A Game of Nods and Winks - Arthur Levitt, 1998 - En studie om faktorer som påverkar svenska börsbolags användning av resultatmanipulering Författare: Ola Jensen Daniel Sannéus Handledare: Andreas Jansson Medbedömare: Ulf Larsson Olaison Examinator: Karin Jonnergård Termin: VT 17 Nivå: Civilekonomuppsats, 30 hp Kurskod: 4FE17E
Förord Vi vill rikta ett stort tack till vår medbedömare Ulf Larsson Olaison för givande seminarier och nyttiga kommentarer. Vi vill även tacka familj och vänner som hjälpt oss under hela processen. Framför allt vill vi ge ett stort och hjärtligt tack till vår handledare, Andreas Jansson för ditt lugnande, lättsamma och engagerade sätt att stötta oss i skrivandet. Med roliga utsvävningar och intressanta resonemang har din vägledning gjort den här uppsatsen möjlig. Tack! Växjö 22:e Maj 2017 Ola Jensen 910731 072 711 15 13 Daniel Sannéus 900506 070 750 70 88
Sammanfattning Examensarbete, Civilekonomprogrammet, Ekonomihögskolan vid Linnéuniversitetet, Företagsekonomi, 4FE17E, VT-2017. Författare: Ola Jensen och Daniel Sannéus Handledare: Andreas Jansson Examinator: Karin Jonnergård Titel: A Game of Nods and Winks - En studie om faktorer som påverkar svenska börsbolags användning av resultatmanipulering Bakgrund: Resultatmanipulering är att omdiskuterat ämne i Europa såväl som i USA. Resultatmanipulering har konstaterats frekvent användas i svenska bolag. Vi frågar oss vilka bakomliggande faktorer kan påverka mängden av resultatmanipulation. Syfte: Studiens syfte avser att förklara hur analytikers prognoser och andelen kvinnliga styrelseledamöter påverkar resultatmanipuleringen i svenska noterade bolag. Metod: En tvärsnittsstudie med en deduktiv ansats genomförs där teorier testats via hypotesprövning. Teorierna Positiv redovisningsteori, Agentteori, Prospect theory och Critical Mass theory avser att behandla de incitament som ligger till grund för resultatmanipulering. Urvalet består av Stockholmsbörsens Large, Mid, Small Cap bolag under åren 2012 till 2016. Slutsatser: Resultatet påvisar att företag har en stark vilja nå analytikers prognoser samt att en hög andel kvinnliga styrelseledamöter har en negativ påverkan på företagets vilja att tillämpa resultatmanipulering. Vi kan i studien även visa en interaktionseffekt mellan de två faktorerna. 3
Abstract Master Thesis in Business Administration, School of Business and Economics, Linnaeus University, 4FE17E, 2017. Authors: Ola Jensen and Daniel Sannéus Supervisor: Andreas Jansson Examiner: Karin Jonnergård Title: A Game of Nods and Winks - A study on underlying factors that affect the use of Earnings management in Swedish public companies Background: Earnings management is a subject of discussion in Europe as well in the United States. Earnings management has been found to be frequently used in Swedish companies. We ask ourselves what the underlying factors are and how can they affect the amount of Earnings management. Purpose: The main purpose of this study is to investigate how analysts forecasts and a high proportion of female board members affects how public Swedish companies manage their earnings through Earnings management. Method: A quantitative cross-sectional study with a deductive approach are performed and theories constitutes the basis for our hypothesis. The theories; Positive accounting theory, Agency theory, Prospect theory and Critical Mass theory intends to deal with the incentives behind Earnings management. The observation period is 2012 to 2016 and consists of companies from the Stockholm stock exchange market. Conclusions: The result concludes that companies have strong incentives to reach analysts forecasts and that a high percentage of female representation on the board have a negatively impact on company s willingness to manage their earnings. In the study, we can also detect an interaction effect between the two variables. 4
Innehållsförteckning 1. Inledning 8 1.1. Bakgrund... 8 1.2. Problemdiskussion... 10 1.3. Syfte... 14 1.4. Disposition... 15 2. Teoretisk referensram 17 2.1. Resultatmanipulering... 17 2.2. Godtyckliga periodiseringar... 20 2.3. Kassaflödespåverkande aktiviteter... 22 2.4. Positiv redovisningsteori (PAT)... 23 2.5. Agentteorin... 25 2.6. Prospect theory... 27 2.7. Critical Mass theory... 29 2.8. Applicering av teoretisk referensram... 31 3. Hypotesformulering 33 3.1. Hypotes 1... 33 3.2. Hypotes 2... 35 3.3. Hypotes 3... 36 4. Metod 39 4.1. Teoretisk utgångspunkt och forskningsansats... 39 4.2. Tvärsnittsdesign... 40 4.3. Modeller för att mäta resultatmanipulering... 41 4.3.1. Redovisningsrelaterad manipulation... 41 4.3.2. Kassaflödespåverkande manipulering... 48 4.4. Operationalisering av variabler... 50 4.4.1. Beroende variabel... 51 4.4.2. Oberoende variabler... 52 4.4.3. Kontrollvariabler... 55 4.5. Datainsamling och urval... 58 4.6. Sekundärkällor... 60 4.7. Applicering av tvärsnittsstudie... 60 4.8. Branschindelning... 62 5
4.9. Bortfall och exkludering... 63 4.10. Statistisk kontroll... 65 5. Empiriskt resultat 68 5.1. Deskriptiv statistik... 68 5.2. Residualer som proxy för resultatmanipulering... 70 5.3. Bivariat analys... 71 5.4. Multivariat analys... 75 5.4.1. Styrelsesammansättning och avvikelse från EPS... 76 5.4.2. Interaktionsvariabeln effekt på resultatmanipulering... 80 6. Diskussionskapitel 84 6.1. Marknadens förväntningar... 85 6.2. Styrelsesammansättningen... 88 6.3. Interaktionseffekten... 92 7. Slutsats och implikationer 95 7.1. Slutsats... 95 7.2. Teoretiska implikationer... 97 7.3. Praktiska implikationer... 99 7.4. Förslag till framtida forskning... 100 8. Referenser 102 9. Appendix 107 9.1. Appendix 1... 107 9.2. Appendix 2... 110 6
Lista på Ekvationer Ekvation 1 Total accruals... s. 42 Ekvation 2 Healy model... s. 43 Ekvation 3 DeAngelo model... s. 43 Ekvation 4 Jones model... s. 44 Ekvation 5 The Modified Jones model Firm-specific... s. 44 Ekvation 6 Discretionary accruals... s. 47 Ekvation 7 Overproduction... s. 48 Ekvation 8 Sales manipulation... s. 49 Ekvation 9 Skattning av parametrar... s. 46 Ekvation 10 The Modified Jones model Industry-specific... s. 47 Lista på tabeller, figurer och diagram Figur 2.1 Funktionen för förväntat värde... s. 28 Figur 4.1 Det modererande sambandet... s. 52 Tabell 4.2 Oberoende variablers förväntade påverkan... s. 54 Tabell 4.3 Kontrollvariablers förväntade påverkan... s. 55 Tabell 4.4 Branschindelning... s. 63 Tabell 4.5 Bortfall... s. 64 Tabell 5.1 Deskriptiv statistik... s. 69 Tabell 5.2 Estimerade residualer... s. 71 Tabell 5.3 Bivariat analys... s. 73 Tabell 5.4 Multivariat analys... s. 77 Diagram 5.5 Interaktionsvariabelns konfidensintervall... s. 81 Tabell 5.6 Interaktionsvariabelns konfidensintervall... s. 82 Tabell 9.1 Beroende variabel (TA / A t-1 )... s. 108 Tabell 9.2 Beroende variabler (PROD / A t-1 och CFO / A t-1 )... s. 109 7
1. Inledning Svenska företag använder sig av finansiell rapportering för att kommunicera ut information om bolagens ekonomiska situation och framtidsutsikter till olika intressegrupper. En företagsledning kan genom redovisningens flexibilitet och kassaflödespåverkande aktiviteter till viss grad justera hur företaget ska framställas i finansiella rapporter. I detta kapitel diskuteras bakgrunden till resultatmanipulering som begrepp och vilka bakomliggande faktorer som kan påverka. Problemdiskussionen är baserad på en litteraturgenomgång i ämnet och föranleder studiens forskningsfråga och syfte som presenteras i slutet av kapitlet. 1.1. Bakgrund Att företags finansiella rapporter är tillförlitliga och ger användbar information är viktigt för såväl enskilda intressenter och samhället i stort. För att redovisningen ska kunna ge den rättvisande bild som företagsledningen förväntas vilja ge krävs det att standardsättare ger visst utrymme för bedömningar (Healy & Wahlen, 1999). Möjligheten att vrida redovisningsposter åt det håll som passar företaget har använts under lång tid och har fått många olika namn genom åren: Income smoothing, Creative accounting, Window-dressing, Big bath accounting eller Earnings management (Stolowy & Breton, 2004). Intressenters uppfattning om företagen och investeringsbeslut fattas till stor del på de finansiella rapporterna som utges av företagen. När redovisningen justeras efter vad som passar företaget, kommer rapporterna förlora i tillförlitlighet och kan bli mindre relevanta för användarna. Detta visar på behovet för olika parter att öka sin kunskap om hur företag kan förändrar sina resultat (Sánchez-Ballesta & García-Meca, 2007). Tidigare forskare har studerat hur detta görs och vad det kan få för konsekvenser (Healy, 1985; Dechow, Sloan & Sweeney, 1995; Stolowy & Breton, 2004; Roychowdhury, 2006; Gunny, 2010). Healy (1985) bevisade att företag med bonussystem till företagsledningen i större utsträckning använde flexibiliteten i redovisningsreglerna och tog ekonomiska beslut som maximerade deras egen vinning. Genom sin möjlighet att påverka redovisningen kan företagsledningen främja eller hämma en effektiv kapitalallokering. Företeelsen som studien ämnar undersöka benämns oftast inom redovisning- och finansforskningen som Earnings management (Healy & Wahlen, 1999). Vi kommer fortsatt i 8
studien att använda oss av den svenska översättningen resultatmanipulering, vilket ses som ett sammanfattande uttryck av redovisningsrelaterad och kassaflödespåverkande manipulering. Ordet resultatmanipulering kan tolkas inneha en mer negativ värdeladdad ton än dess engelska motsvarighet Earnings management. Vi lägger ingen värdering i, om det svenska ordet anses mer negativt, utan ser orden som helt synonyma. Resultatmanipulering behöver inte vara resultatpåverkande åtgärder som har till syfte att förvirra eller minska transparensen i de finansiella rapporterna. Det kan tillika vara ett sätt för ledningen att åskådliggöra faktiska värden och ge en mer rättvisande bild av nuvarande och framtida kassaflöden (Ronen & Yaari, 2008). Vikten av fenomenet blir än tydligare när vi ser till globala och nationella redovisningsskandaler såsom Prosolvia, Fermenta, Skandia, HQ Bank m.fl. Varje skandal har gett resultatmanipulering allt mer uppmärksamhet i media och den vetenskapliga redovisningslitteraturen (Stubben, 2010). En uppmärksammad skandal var Prosolvia, det svenska IT-bolaget som fick allmänhetens intresse efter diverse oegentligheter samt tvivelaktiga metoder för bolagets bokföring av intäkter. Prosolvia redovisade intäkter från framtida förväntade vinster vilket realiserades under dåvarande redovisningsperiod och anklagades för att vara skyldiga till bokföringsbrott. Prosolvia manipulerade sin redovisning och kunde påvisa en fasad utåt med god försäljning och höga vinster som egentligen inte existerade. Vidare så påpekar tidigare forskning (till exempel: Healy, 1985; Jones, 1991; Roychowdhury, 2006) att det finns mer neutrala och lagliga tillvägagångssätt som gör möjligt att manipulera ett resultat, vilket blir studiens primära fokus. Frågan kring vilka faktorer som påverkar i vilken utsträckning resultatmanipulering används idag lämnar fortfarande många frågetecken. I den här uppsatsen kommer vi att titta på hur styrelsens sammansättning och marknadens förväntningar påverkar mängden resultatmanipulering. Vi kommer även undersöka effekten som styrelsens sammansättning har på hur bolag bemöter marknadens förväntningar. Detta för att ge investerare samt normgivare en förbättrad bild av förekomsten av resultatmanipulering. 9
1.2. Problemdiskussion Intressenter såsom investerare, långivare och leverantörer använder sig av rapporter för att mäta företagsledningens prestation och bedöma företagets framtid. Följaktligen blir det intressant för en företagsledning att använda en viss kreativitet och olika manipuleringsaktiviteter för att maximera ett vinstresultat (Healy & Wahlen, 1999; Ronen & Yaari, 2008). Viljan att redovisa ett högre resultat än annars utgivet är en av det vanligaste anledningarna till resultatmanipulering. En företagsledning kan även ha incitament att minska sitt resultat med hjälp av redovisningen (Beneish, 2001). Att minska ett resultat med hjälp av resultatmanipulering kan göra det möjligt att rapportera högre vinster i framtiden (Kirschenheiter & Melumad, 2002). Vidare så framhäver Healy (1985) att det finns en stark relation mellan företagsledningens chanser till bonus i form av resultatrelaterad kompensation och en ökning av redovisat resultat. Finns det ingen möjlighet i form av ekonomisk kompensation för ett högt resultat uteblir det (Healy, 1985). Ytterligare en anledning till resultatmanipulering är vinstutjämning. För att försäkra ägare om att ledning och beslutsfattare utför sina uppdrag, är det viktigt att påvisa en jämn resultatnivå. Om ett rörelseresultat är av volatil karaktär signalerar det en viss osäkerhet (Kirschenheiter & Melumad, 2002). Om resultatet för en period är ovanligt högt och företagsledningen kan prognostisera att framtidens vinster blir låga, skapas incitament för ledningen att avsätta nuvarande resultat, för att sedan använda kapitalet vid ett tillfälle framöver för att jämna ut resultatet vid olika konjunkturcykler (Levitt, 1998). Bolag kan på så sätt använda redovisningen för att kommunicera med sina intressenter. Standardsättare menar att redovisning är ett språk och precis som för alla världens språk är det viktigt att alla inblandade förstår kommunikationens innebörd, för att språket ska uppfylla sin funktion (Healy & Wahlen, 1999). För att reglerna ska tillåta företagen att göra detta krävs mycket av lagstiftare och standardsättare. De måste utforma reglerna så att hänsyn tas till både relevans och tillförlitlighet. Mian och Smith (1990) säger att det finns två typer av ytterligheter av redovisningsregelverk; antingen regelbaserade eller principbaserade. De regelbaserade regelverken lägger mycket fokus på tillförlitlighet och har strikta regler som måste följas vilket inte ger rum för påverkan av företagsledningens egna omdöme. Dessa regelverk kan skapa finansiella rapporter som innehåller information som för ett specifikt 10
företag är irrelevant, det vill säga att de inte lever upp till kravet om relevans. Det blir att göra saker rätt istället för att göra rätt saker. Svagheten med regelbaserade regelverk har bidragit till att standardsättare istället gett företagsledningen möjligheten att använda sitt goda omdöme vilket har lett fram till att mer principbaserade regelverk vuxit fram (Mian & Smith, 1990). Det principbaserade regelverken lägger istället fokus på relevans och skapar ramverk som tillåter företagsledningar att använda sitt eget omdöme för att avgöra vad som är relevant att redovisa. Vidare menar Mian och Smith (1990) att subjektiva bedömningar om framtida kassaflöde och andra redovisningsrelaterade val tillåts i betydligt högre utsträckning. Principbaserade regelverk ger därför företagsledningar större möjligheter att tillämpa resultatmanipulering i sin redovisning vilket kan ifrågasätta tillförlitligheten (Mian & Smith, 1990). Denna möjlighet kan anses vara grunden till att resultatmanipulering existerar. Risker med resultatmanipulering kan vara att intressenter misstolkar rapporter och tar fel investeringsbeslut. Antaganden kan göras att företagsledningen förfogar över information som inte är transparent för investerare och andra intressegrupper. Healy och Wahlen (1999) menar att intressenter kan anta och acceptera en viss grad av resultatmanipulering, så länge bolaget inte rapporterar ett minskat resultat eller en ren förlust. Sker detta kommer marknaden att straffa bolaget, på grund av antaganden att resultatmanipulering har ägt rum för att nå upp till ett nollresultat (Graham, Harvey & Rajgopal, 2005). I sin kvalitativa studie förevisar Dichev, Graham, Harvey och Rajgopal (2013) svårigheten för utomstående att förstå hur företag använder sig av resultatmanipulering, samt i vilken omfattning det brukas. Dichev et al. (2013) intervjuade 169 ekonomichefer i amerikanska publika bolag och gjorde djupgående intervjuer med 12 av dessa, samt två standardsättare från Financial Accounting Standards Board (FASB) i USA. Studien påvisar att resultatmanipulering förekommer frekvent i amerikanska bolag. 20 % av observationerna uppvisar resultatmanipulering med motiv att förvränga eller att missvisa det faktiska ekonomiska läget i bolaget. Det är därför angeläget för intressentgrupper att kunna upptäcka resultatmanipulering i ett tidigt stadie. Vidare konstaterar Dichev et al. (2013) att manipulation av ett resultat vanligtvis sker med en minskning eller ökning av resultatet med 10 %. Detta ökar relevansen för forskningsområdet resultatmanipulering, samt vår studie. 11
Forskningen har skiftat fokus från att försöka upptäcka resultatmanipulering till att istället försöka förstå de underliggande processerna och besluten (Athanasakou, Strong & Walker, 2009). Vi kan se att det finns flera starka incitament för företagsledningen att manipulera resultatet genom att utnyttja de flexibla standarder som ett principbaserat regelverk ger upphov till. Incitament såsom att öka relevansen i de finansiella rapporterna, maximera sin egen vinning eller förvirra intressenter kan vara bakomliggande faktorer enligt Healy och Wahlen (1999) samt Matsunaga och Park (2001). En adekvat fråga är, går det att lita på informationen vi läser i finansiella rapporter såsom årsredovisningar? Graham et al. (2005) berättar att aktiemarknaden reagerar starkt på små negativa överraskningar i resultatet och menar att investerare ser ett missat mål som en signal på en påtaglig försämring i underliggande prestation. Likaså visar undersökningar att investerare ser överraskande nollresultat eller små positiva resultat som bevis på ett väl fungerande företag som kan förutse framtida vinster som inte ger stark positiv påverkan på aktiekursen (Graham et al., 2005). Av detta kan slutsatsen dras: att investerare inte ser helt rationellt på vinster och förluster utan att små negativa resultat påverkar i betydligt större utsträckning än små positiva resultat. Med denna tanke som grund har många forskare studerat hur analytikers konsensus prognoser påverkar bolagens redovisning i sin strävan att inte överraska marknaden (Matsunaga & Park, 2001; Brown & Caylor, 2005; Roychowdhury 2006; Athanasakou et al., 2009). Dessa studier visar tydligt att det blivit allt viktigare för företagsledningen att möta analytikernas förväntningar och därmed har mängden resultatmanipulering ökat därefter. Forskare har studerat detta genom att undersöka vissa specifika resultatmål såsom nollresultat och att överträffa tidigare års vinster. Forskare menar alltså att analytikers prognoser är en viktig faktor. Studier har även gjorts om huruvida kvinnliga styrelseledamöter och individers personliga attribut påverkar resultatmanipulering (Carter, Simkins & Simpson, 2003; Gavious, Segev & Yosef, 2012; Arun, Almahrog & Aribi, 2015). Påverkas resultatmanipuleringen av en diversifierad styrelsesammansättning? Det finns en diskussion kring att lagstifta om en förutbestämd nivå av kvinnor i styrelser och om det skulle hjälpa eller stjälpa bolagens styrelser. Idén kommer från forskningsresultat som visar på att en diversifierad styrelse blir effektivare än sin 12
homogena motsvarighet (Carter et al., 2003). Detta har fler forskare tagit fasta på och till exempel har Arun et al. (2015) undersökt hur det kvinnliga intåget i amerikanska styrelser har påverkat användningen av resultatmanipulering. Litteraturen som Carter et al. (2003); Gavious et al. (2012) och Arun et al. (2015) presenterar verkar peka mot att en högre andel kvinnor minskar andelen opportunistisk beteende och därmed resultatmanipuleringen. Dock finner vi att forskarna bortsett från hur effekten av kvinnliga ledamöter influerar andra faktorers påverkan av resultatmanipulering. Styrelsen har en stor kontrollerande roll i företag, därav kommer den bli en stark aktör i frågan kring hur eller om resultatmanipulering tillämpas. Styrelsen är inte mer än en grupp människor som alla har personliga egenskaper, mer eller mindre lika de andra i styrelsen. De senaste två decennierna har könsfördelningen i företagsstyrelser fått allt större uppmärksamhet. Milliken och Martins (1996) beskriver mångfald i styrelsen som ett tveeggat svärd då det finns såväl positiva och negativa effekter på funktion och prestation. Många forskare har fokuserat på hur och varför allt fler företag försöker få in kvinnor i styrelser och vad detta har fått för påverkan på bolagens prestationer (Desvaux, Devilliard-Hoellinger & Baumgarten, 2007). Litteraturen visar att kvinnliga styrelseledamöter skiljer sig på många sätt gentemot män. De verkar vara hårdare i sin granskning av ledningens beslut (Valenti, 2008) och de verkar i högre utsträckning som självständiga ledamöter (Adams & Ferreira, 2009). Det har också visat sig att styrelsens övervakande roll har effektiviserats och användandet av resultatmanipulering minskar vid högre andel kvinnliga ledamöter (Carter et al., 2003; Kramer, Konrad, Erkut & Hooper, 2006; Nielsen & Huse, 2010). Vidare visar forskningen att kvinnor i högre utsträckning är riskaverta 1 och tar etiska överväganden på större allvar än män (Gul, Fung & Jaggi, 2009). En ökad variation i en grupps sammansättning leder till en ökad kompetens och diversifierade egenskaper, i gruppen som en helhet. Detta bidrar enligt Watson, Kumar och Michaelsen (1993) till bättre beslut eftersom olika synsätt ökar sannolikheten till en fördjupad diskussion i styrelserummet. Detta har medfört att flera länder har börjat överväga att lagstifta kring en förutbestämd nivå av kvinnor i företagsstyrelser. Att lagstifta om hur privata bolag ska utforma sina ledande organ borde vara en väldigt känslig 1 Riskaversion är ett begrepp som betyder att en part är motvillig att ta onödiga risker. En riskavert person är inte villig att ta risker eller ta riskfyllda beslut utan kompensation i form av en förväntad avkastning eller ett positivt väntevärde. 13
fråga då det kan ses som en inskränkning av den fria marknaden (Lakhal, Aguir, Lakhal & Malek, 2015). Litteraturen verkar tyda på att resultatmanipulering påverkas av båda dessa två faktorer, externa förväntningar och styrelsesammansättning (Carter et al., 2003; Graham, 2005; Brown & Caylor, 2005; Kramer et al., 2006). Studien ämnar att undersöka hur styrelsens sammansättning påverkar resultatmanipulering och huruvida aktieanalytikers prognoser förändrar styrelsens syn på resultatmanipulering. Det som tidigare litteratur inte diskuterat och som vi vill studera är huruvida de två faktorerna förändrar varandras påverkan på resultatmanipuleringen. Kommer företagens användning av resultatmanipulering med stor andel kvinnor i styrelsen påverkas mindre av analytikers prognoser än styrelser med låg andel kvinnor i svenska börsbolag? En tredje aspekt i studien blir alltså huruvida styrelsens sammansättning påverkar hur mycket analytikernas prognoser förändrar styrelsens syn på resultatmanipulering. Hur de etiska ställningstaganden och den ökade självständigheten som karaktäriserar kvinnor påverkar bolagsstyrningen och de beslut som tas i fråga om resultatmanipulering. 1.3. Syfte Studiens syfte är att förklara hur analytikers prognoser och andelen kvinnliga styrelseledamöter påverkar resultatmanipuleringen i svenska börsbolag. Grundad utifrån ovanstående diskussion, vilken resterande del av studien baseras på, blir vår problemformulering följande: Hur påverkar kvinnliga styrelseledamöter och analytikers resultatprognoser mängden resultatmanipulering inom svenska börsbolag? 14
