (0,182) PROXY -0,0003 (0,849) SIZE 0,040 (0,022)** ROA -0,003 (0,230) GO 0,018 (0,013)** HG 0,002 (0,021)** GO 0,020 (0,004)*** HG 0,001 (0,049)** AGENCY -0,001 (0,612) BLOCK 0,001 (0,593) DIV 0,221 (0,012)** DIV 0,179 (0,029)** DIVERS 0,05 (0,619) GEOD 0,001 (0,584) R 2 42,34 % 41,11 % Adjusted R 2 29,94 % 31,30 % Tabell 6.9. Tabellen beskriver resultaten från regression 4 där företagsvärdet (TOBINSQ) utgör den beroende variabeln. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess signifikans inom parentes, *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 88

96 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 6 för sammanställning av tester. I hypotes 4 testas interaktionen (INTER) mellan hävstången (LEVSQ) och centraliseringsgraden av finansiering (PROXY) mot företagsvärdet (TOBINSQ). I modell 1 inkluderas samtliga kontrollvariabler, vilket resulterar i en förklaringsgrad på 29,94 procent. Modellen är även signifikant på 0,001 nivån då sannolikheten för F- värdet är lågt (0,000) (se bilaga 6). Tolkningen av resultaten i hypotes 4 som inkluderar en interaktionsvariabel skiljer sig från tidigare regressioner. Riktningskoefficienten för interaktionsvariabeln är -0,003, vilket innebär att effekten från centraliseringsgraden av finansiering minskar 0,003 enheter för varje procentenhet hävstången ökar. Det innebär även att effekten från hävstången minskar 0,003 enheter för varje procentenhet ökning i centraliseringsgraden. Med andra ord innebär detta att centraliseringsgraden av finansierings effekt på företagsvärdet inte endast utgörs av koefficienten för PROXY (- 0,0001), utan även av -0,003 per enhet LEVSQ. Detta gäller även för hävstångens effekt på företagsvärdet, där effekten på företagsvärdet utgörs av koefficienten för LEVSQ (- 0,531) samt -0,003 per enhet PROXY. Den totala effekten från centraliseringsgraden av finansiering respektive hävstången presenteras i följande ekvationer: TOBINSQ = PROXY*[(-0,0001)+(-0,003*LEVSQ)] TOBINSQ = LEVSQ*[(-0,531)+(-0,003*PROXY)] Sambanden är dock ej signifikanta för de oberoende variablerna med företagsvärdet. Bland kontrollvariablerna har storlek (SIZE), förväntad tillväxt (GO), historisk tillväxt (HG) samt tillgång till kapitalmarknaden (DIV) positiva signifikanta samband med företagsvärdet inom en signifikansnivå på 0,05. Vidare har återigen kontrollvariabler systematiskt exkluderats ur regressionen för att uppnå en modell med bäst passform och adjusted R 2. Resultatet visas i modell 2 som är signifikant på 0,001 nivån då sannolikheten för F-värdet är lågt (0,000) (se bilaga 6). I modell 2 har kontrollvariablerna lönsamhet (ROA), agentkostnad (AGENCY), storägare (BLOCK), diversifiering (DIVERS) och geografisk diversifiering (GEOD) exkluderats. 89

97 Förklaringsgraden stiger således till 31,30 procent, vilket är en ökning på 1,36 procentenheter relativt modell 1 (29,94 procent). För att identifiera interaktionsvariabelns effekt i modellen genomfördes en regression där interaktionsvariablen exkluderats från modell 2. Vid jämförelse med modell 2 visar det att interaktionsvariabeln minskar adjusted R 2 med 0,48 procentenheter då regressionen exklusive INTER har en förklaringsgrad på 31,78 procent (se bilaga 6). Vidare visar resultatet av regressionen i modell 2 att storlek, historisk tillväxt och tillgång till kapitalmarknaden har signifikanta positiva samband med företagsvärdet inom en signifikansnivå på 0,05. Den förväntade tillväxten har dessutom ett positivt signifikant samband med företagsvärdet inom en signifikansnivå på 0,01. Robusthetstesten visar att ingen statistisk signifikant heteroskedasticitet, multikollinearitet eller utelämnade av variabler föreligger i någon av modellerna (se bilaga 6). Det föreligger branschskillnader även i denna regression. Resultatet från modell 2 visar att fastighetsbolag (REALESTATE) har ett signifikant lägre företagsvärde än tillverkningsföretag (MANUFACTURING). Gruvbolag (MINING) har ett ännu lägre signifikant företagsvärde än tillverknings och fastighetsbolag. Däremot har grosshandelsföretag (WHOLESALETRADE) ett signifikant högre företagsvärde än tillverkningsföretag. (se bilaga 6) Tabell 6.10 visar att interaktionen (INTER) mellan centraliseringsgraden av finansiering (PROXY) och hävstången (LEVSQ) har ett signifikant positivt samband med företagsvärdet (TOBINSQ) för grupp 1. Sambandet är signifikant inom 10 procentsnivån. För grupp 2 har interaktionen ett negativt samband med företagsvärdet, sambandet är dock inte signifikant. Vidare har hävstången ett negativt signifikant samband med företagsvärdet för grupp 1, vilket implicerar på ett omvänt U-förhållande mellan företagsvärde och hävstång eftersom hävstången är kvadrerad. För grupp 2 har hävstången ett positivt samband med företagsvärdet, vilket implicerar ett U-förhållande mellan hävstång och företagsvärde, sambandet är dock inte signifikant. Vidare har centraliseringsgraden ett signifikant samband med företagsvärdet i båda grupperna. I grupp 1 är sambandet negativt medan sambandet i grupp 2 är positivt, i likhet med resultaten i hypotes 3. 90

