REVISION OCH LÄGRE KONKURSRISK?

Transkript

1 REVISION OCH LÄGRE KONKURSRISK? En studie om konkursrisk i svenska aktiebolag som omfattas av frivillig revision Christoffer Kollberg, Anna Söderqvist Enheten för företagsekonomi Civilekonomprogrammet Examensarbete i företagsekonomi, 30 hp, VT 2019 Handledare: Tobias Svanström och Lars Lindbergh

2

3 Sammanfattning Småföretag är viktiga för det svenska samhället, inte minst då det är den grupp av företag som bidrar med flest jobbtillfällen i Sverige. Samtidigt upplever småföretagen svårigheter, till exempel med att skaffa tillräckligt med kapital och att hitta kompetent arbetskraft, vilket resulterar i att många småföretag går i konkurs. Eftersom småföretag ofta har en brist på resurser inom företaget är det möjligt att konkurser skulle kunna förebyggas genom att småföretagen tar hjälp av externa resurser, till exempel genom att anlita en revisor. Många småföretag upplever dock att revisionen kostar för mycket, och sedan revisionsplikten slopades för de minsta aktiebolagen år 2010 har en majoritet av bolagen valt bort revision. Tidigare studier indikerar att revision skulle kunna bidra till en minskad konkursrisk i småföretag, men forskningen om revision i småföretag bristfällig. Därför väcktes intresset att studera följande forskningsfråga: Finns det något samband mellan revision och minskad konkursrisk för småföretagen i Sverige? Syftet med studien var att kartlägga sambandet mellan revision och konkursrisk i svenska småföretag, där ett negativt samband förväntades föreligga. Förväntningen grundades i tidigare studier som har visat att vanliga orsaker till konkurs i småföretag är brist på kapital och brist på kunskap, tillsammans med andra studier som har visat att revision kan underlätta tillgången till kapital genom att reviderade räkenskaper signalerar en trovärdighet till externa kreditgivare, och att den rådgivning som revisorn ger kan bidra med kunskap som är viktig för småföretagen. Den signalerande och den rådgivande rollen av revision förklaras i denna uppsats med stöd av agentteorin, signalteorin och resursberoendeteorin. För att studera revisionens samband med konkursrisk i Sveriges småföretag har en kvantitativ metod tillämpats. Studiens population är aktiebolag som omfattas av frivillig revision, och urvalet som studerades bestod av 596 bolag som inledde konkurs år 2015 samt en kontrollgrupp av lika många friska bolag. Konkursrisken studerades i företagen ett och två år innan konkurs genom användandet av konkursprognostiseringsmodeller där revision inkluderades som förklaringsvariabel. Förutom förklaringsvariabeln Revisor innehåller modellerna kontrollvariabler som representerar företagens likviditet, kapitalstruktur, effektivitet, lönsamhet, ålder och storlek. Stor vikt lades vid att välja ut relevanta kontrollvariabler till modellerna för att öka pålitligheten av det samband som visas mellan revision och konkursrisk. Resultatet visar ett signifikant negativt samband mellan revision och konkursrisk, både ett och två år innan konkurs. Slutsatsen av studien är således att revision har ett samband med minskad konkursrisk i Sveriges småföretag.

4

5 Förord Vi vill tacka våra handledare, Tobias Svanström och Lars Lindbergh, för den konstruktiva kritiken och den handledning ni gett oss under detta examensarbete. Vi vill också tacka Stefan Sundgren som gav oss tillgång till det datamaterial som gjorde denna uppsats genomförbar. Till sist vill vi tacka våra nära och kära som har stöttat oss och hjälpt oss hålla motivationen uppe under hela uppsatsskrivandet. Umeå, 17 maj Christoffer Kollberg och Anna Söderqvist

6

7 Innehållsförteckning 1 INLEDNING PROBLEMBAKGRUND PROBLEMATISERING FORSKNINGSFRÅGA SYFTE AVGRÄNSNINGAR DEFINITION AV SMÅFÖRETAG TEORETISK REFERENSRAM REVISION Revisorns roll och arbetsuppgifter En rådgivande roll och en signalerande roll TIDIGARE FORSKNING Tillgång till kapital Tillgång till kunskap Sammanfattning av tidigare forskning KONKURSPROGNOSTISERING Kategorier av nyckeltal HYPOTES VETENSKAPLIG METOD FÖRFÖRSTÅELSE ONTOLOGISK STÅNDPUNKT EPISTEMOLOGISK STÅNDPUNKT ANGREPPSÄTT METODVAL ETISKA ASPEKTER LITTERATURSÖKNING KÄLLKRITIK PRAKTISK METOD FORSKNINGSMETOD OCH FORSKNINGSDESIGN DATAINSAMLING Primär- eller sekundärdata Databas och tillvägagångssätt vid datainsamling URVAL OCH POPULATION Databearbetning och bortfall STATISTISK METOD Statistiska hypoteser Logistisk regression MODELLERNAS UPPBYGGNAD Responsvariabel Förklaringsvariabel Kontrollvariabler VAL AV KONTROLLVARIABLER TILL STUDIENS MODELLER Modell 1 (ett år innan konkurs) Modell 2 (två år innan konkurs) MULTIVARIATA OUTLIERS RESULTAT OCH ANALYS MODELLERNA... 41

8 5.2 RESULTATET AV DE LOGISTISKA REGRESSIONERNA ANALYS AV REVISIONENS SAMBAND MED KONKURSRISKEN Resultat av studiens hypoteser Marginaleffekten av revision Jämförande analys mellan företag med och utan revisor ANALYS AV HUR BRA MODELLERNA FUNGERAR Modellernas träffsäkerhet Modellernas pseudo-r Effekten av multivariata outliers Effekten av observationer i gråzonen AVSLUTANDE ANALYS OCH DISKUSSION ANALYS OCH DISKUSSION STUDIENS BIDRAG SAMHÄLLELIGA IMPLIKATIONER STUDIENS BEGRÄNSNINGAR FÖRSLAG TILL VIDARE FORSKNING SANNINGSKRITERIER Reliabilitet och intern validitet Generaliserbarhet REFERENSER BILAGOR BILAGA 1: KORRELATIONSMATRISER 2014 OCH 2013 SAMT VIF-VÄRDEN BILAGA 2: DESKRIPTIV STATISTIK TVÅ ÅR INNAN KONKURS BILAGA 3: BOOTSTRAP FORWARD LOGISTIC REGRESSION-TEST, MODELL BILAGA 4: DESKRIPTIV STATISTIK ÖVER VARIABLERNA I MODELL 1 OCH MODELL BILAGA 5: SEPARATA REGRESSIONER PÅ FÖRETAG MED OCH UTAN REVISOR, MODELL BILAGA 6: LIKELIHOOD RATIO-TEST, MODELL 1 OCH MODELL BILAGA 7: REGRESSIONER UTAN MULTIVARIATA OUTLIERS, MODELL 1 OCH MODELL BILAGA 8: REGRESSIONER UTAN OBSERVATIONER I GRÅZON, MODELL 1 OCH MODELL

9 Tabell- och figurförteckning Tabell 1: Bolag efter avgränsningar Tabell 2: Bortfall Tabell 3: Nyckeltalskategorier och nyckeltal Tabell 4: Deskriptiv statistik ett år innan konkurs Tabell 5: Starkt korrelerande variabler ett år innan konkurs Tabell 6: VIF-värden Tabell 7: Bootstrap Forward Stepwise Logistic Regression, Modell Tabell 8: Andel konkursbolag och friska bolag med och utan revisor Tabell 9: Skillnad i variabeln TSEK mellan Tabell 10: Starkt korrelerade variabler två år innan konkurs Tabell 11: Resultat av logistiska regressioner, ett och två år innan konkurs Tabell 12: Hypotestester Tabell 13: Marginaleffekt av variabeln Revisor Tabell 14: Regressioner med/utan revisor ett år innan konkurs Tabell 15: Klassificeringsgrad utan variabler (endast konstant) Tabell 16: Klassificeringsgrad ett och två år innan konkurs Figur 1: Multivariata outliers, Modell Figur 2: Multivariata outliers, Modell

10

11 1 Inledning Det inledande kapitlet börjar med en bakgrund av studiens ämne. Därefter följer en problematisering där forskningsproblemet och forskningsgapet diskuteras, vilket sedan mynnar ut i studiens forskningsfråga och syfte. Till sist presenteras de avgränsningar som har gjorts i samband med studien, samt en redogörelse för hur begreppet småföretag används i denna studie. 1.1 Problembakgrund Småföretag är den grupp av företag som bidrar med flest jobbtillfällen i Sverige (Företagarna, 2017, s.5), och de har således en viktig roll i att skapa tillväxt och sysselsättning i det svenska samhället. Många småföretag möts dock av utmaningar. Till exempel upplever många företag att det är svårt att hitta kompetent personal (Tillväxtverket, 2017, s.20) samt att det kan vara svårt att få tillgång till det kapital som behövs för att kunna göra nödvändiga investeringar (Företagarna, 2017, s.3). På grund av utmaningarna kan företagen ha svårt att överleva de första åren, vilket återspeglas i en rapport från tillväxtanalys som visar att 24 procent av 2012 års nystartade företag gick i konkurs inom 3 år (Tillväxtanalys, 2015, s.9). Av alla svenska aktiebolag som gick i konkurs mellan 2017 och 2019 hade 83 % av företagen högst 4 anställda (SCB, 2019), det tyder på att det är de minsta företagen som oftast drabbas av konkurs. I och med småföretagens viktiga roll i Sveriges näringsliv är konsekvenser av konkurser allvarliga. Många människor tappar sitt arbete, företagarnas privata ekonomi blir lidande och skatteintäkter till staten uteblir. Vanliga orsaker till konkurs i småföretag har i tidigare studier visat sig vara svårigheter att få tillgång till kapital eller att det finns en brist på nödvändig kunskap inom företaget (Carter & Auken 2006, s.510; Smallbone, 1990, s.44 45; Thornhill & Amit, 2003, s.505). Enligt Andersén (2005, s.39) är småföretag på grund av brist på interna resurser ofta beroende av kompletterande externa resurser. En sådan extern resurs skulle kunna vara revision. Revisionens främsta syfte är att minska informationsasymmetrin som kan uppstå mellan ett företag och dess intressenter, och agentkostnader som bland annat uppstår när företagsledningens mål inte överensstämmer med aktieägarnas mål (Eilifsen et al., 2014, s.6). Men eftersom småföretag ofta har ett mer koncentrerat ägande än stora företag (Vanstraelen & Schelleman, 2017, s.571) samt att de vanligtvis har färre intressenter som granskar de finansiella rapporterna (Langli & Svanström, 2013, s.5), ser problematiken lite annorlunda ut i dessa företag. Två vanliga intressenter i småföretag är skattemyndigheten och banker (Vanstraelen & Schelleman, 2017, s.566). Banken kan vara intresserad av att granska företagets räkenskaper när ett företag behöver finansiering i form av ett banklån. Tidigare studier har visat att revision kan göra det lättare för småföretag att få tillgång till kapital, då reviderade finansiella rapporter signalerar till banker och andra kreditgivare att företagets rapporter går att lita på (Hope et al., 2011, s.951; Karjalainen, 2011, s.102). Förutom en signalerande roll gentemot externa intressenter så kan det även finnas en intern nytta av revision. Tidigare studier har visat att revisorer kan bidra med värdefull branschkunskap och kompetens inom företagande, och den rådgivande funktionen av 1

12 revisionen har visats vara något som småföretagen värdesätter (Ojala et al., 2016, s.269; Svanström, 2008, s. 262). I en finsk studie av Ojala et al. (2016, s.269) intervjuas två bankmän vars starka uppfattning är att revision även kan vara en viktig resurs för att reducera risken för småföretag att gå i konkurs. Anledningen till antagandet är att revisorn kan flagga för risker i företaget och därmed få ledningen att fokusera på rätt saker innan det är för sent, samt att revisorn kan komma med råd om vad som kan göras för att en konkurs ska kunna undvikas (Ojala et al., 2016, s.269). Detta ingår naturligt i revisorns arbete då en av arbetsuppgifterna är att bedöma och uttala sig om företagets fortsatta drift, det vill säga om företaget kommer att kunna fortsätta sin verksamhet i minst 12 månader till (Eilifsen et al., 2014, s ). Samtidigt kan kostnaden för revision vara betungande för många småföretag (SOU 2008:32). Den 1 november 2010 beslutade riksdagen att avskaffa revisionsplikten för mindre aktiebolag. Det innebär att revisionen är frivillig för aktiebolag som under två räkenskapsår i rad inte överstiger fler än ett av följande tre kriterier: tre anställda (i genomsnitt), tre miljoner kronor i nettoomsättning, och en och en halv miljoner kronor i balansomslutning. Av alla företag som finns i Sverige omfattas mer än 70 % av reglerna för frivillig revision (PWC, u.å.), och en majoritet av företagen väljer att inte ha revisor. Bland nystartade företag väljer ca % att avstå från revision (Osser, 2017), och av alla aktiebolag som berördes av regeländringen 2010 hade 60 % valt bort revisionen innan utgången av räkenskapsåret 2015 (RIR, 2017, s.7). I en enkätstudie gjord på privata aktiebolag i Europa (Minnis & Shroff, 2017, s.495) ansåg 54% av bolagen att revisionen tog upp för mycket tid från ledningen, 42,1% såg inget positivt med att anlita en revisor och 60,3% ansåg att kostnaden av revisionen var för hög. I november 2016 släppte småföretagarnas riksförbund ett pressmeddelande där de föreslog att gränsvärdena för revisionsplikten i Sverige bör höjas till gränsvärdena som definierar större bolag enligt Årsredovisningslagen 1 kap. 3 (SFS 1995:1554), det vill säga företag som uppfyller mer än ett av följande kriterier under två år: 80 miljoner kronor i omsättning, 40 miljoner kronor i balansomslutning, och 50 anställda. Motiveringen bakom förslaget var att revisionen ska vara ett frivillig val och att Sveriges aktiebolag besitter tillräcklig kompetens för att själva kunna avgöra om de behöver en revisor. Småföretagarnas riksförbund menar att de föreslagna gränsvärden är mer rättvisa i förhållande till hur det ser ut i resten av Europa, då gränsvärdena i övriga länder är betydligt högre än i Sverige (Svensson, 2016). Å andra sidan rekommenderar Riksrevisionen att revisionsplikten bör återinföras (Marténg, 2017). Rekommendationen att återinföra revisionsplikten för samtliga aktiebolag grundar sig i att bolagen som har valt bort revision har haft en långsammare tillväxt i omsättning och antal anställda än de bolag som har haft revisor, dessutom har kvalitén på årsredovisningar försämrats och ekobrottsmyndigheten har varnat för att det finns en risk att aktiebolag används för brottslig verksamhet (Marténg, 2017). 2

13 1.2 Problematisering Småföretag är den grupp av företag som bidrar med flest jobbtillfällen i Sverige (Företagarnas finansieringsrapport, 2017, s.5). Eftersom småföretagen har en betydelsefull roll i det svenska samhället är det av vikt att skapa en gynnsam miljö för företagen där det finns goda möjligheter för tillväxt och lönsamhet. Som ett led i detta är det även viktigt att öka förståelsen för hur småföretagen kan minska risken att gå i konkurs. Något som potentiellt skulle kunna bidra till en minskad konkursrisk för småföretagen är att anlita en extern revisor. Tidigare studier om revisionens roll i småföretag har visat att revision kan göra det lättare för företagen att få tillgång till kapital (Hope et al., 2011, s.951; Karjalainen, 2011, s.102), samt att revisorer kan bidra med värdefull kunskap till företagen (Knechel et al., 2008, s.69; Ojala et al., 2016, s.269; Svanström, 2008, s. 262; Wallace, 1980, s.25), vilket är faktorer som i andra studier visats vara viktiga för att kunna undvika konkurs (Carter & Auken 2006, s.510; Smallbone, 1990, s.44 45; Thornhill & Amit, 2003, s.505). Samtidigt tyder vissa studier på att revisionens nytta i småföretag är överskattad. I Norge fann Langli (2015, s.3) att företag som avstod från revision inte hade svårare att få tillgång till finansiering än företag som hade revisor, samt att de i genomsnitt gjorde en besparing på 20,000 NOK (Langli, 2015, s.3). I en studie från Finland visade det sig att småföretag med revisor hade högre ränta på banklån än småföretag utan revisor (Tervo & Jokipii, 2018, s.306). Enligt författarna kunde detta till viss del förklaras av att de företag som frivilligt väljer att anlita en revisor ofta är företag med högre risk eller företag som har ekonomiska problem sen tidigare (Dedman et al., 2014, s.21; Niemi et al., 2012, s.189; Tervo & Jokipii, 2018, s.306). Samtidigt indikerar faktumet att många företag upplever revisionen som ekonomiskt belastande (Minnis & Shroff, 2017, s.495) att det snarare är ekonomiskt starka företag som tenderar anlita en revisor. Trots att det finns en hel del tidigare studier i ämnet så är forskning om revisionens roll i småföretag bristfällig jämfört med forskning om revisionens roll i större företag (Vanstraelen & Schelleman, 2017, s.571), dessutom är resultaten i existerande forskning motstridiga. Det indikerar att det finns ett behov att utforska ämnet ytterligare. Det finns däremot många studier om faktorer som kan påverka risken att företag försätts i konkurs. Forskare har i tidigare studier analyserat olika finansiella nyckeltal och utifrån dessa byggt så kallade konkursprognostiseringsmodeller (Adnan Aziz & Dar, 2006, s.23; Dimitras et al., 1996, s.487). Tanken med konkursprognostiseringsmodeller är att det med hjälp av dessa ska vara möjligt särskilja företag som kommer att gå i konkurs från de som inte kommer att gå i konkurs, och modellerna kan användas av intressenter inför till exempel en investering i ett företag (Dimitras et al., 1996, s.488). En del forskare har även inkluderat icke-finansiella variabler i sina konkursprognostiseringsmodeller (Adnan Aziz & Dar, 2006, s.23; Dimitras et al., 1996, s.489), dock saknas det tidigare studier där sambandet mellan revision och risken att gå i konkurs har undersökts. Det kan därför vara intressant att studera om det existerar något sådant samband genom att inkludera revision som en variabel i en konkursprognostiseringsmodell. Eftersom tillgång till kapital visats vara viktigt för att undvika konkurs (Carter & Auken 2006, s.510; Thornhill & Amit, 2003, s.505), samt att reviderade räkenskaper enligt en del studier visats göra det lättare för småföretag att få tillgång till kapital (Hope et al., 2011, s.951; Karjalainen, 2011, s.102), kan det potentiella sambandet mellan revision och minskad konkursrisk i småföretag förklaras av signalteorin. Enligt signalteorin (Spence, 3

14 1973, s.356) kan revisionen signalera till banker eller andra kreditgivare att företagets räkenskaper går att lita på, vilket därmed kan göra det lättare för företaget att till exempel få ett banklån. Men eftersom det har visat sig att många småföretag som väljer att anlita en revisor är företag som redan har ekonomiska problem (Dedman et al., 2014, s.21; Niemi et al., 2012, s.189), är det möjligt att revisionens signalerande effekt i många fall inte är tillräcklig för att förbättra företagens möjlighet till kredit. Som tidigare nämnts är en annan vanlig orsak till konkurs att viktig kunskap saknas i företaget (Carter & Auken 2006, s.510; Hewa Wellalage & Locke, 2012, s. 15; Smallbone, 1990, s.44-45; Thornhill & Amit, 2003, s.505). Den kunskap som revisorer kan bidra med har i tidigare studier visats vara en viktig resurs för småföretag (Svanström, 2008, s.30, 262; Ojala et al., 2016, s.269), därav kan revisionens potentiella samband med minskad konkursrisk i småföretag även förklaras med hjälp av resursberoendeteorin. Enligt resursberoendeteorin (Pfeffer & Salancik, 1978, s.46) består företag av inputs och outputs där det ena företagets output är det andra företagets input, och företagen är på grund av detta förhållande beroende av varandra. Revision kan i detta fall ses som en resurs där outputen är kunskap om företagande, marknaden och branschen som företaget är verksam i, en kompetens som kan vara kritisk och som eventuellt saknas internt i företaget. De företag som inte väljer att anlita en extern revisor anser då enligt resursberoendeteorin att revision inte är en tillräckligt viktig resurs för företaget (Pfeffer & Salancik, 1978, s.46). Forskning om revisionens roll i småföretag är bristfällig (Vanstraelen & Schelleman, 2017, s.571), dessutom saknas det studier om revisionens roll för just Sveriges småföretag. Det är oklart om revisionen påverkar svenska småföretag på samma sätt som tidigare studier har visat, då gränsvärdena för revisionsplikt skiljer sig åt mellan olika länder, samt att det kan finnas andra anledningar som gör att resultaten inte är generaliserbara för Sveriges småföretag. 1.3 Forskningsfråga Då forskningen om revisionens nytta kontra kostnad i Sveriges småföretag är bristfällig, samt att det saknas studier om det potentiella sambandet mellan revision och en minskad konkursrisk, är det intressant att studera följande forskningsfråga: Finns det något samband mellan revision och minskad konkursrisk för småföretagen i Sverige? 1.4 Syfte Syftet med studien är att undersöka om revision har ett samband med minskad konkursrisk i Sveriges småföretag. Då forskning om revisionens nytta i Sveriges småföretag är bristfällig kan denna studie bidra med en ökad förståelse inom området. Studiens resultat kan även bidra med en ökad förståelse om småföretags konkursrisk, bidra till diskussionen om revisionsplikten i Sverige, samt ge vägledning till småföretag som står inför valet att anlita en revisor eller inte. 4

15 1.5 Avgränsningar Studien är avgränsad till företag i Sverige då syftet med studien är att studera revisionens nytta för Sveriges småföretag. Studien kommer att baseras på finansiella nyckeltal från svenska småföretag, därav behövs tillgång till företagens årsredovisningar för studiens genomförande. För att säkerställa tillgången till årsredovisningar är studiens population därför avgränsad till aktiebolag, då aktiebolag är skyldiga att upprätta en årsredovisning enligt bokföringslagen kap p. (SFS 1999:1078). Då syftet är att undersöka om revision har ett samband med minskad konkursrisk, och det därmed behövs göras en jämförelse mellan bolag som har revision och bolag som inte har revision, är populationen vidare avgränsad till aktiebolag som inte är revisionspliktiga. Ytterligare en avgränsning är att endast aktiebolag som har inlett konkurs år 2015 kommer studeras, samt ett lika stort urval av friska bolag från samma period. Vid datainsamlingen fanns möjligheten att inkludera företag som inlett och/eller avslutat konkurs ett visst år. Då en konkurs är en process som kan ta flera år att avsluta har författarna gjort ett aktivt val att endast inkludera de företag som har inlett konkurs. Det görs dels för att företagen i datamaterialet ska vara jämförbara med varandra, och dels för att det är den period som leder fram till konkurs som avses att studeras i denna studie. Nyckeltal hämtas från årsredovisningar ett och två år före konkursen, och samma period för de bolag som inte gått i konkurs. Anledning till att nyckeltal från en period av två år innan konkurs studeras är att konkursprognostiseringsmodeller visat sig fungera bra i den tidsperioden (Altman, 1968, s.600; Yazdanfar, 2011, s ). Anledningen till att studien är avgränsad till just åren är att författarna har fått tillgång till ett datamaterial som innehåller den information om revision i företagen som behövs för att genomföra studien, men datamaterialet omfattar endast åren fram till år Definition av småföretag I detta avsnitt vill författarna redogöra för hur begreppet småföretag används i denna studie, då begreppet används på olika sätt beroende på vilken referens som behandlas. När begreppet småföretag, eller småbolag, används gällande företagen som studeras i denna uppsats syftar författarna på svenska aktiebolag som inte omfattas av revisionsplikt. Det innebär att definitionen inte stämmer överens med den generella definitionen av småföretag i Sverige. Företagen som undersöks skulle snarare betraktas som väldigt små mikroföretag (mikroföretag är företag med högst 10 anställda och högst 2 miljoner euro i omsättning eller balansomslutning (OJ L 124, 2003, s.39)). Vid refereringen till Företagarnas finansieringsrapport i problembakgrunden används definitionen småföretag i enlighet med definitionen i rapporten, det vill säga företag med högst 50 anställda (Företagarna, 2017, s.6). 5

16 När tidigare studier om konkurs i småföretag behandlas har begreppet småföretag olika innebörd beroende på hur småföretag har definierats i studien som det refereras till. I de flesta studier definieras småföretag efter gränsvärden som gäller i landet där studien genomförts, alternativt menas privata företag. När småföretag benämns i samband med tidigare studier om revision i småföretag menas företag som inte omfattas av revisionsplikt. Då gränsvärden för revisionsplikt skiljer sig markant mellan olika länder (Federation of European Accountants, 2016), innebär det att det är skillnader storleksmässigt bland företagen som definieras som småföretag i dessa fall. Det företagen har gemensamt är alltså endast att de inte omfattas av revisionsplikt. 6