1.4. Disposition Kapitel 1 - Inledning I det inledande kapitlet introduceras läsaren för resultatmanipulering som begrepp och dess användningsområden. Detta fortsätter med en problemdiskussion som leder fram till studiens syfte. Kapitel 2 - Teoretisk referensram I det andra kapitlet beskrivs resultatmanipulering ytterligare och läsaren introduceras för redovisningsrelaterad och kassaflödespåverkande manipulation. Sedan presenteras studiens teoretiska utgångspunkt i form av valda teorier: Positive Accounting Theory (PAT), Agentteorin, Prospect theory och Critical Mass theory. Kapitel 3 - Hypotesformulering I detta kapitel härleds och formuleras tre hypoteser, varav den första fokuserar på analytikernas prognoser, den andra på kvinnliga styrelseledamöter och den tredje på interaktionseffekten som förväntas uppstå. Kapitel 4 - Metod I detta kapitel inleds med en kort förklaring till studiens teoretiska utgångspunkt och undersökningsdesign. Sedan redogörs för hur datainsamling, källor och branschindelning hanterats. Kapitlet går även igenom hur beräkning av resultatmanipulering kommer genomföras och operationalisering av oberoende- och kontrollvariabler. Kapitel 5 - Empiriskt resultat I detta kapitel presenteras studiens deskriptiva statistik och proxyvariabler för studiens modeller. Resultaten från de bivariata och multivariata testerna beskrivs i både text och tabellform. Kapitlet avslutas med en beskrivning om hur interaktionseffekten ska tolkas och vilka resultat som framkommit. Kapitel 6 - Diskussion I detta kapitel analyseras och diskuteras resultaten för var hypotes i fallande ordning. Tolkningar och möjliga förklaringar ges på varför sambanden ser ut som de gör. 15
Kapitel 7 - Slutsatser och implikationer Det avslutande kapitlet presenterar slutsater samt teoretiska och praktiska implikationer. Avslutningsvis ges förslag på hur vidare forskning kan utveckla kunskapen kring resultatmanipulering. 16
2. Teoretisk referensram Kapitlet ämnar att utreda vad som menas med resultatmanipulering i stort. Vidare presenteras studiens teoretiska utgångspunkt, valda teorier: Positive Accounting Theory (PAT), Agentteorin, Prospect theory och Critical Mass theory och hur de används för att besvara studiens syfte. PAT och Agentteorin används för att försöka förstå företagets olika incitament för att välja en viss redovisningsmetod. Prospect theory hjälper oss att förstå hur och varför analytikers prognoser påverkar mängden resultatmanipulering. Critical Mass theory används för att förklara hur styrelsens sammansättning och agerande påverkar de beslut som tas. 2.1. Resultatmanipulering En definition av resultatmanipulering som ofta används är utarbetad av Healy och Wahlen (1999). De definierar resultatmanipulering som ledningens bedömningar och beslut inom finansiell rapportering som förändrar de finansiella rapporterna för att antingen, vilseleda intressenter kring underliggande ekonomisk prestation eller att påverka avtal som är beroende av redovisningsinformation. Beroende på vad målet är, utförs resultatmanipulering genom att skifta rapporterad inkomst mellan nuvarande och framtida perioder för att uppvisa en mer adekvat bild av företaget eller vilseleda intressenter. Ett företags redovisade resultat är en indikator på den ekonomiska situation som företaget har under en redovisningsperiod. Dess precision påverkas av pålitligheten och betydelsen för användaren. Periodiseringar av löpande inkomster och utgifter innebär en justering av resultatet under redovisningsperioden vilket ökar relevansen, men minskar pålitligheten (Mian & Smith, 1990). Periodiseringar i sitt utförande innehåller uppskattningar och det finns plats för egna bedömningar, vilket gör dem till ett välanvänt instrument för en företagsledning. Genom en ökad förståelse av de underliggande drivkrafterna till manipulering av resultat och förhållanden som kan utsättas av manipulering går det med hjälp av revisorer att minska den negativa effekten av resultatmanipulering (Gunny, 2010). 17
Manipulering av resultat brukar delas in i två typer av manipulering; redovisningsrelaterade metoder och kassaflödespåverkande metoder. Redovisningsrelaterande metoder är ett sätt för bolag att manipulera sitt resultat genom att använda sig av justeringar i sina periodiseringar (Dechow et al., 1995; Peasnell, Pope & Young, 2000). Kassaflödespåverkande metoder har en direkt påverkan på företagets verksamhet. En förändring i strukturen på investeringar eller finansieringar, resulterar i ett onormalt kassaflödesmönster som påverkar det redovisade resultatet (Gunny, 2010). Resultatmanipulering går alltså att utföra på en mängd olika sätt. Några exempel kan vara att förändra hur företaget väljer att skriva av sina anläggningstillgångar eller att öka avsättningen till periodiseringsfonder för att minska sitt skattemässiga resultat. Andra val som också definieras som resultatmanipulering kan vara att i slutet av året sänka priset på sina varor för att öka försäljningssiffrorna och kassaflödet eller dra ner på forsknings och utvecklingskostnader (FoU). Resultatmanipulering är förknippat med en potentiell kostnad och en potentiell vinning. Vinningen kan vara den ökade möjligheten för en ledning att på ett trovärdigt sätt förmedla information till marknaden och dess intressenter. Kostnaden för resultatmanipulering är i slutändan en snedfördelning av kapital (Healy & Wahlen, 1999). Ett tillvägagångssätt när justeringar av resultatet ska göras är att välja en metod som är associerad med minst upplevd kostnad. Denna studie undersöker inte den faktiska kostnaden som resultatmanipulering kan medför, utan fokuserar på vilka faktorer som påverkar. Genom att göra en avvägning mellan timing och kostnad brukar manipulering av resultat särskiljas genom de två typerna: redovisningsrelaterad och kassaflödespåverkande manipulering. Begreppet resultatmanipulering väcker ofta negativa associationer och bolag vars företagsledningar anklagas för ett sådant agerande tenderar att få en negativ utveckling på aktiekursen (Healy & Wahlen, 1999). Trots att resultatmanipulering kan ha en viss negativ inverkan på företagets profil utåt mot intressenter så visar den fortsatta användningen att det även måste finnas flera positiva sidor. Åtskilliga studier kan visa på resultatmanipuleringens värdeskapande sidor (till exempel: Jiraporn, Miller, Yoon & Kim, 2008; Chen, 2013). Jiraporn et al. (2008) argumenterar för att resultatmanipulering i själva verket används för att spegla företagets fundamentala värde. De menar att användandet kan förbättra det informationsvärde som intressenterna får ut av den finansiella informationen då den blir mer rättvisande. Chen (2013) stödjer detta med sin studie, som visar ett vanligt 18
användningsområde för resultatmanipuleringen, nämligen resultatutjämning. Resultatutjämning tenderar att minska den osäkerhet investerare känner inför utgivandet av bolagens finansiella rapporter. Företag vill hålla resultaten jämna för att visa att företaget är stabilt även över långa tidsperioder (Chen, 2013). När analytiker ger ut prognoser över hur företagets framtida resultat förväntas bli, kommer förväntningar hos investerare förändras i linje med vad analytikerna tror. Att inte nå upp till analytikernas prognoser har visat sig slå hårt mot aktiepriset (Healy & Wahlen, 1999; Graham et al., 2005). På grund av aktiekursens bärighet drar vi slutsatsen att företag kommer försöka undvika sådana överraskningar. För att marknaden ska se bolaget som stabilt och framstå som välmående kommer företagsledningen använda analytikernas prognoser som ett resultatmål och försöka hamna i linje eller strax över analytikernas prognoser. Detta underbyggs av Gunny (2010) som visar att omfattningen av resultatmanipulering har ökat till följd av en ökad vilja att nå dessa mål. Gunny (2010) menar att vikten som en företagsledning lägger på att klara av resultatmålen verkar ha stigit de senaste årtiondena. Degeorge, Patel & Zeckhauser (1999) föreslår tre typiska mål som borde vara viktiga för ledningen när det kommer till resultatet; (1) inte påvisa negativt resultat, (2) inte generera lägre resultat än föregående år och (3) att nå upp till analytikernas förväntningar. Detta är snarlikt Roychowdhury (2006); Athanasakou et al. (2009); Gunny (2010) vidare forskning i ämnet. Den första och viktigaste indikatorn som Degeorge et al. (1999) introducerar är att inte presentera ett negativt resultat. Forskarna menar att det finns något fundamentalt i det mänskliga sättet att tänka på negativa tal och är av yttersta vikt att inte presentera ens en liten förlust. Detta stämmer överens med Roychowdhurys (2006) forskning som menar att företag bör använda sig av resultatmanipulering för att uppnå nollresultat för att undvika att rapportera små förluster. Den andra målet som Degeorge et al. (1999) tar upp innebär att bolaget inte vill sänka sitt resultat jämfört med föregående år för att på så sätt påvisa ekonomisk tillväxt, det sista målet är att nå upp till analytikernas förväntningar. Degeorge et al. (1999) rankar det tredje målet som den med lägst vikt. Hierarkin av vilka mål som är viktigast verkar dock ha kastats om. I en liknande undersökning gjord av Brown och Caylor (2005) visar istället att företagsledningar från slutet av 1990-talet 19
och framåt i allt högre utsträckning strävar efter att undvika negativa resultatöverraskningar hellre än att undvika negativt resultat eller lägre resultat än föregående år. Följaktligen har betydelsen på de tre målen skiftat och analytikerna har en allt större påverkan. Författarna förklarar skiftet genom att bevisa att belöningen är betydligt större för att nå analytikernas förväntningar än för de två andra målen. De viktigaste anledningarna som styrelser anger för att slå analytikernas förväntningar är att kunna bygga förtroende på kapitalmarknaden och hålla kvar eller öka bolagets aktiekurs (Graham et al., 2005). Detta kan anses rimligt mot bakgrund av att investerare även inhämtar information från oberoende källor såsom analytiker istället för att enbart förlita sig på företagens egen kommunikation. Vidare har Athanasakou et al. (2009) utvecklat Graham et al. (2005) studie och förklarar i sin studie att intåget av International Financial Reporting Standards (IFRS) som redovisningsstandard i Europa har ökat transparensen mellan företag, investerare och småsparare vilket ha inneburit att analytikers reflektioner får ett större inflytande, vilket är likt Brown och Caylors (2005) tankar. Resultatmanipulering används också som ett verktyg av företagsledningen för att försköna eller förminska sin egen prestation genom att utnyttja flexibiliteten i redovisningsstandarderna (Watts & Zimmerman, 1986). För att få bolaget att se attraktivt ut inför investerare och intressenter kan företagsledningen öka resultatet, men likväl kan det vara viktigt att sänka periodens resultat, av politisk press eller skattemässiga skäl. Vilket kan påvisa kopplingar mellan resultatmanipulering och vad som förklaras utifrån PAT som presenteras i sin helhet längre fram. 2.2. Godtyckliga periodiseringar För att undersöka vilka redovisningsrelaterade metoder som företagsledningen valt för att justera sitt resultat i önskad riktning mäts godtyckliga periodiseringar (eng: Discretionary accruals). Dechow et al. (1995) skriver att redovisningsrelaterad manipulering mäts via mängden godtyckliga periodiseringar i paritet till total mängd periodisering och kan ske både innanför och utanför lagens ramar. Exempel på godtyckliga periodiseringar är val av avskrivningsmetod (linjär, progressiv eller degressiv), val av lagervärderingsmetod (LIFO 20
eller FIFO) 2, hur mycket medel för marknadsföring och FoU som aktiveras i redovisningen. Godtyckliga periodiseringar påverkas av ekonomiska, politiska, sociala och kulturella faktorer (Han, Kang, Salter & Yoo, 2010) och ligger som stöd till förändringar i redovisningsstandarder. Standarder har ökat transparensen i den finansiella rapporteringen och revisionsprofessionen har nu större press på sig vid granskning av eventuella manipuleringar med hjälp av periodiseringar. Företagsledningar upplever att kostnaden för att justera periodiseringar har stigit och förknippas mer med risk än tidigare, vilket företagsledningar som påvisar hög grad av riskaversion tar i beaktning (Zang, 2012). Lakhal et al. (2015) poängterar att i genomsnitt är det mer troligt att män i ledande positioner tar större risker än kvinnor. Om en viss typ av resultatmanipulering är förknippat med ökad risk borde kvinnor uppvisa en större motvilja att använda sig av ett sådant verktyg. Andra risker som kan uppstå är den möjliga kostnaden som minskad tilltro hos intressenter och investerare kan medföra. Teoh, Welch och Wong (1998) förklarar även att återföringseffekten och kostnaden som uppkommer när alla periodiseringar ska återföras till räkenskaperna riskerar att ha stor påverkan på den efterkommande periodens finansiella prestation. Användningen av godtyckliga periodiseringar indikerar ett opportunistiskt beteende hos en företagsledning och är därför ett välstuderat ämne inom redovisningsvetenskapen (Jones, 1991; Dechow et al., 1995; Healy & Wahlen, 1999; Dechow & Dichev, 2002). Uppmärksamheten har gett striktare regelverk och riktlinjer som gjort användningen mer begränsad. En positiv aspekt med användningen av godtyckliga periodiseringar är att ett företag i efterhand kan påvisa mer relevans i sin finansiella rapportering och minska informationsasymmetrin gentemot intressenter. Det blir även enklare att bemöta företag- och analytiker prognoser med större säkerhet och påvisa ett mer rättvisande värde på företaget över flera perioder. 2 Last In First Out - LIFO och First In First Out - FIFO är olika metoder hur inventarier behandlas i bokföringen. Den svenska beteckningen är Sist In Först Ut - SIFU och Först In Först Ut - FIFU. 21
2.3. Kassaflödespåverkande aktiviteter Ett alternativ till användandet av godtyckliga periodiseringar är att justera ett resultat via kassaflödespåverkande aktiviteter (eng: Real-activity management), vilket har en direkt påverkan på resultat via metoder som påverkar kassaflödet. Gunny (2010) framhåller kassaflödespåverkande aktiviteter som en konsekvens på finansiella beslut och timing för att kunna förskjuta eller tidigarelägga vinster i önskad riktning. Roychowdhury (2006) har utvecklat en modell för att mäta tre typer av kassaflödespåverkande aktiviteter för att upptäcka grader av resultatmanipulering. Aktiviteter som (1) överproduktion, (2) sänkning av godtyckliga utgifter samt (3) försäljningmanipulation, används för att öka redovisat resultat vilket kan vara indikatorer för resultatmanipulering. Överproduktion används för att sänka kostnader för sålda varor (KSV). En sänkning i godtyckliga utgifter kan göras genom att skära ner på FoU eller reklamkostnader och är en välanvänd kassaflödespåverkande aktivitet vilket är en enkel åtgärd för en företagsledning. Det resulterar i en snabb positiv effekt på nuvarande periodens resultat (Roychowdhury, 2006). Försäljningsmanipulation utförs främst via realisationer för att öka kassaflödet. Vi uppfattar det som, att ett av de främsta användningsområdena för kassaflödespåverkande aktiviteter är att undvika att rapportera förluster. Roychowdhury (2006) undersöker i sin studie hur företag använder sig av överproduktion samt minskning av godtyckliga kostnader för att undvika små förluster och skapa en mer rättvisande bild på längre sikt. En liknande studie gjordes av Zang (2012) som redovisade hur stor påverkan kassaflödespåverkande aktiviteter och godtyckliga periodiseringar hade på graden av resultatmanipulering för att nå analytikernas prognoser. Gunny (2010) menar att de kassaflödespåverkande aktiviteterna i större utsträckning endast kontrolleras och granskas av företagsledningen medan val av redovisningsmetoder alltid kommer att granskas även av en oberoende revisor. Företag har alltid en begränsad mängd periodiseringar beroende på hur deras periodiseringar sett ut tidigare år (Gunny, 2010). Vi kan anta att en fördel med godtyckliga periodiseringarna är att metoden kan användas efter årets slut när de vet hur mycket resultatmanipulering som krävs, medan de kassaflödespåverkande aktiviteterna måste ske innan bokslutet. Vidare menar Gunny (2010) att kassaflödespåverkande aktiviteter som överproduktion för att minska KSV, nedskärningar i 22
FoU, används på ett effektivt sätt för att förskjuta eller framlägga vinster för att bemöta förväntade resultatprognoser. Dock avgränsar Gunny (2010) sig till en undersökning av enbart hur de kassaflödespåverkande aktiviteterna används för att fördela kapital och hur det påverkar mängden av resultatmanipulering på samma sätt som Roychowdhury (2006). 2.4. Positiv redovisningsteori (PAT) För att skapa en teori som genererar giltiga och meningsfulla förutsägelser över företeelser som ännu inte observerats, utformade Friedman (1953) målen med positiv redovisningsteori. Watts och Zimmerman (1978) hävdar att syftet med teorin är att förklara och förutsäga redovisningsbeslut. Teorin knyter an till resultatmanipulering som begrepp och försöker förklara beteendet som ligger bakom de beslut som en företagsledning tar i linje med användningen av resultatmanipulering. Med hjälp av PAT, kan antaganden göras utifrån verkliga händelser för att sedan skapa förståelse hur företag förhåller sig till redovisning och vilka olika preferenser redovisningsmetoder baseras på (Watts & Zimmerman, 1978). Teorin ställs ofta i kontrast till normativa teorier som tenderar att rekommendera vad som bör göras, istället försöker PAT förklara och förutsäga. I utvecklingen av PAT har forskare tagit hjälp av teorier kring den effektiva marknadshypotesen och Agentteorin vilket har varit betydande för att vidare forskning inom ämnet (Deegan & Unerman, 2011). Den effektiva marknadshypotesen förklarar inte varför en specifik redovisningsmetod väljs framför en annan och är därför inte relevant i avseendet av vår studie, trots att den bidrar till att belysa metodens begränsningar. PAT har ett ekonomiskt fokus som utgångspunkt, och söker därför besvara sådana frågor. Det kan vara att undersöka; vilken effekt den finansiella rapporteringen har på aktiekursen? Vilket vi i studien vill översätta till hur aktiekursen påverkas av resultatmanipulering? För att besvara frågorna som ställs så använder vi PAT som Watts och Zimmerman (1978) menar baseras på antaganden om individers beteende. Det vill säga att investerare, långivare och företagsledningen alltid kommer att ta beslut för att maximera sin egennytta och säkerställa sin egen arbetstillvaro. Detta kan tolkas som att företagsledningen inte alltid kommer handla i aktieägarnas främsta intresse, vilket inte uppskattas av flertalet intressenter. Intressenterna bryr sig snarare om vad 23
som är mest fördelaktigt för organisationen i sin helhet när det kommer till förvaltning av bolaget och inte vilken uppmuntran som ligger bakom företagsledningens beslut. Här kan en slutsats dras att det byggs upp en tydlig informationsasymmetri mellan företagsledning och olika intressentgrupper. Watts och Zimmerman (1990) bygger sin forskning om positiv redovisningsteori kring tre hypoteser; bonusavtal, låneavtal och politisk påverkan. Dessa har varit vida använda inom den företagsekonomiska forskningen och ses som tre hjälpmedel för att försöka förstå och förutsäga val av en viss redovisningsmetod eller princip. Hypotesen om bonusavtal hävdar att företagsledningen tillämpar de redovisningsmetoder som uppvisar så högt resultat som möjligt, om bonusavtalen är baserade på en periods resultat i företaget. Hypotesen om låneavtal behandlar hur företag är beroende av kapitalmarknaden när det kommer till att allokera kapital. För att få tillgång till stora lån av banker och kreditinstitut samt att skapa förtroende hos investerare på aktiemarknaden, så krävs goda resultat och en kontrollerbar skuldsättningsgrad. Det tredje och sista hypotesen Watts och Zimmerman (1990) presenterar är den politiska påverkan. Hypotesen förklarar hur ett företag som är utsatt för politisk press eller uppmärksamhet, har incitament att redovisa ett lågt resultat. De använder redovisningsmetoder som ett verktyg, för att periodisera eller möjliggöra överföring av vinstmedel till kommande perioder och på så sätt sänka sitt resultat (Watts & Zimmerman, 1990). När forskningen inom PAT gör antaganden kring företagsledningens agerande utgår de vanligtvis från de tre hypoteserna. Teorin framlägger att företagsledningen kommer agera antingen utifrån ett opportunistiskt perspektiv eller effektivitetsperspektiv. Det opportunistiska perspektivet ämnar att förklara de opportunistiska beteenden mellan parter som sedan tidigare ingått avtal och benämns därför oftast som ex post 3 perspektivet. Perspektivet har som utgångspunkt att det anses vara svårt att på förhand förutse vilka redovisningsmetoder och principer som ska tillämpas i givna situationer, utan detta sker först efter att avtal har ingåtts. Det finns därför utrymme för opportunistisk beteende trots ett existerande avtal. Watts och Zimmerman (1986) antagande om bonusavtal kan ses som ett 3 Ex post betyder i efterhand, och avser de opportunistiska åtgärder och beslut som utförs i efterhand när olika avtalsbestämmelser redan har införts. 24
exempel på opportunistiskt agerande. Ett bonusavtal som upprättas i syfte att reducera agentkostnader kan leda till att en företagsledning väljer redovisningsmetod efter vad som genererar högst bonus istället för att uppvisa en rättvisande bild av företaget. Watts och Zimmerman (1990) menar då att antagandet kan göras om att individer alltid kommer agera för att maximera sin egennytta. Teorin föreslår att det alltid kommer finnas utrymme för en företagsledning att opportunistiskt välja en särskild redovisningsmetod framför en annan. Med hjälp av PAT ska studien förklara bakomliggande incitament för användandet av resultatmanipulering. Det opportunistiska beteendet är omfattande i sin förklaring av redovisningsrelaterade metoder som i efterhand används för att justera resultat. Inom effektivitetsperspektivet förklaras hur olika typer av avtal på förhand kan minimera framtida avtals- och agentkostnader och benämns därför som ex ante 4 perspektivet. Watts och Zimmerman (1986) skriver att en företagsledning väljer redovisningsmetod i strävan efter att påvisa hög effektivitet vilket leder till att processer blir mer kostnadseffektiva. Det kan även medföra att de redovisningsmetoder som väljs inte nödvändigtvis behöver vara de som genererar högst bonus eller egennytta (opportunistisk beteende) utan de som är mest passande och återspeglar användandet av den underliggande tillgången bäst (Deegan & Unerman, 2011). Vi vill därför understryka vikten av en viss flexibilitet hos en företagsledning vid val av redovisningsmetoder. Detta resulterar oftast i problem med opportunistiskt beteende. Utifrån nämnda antagande beskriver Watts och Zimmerman (1978) att den optimala uppsättningen av redovisningsmetod är en kompromiss mellan (1) fastställande av redovisningsprinciper för att minimera processkostnader och (2) ge flexibilitet i form av resultatmanipulering i tider med ändrade förhållanden (med tanke på effekterna av opportunistisk beteende). 2.5. Agentteorin En annan viktig aspekt för att förklara en företagslednings val av en särskild redovisningsmetod kommer ifrån Agentteorin som är en nödvändig byggsten för att kunna förklara det beteende som ligger bakom resultatmanipulation. Jensen och Meckling (1976) 4 Ex ante betyder i förväg, eftersom det överväger vilka mekanismer och beslut som tas i förväg, med mål att minimera framtida agent- och processkostnader. 25