98 H4 Modell 2 Grupp 1 (under) Grupp 2 (över) Beroende TOBINSQ TOBINSQ Oberoende INTER 0,023 (0,10)* LEVSQ -1,51 (0,003)*** PROXY -0,013 (0,013)** Kontroll SIZE 0,025 (0,275) GO 0,026 (0,001)*** HG 0,001 (0,333) DIV 0,093 (0,376) INTER -0,013 (0,212) LEVSQ 0,559 (0,704) PROXY 0,008 (0,023)** SIZE 0,086 (0,000)*** GO 0,044 (0,136) HG 0,005 (0,052)* DIV 0,109 (0,306) R 2 31,71 % 42,50 % Adjusted R 2 24,46 % 36,41 % Tabell Tabellen beskriver resultaten från regression 4 modell 2 där företagsvärdet (TOBINSQ) utgör den beroende variabeln. Grupp 1 representerar företagen i urvalet som har en centraliseringsgrad (PROXY) under 50 procent och Grupp 2 representerar företagen i urvalet med en centraliseringsgrad över 48,58 procent. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess signifikans inom parentes, *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 6 för sammanställning av tester. Förklaringsgraden är lägre i regressionen för grupp 1 (24,46 procent) än grupp 2 (36,41 procent). Vidare visar robusthetstesten att ingen heteroskedasticitet, eller utelämnade av variabler föreligger. Enligt VIF-test föreligger ingen multikollinearitet i regressionen för grupp 1, dock föreligger det multikollinearitet för grupp 2. (se bilaga 6) 91

99 6.3.5 Hypotes 5 Hypotes 5 Modell 1 Modell 2 Beroende PROXY PROXY Oberoende GEOS -3, Kontroll SIZE 6,667 (0,000)*** GEOS -30,638 (0,008)*** DIVERS 20,738 (0,033)** DIV 6,139 (0,002)*** TANG 27,526 (0,036)** R 2 24,85 % 14,99 % Adjusted R 2 15,94 % 12,68 % Tabell Tabellen beskriver resultaten från regression 5 där centraliseringsgraden av finansieringen (PROXY) utgör den beroende variabeln. Tabellen redovisar riktningskoefficienterna för varje förklarande variabel samt dess signifikans inom parentes, *** betecknar signifikans på 1 procentsnivån, ** på 5 procentsnivån och * på 10 procentsnivån. Även modellernas förklaringsgrad, R 2 och adjusted R 2, redovisas. Se bilaga 7 för sammanställning av tester. I hypotes 5 testas den geografiska spridningen (GEOS) mot centraliseringsgraden av finansiering (PROXY). I modell 1 har har den geografiska spridningen en negativ korrelationskoefficient (-3,169). Då denna variabel är mätt med ett Herfindahl-index antyder det att företag med högre geografisk spridning har en högre grad av centraliserad finansiering, dock är sambandet inte signifikant. Kontrollvariabeln storlek (SIZE) har ett positivt signifikant samband med centraliseringsgraden på 0,01 nivån. Förklaringsgraden för modell 1 är 15,94 procent. Den låga förklaringsgraden kan förklaras med de få antal kontrollvariabler som använts i modellen. Vidare visar Breusch-Pagan/Cook-Weisberg testet att modellen har en hög nivå av linjär heteroskedasticitet samt att förklarande variabler saknas i modellen då Ramsey s RESET test är signifikant på 0,05 nivån (se bilaga 7). Detta gjorde att vi utförde flera 92

100 regressioner med olika kontrollvariabler för att finna den modell som hade bäst passform, som presenteras som modell 2. Modell 2 har en lägre förklaringsgrad på 12,68 procent (tidigare 15,94 procent) men med flera förklarande variabler som är signifikanta samt att modellen i sig är signifikant på 0,001 nivån (Prob>F = 0,0001). De variabler som inkluderats i modellen som förklarar förändringar i centraliseringsgraden är: geografisk spridning (GEOS), produkt diversifiering (DIVERS), utdelning (DIV) och anläggningstillgångar (TANG). Storlek har tagits bort då även geografisk spridning kan utgöra ett mått för storlek vilket gjort att modell 1 blir oanvändbar om de båda inkluderas på grund av multikollinearitet. Den geografiska spridningen har även i denna modell en negativ koefficient men betydligt högre än i modell 1 samt signifikant på 0,01 nivån. Diversifieringen och anläggningstillgångarna är båda signifikanta på 0,05 nivån med positiva samband mot centraliseringsgraden av finansiering. Även tillgång till kapitalmarknaden har positivt samband på 0,01 nivån. Vidare identifierades den geografiska spridningens tillförda förklaringsgrad i modell 2 genom att göra samma regression exklusive GEOS, vilket gav en förklaringsgrad på 8,94 procent. Således tillför den geografiska spridningen en förklaringsgrad på 3,74 procentenheter i modell 2. Robusthetstesten visar att ingen heteroskedasticitet, multikollinearitet eller utelämnade av variabler föreligger (se bilaga 7). Resultatet visar att företag med hög geografisk spridning, diversifiering, tillgång till kapitalmarknaden samt andel anläggningstillgångar i förhållande till totala tillgångar, tenderar att ha en högre grad av centraliserad finansiering. Detta beror sannolikt på att flera av de företag som är helt decentraliserade i urvalet är mindre nystartade företag. Dessa företag har ännu inte vuxit till en nivå där de kan sprida sig geografiskt eller för att bredda sitt produktutbud samt att deras tillgång till kapital är begränsad då de kan anses mer riskfyllda. Att högre andel anläggningstillgångar är signifikant mot centraliseringsgraden kan förklaras med att det mått vi använder för centraliseringen. Investeringar i anläggningstillgångar kan anses som kapitalintensiva och tidskrävande vilket leder till att lån upptas för att finansiera dessa och således föreligger en nära relation mellan anläggningstillgångar och lån. 93