17 2 Teoretisk referensram I denna del av uppsatsen presenteras studiens teoretiska referensram. Den teoretiska referensramen inleds med ett avsnitt om revision, där revisionens funktion i Sverige beskrivs och revisionens olika roller diskuteras. Därefter följer en genomgång av tidigare forskning som används som stöd för de antaganden som görs i denna studie, där både tidigare forskning om konkurs i småföretag och tidigare forskning om revision i småföretag behandlas. Eftersom denna studie utförs genom användandet av konkursprognostiseringsmodeller, förklaras detta koncept därefter i ett avsnitt om konkursprognostisering. Kapitlet avslutas med att studiens hypotes presenteras. 2.1 Revision För att skapa en förståelse för revisionens roll och funktion i Sveriges småföretag inleds detta avsnitt med en beskrivning av revisorers arbetsuppgifter, samt hur granskningen av företag går till enligt svenska regler och praxis. Vidare diskuteras den rådgivande och den signalerande rollen av revision kopplat till tre teorier, resursberoendeteorin (Pfeffer & Salancik, 1978), agentteorin (Jensen & Meckling, 1976) och signalteorin (Spence, 1973) Revisorns roll och arbetsuppgifter En revisors uppgift är att granska hur ett företag har skött sin redovisning och förvaltning för att sedan uttala sig om detta i en revisionsberättelse (FAR, 1992, s.8 & s.42). Granskningsuppdraget ska utföras enligt god revisionssed, vilket innebär att det ska utföras enligt normer för revisionens utförande baserat på god praxis för revision (FAR, 1992, s.8 & s.36). Revisorn måste vara oberoende, det innebär bland annat att revisorn inte får vara gift eller nära släkt med någon i bolagets ledning eller ha ett direkt eller indirekt ekonomiskt intresse i bolaget, samt att revisorn inte får sköta bokföringen eller medelsförvaltningen i bolaget (Carrington, 2010, s.190; FAR, 1992, s.11). Syftet med den del av revisionen som handlar om att granska ett företags förvaltning är att revisorn ska kunna uttala sig om vd:n och styrelsens ansvarsfrihet, det vill säga att vd och styrelseledamöter inte kan bli ersättningsskyldiga för något de gjort under räkenskapsåret (FAR, 1992, s.12-13). För att försäkra sig om detta ser revisorn bland annat över företagets organisation, rutiner, planering och kontroll, samt undersöker om företaget har koll på sina risker (FAR, 1992, s.13). Redovisningsrevision innefattar att granska räkenskaperna och årsredovisningen, och syftet är framför allt att säkerställa att den ekonomiska information som finns i förvaltningsberättelsen tillsammans med resultat- och balansräkningen ger en rättvisande bild av bolagets resultat och ställning (FAR, 1992, s.14). Granskningen består dels av internkontrollgranskning och dels av substansgranskning, där internkontrollgranskningen bland annat innefattar att undersöka om det görs kontrollräkningar och inventeringar i företaget, om månadsbokslut och budgetavvikelser följs upp samt om ansvarsfördelning och redovisning fungerar som det ska (FAR, 1992, s.17). Substansgranskning innefattar att granska vad som finns bakom olika resultat- och balansposter genom att stämma av olika transaktioner och saldon, eller genom direkt observation av tillexempel företagets tillgångar. 7

18 Förutom uttalanden om hur företaget har skött sin redovisning och förvaltning ska revisorn även göra ett uttalande om företagets fortsatta drift (Eilifsen et al., 2014, s.596). Det innebär att revisorn gör en bedömning om det är troligt att företaget, baserat på företagets finansiella ställning, kommer kunna fortsätta bedriva sin verksamhet i minst 12 månader till (Eilifsen et al., 2014, s.596). Om företagets fortsatta drift verkar osäker behöver revisorn ta reda på vad företaget tänker göra för att försöka åtgärda problemen (Eilifsen et al., 2014, s.597). Denna process skulle kunna likställas vid att revisorn gör en bedömning av företagets konkursrisk, det är därför rimligt att anta att processen kan vara en förebyggande åtgärd för att företaget ska kunna undvika en konkurs. Men om bedömningen om fortsatt drift leder till att företaget faktiskt får en anmärkning i revisionsberättelsen har tidigare studier indikerat att anmärkningen istället kan bli en självuppfyllande profetia, det vill säga att själva anmärkningen kan leda till att företaget går konkurs (Louwers et al., 1999, s.414) En rådgivande roll och en signalerande roll Revisorn ska enligt aktiebolagslagen 9 kap. 11 (SFS 2005:551): ha den insikt i och erfarenhet av redovisning och ekonomiska förhållanden, som med hänsyn till arten och omfånget av bolagets verksamhet fordras för uppdragets fullförande. På grund av den kompetens som revisorn innehar är det vanligt att revisorn även har en rådgivande roll i det reviderade bolaget. Under granskningsuppdraget har revisorn en skyldighet att påtala brister och komma med råd och förslag till förbättringar (Carrington, 2010, s.181; FAR, 2002, s.11), denna typ av rådgivning kallas för revisionsrådgivning. Revisionsrådgivning är rådgivning som har ett direkt samband med revisionen (Carrington, 2010, s.183), och ska ha till syfte att förbättra kvalitén på underlaget som revisorn baserar sina uttalanden på. Anledningen till att detta är nödvändigt är att om revisorn ska kunna uttala sig om redovisningen måste den vara av sådan kvalitet att revisorn kan förlita sig på den. Det är även vanligt att revisorn bidrar med rådgivning utöver denna skyldighet (Carrington, 2010, s.181; FAR, 1992, s.29). Om bolagen med revisor som studeras i denna studie endast erhåller sådan rådgivning som normalt sett ingår i revisionsuppdraget, eller om de även har anlitat revisorn för fristående rådgivning, är information som ligger bortom denna studie. Till vilken grad företagen använder sin revisor för rådgivning är således oklart och kan endast spekuleras i. Det har dock konstaterats att den rådgivande rollen är något som i större omfattning utnyttjas av just småföretag, på grund av att det ofta finns en brist på kompetens inom företaget (FAR, s.29). Enligt resursberoendeteorin (Pfeffer & Salancik, 1978, s.2-3) är företag beroende av externa resurser för att bedriva sin verksamhet och överleva på marknaden. Då revisorn i många fall kan bidra med viktig kunskap och kompetens som saknas internt i företagen, skulle revisionen enligt resursberoendeteorin kunna ses som en extern resurs som småföretagen är beroende av (Pfeffer & Salancik, 1978, s.46). Det är samtidigt viktigt att rådgivningen som revisorer bidrar med inte blir så omfattande att revisorns oberoende blir hotat (FAR, 1992, s.29). Revisorn ska som tidigare nämnt uttala sig om kvalitén på företagets redovisning och förvaltning och kommunicera detta till företagets intressenter genom en revisionsberättelse. På så vis sätter revisionen en kvalitetsstämpel på företagets redovisning (Carrington, 2010, s.185), något som endast är möjligt så länge revisorn är en oberoende part gentemot företaget. Kvalitetsstämpeln som revisionen sätter på företagens redovisning och förvaltning skapar en trygghet för 8

19 företagens intressenter, då det signalerar att informationen som presenteras är sanningsenlig och att ingen betydande information har undangömts (Carrington, 2010, s.25). Det innebär även att revisionen hjälper till att minska informationsasymmetrin, som beskrivs som att företagsledningen har mer information om företagets finansiella ställning än vad företagets intressenter har (Eilifsen et al., 2014, s.23). En teori som ofta används för att förklara hur revision kan minska informationsasymmetrin mellan ett företag och dess intressenter är agentteorin (Jensen & Meckling, 1976). Enligt agentteorin är agenten (företaget) anförtrodd att fatta beslut för principalens (intressentens) räkning (Jensen & Meckling, 1976, s.308). Ett grundantagande i teorin är att alla parter antas agera efter egen vinning, och för att kunna kontrollera att agentens handlingar går i linje med principalens intresse kan det därför vara rimligt av principalen att kräva att agentens räkenskaper revideras (Jensen & Meckling, 1976, s.308). En teori som tydligare kan förklara den signalerande rollen av revision är signalteorin (Spence, 1973). Signalteorin (Spence, 1973, s.358) förklarar att när det förekommer informationsasymmetri mellan två parter kan den ena parten genom olika handlingar signalera trovärdighet till den andra parten, och därmed även minska informationsasymmetrin. Att ett företag låter sina räkenskaper revideras kan därmed ge en betryggande signal till företagets intressenter, då det signalerar att företaget inte har något att dölja. Vilka intressenter som är viktiga att signalera denna trovärdighet till skiljer sig mellan olika företag, för just småföretag kan ofta banken vara en viktig intressent då reviderade räkenskaper kan vara fördelaktigt när företaget ska ta ett banklån (Hope et al., 2011, s.1; Karjalainen, 2011, s.102). Förutom att revisionen ökar pålitligheten av de finansiella rapporterna kan revisionsberättelsen dessutom signalera en trygghet till företagets intressenter genom revisorns antagande om fortsatt drift, det vill säga att företaget kommer att kunna fortsatta sin verksamhet i åtminstone ett år till (Eilifsen et al., 2014, s.569). 2.2 Tidigare forskning I detta avsnitt diskuteras tidigare forskning som anses vara relevant kopplat till vad som studeras i denna uppsats. Syftet med denna studie är att undersöka om revision har ett samband med en minskad konkursrisk hos Sveriges småföretag. Att ett sådant förhållande förväntas existera baseras på två huvudsakliga antaganden: 1. Att tillgång till kapital, och tillgång till nödvändig kunskap, utgör kritiska faktorer i småföretag för att undvika konkurs. 2. Att revision kan underlätta kapitaltillgången för småföretag genom att reviderade räkenskaper signalerar trovärdighet till potentiella kreditgivare, samt att revisorers rådgivning kan bidra med viktig kunskap som eventuellt saknas internt i företagen. För att styrka dessa antaganden presenteras tidigare studier om vanliga orsaker till konkurs i småföretag, tillsammans med tidigare studier om revisionens rådgivande och signalerande roll i småföretag. Studierna presenteras under rubrikerna Tillgång till kapital och Tillgång till kunskap. Avsnittet avslutas med en sammanfattning. 9

20 2.2.1 Tillgång till kapital Tillgång till kapital har i ett flertal tidigare studier visats vara avgörande för småföretags överlevnad. Hall (1992) studerade konkurser i brittiska småföretag, där författaren bland annat undersökte företagarnas egna uppfattningar om varför deras företag gick i konkurs (Hall, 1992, s.241). Enligt studien var den vanligaste uppfattningen bland företagarna att konkurser orsakats av problem i förvaltningen, varav underkapitalisering angavs som det största problemet (Hall, 1992, s.243). Underkapitalisering kan enligt författaren antingen bero på en ineffektiv kapitalmarknad, att företagare underskattar sitt kapitalbehov eller att de haft svårt att få tillgång till finansiering (Hall, 1992, s.444). Vidare indikerar studien att yngre företag haft svårare att få tillgång till finansiering än äldre företag (Hall, 1992, s.244). Detta resultat stöds av Thornhill och Amit (2003), som studerade orsaker till att företag i olika åldrar går i konkurs. Författarna fann att en av de största orsakerna i yngre företag var brist på kapital och uttömmandet av kapital innan de hunnit utveckla och bygga konkurrensfördelar i företaget (Thornhill & Amit, 2003, s.505). Även Carter och Aukens (2006, s.504) undersökning av amerikanska småföretag visade att det som var mest avgörande om ett företag överlever eller inte var tillgång till kapital. Carter och Aukens (2006, s.504) studie visade att både yngre och äldre småföretag upplever problem med tillgång till kapital. Andra studier har visat att den signalerande effekten av revisionen kan göra det lättare för småföretag att få tillgång till kapital. Hope et al. (2011, s.951) studerade pålitligheten av finansiella dokument och svårigheter med finansiering i 68 länder. I studiens statistiska modell användes revision som en proxy för pålitlighet av årsredovisningen, och studiens resultat visade att de företag vars årsredovisningar blivit reviderade av en extern revisor inte hade samma problem med att skaffa extern finansiering (Hope et al., 2011, s.951). Svårigheter att få tillgång till kapital kan bero på höga räntekostnader eller dålig kreditvärdighet. I en studie på privata företag i USA visade det sig att företag som frivilligt anlitade en revisor hade en signifikant lägre ränta på kreditlinjer (Blackwell et al., 1998, s.68). Studien tog också hänsyn till storlek av företaget (Blackwell et al., 1998, s.60), som visade sig ha ett negativt samband med låneräntan. Sambandet var inte linjärt och visade att ju mindre ett företag är desto större blev marginaleffekten som revision har på låneräntan (Blackwell et al., 1998, s.63). Att företag med revisor har en lägre låneränta stöds även av resultatet i en studie av Kim et al. (2011, s.612), där revisionens effekt på låneräntan i sydkoreanska företag undersöktes. Karjalainen (2011, s.89) studerade om det fanns ett samband mellan företagens skuldkostnad och kvalitén på revisionen. Revisionskvalitén uppskattades genom att kolla på om revisionen genomfördes av en auktoriserad revisor eller inte, om det fanns mer än en ansvarig revisor samt om revisionen genomfördes av en Big4-firma (Karjalainen, 2011, s.95). Studien visade att företag som anlitade en revisor av högre kvalité hade en lägre skuldkostnad (Karjalainen, 2011, s.102). Även Minnis (2011, s.497) studie från USA visade att skuldkostnaden var lägre i företag med revisor. I tillägg visade studien att reviderade räkenskaper utgjorde ett viktigt underlag för kreditgivare vid kreditbedömning (Minnis, 2011, s.497). En annan studie som säger att revision har en positiv effekt på företagens lånevillkor är Lennox och Pittman (2011, s.1656). De kollade på data från Storbritannien åren 2003 och 10

21 2004, som är perioden då revisionsplikten upphävdes för vissa företag i Storbritannien (Lennox & Pittman, 2011, s.1665). Enligt resultatet av studien har företag som låter sig granskas av en revisor högre kreditvärdighet än de som inte går igenom en sådan granskning (Lennox & Pittman, 2011, s.1675). Detta resultat stöttas även av Dedman och Kausar (2012, s.416) som också studerade företag från Storbritannien under perioden då revisionsplikten avskaffades. För att vara säker på att det var revision som påverkade låneräntan inkluderade de också kontrollvariabler som likviditet, storlek och ålder som visat sig vara faktorer som påverkar kreditvärdigheten (Dedman & Kausar, 2012, s.416). Kausar et al. (2016, s.180) visade att utöver en lägre skuldränta så ökar skulderna, investeringarna och den operativa effektiviteten i de företag som frivilligt anlitar en revisor. Det var alltså inte bara tillgången till kapital som förbättrades, utan företagen blev även mer effektiva på att använda sitt kapital (Kausar et al., 2016, s.180) Tillgång till kunskap Förutom att tillgång till kapital visats vara en viktig faktor för att undvika konkurs i småföretag så har studier även visat att det är viktigt att företagen besitter tillräcklig kompetens och kunskap. I en kvalitativ studie om nystartade företag i Storbritannien (Smallbone, 1990, s.44) visade det sig att en stor del av de som startar eget företag varken har en utbildning inom företagsekonomi eller anser det vara viktigt med en sådan utbildning för att lyckas. Samtidigt menar författaren att brist på grundläggande kunskaper inom företagande var en stor anledning till att företagen gick i konkurs (Smallbone, 1990, s.44 45). Smallbone (1990, s.44) menar även att företagarna inte själva inser att de har bristfälliga kunskaper, eftersom de startar verksamheter i branscher eller geografiska områden som inte efterfrågar deras produkter (Smallbone, 1990, s.45). Carter och Auken (2006, s.510) visar i deras studie att kunskap är en av de viktigaste faktorerna i småföretag för att undvika konkurs. Bland företagen i studien visade det sig att de friska företagen tyckte att kunskap och erfarenhet var mycket viktigare än vad konkursföretagen tyckte, och författarna argumenterar att konkurserna kunde bero på just detta att konkursföretagen inte hade prioriterat att skaffa den kunskap och erfarenhet som behövdes (Carter & Auken, 2006, s ). Författarna menar att det är viktigt att företagare inser vikten av detta, och tar hjälp av till exempel en konsult om det är nödvändigt (Carter & Auken, 2006, s.510). Företagarnas kompetens diskuteras även av Brüderl et al. (1992), som studerade överlevnaden bland nystartade företag i Tyskland. Resultatet av studien visade bland annat att företagsgrundarens utbildning och arbetslivserfarenhet hade ett signifikant samband med hur länge företagen överlevde. Vidare hade grundarens branschspecifika erfarenhet, ledarskapserfarenhet och erfarenhet av företagande ett signifikant positivt samband med företagens överlevnad (Brüderl et al., 1992, s.236). En annan studie som stödjer antagandet om att kunskap är viktigt för småföretags överlevnad är en studie från Nya Zeeland, där konkursorsaker i onoterade bolag studerades (Hewa Wellalage & Locke, 2012). Studien visar att franchisebolag löper lägre risk att gå i konkurs än självständiga företag (Hewa Wellalage & Locke, 2012, s. 15) och författarna argumenterar att detta kan bero på att de företag som ingår i en franchise, även om de är små, har tillgång till stordriftsfördelar som bland annat innefattar nödvändig kunskap om företagande. 11

22 Då studier visar att småföretag ofta saknar nödvändig kunskap och kompetens internt i företaget, kan det vara nödvändigt för dessa företag att ta hjälp av en extern part. Tidigare studier har visat att revisorn kan vara en källa till nödvändig kunskap och kompetens för småföretag. Den rådgivning som revisorn bidrar med består dels av den rådgivning som ingår naturligt i revisionsuppdraget, men det är även vanligt att revisorn anlitas för fristående rådgivning utöver detta (Carrington, 2010, s.181; FAR, 1992, s.29). Svanström (2008, s.263) skriver i sin avhandling att revisionsbyrån är den vanligaste källan till rådgivning för små och medelstora bolag i Sverige. Företagen i studien anser att råd från revisionsbyrån är viktiga gällande redovisningsfrågor, men också när det gäller företagens långsiktiga utveckling (Svanström, 2008, s.263). Ojala et al. (2016, s.108) studerade efterfrågan på revision i finska småföretag, där intervjuer genomfördes med 16 chefer i småföretag inom olika branscher. Studien visade att cheferna upplevde en trygghet i att revisorn håller koll på att allt står rätt till, så att cheferna istället kunde fokusera på kärnverksamheten. Dessutom kunde revisorn bidra med goda råd gällande olika typer av företagsfrågor (Ojala et al., 2016, s.269). Wallace (1980, s.25) skriver att den rådgivning som revisorer kan bidra med kan leda till en effektivisering av företagens processer, vilket i sin tur kan minska till exempel företagens produktionskostnader. Detta stöds även av mer aktuell forskning, Knechel et al. (2008, s.82) skriver att i tillägg till revisionens huvudsakliga syfte, som är att öka kvalitén av finansiella dokument, så bidrar revisionen även med följdeffekter såsom ökad intern effektivitet Sammanfattning av tidigare forskning Tillgång till kapital och tillgång till nödvändig kunskap har genomgående i tidigare studier visats vara viktiga faktorer för att undvika konkurs i småföretag (Carter & Auken, 2006, s.504,510; Hall, 1992, s.243; Smallbone, 1990, s.44; Thornhill & Amit, 2003, s.505). Samtidigt har ett flertal andra studier visat att revisionens signalerande effekt, på olika sätt, kan underlätta småföretags möjligheter till extern finansiering (Blackwell et al., 1998, s.60; Dedman & Kausar, 2012, s.416; Kausar et al., 2016, s.180; Lennox & Pittman, 2011, s.1675), och att revisionen även bidra med värdefull kunskap genom revisorns rådgivning (Knechel et al., 2008, s.82; Ojala et al., 2016, s.269; Svanström, 2008, s.263; Wallace, 1980, s.25). Utifrån resultat i tidigare studier kan därmed en koppling göras till att revision, både direkt och indirekt, borde bidra till en minskad konkursrisk för småföretag. Trots att resultat från tidigare studier indikerar ett sådant samband, saknas tidigare studier där detta potentiella samband har studerats. Denna studie kommer, med bakgrund i ovannämnda antaganden, att undersöka om ett samband mellan revision och minskad konkursrisk föreligger hos Sveriges småbolag. Studiens forskningsfråga kommer att undersökas genom att revision inkluderas som förklaringsvariabel i en konkursprognostiseringsmodell. För att skapa en förståelse av vad konkursprognostisering innebär och hur konkursprognostiseringsmodeller har skapats i tidigare studier, behandlas ämnet i studiens nästkommande avsnitt 2.3 Konkursprognostisering. 12

23 2.3 Konkursprognostisering Ett företag går enligt konkurslagen (SFS 1987:672) i konkurs när företaget är på obestånd. Enligt 1 kap. 2 i konkurslagen (SFS 1987:672) är ett företag på obestånd när företaget inte kan betala sina skulder och inte heller kommer kunna göra det i framtiden. Enligt 2 kap. 3-4 konkurslagen (SFS 1987:672) kan en konkursansökan antingen lämnas in av gäldenären, det vill säga företaget, eller av en eller flera borgenärer. Därefter är det tingsrätten som beslutar om företaget ska inleda en konkurs eller inte, och om en konkurs inleds så utser tingsrätten även en konkursförvaltare (Kronofogden, u.å). Konkursförvaltarens uppgift är att förvalta konkursföretagets egendom, detta innebär att tillgångar likvideras i syfte att i första hand betala konkursförvaltarens avgift och i andra hand att betala borgenärerna (Kronofogden, u.å). Företagets borgenärer är de som har en fordran på företaget, vilket exempelvis kan vara banker, leverantörer och kunder. Vilken ordning borgenärerna får betalt beskrivs i förmånsrättslagen (SFS 1970:979). Eftersom en konkurs inleds på grund av företaget inte kan betala sina skulder medför detta att skulderna till borgenärerna oftast inte kan betalas till fullo, borgenärerna löper alltså en risk att ta skada då företaget i fråga försätts i konkurs. Då många riskerar att ta skada när ett företag går i konkurs är förmågan att kunna förutspå företagskonkurser ett intressant område för forskare. Konkursprognostiseringsstudier genomfördes redan på 1930-talet (Altman, 1968, s.590), de såg då signifikanta skillnader i de finansiella nyckeltalen mellan friska företag och konkursföretag tiden innan en konkurs. Altman (1968, s.600) lyckades i sin studie skapa en konkursprognostiseringsmodell som kunde separera konkursföretag från friska företag med 80% säkerhet, två år innan konkurs. Den höga pricksäkerheten av modellen var tack vare att Altman (1968, s.591; 1984, s.172) använde sig av flera nyckeltal som han delade in i kategorier, medan majoriteten av tidigare forskning endast hade använt sig av ett nyckeltal åt gången i sina modeller. Att kunna prognostisera en konkurs är intressant för kunder, långivare och andra intressenter eftersom de riskerar att ta skada om företaget i fråga går i konkurs, men det är även intressant för företaget eftersom de kan använda informationen som en varningssignal för att sedan jobba på att förbättra situationen (Dimitras et al., 1996, s ). Adnan Aziz och Dar (2006, s.23) har sammanställt information från en stor mängd studier om konkursprognostisering. De beskriver att det vanligaste har varit att studierna är baserade på statistiska modeller, men att det även har utvecklats modeller som använder sig av expertsystem med artificiell intelligens, vilket kallas för neurala nätverk. Neurala nätverk är program som lär sig hitta symptom i den finansiella informationen (Adnan Aziz & Dar, 2006, s.19). Statistiska modeller och neurala nätverk bygger ofta på samma principer där den största skillnaden är att i neurala nätverk är det en dator som genomför analysen som en individ annars hade gjort (Adnan Aziz & Dar, 2006, s.21). I de studier där neurala nätverk har använts visade de sig vara marginellt mer säker i sin prognos än de klassiska statistiska modellerna (Adnan Aziz & Dar 2006, s.29). Studiens författare argumenterar dock för att statistiska modeller kan vara mer pålitliga att använda på grund av att dessa modeller har visat en hög träffsäkerhet i en relativt stor mängd studier, jämfört med neurala nätverk (Adnan Aziz & Dar 2006, s.29). Då något neuralt nätverk inte finns till förfogande för denna studie, samt att statistiska modeller visats vara pålitliga vid konkursprognostisering, kommer en statistisk modell att användas i denna studie. 13

24 2.3.1 Kategorier av nyckeltal Nyckeltal delas in i olika kategorier beroende på vad nyckeltalet representerar. Konkursprognostiseringsmodeller kan se väldigt olika ut men gemensamt mellan många tidigare studier är att nyckeltalen i studiernas modeller representerar kategorierna likviditet, kapitalstruktur, effektivitet, och lönsamhet (Chen & Shimerda, 1981, s.55; Dimitras et al., 1996, s ). Nedan följer en kortfattad beskrivning av respektive kategori och varför de är viktiga att ta hänsyn till vid konkursprognostisering. Likviditet visar ett företags kortsiktiga betalningsförmåga, det vill säga hur stor del av de kortfristiga skulderna som skulle kunna betalas av på en gång (Berk & DeMarzo, 2011, s.28). Likviditetsmått är väldigt vanliga i konkursprognostisering (Dimitras et al., 1996, s ). Det är naturligt då ett företag, enligt konkurslagen 1 kap. 2 (SFS 1987:672), går i konkurs på grund av att de inte kan och inte heller kommer kunna betala sina skulder. Kapitalstruktur ger en bild av hur företaget finansieras (Berk & DeMarzo, 2011, s.451). Ett företag som finansieras genom endast eget kapital medför en lägre risk än företag som finansieras genom eget kapital och skulder. Det beror på att eget kapital, till skillnad från skulder, inte behöver betalas tillbaka om företaget börjar prestera dåligt (Berk DeMarzo, 2011, s ). Det är intuitivt att ett företag som lånar mycket även har en större risk att gå i konkurs. Effektivitet handlar om hur effektivt ett företag använder sina tillgångar (Zavgren, 1985, s.24). Ett exempel på effektivitetsmått är nyckeltalet omsättningshastighet på totala tillgångar, som mäts genom att företagets omsättning divideras med företagets tillgångar. En låg effektivitet innebär att företaget har bundet kapital, till exempel ett onödigt stort lager. Hög effektivitet gör att kapital frigörs, vilket i sin tur leder till högre likviditet. Det innebär att även effektivitetsmått är viktiga att ta hänsyn till vid konkursprognostisering, då likviditeten, som tidigare nämnts, är avgörande för att ett företag inte ska gå i konkurs. Ett företags lönsamhet beror på företagets vinst, och lönsamhetsmått visar oftast vinsten i förhållande till företagets tillgångar eller eget kapital (Berk & DeMarzo, 2011, s.30, 32). En hög lönsamhet innebär en lägre risk för konkurs. Vanliga mått på lönsamhet är avkastning på eget kapital, avkastning på kapital och vinstmarginal (Yazdanfar, 2011, s.556, 558). Företag kan ha temporära svackor i lönsamhet (Altman, 1968, s ), instinktivt bör lönsamhet därför vara en opålitlig faktor att använda vid konkursprognostisering. Men studier visar att faktorn är användbar (Altman, 1968, s.602; Dimitras et al., 1996, s.493), och i kombination med andra faktorer kan felaktiga prognoser på grund av temporära svackor i lönsamheten minimeras (Altman, 1968, s.591). Som tidigare nämnts så har det varit vanligt att finansiella nyckeltal från ovannämnda kategorier har använts för att förutspå konkurser i konkursprognostiseringsstudier. Dock kan ett företags framtid och prestationer även bero på kvalitativa faktorer (Dimitras et al., 1996, s.489). Detta är något som ett flertal forskare har tagit hänsyn till genom att inkludera kvalitativa förklaringsvariabler i sina konkursprognostiseringsmodeller (Adnan Aziz & Dar, 2006, s.23; Dimitras et al., 1996, s.489). Revision kan antas vara en kvalitativ faktor som kan påverka ett företags konkursrisk, och för att möta syftet med denna studie kommer revision att inkluderas som förklaringsvariabel i studiens konkursprognostiseringsmodeller. Sambandet mellan revision och konkursrisk är ett område som är outforskat, och enligt författarnas vetskap finns ingen tidigare studie där 14