menar att mänskligt beteende är i grunden ekonomiskt rationell. En viss girighet i form av vinstmaximering och egenintresse får ett stort utrymme likt Watts och Zimmermans (1990) antagande om bonusavtal och låneavtal. Problemen kring detta utgår från hur moderna företag styrs. Mallin (2007) skriver i sin bok att sedan Adam Smith på sjuttonhundratalet belyste de potentiella problemen med separationen av ägandeskap och kontroll i företag har diskussionen kring agenter och principaler förts. Agentteorin syftar till relationen mellan en part (principalen) som delegerar arbete till en annan part (agenten). Inom bolagstyrning ses ofta företagsledningen som agent för styrelsen eller ägarna som då blir principal. Relationen skapar en stor osäkerhet på grund av informationsasymmetri (Mallin 2007). Teorin grundar sig i tanken som PAT framlägger i det opportunistiska perspektivet: Att alla individer är själviska och agerar för att maximera sin egen vinning. Problemet består alltså i att parterna inte har samma mål, det finns ingen målkongruens. Detta kommer innebära att agenten inte kommer handla som principalen vill att den ska göra, utan försöka maximera sin egennytta. Om teorin stämmer kommer företagsledningen som ser egen vinning i att följa prognoser göra vad de kan för att göra just detta, även om det inte är det optimala för bolaget i stort. I den bästa av världar hade aktieägarna kunnat få ett perfekt informationsflöde där allt i företagsledningens beteende ingick (Krause, Whitler & Semadeni, 2014). I och med att denna asymmetri finns mellan bolagets organ kommer ägarna behöva använda sig av olika sätt att övervaka företagsledningen. I en bolagskontext ser Agentteorin bolagsstyrningens mekanismer, speciellt styrelsen, som en högst nödvändig övervakningsfunktion. Detta för att säkerställa att problem som framkommer på grund av principal-agent relationen minimeras. Eftersom ledningen i egenskap av agent gärna agerar kortsiktigt och i egenintresse framför en långsiktig nyttomaximering för bolaget, förespråkar Agentteorin införandet av ekonomiska incitament för att uppnå en starkare målkongruens (Jensen & Meckling, 1976). De kostnader som uppstår för att nå målkongruens kallas i litteraturen för agentkostnader. I dessa kostnader räknas, övervakningskostnader, bonusar och förlorad vinst på grund av målinkongruens (Mallin, 2007). Många belöningssystem bygger på just de här tankarna om målkongruens. Vi menar att huruvida styrelsen lyckas uppnå målkongruens med sin företagsledning kommer vara avgörande för hur företaget använder resultatmanipulering. Vi drar slutsatsen att ett 26
belöningssystem som gynnar resultat som ligger i linje med analytikernas prognoser kommer ge företagsledningens incitament att öka användningen av resultatmanipulering. Agentteorin kommer således användas för att förstå de förändrade egenskaper principalen (styrelsen) har när den i högre utsträckning består av kvinnliga ledamöter. 2.6. Prospect theory För att förstå hur människor agerar på marknaden har tidigare forskning tagit hjälp av teorier baserade på rationella val såsom PAT och Agentteorin som bygger på att alla parter agerar rationellt. Men agerandet kan även till stor del förklaras av beteendevetenskapen. Genom att sammanlänka redovisningforskningen och beteendevetenskapen till en och samma vetenskapsgren, försöker forskare utifrån Prospect theory förklara det underliggande beteendet hos människor som ligger bakom beslut och investeringar på kapitalmarknaden. Forskningen kring rationella investerare och Expected utility theory, som utgår från beslutfattande och hur beslut påverkas när utfallen är okända, har fått mycket kritik. Kahneman och Tversky (1979) presenterade sin alternativa modell för beslutsfattande under risk; Prospect theory. Prospect theory undersöker hur människor väljer mellan alternativ som involverar risk när sannolikheterna för de olika utfallen är kända till skillnad från Expected utility theory (Kahneman & Tversky, 1979). Kahneman och Tversky (1979) presenterar en modell om hur ett företags värdeökning och minskning ter sig till följd av redovisat resultat. Vilket kan hjälpa oss att förstå hur analytikers prognoser påverkar mängden resultatmanipulering. För att sätta Prospect theory i paritet till verkligheten kan teorin förklaras genom att två val presenteras för en beslutsfattare, båda valen är jämlika och har i termer av förväntad avkastning samma utfall. Likväl så finns det preferenser att välja det ena valet framför det andra. Låt säga det ena valet presenteras som ett medel för potentiella vinster och det andra valet presenteras som ett medel för en större potentiell vinst, men är samtidigt förenad med en mindre förlust som gör att det förväntade utfallet blir detsamma i båda valen. Det upplevda värdet av en förlust är starkare än det upplevda värdet av en vinst. Med denna förutsättningen menar Prospect theory att det första alternativet kommer att väljas för att undvika en förlust. 27
Figur 2.1: Funktionen för förväntat värde Värde (+) Förlust Vinst Värde (-) Prospect theory förutsätter att förluster och vinster värderas olika, som visas i modellen ovan blir det upplevda negativa värdet större av en förlust än det upplevda positiva värdet av en vinst (inspirerad av: Kahneman & Tversky, 1979). Enligt Kahneman och Tversky (1979), kommer en redovisad vinst precis under nollresultat resultera i en större procentuell värdeminskning för bolaget än den värdeökning en redovisad vinst precis över nollresultat skulle inbringa. Brown och Caylor (2005) visade i sin studie att Kahneman och Tverskys (1979) teori verkar stämma. De fann att företags resultat ofta tenderar att hamna i linje eller strax över nollresultat och väldigt sällan strax under. Detta visar på att de förväntningar som analytiker hjälper till att bygga upp kring företagets kommande resultat påverkar hur stora incitament företagsledningen har för att använda sig av resultatmanipulering. Kahneman och Tversky (1979) menar att en företagsledning varken vill rapportera en minskning i vinst jämfört med föregående period eller ett resultat som understiger förväntningarna eftersom det skulle leda till en värdeminskning i bolaget. Således finns incitament för resultatmanipulering hos företagsledningen. Att bemöta riktlinjer som nollresultat, slå tidigare års vinster, samt att nå upp till satta prognoser är starka drivkrafter för företagsledningar att tillämpa resultatmanipulering (Graham et al., 2005). Förväntningar som utgår ifrån analytikers prognoser påverkar således allmänhetens uppfattning om företaget. Till och med att redovisa en vinst strax under prognoserna antas få konsekvenser i form av minskat aktievärde. Vi drar slutsatsen att om de förväntade negativa 28
konsekvenserna antas bli för höga kommer det leda till ett starkt incitament att använda sig av resultatmanipulering. Det omvända borde gälla för företag som tidigt kan se att de kommer att slå de riktlinjer som prognoserna säger. Varför ska de slå prognoserna mer än nödvändigt när de kan dra ner sitt resultat i den aktuella perioden och fortfarande möta förväntningarna? Detta förenas med att företaget då får en buffert för framtida svagare perioder och konjunkturen. Relevansen med denna teori i vår studie är stor och menar att företagsledningen inte kommer vilja avvika från förväntningarna som ställs på dem. Teorin implicerar att företag uppnår mer värde av att hamna i linje med prognoserna än värdet som skapas när företagen slår prognoserna. Kontentan är att en allt för stor värdeförminsking eller förlorad tillförlitlighet från intressentgrupper, kommer öka användningen av resultatmanipulering. 2.7. Critical Mass theory Litteraturen pekar på att kvinnliga ledamöter har en minskande effekt på resultatmanipuleringen (Lakhal, et al., 2015; Arun et al., 2015). Om vi kan se att styrelser med tre eller fler kvinnliga ledamöter har en betydligt minskad användning av resultatmanipulering, kan detta förklaras av den effekt som teorin om Critical Mass förespråkar. Teorin kommer således att användas för att förklara huruvida flera kvinnliga styrelseledamöter kommer förändra styrelsens syn på resultatmanipulering med en förstärkt effekt när premisserna för teorin är uppfyllda. Kvinnor och män i ledande positioner har en tendens att agera olika i vissa beslutsfattande skeden (Lakhal et al., 2015). Forskning kring hur sambandet ser ut mellan kvinnliga styrelseledamöter och resultatmanipulering nämner ofta Critical Mass theory. Teorin bygger på att antalet personer i en viss minoritet måste överstiga en viss mängd, en kritisk massa, för att kunna influera gruppen i stort (Lakhal et al., 2015). Kanter (1977) menar att det relativa antalet personer i en grupp, som avviker från majoriteten, i stor utsträckning påverkar hur gruppdynamiken utvecklas. Från det antagandet utvecklar författaren fyra typer av grupper såsom; homogena, skeva, snedvridna och balanserade som har olika grad av obalans. I den grupp Kanter (1977) kallar för skev består majoriteten av 85 %. I en sådan grupp kommer minoriteten bli reducerad till symboler, utan något verkligt inflytande i gruppen. Däremot när 29
fördelningen närmar sig en 65:35 ratio kan forskare se att minoriteten får en påverkan på hela gruppdynamiken (Granovetter, 1978; Lakhal et al., 2015). I vår studie kommer minoriteten vara kvinnliga styrelseledamöter. De anses av litteraturen (Watson et al., 1993; Desvaux et al., 2007; Nielsen & Huse, 2010) ha en mängd egenskaper som kan tillföra värde till en effektiv styrelsegrupp. Enligt Nielsen och Huse (2010) anses kvinnor i ledande positioner vara mer riskaverta och ha ett mer etiskt synsätt på rätt och fel. Eftersom resultatmanipulering lätt kan uppfattas som ett risktagande eller tidvis omoraliskt borde en styrelse som i stor utsträckning består av kvinnor minska användningen av resultatmanipulering. Det är lätt att förstå att en stor andel av en viss grupp människor påverkar gruppdynamiken, men är det bara andelen som spelar roll i de här sammanhangen? Konrad, Kramer och Erkut (2008) menar att det inte bara är andelen kvinnor i styrelsen som är viktig utan även antalet i sig. Sitter det tre eller fler kvinnor i styrelsen påverkar de enligt författarna betydligt mer än en eller två, även om andelen kvinnliga styrelseledamöter är den samma. De kommer då att bryta det stereotypiska synsätt som annars blir norm. Den kritiska massan kommer att förändra en manlig kommunikationsdynamik och forskning tyder på att tre eller fler kvinnor är särskilt gynnsamt när det kommer till att skapa förändring i bolaget. Kristie (2011:32) sammanfattar den kvinnliga närvaron i styrelserna såsom: one is a token, two is a presence, & three is a voice. Lakhal et al. (2015) tar fasta på denna gräns i sin studie och undersöker om det existerar ett negativt samband mellan kvinnliga styrelseledamöter och mängden resultatmanipulering i franska börsbolag. Författarna drar då slutsatsen att en högre andel kvinnor i styrelser gör bolag bättre på att upptäcka samt minska mängden redovisningsrelaterad resultatmanipulering vilket kommer vara behjälpligt när vi ska analysera och tolka studiens problemformulering. Som flera forskare visat kan det vara mycket värdefullt med icke homogena grupper, men om medlemmarna är alltför olika borde det även kunna leda till negativa effekter. Att variationen även kan ha en negativ påverkan på en grupps dynamik och prestation är något som teorier om social identifikation och uppdelning behandlar (Tajfel, 1981). Dessa teorier menar att individer identifierar sig genom social jämförelse med de andra i styrelsen (Milliken & Martins, 1996). Vidare kunde Ahern och Dittmar (2012) visa att den tvingande kvoten av 30
40% kvinnliga styrelseledamöter som införts till exempel i Norge, resulterade i ett lägre bolagsvärde. Åt samma håll pekar Bøhren och Staubo (2014) vars studie indikerar att den tvingande kvoten producerar bolag med ineffektiva styrelser. Lakhal et al. (2015) undersöker huruvida könsfördelning i bolagsstyrelser påverkar användandet av resultatmanipulation. Forskarnas resultat visar på att det finns ett negativt samband mellan minst tre kvinnor i styrelsen och resultatmanipulation, vilket stämmer med forskning kring Critical Mass theory (Kramer et al., 2006). Vidare presenterar författarna att detta tyder på att kvinnor är effektivare i sin övervakande roll och tänker på ett mer etiskt sätt än män likt Desvaux et al. (2007); Nielsen och Huse (2010). Kvinnliga styrelseledamöter förhindrar resultatmanipulation för att undvika rättstvister och försämrat rykte som annars kunde inverka på deras styrelseposition (Lakhal et al., 2015). Arun et al. (2015) finner bevis för att kvinnor agerar mer defensivt än män. I sin forskning ser de att företag med större andel kvinnliga styrelseledamöter i högre utsträckning tenderar att använda sig av resultatmanipulation för att sänka resultatet istället för att öka resultatet. 2.8. Applicering av teoretisk referensram Utifrån den teoretiska genomgången vill vi sammanlänka teorierna till en övergripande modell för att förstå hur resultatmanipulering kan påverkas av yttre faktorer. Teorierna komplettera varandra i processen och ses som byggstenar för att skapa en mer övergripande modell. I början av kapitlet presenteras begreppet resultatmanipulering och en distinktion gjordes mellan redovisningsrelaterad och kassaflödespåverkande resultatmanipulering. Trots uppdelningen så förväntas teorimodellen förklara de bakomliggande faktorerna på ett liknande sätt för båda typer av manipulation. PAT och Agentteorin utgår från egenintresse när teorierna försöker förklara vad som driver företagsledningar och styrelser till resultatmanipulering. Teorierna förstärker vikten med att bemöta analytikers prognoser för att inte chocka marknaden, som i sin tur kan vara sammankopplat med fallande aktiekurser. Prospect theory förstärker sambanden och framhåller att den negativa effekt som skulle kunna inträffa genom att missa analytikernas prognoser. Teorin menar att det skulle straffa företaget mer än vad som är befogat. Genom att 31
integrera prospect theory med PAT och Agentteorin kan vi förstå vilka incitament som finns och varför de påverkar styrelsens användning av resultatmanipulering. Agentteorin menar att en informationsasymmetri kan utvecklas mellan styrelse och företagsledning vilket skapar incitament för resultatmanipulering. Detta ger då utrymme för ett opportunistiskt beteende som PAT förklarar. Kvinnliga styrelseledamöter kan i sin övervakande roll påverka informationsasymmetrin och inverka på företagsledningens beslutsfattning. Teorin om Critical Mass hjälper oss att förstå den återhållande effekt som kvinnliga styrelseledamöter kan ha på en företagsledning. Genom att integrera dessa resonemang med tidigare litteratur (Desvaux et al., 2007; Nielsen & Huse, 2010; Lakhal et al., 2015; Arun et al., 2015) som framhåller kvinnliga styrelseledamöter som mer ovilliga att ta risker, skapas en effekt som motverkar beteendet som PAT och Agentteorin belyser. Detta beteende skulle innebära att en företagsledning som tillämpar resultatmanipulering för att uppnå egenintresse skulle motverkas av en högre andel kvinnliga styrelseledamöter. En effekt som enligt Critical Mass teorin skulle förstärkas när antalet kvinnliga ledamöter når den kritiska massan tre. 32
3. Hypotesformulering Teorierna: PAT, Agentteori, Prospect theory och Critical Mass theory presenterar flera förklaringar till uppkomsten och incitament som ligger bakom resultatmanipulering. I detta avsnitt ska vi sammanlänka den tidigare forskningen med vår studie vilket ligger till grund för våra tre hypoteser: (1) Det finns ett negativt samband mellan avvikelser från analytikernas prognoser och användningen av resultatmanipulering, (2) andelen kvinnliga ledamöter i företagsstyrelser har ett negativt samband med mängden resultatmanipulering samt (3) andelen kvinnliga styrelseledamöter påverkar inflytandet som analytikernas prognoser har på resultatmanipulering i svenska börsbolag. 3.1. Hypotes 1 Sambandet mellan analytikers prognoser och resultatmanipulering Genom att vända oss till PAT kan vi genom teorin förstå många bakomliggande faktorer som influerar redovisningsmässiga val som resulterar i resultatmanipulering. Watts och Zimmerman (1990) funderar kring hur bonusavtal och låneavtal påverkar olika beslut vilket borde ge företagsledningen incitament för att praktisera resultatmanipulering. Vidare visar Prospect theory att även små variationer i ett bolags resultat kan leda till stora negativa och missgynnande konsekvenser. Teorin förklarar vikten av analytikernas prognoser och hur små avvikelser kan ha en oproportionerligt stark negativ inverkan på företagets aktiekurs. Detta gör att företagsledningar är obenägna att avvika från analytikernas prognoser. Det tyder också på att desto längre från analytikernas prognoser som resultatet hamnar, desto större negativa konsekvenser kommer det att få. Eftersom det finns en möjlighet att manipulera resultatet, argumenterar vi för att företagsledningen kommer använda manipuleringen om det skulle innebära en minskad påverkan på aktiekursen. 33
Brown och Caylor (2005) berättar i sin studie, om betydelsen för olika resultatmål och hur dessa har skiftat under senare decennier. Från att företagen ansåg det viktigt att inte gå med förlust till att nu; inte överraska marknaden negativt. Forskare som Healy och Wahlen (1999); Graham et al. (2005); Gunny (2010) har undersökt huruvida användningen av resultatmanipulering påverkas av marknadens förväntningar. Brown och Caylor (2005) visar tydligt att företag oproportionellt ofta hamnar i linje eller strax över det förväntade resultatet vilket tyder på att företagsledningar inte vill redovisa ett resultat som är sämre än vad som förväntats. Enligt Healy och Wahlen (1999); Graham et al. (2005); Brown och Caylor (2005) och Gunny (2010) påverkar analytikers prognoser vilka förväntningar marknaden har inför publiceringen av de finansiella rapporterna. Följaktligen borde dessa prognoser ha en stark påverkan på hur företagen väljer att använda sig av resultatmanipulering. På grund av de tydligt negativa konsekvenserna som litteraturen visar kring misslyckande med att nå analytikernas prognoser gör vi ett grundantagande. Vilket är att företag som avviker från analytikernas prognoser antagligen inte har manipulerat resultatet i särskilt hög utsträckning, om så vore fallet hade företagen legat närmre prognoserna. Motsatt antar vi att bolaget som inte avviker från prognoserna har genomfört resultatmanipulering i betydligt högre utsträckning för att inte chocka utan bemöta marknadens förväntningar. Sambandet mellan variablerna blir alltså negativt eftersom mer avvikelse leder till mindre resultatmanipulering. En invändning mot detta antagande är att det även bör finnas bolag som rapporterar ett resultat i linje med analytikernas prognoser utan användning av resultatmanipulering. Detta bör visserligen stämma. Vissa prognoser lyckas säkerligen pricka in resultatet som kommer rapporteras. Dock menar Matsunaga och Park (2001); Athanasakou et al. (2009) och Gunny (2010) att genomsnittet av bolag med liten avvikelse har manipulerat sitt resultat i högre utsträckning än de med hög avvikelse. Den litteraturgenomgång som föranlett den här studien är till största del grundad bland amerikanska bolag med några få undantag för europeiska länder. Studierna har kommit fram till att företag tycker det är viktigt att nå marknadens förväntningar och därmed uppfylla de resultat som analytikerna prognostiserat. Studien ämnar därför att undersöka hur marknadens förväntningar i form av avvikelse från analytikers estimat påverkar motiven som ligger bakom 34
hur bolag använder sig av resultatmanipulering. Utifrån valda teorier och tidigare empiriska undersökningar ämnar vi att ta reda på: Hypotes 1: Det finns ett negativt samband mellan avvikelser från analytikernas prognoser och användningen av resultatmanipulering i svenska börsbolag. 3.2. Hypotes 2 Sambandet mellan kvinnliga styrelseledamöter och resultatmanipulering Flertalet forskare har även undersökt kvinnors roll i styrelserummen. Exempelvis har Desvaux et al. (2007) studerat hur och varför allt fler vill anställa fler kvinnor i ledande positioner och hur detta påverkar företagens prestation. Forskare som Valenti (2008); Adams & Ferreira (2009); Gul et al. (2009) har studerat vilka egenskaper som kvinnliga styrelseledamöter har som skiljer sig gentemot sina manliga gelikar. De berättar att kvinnliga ledamöter är mer motvilliga för risktagning och har ett mer etiskt förhållningssätt, de är också bättre på att behandla och ta fram information, vilket argumenterar för en minskad informationsasymmetri gentemot ledningen. Vilket borde få en betydande påverkan på bolagsstyrningen. Prospect theory menar att människor tar beslut utifrån vilket potentiellt värde, förlusten och vinsten har snarare än det möjliga resultatet, där en riskavert person snarare kommer lägga fokus på den potentiella förlusten (Arun et al., 2015). Ska vi tro de tidigare empiriska studier som argumenterar för och framhåller kvinnor som mer riskaverta så kommer beslut tas som förknippas med lägre risk. Eftersom en upptäckt av beslut om vilseledande resultatmanipulering är starkt förknippat med risk (Gavious et al., 2012), bör detta vara något som kvinnliga ledamöter i högre utsträckning undviker än manliga. De egenskaper kvinnliga ledamöter i större utsträckning besitter, borde i enlighet med Agentteorin, skapa en styrelse med en effektivare övervakning som minskar informationsasymmetrin gentemot ledningen och reducerar användningen av resultatmanipulering. 35
Även om ett fåtal studier visar att de inte kan hitta ett negativt samband mellan kvinnliga styrelseledamöter och resultatmanipulering (till exempel: Sun, Liu & Lan, 2011), verkar de flesta forskare vara överens om att sambandet finns (Konrad et al., 2008; Adams & Ferreira, 2009; Lakhal et al., 2015; Arun et al., 2015). Critical Mass theory menar att det finns ett starkt samband i hur mycket en minoritet kan påverka gruppen i stort beroende på dess absoluta tal. Lakhal et al. (2015) redogör i sin studie hur kvinnliga ledamöter påverkar styrelsen i stort konstaterar att den kritiska massan är tre stycken. Litteraturen menar att kvinnor har egenskaper som reducerar resultatmanipulering och att Critical Mass menar att minoritetens åsikter förstärks när antalet blir tre. Således borde effekten av de kvinnliga egenskaperna förstärkas när antalet kvinnliga styrelseledamöter blir tre eller fler, och på så sätt minska resultatmanipuleringen ytterligare. Sambandet förväntas vara linjärt fram till brytpunkten då den kritiska massan uppnås. Vid tre eller fler kvinnliga ledamöter förväntas det linjära sambandet övergå till att öka marginaleffekten. Studien ämnar därför att undersöka vilken påverkan andelen kvinnliga ledamöter har på hur bolag förhåller sig till användning av resultatmanipulering. Vilket leder fram till vår andra hypotes: Hypotes 2: Andelen kvinnliga ledamöter i företagsstyrelser har ett negativt samband med mängden resultatmanipulering som svenska börsbolag använder sig av. 3.3. Hypotes 3 Interaktionen mellan analytikers prognoser och kvinnliga styrelseledamöter I den inledande diskussionen presenteras och undersöks hur olika faktorer påverkar ett företags användning av resultatmanipulering. Faktorer som styrelsens sammansättning, bonussystem, uppnå resultatmål, optionsavtal, VD:ns ursprung, har undersökts i stor utsträckning och benämns i många studier (Bartov, Givoly & Hayn, 2002; Alexander, Britton & Jorissen, 2007; Cohen & Zarowin, 2010; Gunny, 2010; Lakhal et al., 2015). Vidare har 36