101 6.3.6 Sammanfattat resultat Hypoteser Stöd Inte stöd H1: Hävstången har ett omvänt U-förhållande med företagsvärde X H2: Centraliseringsgraden av finansiering ökar hävstången X H3: Centraliseringsgraden av finansiering ökar företagsvärde X H4: Interaktionen mellan hävstång och centraliseringsgraden av finansiering ökar företagsvärde X H5: Geografisk spridning minskar centraliseringsgraden av finansiering Tabell Sammanfattat resultat som visar vilka hypoteser som får empiriskt stöd. X 94

102 7 Analys I detta kapitel sammanknyter vi de empiriska resultaten med den teoretiska referensramen. Ingående analyser som förklarar sambanden mellan graden av centraliserad finansiering och företagsvärde, kapitalstrukturer samt geografisk spridning. Kapitlet avslutas med en sammanfattning av det som analyserats. Resultaten från H1 visar att stöd återfinns för Tradeoff Theory i likhet med tidigare studier (se bl.a. Fama & French, 2002; Graham, 1996; Mackie-Mason, 1990; Shyam- Sunder & Myers, 1999). Hävstången och därmed kapitalstrukturen har alltså en påverkan på företagsvärdet och detta samband visualiseras som ett omvänt U- förhållande (likt figur 4.1). Resultaten för H2 visade dock att vi inte kan säga vad som förklarar hävstången. Detta eftersom flera av variablerna inte var signifikanta samt att de bidrog med en minskad förklaring av hävstången. Således kan Zhang och Kanazakis (2007) föreslagna förklaringsmodell till kapitalstrukturen inte appliceras på vårt urval. Centraliseringsgraden av finansiering har en låg positiv riktningskoefficient (0,00009) vilket antyder att det inte skulle ha en stor påverkan på hävstången. Potentiella förklaringar till detta kan hänföra sig till de finansiella synergieffekterna som beskrivs av Damodaran (2012), som styrs av olika källor i sin tur. Det finns därför med stor sannolikhet flera andra faktorer som påverkar varandra i en kedja innan kapitalstrukturen påverkas i slutändan, likt den kedja Damodaran (2012) beskriver. Detta förklarar således det svaga sambandet mellan centraliseringsgraden och kapitalstruktur eftersom centraliseringsgraden kan tänkas ha en starkare effekt på faktorer tidigare i denna kedja, vilket gör att effekten på kapitalstrukturen i slutändan är svag. Vidare visar resultatet av H2 att det endast är anläggningstillgångar som har ett signifikant positivt samband med hävstången (se tabell 6.6). Detta ligger i linje med tidigare studier (Zhang & Kanazaki, 2007; Frank & Goyal, 2003) som menar att skuldkapaciteten ökar i takt med anläggningstillgångarna, till följd av möjligheten att ställa dessa tillgångar som säkerhet vid upptagande av lån. Sambandet ligger även i linje med att agentkostnaden av skulder minskar i takt med anläggningstillgångarna till följd av den ökade svårigheterna för managers att flytta värde från kreditgivarna till 95

103 aktieägarna, vilket ökar skuldkapaciteten (Jensen & Meckling, 1976; Zhang & Kanazaki, 2007). Resultaten från H3 visade även att centraliseringsgraden av finansiering inte har ett signifikant samband med företagsvärdet. För att säkerställa utfallet delades urvalet in i grupper, det vill säga grupp 1 och 2 (se avsnitt 6.3.2). I tabell 6.8 visualiseras det att centraliseringsgraden har ett negativt samband - som är signifikant - med företagsvärdet för företag som har en centraliseringsgrad upp till cirka 50 procent. Företag med en högre centraliseringsgrad har däremot ett positivt samband - som är signifikant. Mellan dessa två grupper föreligger även skillnader i företagens karaktärsdrag som kan tänkas vara en del av förklaringen till förändringen i riktningskoefficienten. Tabell 6.8 visar även att värdet för företagen i grupp 1 påverkas av den förväntande tillväxten. Detta indikerar att grupp 1 består av mindre företag som befinner sig i sin tillväxtfas, eftersom värderingar av sådana företag snarare baseras på förväntade snarare än redan genomförda sådana. Detta styrks med att 28 av de 30 bolag som är listade på Nasdaq First North befinner sig i grupp 1, vilka karaktäriseras som små tillväxtföretag (Nasdaq, 2016). Företagsvärdet i grupp 2 påverkas däremot av storlek och historisk tillväxt. Detta antyder att grupp 2 inkluderar företag som kommit längre fram i sin tillväxt där tidigare prestationer har större betydelse för värderingen. Det finns således indikationer på att det föreligger skillnader i karaktärsdragen för företagen mellan grupp 1 och 2. Resultaten av H4 visar att interaktionseffekten från hävstången och centraliseringsgraden inte har ett signifikant samband med företagsvärdet. Även här går det att utläsa gruppskillnader i urvalet som gör att riktningen för sambanden skiljer sig för grupp 1 och 2 (se tabell 6.10). Centraliseringsgraden har en negativ påverkan på företagsvärdet för grupp 1 och positiv påverkan för grupp 2. Resultaten från H4 indikerar således på sambandsskillnader mellan centraliseringsgraden och företagsvärdet för högt respektive lågt centraliserade företag, likt resultaten från H3. I tabell 6.10 framgår det att i grupp 1 påverkas företagsvärdet av centraliseringsgraden och hävstången, men också interaktionseffekten. I grupp 2 påverkas företagsvärdet dock endast signifikant av centraliseringsgraden. En förklaring till detta skulle kunna vara att förhållandet mellan hävstång och företagsvärde ser ut som i figur 4.1 för hela urvalet, nämligen ett avtagande förhållande mellan hävstång och företagsvärde. Vid uppdelning 96