25 revision har inkluderats som en variabel i en konkursprognostiseringsmodell. Vilka nyckeltal som i övrigt kommer att inkluderas i studiens modeller kommer att presenteras och diskuteras i metodkapitlet. 2.4 Hypotes Syftet med denna studie är att undersöka om revision har ett samband med en minskad konkursrisk hos småföretagen i Sverige. Litteraturen säger att brist på kunskap och svårigheter att få tillgång till kapital är två vanliga orsaker till konkurs (Carter & Auken, 2006, s.504,510; Hall, 1992, s.243; Smallbone, 1990, s.44; Thornhill & Amit, 2003, s.505). Samtidigt visar andra studier att revisorns rådgivning kan bidra med värdefull kunskap till företagen (Knechel et al., 2008, s.82; Ojala et al., 2016, s.269; Svanström, 2008, s.263; Wallace, 1980, s.25) samt att revisionens signalerande effekt kan underlätta småföretagens möjligheter till extern finansiering (Blackwell et al., 1998, s.60; Dedman & Kausar, 2012, s.416; Kausar et al., 2016, s.180; Lennox & Pittman, 2011, s.1675). På grund av detta förväntas ett negativt samband föreligga mellan revision och konkursrisk. Följande hypotes har därför skapats: Det finns ett negativt samband mellan revision och konkursrisk hos Sveriges småföretag. 15

26 3 Vetenskaplig metod Under detta kapitel presenteras de grundläggande utgångspunkterna och angreppsätten för vetenskaplig metod. Argument framförs om de valen som tagits angående dessa utgångspunkter och angreppssätt. Vidare diskuteras de etiska överväganden som tas i beaktning under genomförandet av studien. Till sist presenteras tillvägagångssättet under litteratursökningen och den källkritiska granskningen. 3.1 Förförståelse Denna uppsats är ett examensarbete skrivet av författarna under den sista terminen på civilekonomprogammet vid Umeå universitet. Författarna till denna studie har fördjupat sig inom redovisning och revision på avancerad nivå, och har därmed läst ett flertal kurser inom ämnet genom åren. Genom detta har en teoretisk förståelse för revision och ekonomiska termer och teorier byggts upp. Gällande konkurser så har det behandlats under juridiska kurser, vilket gett en grundläggande förståelse av fenomenet. 3.2 Ontologisk ståndpunkt Ontologi handlar om verkligenheten och hur den förhåller sig till sociala aktörer. Inom ontologin finns det två primära ståndpunkter, objektivism och subjektivism. Den objektivistiska ståndpunkten har sin bakgrund i naturvetenskapen, men har även etablerats som ett legitimt synsätt på verkligheten inom samhällsvetenskaplig forskning. Objektivism innebär att det finns en verklighet som är självständig från sociala aktörer, och att alla aktörer därför har samma uppfattning av verkligheten (Bryman & Bell, 2017, s.52; Collis & Hussey, 2014, s.47). På andra sidan av spektrumet finns subjektivism, som även kallas social konstruktionism. Subjektivism menar istället att sociala fenomen är sociala konstruktioner som skapas och kontinuerligt revideras efter uppfattningen och agerandet av sociala aktörer. Under subjektivism, i motsättning till objektivism, har alltså alla sociala aktörer sin egen verklighet (Bryman & Bell, 2017, s.53; Saunders et al., 2009, s.110). I denna studie kommer verkligheten betraktas genom en objektivistisk ståndpunkt, eftersom studien är konstruerad med utgångspunkt i att det bara finns en verklighet, där studien avser att testa hur väl befintlig teori och kunskap speglar denna verklighet. 3.3 Epistemologisk ståndpunkt Vad som ska eller kan betraktas som godtagbar kunskap inom ett ämnesområde beskrivs enligt Bryman och Bell (2005, s.27) som epistemologi. Inom epistemologin diskuteras förhållningssätten positivism och interpretivism (Bryman & Bell, 2005, s.27-29). Med ett positivistiskt förhållningssätt studeras den sociala verkligheten genom naturvetenskapliga metoder (O'Gorman & MacIntosh, 2015, s.60), det innebär bland annat att endast fenomen som är mätbara och går att observera kan anses vara riktig kunskap (Collis & Hussey, 2014, s.47). Med ett interpretativistiskt förhållningssätt bygger kunskap istället på tolkning och förståelse (Bryman & Bell, 2005, s. 29). För att betrakta kunskap som något objektivt och mätbart förutsätts att det bara finns en verklighet, därför är ett positivistiskt förhållningsätt till kunskap nära sammankopplat till ett objektivistiskt synsätt på verkligheten. När studier genomförs med ett positivistiskt 16

27 förhållningssätt är målet att kunna uttala sig om verkligheten på ett generaliserbart sätt. Denna studie utgår från ett positivistiskt förhållningssätt till kunskap, då studien har ett objektivistiskt synsätt på verkligheten samt att syftet med studien är att bidra med generaliserbar kunskap om svenska småföretag. 3.4 Angreppsätt Förhållandet mellan teori och metod benämns ofta som angreppsätt. Forskning görs vanligtvis genom ett av de två huvudsakliga angreppssätten deduktion och induktion (Bryman & Bell, 2017, s.42). Ett induktivt angreppssätt innebär i stora drag att en studie genom observationer och resultat formar teori. På grund av den kvalitativa naturen och ofta begränsade storleken på urvalet i studier med ett induktivt angreppsätt så offras generaliserbarhet för en djupare förståelse av ett fenomen (Saunders et al., 2009, s.126). En deduktiv ansats utgår istället från existerande kunskap och teori för att deducera hypoteser som sedan bekräftas eller förkastas (Bryman & Bell, 2017, s.43, 45). Det deduktiva angreppsättet testar således existerande teori medan ett induktivt angreppssätt genererar ny teori (Saunders et al., 2009, s ). Studier med ett deduktivt angreppssätt studerar ofta ett stort urval för att kunna generalisera resultaten. Det deduktiva angreppssättet kritiseras dock för att det inte tar hänsyn till alternativa förklaringar till fenomenet som undersöks (Saunders et al., 2009, s ). Som motsats till det induktiva angreppssättet offrar alltså en deduktiv ansats en djup förståelse för generaliserbarhet. Denna studie avser att testa om revision har ett samband med minskad konkursrisk i svenska småföretag med bakgrund i tidigare forskning om revision och konkurs, samt i teorierna signalteorin och resursberoendeteorin. Målet är således inte att skapa någon ny teori. Målet är heller inte att skapa en djup förståelse för ett fenomen, utan snarare att ge en generell bild av hur det ser ut i en population. Då studien grundar sig i existerande teori, samt har som mål att uppnå ett generaliserbart resultat för Sveriges småföretag, är ett deduktivt angreppssätt mest lämpligt under genomförandet av denna studie. 3.5 Metodval Valet mellan en kvantitativ eller kvalitativ metod beror i stort på vad syftet med studien är. Det finns ingen rätt eller fel metod att använda eftersom båda metoderna har styrkor och svagheter. Det är inte ovanligt att använda en kombination av både kvalitativ och kvantitativ metod för att dra nytta av styrkorna från båda metoderna (Holme & Solvang, 1997, s.76 77). En kvalitativ metod används främst när en studie avser att göra en induktiv analys av insamlade data. Det beror på att kvalitativa tekniker innebär en djupgående insamling av information med en närhet till forskningssubjektet (Bryman & bell, 2017, s.58; Holme & Solvang, 1997, s.92). På grund av den starka kopplingen mellan en kvalitativ metod och ett induktivt angreppssätt så är en kvalitativ metod mest lämpad att använda när en studie avser att generera ny teori (Bryman & Bell, 2017, s.58). En kvantitativ metod är istället nära sammankopplad till det deduktiva angreppsättet (Bryman, 2012, s.25). Det medför 17

28 att en kvantitativ metod är lämplig att använda för att testa existerande kunskap och teori, samt att den har fördelen att resultaten kan generaliseras (Eliasson, 2013, s.29-30). Däremot kritiseras användandet av en kvantitativ metod bland annat för att det inte går att garantera att den insamlade informationen faktiskt är relevant för det som avses att studeras (Holme & Solvang, 1997, s.81). Denna studie avser att testa hypoteser kopplade till existerande kunskap och teori. Syftet är även att kunna dra generaliserbara slutsatser angående revisionens potentiella nytta i småföretag. På grund av detta är en kvantitativ metod mest lämplig att använda under genomförandet av denna studie. 3.6 Etiska aspekter Etik inom forskning handlar om hur studien genomförs och hur resultat presenteras ur en etisk synvinkel. De flesta etiska problem i samband med forskning handlar om hur personuppgifter behandlas (Bell & Bryman, 2007, s.72). Forskningssubjekt ska till exempel inte behöva oroa sig över att deras personliga information kommer att släppas till allmänheten, för att de ska ta fysisk eller psykologisk skada eller att de ska känna sig kränkta (Vetenskapsrådet, 2017, s.13). Det finns två lagar i Sverige som forskare alltid ska ha i åtanke när de bedriver forskning, dessa är dataskyddsförordningen (Datainspektionen, 2016) och etikprövningslagen (SFS 2003:460). Lagarna handlar om hur personuppgifter ska behandlas samt hur forskning som avser människor får bedrivas. Detta kallas ibland för extern forskaretik (Vetenskapsrådet, 2017, s.12 13). Denna studie kommer inte att behandla någon utomståendes personuppgifter. Därför berör inte de nämnda lagarna just denna studie. Även studier som inte berör utomstående personer och deras personliga uppgifter ska följa god forskningssed. Det etiska fokuset för sådana studier blir istället den interna forskningsetiken. Intern forskningsetik syftar på forskarens etiska skyldigheter gentemot forskningen, forskarsamhället och samhället i övrigt (Vetenskapsrådet, 2017, s.12). Detta innebär bland annat att studien bör ha ett tydligt syfte och en klar forskningsfråga eller frågor, genomförandet av studien och resultat ska presenteras med transparens, samt att det skall refereras till korrekta källor då någon annans resultat eller idé används för att styrka argument (Vetenskapsrådet, 2017, s.25, 39, 55). För att se till att god forskningssed följs så har bland annat stor vikt lagts vid att formulera forskningsfrågan och syftet på ett sätt som gör det tydligt vad studien faktiskt vill åstadkomma. För att studien ska vara transparent kommer alla delar av studiens metod att förklaras grundligt. Information från studiens resultat kommer att presenteras på ett sanningsenligt och objektivt sätt för att undvika att stödja en fördom eller förhoppning som författarna möjligen kan ha. Vidare så revideras källor kontinuerligt för att se till att källor hänvisas till på ett korrekt sätt. Utöver de punkter som nämnts ovan så är båda författarna alltid närvarande vid bearbetning av tidigare forskning, för att minimera risken för att resultat eller påståenden tolkas på fel sätt. Båda författarna kommer även att vara närvarande vid bearbetning av data, genomförande av tester, samt vid tolkning och analys av resultat. 18

29 3.7 Litteratursökning Enligt Svenning (2003, s.299) kan information endast omvandlas till kunskap när informationen används på rätt sätt. Därför är det viktigt med relevant litteratur när en studie ska genomföras, både för möjligheten att finna ett forskningsgap och för att kunna skapa en lämplig teoretisk referensram som studien ska baseras på. För att skapa en övergripande bild och förståelse för forskningsämnet söktes till en början sammanfattande artiklar och böcker om ämnet upp. Utifrån de refereringar som upplevdes som relevanta för studien söktes därefter de ursprungliga källorna upp. Den sökmotor som primärt har använts för att hitta relevanta källor att använda i studien är Umeå Universitetsbiblioteks (UB:s) databas. Utöver denna sökmotor har även Google och Google Scholar använts. De sökord som har använts mest frekvent, enskilt eller i kombination med varandra, är bland annat: Frivillig revision, Konkurs, Konkursrisk, Konkursprognostisering, Småföretag, Revisionsplikt, Bankruptcy, Voluntary auditing, Small companies, Bankruptcy prediction, Financial ratios, Resource dependence, Signal, Agent, Interest rate, Information asymmetry, Teori och Theory. Genom dessa sökningar hittades böcker, tidigare studier, tidningsartiklar och teorier som var relevanta för det studerade ämnet. Dessa källor användes både i studiens inledande kapitel och i teorikapitlet. För att finna böcker och artiklar om vetenskaplig metod och praktisk metod användes sökord som: Vetenskaplig metod, Samhällsvetenskaplig metod, Källkritik, Samhällsvetenskaplig forskning, Kvantitativ metod, Företagsekonomisk forskning, Statistik, Statistiska metoder och Statistics. Litteratur som använts för skrivandet av vetenskaplig och praktisk metod har till störst del bestått av böcker, men även någon artikel har använts. 3.8 Källkritik Som tidigare nämnts är relevanta källor en viktig del vid genomförandet av en studie, därav är det även viktigt att källorna som används är pålitliga. För att försäkra sig om detta bör det utföras en kritisk granskning av de källor som används i studien. Svenning (2003, s.289) betonar först och främst att primärkällor i möjliga mån bör användas framför sekundärkällor (även kallat första- och andrahandskällor). Det är enligt Svenning viktigt på grund av att det vid användandet av andrahandskällor alltid finns en risk att någon form av ändring av fakta har gjorts. Förstahandskällor förklaras som till exempel intervjupersoner som intervjuas om händelser de själv har upplevt, eller forskningsrapporter skrivna av de som utfört forskningen (Svenning, 2003, s.289). I denna studie har primärkällor sökts upp och använts i största möjliga mån. Några undantag har gjorts när sekundärkällan upplevts som trovärdig samt att det inte varit möjligt att få tag i primärkällan, vilket enligt Svenning kan vara en godtagbar anledning att använda sig av sekundärkällor (Svenning, 2003, s.289). Vidare förklarar Svenning att det är viktigt att göra skillnad på fakta, förklaringar och åsikter (Svenning, 2003, s.289). När det har refererats till tidigare forskning i denna studie har en granskning gjorts av vilken metod som använts i den tidigare studien, för att inte felaktigt framföra något som fakta då det egentligen handlar om åsikter eller tolkningar. Skillnad mellan åsikter och fakta har även gjorts vid refereringar till tidningsartiklar. 19

30 Därefter diskuteras betydelsen av vem som ligger bakom källan. Det är viktigt att utvärdera om individen eller organisationen som ligger bakom källan kan anses vara trovärdig (Svenning, 2003, s.290). När en vetenskaplig artikel har refererats till i studien har det därför kontrollerats att artikeln är peer reviewed, vilket innebär att artikeln har granskats av andra forskare inom ämnet innan den har publicerats (O'Gorman & MacIntosh, 2015, s.10). Det har även kontrollerats att tidskrifterna som artiklarna publicerats i är relevanta och trovärdiga. Exempelvis så kommer en majoritet av artiklarna som används i studien från tidskrifterna Accounting and Business Research och International Journal of Auditing, vilket är välkända vetenskapliga tidskrifter som därav anses vara trovärdiga. Vid referering till tidningsartiklar har endast artiklar från tidningar som är relevanta för studiens ämne använts, som exempelvis revisorernas branschtidning Balans. Böcker som används i studien består till störst del av aktuell kurslitteratur inom det studerade ämnet och andra ämnesspecifika böcker. En annan aspekt som bör beaktas är källornas aktualitet. Svenning (2003, s.295) beskriver att beroende på vad informationen handlar om kan viss information ha ett bäst föredatum, och om informationen i källan inte längre är aktuell så påverkas källans trovärdighet. Regler kring redovisning och revision är något som ständigt förändras, källornas aktualitet är därför något som har tagits i beaktning vid uttalanden om revision för att undvika felaktigheter. Eftersom primärkällor har använts vid referering till tidigare forskning sträcker sig dessa över en relativt lång tidsperiod. Anledningen till att en del äldre källor har använts är att dessa har varit studier som det har refererats till flitigt i andra källor, vilket gör att dessa studier upplevs vara viktiga att nämna i sammanhanget. 20

31 4 Praktisk metod I detta kapitel förklaras metoden som används för att undersöka studiens forskningsfråga. Kapitlet inleds med en förklaring av studiens forskningsdesign, datainsamling och urval. Därefter förklaras den statistiska metoden, vilket inleds med att studiens statistiska hypoteser presenteras, varpå den valda statistiska metoden logistisk regression diskuteras. Sedan redogörs för processen att bygga studiens konkursprognostiseringsmodeller, och till sist undersöks och diskuteras förekommandet av multivariata outliers i studiens urval. 4.1 Forskningsmetod och forskningsdesign Studien syftar till att undersöka om ett negativt samband existerar mellan revision och konkursrisk bland småföretag i Sverige. För att undersöka detta skapas konkursprognostiseringsmodeller där revision inkluderas som förklaringsvariabel i modellerna. I tillägg till förklaringsvariabeln inkluderas ett antal kontrollvariabler som representerar olika faktorer som är viktiga att ta hänsyn till vid konkursprognostisering. För att kunna isolera sambandet mellan revision och konkursrisk är det av vikt att bygga bra modeller, vilket författarna strävar efter genom att försöka inkludera de kontrollvariabler som bäst kan förklara konkursrisken i studiens företag. Kontrollvariablerna som väljs ut till modellerna består av nyckeltal som delats in i olika kategorier beroende på vad nyckeltalet representerar. Två modeller skapas i studien, vilka sedan används för att studera konkursrisken i studiens urval ett respektive två år innan konkurs. Målet är att kunna generalisera resultatet av studien för Sveriges småföretag, därför väljs en kvantitativ forskningsmetod för studiens genomförande (Svenning, 2003, s.73). En kvantitativ metod motiveras även av att studien ämnar testa en hypotes som har deducerats från befintlig teori och forskning (Svenning, 2003, s.77). Hypotesen - att revision har ett negativt samband med konkursrisk i Sveriges småföretag - kommer därefter antingen att accepteras eller förkastas, beroende på resultatet av de statistiska testerna som genomförs. De flesta tidigare studier om konkursprognostisering har genomförts med en kvantitativ metod (Adnan Aziz & Dar, 2006, s.23; Dimitras et al., 1996, s.488), vilket styrker att metoden är gynnsam att använda för ändamålet. I denna studie kommer företag som har gått i konkurs under räkenskapsåret 2015 att studeras, samt en kontrollgrupp bestående av ett slumpmässigt urval av företag som var aktiva samma år. De aktiva företagen benämns hädanefter, för enkelhetens skull, som friska företag. Definitionen av friska företag innebär således endast att företagen inte har gått i konkurs. Företagens finansiella nyckeltal, samt ifall de har haft revisor eller inte, studeras ett respektive två år före konkursen, och de friska företagen studeras på samma sätt. Att företagen studeras bakåt i tiden innebär att studien klassificeras som en retrospektiv studie (Dahmström, 2011, s.401), vilket är ett välanvänt tillvägagångssätt vid konkursprognostiseringsstudier (Adnan Aziz & Dar, 2006, s.23; Bellovary et al., 2007, s.10; Dimitras et al., 1996, s.488; Yazdanfar, 2011, s.555). I tidigare studier har forskare skapat olika modeller som sträcker sig från att förutspå konkurser ett år i förväg upp till fem år i förväg (Bellovary et al., 2007, s.10). Att 21

32 författarna i denna studie väljer att studera företagens konkursrisk ett och två år innan konkurs grundas i ett intresse av att studera revisionens potentiella samband med konkursrisken över tid, där det är intressant att ta reda på om sambandet är som starkast ett eller två år innan konkurs. En nackdel med en forskningsdesign där samma urval studeras vid olika tillfällen är att bortfallet riskerar att bli större, vilket kan leda till att urvalet inte längre är representativt (Bryman & Bell, 2017, s.85). I denna studie faller en del företag bort för att de inte har varit aktiva under samtliga år som undersöks. Detta anses dock inte utgöra något problem då det är nödvändigt att de studerade företagen är likartade utifrån den aspekten, samt att urvalet ändå anses vara tillräckligt stort för att möta syftet med studien Primär- eller sekundärdata 4.2 Datainsamling För att resultatet ska kunna generaliseras undersöks ett stort antal företag. Den information som behövs om företagen för att skapa modellerna till studien hämtas framför allt från företagens årsredovisningar, det innebär att datamaterialet består av sekundärdata. Sekundärdata är data som redan har samlats in av någon annan och för ett annat ändamål än det problem som forskaren ska undersöka (Johansson-Lindfors, 1993, s ). I detta fall är informationen ursprungligen presenterad av företagen själva, och därefter insamlad av Bolagsverket då det är till Bolagsverket som företagen skickar in sina årsredovisningar (Bolagsverket, 2019). En fördel med att använda sekundärdata är att det är tidseffektivt (Saunders, 2009, s.268), vilket gör att författarna kan samla in en stor mängd data och ändå ha tillräckligt med tid över för till exempel analys och tolkning av resultat. Vidare är metoden motiverad av tidigare studier, då konkursprognostiseringsmodeller i de allra flesta fall har byggts av nyckeltal som har satts samman utifrån information i företagens årsredovisningar (Adnan Azis & Dar, 2006, s.23; Altman, 1968, s.594; Dimitras et al., 1996, s ; Yazdanfar, 2011, s.558). En negativ aspekt med användandet av sekundärdata är att det är svårare för författarna att bedöma informationens kvalitet, på grund av att författarna inte var närvarande när datamaterialet genererades eller samlades in (Johansson-Lindfors, 1993, s.118; Saunders, 2009, s.272). I denna studie kan det förekomma fel i företagens årsredovisningar, vilket därmed kan innebära en lägre kvalitet på datamaterialet. Men då det är tydligt reglerat för aktiebolag vad deras årsredovisningar ska innehålla och när de ska lämnas in (Årsredovisningslagen, SFS 1995:1554) samt att datamaterialet som används innehåller information från en så pass stor mängd företag, antas en relativt liten andel felaktig information existera i datamaterialet, och att det därmed inte kommer att påverka studiens resultat Databas och tillvägagångssätt vid datainsamling Datamaterialet som används i denna studie består delvis av information som är inhämtad från databasen Serrano och delvis av information som köpts in från företaget Bisnode. Ursprungligen var tanken att använda databasen Retriever Business för insamling av data till studien, men det visade sig vara problematiskt att få tag i den informationen som behövdes angående konkurser samt angående om företagen hade revisor eller inte för samtliga år som skulle studeras. På grund av att sökningarna i Retriever Business visade 22

33 att ett misstänksamt litet antal företag hade gått i konkurs under vissa år väcktes en misstanke om att informationen som fanns att tillgå genom databasen angående företagskonkurser inte var tillförlitlig. Vidare gick det inte att få fram information om huruvida företagen hade revisor under samtliga år som var tänkta att studeras, utan att manuellt gå in i företagens årsredovisningar. Författarna lägger som tidigare nämnts vikt vid att kunna uppnå generaliserbara resultat, och behöver därmed undersöka ett stort antal företag. På grund av detta skulle denna datainsamlingsmetod inte vara realistiskt genomförbar under den begränsade tiden som finns att tillgå för studien. Tillförlitlig information om företagskonkurser, samt information om huruvida företagen haft revisor eller inte, är avgörande för att kunna undersöka och besvara studiens forskningsfråga. Av den anledningen behövdes en annan lösning för insamling av data till studien. För information om huruvida företagen hade revisor eller inte under åren som undersöks har studiens författare fått hjälp av Stefan Sundgren, professor vid Umeå universitet. Stefan har delat med sig av ett datamaterial som köpts in till ett tidigare forskningsprojekt, som innehåller information om revision i svenska aktiebolag som inte omfattas av revisionsplikt, för åren 2005 fram till och med år Att datamaterialet om revision endast innehåller information fram till och med år 2015 är även anledningen till att 2015 års konkurser har valts att studeras, istället för att studera mer aktuella data. Att ett företag har haft revisor är definierat som att företagets årsredovisning innehåller en revisionsberättelse undertecknad av en godkänd eller auktoriserad revisor, och variabeln Revisor i datamaterialet får då värde 1. Variabeln får istället värde 0 om bolagets årsredovisning inte innehåller en revisionsberättelse undertecknad av en godkänd eller auktoriserad revisor för det aktuella året. Datamaterialet har köpts in från företaget Bisnode, ett företag som tillhandahåller affärs-, marknads- och kreditinformation (Bisnode, u.å.). Bisnode antas vara en pålitlig källa för företagsinformation, men stickprov har trots detta gjorts för att kontrollera att informationen om revision i företagen är korrekt. Ett stickprov på 20 företag valdes ut ur datamaterialet för kontroll, därefter söktes dessa företag upp i Retriever Business. I Retriever Business kontrollerades företagens årsredovisningar manuellt för de aktuella åren för att se om informationen angående revisor stämde. Samtliga stickprov stämde överens med datamaterialet, varför författarna bedömer att informationen är tillförlitlig. Tillförlitlig information om företagskonkurser har hämtats från databasen Serrano, vilket är en databas som tillhandahålls av Bisnode (Weidenman, 2016). Databasen innehåller registerdata om företag som har hämtats från Bolagsverket, SCB och från Bisnodes egna register. Informationen om företagskonkurser som databasen tillhandahåller härstammar från Bolagsverket (Weidenman, 2016, s.2). Förutom information om konkurser tillhandahåller databasen finansiell information om företagen utifrån företagens årsredovisningar, vilket också är information som har hämtats från Bolagsverket (Weidenman, 2016, s.2). Övrig information om företagen såsom registreringsdatum, säte och branschinformation härstammar från SCB (Weidenman, 2016, s ). Lärare vid handelshögskolan i Umeå har tillgång till Serrano, men inte studenter, varför författarna till studien även fått hjälp att inhämta övrig information om företagen som behövts för att genomföra studien. Förutom information om konkurser har finansiell information hämtats om företagen, samt information om när företagen registrerades. Den finansiella informationen som har hämtats om företagen är företagens nettoomsättning, rörelseresultat, årets resultat, finansiella kostnader, skatter, eget kapital, tillgångar och skulder, för åren 2011 till och med år