även grundlig forskning gjorts på de modeller som upptäcker resultatmanipulering, både kassaflödespåverkande samt redovisningsrelaterade metoder (Jones, 1991; Dechow et al., 1995; McNichols, 2001; Dechow & Dichev, 2002; Roychowdhury, 2006). Litteraturen har undersökt många påverkande faktorer i ämnet, men ofta har den förbisett hur faktorerna påverkar varandra. När analytikerna sätter sina prognoser för bolaget kommer styrelsen överväga huruvida de anser att dessa mål är rimliga. Styrelsen sätter sedan upp de interna resultatmål som företagsledningen ska nå. Beroende på vilka målen är kommer företagsledningen tillämpa resultatmanipulering i den utsträckning som de anser nödvändigt för att nå dem. Vad litteraturen menar är, att om styrelsen består enbart av män kommer analytikernas prognoser ha större påverkan och överensstämma mer med de interna resultatmålen (Adams & Ferreira, 2009; Arun et al., 2015). Vilket används som ett verktyg för att undvika att överraska marknaden. Dock förändras den här bilden om styrelsesammansättningen blir mer heterogen. Som konstaterats tidigare är kvinnliga ledamöter mer ovilliga att ta risk, vilket gör att de i större utsträckning än sina manliga kollegor inte kommer agera lika opportunistiskt (Gul et al., 2009). Detta borde påverka inflytandet som analytikernas prognoser har på bolagsstyrningen och minska incitamenten för ledningen att använda sig av resultatmanipulering. Om antagandet att små avvikelser från analytikers prognoser tenderar att öka mängden resultatmanipulering och högre andel kvinnliga ledamöter minskar den borde det även finns en effekt dem emellan. Vi argumenterar för att denna indirekta effekt betyder att en ökad mängd kvinnliga ledamöter minskar den ökande effekt som små avvikelser från analytikers prognoser tenderar att ha. Det betyder inte att effekten analytikers prognoser har på manipuleringen försvinner, bara att dess inverkan minskar när de kvinnliga ledamöterna ökar. Tanken om varför kvinnliga ledamöter borde minska resultatmanipulering styrks av Gavious et al. (2012) som menar att kvinnor har en annan syn på arbetet än män. Kvinnor ser arbetet som en källa till personlig utveckling och självuppfyllande i större utsträckning än män. Forskarna menar att män är generellt mer fokuserade på avancemang i karriären och ekonomisk kompensation. Att hamna i linje med analytikernas prognoser är ett sätt att visa på styrelsens goda prestation, vilket borde skapa personlig vinstmaximering för de enskilda ledamöterna. Detta incitament för resultatmanipulering som uppstår genom styrelsens 37
opportunistiska beteende är något som PAT tar fasta på. Teorin säger om det finns chans till en potentiell vinning kommer det även vara en anledning för en företagsledning att tänka kortsiktigt, för att maximera sin egna vinst. Detta för att kunna nå marknadens förväntningar och minska målinkongruensen gentemot styrelsen (Kahneman & Tversky, 1979). Vidare verkar inte kvinnliga ledamöter påverkas lika starkt av ekonomisk kompensation och potentiell karriär (Gavious et al., 2012), vilket gör att vi argumenterar för att deras incitament att följa analytikernas prognoser inte är lika starka som för manliga ledamöter. Detta skulle argumentera för att fler kvinnliga styrelseledamöter kommer minska analytikernas påverkan på mängden resultatmanipulering. Vidare menar litteraturen att resultatmanipulering är kopplad till en potentiell risk som kvinnor verkar vilja undvika mer än sina manliga kollegor. Det är även tydligt i litteraturen att det också är en risk att inte vara i linje med analytikernas prognoser, då detta kan medföra massiv värdeförlust för bolaget (Degeorge et al., 1999; Athanasakou et al., 2009). Avvägningen mellan vilken nivå av resultatmanipulering som är befogat för kunna ligga i linje med analytikernas prognoser är en fråga varje styrelse kommer behöva fundera över. I styrelsens avvägning om resultatmanipulering borde detta innebära att kvinnliga ledamöter i större utsträckning kommer agera etiskt korrekt med mindre risk för sig själva, vilket skulle minska resultatmanipuleringen. Manliga ledamöter tar hellre den personliga risken eftersom de kommer bli belönade om de håller företaget i linje med förväntningarna. Flera studier tyder på att analytikers prognoser ökar mängden resultatmanipulering och att en större andel kvinnor i styrelsen verkar minska användandet. Genom att undersöka hur sambandet mellan faktorerna egentligen ser ut, ämnar vi att undersöka huruvida det finns en interagerande effekt. Vår studie avser att bidra med ökad förståelse för investerare, intressenter och standardsättare om hur dessa variabler påverkar varandra och förändrar användningen av resultatmanipulering. Detta resonemang leder oss fram till vår tredje hypotes: Hypotes 3: Andelen kvinnliga styrelseledamöter påverkar inflytandet som analytikernas prognoser har på resultatmanipulering negativt, i svenska börsbolag. 38
4. Metod I detta kapitel kommer vi beskriva studiens arbetsgång, studiedesign, operationalisering av variabler samt urval. Först presenterar vi hur resultatmanipulering beräknas för att sedan användas som beroende variabel i studiens Ordinary Least Square (OLS) 5 regressioner. Vidare redogör vi valet av oberoende- och kontrollvariabler. Utifrån operationaliseringen presenteras sedan urval och datainsamling som ligger till grund för studiens test. I slutet av kapitlet redogörs olika statistiska test för att säkerställa OLS regressionen. 4.1. Teoretisk utgångspunkt och forskningsansats Under studiens gång har en deduktiv forskningsansats använts där vi utgår från befintlig teori kring resultatmanipulering och positiv redovisning. Den deduktiva forskningsansatsen är det vanligaste ställningstagandet när sambandet mellan teori och forskning ska undersökas. När studier utförs på ett deduktivt sätt, grundar sig processen i de teoretiska överväganden som genomförs inom det valda ämnet. Genom att utgå från teorin så skapas sedan hypoteser och förutsägelser som sedan testas på studiens empiriska observationer. Hypoteserna kan därefter antingen accepteras eller förkastas beroende på resultatet från de empiriska testerna. Bryman och Bell (2013) menar att den deduktiva forskningsansatsen passar studier som empirisk testar teoretiska modeller för att få fram resultat. En deduktiv forskningsansats passar denna studien bäst då vi testar modeller som upptäcker kassaflödespåverkande aktiviteter och godtyckliga periodiseringar. Forskningsansatsen gav oss en övergripande kontroll under studiens gång som bringar mer tillförlit i våra mätningar (Bryman & Bell, 2015). Forskningsstrategin som vår studie kommer att tillämpa är av en kvantitativ typ. Bryman och Bell (2015) menar att det innebär att ha ett mer formaliserat arbetssätt där lämplig epistemologi av positivism med ett objektivt perspektiv på verkligheten används. I ett deduktivt utförande föreslår författarna att en kvantitativ forskningsmetod används. Tidigare 5 Ordinary Least Square - OLS är en metod för att uppskatta okända parametrar i en linjär regressionsmodell. Den svenska beteckningen är Minsta-kvadratmetoden. 39
forskning i ämnet använder den kvantitativa forskningsmetoden i störst utsträckning vilket stärker vår tes i val av strategi. Den kvantitativa forskningsmetoden används främst för att mäta resultatmanipulering som sedan ligga till grund för analys och diskussion. Studien avser att undersöka ett generellt mönster av resultatmanipulering i svenska börsbolag vilket passa bra ihop med en kvantitativ strategi. Hade studiens syfte istället varit att undersöka specifika bolags användning av resultatmanipulering hade en kvalitativ forskningsstrategi varit bättre (Bryman & Bell, 2015). 4.2. Tvärsnittsdesign Tidigare litteratur inom ämnet resultatmanipulering har använt sig av retrospektiva studier som har gjorts på historiska empirisk data. Retrospektiva studier kan göras på två olika sätt; tvärsnittsstudie och longitudinella studier. Tvärsnittsstudie innebär att data samlas in genom att mäta flera observationer vid en viss tidpunkt eller ett tillfälle, till skillnad från en longitudinell studie då data samlas in från en observation mer än en gång, över en tidsserie (Bryman & Bell, 2015). Datainsamlingen används sedan för att få en uppsättning av variabler och skapa regressioner för att upptäcka eventuella samband eller mönster. McNichols (2001) menar att det alltid finns en avvägning, kring vilken forskningsmetod som ska tillämpas när beräkning av resultatmanipulering görs. En del svar på avvägning kan göras med hjälp av vad forskningen vill åstadkomma med sitt syfte och vilket empiriskt material som finns tillgängligt. Studiens strategi är att analysera ett stort dataurval hämtat från en sekundärkälla för att sedan beräkna förekomsten av resultatmanipulering som knyts an till våra oberoende variabler. Vanligtvis används en tvärsnittsstudie eller en tidsserie i sådana fall. I denna studie så tillämpas en tvärsnittsstudie. En tvärsnittsdesign innebär att forskare tittar på mer än en observation vid en viss tidpunkt (Bryman & Bell, 2013), oftast sker ett större urval av observationer, vilket stämmer överens med vår studie. Detta skapar en samling av kvantifierbara data som forskare i sin tur använder för att hitta samband med två eller flera variabler som sedan analyseras för att upptäcka olika mönster kopplade till sambanden (Bryman och Bell, 2013). En mer ingående utläggning om tvärsnittsdesign och dess tillämpbarhet i vår studie kommer i avsnittet om Applicering av tvärsnitt (4.7.). 40
4.3. Modeller för att mäta resultatmanipulering 4.3.1. Redovisningsrelaterad manipulation McNichols (2001) menar att det finns tre olika tillvägagångssätt att mäta redovisningsrelaterade metoder för resultatmanipulering. Det görs antingen genom att mäta specifika periodiseringar, aggregerade periodiseringar eller att studera hur redovisat resultat har fördelats. Av de här tre, är det vanligaste sättet att mäta förekomsten av resultatmanipulering genom de aggregerade periodiseringarna. Vid mätning av dessa är den mest vedertagna modellen den som Jones tog fram år 1991 och som vidareutvecklades av Dechow et al. (1995). Modellen kommer att presenteras i sin helhet längre fram i kapitlet. Godtyckliga periodiseringar är periodiseringar av onormal karaktär som kräver subjektiva bedömningar av ledningen och ses i de följande modellerna som en proxyvariabel för resultatmanipulering. Många forskare har studerat ämnet resultatmanipulering och redan år 1985 presenterade Paul Healy sin modell där han visade hur det gick att mäta dessa godtyckliga periodiseringar. Hans idé byggde på att först beräkna de totala periodiseringarna som gjorts under en period, för att sedan uppskatta de icke-godtyckliga periodiseringarna och sedan subtrahera dessa från de totala. Följden blir att endast de godtyckliga periodiseringarna finns kvar, nu skilda från övriga. För klarhetens skull skall det förtydligas att kommande modeller inte presenteras i originalform utan som Dechow et al. (1995) förtydligat dem, detta för att enklare kunna jämföra dem. Vidare, för att göra studien mer reliabel har vi valt att behålla originalspråket i modellerna. Detta är gjort för att det ska bli enklare för läsaren att jämföra dem och kunna känna igen modellerna i annan litteratur. Inledningsvis måste de totala periodiseringarna bestämmas, vilket vanligen görs genom att utgå från balansräkningen. Healy (1986); DeAngelo (1986); Jones (1991); Dechow et al. (1995) är överens om att totala periodiseringar ska isoleras genom att förändringen i kortfristiga skulder, förändringen i likvida medel, kostnader för avskrivningar och nedskrivningar subtraheras från förändringen i omsättningstillgångar. Till detta adderas förändringen i den kortsiktiga delen av långfristiga skulder för att sedan dividera summan 41
med totala tillgångar från det föregående året. Formeln, som använder sig av information funnen i balansräkningen, visas nedan: TA t = (ΔCA - ΔCL - ΔCASH + ΔSTD - DEP) / A t-1 (1) TA t = Total accruals ΔCA= Change in current assets ΔCL= Change in current liabilities ΔCASH= Change in cash and cash equivalents ΔSTD= Change in debt included in current liabilities DEP= Depreciation and amortization expense A t-1 = Total assets at t-1 Det finns kritik mot den här modellen som menar att det finns en del svagheter med att utgå från balansräkningen vid beräkning av totala periodiseringar. Exempelvis anser Hribar och Collins (2002) att periodiseringar är alltför tätt sammanlänkade med avvecklade verksamheter, förvärv och fusioner, men även med valutaomräkningar. De menar att en metod som utgår ifrån kassaflödesanalysen hade haft en bättre möjlighet att fånga upp dessa komponenter. De flesta studierna som föranleder modellerna i vår studie väljer att utgå från balansräkningen, men alla forskare är alltså inte överens i frågan. Efter fastställandet av de totala periodiseringarna ska de icke-godtyckliga periodiseringarna undersökas. Ända sen Healy (1985) presenterade sin modell för detta, har den blivit utmanad och kritiserad av andra forskare som utvecklat egna modeller. Trots kritiken har de vanligast förekommande modellerna för att räkna ut de icke-godtyckliga periodiseringarna utgått från studien som Healy (1985) presenterade. De olika modellerna presenteras i detta stycke efter en kronologisk ordning. Healy model (1985) Healy uppfattade att företag verkade göra likartade periodiseringar varje år och grundade därför sin modell på en stor mängd observationer av totala periodiseringar över flera år. Modellen säger att de icke-godtyckliga periodiseringarna kan urskiljas genom att summera 42
flera års observationer av totala periodiseringar som dividerats med föregående års totala tillgångar. Detta divideras sedan med antalet år som observationerna gjorts på. Det illustreras i följande modell: NDA τ = ( t TA t ) / T (2) NDA = Estimated non-discretionary accruals TA = t = τ = Total accruals scaled by lagged total assets 1, 2,..T is a year subscript for years included in the estimation period A year subscript indicating a year in the event period. DeAngelo-model (1986) Strax där efter, år 1986, kom DeAngelo ut med sin modell som strävade efter att mäta samma sak, de icke-godtyckliga periodiseringarna. För tydlighetens skull ska det tilläggas att de totala periodiseringarna mättes på samma sätt. Enligt DeAngelo-modellen borde de ickegodtyckliga periodiseringarna mätas genom att dividera föregående års totala periodiseringarna med de totala tillgångarna. Likheterna mellan modellerna är mycket stora. Det enda som egentligen skiljer dem åt är Healys (1985) antagande om att många år behöver undersökas för att kunna dra korrekta slutsatser. NDA t = TA / A t-1 (3) NDA t = Estimated non-discretionary accruals TA = Total accruals A t-1 = Total assets at t-1 Jones model (1991) Några år senare var det dags för en ny tungviktare att träda in i matchen om hur de ickegodtyckliga periodiseringarna borde mätas. Jones menade att de tidigare modellerna blev fel eftersom de såg de icke-godtyckliga periodiseringarna som konstanta. Hennes modell 43
försöker istället ta hänsyn till effekten förändringar i företagets ekonomiska situation möjligtvis har på de icke-godtyckliga periodiseringarna. Jones (1991) menade att de borde beräknas genom att företagsspecifika parametrar 6 multipliceras med förändringarna i intäkter och anläggningstillgångar. NDA t = α (1/A t - 1 ) +α 2 (ΔREV t ) +α 3 (PPE t ) (4) NDA t = Estimated non-discretionary accruals ΔREV t = Revenues in year t less revenues in year t-1 scaled by total assets at t-1 PPE t = Property plant and equipment in year t scaled by total assets at t-1 A t-1 = Total assets at t-1 α, α 2, α 3 = Firm-specific parameters The Modified Jones model (1995) I en studie som kom fyra år senare undersökte Dechow et al. (1995) de tidigare beskrivna modellerna för att se vilken som mätte de icke-godtyckliga periodiseringarna mest effektivt. Resultaten visade att modellerna fungerar i viss utsträckning, men så fort forskarna skulle mäta år där en mycket god ekonomisk utveckling skett, gav alla missvisande resultat. Dechow et al. (1995) menade att Jones modellen var den som gjorde bäst ifrån sig, men att den missade en vital del, den tog inte hänsyn till ledningens möjlighet att manipulera resultatet via intäkterna. Med det i åtanke vidareutvecklade Dechow et al. (1995) Jones modellen och inkluderade företagets försäljning på kredit. Som vi ser i ekvation (5) är den enda skillnaden gentemot Jones modellen att den modifierade tar hänsyn till förändringarna i kundfordringar: NDA t = α (1/A t - 1 ) +α 2 (ΔREV t -ΔREC t ) +α 3 (PPE t ) (5) NDA t = Estimated non-discretionary accruals ΔREV t = Revenue in year t less revenues in year t-1 by total assets at t-1 6 De företagsspecifika parametrarna α, α2, α3, skattas med hjälp av en OLS regression. Se steg 2, the Modified Jones model. 44
ΔREC t = Net receivables in year t less net receivables in year t-1 scaled by total assets at t-1 PPE t = Property plant and equipment in year t scaled by total assets at t-1 A t-1 = Total assets at t-1 α, α 2, α 3 = Firm-specific parameters Efter Dechow et al. (1995) presenterade the Modified Jones model har den fått utstå en mängd kritik. Flera forskare har försökt utveckla den ytterligare genom att lägga till fler variabler. Dechow, Hutton, Kim och Sloan (2012) lägger till tidigare, nuvarande och framtida kassaflöden, medan Collins, Pungaliya och Vijh (2012) försöker öka precisionen genom att addera tillväxtvariabler. Dessa metoder har inte fått något starkt genomslag då de inte lyckats visa att de mäter resultatmanipuleringen på ett mer tillförlitligt sätt än the Modified Jones model. Vi har alltså valt att använda oss av the Modified Jones model eftersom den är den mest effektiva och vedertagna mätningsmetoden när det kommer till resultatmanipulering via godtyckliga periodiseringar. Modellen beräknas genom att först ta fram de totala periodiseringarna och sedan de icke- godtyckliga periodiseringarna i följande fyra steg: Steg 1 I ekvation (1) presenteras den första formeln som används i beräkningen av de godtyckliga periodiseringarna, nämligen de totala periodiseringarna. TA t = (ΔCA - ΔCL - ΔCASH + ΔSTD-Dep) / A t-1 (1) TA t = Total accruals ΔCA= Change in current assets ΔCL= Change in current liabilities ΔCASH= Change in cash and cash equivalents ΔSTD= Change in debt included in current liabilities DEP Depreciation and amortization expense A t-1 = Total assets at t-1 45
Steg 2 Efter de totala periodiseringarna har beräknats är det de icke-godtyckliga periodiseringarnas tur. För att detta ska gå att göra krävs det att företagsspecifika parametrar α, α 2, α 3 först skattas. Denna skattning sker enligt följande formel. TA t = α (1/A t - 1 ) +α 2 (ΔREV t ) +α 3 (PPE t )+ ε t (9) TA t = Total accruals ΔREV t = Revenues in year t less revenues in year t-1 scaled by total assets at t-1 PPE t = Property plant and equipment in year t scaled by total assets at t-1 A t-1 = Total assets at t-1 α, α 2, α 3 = Firm-specific parameters ε t = The residual Våra företagsspecifika parametrar α, α 2, α 3, blir våra beta koefficienter och beräknas med hjälp av en multipel OLS regressionsanalys. Som ekvation (9) visar är de totala periodiseringarna den beroende variabeln som påverkas av de oberoende variablerna, förändring i intäkter och anläggningstillgångar. För att skatta relationen mellan de totala periodiseringarna och de oberoende variablerna använder Jones (1991) en lång tidsserie. Metoden i dess ursprungliga form skapar koefficienter som är företagsspecifika. Problemet med detta är dock att Jones (1991) menar att en tidsserieregression kräver minst tio års data vilket kan innebära flera problem. Ett problem är att en konstant datamängd över en tioårsperiod skapar ett stort bortfall. Detta på grund av att bolag går i konkurs och en mängd nya bolag skapas under en sådan period. Likt flera andra forskare som Bartov, Gul och Tsui (2000) och McNichols (2001) går vi runt det problemet genom att beräkna koefficienterna med tvärsnittsregressioner branschvis. Denna metod som kallas för the Cross-sectional Jones model introducerades av DeFond och Jiambalvo (1994). 46
Steg 3 I det tredje steget ska de icke-godtyckliga periodiseringarna beräknas vilket görs med the Modified Jones model och de parametrar vi skattade i steg 2: NDA= α (1/A t-1 ) +α 2 [(ΔREV t -ΔREC t ) /A t-1 ] + α 3 (PPE t /A t-1 ) (10) NDA t = Estimated non-discretionary accruals ΔREV t = Revenue in year t less revenues in year t-1 by total assets at t-1 ΔREC t = Net receivables in year t less net receivables in year t-1 scaled by total assets at t-1 PPE t = Property plant and equipment in year t scaled by total assets at t-1 A t-1 = Total assets at t-1 α, α 2, α 3 = Industry-specific parameters Här används alltså de branschspecifika parametrarna istället för företagsspecifika. Som visas i ekvation (10) beräknas de icke-godtyckliga periodiseringarna genom att parametrarna multipliceras med intäkter minus kundfordringar och anläggningstillgångar och sedan divideras med totala tillgångar för att göra regressionen jämförbar mot andra regressioner. Steg 4 Efter att både de totala och icke-godtyckliga periodiseringarna är beräknade är det upp till en enkel subtraktion att ta fram de godtyckliga periodiseringarna. För att göra detta dras de ickegodtyckliga av från de totala som formeln nedan visar: DA t = TA t NDA t (6) DA t = TA t = NDA t = Discretionary accruals Total accruals Non-discretionary accruals 47
4.3.2. Kassaflödespåverkande manipulering Vi kommer även att beräkna kassaflödespåverkande aktiviteter som ett alternativt sätt att mäta resultatmanipulering hos företag. Modellerna vi kommer använda oss av i denna studie bygger på Roychowdhury (2006); Gunny (2010) samt Zang (2012) och är vedertagna modeller för resultatmanipulering. Vi kommer undersöka; hur företag ökar redovisat resultat genom att reducera kostnad sålda varor till följd av överproduktion, samt hur företag ökar sitt kassaflöde genom försäljningsmanipulation till följd av realisationer och minskade marginaler. Modellerna Sales manipulation och Overproduction bygger på att uppskatta normala nivåer i jämförelse med de faktiska nivåerna för den uppmätta modellen. Genom att inkludera förklarande variabler som tolkar avvikelser från beroende variabeln så skattas residualer som en proxy för kassaflödespåverkande manipulering för att påvisa resultatmanipulering (Zang, 2012). En OLS regression utförs i varje modell för att skatta de okända parametrarna och ta reda på de normala värdena på den specifika kassaflödespåverkande aktiviteten. De återstående residualerna från regressionen är den godtyckliga del som ses som en proxy för resultatmanipulering. Regressionen utförs på varje bransch likt tidigare modeller för beräkning för redovisningsrelaterad manipulation, samt att alla variabler divideras med totala tillgångar från föregående år för att minska problem med heteroskedasticitet (Peasnell et al., 2000). Overproduction Först beräknar vi den normala nivån av produktionskostnader med följande regression: PROD t /A t-1 = α + α 2 (1/A t-1 ) + α 3 (S t /A t-1 ) + α 4 (ΔS t1 /A t-1 ) + α 5 (ΔS t-1 /A t-1 ) + ε t (7) PROD t = The sum of the COGS 7 in current year t and the change in inventory A t-1 = Total assets at t-1 S t = Net sales (revenue) in current year 7 Cost of Goods Sold - COGS är kostnaden ett företag har för sålda varor, den svenska beteckningen är Kostnad Sålda Varor - KSV 48
S t = S t-1 = ε t = Change in net sales (revenue) in current year Change in net sales (revenue) in the prior year Unstandardized residual (Proxy) Ekvationen tillämpas med en tvärsnittsdesign för varje år och bransch, vilket gör att de beräknade koefficienterna varierar över tiden och återspeglar inverkan på produktionskostnaderna från de ekonomiska förhållanden som har varit under året i de olika branscherna likt Roychowdhurys (2006) och Zangs (2012) studier. Den godtyckliga nivån av produktionskostnaderna mäts utifrån de skattade residualerna i ekvationen. Högre residualer visar en högre överproduktion vilket minskar kostnaden för sålda varor och ökat redovisat resultat. Residualen ε t är avvikelsen i produktionskostnaderna som inte förklaras med hjälp av variablerna vilket blir en av studiens proxies för resultatmanipulering och benämns i fortsättningen som Production cost (PROD). Sales manipulation Ett alternativt sätt att mäta resultatmanipulering är att undersöka mönster hur bolags kassaflöden ser ut. Onormala kassaflöden kan vara ett tecken på att bolaget redovisat intäkter i nuvarande period men som egentligen skulle härledas till nästkommande period. En företagsledning kan till exempel försöka trycka upp sin omsättning och därav sitt kassaflöde genom att under de sista månaderna av året erbjuda rabatter för att därmed förstärka sitt resultat. Intäkterna per såld vara från denna extra försäljning kommer vara lägre eftersom marginalerna sjunker. Totala resultatet för perioden blir högre, om vi antar positiva marginaler och en ökad försäljning till följ av realisation eller dylikt. Dock kommer den relativa produktionskostnaden per vara bli högre (Roychowdhury, 2006). För att mäta Sales manipulation kommer vi använda oss av en linjär regression som beskriver det normala kassaflödet med en felterm som beskriver onormala kassaflöden. Feltermen ε t blir vår proxy för resultatmanipulering och benämns i fortsättningen som CFO. Ju högre residualerna blir desto mer onormalt kassaflöde har skett i bolaget (Roychowdhury, 2006). Ekvationen tillämpas med en tvärsnittsdesign för varje år och bransch, vilket gör att de beräknade koefficienterna varierar över tiden. Ekvationen och ser ut som följer: CFO t /A -1 = α + α 2 (1/A t-1 ) + α 3 (St/A t-1 ) + α 4 (ΔS t /A t-1 ) + ε t (8) 49