104 av urvalet i grupp 1 och 2 kommer således grupp 1 ha ett tydligare ickelinjärt förhållande än grupp 2 som snarare får ett linjärt förhållande. Då hävstången är kvadrerad för att testa ickelinjära förhållanden i regressionen för H4, är hävstången signifikant för grupp 1 men inte i grupp 2. Samtidigt är interaktionen byggd på hävstången som leder till att den inte är signifikant för grupp 2. Således är det betydligt svårare att utläsa interaktionseffekten på företagsvärdet för grupp 2, vilket gör att fokus bör ligga på grupp 1 alternativt hela urvalet gällande H4. Detta indikerar alltså att interaktionen kan ha en positiv effekt på företagsvärdet för företag med en lägre centraliseringsgrad, däremot är det inte signifikant för hela urvalet vilket gör att sambandet blir svårt att säkerställa. Utifrån analysen ovan går det att finna indikationer på att företag minskar sitt företagsvärde genom att centralisera sin finansiering upp till en viss nivå (48,58 procent). Tabell 6.4 visar att storlek har en signifikant positiv korrelation med centraliseringsgraden av finansiering. Även spridningsdiagram mellan centraliseringsgrad och storlek påvisar ett tydligt positivt samband (se bilaga 2, graf 10.2). Detta visar på att mindre företag tenderar att vara decentraliserade medan större företag tenderar att vara centraliserade. Givet att företagen är värdemaximerande indikerar detta på att mindre företag når sin högsta värdering vid en lägre centraliseringsgrad medan större företag når sin högsta värdering vid en högre centraliseringsgrad. Detta stöds även av Polak och Klusacek (2010) som menar att företag behöver avgöra hur de större volymerna av transaktioner ska hanteras vid en viss punkt i företagets tillväxt. Centraliserad finansiering är en lösning på detta som tillåter företaget att bibehålla hanteringsförmågan av större volymer (Polak & Klusacek, 2010). Således stödjer detta tidigare förda argument att större företag ökar sitt företagsvärde genom en högre centraliseringsgrad av finansiering. Detta motiveras även utifrån de argument som förs i avsnitt 4.2, att skalfördelar växer i takt med storleken på företaget, vilket kan förklara det positiva sambandet mellan centraliseringsgraden och företagsvärde för grupp 2. Detta förklarar dock inte varför sambandet är negativt för grupp 1. Ett negativt samband indikerar snarare på att högre företagsvärde uppnås vid en helt decentraliserad finansiering relativt en delvis centraliserad finansiering (upp till gränsen på 48,58 97

105 procent centraliseringsgrad). Potentiella förklaringar till det negativa sambandet för grupp 1 kan söka sig till att många företag i grupp 1 har negativa resultat. Marginalskatten är således låg för dessa företag, vilket innebär att de sannolikt inte vill öka sin skuldsättning i syfte att minska marginalskatten (Graham, 1996; Mackie-Mason, 1990). Att företag med låg centraliseringsgrad har högre företagsvärde än de som är delvis centraliserade kan kopplas till Leland (2007) som menar att valet utgörs mellan de fördelar kopplade till sammanslagning av företag eller ej. Det negativa sambandet för grupp 1 indikerar således på att riskreducering från centralisering understiger nyttan med individuell optimering av kapitalstrukturen i de respektive koncernbolagen. Utifrån Tradeoff Theory visar detta på att skuldkapaciteten minskar vid en centralisering för företagen i grupp 1. Skuldkapaciteten beror på volatiliteten i kassaflödena (Damodaran, 2012) och förhandlingspositionen mot kredittagaren (Polak & Klusacek, 2010). Resultaten tyder alltså på att dessa två faktorer försämras vilket minskar skuldkapaciteten i takt med ökad centralisering för företagen i grupp 1, upp till cirka 50 procents centraliseringsgrad. Vidare visar tabell 6.11 att den geografiska spridningen utgör en beståndsdel i förklaringen av centraliseringsgraden av finansiering. Det empiriska resultatet visar att den geografiska spridningen har ett positivt samband med centraliseringsgraden, med andra ord ökar centraliseringsgraden i takt med den geografisk spridningen. Även om sambandet förväntades vara negativt kan det positiva sambandet söka sin förklaring i att större möjlighet till skatteplanering föreligger för en internationell koncern vid centralisering. Detta eftersom en central enhet kan uppnå en förbättrad översikt över koncernens finansiella ställning (Polak & Klusacek, 2010). Den centrala finansenheten har därför större möjlighet att identifiera och utnyttja internationella skillnader som föreligger i skattesatser mellan de länder koncernen är verksam i. Skatteplaneringen i internationella koncerner hanteras genom att höja hävstången i de delar av koncernen som opererar i länder med höga skattesatser, vilket skapar större skattefördelar (Huizinga, Laeven & Nicodeme, 2008). Den geografiska spridningen mäts utifrån försäljning per tidszon (Asien, Amerika och Europa). Detta motiveras utifrån Polak och Klusaceks (2010) studie som menar att multinationella bolag vanligtvis upprättar regionala finansenheter i dessa tre regioner för 98