34 4.3 Urval och population Då studien ämnar undersöka skillnader mellan företag som väljer att använda revisor och företag som väljer att inte använda revisor avgränsas studiens population till svenska aktiebolag som inte omfattas av revisionsplikt. Revisionsplikt infaller för ett aktiebolag då bolaget under två år i rad har överstigit mer än ett av följande kriterier: tre anställda (i genomsnitt), tre miljoner kronor i nettoomsättning, och en och en halv miljoner kronor i balansomslutning. Det fanns inget tillvägagångsätt som kunde garantera att endast aktiebolag som omfattas av frivillig revision inkluderades vid datainsamlingen. Det tillvägagångssätt som användes var att exkludera bolag som under två år i rad överskridit minst två av gränsvärdena, vilket innebar en risk att bolag som överskridit till exempel gränsvärdena för antal anställda och nettoomsättning ena året, och gränsvärdena för till exempel tillgångar och nettoomsättning andra året, fortfarande inkluderas. Det fanns alltså en risk att några revisionspliktiga bolag inkluderas i detta skede. Detta kontrollerades och hanterades dock senare i det slutgiltiga urvalet, vilket ledde till ett bortfall på två revisionspliktiga bolag (se avsnitt om bortfall). Nästa avgränsning som gjordes var att studera aktiebolag som gått i konkurs under räkenskapsåret 2015, samt de aktiebolag som var friska samma år (som nämnts tidigare så definieras samtliga bolag som inte är konkursbolag som friska bolag i denna studie). Anledningen till att studien avgränsas till denna tidsperiod är att studiens författare har fått tillgång till ett användbart datamaterial som innehåller information om huruvida företagen hade revisor eller inte från åren 2005 fram till och med år 2015 (se avsnitt om datainsamling). År 2015 fanns det totalt friska småbolag, samt totalt 3513 småbolag som påbörjade konkurs under året. Därefter sattes kriteriet att bolagen ska ha publicerat årsredovisningar för de åren som undersöks, alltså både 2013 och Konkursprognostiseringsmodeller har visats kunna ge säkra prognoser den tiden innan konkurs (Altman, 1968, s.604; Yazdanfar, 2011, s.563), därför har denna tidsperiod valts. Många av konkursbolagen hade inte lämnat in någon årsredovisning året innan de gick i konkurs, alltså för år 2014, vilket ledde till att en stor andel av konkursbolagen i den ursprungliga populationen exkluderades. Då konkursprognostiseringsmodeller i tidigare studier oftast har fungerat bäst ett år innan konkurs (Altman, 1968, s.604; Yazdanfar, 2011, s.563), samt att antalet konkursbolag som återstår efter avgränsningen ändå anses vara tillräckligt stort, anses det motiverat att göra denna avgränsning. Ursprungligen var tanken att studera bolagen tre, två och ett år innan konkurs, det vill säga 2012, 2013 och Men då kriteriet att bolagen skulle ha varit aktiva även 2012 ledde till att ännu fler konkursbolag föll bort, togs beslutet att endast studera bolagen ett och två år innan konkurs. Efter de nämnda avgränsningarna återstod följande företag: Tabell 1: Bolag efter avgränsningar Fördelning av bolag Friska bolag Konkursbolag 855 Totalt

35 I tidigare studier om konkursprognostisering har urvalet ofta bestått av lika många konkursbolag som friska bolag (Altman, 1968, s.596; Libby, 1975, s.153), därför görs beslutet att jämna ut grupperna av bolag även i denna studie. Antalet friska bolag är mycket större än antalet konkursbolag, därför bestäms urvalet utifrån antalet konkursbolag. Då författarna önskar studera ett så stort urval som möjligt görs ett totalurval av konkursbolagen, det vill säga att alla 855 bolag inkluderas. Därefter görs ett slumpmässigt urval av de friska företagen för att få en lika stor grupp friska bolag som konkursbolag. Detta leder till ett sammanlagt urval av 1710 bolag, bestående av 855 konkursbolag och 855 friska bolag. Något som författarna tog hänsyn till när urvalet gjordes var att fördelningen av bolag med revisor i båda grupperna av bolag i urvalet skulle vara lik fördelningen i populationen. I populationen, innan urvalet gjordes, hade 47,41 % av de friska bolagen och 37,31 % av konkursbolagen revisor, ett år innan konkurs. I urvalet hade 45,47 % av de friska bolagen och 36,29 % av konkursbolagen revisor, ett år innan konkurs. Studiens urval har således en relativt sanningsenlig fördelning av bolag med och utan revisor i båda grupperna av bolag Databearbetning och bortfall På grund av att företagens konkursrisk ska undersökas med hjälp av finansiella nyckeltal krävs det att en del poster i företagens årsredovisningar inte har ett nollvärde. Att vissa av posterna inte får ha ett nollvärde beror på att dessa poster utgör nämnaren vid beräkning av nyckeltal som används i studiens konkursprognostiseringsmodeller. De poster som inte får ha ett nollvärde i årsredovisningarna är företagens nettoomsättning, eget kapital, kortfristiga skulder samt totala tillgångar. Kontroll av att de aktuella posterna inte hade värde 0 i årsredovisningen år 2014 ledde till ett bortfall på 232 friska bolag samt 160 konkursbolag. De företag som föll bort på grund av värde 0 i dessa poster är troligtvis företag som har publicerat en årsredovisning men ändå inte varit aktiva under det aktuella året, vilket försvårar möjligheten att studera konkursrisken i företagen. Därför anses detta bortfall motiverat för studiens genomförande, trots att det är stort. Därefter kontrollerades att inget bolag som var revisionspliktigt fanns i urvalet. Denna kontroll utfördes genom att kolla att inget företag hade överskridit mer än ett av kriterierna för revisionsplikt två år i rad, antingen under både 2011 och 2012, både 2012 och 2013 eller både 2013 och Genom kontrollen uppdagades det att två av konkursbolagen i urvalet var för stora. Dessa bolag exkluderades, varpå 623 friska bolag och 693 konkursbolag återstod i urvalet. Av de företag som återstod kontrollerades det att dessa inte hade nollvärden i årsredovisningen år 2013, vilket ledde till ytterligare ett bortfall på 27 friska bolag och 40 konkursbolag. Tabell 2: Bortfall Friska bolag Konkursbolag Totalt Ursprungligt urval Nollvärde i räkenskaperna Revisionspliktiga bolag Återstående företag Nollvärde i räkenskaperna Utjämning

36 Urval efter bortfall Efter bortfall på grund av nollvärden i räkenskaperna 2013 återstod 596 friska bolag och 653 konkursbolag. För att behålla proportionerna mellan bolagen gjordes därefter ett slumpmässigt urval på 596 bolag av konkursbolagen, vilket ledde till att 57 slumpmässigt utvalda konkursbolag exkluderades. Det slutgiltiga urvalet, efter bortfall, består 596 konkursbolag och 596 friska bolag Statistiska hypoteser 4.4 Statistisk metod Syftet med denna studie är att undersöka om revision har ett samband med minskad konkursrisk i Sveriges småföretag. Som tidigare nämnts kommer revisionens samband med konkursrisken att undersökas både ett och två år innan konkurs. Då separata tester kommer att genomföras för respektive år kommer följande två hypoteser att testas: H1: Det finns ett signifikant negativt samband mellan revision och konkursrisk hos Sveriges småföretag, ett år innan konkurs. H2: Det finns ett signifikant negativt samband mellan revision och konkursrisk hos Sveriges småföretag, två år innan konkurs Logistisk regression Den statistiska metoden som kommer att användas för att testa hypoteserna är logistisk regression. Genom logistisk regression är det möjligt att ta reda på sannolikheten för enskilda observationer att tillhöra en grupp (Tabachnick & Fidell, 2006, s.439). Det gör det till en lämplig metod för denna typ av studie, eftersom sannolikheten att tillhöra gruppen bolag som har gått i konkurs också kan tolkas som risken att gå i konkurs. Responsvariabeln Konkurs är en binär variabel, vilket betyder att den endast kan anta två värden (Bjerling & Ohlsson, 2010, s.1), i detta fall 0 eller 1. Har responsvariabeln värdet 0 innebär det att bolaget är ett friskt bolag, och värdet 1 innebär att bolaget är ett konkursbolag. I denna studie används revision som förklaringsvariabel i modellen, tillsammans med ett antal kontrollvariabler som i tidigare forskning visat sig vara användbara för att förutspå konkurser. En annan anledning till att logistisk regression väljs som statistisk metod till studien är att den är en vanlig metod inom konkursprognostisering (Adnan Aziz & Dar, 2006, s.26; Foreman, 2003; Jones & Hensher, 2004; Kim & Gu, 2006; Ohlson, 1980; Yazdanfar, 2011). Den enda metoden som har använts mer i konkursprognostisering än logistisk regression är multipel diskriminantanalys, logistisk regression har däremot visat sig vara mer pricksäker (Adnan Aziz & Dar, 2006, s.26). Anledningen till att multipel diskriminantanalys har använts mer är antagligen att den var den första multivariata metoden för konkursprognostisering (Altman, 1968, s.591). Eisenbeis (1977, s.875) har dock kritiserat användandet av multipel diskriminantanalys inom ekonomi och finans, 26

37 eftersom de som använder metoden ofta bortser från antagandet om att data ska vara normalfördelat. Förutom att metoden tillåter användandet av en binär responsvariabel så är antagandena vid en logistisk regression förlåtande jämfört med antaganden vid användandet av andra statistiska modeller. En logistisk regression, till skillnad från linjära modeller så som OLS, har nämligen inget krav på normalfördelning eller att sambandet mellan responsoch förklaringsvariabler ska vara linjärt (Bjerling & Ohlsson, 2010, s.4). Att logistisk regression inte kräver att variablerna är normalfördelade är ett starkt argument för att använda logistisk regression i denna studie, eftersom finansiella nyckeltal oftast inte är normalfördelade (Eisenbeis, 1977, s ). Att sambandet mellan kontrollvariablerna och responsvariabeln inte behöver vara linjärt minskar även modellens känslighet för outliers (Yazdandar, 2011, s.556). Ännu en egenskap med logistisk regression att den bygger på odds, där utfallet av modellen redovisas som den naturliga logaritmen av oddset att tillhöra en grupp (Bjerling & Ohlsson, 2010, s.9). Modellen ser ut som följer: z i = ln(odds i ) = ln (sannolikhet utfall i) ln (1 sannolikhet utfall i ) = β 0 + β 1 x 1i + β 2 x 2i + + β k x k + u i Utfallet som visas i z är som tidigare nämnt den naturliga logaritmen av oddset för en observation att tillhöra en grupp. För att omvandla värdet på z, som även kallas logiten, till en sannolikhet, måste värdet först anti-logaritmeras. När värdet anti-logaritmeras fås alltså oddset, vilket sedan kan räknas om till en sannolikhet. Sannolikheten räknas då ut genom följande ekvation: Odds i Sannolikhet i = (1 + Odds i ) Som formeln visar så innebär ett högt odds även en hög sannolikhet. Sannolikheten som fås av modellen används för att klassificera bolagen som antingen konkursbolag eller friska bolag. Vilka bolag som klassificeras som konkursbolag eller friska bolag av modellen beror på vilket gränsvärde som används för sannolikheten, vilket även kallas för cutoff-nivå (Dimitras et al., 1996, s. 498). I denna studie används en cutoff-nivå på 0.5, det innebär att modellen klassificerar bolag som får en prognostiserad sannolikhet för konkurs mellan som friska bolag, och bolag som får en prognostiserad sannolikhet från som konkursbolag. Förklarings- och kontrollvariablernas samband med responsvariabeln redovisas som antilogaritmerade oddskvoter (Bjerling & Ohlsson, 2010, s.8). Om oddskvoten för en variabel är högre än 1, innebär det att en ökning av variabeln leder till en ökning av oddset för att utfallet av regressionen ska bli 1 (Tabachnick & Fidell, 2006, s ). I denna studie innebär det alltså en ökning av oddset att bolaget ska gå i konkurs. En oddskvot som har ett värde som är lägre än 1 innebär tvärtom att en ökning av variabelns värde innebär en minskning av oddset att bolaget ska gå i konkurs. Genom att kolla på variablernas oddskvoter går det alltså att ana vilken effekt enskilda variabler har på bolagen konkursrisk. 27

38 Det går även att få fram hur mycket sannolikheten för konkurs ökar eller minskar uttryckt i procentenheter när värdet på en specifik variabel ökar med en enhet, givet att alla andra variabler hålls konstanta (Gujarati, 2002, s ). Denna förändring av sannolikheten kallas för marginaleffekt. I denna studie kommer marginaleffekten som revision har på bolagens konkursrisk att studeras (se kapitel 5, avsnitt 5.3.2). Det går således att studera hur sannolikheten att ett bolag ska gå i konkurs förändras när variabeln Revisor ökar med en enhet, det vill säga när ett bolag går från att inte ha en revisor till att ha en revisor Begränsningar och antaganden med logistisk regression Tabachnick och Fidell (2006, s ) påpekar att logistisk regression är relativt fri från begränsningar, men att det fortfarande finns potentiella problem att ha i åtanke. Ett potentiellt problem är att urvalet är för litet i förhållande till antalet variabler, vilket kan leda till att modellen bli opålitlig, eller rent utav inte fungerar (Tabachnick & Fidell, 2006, s.422). För att undvika att detta sker går det att studera variablernas standardfel och estimerade parametrar. Om en variabels standardfel eller estimerade parametrar är väldigt stora tyder det på att urvalet är för litet, om så är fallet så är ett alternativ att eliminera variabler tills urvalet verkar stort nog (Tabachnick & Fidell, 2006, s.422). Enligt Long (1997, s.54) så bör urvalet bestå av minst 100 observationer, plus 10 till för varje variabel som är med i modellen. Long (1997, s.54) menar också att om observationerna överstiger 500 är detta betryggande. Då urvalet från båda grupperna av bolag består av fler än 500 observationer, innebär detta att urvalet i denna studie anses vara tillräckligt stort. Logistisk regression, likt andra slags multipla regressioner, är känslig för multikollinearitet (Tabachnick & Fidell, 2006, s.443). Multikollinearitet kan leda till att variablernas koefficienter får ett felaktigt värde, vilket innebär att variablernas effekt på responsvariabeln blir missvisande (Allison, 2012). Genom att eliminera variabler som korrelerar starkt med någon annan variabel, undviks även att olika variabler som beskriver samma sak inkluderas i modellen, vilket innebär att samma resultat kan uppnås med färre variabler (Tabachnick & Fidell, 2006, s.90). Att undvika att inkludera onödiga variabler är särskilt viktigt när en logistisk regression genomförs, eftersom modellens framgång kan bero på kvoten av urval och antal variabler (Tabachnick & Fidell, 2006, s.422). I statistiska program finns det olika sätt att testa om det existerar multikollinearitet mellan studiens variabler (Tabachnick & Fidell, 2006, s.443), hur detta har hanterats i denna studie diskuteras i avsnitt och Trots att logistiska regressioner, som tidigare nämnts, inte påverkas så mycket av att variabler innehåller avvikande värden (Yazdanfar, 2011, s.556), kan starkt avvikande observationer göra att modellens pricksäkerhet minskar (Tabachnick & Fidell, 2006, s.443). Observationer som avviker starkt från övriga observationer kallas multivariata outliers (Tabanich & Finch, 2011, s.108). I denna studie skulle detta exempelvis kunna vara ett bolag som gått i konkurs, men som visade en kombination av värden i nyckeltalen som tillsammans är mer typiskt för ett friskt bolag. Modellen skulle då misslyckas med att placera bolaget i rätt kategori. Hur multivariata outliers hanteras i denna studie diskuteras mer i avsnitt 4.7 efter att studiens modeller har skapats, och i avsnitt vid analys av studiens resultat. 28

39 4.5 Modellernas uppbyggnad Syftet med denna studie är att undersöka om revision har ett samband med minskad konkursrisk hos Sveriges småföretag. Med bakgrund i tidigare studier skapas konkursprognostiseringsmodeller för att undersöka forskningsfrågan Finns det något samband mellan revision och minskad konkursrisk för småföretagen i Sverige?. Istället för att använda modellerna som verktyg för konkursprognostisering kommer denna studie att fokusera på att undersöka sambandet mellan revision och konkursrisk, genom att analysera effekten som revision har som förklaringsvariabel i studiens modeller. I avsnitten som följer beskrivs närmare hur modellerna i denna studie är uppbyggda Responsvariabel Studiens responsvariabel är Konkurs. Variabeln är binär och antar värdet 1 om bolaget är ett konkursbolag, och värdet 0 om bolaget är ett friskt bolag. I denna studie definieras ett konkursbolag som ett bolag som inledde konkurs under räkenskapsåret Valet att definiera konkurs som inledd konkurs och inte avslutad konkurs, eller en kombination av båda, grundas i att författarna anser att företag som inlett konkurs ett år inte är jämförbara med företag som avslutade sin konkurs samma år. Vidare studeras företagens konkursrisk ett och två år innan konkurs, därför är det önskvärt att företagen inte har inlett en konkurs under den perioden, vilket skulle kunna vara fallet om samtliga företag som avslutat sin konkurs år 2015 hade inkluderats i urvalet Förklaringsvariabel För att besvara forskningsfrågan används variabeln Revisor som förklaringsvariabel. Precis som Konkurs så är Revisor en binär variabel, där värdet 0 representerar företag som inte har revisor och värdet 1 representerar företag som har revisor, under året som undersöks. Med grund i den teoretiska referensramen förväntas ett negativt samband existera mellan revision och konkursrisk. Detta eftersom tidigare studier visat att brist på kunskap och brist på tillgång till kapital är vanliga orsaker till konkurs (Carter & Auken, 2006, s.504; Hall, 1992, s.244; Hewa Wellalage & Locke, 2012, s. 15; Smallbone, 1990, s.44; Thornhill & Amit, 2003, s.505) samtidigt som andra studier har visat att revisorer kan bidra med viktig kunskap samt att reviderade räkenskaper kan underlätta för företag att få tillgång till kapital (Carrington, 2010, s.181; Hope et al., 2011, s.951; Karjalainen, 2011, s.89; Knechel et al., 2008, s.82; Wallace, 1980, s.25). Ett negativt samband mellan revision och konkursrisk skulle dock även kunna bero på att det är en viss typ av företag som väljer att anlita en revisor. Då tidigare studier visat att många småföretag anser att kostnaden av revision är för hög (Minnis & Shroff, 2017, s.495), är det möjligt att det är småföretag med starkare ekonomi, och därmed möjligtvis även en lägre konkursrisk, som har råd att anlita en revisor Kontrollvariabler Modellernas kontrollvariabler består av finansiella nyckeltal. För att välja ut vilka nyckeltal som ska inkluderas som kontrollvariabler i modellerna har inspiration hämtats från tidigare studier om konkursprognostisering. Kontrollvariabler tas med i modellerna för att kontrollera att det potentiella sambandet mellan responsvariabeln och förklaringsvariabeln inte är ett spuriöst samband (Simon, 1954, s ). Ett spuriöst 29

40 samband innebär att responsvariabeln och förklaringsvariabeln visar ett samband trots att de i verkligheten inte alls är korrelerade (Pearson, 1987, s.490). Skulle ett potentiellt samband mellan konkurs och revision vara spuriöst skulle resultatet inte kunna användas för att besvara forskningsfrågan, varför stor vikt läggs på att skapa pålitliga modeller med relevanta kontrollvariabler. De nyckeltal som kommer att testas som kontrollvariabler i studiens modeller är uppdelade i olika kategorier baserat på vad nyckeltalen representerar. I nästa avsnitt presenteras vilka kategorier av nyckeltal som valts ut till studien, samt vilka nyckeltal som kommer att testas inom respektive kategori. Valet av kategorier baseras på en svensk studie av Yazdanfar (2011), som utvecklade en konkursprognostiseringsmodell för svenska små och medelstora företag. Eftersom Yazdanfars (2011) studie är utförd på svenska företag, samt att studien är någorlunda nära i tiden, så anses den studien vara mer relevant att hämta inspiration från än internationella studier. Detta eftersom signifikansen av finansiella nyckeltal i konkursprognostiseringsmodeller kan bero på lagar och regler för specifika geografiska områden (Altman, 1984, s.194). Signifikansen av olika nyckeltal kan också skilja sig åt beroende på vilken kontext och vilket urval som studeras (Yazdanfar, 2011, s.555). 4.6 Val av kontrollvariabler till studiens modeller I detta avsnitt presenteras processen att välja ut vilka nyckeltal som ska inkluderas som kontrollvariabler i studiens modeller. Stor vikt läggs vid att skapa modeller som innehåller de kontrollvariabler som bäst kan förklara konkurser i studiens urval, för att säkerställa att det potentiella samband som visar sig mellan revision och konkursrisk inte är ett spuriöst samband. Om förklaringsvariabeln Revisor visar ett signifikant samband med konkursrisk i en modell med högst relevanta kontrollvariabler så anser författarna att resultatet är mer pålitligt, än om förklaringsvariabeln Revisor visar ett signifikant samband med konkursrisk i en modell där någon potentiellt viktig kontrollvariabel har utelämnats. För att säkerställa att de inkluderade kontrollvariablerna tillsammans täcker de olika aspekterna som kan påverka konkursrisken i studiens företag delas nyckeltalen in i kategorier, där målet är att båda modellerna ska innehålla variabler från samtliga kategorier. De kategorier av nyckeltal som har valts till studien är likviditet, kapitalstruktur, effektivitet, lönsamhet samt övriga företagsspecifika variabler (se Yazdanfar, 2011, s.558). Som tidigare nämnts så har signifikansen av olika nyckeltal vid konkursprognostisering i tidigare studier visats skilja sig åt beroende på vilken kontext och vilket urval som undersöks (Yazdanfar, 2011, s.555). Då det inte i förväg går att avgöra vilka nyckeltal som bäst lämpar sig att använda för att undersöka just de företagen som ingår i denna studie, väljs ett flertal olika nyckeltal ut inom respektive vald kategori. Dessa nyckeltal testas sedan för att ta reda på vilka nyckeltal som bäst kan förutspå konkurs bland företagen i studiens urval. Denna metod inspireras av Yazdanfar (2011, s ) som genomförde en liknande process för val av variabler i sin studie. De potentiella kontrollvariablerna som kommer att testas vid skapandet av studiens modeller, samt i vilka tidigare studier dessa variabler har använts, presenteras i tabellen nedan. Alla dessa variabler kommer alltså inte att inkluderas i de slutgiltiga konkursprognostiseringsmodellerna som skapas i studien. 30

41 Tabell 3: Nyckeltalskategorier och nyckeltal Kategori Likviditet Variabelnamn Ursprung (Omsättningstillgångar - Varulager)/Kortfristiga skulder OTVLKS Yazdanfar (2011, s.558), Omsättningstillgångar/Kortfristiga skulder OTKS Rörelsekapital/Totala tillgångar RKTT Altman (1968, s.594) Kapitalstruktur Totala skulder/totala tillgångar Totala skulder/eget kapital TSTT TSEK Dimitras et al., (1996, s.498), Yazdanfar (2011, s.558) Beaver (1966, s.81), Dimitras et al. (1996, s.498), Ohlson (1980, s.118), Yazdanfar (2011,s.558) Jones & Hensher (2004, s.1024), Yazdanfar (2011, s.558) Kortfristiga skulder/totala tillgångar KSTT Yazdanfar (2011, s.558) Effektivitet Nettoomsättning/Totala tillgångar OmsTT Altman (1968, s.594), Yazdanfar (2011, s.558) Finansiella kostnader/nettoomsättning FKOms Yazdanfar (2011, s.558) Finansiella kostnader/totala skulder FKTS Yazdanfar (2011, s.558) Lönsamhet Rörelseresultat/Totala tillgångar RRTT Altman (1968, s.595), Skogsvik (1990, s.141), Yazdanfar (2011, s.558) Årets resultat/totala tillgångar ÅRTT Beaver (1966,s.81), Zavgren (1985, s.24) Årets resultat/nettoomsättning ÅROms Yazdanfar (2011, s.558) Rörelseresultat/Eget kapital RREK Yazdanfar (2011, s.558) Övriga företagsspecifika variabler Naturliga logaritmen av omsättningen (Storlek) LogOms Yazdanfar (2011, s.558) Antal anställda (Storlek) Anställda Yazdanfar (2011, s.558) Ålder Ålder Yazdanfar (2011, s.558) Tillsammans med förklaringsvariabeln Revisor kommer olika kombinationer av dessa variabler att testas, för att komma fram till vilka av dessa variabler som är mest lämpliga som kontrollvariabler till responsvariabeln Konkurs. Variablerna testas separat för 2014 och 2013, det vill säga ett och två år innan konkurs, varpå en slutgiltig konkursprognostiseringsmodell skapas för respektive år. Härnäst presenteras processen att välja ut vilka nyckeltal som ska inkluderas som kontrollvariabler i respektive modell Modell 1 (ett år innan konkurs) I avsnitten som följer presenteras hur processen har gått till för att välja ut kontrollvariabler till Modell 1, vilket är den modell som kommer att användas för att studera konkursrisken i studiens företag ett år innan konkurs. Till en början presenteras deskriptiv statistik över alla variabler som presenterades i föregående avsnitt, för att skapa en övergripande bild av datamaterialet som används i studien. Därefter kontrolleras vilka av variablerna som korrelerar med varandra, för att undvika att inkludera variabler i modellen som förklarar samma sak. Sedan jämförs variablernas signifikansnivå för att kunna välja ut de mest signifikanta variablerna från de olika kategorierna av nyckeltal som valts till studien, med målet att inkludera minst en variabel från samtliga kategorier i den slutgiltiga modellen. 31