CFO t = Funds from operations for current period A t-1 = Total assets at t-1 S t = Net sales (revenue) in current year S t = Change in net sales (revenue) in current year ε t = Unstandardized residual (Proxy) Effektiviteten i det här sättet att mäta resultatmanipulering har blivit ifrågasatt då det gett tvetydiga resultat på huruvida det är en tillförlitlig metod (Roychowdhury, 2006; Zang, 2012). Vi tar dock med testet som ett alternativt mätinstrument då vi vill jämföra de olika utfallen av en vedertagen modell (Overproduction) och en omdiskuterad modell (Sales manipulation). Det kan leda till ett intressant tillägg att undersöka om vi likt tidigare forskare kommer få problem med testets tillförlitlighet. 4.4. Operationalisering av variabler För att undersöka sambandet mellan resultatmanipulering och huruvida företag tillämpar manipulering för att nå analytikers prognoser samt vilken påverkan andel kvinnor i företagsledningen har på resultatmanipulering, så genomförs multipla OLS regressioner. Regressionerna syftar till att undersöka och besvara studiens hypoteser H1, H2, och dess gemensamma inverkan på resultatmanipulering H3. Resultatmanipulering via godtyckliga periodiseringar: DA t = β 0 + β 1 Womboard+ β 2 DEV_EPSe t + β 3 Inter_Womanboard_DEV_EPEe t + β 4 SIZE t + β 5 DEBT t + β 6 OCF t + β 7 ROA t + β 8 WIN_LOSS t + β 9 Critical_Mass t + ε t Resultatmanipulering via överproduktion: PROD t = β 0 + β 1 Womboard+ β 2 DEV_EPSe t + β 3 Inter_Womanboard_DEV_EPEe t + β 4 SIZE t + β 5 DEBT t + β 6 OCF t + β 7 ROA t + β 8 WIN_LOSS t + β 9 Critical_Mass t + ε t Resultatmanipulering via försäljningsmanipulation: CFO t = β 0 + β 1 Womboard+ β 2 DEV_EPSe t + β 3 Inter_Womanboard_DEV_EPEe t + β 4 SIZE t + β 5 DEBT t + β 6 OCF t + β 7 ROA t + β 8 WIN_LOSS t + β 9 Critical_Mass t + ε t 50
4.4.1. Beroende variabel Studiens beroende variabel utgörs av den resultatmanipulering företaget använt sig av under den undersökta perioden som är mellan åren 2012 2016. Vi har använt oss av tre olika proxies för resultatmanipulering. Likt tidigare studier på området använder vi godtyckliga periodiseringar som proxy för redovisningsrelaterad resultatmanipulation. Detta gjordes genom att använda den mest vedertagna modellen (the Modified Jones model) som gav oss ett värde på de icke-godtyckliga periodiseringarna för branschen. Genom att subtrahera dessa från de totala periodiseringarna fick vi fram ett jämförbart värde på de godtyckliga periodiseringarna (DA) 8. För kassaflödespåverkande resultatmanipulation använder vi onormala kassaflöden (CFO) 9 och Production Cost (PROD) som proxy. Residualerna beräknades genom modellerna Overproduction och Sales manipulation (Roychowdhury, 2006; Peasnell et al., 2000; Kuang, Qin & Wielhouwer, 2014). DA = PROD = CFO = Total accruals Non-discretionary accruals Residual från Overproduktion Residual från Sales manipulation 8 Från engelskans Discretionary Accruals som förkortas (DA) 9 Från engelskans abnormal Cashflow from Operations som förkortas (CFO) 51
4.4.2. Oberoende variabler Vår modell består av tre oberoende variabler, avvikelse från analytikernas prognoser, andelen kvinnliga ledamöter och interaktionen mellan kvinnliga ledamöternas och analytikernas prognoser. Figur 4.1: Det modererande sambandet Resultatmanipulering Andel kvinnliga styrelseledamöter Avvikelse från analytikers prognoser prognoser I bilden ser vi hur det modererande sambandet mellan andelen kvinnliga ledamöter och avvikelse från prognoser borde se ut. Pilarna från de båda oberoende variablerna betyder att vi antar att de kommer ge en effekt på resultatmanipuleringen. Pilen från andelen kvinnor till pilen från avvikelser innebär att andelen kvinnor kommer förändra avvikelsens effekt på resultatmanipuleringen. De oberoende variablerna ska förklara olika aspekter av dess påverkan på studiens beroende variabel, resultatmanipulering. Först ska vi i linje med Bonini, Zanetti, Bianchini och Salvi (2010); Bilinski, Lyssimachou och Walker (2012) och Bradshaw, Brown och Huang (2013) beräkna hur analytikers prognoser har för inverkan på resultatmanipulering. För att mäta detta tar vi fram EPS (Earnings Per Share) forecast error (DEV_EPSe) vilket talar om skillnaden mellan estimerat resultat och faktiskt resultat. För att ta fram DEV_EPSe måste vi först se vad analytiker har för genomsnittliga prognoser på bolagens EPS (konsensus EPS) och vad det faktiska EPS blev. Efter det så beräknar vi en procentsats som blir ett mått på den procentuella avvikelsen från de båda måtten. Beräkningen visar då hur avvikande eller hur nära bolagens faktiska EPS resultat var gentemot analytikernas EPS estimat. Gleason, Bruce Johnson och Li (2013) menar att det finns ett positivt samband mellan analytikers träffsäkerhet och aktiekursens riktkurs, vilket skulle kunna tolkas som att företag 52
använder sig av resultatmanipulering för att närma sig analytikernas prognoser. Därför antar vi att företag som kommer i linje eller slår analytikernas EPS estimat i högre grad har använt sig av resultatmanipulering. Det innebär att ett lägre DEV_EPSe tal kan hänföras till en högre användning av resultatmanipulation, vilket ligger i linje med tidigare studier (Graham et al., 2005; Brown & Caylor, 2005; Gunny, 2010). För att mäta hur stort prognosfelet är så använder vi oss av en vedertagen uträkning som har använts i tidigare studier när beräkningar av analytikers träffsäkerhet har beräknats av Bonini et al. (2010); Bradshaw et al. (2013). Redovisad EPS beräknas genom att ta den redovisade vinsten dividerat med antal aktier. Avvikelsen från estimat beräknas genom den absoluta differensen mellan konsensus EPS estimat och det faktiska redovisade EPS måttet, dividerat med EPS vid räkenskapsårets början (t). DEV_EPSe (Avvikelse från estimat) = (EPS estimat - redovisad EPS) / EPS t Kvinnliga ledamöter Den andra oberoende variabel vi ämnar att undersöka är i vilken utsträckning kvinnliga ledamöter i styrelser påverkar användningen av resultatmanipulering. I tidigare diskussioner i studien för vi resonemanget att vissa karakteristiska drag hos kvinnliga styrelseledamöter; (riskaversion, etiskt ställningstagande och självständighet) förväntas minska förekomsten av resultatmanipulering (Valenti, 2008; Adams & Ferreira, 2009; Gul et al., 2009). Collin Gustafsson, Pettersson och Smith (2014) framför även att kvinnlig representation i en styrelse kan både påverka nivån och mängden av kompensation i form av bonusavtal till bolagets ledning. Vi antar därför att en hög procentuell kvinnlig representation i en företagsledning kommer ha ett negativt samband på resultatmanipuleringen, både redovisningsrelaterad samt kassaflödespåverkande manipulation. Beräkningen av andel kvinnor i styrelsen beräknas på enklast och mest vedertagna genom att ta fram en procentuell andel på hela styrelsens population. Womboard = Antalet kvinnliga ledamöter i styrelsen / Total antal ledamöter 53
Interaktionsvariabeln Vår tredje oberoende variabel är en interaktionsvariabel. Detta är en variabel som används i regressionsanalyser då vi vill undersöka vilken effekt en variabel har på en annan. Hur påverkar nivån av variabel A vilken effekt variabel B har på den beroende variabeln? För att förtydliga vad interaktionseffekten betyder har vi tagit fram ett enkelt exempel. Vi kan misstänka att längre arbetslivserfarenhet ger ett bättre betalt jobb, men effekten av livserfarenhet kanske är olika för kvinnor respektive män: arbetslivserfarenheten ger ett större hopp om högre lön för män än för kvinnor. Detta skulle vi säga är en interaktionseffekt. Kön modifierar effekten som arbetslivserfarenhet har på lönen (Hair et al., 2010). Vi förväntar oss att en låg avvikelse från prognoser innebär en hög användning av resultatmanipuleringen och att en hög andel kvinnor kommer sänka resultatmanipuleringen. Om detta stämmer borde interaktionseffekten sänka effekten som avvikelsen från estimaten har på resultatmanipuleringen. Alltså, vid en låg andel kvinnliga ledamöter påverkar analytikernas estimat i betydligt högre utsträckning än vad de gör vid en hög andel kvinnliga ledamöter. Beräkningen av interaktionsvariabeln görs genom en enkel multiplikation av koefficienterna för de oberoende variablerna: Inter_Womboard_DEV_EPSe = DEV_EPSe * Womboard Tabell 4.2: Studiens oberoende variabler och förväntad påverkan Oberoende variabel Förklaring Förväntad påverkan på Resultatmanipulering DEV_EPSe ( EPS estimat - redovisad EPS ) / EPS t - Womanboard INTER_Womanboard DEV_EPSe Antalet Kvinnliga ledamöter i styrelsen / total antal ledamöter - DEV_EPSe * WomBoard + 54
4.4.3. Kontrollvariabler Att välja kontrollvariabler för våra modeller måste göras med en viss precision och noggrannhet för att undvika att modellerna blir missvisande. Vanligtvis brukar två olika misstag som påverkar utfall samt estimat innebära en missvisande effekt på slutresultatet. Enligt Brooks (2014) så kan utelämnade av variabler som ska ingå eller inkludera variabler som ej ska ingå leda till flertalet testfel vilket i vår studie kan bli tidskrävande. Kontrollvariabler som har valts ut är; Bolagsstorlek, Skuldsättningsgrad, Kassaflöde från den operativa verksamheten, Return On Assets, Vinst eller förlust samt Critical mass vilket har i tidigare studier påverkat förekomsten av resultatmanipulering (Till exempel: Dechow & Dichev 2002; Guan, Pourjalali, Sengupta & Teruya, 2005; Graham et al., 2005; Athanasakou et al., 2009; Lakhal et al., 2015). Vi väljer därför att kontrollera dessa variabler utöver våra oberoende variabler andel kvinnliga styrelseledamöter, avvikelser från prognoser samt interaktionseffektens påverkan på resultatmanipulering. Tabell (4.3) är sammanställning på hur kontrollvariablerna, samt vilken förväntad påverkan de har på resultatmanipulering. Tabell 4.3: Studiens kontrollvariabler och förväntad påverkan Kontrollvariabel Förklaring Förväntad påverkan på Resultatmanipulering SIZE Börsvärde i början av räkenskapsåret + VOL Det absoluta (genomsnittliga) måttet på den dagliga handelsvolym den första månaden på räkenskapsåret. + DEBT Totala långfristiga skulder / Totala tillgångar + OCF Kassaflöde från löpande verksamhet / Totala tillgångar + ROA EBIT/totala tillgångar - WIN LOSS BOARD_SIZE Dummyvariabel (0,1) där 0 är för företag som rapporterat förlust och 1 om företag rapporterar vinst eller i linje med fjolårets resultat Antal styrelseledamöter i absoluta tal i bolagets styrelse - + 55
SIZE Baserat på studier som undersöker hur kvinnor i ledande positioner påverkar mängden av resultatmanipulering så har företagsstorlek (SIZE) valts som en kontrollvariabel vilket har visats ha en påverkan på mängden resultatmanipulering (Dechow & Dichev, 2002; Adams & Ferreira, 2009; Lakhal et al., 2015). Utgångspunkten är att företagets storlek har ett positivt samband på resultatmanipulering. Dechow och Dichev (2002) presenterar i sin studie att små bolag har lägre kvalité på sina finansiella rapporter än stora bolag. Stora bolag har i regel en starkare bolagstyrning än små bolag vilket syns i informationsflödet likväl i redovisningen vilket kan minska informationsasymmetrin. En annan aspekt som Athanasakou et al. (2009) betonar är att stora företag även är utsatta för mer analys och granskning vilket leder till högre förväntningar från analytiker och revisorer. Detta skapar starka incitament för en företagsledning att hamna i linje med analytikernas prognoser och förväntningar samt att bemöta revisorernas förväntningar på redovisningskvalitén. Dessa omständigheter får ses som ytterligare ett argument varför bolagsstorlek är en lämplig kontrollvariabel. Måttet i sådant har enligt flera studier beräknats genom den naturliga logaritmen av bolagets börsvärde, totala tillgångar eller företagets omsättning för mer normalfördelade värden (Lakhal et al., 2015). Vi har valt att använda oss av företagens totala tillgångar. SIZE (Bolagsstorlek) = Totala tillgångar DEBT Skuldsättningsgrad (DEBT) har tagits med som en kontrollvariabel i studien. Går vi tillbaka till PAT i teoriavsnittet så kan vi göra kopplingar mellan skuldsättningsgraden och Watts och Zimmermans (1990) lånehypotes. Det skulle kunna vara ett incitament för företag med en hög skuldsättningsgrad att tillämpa resultatmanipulering för att redovisa mer gynnsamma ekonomiska resultat för att inte bryta eller missa ett låne/skuld avtal (Guan et al., 2005). Möjligheten att detta mått har en inverkan på resultatmanipulering är därför stor då tidigare studier (till exempel: Guan et al., 2005 och Lakhal et al., 2015) menar att en hög grad av långfristiga skulder har ett positivt samband med resultatmanipulering. Skuldsättningsgrad skulle därför vara en förklarande kontrollvariabel som stärker vår tes. Skuldsättningsgraden beräknas genom följande ekvation: DEBT (Skuldsättningsgrad) = Totala långfristiga skulder / Totala tillgångar 56
OCF Likt tidigare studier (Roychowdhury, 2006) så inkluderade vi kassaflöde från den löpande verksamheten (OCF) som en kontrollvariabel. Vi förväntar oss att det ska finnas positivt samband mellan ett högt OCF och en hög grad resultatmanipulering. Detta mått har mottagit en del kritik av bland annat Zang (2012) som menar att sambandet mellan resultatmanipulering och OCF som en oberoende variabel är tvetydiga och ibland missvisande. Men som en kontrollvariabel fyller måttet sin funktion och är vedertaget. OCF beräknas med följande ekvation dividerat med totala tillgångar för att minska heteroskedasticiteten: OCF = Kassaflöde från löpande verksamhet / Totala tillgångar ROA Som lönsamhetsmått har vi valt, avkastning på tillgångar (ROA) som en kontrollvariabel. Avkastning på egna tillgångar är ett vedertaget mått som kontrollvariabel när resultatmanipulering beräknas och har använts i flertalet studier (till exempel: Healy & Wahlen 1999; Zang, 2012). Vi förväntar oss att kontrollvariabeln har ett negativt samband med resultatmanipulering då ett väl fungerande bolag som presterar tenderar att ha en högre kvalité på sin redovisning (Barua, Davidson, Rama & Thiruvadi, 2010) samt att lönsamheten har en direkt påverkan på aktievärdet (Healy & Wahlen, 1999). Avkastning på tillgångar är ett vedertaget lönsamhetsmått och anses därför vara tillförlitligt som kontrollvariabel för lönsamhet i vår studie. Avkastning på totala tillgångar räknas ut genom följande ekvation: ROA (avkastning på tillgångar) =EBIT / Totala tillgångar WIN LOSS Graham et al. (2005) anser att tidigare års resultat är ett av de viktigaste riktmärkena som tenderar att styra graden av resultatmanipulering. I enlighet med Prospect theory och Healy och Wahlen (1999) vill företag undvika att rapportera förluster likaså små intäkts reduceringar. Vidare poängterar författarna att det finns ett motiv bakom resultatmanipulering som är att öka sitt redovisade resultat för att hamna i linje med nollresultat eller åtminstone påvisa bättre resultat än tidigare år. Healy och Wahlen (1999) menar att redovisade förluster kan resultera i negativa effekter på aktiekursen och påverka hur analytikerna uppfattar 57
företagets framtidsutsikter. Antagandet görs då, att företag som påvisar en reducering eller prognostiserar ett negativt resultat tenderar att öka graden av resultatmanipulering för att förbättra innevarande års resultat. En dummyvariabel (0,1) framställs där 0 är för företag som rapporterat en förlust och 1 om företaget rapporterar vinst eller är i linje med fjolårets resultat. WIN LOSS = Dummyvariabel (0,1) där 0 är för företag som rapporterat förlust och 1 om företag rapporterar vinst eller i linje med fjolårets resultat Critical Mass Den sista kontrollvariabeln som vi valt att använda är inte lika väletablerad i forskningen kring resultatmanipulering. Forskare som Konrad et al. (2008) och Lakhal et al. (2015) har dock argumenterat för att det inte bara andelen kvinnliga ledamöter som påverkar hur styrelsen agerar. De framlägger även att det absoluta talet av en minoritet har stor påverkan av gruppen. Lakhal et al. (2015) finner bevis för relationen mellan att ha minst tre kvinnor i styrelserummet och resultatmanipulering är negativ. Dessa slutsatser visar på att de positiva egenskaper som kvinnliga ledamöter verkar besitta förstärks då det finns tre eller fler kvinnor i styrelsen. På grund av detta vill vi inte bara undersöka andelen kvinnliga ledamöter i styrelsen, utan även om det absoluta antalet har en inverkan i vår studie. Vi förväntar oss att kontrollvariabeln har ett negativt samband till resultatmanipulering. Vi har då skapat en dummyvariabel där 1 står för att företagets styrelse har tre eller fler kvinnliga ledamöter och 0 som står för mindre än tre kvinnliga styrelseledamöter. Critical Mass = Dummyvariabel (0,1) där 0 är företag med mindre än tre kvinnliga ledamöter och 1 är företag med tre eller fler kvinnliga ledamöter. 4.5. Datainsamling och urval Tidsperioden som vi ämnade att studera är 2012 2016, det vill säga strax efter slutet av den senaste finanskrisen fram till de senaste tillgängliga årsrapporterna. Vi valde att undvika perioden av finanskrisen för att urvalet inte skulle vara påverkat av en allt för volatil marknad. Mängden resultatmanipulation borde påverkas av konjunktursvängningarna och riskerade då att bli oproportionerligt stora under en finansiell kris i samhället. Alternativet hade varit att studera en längre tidsperiod där åren för finanskrisen ingått. Detta hade gjort att bortfallet i 58
datainsamlingen ökat markant. Studien hade också blivit av en mer jämförande karaktär där förändringen av resultatmanipuleringen före, under och efter krisen hade hamnat i fokus. Det var dock inte syftet med studien och därför undvek vi krisen i vårt urval. Efter att ha beslutat att utföra studien på Stockholmsbörsens (Nasdaq OMX) alla bolag för åren 2012 2016, förstod vi snart att det mest effektiva sättet att inhämta information skulle vara genom databaser och därmed sekundärdata. Alternativet hade varit att hitta all information genom att studera bolagens årsredovisningar vilket bedömdes som väldigt tidskrävande. Genom att använda oss av sekundärdata minskade vi risken för manuella fel samt minskade tidsåtgången för datainsamlingen. Dock finns det alltid en risk med att använda sekundärdata, vi kan inte vara helt säkra på att den stämmer överens med årsredovisningarna (Bryman & Bell, 2013). För att kontrollera för detta gjorde vi några stickprov på varje variabel och jämförde dem mot årsredovisningarna för bolagen i fråga. Inga av de stickprov som gjordes visade på någon data skulle ge felaktiga uppgifter. För att undvika problem med bolags olika redovisningsvalutor valde vi att hämta alla värden i svenska kronor, även om bolagets redovisningsvaluta var någon annan. Då databasen omvärderade redovisningsvalutan till svenska kronor med valutakursen vid bokslutet bedömer vi att det inte finns några valutakursdifferenser i vår datainsamling. Via Linnéuniversitetets bibliotek fick vi tillgång till Thomas Reuters Eikon databas Datastream (hädanefter: Datastream) som vi har använt för att hämta den finansiella informationen vi behövde för våra modeller. Informationen om bolagsstyrningen var för många av bolagen bristfällig och upplysning om styrelsens storlek samt information kring kvinnliga styrelseledamöter saknades. Informationen fanns bara i ett fåtal bolag och behovet av att veta könsfördelningen i styrelsen gjorde att vi samlade in den informationen manuellt. Kompletteringen gjordes genom att använda böckerna Styrelser och revisorer i Sveriges börsföretag för respektive räkenskapsår samt bolagens årsredovisningar (Fristedt, Larsson & Sundqvist, 2010 2015). Vi kontrollerade styrelsen storlek och antalet kvinnor för att få fram en procentandel för varje företag och år. Suppleanter och arbetstagarrepresentanter räknades inte in i styrelsen. Datamaterialet sammanställdes som paneldata och behandlades sedan i Microsoft Excel. 59
4.6. Sekundärkällor Inom den kvantitativa forskningsmetoden kan flera olika tekniken appliceras för att inhämta information och data. Men Bryman och Bell (2013) påvisar att tekniker som enkäter, strukturerade intervjuer eller strukturerade observationer kan vara tidskrävande och synnerligen kostsamma att använda som forskningsunderlag. I all forskning, speciellt inom områdena finans och redovisning, har empirisk data en stor betydelse för beräkning av förklarande modeller och samband. Det är i detta sammanhanget som data inhämtad från sekundära källor kommer till god användning i företagsekonomiska studier. Sekundära källor kan vara information som presenteras i företags finansiella rapporter som inte inhämtas personligen. Flera fördelar kan vara direkt kopplade till att använda sig av sekundära källor. Det är inte bara mindre kostsamt och mindre tidskrävande utan kan i flertalet fall ge en högre kvalitetsnivå på det empiriska materialet (Bryman & Bell, 2013). Vidare förklarar författarna att detta kan ge fler möjligheter till analys av olika resultat vilket kan leda fram till nya tolkningar och utläggningar. Vissa begränsningar är förknippat med sekundära källor; vi är inte bekanta med materialet, datamängden är komplex, ingen kontroll på kvaliteten eller avsaknaden av nyckelvariabler (Bryman & Bell, 2013). Vi har i denna studie använt sekundära källor för att samla in empirisk data som sedan tillämpats i studiens beräkningar. Källorna där datan är hämtad anses vara tillförlitliga och akademiskt erkända med hög validitet. Den bolagsspecifika datan har hämtats från Datastream vilket är den viktigaste källan i studien. Databasen hämtar sin information från bolagens årsredovisningar och sammanställer datan bolagsvis. Vissa variabler har även hämtats manuellt från bolagens årsredovisningar i kompletterande syfte samt för att utföra stickprov för att säkerställa att information i Datastream var tillförlitlig. 4.7. Applicering av tvärsnittsstudie Vid beräkningar av resultatmanipulering så används ofta en tvärsnittsdesign för empirisk datainsamling. Men ytterligare avvägningar måste göras varför inte en tidsserie design väljs då studiens observationer är under en längre tidsperiod (McNichols, 2001). När studier använder fjolårets resultat för att påvisa en normal nivå av resultatmanipulering i en bolagsspecifik observation så används oftast en tidsseriedesign i tillvägagångssättet vid 60