106 att ha en närmare kontakt med finansmarknaderna världen över. Att centraliseringsgraden ökar i takt med denna geografiska spridningen motsätter den motiveringen. Detta skulle kunna ha en förklaring i att finansfunktionen utgör endast en enhet, men att kontor kan finnas lokaliserade över de tre tidszonerna ändå. På så vis redovisas de centralt upptagna lånen endast i en balansräkning och en hög centraliseringsgrad bibehålls samtidigt som den lokala kontakten till finansmarknaderna även bibehålls. Det vill säga att det är centraliserat till en finansenhets redovisning och inte flera regionala finansenheter. Här får alltså mätningen av centraliseringen betydelse för resultaten av H5. Proxyn fångar således in centraliseringen av finansieringen över de juridiska enheterna inom en koncern. Däremot fångar proxyn inte in centraliseringen av finansieringen på en geografisk nivå, det vill säga var funktionerna hanteras geografiskt. Den geografiska spridningen har även en signifikant positiv korrelation till storleken (se tabell 6.4). Detta gör att den geografiska spridningens positiva samband med centraliseringsgraden kan hänföras till liknande förklaringar, det vill säga att skalfördelarna växer med storleken och således även den geografiska spridningen. Vidare visade resultaten av H5 att företagens diversifiering, tillgång till kapitalmarknaden och anläggningstillgångar har ett positivt samband med centraliseringsgraden. Diversifieringens positiva samband med centraliseringsgraden ligger i linje med Jankensgård (2015) som menar att diversifiering leder till en ökad svårighet att hantera företaget. Här fungerar en centraliserad finansiering som en lösning till detta problem enligt Polak och Klusacek (2010) som menar att en central finansenhet kan generera en bättre översikt över koncernen samt en bättre hantering. Vidare kan större företag med stabil tillväxt förknippas med företag som ger utdelning till sina ägare i jämförelse med tillväxtföretag som antingen inte går med vinst eller använder vinsterna till återinvesteringar. Då tillgång till kapitalmarknaden mäts med hjälp av en dummy för utdelning, ligger dess positiva samband med centraliseringsgraden i linje med tidigare analys som säger att större företag med stabilare tillväxt har en högre centraliseringsgrad. Att proxyn mäter den faktiska centraliseringsgraden av skuldhanteringen och endast approximerar centraliseringsgraden av finansiering innebär att sådana faktorer som påverkar skuldhanteringen främst styr detta mått. Således kan detta förklara anläggningstillgångarnas positiva samband med centraliseringsgraden utifrån Zhang och 99

107 Kanazakis (2007) resonemang om anläggningstillgångarnas egenskap av att kunna ställas som säkerhet i lån leder till större hävstång. Detta innebär större möjligheter till upptagande av lån, vilket innebär större affärsvolymer, vilket leder till att företag centraliserar denna hantering för att uppnå högsta möjliga nytta. 7.1 Summering av analys I studien finner vi alltså stöd för Tradeoff Theory i den mån att kapitalstrukturen har betydelse för företagsvärdet. Däremot kan vi inte säga vad som förklarar kapitalstrukturen för företagen i urvalet. Ej heller kan vi säga att centraliseringsgraden av finansiering har en påverkan på företagsvärdet. Däremot visar gruppskillnader indikationer på ett negativt samband mellan centraliseringsgrad och företagsvärde för mindre företag och ett positivt samband för större företag. Interaktionen mellan hävstång och centralisering visar sig ha ett samband med företagsvärde för mindre företag, däremot är det svårt att säkerställa dess korrekta samband för hela urvalet. Vidare påverkar utformningen av proxyn hur resultaten kan tolkas i kontrast till vad ett mått som faktiskt mäter graden av centraliserad finansiering skulle visa för resultat. Slutligen påvisas resultat som indikerar på att den geografiska spridningen har en effekt på centraliseringsgraden, dock i motsatt riktning än vad som förväntades. 7.2 Diskussion Att inget säkerställt samband kan dras mellan centraliseringsgraden av finansiering kan diskuteras utifrån flera olika punkter. Till exempel kan urvalet av endast svenska företag påverka resultaten. Att urvalet endast inkluderar svenska bolag kan förklara resultaten för centraliseringsgraden utifrån att det är en annan sorts företagskultur än i andra länder. Den svenska företagskulturen karaktäriseras av stora industriella företagsgrupper med en stark ägare, vanligen bestående av sfärer, som äger stora andelar av marknadskapitalet på Stockholmsbörsen (Sinani, Stafsudd, Thomsen, Edling & Randöy, 2008). Detta till skillnad från de anglosaxiska länderna där ägandet ofta är spritt med ett högre antal internationella koncerner (La Porta, Lopez-de-Silanes & Shleifer, 1999). Detta kan leda till att det föreligger bredare maktförhållanden bland svenska företag eftersom det kan finnas aktörer utanför koncerner som har inflytande till följd av de sfärer som föreligger i Sverige. Därmed kan det vara svårare att dra nytta av de fördelar en centraliserad finansiering kan medföra eftersom den centrala finansenheten kan 100

108 begränsas av inflytandet från dessa externa intressenter. Ett större urval som inkluderat företag från andra länder hade därför kunnat generera annorlunda svar mer i linje med den teoretiska motiveringen till denna studie. Vidare grundar sig det teoretiskt motiverade sambandet mellan företagsvärde och centraliseringsgrad av finansiering i att centralisering ska generera finansiella synergieffekter. Dessa finansiella synergieffekter ska sedan påverka kapitalstrukturen genom att skuldkapaciteten ökar. I sin tur innebär detta att företagsvärdet ökar eftersom den optimala kapitalstrukturen förflyttas, vilket beskrivs utifrån Tradeoff Theory som en högre hävstång med ett högre värde på företaget. Att det finns en sådan lång kedja mellan centraliseringsgraden av finansiering och företagsvärde innebär att det kan finnas andra externa effekter som styr hur företagsvärdet utvecklas i slutändan. Centraliseringsgraden av finansiering kan utifrån detta resonemang ha en starkare effekt på tidigare faktorer i kedjan som påverkar företagsvärdet i flera steg. Det är därför möjligt att centraliseringsgraden kan uppvisa en starkare effekt på källorna till de finansiella synergieffekterna som Damodaran (2012) beskriver, det vill säga volatilitet i kassaflöden, skuldkapacitet och skattefördelar. 101