42 Modellen som skapas kommer sedan att presenteras i sin helhet i början av kapitel 5, där modellen kommer att användas för att testa hypotes 1 - Det finns ett signifikant negativt samband mellan revision och konkursrisk hos Sveriges småföretag, ett år innan konkurs Deskriptiv statistik I tabell 4 nedan presenteras deskriptiv statistik om varje enskild variabel som kommer att testas i studien. Medan slutsatser inte kan dras från denna statistik så är det möjligt att se tendenser i urvalet. Något som går att utläsa från tabellen är att andelen företag som använt revisor är större i gruppen med friska företag (45,5 %) än i gruppen konkursbolag (36,4%). Denna fördelning säger dock inget om det finns ett statistiskt samband eller inte mellan konkurs och revision. Totalt sett har majoriteten av företagen inte använt sig av en revisor, vilket stämmer överens med siffrorna som Riksrevisionen presenterade (RIR 2017:35, s.7). Tabell 4: Deskriptiv statistik ett år innan konkurs Ett år innan konkurs (2014) Variabel Konkursbolag Friska bolag Totalt Responsvariabel Konkurs 596 (50%) 596 (50%) 1192 (100%) Förklaringsvariabel Revisor Ja 217 (36,4%) 271 (45,5%) 488 (40,9%) Nej 379 (63,6%) 325 (54,5%) 704 (59,1%) Potentiella kontrollvariabler OTVLKS Medelvärde -1,13 6,41 2,64 Standardavvikelse 56,877 29,51 45,45 Likviditet OTKS Medelvärde -0,55 6,70 3,08 Standardavvikelse 56,95 29,53 45,49 RKTT Medelvärde -1,90 0,28-0,81 Standardavvikelse 19,59 0,94 13,91 TSTT Medelvärde 6,09 0,61 3,35 Standardavvikelse 80,81 1,18 57,19 Kapitalstruktur TSEK Medelvärde 4,64 3,45 4,05 Standardavvikelse 23,91 13,13 19,29 KSTT Medelvärde 2,46 0,42 1,44 Standardavvikelse 17,49 0,91 12,42 OmsTT Medelvärde 6,63 1,69 4,16 Standardavvikelse 39,04 2,44 27,76 Effektivitet FKOms Medelvärde -0,29-0,14-0,22 Standardavvikelse 2,43 1,05 1,87 FKTS Medelvärde -0,09-0,05-0,07 Standardavvikelse 0,76 0,57 0,67 RRTT Medelvärde -0,88 0,07-0,41 Standardavvikelse 5,74 0,50 4,10 Lönsamhet ÅRTT Medelvärde -2,16 0,04-1,06 Standardavvikelse 26,45 0,48 18,73 ÅROms Medelvärde -2,40-0,53-1,47 32

43 Standardavvikelse 23,23 12,74 18,74 RREK Medelvärde -0,03 0,15 0,06 Standardavvikelse 7,00 1,45 5,06 LogOms Medelvärde 13,77 13,45 13,61 Övriga Standardavvikelse 1,53 1,45 1,50 Företagsspecifika Anställda Medelvärde 2,05 1,44 1,75 Variabler Standardavvikelse 2,28 3,42 2,92 Ålder Medelvärde 9,33 13,68 11,51 Standardavvikelse 10,52 11,78 11,37 Som tabellen visar så har likviditetsmåtten positiva medelvärden för gruppen med friska bolag, medan medelvärdena för konkursbolagen är negativa. Eftersom likviditetsmått mäter ett företags kortsiktiga betalningsförmåga så är det naturligt att de friska bolagen visar en bättre kortsiktig betalningsförmåga, medan konkursbolagen visar en väldigt svag kortsiktig betalningsförmåga. Kapitalstruktursmåttet TSTT, vilket representerar företagens skuldkvot, visar att konkursbolagen i genomsnitt har belånat en betydligt större del av sitt kapital jämfört med de friska bolagen, med en kvot på 6,09 respektive 0,61. Det här betyder att konkursbolagen i genomsnitt har större skulder i förhållande till sina tillgångar. De andra måtten på kapitalstruktur tyder på ett liknande förhållande. Som det förklarades i avsnitt så innebär ett högt värde på kapitalstruktursmåtten en högre risk, eftersom finansiering genom skulder innebär högre risk än finansiering med eget kapital (Berk & DeMarzo, 2011, s ). Effektivitetsmåttet FKTS visar att konkursbolagen har en högre skuldränta än de friska bolagen, med ett genomsnitt på 9% respektive 5%. Det är alltså i genomsnitt dyrare för konkursbolagen att finansiera sina tillgångar med hjälp av lån. Det går i linje med teorin, eftersom det tyder på att konkursbolagen har svårare att få tillgång till kapital. Effektivitetsmåttet OmsTT visar ett högre medelvärde för konkursbolagen, vilket kan vara förvirrande eftersom en traditionell tolkning av nyckeltalet skulle indikera att dessa bolag är effektivare än de friska bolagen. Nyckeltalet säger dock bara att omsättningen är hög relativt till tillgångarna, vilket kan bero på att värdet på bolagets tillgångar är väldigt lågt och behöver således inte betyda att företaget gör bra ifrån sig. Lönsamhetsmåtten visar precis som förväntat att konkursbolagen i genomsnitt har sämre lönsamhet än de bolag som inte gått i konkurs. Bland variablerna i kategorin övriga företagsspecifika variabler ser vi att medelvärdet på LogOms, som i den här studien representerar ett mått på företagens storlek, inte verkar skilja sig nämnvärt mellan grupperna. Medelvärdet av storleksmåttet Anställda skiljer endast med ungefär 0.5 enheter mellan grupperna, intressant nog är genomsnittet högre bland konkursbolagen. Eftersom det i detta skede inte går att uttala sig om vilka variabler som har ett signifikant samband med konkursrisken kan det, som tidigare nämnts, inte dras några slutsatser från denna granskning. Däremot kan det konstateras att tendenserna i urvalet i stort sett går i linje med vad tidigare forskning har visat. 33

44 Multikollinearitet Nästa steg i skapandet av Modell 1 är att kontrollera om det existerar multikollinearitet mellan några av studiens kontrollvariabler. Som tidigare nämnts innebär en stark korrelation mellan två variabler att variablerna förklarar samma sak (Tabachnick & Fidell, 2006, s.90), vilket leder till att de korrelerande variablernas koefficienter blir missvisande och det blir svårt att hålla isär effekterna som de enskilda variablerna har på responsvariabeln (Allison, 2012). Om två variabler har en stark korrelation är det därför lämpligt att endast inkludera en av variablerna i modellen (Körner & Wahlgren, 2015, s.174). Eftersom några av nyckeltalen som testas i denna studie är byggda på nästan samma sätt förväntas viss multikollinearitet att existera mellan dem. För att få en överblick över vilka variabler som korrelerar med varandra innan modellen skapas har en Pearson korrelationsmatris skapats i Stata (se bilaga 1). Korrelationsmatrisen visar korrelationskoefficienten mellan samtliga variabler parvis (Dahmström, 2011, s.232), vilket visas som ett värde mellan 1 och 1. Värdet -1 innebär ett perfekt negativt linjärt samband mellan variablerna, +1 ett perfekt positivt linjärt samband, och 0 innebär att det inte finns något samband mellan variablerna (Laerd statistics, u.å.). Enligt Tabachnick och Fidell (2014, s.124) bör två variabler som har en korrelationskoefficient på över 0.7 inte inkluderas i samma modell. I tabellen nedan visas de nyckeltal som enligt korrelationsmatrisen har en korrelation på över 0.7 (eller under -0.7). Tabell 5: Starkt korrelerande variabler ett år innan konkurs Nyckeltal 1 Nyckeltal 2 Korrelation RKTT ÅRTT OTVLKS OTKS KSTT ÅRTT KSTT RKTT Ett annat sätt att undersöka om det existerar multikollinearitet mellan studiens kontrollvariabler är att studera variablernas variance inflation factor, även kallat VIFvärden. En variabels VIF-värde är en estimering av hur mycket variansen av koefficienten påverkas av att variabeln korrelerar med andra variabler i regressionen (Allison, 2012). En vanlig tumregel är att VIF-värdena inte bör överstiga 10 (O Brien, 2007, s.674), men många förespråkar ett lägre tröskelvärde (Allison, 2012; Craney & Surles, 2002, s.393). Allison (2012) menar att VIF-värden över 2.5 kan indikera problem med multikollinearitet. I denna studie är den valda gränsen för vad som anses för högt ett VIFvärde på 4. I tabell 6 visas VIF-värdena för studiens variabler. Tabell 6: VIF-värden Variabel VIF OTKS OTVLKS RKTT KSTT OmsTT ÅRTT LogOms 1.30 RRTT

45 FKOms 1.14 TSTT 1.11 ÅROms 1.11 FKTS 1.10 Revisor 1.08 Ålder 1.06 TSEK 1.05 Tabellen visar att variablerna OTKS, OTVLKS, RKTT, KSTT, OmsTT och ÅRTT har väldigt höga VIF-värden, vilket indikerar att det finns stark multikollinearitet mellan studiens variabler. Som tabell 5 visade så har samtliga av dessa variabler även korrelationskoefficienter på över 0.7, förutom variabeln OmsTT. Att OmsTT har ett högt VIF-värde kan bero på att variabeln korrelerar ganska starkt med både RKTT och KSTT, med korrelationskoefficienter på och Det torde innebära att problematiken med variabeln OmsTT skulle försvinna om RKTT och KSTT exkluderades ur modellen. Övriga VIF-värden är låga, med ett högsta värde på Signifikansnivå och pseudo-r2 Nästa steg i bestämmandet av vilka variabler som ska ingå i modellen är att studera variablernas signifikansnivå, samt hur variablerna påverkar modellens totala förklaringsgrad (även kallat pseudo-r 2 ). Med bakgrund i tidigare studier (Altman, 1968, s ; Yazdanfar, 2011, s.556) är utgångspunkten att inkludera åtminstone en variabel från respektive kategori: likviditet, kapitalstruktur, lönsamhet, effektivitet och övriga företagsspecifika variabler. Eftersom det har visats att en stor andel av bolagen som går i konkurs i Sverige är nystartade bolag (Tillväxtanalys, 2015, s.9), kommer bolagens ålder, mätt som antal år sedan bolaget registrerades, att testas i modellen. Tidigare studier har även visat att storlek på företaget har ett samband med företagets konkursrisk (Carter & Auken, 2006, s.495; Yazdanfar, 2011, s.560), varför även detta kommer att testas. Både storlek och ålder är variabler som ingår i kategorin övriga företagsspecifika variabler. Från de övriga kategorierna har olika kombinationer av variabler testats. Vid testandet av olika kombinationer har författarna kollat på variablernas signifikansnivå, för att avgöra vilka variabler från respektive kategori som har starkast samband med responsvariabeln Konkurs. Variablerna med högst signifikansnivå från respektive kategori valdes därefter ut som kontrollvariabler till modellen. Förutom signifikansnivån av de enskilda variablerna har författarna även tagit i beaktning vilken förklaringsgrad modellen uppnår i sin helhet. När variablerna med högst signifikansnivå från respektive kategori hade valts ut testade författarna därför även att addera ytterligare variabler från de olika kategorierna, för att undersöka om inkluderandet av fler variabler ökade modellens förklaringsgrad. Detta gjordes för att minimera risken för att någon potentiellt viktig variabel utelämnas från modellen, då det skulle kunna leda till att resultatet av studien inte blir lika pålitligt. Som nämndes tidigare har även risken för multikollinearitet mellan studiens variabler tagits i beaktning i detta skede, med utgångspunkt i de tester som genomfördes i avsnitt Ovannämnda process ledde fram till en färdig modell, som förutom förklaringsvariabeln Revisor, innehåller signifikanta kontrollvariabler från samtliga kategorier. 35

46 Kontrollvariablerna som valdes till Modell 1 är OTVLKS, TSTT, OmsTT, ÅRTT, Ålder, TSEK och FKTS. Modellen innehåller därmed två variabler från kategorierna effektivitet och kapitalstruktur, och en från respektive övrig kategori Validerande test av de valda kontrollvariablernas statistiska relevans För att validera att kontrollvariablerna som valts ut till modellen är statistiskt relevanta används en funktion i statistikprogrammet Stata vid namn Bootstrap Forward Stepwise Logistic Regression. Funktionen kan användas för att välja ut vilka variabler som ska användas i en logistisk regressionsmodell. Genom funktionen väljer Stata ut ett förutbestämt antal slumpmässiga urval av observationer och testar vilka variabler som tillsammans skapar den bästa modellen för de specifika urvalen (Garrett, 2000). I funktionen bestäms även vilken signifikansnivå variablerna behöver ha för att få inkluderas i modellerna, vilken i denna studie sattes till 5 %. Vidare valdes att testet skulle genomföras på 100 olika urval. Kombinationen av nyckeltal för de olika urvalen visades efter att testet genomförts, tillsammans med en sammanställning över hur ofta respektive variabel hade valts ut. Hur ofta de olika variablerna valdes av Stata visas i tabellen nedan. Tabell 7: Bootstrap Forward Stepwise Logistic Regression, Modell 1 Antal gånger varje variabel valts ut OmsTT 100 TSEK 30 ÅRTT 94 FKOms 28 OTVLKS 72 Anst 21 FKTS 67 RRTT 20 Ålder 63 RKTT 19 OTKS 59 ÅROms 14 Revisor 43 LogOms 11 TSTT 40 RREK 2 KSTT 30 Metoden används i denna studie endast för att jämföra variablerna som valts ut av Stata med de variabler som författarna valt att inkludera i studiens modell genom processen som presenterats i föregående avsnitt. Då Stata inte tar hänsyn till multikollinearitet vid skapandet av dessa modeller, och inte heller till vilka variabler som teoretiskt sett borde vara viktigast att inkludera, är det inte lämpligt att rakt av välja de variabler som Stata valt ut (Sribney, u.å.). För att variabeln ska anses vara statistiskt relevant enligt detta test valde författarna en cutoff-nivå på 30, det vill säga att variabeln ska ha valts ut minst 30 gånger. När variablerna över cutoff-nivån (se tabell 7) testas i en modell, där hänsyn även tas till multikollinearitet, att variabler från samtliga kategorier ska inkluderas, samt vilka av variablerna som har lägst p-värden, genererar denna metod samma modell som skapats av författarna i föregående avsnitt. Variablerna i studiens modell: Revisor, OTVLKS, TSTT, OmsTT, ÅRTT, Ålder, TSEK och FKTS, har alla valts minst 30 gånger, vilket kan utläsas i tabell 7 ovan. Trots att störst vikt lagts vid den process som presenterats i föregående avsnitt, bekräftar detta test att variablerna som valts ut är statistiskt relevanta Modell 2 (två år innan konkurs) I denna studie studeras konkursrisken på samma urval av bolag både ett och två år innan konkurs. I föregående avsnitt presenterades processen att välja ut kontrollvariabler för Modell 1, vilket är den modell som kommer att användas för att studera konkursrisken ett 36

47 år innan konkurs. I avsnitten som följer presenteras processen att välja ut kontrollvariabler till Modell 2, vilket är den modell som kommer att användas för att studera konkursrisken i studiens bolag två år innan konkurs. Samma variabler som testades som potentiella kontrollvariabler vid utvecklandet av Modell 1 testas även för att besluta om vilka variabler som ska inkluderas som kontrollvariabler i Modell 2. Att samma urval och samma variabler används gör att den deskriptiva statistiken, samt processen att välja ut kontrollvariabler, liknar den som beskrivits för Modell 1. Beskrivningen av skapandet av Modell 2 kommer därför att vara mer sammanfattad, där framförallt skillnader mellan åren tas upp. Modellen kommer sedan att presenteras i sin helhet i kapitel 5, där modellen kommer att användas för att testa hypotes 2 - Det finns ett signifikant negativt samband mellan revision och konkursrisk hos Sveriges småföretag, två år innan konkurs Deskriptiv statistik I detta avsnitt presenteras deskriptiv statistik över studiens variabler. Då samma variabler diskuterades inför skapandet av Modell 1 kommer detta avsnitt huvudsakligen att analysera skillnader i variablerna mellan åren. Den kompletta tabellen över variablernas medelvärden och standardavvikelser år 2013 återfinns i bilaga 2. Två år innan konkurs hade en större andel av både konkursbolagen och de friska bolagen revisor än ett år innan konkurs (se tabell 4 och tabell 8). Likt fördelningen ett år innan konkurs var det en större andel av de friska bolagen som hade revisor än av konkursbolagen. Tabell 8: Andel konkursbolag och friska bolag med och utan revisor Förklaringsvariabel Konkurs Friska Total Revisor (%) Ja 260 (43,6%) 307 (51,5%) 567 (47,6%) Nej 336 (56,4%) 289 (48,5%) 625 (52,4%) Nyckeltalen två år innan konkurs ser något starkare ut för konkursbolagen jämfört med nyckeltalen ett år innan konkurs, vilket inte är förvånande eftersom observationer närmre konkursen förväntas visa svagare nyckeltal. Trenden för nyckeltalen två år innan konkurs är annars generellt sett lik trenden för nyckeltalen ett år innan konkurs, det vill säga att de friska bolagen har starkare nyckeltal i genomsnitt. Det finns dock undantag där nyckeltalen skiljer sig väldigt mycket åt mellan åren. Ett intressant sådant nyckeltal är TSTT, där medelvärdet ett år innan konkurs var 6,09 för konkursbolagen och 0,61 för de friska bolagen. För de friska bolagen är skillnaden inte särskilt stor mellan åren, men för konkursbolagen ändrades medelvärdet på TSTT från 1,17 två år innan konkurs till 6,09 ett år innan konkurs (se tabell 4 samt bilaga 2). Det innebär att konkursbolagen totalt sett antingen har ökat sina skulder eller minskat sina tillgångar drastiskt mellan åren. Hur medelvärdet av variabeln TSEK skiljer sig mellan konkursbolagen och de friska bolagen mellan åren är också intressant. Konkursbolagen hade större andel skulder relativt eget kapital ett år närmare konkursen, medan de friska bolagen minskade andelen skulder i förhållande till eget kapital under samma år. 37

48 Tabell 9: Skillnad i variabeln TSEK mellan År Variabel Konkurs Friska 2013 TSEK 3,29 4, TSEK 4,64 3, Multikollinearitet För att få en överblick över vilka variabler som korrelerar med varandra två år innan konkurs, utfördes samma tester som i skapandet av Modell 1 (se avsnitt ). I tabell 10 presenteras de variabler vars korrelation var 0.7 eller högre (alternativ -0.7 eller lägre) två år innan konkurs. Tabell 10: Starkt korrelerade variabler två år innan konkurs Nyckeltal 1 Nyckeltal 2 Korrelation KSTT TSTT ÅRTT RRTT RKTT KSTT OTKS OTLKS KSTT korrelerar starkt med två andra variabler (se tabell 10 ovan) och visar ett för högt VIF-värde (se bilaga 1). Även OTLKS och OTKS, samt ÅRTT och RRTT, korrelerar väldigt starkt med varandra. För att avgöra vilka av de korrelerande variablerna som passar bäst som kontrollvariabler i modellen så kommer modellen att testas med olika kombinationer av variablerna Signifikansnivå och pseudo-r2 Med samma process som för Modell 1 (se avsnitt ) skapas Modell 2 genom att olika kombinationer av variabler testas, där förklaringsgrad, signifikansnivå och multikollinearitet tas i beaktning genom hela processen. Processen resulterade i att sju variabler valdes ut som kontrollvariabler till Modell 2, som därmed är klar för att använda i studien. De variabler som valdes som kontrollvariabler till modellen är: OTVLKS, TSTT, OmsTT, ÅRTT, Ålder, RKTT och Anställda. Modellen innehåller i och med detta två variabler från kategorierna Likviditet och Övriga företagsspecifika variabler, och en från respektive övrig kategori. De fem första kontrollvariablerna är samma som de fem första som valdes till Modell 1 (se avsnitt ). Även för denna modell genomfördes ett Bootstrap Forward Stepwise Logistic Regression-test för att validera valet av kontrollvariabler, utskrift från det testet hittas i bilaga 3. Vid en jämförelse mellan modellens variabler och variablerna som fås av testet, kan det även i detta fall konstateras att modellens variabler stämmer bra överens med de variabler som Stata-testet valt ut. 38

49 4.7 Multivariata outliers Logistiska regressioner kan som tidigare nämnts vara känsliga för outliers (Tabachnick & Fidell, 2006, s.443). De flesta av variablerna i studiens datamaterial är snedfördelade och har en del extrema värden, något som även indikeras av de höga standardavvikelserna som visas i den deskriptiva statistiken (se tabell 4 och bilaga 2). Eftersom det har konstaterats av tidigare forskare att finansiella nyckeltal oftast inte är normalfördelade (Eisenbeis, 1977, s ; Yazdanfar, 2011, s.556), samt att logistiska regressioner inte är särskilt känsliga för univariata outliers (Yazdanfar, 2011, s.556), har inte någon djupare analys av avvikande värden inom enskilda variabler genomförts. Istället har författarna valt att undersöka förekommandet av multivariata outliers, det vill säga observationer som är starkt avvikande från övriga observationer (Tabachnick & Fidell, 2014, s.108). Genom att använda modellerna som skapats i föregående avsnitt, och sedan jämföra residualerna av observationerna mot den predicerade konkursrisken som fås av modellerna, kunde multivariata outliers i datamaterialet uppdagas. I figur 1 nedan har standardiserade residualer plottats mot predicerade värden, ett år innan konkurs. Figur 1: Multivariata outliers, Modell 1 Figuren visar att tre observationer, det vill säga tre bolag, skiljer sig markant från övriga observationer, ett år innan konkurs. Samma metod användes för att hitta avvikande observationer två år innan konkurs, residualerna visas i figur 2 nedan. 39

50 Figur 2: Multivariata outliers, Modell 2 Figuren visar att en observation ligger ganska långt från övriga observationer, dock är avvikelsen inte lika extrem som de observationer som klassades som avvikande ett år innan konkurs (se figur 1). De bolag som anses vara avvikande, alltså tre bolag ett år innan konkurs samt ett bolag två år innan konkurs, har granskats närmare genom att manuellt gå in i bolagens årsredovisningar i Retriever Business. Granskningen genomfördes för att säkerställa att den finansiella informationen om dessa bolag stämmer överens med informationen i studiens datamaterial. Informationen om företagen visade sig vara korrekt, därför beslutades att behålla observationerna i studien. Detta då outliers inte bör elimineras utan god anledning, det vill säga att värdena faktiskt är felaktiga (Barnett & Lewis, 1994, s.28-29). Förutom eliminering kan outliers även hanteras genom att värdet av outliern transformeras så att det fortfarande är avvikande, men inte så avvikande att det klassificeras som en outlier (Tabachnick & Fidell, 2014, s.111). Eftersom dessa fyra företag avviker från övriga företag på grund av en kombination av värden i olika variabler, bedömer författarna att det inte finns något systematiskt och rättfärdigat tillvägagångsätt att transformera värdena av dessa outliers. Istället kommer outliers att hanteras genom att resultatet av regressionerna som utförs på samtliga observationer, jämförs med resultatet av regressioner som utförs på samtliga observationer förutom de avvikande observationerna. Denna analys görs för att visa vilken påverkan de avvikande observationerna har på studiens resultat. Analysen kommer att presenteras under avsnitt i resultatkapitlet. 40

51 5 Resultat och analys I detta kapitel redovisas resultat och analys av de tester som genomförts i studien. Kapitlet inleds med att studiens modeller presenteras, därefter presenteras resultatet av de logistiska regressionerna. Revisionens samband med konkursrisken analyseras sedan genom att diskutera resultatet av studiens hypotestester, revisionens marginaleffekt samt genom att analysera skillnader i vad som påverkar konkursrisken mellan bolag med och utan revisor. Avslutningsvis genomförs en analys av hur bra studiens statistiska modeller fungerar. 5.1 Modellerna Nedan presenteras studiens modeller som skapades i föregående kapitel, samt en beskrivning av modellernas variabler. Modell 1 används för att studera sambandet mellan revision och konkursrisk ett år innan konkurs, och Modell 2 används för att studera sambandet mellan revision och konkursrisk två år innan konkurs. Både Modell 1 och Modell 2 har variabeln Konkurs som responsvariabel och variabeln Revisor som förklaringsvariabel. Modellerna innehåller utöver det sju kontrollvariabler, varav de första fem kontrollvariablerna är samma för både Modell 1 och Modell 2. Modell 1 z(konkurs) i = β 0 + β 1 Revisor i + β 2 OTVLKS i + β 3 TSTT i + β 4 OmsTT i + β 5 ÅRTT i + β 6 Ålder i + β 7 TSEK i + β 8 FKTS i + u i Modell 2 z(konkurs) i = β 0 + β 1 Revisor i + β 2 OTVLKS i + β 3 TSTT i + β 4 OmsTT i + β 5 ÅRTT i + β 6 Ålder i + β 7 RKTT i + β 8 Anställda i + u i Där; Konkurs = 1 om konkursbolag, 0 om friskt bolag. Revisor = 1 om bolaget har revisor, 0 annars. (Responsvariabel) (Förklaringsvariabel) u = Slumpterm som fångar alla faktorer, förutom de som ingår i modellen, som kan förklara konkursrisken i studiens bolag. i = Den i:te observationen. Kontrollvariabler som båda modellerna innehåller OTVLKS = (Omsättningstillgångar Varulager)/Kortfristiga Skulder (Likviditet) 41

52 TSTT = Totala skulder/totala tillgångar (Kapitalstruktur) OmsTT = Omsättning/Totala tillgångar (Effektivitet) ÅRTT = Årets resultat/totala tillgångar (Lönsamhet) Ålder = Företagets ålder, mätt som antal år sedan företaget registrerades Unika kontrollvariabler Modell 1 (Övriga företagsspecifika variabler) TSEK = Totala skulder/eget kapital (Kapitalstruktur) FKTS = Finansiella kostnader/totala skulder (Effektivitet) Unika kontrollvariabler Modell 2 RKTT = Rörelsekapital/Totala tillgångar (Likviditet) Anställda = Antal anställda i genomsnitt under året (Övriga företagsspecifika variabler) Både Modell 1 och Modell 2 innehåller kontrollvariabler från samtliga kategorier av nyckeltal som valts för studien, det vill säga Likviditet, Kapitalstruktur, Effektivitet, Lönsamhet och Övriga företagsspecifika variabler. Utöver de fem kontrollvariablerna som är lika för båda modellerna, innehåller Modell 1 en extra kontrollvariabel från kategorin Kapitalstruktur och en extra från kategorin Effektivitet. Modell 2 innehåller en extra kontrollvariabel från kategorin Likviditet och en extra från kategorin Övriga företagsspecifika variabler. För att resultatet av studien ska bli så pålitligt som möjligt har stor vikt har lagts vid att välja ut relevanta kontrollvariabler till modellerna. För en utförlig beskrivning av hur kontrollvariablerna har valts ut till modellerna, se avsnitt 4.6. Deskriptiv statistik över variablerna i modellerna finns i bilaga 4. I nästkommande avsnitt presenteras resultatet av de logistiska regressionerna som genomförts för att besvara studiens forskningsfråga. 5.2 Resultatet av de logistiska regressionerna I tabell 11 nedan presenteras resultatet av de logistiska regressionerna. Resultatet visar att variabeln Revisor har en oddskvot som understiger 1 i båda regressionerna, och variabelns p-värde är 0,023 ett år innan konkurs och 0,040 två år innan konkurs. Det innebär att revision har ett signifikant negativt samband med konkursrisk både ett och två år innan konkurs, på 5 % signifikansnivå. Hur sambandet mellan revision och konkursrisken ser ut kommer att analyseras djupare i avsnitt 5.3. Tabell 11: Resultat av logistiska regressioner, ett och två år innan konkurs Modell 1 (Ett år innan konkurs) Z(Konkurs)=b0+b1*Revisor+b2*Ålder+b3*OmsTT+b4*FKTS+b5*ÅRTT+b6*OTVLKS+b7*TSTT+b8*TSEK Konkurs Förväntat samband B SE(B) z-värde p-värde Oddskvot VIF Revisor - -0,3119 0,1374-2,27 0,023* 0,7320 1,03 OTVLKS - -0,1419 0,0327-4,34 0,000** 0,8677 1,00 42