uppskattningen av proxyvariabeln för resultatmanipulering. Däremot, när normala nivåer av resultatmanipulering bestäms utifrån branschspecifika observationer används främst en tvärsnittsdesign, med paneldata (McNichols, 2001). Den ursprungliga Jones modellen (Jones, 1991) använder sig av en tidsserie design när en bolagsspecifik modell gjordes för att skatta förhållandet mellan totala periodiseringar och förklaringsfaktorer. Men för att beräkna bolagsspecifika parametrar krävs en rimlig tidsserie. Enligt McNichols (2001) så inför de flesta studierna ett krav på att urvalet åtminstone måste ha 10 år av empiriska data, vilket bidrar till flertalet undersökningsproblem. Bortfall sker när bolag måste exkluderas eftersom tillräckligt långa tidsserier av datauppgifter inte finns att tillgå i Datastream. Vilket leder till potentiellt mindre urval och deras representativitet kan då diskuteras. Det är inte heller säkert att hela urvalet har incitament att utöva resultatmanipulering under långa perioder vilket kan leda till missvisande data (McNichols 2001). Ett alternativ är då att använda sig av tvärsnittsdesign i beräkningarna, som inte kräver samma långa tidsserie av data för varje enskilt bolag. Med en tvärsnittsdesign så skapas fördelar genom att frångå att alltid ha stabila koefficienter över en lång tidsperiod och låta ett större antal observationer vara med i urvalet (McNichols, 2001). Men det kan resultera i att varje bolags referensvärde för periodiseringar har en påverkan på varandra i till exempel bransch urvalet. Bagnoli och Watts (2000) har i sin forskning påvisat att detta kan resultera i att godtyckliga periodiseringar inte alltid reflekterar den faktiska mängden av resultatmanipulering. McNichols (2001) argumenterar för vilken design av en tidsserie eller tvärsnitt som har störst chans att detektera godtyckliga periodiseringar. Författaren kommer fram till att genom att köra en tvärsnittsstudie så ökar sannolikheten att enklare hitta olika grader av resultatmanipulering. Vidare så kan vi se att Roychowdhury (2006); Gunny (2010) och Zang (2012) applicerar samma design i sin forskning och argumenterar, att genom en tvärsnittsstudie så ökar även chansen att detektera kassaflödespåverkande aktiviteter likaså redovisningsrelaterade aktiviteter. 61
Vi kommer i vår studie att enklast besvara vår frågeställning genom att ta fram och analysera ett stort urval av observationen vid specifika tidpunkter för att se kopplingar, mönster och samvariationer (Bryman & Bell, 2013). Därför ska vi i vår studie utgå från en tvärsnittsdesign vid insamlingen av paneldata som borde ge det mest tillförlitligaste resultat av resultatmanipulering. 4.8. Branschindelning Vi hämtade information för Stockholmsbörsen bolag på listorna Small, Mid och Large Cap från Datastream för åren 2011 2016, sex år. Vi ämnade endast att undersöka fem räkenskapsår 2012 2016, men på grund av att modellerna behöver information från fjolåret inhämtades även 2011 års data. För de fem åren som skulle observeras hade vi ett ursprungligt urval på 1926 observationer. Vår studie ämnade att mäta på branschspecifik nivå för att öka styrkan i våra tester och minska tidsåtgången. Detta krävde att vi delade in bolagen årsvis i branscher. Indelningen i branscher gjordes enligt Industry Classification Benchmark (ICB) som är samma typ av indelning som Dow Jones och Datastream använder vilket gav oss tio olika branscher, som visas i tabell (4.4). Skattning av branschspecifika parametrar som används vid beräkning av resultatmanipulering sker i ekvation (9). När beräkningar i våra modeller gjorts har ett genomsnitt av varje bransch och år använts. Då det kan vara svårt att hitta historisk data tio år tillbaka i tiden på alla företag, har vi likt Roychowdhury (2006) alltså valt att använda oss av ett genomsnitt för varje bransch, varje år. Detta benämner vi i texten som bransch-år. Roychowdhury (2006) menar att det krävs minst 10 observationer i varje bransch-år vilket vi tagit fasta på och gjort samma avvägning för att ligga i linje med tidigare forskning. Detta för att säkerställa en miniminivå för varje bransch-år så att en observation inte får för stor påverkan. Då två av branscherna (Olja & Gas och Telekommunikation) gav under de flesta åren ett för litet urval för den här gränsen. Detta gjorde att valde vi att inkludera Olja och Gas i Råvaror medan observationerna som ingick i Telekommunikation inkluderades i Teknologi. Detta föranledde att antalet branschindelningar sjönk med två, men inga observationer exkluderades. 62
Tabell 4.4: Branschindelning Reviderad Branschindelning Industry Classification Benchmark (ICB) Industry Classification Benchmark (ICB) 1. Olja och gas Råvaror, Olja och Gas 2. Råvaror 3. Industri Industri 4. Dagligvaror Dagligvaror 5. Hälsovård Hälsovård 6. Konsumenttjänster Konsumenttjänster 7. Kraftförsörjning Kraftförsörjning 8. Teknologi Teknologi & Telekommunikation 9. Telekommunikation 10. Finans 4.9. Bortfall och exkludering De bolag som ingick i branschen finans- och försäkringsbolag har i studien exkluderats eftersom deras finansiella rapportering och periodiseringsprocess skiljer sig från övriga branscher. Att inkludera dem i undersökningen skulle av den anledningen bli missvisande då de inte kan jämföras med resterande branscher. Detta gjordes i linje med tidigare forskning (Callao, Ferrer, Jarne & Laínez, 2009; Sun & Rath, 2009; Dechow et al., 2012). Denna exkludering minskade vårt urval med 342 observationer. Eftersom databasen Datastream utgår ifrån börslistor kommer flera bolag representeras av fler än en aktie. Exempelvis har bolag som SKF, Electrolux och Volvo både en A- och en B-aktie vilket gjorde att vi exkluderade alla dubbletter. Detta är inget bortfall i traditionell bemärkelse men för att varje företag endast ska vara representerade av en aktie exkluderades dubbletter. Urvalet krympte då med 168 observationer över de fem åren. 63
Tabell 4.5: Bortfall År 2012 2016 Modell Modified Jones Sales manipulation Overproduction Ursprungligt antal observationer 1926 1926 1926 Dubbletter exkluderas -168-168 -168 Finansiell bransch exkluderas -324-324 -324 Data saknas -511-515 -646 Antal observationer 923 919 788 Prognosestimat saknas -473-532 -401 Slutgiltigt antal observationer 450 387 387 Tabellen visar antal observationer som modellerna the Modified Jones model, Sales manipulation och Overproduction utgår ifrån. Talen står för antal (n) observationer. Under datainsamlingen upptäckte vi att en del variabler blev benämnda Requested Data Not Avaliable (RDNA). Detta betyder helt enkelt att databasen inte har tillgång till just denna information om företaget i fråga. Då våra modeller kräver olika information blir bortfallet olika för de olika modellerna. För att beräkna de olika residualerna som sedan blir våra proxies för graden av resultatmanipulering med hjälp av modellen the Modified Jones model behöver vi exempelvis inte värdet KSV, vilket vi behöver i beräkningen av Overproduction. Bortfallet på grund av RDNA för the Modified Jones Model var 511 observationer, för Sales manipulation 515 observationer och för Overproduction 646 observationer. Bortfallet i Overproduction är extra stort eftersom beräkningen kräver två släpande år vilket gör att observationerna även för 2012 exkluderas. Raden Antal observationer i tabell (4.5) visar de observationerna som ingått i de olika beräkningarna för resultatmanipuleringens proxyvariabeler. För att kunna beräkna avvikelse från analytikernas prognoser krävdes att vi hittade information kring förväntade EPS-värden och faktiska EPS-värden, som analytiker prognostiserat. Detta för att kunna jämföra förväntade värden med det som inträffade och då se hur bolagen avvikit från analytikernas prognoser. Eftersom denna information inte fanns tillgänglig i Datastream för samtliga observationer exkluderades ytterligare en stor mängd observationer. Raden Slutgiltiga antal observationer i tabell (4.5) visar det antal 64
observationer som användes i våra regressioner som beräknar sambandet mellan resultatmanipulering och de oberoende variablerna. En sammanställning av bortfallet kan utläsas av tabell (4.5). 4.10. Statistisk kontroll När tvärsnittsanalys utförs finns flera statistiska aspekter som ska tas i beaktande. För att statistiskt kunna dra några slutsatser av analysen med hjälp av en OLS regression krävs det att vissa antaganden är uppfyllda. Speciellt antaganden om datan i modellerna. Regressionen kräver att residualerna i modellen är normalfördelade, variansen i residualerna är konstant och att de oberoende variablerna inte korrelerar med varandra. Eftersom regressionen utgår från att dessa antagande är uppfyllda och för att säkerställa dessa antagande har följande tester och övervägande gjorts (Andersson, Jorner & Ågren, 2007). Extremvärden Som ett första steg i studiens kvantitativa tester gjordes en granskning av variablerna som användes i vår första modell för att räkna ut mängden resultatmanipulering, the Modified Jones model. Granskningen gjordes i SPSS och vi kunde konstatera att alla variablerna inte var normalfördelade. För att kunna göra variablerna jämförbara och normalfördelade användes en naturlig logaritmering på variabeln DEV_EPSe. Vid beräkning av våra proxies för kassaflödespåverkande manipulering och de godtyckliga periodiseringarna påträffades extremvärden vilket reducerade normalfördelningen för residualerna. Genom att först göra en visuell granskning på observationerna via ett histogram samt boxplot kunde vi tydligt se ett antal extremvärden. Den skevhet som extremvärden skapade försvårade analysen av våra statistiska tester och skapade en missvisande bild. För att undvika dessa problem och göra det möjligt att genomföra våra regressioner på ett statistiskt säkert sätt använde vi metoden winzorize på vår insamlade data. Detta tillvägagångssätt har använts av tidigare forskare för att lösa problemet med extremvärden inom forskningsområdet resultatmanipulering (till exempel: Beneish, 1999; Kothari, Leone & Wasley, 2005). Hazarika, Karpoff och Nahata (2012) valde att endast använda metoden på extrema värden av totala periodiseringar och inte på alla variabler såsom Kothari et al. (2005) förespråkar. Vi har 65
i linje med Hazarika et al. (2012) endast valt att använda metoden på variabler där vi ansåg det nödvändigt för att lösa problematiken med alltför avvikande extremvärden. I vår paneldata användes winsorize på de tre beroende variablerna: Godtyckliga periodiseringar (DA), Productions Cost (PROD), onormala kassaflöden (CFO) samt på en av våra oberoende variabler: Avvikelse från EPS estimat (DEV_EPSe). I linje med Hazarika et al. (2012) studier så utfördes winzorize på att alla observerade extremvärden över den 99:e percentilen och under den 1 percentilen ersattes med värden motsvarande respektive percentil. Att endast göra det med 1 % räckte i vår studie då antal extremvärden reducerades kraftigt och gav ett mer normalfördelat utfall. Heteroskedasticitet Heteroskedasticitet är inte bara problematiskt att uttala, det kan även ge problem när en regressionsmodell ska analyseras. Fenomenet innebär i korthet att variansen hos residualerna inte är konstanta. De uppvisar alltså en heterogen spridning. Det betyder att när värdet på en oberoende variabel ökar så minskar eller ökar den oförklarade variationen i den beroende variabeln. Motsatsen, då spridningen är jämnt spridd kallas homoskedasticitet (Hair, 2010). I tvärsnittsstudier är detta ett vanligt problem, vilket gör det viktig för oss att undersöka huruvida vår undersökning har problem med heteroskedasticitet bland residualerna (Studenmund, 2006). För att undersöka om heteroskedasticitet förekom har vi studerat P-P plottar från våra multivariata analyser vilket inte gav några tecken på att heteroskedasticitet. Multikollinearitet Mängden av multikollinearitet är ett uttryck som förklarar i vilken utsträckning som två eller fler av de oberoende och kontrollvariablerna i regressionen korrelerar med varandra. Om två variabler korrelerar med varandra kan det uppstå problem med att särskilja vilken av de två som faktiskt påverkar den beroende variabeln. Vanligen uppstår multikollinearitet när en oberoende variabel är en funktion av andra variabler. Om det finns multikollinearitet i regressionen kommer den få minskad relevans då den statistiska stabiliteten blir lägre (Studenmund, 2006). Ett vanligt sätt att mäta multikollinaritet och som vi använt oss utav är High Variance Inflation Factors (VIF-test). Det är en metod för att upptäcka styrkan i multikolliniariteten genom att se på i vilken utsträckning en oberoende variabel kan bli förklarad av andra oberoende variabler i regressionen (Andersson et al., 2007). 66
Autokorrelation En förutsättning för att dra slutsatser om regressionskoefficienterna är att residualerna är oberoende (okorrelerade) med varandra över tiden. Autokorrelation är ett vanligt problem när tidsserier undersöks och hanteras. Det innebär att en observation påverkas av tidsmässigt föregående observation. För att undersöka autokorrelation har vi använt Durbin Watsons (Dstatistics) test (Andersson et al., 2007). Om testet ger ett värde på noll innebär det att regressionen innehåller starkt positivt autokorrelerade observationer. Motsatt visar ett värde på fyra att den innehåller starkt negativt autokorrelerade observationer. Ligger värdet på två betyder det att ingen autokorrelation existerar i regressionen (Studenmund, 2006). Korrelationsanalys Pearson s korrelation är det mest vedertagna mätmetoderna för att undersöka i vilken utsträckning variablerna i regressionen är relaterade. Spearman Rho används när en eller båda variablerna är av ordinal-skale-typ och beräknas på rankad data men visar på samband mellan variabler likt Pearson s och på sätt upptäcka multikollinearitet. Testen ger ett värde mellan -1 och 1 och enligt Hair (2010) kan modellen tillförlitlighet ifrågasättas om korrelationen överstiger 0,9. Vi har i studien testat korrelationen mellan våra proxies för resultatmanipulering från de tre olika modellerna och våra oberoende- och kontrollvariabler. 67
5. Empiriskt resultat I detta avsnitt avser vi att presentera datamaterial, studiens resultat och statistiska analyser. Deskriptiv statistik över studiens alla variabler presenteras i sin helhet såväl som statistik över de beroende och oberoende variablerna. Vidare utförs bivariat- och multivariat analys för att statistiskt kunna besvara våra tre hypoteser och förstå orsakerna till dessa svar. Likaså redovisas hur interaktionen mellan de oberoende variablerna påverkas beroende vilken modell för resultatmanipulering som använts. Vidare analys och bearbetning av resultatet presenteras i diskussionskapitlet. 5.1. Deskriptiv statistik Inledningsvis presenteras deskriptiv statistik för varje enskild variabel som används i studiens modeller, bivariata analyser och multivariata. I tabell (5.1) ser vi först deskriptiv statistik över variablerna som används för att beräkna resultatmanipulering genom modellerna för redovisningsrelaterad och kassaflödespåverkande resultatmanipulering (The Modified Jones model, Overproduction och Sales manipulation). Modellerna som presenteras ingående i metodkapitlet (4.3.1. och 4.3.2) hjälper oss att uppskattas variabeln för resultatmanipulering som kommer bli studiens beroende variabel i de multivariata analyserna. I tabell (5.1) presenteras även en sammanställning av studiens oberoende- och kontrollvariabler med syfte till att ge en övergripande bild av den data som ligger till grund för regressionsanalysen och hypotesprövningen. För varje variabel presenteras: antal observationer, medelvärde, standardavvikelse samt max- och minvärde för den undersökta perioden 2012 2016. 68
Tabell 5.1: Deskriptiv statistik Variabel Antal observationer Medel Standardavvikelse Max Min Total Asset (TKR) 923 19435329 57577144 618992024 4402 1/A t-1 923 0,000002 0,000009 0,000227 2,054E-9 ΔREV t - REC /A t t-1 923 0,106671 0,500800 9,488823-0,842192 PPE t /A t-1 923 0,193521 0,393906 10,031908 0 S t /A t-1 923 1,257240 0,961309 16,133894 0 ΔS t /A t-1 923 0,134028 0,622462 13,831781-1,002472 ΔS t-1 /A t-1 788 0,075481 0,218693 1,588190-1,285256 Total Accruals/ A t-1 923-0,0439% 0,18004% 3,18385% -2,32576% Production cost/ A t-1 922 0,9013% 1,14599% 22,0681% -0,03414% CFO/ A t-1 918 0,0436% 0,82390% 2,1385% -23,0685% Womboard (%) 923 26,2% 14,1% 71,4% 0% DEV_EPSe (%) 535 177,94% 734,36% 9163,33% 0% INTER Womboard - DEV_EPSe 516 88,482 376,855 4581,667 0 OCF (%) 863 3,99% 36,33% 85,59% -1199,63% ROA (%) 802 3,48% 25,48% 118,61% -608,73% DEBT (%) 836 18,13% 28,02% 596,20% 0% SIZE (TKR) 923 19435329 57577144 618992024 4402 Critical Mass 923 0,23 0,424 1 0 WIN LOSS 863 0,77 0,421 1 0 Deskriptiv statistik på perioden 2012 2016. Antal observationer är det totala antal observationer i den utvalda populationen med komplett uppsättning data. Alla tal är presenterade i tusentals kronor (TKR). För variabel DEV_EPSe har extremvärden på 1 % nivån (två-sidig) som hade stor påverkan på medelvärdet blivit winsorized. Kontrollvariablerna består till viss del av diktoma variabler (Critical Mass och WIN LOSS) vilka uppvisar medelvärden som kan tolkas som relativa andelar. Det kan därför uttryckas i ord som att 23 % av bolagen i vårt urval hade tre eller fler kvinnliga styrelseledamöter, samt att 77 % av bolagen redovisade en vinst. De oberoende variablerna Womboard och 69
DEV_EPSe kan tolkas som att medelvärdet av andelen kvinnor i styrelserna är 26,2 % med min- och maxvärden mellan 0 % och 71,4 %. Vidare säger statistiken för variabeln Womboard att det inte finns styrelser som enbart representeras av kvinnor till skillnad från ett minvärde på 0 % vilket innebär en styrelse som bara representeras av män. Medelvärdet för DEV_EPSe som innebär avvikelser från EPS prognoser var 177,94 % med tillhörande minoch maxvärden på 0 % och 9163,33 %, vilket förklaras av en betydligt större spridning på variabelns datainsamling. 5.2. Residualer som proxy för resultatmanipulering För att kunna använda resultatmanipulering som en variabel i studiens multivariata analys, har vi som tidigare nämnts i metodkapitlet använt tre olika modeller (the Modified Jones model, Overproduction och Sales manipulation) för att uppskatta mängden resultatmanipulering i ett företag. Genom modellerna så kan vi ta fram en variabel vilket studien kommer använda som proxy för resultatmanipulering. Likt tidigare forskning (McNichols, 2001, Roychowdhury, 2006, Zang, 2012) så utgör residualerna som skapas i de tre modellerna en proxy för resultatmanipulering (se Appendix 1). Proxyvariablerna blir i vårt fall, studiens beroende variabler: godtyckliga periodiseringar (DA), Production cost (PROD) och abnormal Cashflow from Operations (CFO). Studien ämnar inte att undersöka i vilken riktning ett bolag manipulerat sitt resultat och använder därför bara absoluta tal. Detta skapar en variabel som påvisar om och till vilken grad ett bolag använder sig av redovisningsrelaterad eller kassaflödespåverkande manipulation eller ej. Ett negativt mått skulle betyda att ett bolag har försökt dra ner sitt resultat genom resultatmanipulation tillika ett positivt resultat betyder att de har tryckt upp sitt resultat (Dechow et al., 1995). Vidare testades variablerna för skewness och kurtosis för att avgöra hur datan var fördelad. Våra beroende variabler: DA, PROD och CFO visade tecken på att inte vara normalfördelade efter användningen av enbart absoluta tal. Därför skapades tre nya variabler som bestod av det kvadrerade värdet av DA, PROD och CFO, vilket gav en mer normalfördelad datamängd. Skillnaden illustreras i Appendix 2. Efter kvadreringen uppvisade variablerna en låg skewness och godtagbar kurtosis. I testet för skewness kan det utläsas att värdena är något 70
snedfördelade och lutar åt höger sett på ett histogram. Testet för kurtosis, visar att histogrammet för godtyckliga periodiseringar har ett spetsigare utseende än histogrammet för PROD och CFO, som visar på en flackare datamängd med värden under 3 (Andersson et al., 2007). Den flackare datamängden för PROD och CFO kan kopplas till det stora antal observationer med värden nära 0. Tabell 5.2: Estimerade residualer n Medel Skewness Kurtosis Statistik Statistik Std. av Statistik Std. av DA 450 270,38 2,000 0,115 6,087 0,230 PROD 387 0,4180 1,073 0,128 2,375 0,255 CFO 387 0,2804 1,191 0,115 1,034 0,230 De estimerade residualerna ses som proxyvariabler för resultatmanipulering i den slutgiltiga regressionsmodellen Tabell (5.4). Urvalen är de bolag som har redovisat alla variabler under åren 2011 2016 som behövs i vår slutgiltiga regression. I tabellen presenteras medelvärdet av residualerna framräknande av regressionerna i Appendix 1: Tabell (9.1 9.2). Residualerna från de tre modellerna är winsorized på toppen och botten med 1 % för att minska effekten av extremvärden och öka förklaringsgraden i modellerna. Vidare presenteras skewness och kurtosis i tabellen. I tabell (5.2) presenteras: antal observationer; medelvärdet; skewness och kurtosis för den beroende variabeln som används som proxy för resultatmanipulering under den studerade perioden 2012 2016. Medelvärdet för beroende variabeln DA var 270,38 med tillhörande standardavvikelse om 257,62 samt min- och maxvärde på 5,56 och 2034,57. Under samma period var medelvärdet för PROD och CFO 0,4180 och 0,2804 med standardavvikelse om 0,2142 respektive 0,1874. Min- och maxvärde var på 0,050 och 1,519 för PROD samt 0,0064 och 1,225 för CFO. 5.3. Bivariat analys För att säkerställa att regressionsmodellen har en hög validitet genomförde vi bivariata test och för att undersöka hur olika variabler kan vara relaterade till varandra. Regressionsanalysen kan sägas utgå från de resultat som framkommer i den bivariata analysen 71
vilket kommer frambringa hypoteserna acceptans eller ej (Bryman & Bell, 2013). En korrelationsanalys (Pearson s, Spearmans Rho) har genomförts för att undersöka relationen mellan de beroende-, oberoende- och kontrollvariablerna vilket framgår i Tabell (5.3). Måttet på godtyckliga periodiseringar (DA) korrelerar negativt med studiens alla oberoende variabler: Womboard, DEV_EPSe och INTER, vilket kan tolkas som att en högre andel kvinnliga styrelseledamöter kan förknippas med lägre nivåer av redovisningsrelaterad resultatmanipulering. Vidare kan vi även tolka den negativa korrelationen med DEV_EPSe som att större avvikelser från analytikernas estimat är relaterat till lägre nivåer av DA. Vilket stödjer argumentet att bolag som hamnar i linje eller närmare analytikers prognoser tillämpar mer redovisningsrelaterad resultatmanipulering Denna negativa korrelation kan likställas med Gunnys (2010) studie som presenterade samma negativa förhållande mellan DA och avvikelser från analytikernas prognoser. 72
Tabell 5.3: Bivariat analys Överst till höger: Spearman s Rho likaså Pearson s nederst till vänster Spearman Roh Ö till höger Pearson s N till vänster DA CFO PROD Woman-board DEV-EPSe INTER OCF ROA DEBT SIZE Critical Mass WIN LOSS DA 0,016-0,038 *** -0,157 *** -0,423 *** -0,412 *** 0,185 *** 0,367 *** 0,000336 0,047-0,078 * 0,269 *** CFO -0,035 0,295 *** -0,095 ** 0,102 ** 0,042 0,181 *** 0,097 ** -0,276 *** -0,286 *** -0,065-0,273 *** PROD -0,049 0,351 *** 0,027 0,060 0,040 0,037 0,083-0,169 *** -0,301 *** 0,013-0,021 Womanboard -0,252 *** -0,120 ** 0,019 0,039 0,380 0,093 ** 0,093 ** -0,041 0,109 ** 0,707 *** 0,102 ** DEV_EPSe -0,163 *** 0,035 0,010 0,158 *** 0,870 *** -0,249 *** -0,447 *** -0,110 ** -0,235 *** -0,032-0,454 *** INTER -0,145 *** 0,033 0,018 0,262 *** 0,941 *** -0,170 *** -0,345 *** -0,101 ** -0,131 ** 0,173 *** -0,328 *** OCF 0,049-0,141 *** -0,182 *** 0,124 *** 0,002 0,027 0,714 *** -0,248 ** 0,044 0,136 *** 0,459 *** ROA 0,136 *** 0,179 *** -0,151 *** 0,119 ** -0,032 0,005 0,868 *** -0,182 *** 0,061 0,119 ** 0,625 *** DEBT 0,051-0,214 *** 0,169 *** -0,044 0,027 0,003-0,000416-0,013 0,432 *** -0,001 0,009 SIZE -0,032-0,040-0,154 *** 0,002-0,049-0,041 0,035 0,043 0,147 *** 0,300 *** 0,331 *** Critical Mass -0,102 ** -0,072 0,007 0,686 *** 0,104 ** 0,171 *** 0,133*** 0,127 *** -0,010 0,190 *** 0,128 *** WIN LOSS 0,181 *** -0,297 *** -0,056 0,088-0,234 *** -0,169 *** 0,496*** 0,604 *** -0,049 0,148 *** 0,128 *** P-Värde: *** Signifikans < 0,01, ** Signifikans < 0,05, * Signifikans < 0,1 (två-sidig). Korrelationen är beräknad på alla variabler som används i de tre olika modellerna för att besvara studiens hypoteser. Residualen för godtyckliga periodiseringar är beräknad via the Modified Jones model och betecknas som DA, CFO är beräknad via Sales manipulations och Productions cost betecknas som PROD som beräknas via Overproductions modellen. Interaktionsvariabeln Inter_Womboard_DEV_EPSe betecknas som INTER.