109 8 Slutsats Detta kapitel redogör för de slutsatser som kan dras utifrån framtagandet av ett mått för centraliseringsgraden av finansiering och vad som behandlats i analyskapitlet. Vidare presenteras de implikationer som kan göras utifrån studien för att sedan avsluta kapitlet med ett avsnitt om förslag på vidare forskning. I denna studie har vi utvecklat ett mått för graden av centraliserad finansiering. Vi har även säkerställt dess validitet och kan därför dra slutsatsen att graden av central finansiering kan mätas via en approximation. Genom detta mått finner vi att faktorer som geografisk spridning, diversifiering, anläggningstillgångar och tillgång till kapitalmarknaden delvis förklarar graden av centraliserad finansiering. Vidare finner vi likt tidigare studier empiriskt stöd för Tradeoff Theory, däremot kan kapitalstrukturen inte förklaras till fullo med den modell vi använt. Således kan betydelsen av centraliserad finansiering på kapitalstrukturen inte säkerställas utifrån den modell som applicerats. Studien finner inte heller säkerställande bevis för vilket samband centraliseringsgraden av finansiering har med företagsvärdet. Däremot finner vi att centraliseringsgraden har ett negativt samband med företagsvärdet bland svenska noterade bolag med en centraliseringsgrad upp till cirka 50 procent. Samtidigt är sambandet positivt för svenska noterade bolag som har en centraliseringsgrad mellan cirka 50 och 100 procent. Till följd av dessa ofullständiga bevis kan sambandet mellan graden av central finansiering och företagsvärde inte säkerställas samtidigt som ett samband inte heller kan uteslutas. Vidare forskning behöver därför bedrivas inom området. 8.1 Implikationer Första bidraget i denna studie är det metodologiska, det vill säga att en proxy har tagits fram för att mäta graden av centraliserad finansiering. Proxyn har säkerställts mot företags uttalade centralisering samt givits legitimitet från experter. Proxyn är även enkel att mäta, vilket gör den operationaliserbar på små som stora urval och därmed användbar för framtida studier. 102

110 Det teoretiska bidraget denna studie bidrar med är empiriskt stöd och större förståelse för Tradeoff Theory. Studien har även försökt att utöka förståelsen kring vad som förklarar kapitalstrukturen. Däremot kan vi inte påvisa att centraliseringsgraden har en effekt på kapitalstrukturen. Vidare forskning behövs därför för att säkerställa sambandet, dock har en inledande utökning för den teoretiska förståelsen av kapitalstrukturen utförts. Det praktiska bidraget är ökad kunskap om vad som ökar företagsvärdet, vilket kan anses som relevant för företagsledningar. Studien har endast funnit antydningar till att centraliseringsgraden kan påverka företagsvärdet och kan därmed inte säga vilket alternativ som värderas högst. Däremot har studien inlett en forskning kring ett nytt kunskapsområde som kan leda till framtida forskningsresultat gällande det eftersökta sambandet. 8.2 Vidare forskning Vidare forskning kan utöka förståelsen för kapitalstrukturen genom att testa effekten från centraliseringsgraden av finansiering på kapitalstrukturen. Här kan andra förklarande modeller för kapitalstrukturen användas för att finna centraliseringsgradens korrekta betydelse för kapitalstrukturen. Vidare kan det vara av relevans att undersöka centraliseringsgradens samband med företagsvärdet på ett större urval som även inkluderar företag från andra länder. På så vis är det möjligt att fånga in större multinationella bolag som även bidrar till att utläsa kulturella- och/eller landsskillnader. Till följd av centraliseringsgradens svaga samband med företagsvärdet kan det även vara relevant att testa centraliseringsgraden tillsammans med andra faktorer som påverkar företagsvärdet. Detta kan generera starkare resultat eftersom det är möjligt att dessa andra faktorers påverkan på företagsvärdet styrs av andra effekter, vilket har orsakat att sambandet mellan centraliseringsgraden och företagsvärdet är svagt. Exempelvis kan centraliseringsgraden testas mot källorna till finansiella synergieffekter, som volatilitet i kassaflödena, skuldkapacitet och skattefördelar. 103

111 9 Referenser Allayannis, G., & Weston, J. P. (2001). The use of foreign currency derivatives and firm market value. Review of financial studies, Vol. 14, Iss. 1, pp Baker, G., Jensen, M., & Murphy, K. (1988). Compensation and incentives: Practice vs. theory. The journal of Finance, Vol. 43, Iss. 3, pp Barretto, H. & Howland, F., (2006). Introductory Econometrics: Using Monte Carlo Simulation with Microsoft Excel. New York: Cambridge University Press. Bednar, K. M. (2012). Watchdog or Lapdog? A Behavioral View of the Media as Corporate Governance Mechanism. Academy of Management Journal, Vol. 55, Iss. 1, pp Billett, M., & Mauer, D., (2003). Cross-subsidies, external financing constraints, and the contribution of the internal capital market to firm value. Review of Financial Studies, Vol. 16 Iss. 4, pp Blau, P. (1970). A Formal Theory of Differentiation in Organizations. American Sociological Review, Iss. 2, pp Bolman, L., & Deal, T. (2008). Reframing Organizations: Artistry, Choice, and Leadership. San Francisco: John Wiley & Sons, Inc. Bryman, A. & Bell, E. (2005). Företagsekonomiska Forskningsmetoder. Malmö: Liber Ekonomi. Bushman, M. R., Piotroski, D. J. & Smith, J. A. (2004). What Determines Corporate Transparency. Journal of Accounting Research, Vol. 42, Iss. 2, pp