53 TSTT + 0,3112 0,1159 2,68 0,007** 1,3650 1,06 OmsTT - 0,2071 0,0334 6,19 0,000** 1,2301 1,03 ÅRTT - -0,7524 0,1598-4,71 0,000** 0,4712 1,08 Ålder - -0,0164 0,0062-2,63 0,009** 0,9838 1,03 TSEK + 0,0110 0,0045 2,46 0,014** 1,0110 1,00 FKTS + 0,6910 0,1951 3,54 0,000** 1,9957 1,00 Konstant -0,3256 0,1787-1,82 0,068* 0, n = 1192, Pseudo-R 2 = , Modellens signifikansnivå = 0,000**, Modellens klassificeringsgrad = 77,43 % * = 5 % signifikansnivå, ** = 1 % signifikansnivå Modell 2 (Två år innan konkurs) Z(Konkurs)=b0+b1*Revisor+b2*OmsTT+b3*OTVLKS+b4*TSTT+b5*Ålder+b6*ÅRTT+b7*RKTT+b8*Anställda Konkurs Förväntat samband B SE(B) z-värde p-värde Oddskvot VIF Revisor - -0,2823 0,1374-2,06 0,040* 0,7540 1,05 OTVLKS - -0,1482 0,0363-4,08 0,000** 0,8622 1,01 TSTT + 1,1853 0,2203 5,38 0,000** 3,2716 2,67 OmsTT - 0,1303 0,0362 3,60 0,000** 1,1392 1,36 ÅRTT - -1,1307 0,1938-5,84 0,000** 0,3228 1,57 Ålder - -0,0236 0,0064-3,70 0,000** 0,9767 1,07 RKTT - 0,5648 0,2120 2,66 0,008** 1,7592 2,33 Anställda - 0,1643 0,0518 3,17 0,002** 1,1785 1,10 Konstant -0,8556 0,2425-3,53 0,000** 0, n = 1192, Pseudo-R 2 = , Modellens signifikansnivå = 0,000**, Modellens klassificeringsgrad = 74,92 % * = 5 % signifikansnivå, ** = 1 % signifikansnivå Förutom sambandet som visas mellan revisor och konkurs, visar resultatet även att samtliga kontrollvariabler är signifikanta på 1% signifikansnivå. Förutom variabeln TSTT två år innan konkurs så är VIF-värdena låga, vilket indikerar att det inte finns några problem med multikollinearitet mellan modellens variabler. Eftersom VIF-värdet på TSTT är under 4, är även det fortfarande så pass lågt att det inte anses problematiskt. Vidare visar resultatet av regressionerna att likviditetsmåtten har ett negativt samband med konkurs, vilket innebär att företag med låg likviditet löper högre risk för konkurs än företag som har en hög likviditet. Likviditetsmått mäter den kortsiktiga betalningsförmågan (Berk & DeMarzo, 2011, s.28), och att resultatet visar att företag som går i konkurs inte kan hantera sina finansiella åtaganden är inte förvånande, då det är definitionen av konkurs enligt konkurslagen 1 kap.2 (SFS 1987:672). Måtten för kapitalstruktur, TSTT och TSEK, visar positiva samband med konkurs. Resultatet visar alltså att bolag som har stora skulder i förhållande till eget kapital och tillgångar är mer sannolika att gå i konkurs. Resultatet visar vidare att effektivitetsmåttet OmsTT har ett positivt samband med konkursrisken, istället för det förväntade negativa sambandet. Vad det kan bero på berördes kort i avsnitt , nämligen att nyckeltalet mäter effektivitet genom att kolla på förhållandet mellan omsättning och tillgångar. Ett väldigt högt värde behöver därför inte nödvändigtvis betyda att företaget är väldigt effektivt, utan det kan även bero på att företaget har minskat sina tillgångar. Eftersom effekten av nyckeltalet blir större ett år innan konkurs kan det i det här fallet bero på att de företag som presterar dåligt avyttrar sina tillgångar innan de försätts i konkurs. Det leder till att nyckeltalet kan bli missvisande, då det är tillgångarna som minskar i förhållande till omsättningen, och inte omsättningen som ökar i förhållande till 43

54 tillgångarna. Lönsamhetsmåttet ÅRTT visar som förväntat ett negativt samband med konkursrisken. De övriga företagsspecifika variablerna Anställda och Ålder förväntades ha ett negativt samband med risken att gå i konkurs. Det förväntade sambandet var sant för variabeln Ålder, det innebär alltså att äldre företag inte löper lika stor risk att gå i konkurs. Även om variabeln är signifikant så verkar företagets ålder inte påverka risken att gå i konkurs i någon stor utsträckning, då oddskvoten ligger väldigt nära 1. Antal anställda visade däremot ett positivt samband med konkurs två år innan konkurs, de småföretag som hade fler anställda löpte alltså en högre risk att gå i konkurs. 5.3 Analys av revisionens samband med konkursrisken I detta avsnitt presenteras och analyseras revisionens samband med konkursrisken. Först presenteras resultatet av studiens hypotestester, därefter analyseras marginaleffekten av variabeln Revisor. Till sist genomförs separata regressionstester på bolagen med revisor och bolagen utan revisor, för att studera skillnader i konkursrisken mellan grupperna. Den analys som presenteras i detta avsnitt är relativt kortfattad, en djupare diskussion kring resultatet kommer att presenteras i kapitel Resultat av studiens hypoteser I denna studie har revisionens samband med konkursrisken i Sveriges småföretag undersökt. Tabellen nedan visar resultatet av hypoteserna som har testats, samt testernas p-värden. Tabell 12: Hypotestester Hypotes Resultat p-värde H1: Det finns ett signifikant negativt samband mellan revision och konkursrisk hos Sveriges småföretag, ett år innan konkurs. H2: Det finns ett signifikant negativt samband mellan revision och konkursrisk hos Sveriges småföretag, två år innan konkurs. * = 5 % signifikansnivå, ** = 1 % signifikansnivå Acceptera 0,023* Acceptera 0,040* Hypotestesterna leder till att både hypotes 1 och hypotes 2 accepteras. Resultatet visar med andra ord att revision, med 95 % säkerhet, har ett negativt samband med konkursrisken hos Sveriges småföretag, både ett och två år innan konkurs Marginaleffekten av revision Nedan presenteras marginaleffekten av variabeln Revisor. Marginaleffekten av revision visar hur konkursrisken minskar för ett genomsnittligt bolag i studien om värdet på variabeln Revisor går från 0 till 1, det vill säga om bolaget går från att inte ha revisor till att ha revisor. 44

55 Tabell 13: Marginaleffekt av variabeln Revisor Marginaleffekt Modell 1 Modell 2 dy/dx p-värde dy/dx p-värde Revisor -0,0595 0,022* -0,0539 0,039* * = 5 % signifikansnivå, ** = 1 % signifikansnivå Tabell 13 visar att marginaleffekten av revision, ett år innan konkurs, är -5,95 procentenheter. Det kan alltså tolkas som att det genomsnittliga bolaget i studien skulle minska sin konkursrisk med 5,95 procentenheter om företaget började använda revisor. Dock visar regressionerna i denna studie inget orsakssamband, vilket betyder att revisionens negativa samband med konkursrisken också skulle kunna bero på att de bolagen som väljer att ha revisor är bolag som redan har en lägre konkursrisk. Två år innan konkurs är marginaleffekten av revision något lägre, 5,39 procentenheter. Marginaleffekten som revisionen har på konkursrisken är signifikant på 5 % signifikansnivå, både ett och två år innan konkurs. P-värdet är dock något lägre ett år innan konkurs, vilket indikerar ett säkrare resultat Jämförande analys mellan företag med och utan revisor I denna analys delas företagen upp i två grupper; företag med revisor och företag utan revisor, där studiens regressionsmodeller testas på respektive grupp. Det görs för att undersöka om effekten som nyckeltalen i modellen har på företagens konkursrisk skiljer sig åt mellan företagen som har revisor och företagen som inte har revisor, vilket i så fall indikerar att revision modifierar effekten som kontrollvariablerna har på konkursrisken. Resultatet av detta test, ett år innan konkurs, presenteras i tabell 14 nedan. Tabell 14: Regressioner med/utan revisor ett år innan konkurs Modell 1 (Ett år innan konkurs) Z(Konkurs)=b0+b1*Revisor+b2*Ålder+b3*OmsTT+b4*FKTS+b5*ÅRTT+b6*OTVLKS+b7*TSTT+b8*TSEK Bara företag med revisor Bara företag utan revisor Konkurs Oddskvot SE z-värde p-värde VIF Oddskvot SE z-värde p-värde VIF OTVLKS 0,883 0,046-2,40 0,016** 1,00 0,884 0,035-3,07 0,002** 1,02 TSTT 3,607 1,074 4,31 0,000** 1,00 1,104 0,109 1,00 0,316 35,67 OmsTT 1,346 0,085 4,73 0,000** 1,03 1,160 0,044 3,90 0,000** 2,41 ÅRTT 0,496 0,149-2,33 0,020** 1,00 0,427 0,087-4,19 0,000** 30,02 Ålder 1,000 0,010 0,01 0,989 1,04 0,972 0,008-3,26 0,001** 1,02 TSEK 1,012 0,007 1,63 0,102 1,00 1,011 0,006 1,74 0,082 1,01 FKTS 1,838 0,433 2,58 0,010** 1,01 268, ,652 3,48 0,000** 1,02 Konstant 0,163 0,056-5,25 0,000** - 0,907 0,182-0,49 0,626 - n = 388, Pseudo-R 2 = Modellens klassificeringsgrad = 75,99% n = 704, Pseudo-R 2 = Modellens klassificeringsgrad = 79,92% *= 5 % signifikansnivå, **= 1% signifikansnivå När Modell 1 används, ett år innan konkurs, på enbart de bolag som hade revisor är Ålder och TSEK inte längre signifikanta på 5% signifikansnivå (se tabell 14 ovan). Intressant nog är p-värdet på Ålder väldigt högt och visar inte någon indikation på att det skulle finnas ett samband mellan konkursrisk och bolagets ålder. I det här fallet är alla VIF- 45

56 värden fortfarande låga. Modellens klassificeringsförmåga på företag med revisor är 1,44 procentenheter lägre än då alla företag inkluderas (se tabell 11 och tabell 14). För Modell 1 när endast företag utan revisor testas, utläses att variablerna TSTT och TSEK inte längre är signifikanta på 5% signifikansnivå. TSTT och ÅRTT visar höga VIF-värden vilket indikerar att det finns multikollinearitet mellan variablerna. Variabeln FKTS visar en extremt stor oddskvot och väldigt stort standardfel, vilket troligtvis beror på att variabeln inte fungerar att ha med i modellen i just det urvalet. Det kan bero på att en väldigt stor andel av bolagen har värdet 0 i den variabeln, vilket kan ha lett till att det är för liten variation i variabeln för att variabeln ska fungera att använda i modellen. Ett klassificeringstest visar att antalet korrekt klassificerade företag är högre i detta test än när alla företag inkluderas (se tabell 11 och tabell 14). Användandet av Modell 2, två år innan konkurs, visade också vissa skillnader mellan de bolag som hade revisor och de bolag som inte hade revisor. När modellen testades på bolagen med revisor fick variabeln Ålder ett p-värde på 0,131, och var alltså inte längre signifikant (se bilaga 5). När modellen testades på bolagen utan revisor var varken Antal anställda, OmsTT eller RKTT signifikanta, på 5% signifikansnivå. Sammantaget kan det konstateras att det finns vissa skillnader mellan bolagen med revisor och bolagen utan revisor gällande hur olika faktorer påverkar konkursrisken. Att olika faktorer påverkar risken att gå i konkurs för bolag med och utan revisor indikerar att det finns skillnader mellan bolagen. Att det finns skillnader mellan bolagen som har revisor och bolagen som inte har revisor skulle antingen kunna bero på att det är en viss typ av bolag som väljer att ha revisor, eller så kan det bero på att anlitandet av en revisor faktiskt kan leda till vissa förändringar i bolagen. En djupare diskussion förs om detta i kapitel Analys av hur bra modellerna fungerar I avsnitten om hur modellerna utvecklades beskrevs hur de olika variablerna testades för att till slut bilda studiens modeller. I det steget utvärderades variablerna utifrån deras teoretiska relevans, signifikansnivå samt hur de bidrog till modellens pseudo-r 2, för att de mest lämpliga kontrollvariablerna skulle väljas ut och inkluderas i modellerna. I detta avsnitt analyseras istället modellerna som helhet, för att utvärdera hur bra modellerna fungerar för att prognostisera konkurser bland studiens bolag. Avsnittet inleds med en analys av modellernas träffsäkerhet, följt av en analys av modellernas pseudo-r 2 -värde. Därefter analyseras effekten som multivariata outliers har på modellernas funktion, och till sist studeras om modellerna skulle fungera bättre om svårklassificerade bolag exkluderades ur urvalet Modellernas träffsäkerhet Ett vanligt sätt att analysera en modells träffsäkerhet är att jämföra modellens prognostiseringsförmåga med prognostiseringsförmågan av en modell som endast innehåller en konstant (Tabacknich & Fidell, 2006, s.458). I denna studie innebär det att undersöka till vilken grad modellerna klarar att klassificera studiens bolag efter rätt kategori, det vill säga om bolagen är konkursbolag eller friska bolag, med hjälp av modellernas förklaringsvariabel och kontrollvariabler. Modellernas klassificeringsgrad 46

57 jämförs med hur många bolag som blir rättklassificerade genom en modell som endast innehåller en konstant. I tabell 15 nedan har modeller med endast en konstant testats, ett och två år innan konkurs. Då testerna visade ett exakt likadant resultat ett och två år innan konkurs redovisas resultatet i en och samma tabell. Tabell 15: Klassificeringsgrad utan variabler (endast konstant) Endast konstant 2013 & 2014 Predicerat värde Totalt Korrekt Observerat 0 1 Klassificerade Värde Friskt ,00% Konkurs ,00% Totalt ,00% Tabellen ovan visar att en modell som endast innehåller en konstant klassificerar samtliga av studiens bolag som konkursbolag, både ett och två år innan konkurs. Då studiens urval består av lika många konkursbolag som friska bolag innebär detta att modellen har en klassificeringsgrad på 50 %. I tabell 16 nedan presenteras träffsäkerheten av studiens modeller, Modell 1 och Modell 2. Tabell 16: Klassificeringsgrad ett och två år innan konkurs Predicerat värde Totalt Korrekt Modell 1 (2014) Observerat 0 1 Klassificerade Värde Friskt ,04% Konkurs ,83% Modell 2 (2013) Totalt ,43% Predicerat värde Totalt Korrekt Observerat 0 1 Klassificerade Värde Friskt ,34% Konkurs ,50% Totalt ,92% Tabell 16 visar att Modell 1, som användes ett år innan konkurs, klassificerar 77,43 % av studiens bolag i rätt kategori. Det innebär att modellens förklaringsvariabel Revisor, tillsammans med modellens kontrollvariabler OTVLKS, TSTT, OmsTT, ÅRTT, Ålder, TSEK och FKTS, förbättrar modellens klassificeringsförmåga med 27,43 procentenheter. Vidare kan det utläsas att modellen klassificerar 73,83% av konkursföretagen samt 81,04 % av de friska bolagen rätt. Modellen har alltså en bättre förmåga att förutspå friska bolag än konkursbolag. Modell 2, som användes två år innan konkurs, har motsvarande totala klassificeringsgrad 74,92 %, samt att 74,50 % av konkursbolagen och 75,34 % av de friska bolagen klassificerades rätt. Det innebär att modellen som används två år innan konkurs också är bättre på att klassificera studiens friska bolag än att klassificera studiens konkursbolag. Tabellen visar även att Modell 1 är mer träffsäker än Modell 2, vilket innebär att regressionen som genomfördes ett år innan konkurs gav ett mer träffsäkert resultat. Att ett mer träffsäkert resultat uppnås ett år innan konkurs har även varit vanligt i tidigare forskning (Altman, 1968, s.609; Yazdanfar, 2011, s.563). Klassificeringsgraden för modellerna är något lägre än genomsnittet för tidigare studier som ligger runt 84%, ett år innan konkurs (Adnan Aziz & Dal, 2006, s.27). 47

58 Klassificeringsgraderna i denna studie på 77,43% och 74,92% anses trots det vara tillfredställande eftersom de är jämförbara med klassificeringsgrader som uppnåtts i tidigare studier, där vissa studier till och med har haft en lägre klassificeringsgrad än den som uppnåtts i denna studie (Brockman & Turtle, 2003, s.524; McGurr & Devaney, 1998, s.173). Ett till test som genomfördes för att jämföra studiens modeller med en modell som endast innehåller en konstant var ett Likelihood-ratio-test i Stata. I testet prövas hypotesen att det inte finns någon statistiskt signifikant skillnad mellan den kompletta modellen och en modell som endast innehåller en konstant, där ett önskvärt resultat är ett p-värde på högst 5 % (Tabachnick & Fidell, 2006, s.458). Testet visade att modellerna är signifikant bättre på att prognostisera konkurser i studiens urval än en modell som endast innehåller en konstant, med ett p-värde på 0,000 får både Modell 1 och Modell 2 (se bilaga 6) Modellernas pseudo-r2 När logistisk regression tillämpas kan inte längre samma mått på förklaringsgrad (R 2 ) användas som vid till exempel en vanlig linjär regression (Hagquist & Stenbeck, 1998, s.241). Istället har forskare försökt utveckla analoga mått på R 2, vilka kallas för pseudo- R 2 -mått (Hagquist & Stenbeck, 1998, s.241). Dessa mått är dock inte direkt jämförbara med R 2 och bör istället tolkas som en uppskattning, inte ett definitivt mått (Hagquist & Stenbeck, 1998, s.241). Det finns olika mått på pseudo-r 2, i Stata används ett mått som heter McFadden pseudo-r 2. Då Stata är det statistikprogram som används i studien är det McFaddens mått som används för att mäta modellernas pseudo- R 2 i denna studie. McFadden pseudo-r 2 uppskattar hur stor del av variansen i datat som kan förklaras av förklarings- och kontrollvariablerna (Bjerling & Ohlsson, 2010, s.23; Veall & Zimmermann, 1994, s.155). Måttet är baserat på log-likelihood (Tabachnik & Fidell, 2006, s.460) och räknas ut med följande formel: McFadden pseudo R 2 = 1 ln L (M Full ) ln L (M Konstant ) ln L (M Full ) representerar estimerat log-likelihood för hela modellen och ln L (M Konstant ) representerar estimerat log-likelihood för en modell som endast innehåller en konstant, alltså en modell utan förklarings- och kontrollvariabler (Tabachnik & Fidell, 2016, s.460). Log-likelihood är i det här fallet den logaritmerade sannolikheten att värdet på responsvariabeln Konkurs kan prediceras utifrån observerade värden på förklarings- och kontrollvariablerna (Bjerling & Ohlsson, 2010, s.13). Eftersom McFadden pseudo-r 2 inte visar lika höga värden som det traditionella måttet på R 2, anses lägre nivåer av detta mått vara tillfredställande (McFadden, 1977, s.35; Tabachnick & Fidell, 2006, s.460; Veall & Zimmermann, 1994, s.161). Ett värde på McFadden pseudo-r 2 mellan 0,2 och 0,4 anses vara väldigt bra (McFadden, 1977, s.35). Regressionerna som genomförts visar att Modell 1 och Modell 2 har ett pseudo-r 2 på 0,2015 respektive 0,1984 (se tabell 11). Modell 1 har alltså ett värde som kan anses vara väldigt bra (McFadden, 1977, s.35). Modell 2 ligger just under gränsen, men båda modellerna anses ha ett tillfredställande pseudo-r 2 -värde. 48

59 5.4.3 Effekten av multivariata outliers Multivariata outliers, det vill säga starkt avvikande observationer, har uppdagats både ett år och två år innan konkurs (se avsnitt 4.7). Ett år innan konkurs fanns det tre starkt avvikande observationer, och två år innan konkurs fanns det en starkt avvikande observation. För att undersöka om, och i så fall till vilken grad, dessa observationer påverkar modellernas funktion, har modellerna testats på urvalet när dessa observationer har exkluderats. Resultatet av regressionerna jämförs med resultatet av de ursprungliga testerna. Resultatet av Modell 1, när tre avvikande observationer har exkluderats, visar att modellen får ett högre pseudo-r 2 och en högre träffsäkerhet än i den ursprungliga regressionen (se tabell 11 och bilaga 7). Pseudo-R 2 -värdet ökar från 0,2015 till 0,2628, vilket bedöms vara en ganska stor ökning då det endast är tre observationer som har exkluderats. Klassificeringsgraden ökar från 77,43% till 78,39%. I övrigt är det inte så stor skillnad i resultatet, variablernas koefficienter antar samma riktning och har inte förändrats i någon stor utsträckning. Även signifikansen av variablerna ligger på samma nivå. Variabeln Revisor är dock i detta test signifikant på 1 % signifikansnivå, jämfört på 5 % signifikansnivå i det ursprungliga testet (se tabell 11 och bilaga 7). Marginaleffekten som revisionen har är också starkare, -6,68 procentenheter jämfört med -5,95 (se bilaga 7). Resultatet av Modell 2, när en avvikande observation har exkluderats, visar också ett högre pseudo-r 2 och en högre träffsäkerhet (se tabell 11 och bilaga 7). Dock är skillnaden liten; en ökning av klassificeringsgraden med 0,31 procentenheter och en ökning av pseudo- R 2 med 0,0072. Revisionens marginaleffekt minskar något, från -5,39 procentenheter till -5,14. Sammanfattningsvis visar resultatet att exkluderandet av starkt avvikande observationer leder till en viss förbättring av modellens funktion och även en viss påverkan på sambandet mellan revision och en minskad konkursrisk. Dock är förändringen inte av avgörande karaktär för resultatet. Då informationen om de avvikande bolagen har kontrollerats och visats vara korrekt, samt att innebörd och tolkning av studiens resultat fortfarande ser likadant ut, har beslutet tagits att observationerna får vara kvar i studien. Detta beslut grundar sig i att författarna önskar att resultatet ska ge en så rättvis bild av studiens population som möjligt. Trots detta är det intressant att visa att observationerna faktiskt påverkar resultatet i viss utsträckning Effekten av observationer i gråzonen En del forskare, bland annat Altman (1968, s. 606), har infört så kallade gråzoner i sina konkursprognostiseringsmodeller. Bolag som befinner sig i gråzonen representeras av bolag som är svårklassificerade av modellen (Altman, 1968, s. 606). Bolagens klassificering som antingen konkursbolag eller friska bolag baseras på en cutoff-nivå på sannolikheten som ges av modellen (se avsnitt 4.4.2), därför kan bolag som ligger väldigt nära cutoff-nivån antas vara bolag som modellen har svårt att klassificera. Cutoff-nivån i denna studie är som tidigare nämnt 0.5. Ett gränsvärde för bolag i gråzonen har i denna studie satts till bolag med en prognostiserad sannolikhet mellan För att undersöka om modellen skulle fungera bättre utan bolagen i gråzonen, och framförallt om 49

60 sambandet mellan Revisor och Konkurs skulle förändras, har modellen testats på urvalet när dessa bolag exkluderats. Antal observationer som exkluderades för att genomföra detta test ett år innan konkurs uppgick till 375 observationer. Resultatet ett år innan konkurs visar att modellens pseudo- R 2 ökar från 0,2015 till 0,2862, samt att klassificeringsgraden ökar från 77,43% till 83,97% (se bilaga 8). Marginaleffekten av Revisor blev också högre i detta test, där skillnaden i konkursrisk för ett genomsnittligt bolag med revisor jämfört med ett bolag utan revisor blev 6,2 procentenheter (se bilaga 8), jämfört med 5,95 procentenheter som redovisades i det ursprungliga testet (se avsnitt 5.3.2). Testet indikerar alltså att marginaleffekten som revision har på konkursrisken är högre i bolag som inte befinner sig i gråzonen än vad den är totalt i hela urvalet. När samma test utfördes två år innan konkurs exkluderades 380 bolag. Även detta test visade en ökning av modellens pseudo-r 2 och klassificeringsgrad, till 0,2784 respektive 80,67% (se bilaga 8). När detta test genomfördes var dock sambandet mellan revision och bolagens konkursrisk inte längre signifikant (p-värde = 0.121, se bilaga 8). Eftersom variabeln Revisor är signifikant i det ursprungliga testet (se tabell 11), tyder det alltså på att det finns ett starkare samband mellan revision och minskad konkursrisk för bolagen i gråzonen två år innan konkurs. Det kan konstateras att exkluderingen av bolag i gråzonen bidrog till bättre modeller med högre pseudo-r 2 och klassificeringsgrad. Dock innebär exkludering av bolag i gråzonen en manipulering av datamaterialet, därför genomfördes detta test endast för att kunna göra en jämförande analys. 50