ROA och DA korrelerar positivt vilket är motsatt till den förväntade relationen som presenterades i operationalisering kapitlet (4.4.3). Resultatet kan tolkas som att bolag som uppvisar en god lönsamhet tillämpar en större andel DA och på så sätt åsidosätter kvalitén på sin redovisning för att uppvisa en större lönsamhet. Utifrån korrelationsmatrisen ser vi att variabeln WIN LOSS korrelerar positivt med DA, likaså korrelerar WIN LOSS positivt med OCF och ROA. WIN LOSS avser att mäta bolagens ovilja att rapportera förluster. Detta resultat ligger i linje med Graham et al. (2005) studie. Vilket kan förklara att företag gärna använder sig av en ökning av godtyckliga periodiseringar för att rapportera en vinst. Vi kan även konstatera att avkastningsmåttet ROA och måttet för kassaflöde OCF korrelerar positiv med WIN LOSS likt förväntat. Vilket skulle betyda att en högre avkastning och starkare kassaflöde tenderar att ge ett bättre resultat. Kassaflödespåverkande resultatmanipulering, CFO, visar en negativ relation med redovisad WIN LOSS. Förhållandet kan tolkas som att företag försöker redovisa ett högre resultat för att nå marknadens förväntningar. Företagen visar då en benägenhet att använda sig av försäljningsmanipulation i form av realisationer och erbjudanden för att bemöta förväntningar. Genom att använda sig av kassaflödespåverkande manipulation så sänker bolagen sina rörelsemarginaler vilket kan påverka vinsten långsiktigt. De två variablerna för kassaflödespåverkande resultatmanipulering CFO och PROD visar inte samma tydliga relation till de oberoende variablerna: Womboard, DEV_EPSe och INTER som variabeln DA. CFO och PROD korrelerar negativt med Womboard, DEV_EPSe och INTER men de kan inte visa på ett signifikant samband. Ett undantag kan vi se i variabeln Womboard som visar ett signifikant samband med CFO. Denna effekt tyder på att styrelsesammansättningen påverkar företagens benägenhet att manipulera sitt resultat via försäljningmanipulation. Vidare kan vi se att Critical Mass som mäter om det finns tre eller fler kvinnor i en styrelse korrelerar negativt med DA, CFO och PROD. En signifikant relation kan bara visas gentemot DA. Utifrån resultaten kan vi konstatera att företag i urvalet tycks påminna om företag i studien genomförd av Lakhal et al. (2015), som visar på en negativ korrelation mellan DA
och Critical Mass. Detta hjälper oss att förstå sambandet som det absoluta talet av tre stycken kvinnliga styrelseledamöter har på resultatmanipulering. Utifrån korrelationsmatrisen ser vi att DEBT och SIZE har en positiv respektive negativ korrelation med DA trots att de är tämligen svaga. Variabeln SIZE motsäger vad som tidigare förväntades av dess påverkan på DA. Relationen uppvisar istället ett negativt, svagt samband som ej är signifikant. 5.4. Multivariat analys För att göra en djupare analys så genomfördes multivariata regressionsanalyser. Analyserna var avsedda att visa på samband mellan proxyvariablerna för resultatmanipulering: godtyckliga periodiseringar (DA), abnormal Cashflow from Operations (CFO) och Production cost (PROD) med våra oberoende variabler: andelen kvinnliga styrelseledamöter (Womboard) och avvikelser gentemot analytikers prognoser (DEV_EPSe). Genom att utföra tre regressionsanalyser visar vi hur de beroende variablerna påverkas när de oberoende samt kontrollvariablerna förändras (Andersson et al., 2007). Detta ger oss sedan en möjlighet att tolka samband och effekter som skapas i de olika regressionsmodellerna. Vidare har även interaktionseffekten av andelen kvinnliga ledamöter och avvikelsen gentemot analytikers prognoser (INTER_Womboard_DEV_EPSe) lagts till i regressionen för att se hur stor effekt variablerna har på varandra. Sambanden har undersökts med hjälp av linjära regressioner. Vi fann ingen anledning att misstänka att relationen skulle te sig annat än linjärt, men för att vara på den säkra sidan testades detta samband innan vi startade med regressionerna. Genom att plotta variablerna mot varandra såg vi inga tecken på ett icke-linjärt samband och fortsatte med de linjära OLS regressionerna. I regressionerna har störst fokus lagts på att undersöka betavärdet på de oberoende variablerna, eftersom denna siffra förklarar det eventuella sambandet med resultatmanipulering. Får betavärdet ett positivt värde betyder det att variabeln har en positiv effekt på den beroende variabeln. Ett negativt betavärde får den motsatta effekten och skulle 75
innebära en negativ effekt på den beroende variabeln, vilket skulle minska mängden resultatmanipulering. Storleken på koefficienten visar i sin tur i vilken utsträckning variabeln påverkar. 5.4.1. Styrelsesammansättning och avvikelse från EPS Resultatet för regressionsmodellerna presenteras i tabell (5.4) med följande ordning; Modell (1) redovisningsrelaterad manipulation och dess förhållande till våra oberoende variabler. Sedan presenteras modell (3 och 5) som visar förhållandet mellan den kassaflödespåverkande manipulationen och de oberoende variablerna. Därefter integreras det modererande sambandet i regressionen (se modell, 2,4,6). Detta för att kunna utläsa effekten som andelen kvinnliga styrelseledamöter har på synen av analytikers prognoser i förhållande till resultatmanipulation utifrån de olika modellerna. Genom följande arbetsgång skapas en tydlig särskiljning från de olika regressionsmodellerna. 76
Tabell 5.4: Effekten av andel kvinnor i styrelse och avvikelse från estimat på graden resultatmanipulering. Beta-koefficienter, standardfel inom parentes. Beroende Variabel: Godtyckliga periodiseringar (DA), Production cost (PROD), Abnormal Cashflow from operations (CFO) Modell 1 DA Modell 2 DA + INTER Modell 3 CFO Modell 4 CFO + INTER Modell 5 PROD Modell 6 PROD + INTER Womboard - 6,005*** (1,196) -14,897*** (2,039) -0,161574* (0,0972) -0,194207** (0,0993) -0,217710* (0,126) -0,262848** (0,128) DEV_EPSe - 40,165*** (6,796) -110,166*** (14,755) -0,000006 (0,000008) -0,000053* (0,000031) -0,000053*** (0,000011) -0,000118*** (0,000041) INTER Womboard DEV_EPSe OCF -3,116 *** (1,163) 2,597*** (0,490) -3,187*** (1,129) 0,000397 (0,001) 0,000119 (0,000077) 0,000393 (0,001) -0,002661** (0,001) 0,000164* (0,000099) -0,002667** (0,001) ROA 4,272 *** (1,401) 4,111*** (1,361) -0,000159 (0,001) -0,000094 (0,001) -4,036E-5 (0,001) 0,000050 (0,001) DEBT 0,728 (0,814) 0,913 (0,791) -0,002745*** (0,001) -0,003*** (0,001) -0,0023*** (0,001) -0,0023** (0,001) SIZE - 2,557E-7* (1,4892E-7) -2,9167E-7** (1,447E-7) 2,6522E-11 (1,163E-10) 2,5877E-11** (1,1609E-10) -5,0216E-10*** (1,5048E-10) -4,4623E-10** (1,4311E-10) Critical Mass 64,656 * (34,315) 79,518** (33,424) 0,026 (0,026) 0,026 (0,026) 0,079** (0,033) 0,078** (0,033) Win Loss 9,818 (42,6246) 4,078 (41,405) -0,1633*** (0,031) -0,169*** (0,031) 0,013 (0,040) -0,005 (0,040) Intercept 548,757*** 788,090*** 0,499*** 0,515*** 0,538*** 0,561*** (70,766) (0,035) (0,037 (0,049) (0,047) Justerat R 2 0,187 0,234 0,124 0,127 0,132 0,137 Anova sign. <1% <1% <1% <1% <1% <1% Durbin Watson 1,845 1,830 1,873 1,887 1,675 1,684 n 450 450 387 387 387 387 P-Värde: *** Signifikans < 0,01, ** Signifikans < 0,05, * Signifikans < 0,1 (två-sidig). Talen i parentes är standardfelen för koefficienten. Urvalet består av 450 stycken respektive 387 stycken observationer beroende på modell. Koefficienterna är estimerade genom OLS regressioner som körs på paneldata över åren 2012 2016. Följande regressioner är genomförda och presenterade i tabellen: DA t = β 0 + β 1 Womboard+ β 2 DEV_EPSe t + β 3 Inter_Womanboard_DEV_EPEe t + β 4 SIZE t + β 5 DEBT t + β 6 OCF t + β 7 ROA t + β 8 WIN_LOSS t + β 9 Critical_Mass t + ε t CFO t = β 0 + β 1 Womboard+ β 2 DEV_EPSe t + β 3 Inter_Womanboard_DEV_EPEe t + β 4 SIZE t + β 5 DEBT t + β 6 OCF t + β 7 ROA t + β 8 WIN_LOSS t + β 9 Critical_Mass t + ε t PROD t = β 0 + β 1 Womboard+ β 2 DEV_EPSe t + β 3 Inter_Womanboard_DEV_EPEe t + β 4 SIZE t + β 5 DEBT t + β 6 OCF t + β 7 ROA t + β 8 WIN_LOSS t + β 9 Critical_Mass t + ε t 77
I modell (1), tabell (5.4) presenteras godtyckliga periodiseringar (DA) som beroende variabel. Resultatet visar att studiens oberoende variabler Womboard och DEV_EPSe har en negativ påverkan på DA. Womboard visar ett negativt betavärde på -6,005 med ett P-värde på under 0,01. Detta visar att ju större andel kvinnor i styrelsen ju mindre godtyckliga periodiseringar vilket innebär lägre användning av resultatmanipulering. Likaså korrelerar DEV_EPSE med DA och visar på ett P-värde under 0,01 med ett betavärde på -40,165. Vilket tyder på: ju närmare ett bolag hamnar analytikers estimerade EPS resultat ju mer godtyckliga periodiseringar och resultatmanipulering. Resultatet för regressionen redovisar ett justerat R 2 värde som visar sig vara konstant och modellen har en förklaringsgrad på 18,7 %. Signifikansen för modellen i helhet uppgick till under 0,01 vilket innebär att vi med säkerhet kan dra slutsatser utifrån de förhållanden modellen påvisar. Durbin Watson testet som redovisas i tabell (5.4) visar om vi kan finna någon autokorrelation i koefficienterna. Ett värde som närmar sig två betyder att det inte förekommer någon autokorrelation i testet. Resultatet för modell (1) på 1,845 berättar alltså att modellen inte har några problem med autokorrelation. Vidare kan vi se att de flesta av kontrollvariablerna är signifikanta med ett P-värde på 0,01, 0,05 eller 0,1 bortsett från DEBT och WIN LOSS vilket ej kan statistiskt säkerställas i regressionen. Vår kontrollvariabel Critical Mass är signifikant på 0,1 nivån vilken kan stärka tesen att en stor andel kvinnor i styrelsen har en påverkan på resultatmanipulering. I modell (3 och 5), tabell (5.4) presenteras proxyvariabeln för de kassaflödespåverkande modellerna CFO och PROD som beroende variabler. Det är viktigt att komma ihåg att modellerna Overproduction och Sales manipulation (ekvation 7 och 8) beräknar den kassaflödespåverkande manipulationen. De mäter alltså en annan typ av resultatmanipulering än den som beräknades med hjälp av the Modified Jones model (ekvation 5) som visas i modell (1). Vi kan utifrån resultatet av regressionsanalysen se att P-värdet för alla tre modeller ligger på 0,01 vilket är betryggande och vi kan lita modellernas resultat i sin helhet. Durbin Watson testet för modell (3 och 5) ligger nära två vilket inte tyder på något större problem med autokorrelation. I modell (5) med PROD som beroende variabel finns tecken på en svag, 78
positiv autokorrelation. Autokorrelationen är så pass svag att den inte borde påverka testets trovärdighet (Andersson et al., 2007). I modell (3) som använder onormala kassaflöden (CFO) som proxyvariabel för resultatmanipulering, kan vi se att det finns ett negativt samband mellan andelen kvinnor i styrelsen och CFO. Sambanden visar ett betavärde på -0,1615 med ett P-värde på 0,1 vilket tyder på att desto fler kvinnliga ledamöter ju mindre försäljningsmanipulering sker i företaget. Likaså kan vi se ett negativt samband mellan avvikelser från analytikernas prognoser och CFO med ett betavärde på -0,000006, men med en signifikansnivå över 0,1. Detta visar att desto längre från analytikernas prognoser företagets resultat hamnar, desto mindre försäljningsmanipulation används i företaget, men detta är inte statistiskt säkerställt i modellen. Signifikansnivåerna för de oberoende- och kontrollvariablerna är genomgående höga. Det blir därför svårt att kunna påvisa ett statistiskt säkerställt samband utifrån modell (3) trots modellens P-värde på 0,01 och justerade R 2 värde på 12,4 %. Resultatet från den kassaflödespåverkande modellen Sales manipulation blev som vi förutspått tvetydiga och liknar tidigare studier (till exempel: Roychowdhury, 2006; Gunny, 2010; Lakhal, 2015; Arun et al., 2015). Våra resultat och den tidigare forskningen tyder på att det finns ett samband mellan CFO och de oberoende variablerna, men problem uppstår med att statistiskt kunna säkerställa det. I modell (5) som använder PROD som proxyvariabel för resultatmanipuleringen får vi likt tidigare forskning (Roychowdhury, 2006; Zang, 2012) bättre signifikansnivåer, än i modell (3). Modellens P-värde är under 0,01 med ett justerat R 2 värde på 13,2 % vilket stärker modellens bärighet. Vi kan se ett negativt samband mellan andelen kvinnor i styrelsen och överproduktion med ett betavärde på -0,2177 och ett P-värde på under 0,1. Vilket visar att en större andel kvinnliga styrelseledamöter skulle i högre grad motverka att deras företag tillämpar en kassaflödespåverkande manipulation såsom överproduktion. Det negativa sambandet mellan avvikelser från prognoser och överproduktion tyder på liknande drag. Med ett betavärde på -0,000053 och ett stark P-värde på 0,01 visar resultatet att företag som avviker mer från analytikernas prognoser uppvisar lägre nivåer av resultatmanipulering via överproduktion. Vidare resultat från regressionen i modell (5) visar att de flesta av 79
kontrollvariablerna är signifikanta med ett P-värde på 0,01, 0,05 eller 0,1. Det är endast ROA och WIN LOSS vars effekt inte går att statistiskt säkerställa. 5.4.2. Interaktionsvariabeln effekt på resultatmanipulering Vi genomförde även en regressionsanalys där vi utökade modellen med en interaktionsvariabel. Vi ville utifrån interaktionsvariabeln undersöka vilken effekt modellens oberoende variabler hade på varandra. Vidare undersöktes även huruvida modellens resultat i sin helhet förändrades när det modererande sambandet lades till. Resultaten återfinns i modellerna (2,4 och 6) i tabell (5.4). Det första vi tittar i vårt nya regressionsresultat är huruvida vår nya variabel är signifikant. Om så inte är fallet finns det ingen interaktionseffekt att tala om. Sedan kollar vi hur det justerade R 2 värdet har förändrats. Blir förklaringsgraden starkare eller svagare? Blir värdet större betyder det att vår nya modell förklarar variationen i resultatmanipuleringen bättre än innan, vilket tyder på en intressant interaktionseffekt. Det tredje och kanske viktigaste vi tittar på är betavärdets tecken. Är effekten positiv eller negativ? Vidare måste vi vara uppmärksamma på hur vi tolkar de nya värdena. Vi kan inte tolka resultatet av regressionen som de oberoende variablerna + interaktionsvariabeln. Som vi kan se har de oberoende variablernas koefficienter förändrats. De är nu beroende av vilket värde den andra oberoende variabeln har. Värdet som koefficienten för avvikelse från prognoser förändras nu beroende på andelen kvinnliga ledamöter. Koefficienten för avvikelse från analytikernas prognoser måste nu tolkas som: den förväntade procentuella effekten avvikelse från analytikers estimat har på resultatmanipulering när variabeln för kvinnliga ledamöter har värdet 0. Likadant tolkar vi koefficienten för kvinnliga styrelseledamöter som: den förväntade effekt variabeln har när koefficienten för avvikelser har värdet 0 (Hair, 2010). The Modified Jones Model Utifrån resultaten från regressionsmodell (2) med redovisningsrelaterad manipulationen DA som beroende variabel, kan vi utläsa att interaktionseffekten har ett positivt betavärde på 2,597 med ett P-värde under 0,01. Signifikansnivån indikerar att vi kan statistiskt säkerställa att det finns en interaktionseffekt mellan de oberoende variablerna Womanboard och DEV_EPSe. En intressant antydning kan beaktas på modellens justerade R 2 värde vilket har 80
ökat sin förklaringsgrad från 18,7 % till 23,4 %. Detta berättar att modellen nu förklarar en större del av variationen i resultatmanipulering än tidigare samt förstärker antydan till att effekten finns. Modellens P-värde är fortfarande under 0,01 vilket innebär att vi med säkerhet kan uttala oss om de förhållanden som tabellen visar. Det mest intressanta resultatet från vår modell är att koefficienten är positiv. Betavärdet för variabeln för avvikelse från estimat påvisar ett negativt värde av -110,166 och har ett P-värde under 0,01. Interaktionseffekten visar vad som händer vid en ökning av avvikelse från estimaten på marginalen, givet en viss nivå av kvinnor i styrelsen. Om vi ökar avvikelsen från prognoserna med 1, vid en andel 1 % kvinnor i styrelsen kommer interaktionsvariabeln sänka effekten som avvikelsen har på resultatmanipulering med -2,597. För att förstå hur interaktionseffekten ter sig skapades diagrammet (5.5). Diagrammet visar hur interaktionseffekten förändras vid olika andelar kvinnliga ledamöter samt dess konfidensintervall. Vi kan då se vilken effekt variablerna har på varandra samt när effekten upphör. Diagram 5.5: Interaktionsvariabelns konfidensintervall Effekt av avvikelse från prognoser Effekt av avvikelse från prognoser på resultatmanipulering vid olika andelar kvinnliga ledamöter 40 20 0-20 0 10 20 30 40 50 60-40 -60-80 -100-120 -140-160 Andel kvinnliga ledamöter % Effekt Nedre gräns Övre gräns I diagrammet ser vi effekten som andelen kvinnliga styrelseledamöter har på påverkan som uppkommer från avvikelser från analytikers estimat. Den blå linjen symboliserar det modererande sambandet och de båda grå linjerna symboliserar variabelns konfidensintervall. 81
För att skapa signifikansnivå och konfidensintervall för effekten av DEV_EPSe när Womboard var till exempel 50 % av styrelsen skapades en ny variabel som var andelen Womboard - 50. På så vis får den nya variabeln värdet 0 när andelen kvinnor är just 50 % av styrelsen. Sen skapades en ny interaktionsvariabel som var DEV_EPSe multiplicerat med den nya variabeln för andelen kvinnor. Med de två nya variablerna upprepas regressionen där konfidensintervallen och den nya signifikansnivån noterades. Vid varje andel kvinnor vi undersökte, skapades två nya variabler. En ny regressionsanalys gjordes också för att ta fram de olika konfidensintervallen och signifikansnivåerna. Den blå linjen, som är effekten som avvikelsen från prognoser förväntas ha vid en viss andel kvinnliga ledamöter, överlappar noll strax efter 30 % kvinnliga ledamöter. Dess tidigare starka signifikans försvagas och vid 40 % kvinnliga ledamöter är den icke signifikant ens på 10 % nivån med ett P-värde över 0,1. Detta betyder att effekten som avvikelser från prognoser har på resultatmanipuleringen minskar när andelen kvinnliga ledamöter ökar. Vid 40 % kvinnliga ledamöter har interaktionseffekten helt försvunnit. Tabell 5.6: Interaktionsvariabelns konfidensintervall Womenboard Effekt Nedre gräns Övre gräns Signifikans 0 % -110,166-139,166-81,166 0,00 10 % -84,196-96,773-57,696 0,00 20 % -58,226-72,873-43,286 0,00 30 % -32,256-51,942-25,908 0,00 40 % -6,286-35,052-4,489 0,11 50 % 19,684-20,892 19,661 0,952 I tabellen kan vi avläsa hur interaktionseffekten påverkas av olika grader av kvinnliga styrelseledamöter. Vidare visar tabellen variabels konfidensintervall. Sales manipulation Vidare kan vi tolka regressions resultatet med CFO som beroende variabel i modell (4). Vi ser att interaktionsvariabeln för modell (4) är signifikant med ett P-värde på 0,1, vilket tyder på att det finns en interaktionseffekt. Det justerade R 2 värdet har blivit aningen starkare och går från 12,4 % till 12,7 % vilket indikerar att interaktionseffekten existerar. 82
När vi undersöker hur interaktionseffekten förändras vid olika andelar kvinnor stöter modellen snart på problem. Då sambandet undersöks på nollvärde av kvinnliga ledamöter är variabeln statistiskt signifikant. Vi kan här alltså se en tydlig interaktionseffekt. Signifikansen försvinner dock så fort andelen kvinnor ökar. Detta tyder på att det existerar en interaktionseffekten på väldigt låga nivåer av andel kvinnor. Den verkar dock försvinna så fort andelen ökar. Overproduction När vi tittar på interaktionsvariabeln i modell (6) med PROD som beroende variabel. Variabeln är signifikant med ett P-värde på under 0,1 och har ett positivt betavärde på 0,000164. Att signifikansnivån i den här regressionen är sämre än regressionen för redovisningsrelaterad manipulation innebär att vi inte kan vara lika säkra på om interaktionseffekten finns. Dock indikerar P-värdet om 0,1 att det borde finnas en interaktionseffekt. Likaså pekar det förändrade R 2 värdet som går från 13,2 % till 13,7 % att modellens förklaringsgrad ökar och att det finns en interaktionseffekt. När vi undersökte konfidensintervallen för interaktionseffekten uppstod samma problem som för beräkningen för modell (4). Vid låga nivåer kan vi utläsa en tydlig interaktionseffekt. Men så fort andelen kvinnliga ledamöter ökar till mer än 10 % försvinner signifikansen i variabeln. Detta tyder på att en interaktionseffekt mellan de oberoende variablerna endast existerar på mycket låga nivåer av kvinnliga ledamöter. 83
6. Diskussionskapitel Analys och diskussionskapitlet presenteras i tre olika steg baserat på studiens hypoteser som ämnar att besvara studiens frågeställning. Utifrån de empiriska resultaten så kommer tolkningar göras och sättas i relation till varandra. För att sedan jämföras med den teoretiska referensramen. Diskussioner kring redovisningsrelaterad manipulering och kassaflödespåverkande manipulering kommer behandlas för att skapa ett övergripande bild av vilka faktorer som påverkar resultatmanipulering. Studiens syfte är att förklara hur analytikers prognoser och andelen kvinnliga styrelseledamöter påverkar resultatmanipuleringen i svenska börsbolag. Med hjälp av studiens empiriska resultat kan vi urskilja att resultatmanipulering förekommer i stor utsträckning bland svenska börsbolag. Dock är det svårt att vid en första anblick, för utomstående att förstå om ett företag använder sig av resultatmanipulering för att justera sina resultat. Det är först genom beprövade metoder och modeller det går att se övergripande indikationer på ett bolags tendens att använda sig av resultatmanipulering. Tidigare forskning har gjort det möjligt för studien att på ett beprövat tillvägagångssätt upptäcka redovisningsrelaterade och kassaflödespåverkande manipulering tack vare modellerna som Dechow et al. (1995); Healy och Palepu (2001); Roychowdhury (2006) och Zang (2012) har arbetat fram. Efter att vi har konstaterat att resultatmanipulering förekommer i både positiv och negativ bemärkelse så krävs det att vi tittar på de underliggande incitamenten till varför ett bolag tillämpar manipulation. Tre incitament är att försöka maximera sitt resultat för att visa värden i bolaget gentemot intressenter och aktieägare, dra ner sitt resultat för att minska förväntningarna eller likt Beneish (2001); Kirschenheiter och Melumad (2002) framlägger, för att kunna rapportera ännu högre vinster i framtiden. Ett bakomliggande incitament som har blivit mer aktuellt, är viljan att bemöta förväntningar och inte skapa obefogad volatilitet för bolagets finanser eller framtida estimat. Graham et al. 84
(2005) presenterar i sin studie att små negativa överraskningar i ett resultat kan göra att investerare ser ett missat mål som en signal för en nedåtgående cykel för bolaget. Vi menar att detta kan förklaras med Kahneman och Tverskys (1979) teorier hur en företagsledning tar beslut under pressade situationer eller i ovisshet. 6.1. Marknadens förväntningar Hypotes 1: Det finns ett negativt samband mellan avvikelser från analytikernas prognoser och användningen av resultatmanipulering i svenska börsbolag. Studiens första ansats var att undersöka sambandet mellan analytikernas prognoser och dess påverkan på bolagens resultatmanipulering. Hypotesen testade om resultatmanipulering har ett negativt samband med hur bolagen avviker från analytikernas prognoser. Vilket gjordes med tre olika mått på resultatmanipulering. Resultaten från de tre regressionsanalyserna finner att de negativa samband vi förutspått existerar. Genom att beräkna avvikelserna från prognoserna kan vi se att analytikernas prognoser tycks påverka mängden resultatmanipulering som företagen använder. - Vi kan därför acceptera hypotes 1. Utgångspunkten som PAT och Prospect theory har är att företag inte vill chocka marknaden med volatila eller oförutsedda resultat. Detta är ett starkt incitamenten till att använda sig av resultatmanipulering. Teorierna stämmer överens med våra resultat och urvalet agerar så som de förutsäger. Detta menar vi beror på bolagens syn på faran att inte nå upp till marknadens förväntningar som är för stor att bortse från. Bolagen verkar tycka att en stabil aktiekurs är mycket viktigt. Resultaten stämmer överens med tidigare forskning (till exempel: Brown & Caylor, 2005; Athanasakou et al., 2009; Gunny, 2010) som har utgått från liknande urval. Detta betyder att situationen kring hur bolag ser på marknadens förväntningar inte är unik för vårt urval, vilket styrker generaliserbarheten. Redovisningsrelaterad manipulation Att bolagen i studien använder godtyckliga periodiseringar för att snygga till sista raden är ingen överraskning. Detta ger stöd åt tidigare forskare som har fått fram liknande resultat (Brown & Caylor, 2005; Athanasakou et al., 2009; Gunny, 2010). Det verkar snarare som att bolag ser det som kutym att förändra siffrorna i slutet av året. Frågan är bara i vilken 85
utsträckning. Insikten gör att betraktaren kanske drar förhastade slutsatser om hur missvisande och oetiskt ett sånt här beteende är. När intressenter kommer till denna insikten är det enkelt att förhastat dra slutsatser om hur missvisande och oetiskt ett sånt här beteendet är. Enligt vår mening borde intressenter dock inte reagera så starkt på det. I de flesta fall verkar det vara så att företagen endast vill visa upp en stadig bild av företaget, genom resultatutjämning. Detta har uppkommit på grund av hur marknaden reagerar på osäkerhet. Resultatmanipulering blir ett naturligt sätt för bolagen att hålla investerare lugna och förhindra oro på marknaden, vilket i en marknadsekonomi bör ses som något positivt. Kassaflödespåverkande manipulation Den kassaflödespåverkande manipuleringen uppvisar ett negativt samband mellan överproduktion som mått för resultatmanipulering och avvikelser från analytikernas prognoser. Sambandet visar på en signifikant effekt där en ökad överproduktion leder till att bolagen kryper närmare analytikernas prognoser. Vi kan inte utifrån resultaten hitta ett signifikant samband mellan försäljningsmanipulation och avvikelser från estimaten. Det betyder att kassaflödespåverkande manipulation via försäljning inte kan förklaras med hjälp av avvikelser från estimat i samma utsträckning som manipulation genom överproduktion. Utifrån Prospect theory kan vi förstå att bolag inte vill redovisa resultat som ligger strax under de förväntade resultaten, då den negativa konsekvensen anses bli högre än om utfallet vore det motsatta. Hur väljer företag att undvika dessa konsekvenser? Det som skiljer sig när bolag använder kassaflödespåverkande gentemot redovisningsrelaterad manipulation borde vara två saker. Det första är i vilken utsträckning bolaget behöver förändra sitt resultat för att nå prognoserna och det andra är när i tiden företagsledningen upptäcker att något måste göras. I och med strikta lagar och revisorers granskning kommer det finnas en gräns på hur mycket företaget kan använda sig av redovisningsrelaterad manipulation. När detta inte räcker till kan det bli aktuellt att använda sig av till exempel överproduktion eller försäljningsmanipulation. Det krävs att företagsledningen kan förutse behovet långt innan bokslutet då det tar lång tid att förändra produktionsnivåer eller öka försäljningssiffror med rabatter. Resultatet visar att vi statistiskt kan säkerställa att överproduktion används för att bemöta analytikernas prognoser, till skillnad från försäljningsmanipulation som inte visar något signifikant samband. En förklaring till att försäljningsmanipulation inte verkar vara en lika vedertagen modell kan vara 86