112 Chadha, S. & Sharma, A. K. (2015). Capital Structure and Firm Performance: Empirical Evidence from India. Vision: The Journal of Business Perspective, Vol. 19, Iss. 4, pp Child, J. (1973). Strategies of control and organizational behavior. Administrative Science Quarterly, Vol. 18, pp Chirinko, R. & Singha, A., (2000). Testing static Tradeoff against pecking order models of capital structure: a critical comment. Journal of Financial Economics, Vol. 58, Iss. 3, pp Chung, H. K. & Pruitt, W. S. (1994). A Simple Approximation of Tobin s q. Financial Management, Vol. 23, Iss. 3, pp Damodaran, A. (2010). Applied corporate finance. New Jersey: John Wiley & Sons. Damodaran, A., (2012). Investment Valuation: Tools And Techniques For Determining The Value Of Any Asset. Hoboken, N.J.: Wiley corporation. DeAngelo, H., & Masulis, R. W. (1980). Optimal capital structure under corporate and personal taxation. Journal of financial economics, Vol. 8, Iss. 1, pp Eiteman, K. D., Stonehill, I. A. & Moffet, H. M., (2010). Multinational Business Finance. Boston: Prentice Hall. El-Sayed Ebaid, I. (2009). The impact of capital-structure choice on firm performance: empirical evidence from Egypt. The Journal of Risk Finance, Vol. 5, pp Errunza, R. V. & Senbet, W. L. (1981). The Effects of International Operations on the Market Value of the Firm: Theory and Evidence. The Journal of Finance, Vol. 36, No. 2, pp

113 Fama, E., & French, K., (1998). Taxes, Financing Decisions, and Firm Value. The Journal of Finance. Vol. 53, Iss. 3, pp Fama, E., & French, K., (2002). Testing trade-off and pecking order predictions about dividends and debt. Review of financial studies, Vol. 15.1, pp Frank, M., & Goyal, V., (2003). Testing the pecking order theory of capital structure. Journal of financial economics, Vol. 67, Iss. 2, pp Fama, E., & Jensen, M., (1983). Separation of ownership and control. The Journal of Law & Economics, Vol. 26, Iss. 2, pp Gates, S., & Egelhoff, W. (1986). Centralization in headquarters-subsidiary relationships. Journal of International Business Studies, pp Gertner, R., Scharfstein, D., & Stein, J., (1994). Internal versus external capital markets. National Bureau of Economic Research, Iss Ghosh, D., & Vogt, A. (2012). Outliers: An evaluation of methodologies. In Joint Statistical Meetings, pp San Diego, CA: American Statistical Association. Graham, J. R. (1996). Debt and the marginal tax rate, Journal of Financial Economics. Vol. 41, pp Graham, J. R., & Leary, M. T. (2011). A review of empirical capital structure research and directions for the future. Annual Review of Financial Economics, 3. Gujarati, D. & Porter, D. (2009). Basic Econometrics. Fifth edition. New York: McGraw-Hill. Hair, J. (2010). Multivariate data analysis: a global perspective. 7th ed. Upper Saddle River, N.J.: Pearson Education 106

114 Helbæk, M. (2014). Statistik i ett nötskal. Lund: Studentlitteratur. Huizinga, H., Laeven, L., & Nicodeme, G. (2008). Capital structure and international debt shifting. Journal of Financial Economics, Vol. 88 Iss. 1, pp Högfeldt, P. (2005) The history of politics of corporate ownership in Sweden. I: Morck, R. K. (ed.) A history of Corporate Governance around the World: Family Business Groups to Professional Managers. Chicago and London: University of Chicago Press. pp Jankensgård, H. (2015). Does centralisation of FX derivative usage impact firm value?. European Financial Management, Vol. 2, pp Jensen, M. C. & Meckling, W. H. (1976). Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of financial economics, Vol. 3 Iss. 4, pp Jensen, M. C. (1986). Agency cost of free cash flow, corporate finance, and takeovers. American Economic Review, Vol. 76, Iss. 2, pp IMAA (2016). Merger and Acquisitions statistics. Institute for mergers, acquisitions and Alliances. (Hämtad ) Kim, S. W. & Lyn, O. E. (1986). Excess Market Value, the Multinational Corporation, and Tobin s q-ratio. Journal of International Business Studies, Vol. 17, Iss. 1, pp King, J. L., (1983). Centralized versus Decentralized Computing: Organizational Considerations and Management Options. ACM Computing Surveys (CSUR), 15(4), pp

115 Kolasinski, A. C. (2009). Subsidiary debt, capital structure and internal capital markets. Journal of financial economics, Vol. 94, Iss. 2, pp Kraus, A. & Litzenberger, R. H., (1973). A State-Preference Model of Optimal Financial Leverage. The Journal of Finance, Vol. 28, Iss. 4, pp La Porta, R., Lopez-de-Silanes, F., & Shleifer, A. (1999). Corporate ownership around the world. The Journal of Finance, Vol. 54, Iss. 2, pp Lang and Stulz, 1994 Lang, L. & Stulz, R. (1994). Tobin's Q, corporate diversification, and firm performance. Journal of Political Economy, Vol. 102, pp Leland, H. E. (2007). Financial synergies and the optimal scope of the firm: Implications for mergers, spinoffs, and structured finance. The Journal of Finance, Vol. 62, Iss. 2, pp Mackie-Mason, J. (1990). Do taxes affect corporate financing decisions?. Journal of Finance, Vol. 45, pp Martinez, I. (2002). The value impact of internationalization: theory and evidence, the French case. Managerial Finance, Vol. 28, Iss. 3, pp Matsusaka, J. G., & Nanda, V. (2002). Internal capital markets and corporate refocusing. Journal of Financial Intermediation, Vol. 11, Iss. 2, Miller, M. H., (1977). 'Debt and Taxes', Journal Of Finance, vol. 32, Iss. 2, pp Minton, B. & Schrand, C., (1999). The impact of cash flow volatility on discretionary investment and the cost of debt and equity financing. Journal of Financial Economics, Vol. 54 pp