61 6 Avslutande analys och diskussion I detta kapitel förs en djupare analys och diskussion om studiens resultat kopplat till den teoretiska referensramen, studiens problembakgrund och studiens syfte. Därefter diskuteras studiens teoretiska och praktiska bidrag, samhälleliga implikationer, begränsningar och förslag till vidare forskning. Kapitlet avslutas med ett avsnitt om sanningskriterier och hur författarna anser att denna studie förhåller sig till dem. 6.1 Analys och diskussion Syftet med denna studie var att undersöka om revision har ett samband med en minskad konkursrisk i Sveriges småföretag. Detta syfte har uppfyllts genom att studera svenska aktiebolag som inte omfattas av revisionsplikt. Företagens konkursrisk har studerats med hjälp av konkursprognostiseringsmodeller där revision har använts som förklaringsvariabel. Resultatet av studien visar att det finns ett signifikant samband mellan revision och en minskad konkursrisk hos Sveriges småföretag. Marginaleffekten av variabeln Revisor är 6 procentenheter ett år innan konkurs, och -5,5 procentenheter två år innan konkurs. Det tyder på att företag med revisor i genomsnitt har 6 procentenheter lägre risk att gå i konkurs än företag utan revisor, ett år innan konkurs, och i genomsnitt 5,5 procentenheter, två år innan konkurs. Sambandet mellan revision och minskad konkursrisk är signifikant på 5 % signifikansnivå, både ett och två år innan konkurs. Det är svårt att utifrån studiens resultat fastställa exakt vad som gör att revisionen har ett negativt samband med konkursrisken i Sveriges småföretag. Resultatet skulle kunna bero på att de företag som väljer att anlita en revisor är företag som av olika anledningar redan har en lägre konkursrisk än de företag som inte väljer att inte ha revisor. Exempelvis kanske det är vanligare att mer framgångsrika företag väljer att ha revisor, och att det är anledningen bakom det samband som kan konstateras i denna studie. Resultatet kan även bero på att revisionen bidrar med något slags mervärde som i förlängningen leder till en minskad konkursrisk, och att det är det som ligger bakom det samband vi ser i denna studie. Utifrån tidigare studier argumenteras att revisionen faktiskt kan ha en sådan effekt. Tidigare studier har visat att revisorn kan bidra med kompetens som saknas i bolagen (Knechel et al., 2008, s.82; Ojala et al., 2016, s.269; Svanström, 2008, s.263; Wallace, 1980, s.25). Andra studier har visat att brist på kompetens är en vanlig orsak till konkurs (Brüderl et al., 1992, s.236; Carter & Auken, 2006, s.510; Smallbone, 1990, s.44-45). Tillväxtverket visar i sin rapport att det är vanligt att nystartade småföretag går i konkurs i Sverige (Tillväxtanalys, 2015, s.9), och det är möjligt att dessa konkurser i många fall beror på att företagarna har bristande kompetens. Att företagarna saknar nödvändig kunskap och kompetens inom företagande kan leda till att dåliga beslut tas, vilket särskilt i uppstartsfasen kan få stora konsekvenser. Det finns utmaningar i uppstartsfasen med att skaffa en kundbas och bygga ett starkt varumärke, vilket bland annat kräver att företaget besitter vissa kunskaper om branschen och till exempel erfarenhet inom marknadsföring (Smallbone, 1990, s.45). I de fallen som företagarna saknar dessa färdigheter är det dock 51

62 möjligt att få stöd utifrån, och som tidigare nämnts har det visat sig att småföretag kan få värdefullt stöd av sin revisor gällande olika frågor som rör deras verksamhet (Knechel et al., 2008, s.82; Ojala et al., 2016, s.269; Svanström, 2008, s.263; Wallace, 1980, s.25). Med den logiken skulle stödet från revisorn kunna vara en bidragande faktor till att företagen överlever uppstartsfasen, vilket skulle kunna vara en av anledningarna bakom det negativa sambandet som visas mellan revision och konkursrisk i denna studie. Revisorns kompetens är rimligtvis något som även mer väletablerade företag kan dra nytta av. Svanström (2008, s.263) förklarar i sin avhandling att revisionsbyrån är den vanligaste källan till rådgivning bland små och mellanstora företag i Sverige. Då revisionsbyråer ofta har en bred kundbas bestående av en stor variation av företag inom olika branscher kan en bred övergripande kompetens skapas inom byrån, något som kan vara svårt för enskilda småföretag att uppnå. Förutom att revisorn kan erbjuda rådgivning i samband med viktiga affärsbeslut kan revisorn bidra till en effektivisering av företagens interna processer genom den utvärdering som görs av företagens interna kontroll (Knechel, 2007, s.82; Wallace, 1980, s.25). Genom denna effektivisering är det möjligt att företagen kan göra besparingar inom exempelvis administrativa kostnader, personalkostnader eller produktionskostnader. Dessa besparingar kan i sin tur leda till en förbättrad likviditet och lönsamhet, faktorer som är starkt förknippade med en minskad konkursrisk (Chen & Shimerda, 1981, s.55; Dimitras et al., 1996, s ). Därför kan revisorns stöd i mer väletablerade småföretag också vara en bidragande faktor bakom det samband som konstateras i denna studie. Revisorer genomför även en riskanalys i de företag som granskas. Denna analys kan leda till att företagen blir medvetna om att det finns och var det finns problem som bör åtgärdas (Eilifsen et al., 2014, s ). Ett företag som i god tid får reda på var det finns risker inom företaget har en bättre chans att hinna åtgärda problem eller förebygga att problem uppstår över huvud taget. Att årligen genomgå denna process skulle kunna leda till att företagen undviker omständigheter som kan leda till konkurs. En potentiell anledning till det negativa sambandet mellan revision och konkursrisk i denna studie skulle alltså kunna vara att företag med revisor blir mer medveten om sina risker och problem, och att de därmed har bättre förutsättningar att påverka sin ekonomiska situation innan det är för sent. Tidigare studier visar att företag med revisor har högre kreditvärdighet (Lennox & Pittman, 2011, s.1675). En hög kreditvärdighet kan vara avgörande för småföretag eftersom det innebär att de lättare kan låna kapital, något som är extra viktigt för småföretag då de flesta småföretag finansieras genom banklån (Cressy & Olofsson, 1997, s.2). Utöver en högre kreditvärdighet säger tidigare studier även att företag med revisor har en lägre ränta på sina lån (Blackwell et al., 1998, s.60; Dedman & Kausar, 2012, s.416; Kausar et al., 2016, s.180; Lennox & Pittman, 2011, s.1675). Ytterligare en anledning till att revision visar ett negativt samband med konkursrisk hos studiens företag skulle således kunna vara att revisionen signalerar till kreditinstitut att företagen är seriösa aktörer med pålitlig finansiell information. Denna signalerande effekt, som beskrivs av signalteorin (Spence, 1973, s.358), kan i detta fall leda till att företag både lättare får lån och att räntan på deras lån blir lägre. 52

63 Samtidigt är det många företag i Sverige som väljer att avstå från revision (RIR 2017:35, s.7). Att företag väljer att avstå från revision kan bland annat bero på att de anser att revisionen kostar för mycket. Det visades bland annat i en studie av Minnis och Shroff (2017, s.495), där 60,3% av företagen ansåg att revisionens kostnad översteg nyttan. Trots att revision visar ett negativt samband till konkursrisken i denna studie så innebär inte det att nyttan av revision överstiger kostnaden för alla småföretag, och det är fullt möjligt att revisionen är en ekonomisk belastning för vissa företag. Att företagen anser att revisionen kostar för mycket skulle dock i vissa fall även kunna bero på att företagen inte inser den potentiella nyttan av revision. Tidigare studier om konkurser i småföretag har indikerat att företagare ofta inte inser vikten av att skaffa tillräcklig kunskap och kompetens (Smallbone, 1990, s.44-45). Om företagarna inte inser att de är i behov av extra kompetens är det fullt möjligt att de inte ser någon nytta av att anlita en revisor. Samtidigt är det kanske dessa företag som skulle kunna dra mest nytta av stödet och kompetensen som revisorn kan bidra med. Något att ha i åtanke vid tolkning av resultatet i denna studie är att sambandet mellan revision och en minskad konkursrisk skulle kunna bero på faktorer som inte har behandlats i studien. Trots att stor vikt har lagts vid att skapa en bra modell med relevanta variabler, kan det hända att det finns faktorer som studien inte har tagit hänsyn till som påverkar företagens konkursrisk, det vill säga att betydande variabler kan ha utelämnats från modellerna. Det är alltså möjligt att det finns andra orsaker bakom det samband som visats i studien, och att ett samband mellan revision och konkursrisk inte existerar, eller ser annorlunda ut, i verkligheten. Den risken finns dock i princip alltid vid studerandet av statistiska samband, och med stöd i tidigare studier anser författarna att det är det rimligt att anta att det samband som visats i denna studie faktiskt stämmer överens med verkligheten. En annan möjlighet är att sambandet mellan revision och en minskad konkursrisk i själva verket är starkare i verkligheten än det som visas i studien. Resultat från tidigare studier har indikerat att revision kan ha en positiv effekt på företags lönsamhet och effektivitet (Knechel et al., 2008, s.82; Wallace, 1980, s.25), samt bidra till att företagen får en lägre skuldränta (Kausar et al., 2016, s.180). Då alla dessa faktorer har inkluderats som kontrollvariabler i denna studie, kan det tänkas att en del av effekten som revisionen har på konkursrisken återspeglas i dessa variabler. Signifikansen av variabeln Revisor som visas i studiens resultat tyder i så fall på att revisionen bidrar till ett mervärde även utöver den positiva effekten som återspeglas inom dessa variabler. Förutom de huvudsakliga regressionerna som genomfördes i denna studie, gjordes även ett test för att se om konkursprognostiseringsmodellerna skulle fungera bättre om bolag i gråzonen exkluderades. Företag i gråzonen är företag som ligger nära gränsen att klassificeras som antingen konkursföretag eller friska företag. Förutom att resultatet visade att modellerna fungerade lite bättre när dessa bolag exkluderades, visade det sig även att exkluderingen av dessa bolag påverkade den effekt som revision hade på konkursrisken. Två år innan konkurs ledde en exkludering av bolagen i gråzonen till att variabeln Revisor inte längre hade ett signifikant samband med konkursrisken, vilket indikerar att sambandet mellan revision och en minskad konkursrisk var starkare för företagen i gråzonen. Vad det beror på är svårt att svara på, men det skulle kunna tolkas 53

64 som att revisionen, två år innan konkurs, framför allt kan vara till hjälp i förebyggande syfte. Ett år innan konkurs var sambandet signifikant oavsett, vilket visar på ett mer robust samband mellan revision och en minskad konkursrisk kort tid innan konkursen. Hur det ska tolkas är också oklart, men det är troligt att ett starkare samband kort innan konkurs beror på att konkursprognostisering generellt sett fungerar bättre ju närmare konkursen företagen studeras (Altman, 1968, s.604; Yazdanfar, 2011, s ). Den analys som genomfördes om skillnader i konkursrisk mellan företag med revisor och företag utan revisor visade på vissa skillnader mellan företagen. Separata regressioner genomfördes på företagen med revisor och företagen utan revisor, där det visade sig att olika nyckeltal förklarar risken för konkurs beroende på om företaget har revisor eller inte. Att det finns skillnader mellan företag som väljer att ha revisor och företag som väljer att inte ha revisor skulle kunna bero på två saker. Antingen beror det på att den nytta som revisionen för med sig leder till förändringar i företagen. Exempelvis så visar studien av Kausar et al. (2016, s.180) att företag som frivilligt väljer att anlita en revisor gör mer investeringar och har högre lönsamhet. Det skulle kunna bero på att stödet från en revisor leder till att företagen vågar satsa mer, satsningar som skulle kunna vara avgörande för företagens framgång. Det är därmed möjligt att de förbättringarna som en revisor kan bidra med kan leda till att konkursrisken, och faktorer som påverkar konkursrisken, är annorlunda i företagen som använder revisor jämfört med företagen som inte använder revisor. Alternativt beror skillnaderna mellan företagen på att det är en viss typ av företag som väljer revision. Det här alternativet skulle kunna betyda att sambandet mellan revision och konkursrisk i denna studie beror på att det är en viss typ av företag, med lägre konkursrisk, som väljer att ha revisor. Exempelvis har tidigare studier visat att många företag anser att revisionen kostar för mycket (Minnis & Shroff, 2017, s.495) vilket ger en indikation att det är ekonomiskt starkare småföretag som har råd att anlita en revisor. Det finns dock studier som säger det motsatta. Tervo och Jokipii (2018, s.306) kom fram till att finska företag med revisor hade en högre ränta på banklån, och menar att det kan vara så att det är mer riskfyllda företag som väljer att anlita en revisor. Om detta är sant bör revision snarare visa ett positivt samband med konkursrisken. Att resultaten i tidigare studier är motstridiga kan bero på att det finns geografiska skillnader mellan studierna som påverkar resultatet. En annan förklaring till att forskningen inte är ense om vilka företag som är mest benägna att anlita en revisor kan vara att det inte finns tillräckligt starka tendenser åt varken det ena eller det andra hållet. Om valet att anlita en revisor inte beror på bakomliggande faktorer i företagen, som till exempel att redan starka eller svaga företag tenderar att anlita en revisor, så skulle resultatet i denna studie tyda på att revisorn faktiskt kan bidra till förbättringar i företagen som kan minska konkursrisken. Slutsatsen av denna studie är att revision har ett negativt samband med konkursrisk hos Sveriges småföretag, både ett och två år innan konkurs. Studiens resultat visar inte något orsakssamband, slutsatser kring varför revision har ett negativt samband med konkursrisk i Sveriges småföretag kan därför inte dras. Men med koppling till den teori som studien grundas på argumenterar författarna att den kunskap som en revisor kan bidra med utgör en, enligt resursberoendeteorin, kritisk resurs för Sveriges småföretag (Pfeffer & Salancik, 1978, s.44). Dessutom argumenteras att reviderade årsredovisningar, med stöd av signalteorin (Spence, 1973, s.358), signalerar en trovärdighet till kreditgivare vilket 54

65 förbättrar företagens möjlighet till extern finansiering. Dessa faktorer kan vara anledningen till att revision har ett signifikant negativt samband med konkursrisk i denna studie. 6.2 Studiens bidrag Genom studiens resultat kan det konstateras att revision har ett samband med en minskad konkursrisk hos Sveriges småföretag. Det teoretiska bidraget av studien är att studiens resultat bidrar till forskningen om revisionens nytta i småföretag. Forskning om revisionens nytta i småföretag är som tidigare nämnts bristfällig (Vanstraelen & Schelleman, 2017, s.571), särskilt i en svensk kontext. Studien bidrar med kunskap om vilken nytta revision kan ha för Sveriges småföretag genom att presentera ny information om det funna sambandet mellan revision och en minskad konkursrisk. Tidigare studier har indikerat att ett sådant samband borde existera, och resultatet av denna studie bidrar med konkreta bevis på att detta samband existerar bland småföretagen i Sverige. Utöver kunskapen om revisionens nytta bidrar även resultatet i denna studie med ny information om konkurser i svenska småföretag. Ett praktiskt bidrag av studien är att resultatet kan vara till stöd för Sveriges småföretag. Det kan vara ett stort steg för småföretag när de står inför valet att anlita en revisor eller inte, speciellt för företag som inte är medvetna om allt som en revisor kan bidra med. Resultatet av denna studie kan därför underlätta för svenska småföretag som står i valet och kvalet att anlita en revisor. Studien bidrar även till diskussionen kring revisionsplikten. Diskussionen kring revisionsplikten har skapat debatt i Sverige de senaste åren, och Riksrevisionen anser att revisionsplikten bör återinföras för samtliga aktiebolag (RIR 2017:35, s.5). Riksrevisionen argument grundas i att Sveriges småföretag har visat lägre lönsamhet och högre ekonomisk brottslighet sedan avskaffandet av revisionsplikten år 2010 (RIR 2017:35, s.8). Utöver det har kvalitén på finansiell information från företag som valt att avstå från revision försämrats, detta har lett till problem för Skatteverket som har behövt utöka sina kontrollprocesser för att förebygga skattefel (RIR 2017:35, s.45). Även Bolagsverket har upplevt ökad belastning på grund av felrapportering från företagen (RIR 2017:35, s.43). Samtidigt anser småföretagarnas riksförbund att revisionspliktens gränsvärden istället bör höjas ytterligare, då de menar att revision ska vara ett fritt val samt att revisionen anses vara ekonomiskt belastande för många småföretag (Svensson, 2016). Resultatet från denna studie bidrar med ny information till diskussionen. Det negativa samband mellan revision och konkursrisk som visats i denna studie, tillsammans med resultaten från tidigare forskning som diskuterats ovan, ger intrycket av att allmänheten skulle dra nytta av att revisionsplikten återinförs. Samtidigt är det möjligt att det är faktumet att revisionen är frivillig som ligger till grund för en del av den positiva effekten av revision. Lennox och Pittmans (2011, s.1675) studie visar att revisionens signalerande roll gentemot externa kreditgivare har en starkare effekt 55

66 i en kontext där revisionen är ett frivilligt val än där revisionen är tvingande (Lennox & Pittman, 2011, s.1675). Det tyder alltså på att banker och andra kreditgivare lägger ett högre värde i att ett företag frivilligt har anlitat en revisor, jämfört med att företaget har en revisor på grund av att lagen kräver det. Kunskap om hur externa organisationer så som banker reagerar på frivillig gentemot lagstadgad revision i en svensk kontext skulle därför kunna bidra till diskussionen ytterligare. 6.3 Samhälleliga implikationer I bakgrunden av denna uppsats påpekades att småföretag är de företag som bidrar med flest jobb i Sverige (Företagarnas finansieringsrapport, 2017, s.5), samtidigt som småföretag är den grupp av företag som oftast drabbas av konkurs (SCB, 2019). Det är lätt att se problematiken i den situationen, samt vikten av att förbättra småföretagens förhållanden. Om resultatet av denna studie skulle leda till att fler företag får upp ögonen för nyttan av revision, skulle det kunna ha vissa positiva följdeffekter på samhället. På grund av det stöd som en revisor kan ge skulle ett ökat användande av revisorer bland Sveriges småföretag kunna leda till att fler företag klarar sig igenom tuffa ekonomiska situationer, och om konkurser bland småföretag kan undvikas leder det till att fler personer får behålla sina jobb. Att fler företag använder revisor skulle också kunna leda till mindre arbetsbelastning för de statliga myndigheterna, som har upplevt ett ökat tryck sedan revisionspliktens avskaffande (RIR 2017:35, s.8, 43, 45). Detta skulle inte bara betyda att informationen som företag publicerar skulle bli mer pålitlig, utan även att företagen inte skulle behöva spendera tid och pengar på att korrigera felrapporteringar. Resultatet skulle även kunna tolkas från kreditinstitutens perspektiv som att ett företag utan revisor innebär hög risk för kreditgivare, vilket skulle kunna bidra till en mer negativ syn på företag utan revisor. Författarna vill distansera sig från den tolkningen eftersom revision endast är en av många variabler som kan analyseras vid bedömning av ett företags konkursrisk, samt att finansiella nyckeltal mest troligt är mycket viktigare variabler att ta hänsyn till i det sammanhanget. Författarna vill även påpeka att marginaleffekten som presenteras i studien gäller för det genomsnittliga företaget i urvalet och kan variera mellan företag, den gäller alltså inte för varje enskilt företag. 6.4 Studiens begränsningar En begränsning med denna studie är att datamaterialet som studeras är relativt nära tidpunkten då revisionsplikten avskaffades. Revisionsplikten avskaffades 2010 och företagen som studeras gick i konkurs år Om mer aktuella företagskonkurser skulle studeras är det möjligt att resultatet skulle se annorlunda ut eftersom en stor regeländring som denna tar tid att anpassa sig till. 56

67 Ytterligare en begränsning är att studiens resultat inte kan generaliseras på andra företag än de som undersökts i studien. Företagen som undersökts i denna studie är svenska aktiebolag som inte omfattas av revisionsplikt. Resultatet bör således endast tolkas i just denna kontext. Vidare skulle det kunna vara så att konkursprognostiseringsmodellerna i denna studie inte innehåller tillräckligt med variabler för att förklara konkursrisken bland företagen i studien, det vill säga att någon viktig variabel utelämnats. Det är möjligt att det i tillägg till revision finns andra kvalitativa variabler som är viktiga att ta hänsyn till. Att någon viktig variabel utelämnas skulle kunna innebära att resultatet av studien blir missvisande. 6.5 Förslag till vidare forskning I denna studie har sambandet mellan revision och en minskad konkursrisk hos Sveriges småföretag undersökts. Under genomförandet av studien har idéer till hur detta samband skulle kunna studeras ytterligare växt fram. Nedan presenteras förslag på vidare forskning som skulle kunna bidra till mer kunskap inom ämnet. I föregående avsnitt nämndes begränsningen att det datamaterial som studerats var relativt nära tidpunkten då revisionsplikten avskaffades. Därför vore det intressant att studera nyare data om konkurser i Sveriges småföretag, för att se om förhållandet mellan revision och konkursrisk ser annorlunda ut idag. Denna studie tar inte hänsyn till om företagen med revisor endast får sådan rådgivning som ingår i granskningsuppdraget, eller om de utöver detta har anlitat revisorn för fristående rådgivning. Vidare tar studien inte hänsyn till om företagen får rådgivning från andra externa källor än en revisor. Det är möjligt att de företag som använder till exempel redovisningsekonomer får liknande rådgivning som de hade fått av en revisor. Genom att ta med information angående vilken typ av rådgivning företagen får är det möjligt att jämföra effekten som olika typer av rådgivning har på företagens konkursrisk. Vilka faktorer som påverkar konkursrisken hos Sveriges småföretag skulle kunna variera beroende på vilken bransch som studeras. I denna studie togs ingen hänsyn till företagens branschtillhörighet, men det är något som skulle vara intressant att studera i en framtida studie. Det skulle även kunna vara intressant att studera om revisionskvalité påverkar risken för svenska småföretag att gå i konkurs. Detta skulle kunna studeras genom att låta användandet av en Big 4-revisor representera revisionskvalitet och sedan jämföra de företagen med de som använder revision från mindre revisionsbyråer. Det vore intressant att jämföra företags konkursrisk innan revisionspliktens avskaffande med företags konkursrisk idag. Det möjliggör att undersöka om effekten som revisionen har på konkursrisken skiljer sig åt beroende på om revisionen är frivillig eller tvingande. Studier från Storbritannien har visat att den 57

68 signalerande rollen av revision är starkare när revisionen är frivillig (Lennox & Pittman, 2011, s.1675), det skulle därför vara intressant att studera om så även är fallet i Sverige. Sambandet mellan revision och konkursrisk skulle även kunna undersökas genom en kvalitativ metod. Företagare och revisorer skulle kunna intervjuas för att få en djupare förståelse för vad revisorn bidrar med som kan minska företagens konkursrisk. 6.6 Sanningskriterier Kvantitativa studier studerar ofta ett stort urval med avsikt att skapa generaliserbar kunskap om en population (Eliasson, 2013, s.29-30). Men för att kunna generalisera resultaten måste studien vara pålitlig. Det är därför viktigt att diskutera och se över sanningskriterierna reliabilitet, validitet och generaliserbarhet. I detta avsnitt diskuteras dessa sanningskriterier i koppling till studien Reliabilitet och intern validitet Reliabilitet handlar om hur pass pålitligt resultatet i en studie är och om det är möjligt för andra att använda samma modell för att återskapa resultatet av en studie (Bryman, 2012, s.46; Eliasson. 2013, s.14; Roberts et al., 2006, s.42). Möjligheten för andra att använda denna studiens modeller är mycket god eftersom modellernas uppbyggnad presenterades utförligt i kapitel 4. Hög reliabilitet innebär även att modellerna ska visa samma resultat om de används vid olika tidpunkter (Roberts et al., 2006, s.42). Eftersom modellernas kontrollvariabler skiljer sig åt mellan åren skulle de kunna kritiseras för att vara för tidspecifika. Det skulle däremot vara möjligt att testa dessa modellers reliabilitet genom att använda dem ett och två år innan konkurs i företag som inlett konkurs något annat år än Då datamaterialet som använts i denna studie endast innehöll information om företag som inlett konkurs 2015 var detta utanför studiens omfång. Vidare var målet med studien inte att skapa användbara konkursprognostiseringsmodeller, utan syftet var att använda modellerna för att undersöka revisionens samband med konkursrisk. Modellerna har således inte skapats med syftet att de ska kunna användas vid konkursprognostiseringsstudier i framtiden. En hög reliabilitet är nödvändigt för att studien ska kunna ha hög intern validitet (Dahmström, 2011, s.369). Intern validitet är enligt Roberts et al. (2006, s.42) hur väl studiens variabler mäter det den avser att mäta. Enligt Dahmström (2011, s.369) kan mätfel bland annat bero på mätinstrument och respondenten. Mätfel på grund av respondenten skulle i denna studie bero på att det finns fel i företagets räkenskaper, vilket därmed kan innebära att det finns felaktig information i datamaterialet. Detta skulle kunna vara ett problem eftersom de finansiella nyckeltal som används i studien är baserade på årsredovisningarna som företagen publicerat, eftersom urvalet är så pass stort antas däremot att andelen fel i datamaterialet är obetydlig. Det är värt att nämna att medan kontrollvariablerna i studien kan vara missvisande på grund av manipulering eller misstag från företagets sida så kan inte respons- och förklaringsvariabeln vara missvisande på samma sätt. Information om konkurs kommer från Bolagsverket, vilket anses vara en pålitlig källa. Om företagen haft revisor eller inte kommer är information som härstammar 58

69 från Bisnode, vilket också anses vara en pålitlig källa. Dessutom har stickprov gjorts för att säkerställa att informationen om revision i företagen stämmer. Mätinstrumenten i studien är modellerna. Dessa modeller har inspirerats av etablerade metoder som använts i vetenskapligt granskade artiklar. Författarna anser därför att mätinstrumenten är tillförlitliga. Något som inte syns i den här studien är de företag som inte har en revisor men som får ekonomisk rådgivning av till exempel externa redovisningsekonomer, konsulter eller annat. Däremot går det att argumentera att eftersom denna studie kollar på specifikt revision och konkurs så påverkas inte validiteten av att vissa företag får rådgivning på annat håll, eftersom de företagen fortfarande antingen har eller inte har en revisor. Studien mäter därför fortfarande det den avser att mäta Generaliserbarhet Generaliserbarhet, eller extern validitet, kan beskrivas som i vilken utsträckning resultatet av en studie kan användas utanför de observationer som studerats (Bryman, 2012, s.176). Enligt Bryman (2012, s.176) så kan inte slutsatser dras om enheter som inte direkt ingår i den population som studeras. Det är därför viktigt att vara medveten om vilken populationen faktiskt är. Det är även viktigt att det urvalet som studerats är representativt av populationen (Roberts et al., 2006, s.43). Eftersom urvalet i studien är nog stort för kunna anses betryggande (Long, 1997, s.54) så är det rimligt att anta att urvalet kan representera populationen. Populationen som studeras är privata aktiebolag som inte omfattas av revisionsplikten, därav bör resultaten i studien inte generaliseras på företag utanför denna population. 59