116 Modigliani, F, & Miller, M., (1958). 'The Cost of Capital, Corporation Finance and the Theory of Investment, The American Economic Review, Vol. 3, p Modigliani, F, & Miller, M., (1963). 'Corporate Income Taxes and the Cost of Capital: A Correction', The American Economic Review, Vol. 3, p Morck, R., & Yeung, B. (1991). Why investors value multinationality. Journal of Business, pp Motulsky, H., & Christopoulos, A. (2004). Fitting models to biological data using linear and nonlinear regression: a practical guide to curve fitting. OUP USA. Mulligan, E. (2001). Treasury Management Organization: An Examination of Centralised Versus Decentralised Approaches, Irish Journal of Management, Vol. 22, Iss. 1, pp Myers, S. C. (1977). Determinants of corporate borrowing. Journal of financial economics, Vol. 5, Iss. 2, pp Myers, S. C., (1984). The Capital Structure Puzzle, The Journal of Finance, Vol. 3, pp Myers, S. C., & Majluf, N. S., (1984). Corporate financing and investment decisions when firms have information that investors do not have, Journal of financial economics, vol. 13 Iss. 2, pp Nasdaq (2016). First North. (Hämtad ) Patel, R. & Davidson, B. (2003). Forskningsmetodikens grunder att planera, genomföra och rapportera en undersökning. Lund: Studentlitteratur. 109

117 Polak, P. (2010). Centralization of Treasury Management in a Globalized World. International Research Journal of Finance and Economics, Iss. 6. Polak, P. & Klusacek, I., (2010). Centralization of Treasury Management. 1st Ed. Sumy: Business Perspectives. 100 pages. ISBN Polak, P., Robertson, D. C., & Lind, M. (2011). The New Role of the Corporate Treasurer: Emerging Trends in Response to the Financial Crisis. International Research Journal of Finance and Economics, Iss. 78. Rappaport, A (1998). Creating Shareholder Value : A Guide For Managers And Investors, New York: The Free Press. Rommens, A., Deloof, M., & Jegers, M. (2004). Why do holding companies trade at a discount? A clinical study. Working Paper. Free University of Brussels. Ross, S., (1973). The economic theory of agency: The principal's problem. The American Economic Review, Vol. 63 Iss. 2, pp Ross, S. A., (1977). The determination of financial structure: the incentive-signaling approach. The bell journal of economics, pp Royston, P. (1992). Approximating the Shapiro-Wilk W-Test for non-normality. Statistics and Computing, Vol. 2, Iss. 3, pp Sarig, H. O. (1985). On Mergers, Divestments, and Options: A note. Journal of Financial and Quantitative Analysis, Vol. 20, Iss. 3, pp Servaes, H. (1996). The value of diversification during the conglomerate merger wave. The Journal of Finance, Vol. 51, Iss. 4, pp Shleifer, A., & Vishny, R. W. (1986). Large shareholders and corporate control. The Journal of Political Economy, pp

118 Shores, D. (1990). The association between interim information and security returns surrounding earnings announcements. Journal of Accounting Research, pp Shyam-Sunder, L., & Myers, S. C. (1999). Testing static tradeoff against pecking order models of capital structure. Journal of financial economics, Vol. 51, Iss. 2, pp Sinani, E., Stafsudd, A., Thomsen, S., Edling, C., & Randøy, T. (2008). Corporate governance in Scandinavia: Comparing networks and formal institutions. European Management Review, Vol. 5, Iss. 1, pp Struzenski, J. (2006). Centralize Treasury Management to Reduce Risk, Increase Control. Financial Executive, Vol. 22, Iss. 2, pp Tobin, J. (1969). A General Equilibrium Approach To Monetary Theory. Journal of Money, Credit and Banking, Vol. 1, Iss. 1, pp Yermack, D. (1996). Higher market valuation of companies with a small board of directors. Journal of Financial Economics, Vol. 40, Iss. 2, pp Zhang, R., & Kanazaki, Y. (2007). Testing static tradeoff against pecking order models of capital structure in Japanese firms. International Journal of Accounting & Information Management, Vol. 15, Iss. 2, pp Zou, K. H., Tuncali, K., & Silverman, S. G. (2003). Correlation and simple linear regression 1. Radiology, Vol. 227, Iss. 3, pp

119 10 Bilagor 10.1 Bilaga 1 Frågeformulär enkätundersökning 112

120 113

121 10.2 Bilaga 2 Grafer Graf 10.1 Spridningsdiagram mellan PROXY och GEOS Graf 10.2 Spridningsdiagram mellan SIZE och PROXY 114

122 10.3 Bilaga 3 Hypotes 1 Hypotes 1 Modell 1: 115

123 Hypotes 1 Modell 2: 116

124 Hypotes 1 Modell 2 exklusive LEVSQ: 117

125 10.4 Bilaga 4 Hypotes 2 Hypotes 2 Modell 1: 118

126 Hypotes 2 Modell 2: 119

127 Hypotes 2 Modell 2 exklusive PROXY: 120

128 10.5 Bilaga 5 Hypotes 3 Hypotes 3 Modell 1: 121

129 Hypotes 3 Modell 2: 122

130 Hypotes 3 Modell 2 exklusive PROXY: 123

131 Hypotes 3 Modell 2 Grupp 1: 124

132 Hypotes 3 Modell 2 Grupp 2: 125

133 10.6 Bilaga 6 Hypotes 4 Hypotes 4 Modell 1: 126

134 Hypotes 4 Modell 2: 127

135 Hypotes 4 Modell 2 exklusive INTER: 128

136 Hypotes 4 Modell 2 Grupp 1: 129

137 Hypotes 4 Modell 2 Grupp 2: 130

138 10.7 Bilaga 7 Hypotes 5 Hypotes 5 Modell 1: 131