70 60

71 Referenser Adnan Aziz, M. & Dar, H. A. (2006). Predicting corporate bankruptcy: where we stand?. Corporate Governance: The international journal of business in society, 6(1), Andersén, J. (2005). Strategiska resurser och långvarig lönsamhet: en resursbaserad modell för varaktiga konkurrensfördelar i små tillverkningsföretag. Doctoral dissertation, Mälardalen University Press. Allison, P. (2012). When Can You Safely Ignore Multicollinearity?. Statistical Horizons. [Hämtad ]. Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, Journal of Finance, Vol. 23, No. 4, pp Altman, E. (1984). The success of business failure prediction models: An international survey. Journal of Banking & Finance., 8(2). Barnett, V. & Lewis, T. (1994). Outliers in statistical data. 3:e uppl. Chichester: Wiley. Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of accounting research, Bell, E. & Bryman, A. (2007). The Ethics of Management Research: An Exploratory Content Analysis. British Journal of Management, 18(1), Bellovary, J. L., Giacomino, D. E. & Akers, M. D. (2007). A review of bankruptcy prediction studies: 1930 to present. Journal of Financial education, Berk, J. B. & DeMarzo, P. M. (2011). Corporate finance. 2:a uppl. Boston, Mass.: Prentice Hall. Bisnode. (u.å.) Vad vi gör. [Hemsida]. [Hämtad ] Bjerling, J. & Ohlsson, J. (2010). En introduktion till logistisk regressionsanalys. Arbetsrapport nr. 62, Göteborgs Universitet. Blackwell, D. W., Noland, T. R. & Winters, D. B. (1998). The value of auditor assurance: Evidence from loan pricing. Journal of accounting research, 36(1), Bolagsverket. (2019). Årsredovisning - aktiebolag. [Hemsida]. [Hämtad ]. Brockman, P. & Turtle, H. J. (2003). A barrier option framework for corporate security valuation. Journal of Financial Economics, 67(3),

72 Brüderl, J., Preisendorfer, P. & Ziegler, R. (1992). Survival chances of newly founded business organizations. American Sociological Review, Vol. 57 No. 2, pp Bryman, A. (2012). Social research methods. 4:e uppl. Oxford: Oxford university press. Bryman, A. & Bell, E. (2017). Företagsekonomiska forskningsmetoder. 3:e uppl. Stockholm: Liber. Bryman, A., Bell, E. & Nilsson, B. (2005). Företagsekonomiska forskningsmetoder. 1:a uppl. Stockholm: Liber. Carrington, T. (2010). Revision. Malmö: Liber. Carter, R. & Auken, H. V. (2006). Small Firm Bankruptcy. Journal of Small Business Management, 44(4), Chen, K. H. & Shimerda, T. A. (1981). An empirical analysis of useful financial ratios. Financial Management, Collis, J. & Hussey, R. (2014). Business research: a practical guide for undergraduate & postgraduate students. 4:e uppl. Basingstoke: Palgrave Macmillan. Craney, T. A. & Surles, J. G. (2002). Model-dependent variance inflation factor cutoff values. Quality Engineering, 14(3), Cressy, R. & Olofsson, C. (1997). European SME financing: an overview. Small Business Economics, 9(2), Dahmström, K. (2011). Från datainsamling till rapport: att göra en statistisk undersökning. 5:e uppl. Lund: Studentlitteratur. Datainspektionen. (2016). Dataskyddsförordningen. Förordning (EU) nr 2016/ regler/dataskyddsforordningen/dataskyddsforordningen---fulltext/. [Hämtad ] Dimitras, A. I., Zanakis, S. H. & Zopounidis, C. (1996). A survey of business failures with an emphasis on prediction methods and industrial applications. European Journal of Operational Research, 90(3), Dedman, E. & Kausar, A. (2012). The impact of voluntary audit on credit ratings: evidence from UK private firms. Accounting and Business Research, 42(4), Dedman, E., Kausar, A. & Lennox, C. (2014). The demand for audit in private firms. Recent large-sample evidence from the UK. European Accounting Review, 23 (1), Eilifsen, A., Messier Jr, W.F., Glover, S.M. & Prawitt, D.F. (2014). Auditing & Assurance Services. 3:e uppl. Berkshire: McGraw-Hill Education. 62

73 Eisenbeis, R. A. (1977). Pitfalls in the application of discriminant analysis in business, finance, and economics. Journal of Finance, 32(3), Eliasson, A. (2013). Kvantitativ metod från början. 3:e uppl. Lund: Studentlitteratur. FAR. (1992). Revision - Vad är det? Stockholm: Auktoriserade revisorers service AB. FAR. (2002). Analysmodellen, för prövning av revisorers opartiskhet och självständighet. [Dokument]. [Hämtad ]. Foreman, R. D. (2003). A logistic analysis of bankruptcy within the US local telecommunications industry. Journal of Economics and Business, 55(2), Företagarnas finansieringsrapport (2017). Finansiering för tillväxt och jobb [Rapport]. [Hämtad ]. Garret, J.M. (2000). SWBOOT: Stata module to bootstrap stepwise linear or logistic regression models. [Hemsida]. [Hämtad ]. Gujarati, D. N. (2002). Basic econometrics. 4:e uppl. Boston : McGrawHill. Hagquist, C. & Stenbeck, M. (1998). Goodness of Fit in Regression Analysis R 2 and G 2 Reconsidered. Quality and Quantity, 32(3), Hall, G. (1992). Reasons for insolvency amongst small firms A review and fresh evidence. Small Business Economics, 4(3), Hewa Wellalage, N. & Locke, S., (2012). Factors Affecting the Probability of SME Bankruptcy: A Case Study on New Zealand Unlisted Firms. Business Journal for Entrepreneurs, 2012(2). Holme, I. M., Solvang, B. K. & Nilsson, B. (1997). Forskningsmetodik: om kvalitativa och kvantitativa metoder. 2:a uppl. Lund: Studentlitteratur. Hope, O.K., Thomas, W.B. & Vyas, D. (2011). Financial credibility, ownership, and financing constraints in private firms. Journal of International Business Studies, 42 (7), Johansson-Lindfors, M.-B. (1993). Att utveckla kunskap: om metodologiska och andra vägval vid samhällsvetenskaplig kunskapsbildning. Lund: Studentlitteratur. Jones, S. & Hensher, D. A. (2004). Predicting firm financial distress: A mixed logit model. The Accounting Review, 79(4),

74 Karjalainen, J. (2011). Audit quality and cost of debt capital for private firms: evidence from Finland. International Journal of Auditing, 15, Kausar, A., Shroff, N. & White, H. (2016). Real effects of the audit choice. Journal of Accounting and Economics, 62(1), Kim, H. & Gu, Z. (2006). Predicting restaurant bankruptcy: A logit model in comparison with a discriminant model. Journal of Hospitality & Tourism Research, 30(4), Kim, J. B., Simunic, D. A., Stein, M. T. & Yi, C. H. (2011). Voluntary audits and the cost of debt capital for privately held firms: Korean evidence. Contemporary accounting research, 28(2), Knechel, W.R., Niemi, L. & Sundgren, S. (2008). Determinants of auditor choice: evidence from a small client market. International Journal of Auditing, 12 (1), Kronofogden. (u.å). Konkurs. [Hemsida] [Hämtad ] Körner, S. & Wahlgren, L. (2015). Statistiska metoder. 3:e uppl. Lund: Studentlitteratur. Laerd Statistics. (u.å.). Pearson s Correlation using Stata. Stata. [Hämtad ]. Langli, J.C. (2015). Evaluation of a change in the Norwegian legislation: the effects of making audit voluntary for small firms. Memorandum, BI Norwegian Business School. Langli, J.C. & Svanström, T. (2013). Audits of private firms. Centre for Corporate Governance Research, BI Norwegian Business School. Oslo. Lennox, C. S. & Pittman, J. A. (2011). Voluntary audits versus mandatory audits. The accounting review, 86(5), Libby, R. (1975). Accounting ratios and the prediction of failure: Some behavioral evidence. Journal of Accounting Research, Long, J. S. (1997). Regression models for categorical and limited dependant variables. Thousand Oaks, Calif: SAGE Publications. Marténg, C., (2017). Revisionsplikten bör återinföras. FAR, [Online] 21 december. Tillgänglig via; [Hämtad ] McFadden, D. (1977). Quantitative methods for analyzing travel behavior of individuals: some recent developments. Berkeley: Institute of Transportation Studies, University of California. McGurr, P. & DeVaney, S. (1998). Predicting business failure of retail firms: An analysis using mixed industry models. Journal of Business Research, 43(3),

75 Minnis, M. (2011). The value of financial statement verification in debt financing: Evidence from private US firms. Journal of accounting research, 49(2), Minnis, M. & Shroff, N. (2017). Why regulate private firm disclosure and auditing?. Accounting and Business Research, 47(5), Niemi, L., Kinnunen, J., Ojala, H. & Troberg, P. (2012). Drivers of voluntary audit in Finland: to be or not to be audited?, Accounting and Business Research, Vol. 42, No. 2, pp O'Gorman, K. D. P. & MacIntosh, R. P. (2015). Research methods for business and management: A guide to writing your dissertation. Goodfellow Publishers Limited. [Ebok]. Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of accounting research, Ojala, H., Collis, J., Kinnunen, J., Niemi, L. & Troberg, P. (2016). The Demand for Voluntary Audit in Micro Companies: Evidence from Finland. International Journal of Auditing, 20(3), Osser, J. (2017). Slopad revisionsplikt för småbolag - vilka har effekterna blivit?. BDO. [Hämtad ]. Pearson, K. (1897). Mathematical contributions to the theory of evolution. on a form of spurious correlation which may arise when indices are used in the measurement of organs. Proceedings of the royal society of london, 60( ), Pfeffer, J. & Salancik, G. R. (1978). The external control of organizations: A resource dependence approach. NY: Harper and Row Publishers. PWC. (u.å.). Frivillig revision för de mindre bolagen. PWC. [Hämtad ]. Riksrevisionens granskningsrapport (RIR 2017:35). Avskaffandet av revisionsplikten för små aktiebolag - en reform som kostar mer än den smakar. Stockholm: Riksrevisionen. Roberts, P., Priest, H. & Traynor, M. (2006). Reliability and validity in research. Nursing standard, 20(44). Saunders, M. N. K., Thornhill, A. & Lewis, P. (2009). Research methods for business students. 5:e uppl. Pearson Education India. [E-bok] SCB. (2019). Egenarbetad data. [Statistik] NV NV1401/Konkurser Foret07/?rxid=b076f788-b670-4e06-a5f3-c f217#. [Hämtad ]. 65

76 SFS 1970:979. Förmånsrättslagen. Stockholm: Justitiedepartementet SFS 1987:672. Konkurslagen. Stockholm: Justitiedepartementet SFS 1995:1554. Årsredovisningslagen. Stockholm: Justitiedepartementet. SFS 1999:1078. Bokföringslag. Stockholm: Justitiedepartementet SFS 2003:460. Etikprövningslag. Stockholm: Utbildningsdepartementet SFS 2005:551. Aktiebolagslag. Stockholm: Justitiedepartementet Simon, H. A. (1954). Spurious correlation: A causal interpretation. Journal of the American statistical Association, 49(267), Skogsvik, K. (1990). Current cost accounting ratios as predictors of business failure: The Swedish case. Journal of Business Finance & Accounting, 17(1), Smallbone, D. (1990). Success and Failure in New Business Start-Ups. International Small Business Journal, 8(2), SOU 2008:32. Avskaffande av revisionsplikten för små företag. Tillgänglig via: avskaffande-av-revisionsplikten-for-sma-foretag-hela-dokumentet-sou [Hämtad ] Spence, M. (1973). Job Market Signaling. The Quarterly Journal of Economics, 87(3), Sribney, B. (u.å.). What are some of the problems with stepwise regression?. Stata. [Hämtad: ]. Svanström, T. (2008). Revision och rådgivning: Efterfrågan, kvalitet och oberoende. Licentiatavhandling, Umeå School of Business, Institutionen för företagsekonomi, nationalekonomi och statistik. Svenning, C. (2003). Metodboken: en bok om samhällsvetenskaplig metod och metodutveckling. 5:e uppl. Eslöv: Lorentz. Svensson, L. (2016). Det är dags att globalisera Sverige! My news desk, [Online] 8 november. Tillgänglig via; [Hämtad ]. Tabachnick, B. G. & Fidell, L. S. (2006). Using multivariate statistics. 5:e uppl. Boston, MA: Allyn and Bacon. Tervo, S. & Jokipii, A. (2018) The value of a voluntary audit in debt financing: evidence from small privately held companies, Int. J. Accounting, Auditing and Performance Evaluation, Vol. 14, No. 4, pp

77 Tillväxtanalys. (2015, 3 maj). Uppföljning av 2012 års nystartade företag, tre år efter start. [Artikel]. uppfoljning-av-2012-ars-nystartade-foretag---tre-ar-efter-start.html. [Hämtad ]. Tillväxtverket. (2017). Företagens villkor och verklighet. [Publicerat dokument]. C3%B6retagens%20villkor%20och%20verklighet.pdf. [Hämtad ]. Thornhill, S. & Amit, R. (2003). Learning about Failure: Bankruptcy, Firm Age, and the Resource-Based View. Organization Science, 14(5), Vanstraelen, A. & Schelleman, C. (2017). Auditing private companies: what do we know?. Accounting and Business Research, 47(5), Veall, M. R. & Zimmermann, K. F. (1994). Evaluating Pseudo-R 2's for binary probit models. Quality and Quantity, 28(2), Vetenskapsrådet. (2017). God forskningssed. Stockholm: Utbildningsdepartementet [Online]. /God-forskningssed_VR_2017.pdf Weidenman, P. (2016). The Serrano Database for analysis and register-based statistics. Bisnode. [Dokument]. Wallace, W. (1980). The economic role of the audit in free and regulated markets: A Review. Open Educational Resources. 2. Yazdanfar, D. (2011). Predicting bankruptcy among SMEs: evidence from Swedish firm-level data. Entrepreneurship and Small Business, Vol. 14, No. 4, pp Zavgren, Christine V. (1985). Assessing the vulnerability to failure of American industrial firms: a logistic analysis. Journal of Business Finance and Accounting,

78 Bilagor Bilaga 1: Korrelationsmatriser 2014 och 2013 samt VIF-värden 2013 Korrelationsmatris 2014 (ett år innan konkurs): 68

79 Korrelationsmatris 2013 (två år innan konkurs): VIF-värden 2013 (två år innan konkurs): Variabel VIF Variabel VIF OTKS 372,68 FKOms 1,67 OTLKS 372,68 LogOms 1,58 ÅRTT 11,51 FKTS 1,55 KSTT 10,77 Anställda 1,25 RRTT 10,26 Revisor 1,14 RKTT 9,55 Ålder 1,08 TSTT 2,9 TSEK 1,02 ÅROms 2,8 RREK 1,02 OmsTT 1,69 69

80 Bilaga 2: Deskriptiv statistik två år innan konkurs Responsvariabel Konkurs Friska Totalt Konkurs 596(50%) 596(50%) 1192(100%) Förklaringsvariabel Revisor Ja 260(43.6%) 307(51.5%) 567(47.6%) Nej 336(56.4%) 289(48.5%) 625(52.4%) Potentiella kontrollvariabler Likviditet OTVLKS Medelvärde 1,35 6,54 3,95 Standardavvikelse 2,453 56,21 39,85 OTKS Medelvärde 1,97 6,85 4,41 Standardavvikelse 3,58 56,22 39,89 RKTT Medelvärde -0,06 0,31 0,13 Standardavvikelse 1,18 0,52 0,93 Kapitalstruktur TSTT Medelvärde 1,17 0,55 0,86 Standardavvikelse 1,72 0,56 1,31 TSEK Medelvärde 3,29 4,33 3,81 Standardavvikelse 38,72 20,70 31,04 KSTT Medelvärde 0,79 0,39 0,59 Standardavvikelse 1,18 0,45 0,91 Effektivitet OmsTT Medelvärde 3,22 1,65 2,44 Standardavvikelse 3,45 2,07 2,95 FKOms Medelvärde -0,11-0,54-0,32 Standardavvikelse 1,03 10,55 7,49 FKTS Medelvärde -0,05-0,03-0,04 Standardavvikelse 0,18 0,14 0,16 Lönsamhet RRTT Medelvärde -0,18 0,10-0,04 Standardavvikelse 1,10 0,37 0,83 ÅRTT Medelvärde -0,26 0,07-0,09 Standardavvikelse 1,07 0,34 0,81 ÅROms Medelvärde -0,28 0,14-0,07 Standardavvikelse 1,62 9,03 6,49 RREK Medelvärde -0,48 0,26-0,11 Standardavvikelse 9,47 1,50 6,79 Övriga LogOms Medelvärde 13,78 13,41 13,60 företagsspecifika Standardavvikelse 1,19 1,36 1,29 Variabler Anst Medelvärde 1,88 1,29 1,58 Standardavvikelse 1,85 1,16 1,57 Ålder Medelvärde 8,33 12,68 10,51 Standardavvikelse 10,52 11,78 11,37 70

81 Bilaga 3: Bootstrap forward logistic regression-test, Modell (Två år innan konkurs): Antal gånger varje variabel har valts ut Revisor 35 OTKS 33 TSTT 97 KSTT 8 ÅRTT 95 Log(Oms) 6 Ålder 92 RRTT 5 OTVLKS 89 RREK 2 OmsTT 87 EKTT 0 Anställda 73 ÅROms 0 RKTT 40 FKOms 0 FKTS 35 71

82 Bilaga 4: Deskriptiv statistik över variablerna i Modell 1 och Modell 2 Modell 1 ett år innan konkurs Variabel Konkurs Friska Totalt Responsvariabel Konkurs 596 (50%) 596 (50%) 1192 (100%) Förklaringsvariabel Revisor Ja 217 (36,4%) 271 (45,5%) 488 (40,9%) Nej 379 (63,6%) 325 (54,5%) 704 (59,1%) Kontrollvariabler Likviditet OTVLKS Medelvärde -1,13 6,41 2,64 Standardavvikelse 56,877 29,51 45,45 Kapitalstruktur TSTT Medelvärde 6,09 0,61 3,35 Standardavvikelse 80,81 1,18 57,19 TSEK Medelvärde 4,64 3,45 4,05 Standardavvikelse 23,91 13,13 19,29 Effektivitet OmsTT Medelvärde 6,63 1,69 4,16 Standardavvikelse 39,04 2,44 27,76 FKTS Medelvärde -0,09-0,05-0,07 Standardavvikelse 0,76 0,57 0,67 Lönsamhet ÅRTT Medelvärde -2,16 0,04-1,06 Standardavvikelse 26,45 0,48 18,73 Övriga företagsspecifika variabler Ålder Medelvärde Standardavvikelse 9,33 13,68 11,51 10,52 11,78 11,37 Modell 2 två år innan konkurs Variabel Konkurs Friska Totalt Responsvariabel Konkurs 596 (50%) 596 (50%) 1192 (100%) Förklaringsvariabel Revisor Ja 260 (43,6%) 307 (51,5%) 567 (47,6%) Nej 336 (56,4%) 289 (48,5%) 625 (52,4%) Kontrollvariabler Likviditet OTVLKS Medelvärde 1,35 6,54 3,95 Standardavvikelse 2,453 56,21 39,85 Kapitalstruktur TSTT Medelvärde -0,06 0,31 0,13 Standardavvikelse 1,18 0,52 0,93 TSEK Medelvärde 1,17 0,55 0,86 Standardavvikelse 1,72 0,56 1,31 Effektivitet OmsTT Medelvärde 3,22 1,65 2,44 Standardavvikelse 3,45 2,07 2,95 Lönsamhet ÅRTT Medelvärde -0,26 0,07-0,09 Standardavvikelse 1,07 0,34 0,81 Övriga Anställda Medelvärde 1,88 1,29 1,58 företagsspecifika Standardavvikelse 1,85 1,16 1,57 variabler Ålder Medelvärde 8,33 12,68 10,51 Standardavvikelse 10,52 11,78 11,37 72

83 Bilaga 5: Separata regressioner på företag med och utan revisor, Modell 2 Modell 2 Två år innan konkurs Bara företag med revisor Bara företag utan revisor Konkurs Oddskvot SE z-värde p-värde VIF Oddskvot SE z-värde p-värde VIF Ålder 0,9871 0,0085-1,51 0,131 1,02 0,9641 0,0093-3,80 0,000** 1,05 Anställda 1,2048 0,0907 2,47 0,013* 1,15 1,1400 0,0798 1,87 0,061 1,07 OmsTT 1,2056 0,0679 3,32 0,001** 1,40 1,0899 0,0504 1,86 0,063 1,38 OTVLKS 0,7696 0,0583-3,45 0,001** 1,01 0,9009 0,0376-2,50 0,012* 1,10 RKTT 2,2093 0,7409 2,36 0,018* 3,11 1,6049 0,4472 1,70 0,090 2,16 TSTT 3,1353 1,0216 3,51 0,000** 3,29 3,3732 1,0372 3,95 0,000** 3,23 ÅRTT 0,4674 0,1168-3,04 0,002** 1,06 0,2233 0,0675-4,96 0,000** 2,68 Konstant 0,2899 0,0994-3,61 0,000** 0,5096 0,1697-2,02 0,043* n= 567 Pseudo R2 = n= 625 Pseudo R2 = Klassificeringsgrad: 75,31% Klassificeringsgrad: 74,56% * = 5 % signifikansnivå, ** = 1 % signifikansnivå 73

84 Bilaga 6: Likelihood ratio-test, Modell 1 och Modell 2 Modell 1: Likelihood-ratio test LR chi2(8) = (Assumption: MKonstant nested in MFull) Prob > chi2 = Akaike's information criterion and Bayesian information criterion Model Obs ll(null) ll(model) df AIC BIC MKonstant 1, MFull 1, Modell 2: Likelihood-ratio test LR chi2(8) = (Assumption: MKonstant nested in MFull) Prob > chi2 = Akaike's information criterion and Bayesian information criterion Model Obs ll(null) ll(model) df AIC BIC MKonstant 1, MFull 1,

85 Bilaga 7: Regressioner utan multivariata outliers, Modell 1 och Modell 2 Modell 1: Konkurs Oddskvot SE Z p-värde VIF Revisor 0,6810 0,0982-2,66 0,008** 1,03 Ålder 0,9848 0,0063-2,39 0,017* 1,03 OmsTT 1,2083 0,0412 5,55 0,000** 1,03 FKTS 4,7619 1,1055 6,72 0,000** 1,00 ÅRTT 0,3966 0,0623-5,89 0,000** 1,08 OTLKS 0,6831 0,0345-7,56 0,000** 1,00 TSTT 1,2855 0,1508 2,14 0,032* 1,06 TSEK 1,0102 0,0049 2,11 0,035* 1,00 Konstant 1,1370 0,2199 0,66 0,507 - Klassificeringsgrad 78,39% N 1,189 Marginaleffekt dy/dx p-värde Revisor -0,0669 0,007** Modellens sig: 0,000 * = 5 % signifikansnivå, ** = 1 % signifikansnivå Pseudo R2 0,2628 Modell 2 Konkurs Oddskvot SE Z p-värde VIF Revisor 0,7614 0,1052-1,97 0,048* 1,05 Ålder 0,9764 0,0063-3,72 0,000** 1,07 Anställda 1,1774 0,0612 3,14 0,002** 1,10 OmsTT 1,1438 0,0419 3,66 0,000** 1,36 OTVLKS 0,8651 0,0313-4,00 0,000** 1,01 RKTT 1,9122 0,4131 3,00 0,003** 2,34 TSTT 3,7340 0,8470 5,81 0,000** 2,67 ÅRTT 0,3006 0,0595-6,07 0,000** 1,56 Konstant 0,3771 0,0929-3,96 0,000** - Klassificeringsgrad 75,23% n 1,191 Marginaleffekt dy/dx p-värde Revisor -0,0514 0,047* Modellens sig: 0,000 * = 5 % signifikansnivå, ** = 1 % signifikansnivå Pseudo R2 0,

86 Bilaga 8: Regressioner utan observationer i gråzon, Modell 1 och Modell 2 Modell 1 utan gråzon Logistic regression Number of obs 817 LR chi2(8) 323,29 Prob > chi2 0 Log likelihood -403,1874 Pseudo R2 0,2862 Konkurs Odds Ratio Std. Err. Z p-värde Revisor 0, , ,09 0,037* Ålder 0, , ,61 0,009** OmsTT 1, , ,2 0,000** FKTS 1, , ,71 0,007** ÅRTT 0, , , ** OTVLKS 0, , ,04 0,002** TSTT 1, , ,48 0,013* TSEK 1, , ,67 0,008** Konstant 0, , ,8 0,005** Marginaleffekt dy/dx Std. Err. p-värde Revisor -0, , ,035 Klassiferingsgrad 83,97% * = 5 % signifikansnivå, ** = 1 % signifikansnivå Modell 2 utan gråzon Logistic regression Number of obs 812 LR chi2(7) 313,39 Prob > chi2 0 Log likelihood -406,0543 Pseudo R2 0,2784 Konkurs Odds Ratio Std. Err. Z p-värde Revisor 0, , ,55 0,121 Ålder 0, , ,57 0,000** Anst 1, , ,99 0,003** OmsTT 1, , ,01 0,003** OTVLKS 0, , ,39 0,001** TSTT 1, , ,22 0,000** ÅRTT 0, , ,57 0,000** Konstant 0, , ,36 0,174 Klassificeringsgrad 80,67% Marginaleffekt ej med på grund av att revisor ej är signifikant * = 5 % signifikansnivå, ** = 1 % signifikansnivå 76

87

88 Företagsekonomi Umeå