de minskade vinster per produkt den ger upphov till. Överproduktion ger dock ett ökat reellt lagervärde och förhoppningen att i nästkommande period kunna sälja produkterna till fullt pris. Ytterligare en förklaring till varför Sales manipulation ger icke-signifikanta resultat kan vara beräkningsmetodens tvetydiga egenskaper att faktiskt mäta resultatmanipulering. En invändning mot detta skulle vara att det inte alls är fel på metoden. Istället kan det vara så att de företag som ingår i urvalet inte använder försäljningsmanipulation i sådan utsträckning att det kan upptäckas. Dock borde det vara så, att om stora rabatter ges kommer produktionskostnaderna bli onormalt höga, relativt till intäkterna från försäljningen. Detta borde i sin tur ge en minskande effekt på innevarande periods onormala kassaflöde. Andra typer av kassaflödespåverkande manipulation, såsom sänkning av FoU kostnader, kan dock ha en ökande effekt på det onormala kassaflödet. Detta skulle då ge en nettoeffekt av onormala kassaflöden som blir tvetydig. Att kassaflödet kan påverkas både positivt och negativt av olika manipulationsmetoder bör då förklara varför vårt och tidigare forskares (Roychowdhury, 2006) resultat inte blir signifikanta. Vår undersökning tyder på att många bolag använder sig av någon form av kassaflödespåverkande manipulering och redovisningsrelaterad manipulation. Detta innebär att bolagen vill nå analytikernas prognoser, men vi ser indikationer på att de inte vill göra detta i alltför stor utsträckning. Att slå prognoserna allt för mycket kommer visserligen vara positivt i nuvarande period, men det kommer öka förväntningarna på bolaget i framtiden. Balansgången mellan kassaflödespåverkande och redovisningsrelaterad manipulation är således viktig. Detta styrker Kahnemans och Tverskys (1979) teori om rationella beteendemönster. Företag tenderar att använda resultatmanipulering för att nå analytikernas prognoser, men att det sedan saknas incitament att fortsätta öka resultatet med mer än vad som förväntas av marknaden. Istället menar vi att företagen bör nöja sig med att bemöta analytikernas förväntningar och sedan tänka långsiktigt genom att spara överskottet till svagare perioder i framtiden. En annan förklaring till både redovisningsrelaterad och kassaflödespåverkande manipulation kan ges av PAT och hypotesen om bonusavtal. Den menar att företagsledningen kommer tillämpa den resultatmanipulering som ger så högt resultat som möjligt om detta maximerar 87
deras egen vinning och säkerställer deras egen position i företaget (Healy & Wahlen, 1999). Enligt våra resultat är det dock inte bara ett högt resultat som är viktigt. Det verkar snarare vara viktigare att nå analytikernas prognoser för att sedan vara nöjd. Det borde därför vara viktigt att styrelsen utformar belöningssystemet som tar hänsyn till analytikernas förväntningar och inte bara att maximera resultatet. 6.2. Styrelsesammansättningen Hypotes 2: Andelen kvinnliga ledamöter i företagsstyrelser har ett negativt samband med mängden resultatmanipulering som svenska börsbolag använder sig av. I vår andra hypotes testas huruvida andelen kvinnliga ledamöter i styrelsen har ett negativt samband med användningen av resultatmanipulering. Hypotesen grundades i antagandet om att kvinnliga ledamöter besitter egenskaper som kommer minska användningen av resultatmanipuleringen i större utsträckning än män. Hypotesen kan statistiskt säkerställas då ett negativt, signifikant samband mellan andelen kvinnliga styrelseledamöter och resultatmanipulering kan utläsas i resultatet. - Vi kommer därför att acceptera Hypotes 2. Vi kan utifrån våra resultat i tabell (5.4) påvisa ett negativt, signifikant samband mellan andelen kvinnliga ledamöter och båda typer resultatmanipulering. Med andra ord tyder resultaten på, att när andelen kvinnliga ledamöter ökar kommer resultatmanipuleringen att minska. Enligt vår argumentation innebär detta att kvinnliga ledamöter upptäcker oegentligheter i större utsträckning än män och då blir effektivare i sin övervakningsroll. Detta ligger i linje med och ger stöd åt tidigare forskning (Arun et al., 2015; Lakhal et al., 2015). En förklaring till detta samband kan vara de egenskaper som styrelseledamöter besitter och hur dessa skiljer sig mellan män och kvinnor. Det går att invända att resultaten kan ha andra förklaringar. Till exempel kan det räcka med att gruppens homogenitet bryts vilket kan förändra hur styrelsen agerar, oavsett personernas egenskaper. Detta skulle då kunna kopplas till teorin om Critical Mass. Våra resultat stärker dock tesen som Carter et al. (2003); Adams och Ferreira (2009); Gul et al. (2009) presenterar om att kvinnor är mer riskaverta, hårdare i 88
sin granskning av ledningens beslut och låter etiska överväganden påverka dem i högre utsträckning än sina manliga motsvarigheter. Detta anser vi är egenskaper som skapar skillnaden mellan mäns och kvinnors sätt att hantera resultatmanipulering. Innan testerna genomfördes antog vi att dummyvariabeln för minst tre kvinnor skulle förstärka det negativa sambandet mellan fler kvinnliga ledamöter och resultatmanipulering. Att det är en dummyvariabel innebär att den visar på en engångseffekt av att ha tre eller fler kvinnor i styrelsen. I tabell (5.4) kan vi se att riktningskoefficienten för Critical Mass variabeln är positiv. Detta borde innebära att styrelser med fler än tre kvinnor faktiskt kommer använda sig av mer resultatmanipulering. Tabell (5.4) blir aningen missvisande när värdena mellan Womboard och Critical Mass jämförs. Detta på grund av att Critical Mass visar på en engångseffekt. Womboard visar däremot marginaleffekten av 1 % fler kvinnliga ledamöter. Detta innebär att när andelen kvinnor ökar kommer resultatmanipuleringen minska. Exempelvis om en styrelse består av tio ledamöter och den kritiska massan är tre kommer den att uppnås när 30 % av ledamöterna är kvinnliga. Den minskade effekten som de kvinnliga ledamöterna har på resultatmanipuleringen blir då (30 * -6,005 = -180,15). När antalet för den kritiska massan nås tyder resultaten på att en positiv engångseffekt uppstår av 64,656. Detta betyder inte att så fort det finns tre kvinnliga ledamöter så ökar resultatmanipuleringen plötsligt. Det indikerar snarare att effekten kvinnorna har på resultatmanipulering inte är linjär, utan utplanande. De första procentenheterna har en starkare effekt på resultatmanipuleringen än de senare. En ökning av kvinnliga ledamöter från 0 % till 20 % har alltså en starkare minskande inverkan på resultatmanipulering än en ökning från 30 % till 50 %. En styrelse med fyra kvinnliga ledamöter kommer fortfarande ha en starkare negativ effekt än endast tre. Däremot kommer marginaleffekten av den fjärde ledamoten inte vara lika stark som den första. Detta går emot vad tidigare forskare (till exempel Konrad et al., 2008; Lakhal et al., 2015) konstaterat och då även teorin om Critical Mass. Enligt teorin förändras majoritetens syn på minoriteten då den överstiger tre. Utifrån vad forskare som Carter et al. (2003) och Arun et al. (2015) kommit fram till antog vi att de kvinnliga ledamöterna tillsammans skulle dra åt samma håll och göra minoriteten till en starkare röst som den övriga styrelsen tvingas lyssna till. Då denna kritiska massa av tre uppnås, borde den tidigare manliga 89
kommunikationsdynamiken förändras och öka influenserna som de kvinnliga ledamöterna har på styrelsens beslut. När detta oväntade resultat uppkom testade vi att köra om regressionen, utan variabeln för Critical Mass. Det gav inga fundamentala förändringar på regressionens variabler, men effekten Womboard blev starkare i sin negativa påverkan. En förklaring till varför våra test visar detta tvetydiga resultat kan vara antagandet om att nå den kritiska massan skulle förstärka effekten kvinnliga ledamöter har. Resultaten tyder istället på att brytpunkten, Critical Mass, inte förstärker utan snarare försvagar effekten som varje ytterligare kvinnlig ledamot har. En annan förklaring skulle kunna vara att den effekt som vi ser i variabeln för Critical Mass endast grundar sig i de bolag som redan har tre eller fler kvinnliga ledamöter. I styrelser med tre eller fler än tre kvinnor är den procentuella andelen kvinnliga styrelseledamöter redan hög. Den negativa effekt på resultatmanipulering som en hög andel kvinnliga styrelseledamöter medför har redan gett ett stort utslag och den förstärkta effekt som teorin om Critical Mass beskriver uteblir (Lakhal et al., 2015). I korrelationsmatrisen i tabell (5.3) ser vi genom bivariata tester att variabeln Critical Mass har en negativ korrelation med godtyckliga periodiseringar och försäljningsmanipulation. Denna negativa korrelation försvinner alltså när vi tillämpar variabeln i den multivariata analysen. Enligt Agentteorin så är företagsledningens egenintresse och personlig vinstmaximering viktiga incitament för en ökad resultatmanipulering (Konrad et al., 2008; Lakhal et al., 2015). Våra resultat visar på att kvinnor minskar manipuleringen vilket gör att vi argumenterar för att något i dessa incitament borde vara annorlunda. Det verkar som att dessa incitament inte är lika starka hos kvinnor som hos män. En förklaring skulle kunna vara en skillnad i hur kvinnor och män ser på sitt arbete. Gavious et al. (2012) menar att kvinnor ofta ser på arbetet som en källa till personlig utveckling och självuppfyllande, medan män är mer fokuserade på avancemang i karriären och ekonomisk kompensation. Detta resonemang stämmer överens med våra resultat och tyder på att en styrelse enbart av män kommer ha en större målinkongruens gentemot ägarna. En större andel kvinnliga ledamöter borde således minska målinkongruensen mellan styrelsen och ägare vilket i sin tur sänker användningen av resultatmanipulering. Gavious et al. (2012) kan visa på att redovisningskvalitén blir bättre vid en högre andel kvinnor i styrelser. Forskarna menar att det beror på den risk som är förknippad med manipulationen och kvinnors högre riskaversion. 90
Vid granskning av bolagens räkenskaper är det svårt att urskilja kassaflödespåverkande manipulation, det kan vara ett dåligt affärsbeslut snarare än ett aktivt försök att manipulera resultatet (Zang, 2012). Detta borde innebära att kvinnor i högre utsträckning undviker att använda redovisningsrelaterad manipulation vilket bidrar till en minskad risktagning och en högre redovisningskvalité. I vår bivariata analys förstärks den här tankegången då vi undersöker korrelationen mellan DA och Womanboard. Vi ser att det negativa sambandet är signifikant på 0,01 vilket förklarar att kvinnliga styrelseledamöter påverkar. Jämför vi med relationerna mellan variablerna för kassaflödespåverkande manipulation och andel kvinnor kan vi inte vara lika säkra på vår sak. Något signifikant samband kan inte ses mellan Womanboard och PROD vilket tyder på att kvinnor inte verkar minska denna typ av manipulering. Detta motsäger vad tabell (5.4) säger om variabeln. Tvetydigheten skapar alltså osäkerhet kring hur de kvinnliga ledamöterna påverkar den kassaflödespåverkande manipuleringen. En viktig aspekt att ta hänsyn till när de två metoderna jämförs är när i tiden de görs. För att använda sig av en kassaflödespåverkande manipulationsteknik krävs det att ledningen är ute i god tid före bokslutet och börjar överproducera eller bättra på försäljningssiffrorna med rabatter. Det tar helt enkelt längre tid för den här typen av manipulation att få effekt. Vilket i ett tidigt stadie skulle uppvisa ett starkare opportunistiskt beteende hos företagsledningen. Den redovisningsrelaterade manipulationen görs däremot i efterhand och i den utsträckning som behövs efter att företag redan vet hur resultatet för året blev. I resultatet ser vi att fler kvinnliga ledamöter leder till en statistiskt säkrare minskning av redovisningsrelaterade manipulation jämfört med den kassaflödespåverkande. En möjlig förklaring ges av Prospect theory och risken som är förknippad med de olika metoderna. Den redovisningsrelaterade metoden innebär förändringar i redovisningen och kommer innebära större risk att en revisor börjar ställa frågor kring en aggressiv redovisningsmetod än ett onormalt lagervärde. En onormalt stor ökning av lager ser antagligen ut som dålig planering snarare än att ledningen försöker dra ner kostnaden per tillverkad produkt och därmed dra upp försäljningsmarginaler. Detta borde innebära att kvinnliga ledamöter som är mer riskaversiva kommer försöka undvika den redovisningsrelaterade resultatmanipulationen i större utsträckning än den kassaflödespåverkande. 91
6.3. Interaktionseffekten Hypotes 3: Andelen kvinnliga styrelseledamöter påverkar inflytandet som analytikernas prognoser har på resultatmanipulering negativt i svenska börsbolag. Vår tredje hypotes är till viss del sammanflätad med hypotes 1 och 2 och samma argument ligger till grund för denna hypotes. Eftersom effekten kvinnliga styrelseledamöter och analytikernas förväntningar har på resultatmanipulering är märkbar, ämnar vi undersöka huruvida det finns en interaktionseffekt mellan andelen kvinnliga ledamöter och avvikelser från analytikernas prognoser i vår tredje hypotes. Interaktionsvariabeln visade ett signifikant positivt förhållande i hänsyn till våra mått för resultatmanipulering. Vi kan då tolka att andelen kvinnor i styrelsen påverkar inflytandet analytikers prognoser har på mängden resultatmanipulering i ett företag. - Vi kan därför acceptera hypotes 3. Denna effekt kan relateras till diskussionerna om analytikernas förväntningar och deras påverkan på hur företag använder sig av resultatmanipulation (Roychowdhury, 2006; Athanasakou et al., 2009; Gunny, 2010). Vi kan även konstatera att styrelsesammansättningen med fokus på de kvinnliga styrelseledamöterna även har en påverkan på hur ett bolag väljer att manipulera sina resultat. Genom att titta på interaktionseffekten kan vi utläsa hur faktorerna påverkar varandra. I vår studie framkom det att en högre andel kvinnliga styrelseledamöter hade en minskande effekt på hur ett bolag ser på analytikernas prognoser. Vi argumenterar för att en styrelse har en tendens att hellre avvika från marknadens förväntningar om styrelsen består av en stor andel kvinnor. Vi menar att denna effekt till viss del kan förklaras av målinkongruensen som kommer från Agentteorin. Den klassiska målinkongruensen är att de finansiella mål som företaget har, inte sammanfaller med agentens (företagsledningens) finansiella mål (Jensen & Meckling, 1976). Om målkongruensen innebär att hålla företaget i linje med analytikernas prognoser, leder den till att företagsledningen får en ekonomisk bonus. Då borde alla företagsledningar vilja uppnå målen vilket kan göras genom att resultatmanipulering. 92
Vi ser dock att när styrelsen (principalen) till större andel består av kvinnor kommer företagens resultatmål inte vara lika influerade av analytikernas prognoser. Detta medför att kraven från styrelsen inte kommer utgå ifrån analytikernas prognoser i samma utsträckning. Vi menar då att målkongruens inte kommer uppnås genom att hamna i linje med analytikerna, utan genom andra mål som styrelsen anser viktigare. Det kan vara expansionsmål, redovisningskvalité, effektivitetsmål eller att skapa en mer skalbar organisation. En annan förklaring till det skilda beteendet kvinnliga styrelseledamöter uppvisar kan påstås vara risktagande. Detta kan förklara varför kvinnliga ledamöter i högre utsträckning vill undvika att begå oetiska handlingar. Vi kan då dra slutsatsen att kvinnor i allmänhet anser det vara viktigare att företaget tar etiska beslut snarare än att bibehålla aktiekursen i det korta perspektivet. En invändning kan vara att det inte alls har med kvinnors generellt högre riskaversion att göra, utan att kvinnor helt enkelt inte påverkas lika mycket av marknadens förväntningar. Dock visar forskare som Kirschenheiter och Melumad, (2002); Zang (2012); Arun et al. (2015) att resultatmanipulering anses som en risk. Upptäcker marknaden att företaget manipulerat sitt resultat kommer den reagera med en osäkerhet kring hur det faktiskt ser ut i bolaget. Risken att det opportunistiska beteendet avslöjas, påverkar kvinnor mer än sina manliga kollegor vilket skulle ligga i linje med Gavious et al. (2012); Lakhal et al. (2015) forskning. Hur styrelsen agerar när olika resultatmål bestäms påverkas av marknadens förväntning. Vi argumenterar för att den även påverkas av styrelsesammansättningen. Detta förhållande skulle kunna förklaras genom den effekt som vi ser i den multivariata analysen (5.4) som visar ett positivt samband mellan interaktionseffekten och godtyckliga periodiseringar. Vidare i diagram (5.5) kan vi se att interaktionseffekten avtar när andelen kvinnor uppnår ungefär 40 %. Det verkar som att det inte spelar någon roll om styrelsen består av 45 % eller 100 % kvinnor. Efter cirka 40 % kvinnliga styrelseledamöter försvinner den interaktionseffekt som variabeln har på avvikelser från analytikernas prognoser. Effekten kvinnliga styrelseledamöter och avvikelser från analytikerestimat påverkar fortfarande graden av resultatmanipulering, men de påverkar inte varandra längre. En förklaring till detta kan vara att det kvinnliga sättet att tänka vid denna punkt influerar styrelsen i tillräckligt stor utsträckning. Den tidigare minoritetsgruppen: kvinnliga styrelseledamöter övergår till att skapa en balanserad gruppdynamik i styrelsen likt Kanter (1977) argument för teorin Critical Mass. 93
De olika aspekterna som vi vill framföra med denna diskussion anser vi svara på studiens syfte. Att förklara hur analytikers prognoser och andelen kvinnliga styrelseledamöter påverkar resultatmanipuleringen i svenska börsbolag. Genom att först detektera resultatmanipulering och bryta ner detta begrepp i redovisningsrelaterad och kassaflödespåverkande manipulering kunde vi konstatera att förekomsten är utbredd i svenska bolag. Vår tes var att bolag tillämpar olika typer av resultatmanipulering för att nå marknadens förväntningar, vilket stärks med hjälp av denna studie. Vi kunde även konstatera genom att studera det modererande sambandet att styrelsesammansättningen hade en påverkande effekt på hur företag agerar efter marknadens förväntningar. 94
7. Slutsats och implikationer En kvantitativ tvärsnittsstudie över paneldata har genomförts på en femårsperiod (2012 2016) för att påträffa resultatmanipulering. OLS-regressioner baserade på olika manipulering modeller har använts för att finna samband mellan företags styrelsesammansättning samt avvikelser från analytikers estimat och resultatmanipulering. Urvalet består av 1926 unika bolags observationer noterade på Stockholmsbörsen. Resultat kan fastställas att andelen kvinnliga styrelseledamöter har en negativ påverkan på mängden resultatmanipulering. Likaså har företag som ligger i linje eller närmar sig analytikers prognoser tendens att praktisera en högre grad av resultatmanipulering. 7.1. Slutsats Vårt syfte med studien var att förklara hur analytikers prognoser och andelen kvinnliga styrelseledamöter påverkar resultatmanipuleringen i svenska börsbolag. Studiens resultat visar att företagsledningar manipulerar sina resultat genom sin redovisning och via agerande som har direkt påverkan på företagens kassaflöden. Vi väljer därför att skilja på resultatmanipulering i två olika kategorier; redovisningsrelaterad- och kassaflödespåverkande manipulation. Våra resultat visar att vi med större statistisk säkerhet kan förklara förekomsten av redovisningsrelaterad manipulation bättre än kassaflödespåverkande manipulation i svenska börsbolag. Vi finner att företagsledningar tillämpar redovisningsrelaterad manipulation genom godtyckliga periodiseringar för att bemöta marknadens förväntningar. Vi kan även konstatera att detta görs genom kassaflödespåverkande manipulation såsom överproduktion och försäljningsmanipulation. Studien visar även att andelen kvinnliga styrelseledamöter har en minskande effekt på företagens användning av resultatmanipulering. Genom våra resultat kan vi se att företag med hög andel av kvinnliga styrelseledamöter visa lägre nivåer av resultatmanipulering, både redovisningsrelaterad och kassaflödespåverkande manipulation. 95
Resultaten tyder på att företagsledningar inte föredrar en sorts manipulering framför den andra när det kommer till att bemöta analytikernas prognoser. Dock kan vi se en skillnad i hur väl våra variabler förklarar resultatmanipulering med de olika kassaflödespåverkande metoderna. Resultaten visar att våra variabler bättre förutsäger manipulation genom modellen för överproduktion framför modellen för försäljningsmanipulation. Överproduktion används för att sänka kostnader för sålda varor medan försäljningsmanipulation används främst för att öka kassaflödet via realisationer och erbjudanden. Studien visar även att det finns en interaktionseffekt mellan kvinnliga styrelseledamöter och hur analytikernas prognoser påverkar ett bolags tillämpande av resultatmanipulering. Det betyder att kvinnliga styrelseledamöter minskar effekten som analytikernas prognoser tenderar att ha på användningen av resultatmanipulering. Resultatet är extra tydligt i den redovisningsrelaterade resultatmanipuleringen, vilket har en märkbar effekt fram tills andelen kvinnliga styrelseledamöter överstiger 40 %. Detta skiljer sig från resultatmanipulation via försäljningsmanipulation och överproduktion då resultaten endast finner en märkbar effekt fram till andelen 10 % kvinnliga styrelseledamöter. Företagsledningens val att använda resultatmanipulering påverkas av analytikernas prognoser och skickar signaler till marknaden. Resultaten i vår studie stämmer överens med PAT, Agentteorin och Prospect theory, då vi kan se att företagsledare visar en stark vilja att rapportera ett resultat som är i linje med prognoserna för att på så sätt möta externa förväntningar (Watts & Zimmerman, 1978; Kahneman & Tversky, 1979; Gunny, 2010). En konsekvens av att inte bemöta förväntningar är den potentiella risken att chocka en annars stabil marknad med ett sämre redovisat resultat än väntat. Kontentan är att företag har en stark vilja att med hjälp av resultatmanipulering nå analytikernas prognoser. Därmed blir resultatmanipulation ett naturligt sätt att hålla ett lugn på marknaden gentemot aktieägare och intressenter. Med hjälp av studiens resultat kan vi konstatera att styrelsesammansättningen påverkar mängden resultatmanipulering som ett företag använder. Då en diversifierad styrelse med en hög andel kvinnliga styrelseledamöter ger upphov till en minskad benägenhet att tillämpa resultatmanipulering. Detta förklaras av att kvinnliga styrelseledamöter förändrar styrelsens gruppdynamik (Kanter, 1977; Nielsen & Huse, 2010) samt generella synsätt på risktagning, 96
till att bli mer restriktiv. Vilket får en påverkande effekt på styrelsens beslutsfattande. En vidareutveckling kan vara att en styrelse med hög andel kvinnor tilldelar mer återhållsamma direktiv om resultatmanipulering till företagsledningen. Utifrån styrelsesammansättningen kan vi även konstatera att kvinnliga styrelseledamöter har en minskande effekt på hur ett företag ser på externa förväntningar, vilket i vår studie definieras i form av analytikers prognoser. Att denna effekt var mer påtaglig i våra resultat för redovisningsrelaterad manipulation kan förklaras av att beslut om periodiseringar tas i efterhand. Användningen av redovisningsrelaterad manipulation borde då framhäva mer relevans och minska informationsasymmetrin i de finansiella rapporterna. Att resultaten i studien skiljer sig åt mellan kassaflödespåverkande och redovisningsrelaterad manipulation kan förklaras av när i tiden besluten tas. Vi kan se att kassaflödespåverkande manipulation kräver mer framförhållning och tar längre tid innan de får någon effekt. Detta borde därför ses som ett mer omfattande beslut för en företagsledning att ta. Till skillnad från redovisningsrelaterad manipulation som kan justera resultatet i efterhand och i den utsträckning som behövs. På så sätt ställs företagsledning inför ett enklare beslut vilket borde vara lättare att tillämpa i praktiken. Studiens grundantagande är att få kvinnliga styrelseledamöter och små avvikelser från prognoser innebär hög användning av resultatmanipulering. Utgår vi från att detta grundantagande är sant så kan vi dra ytterligare slutsatser om de olika modellerna. Skillnaden mellan kassaflödespåverkande och redovisningsrelaterad manipulation kan då förklaras av att the Modified Jones model är en bättre modell för att beräkna resultatmanipulering. Medan modellerna för Overproduction och Sales manipulation inte lyckas fånga manipulering av resultat i lika stor utsträckning. 7.2. Teoretiska implikationer På ett teoretiskt plan bidrar den här studien till en utvidgad kunskap kring resultatmanipuleringens roll inom bolagsstyrningen och vad som påverkar den. Tidigare studier har främst studerat hur enskilda faktorer påverkar manipuleringen av resultat (till exempel: Athanasakou et al., 2009; Gunny, 2010; Lakhal et al., 2015). Även, vi undersöker i hur enskilda faktorer (en hög andel kvinnliga styrelseledamöter och avvikelser från 97
analytikers prognoser) påverkar resultatmanipulering vilket ger en liknande bild som tidigare forskare (Athanasakou et al., 2009; Gavious et al., 2012). Resultaten tyder också på att olika redovisningsregelverk inte tycks påverka hur detta samband ser ut. Svenska företag under IFRS påverkas av de enskilda faktorerna på ett liknande sätt som amerikanska bolag som tillämpar US GAAP. Vi har i denna studie också förklarat hur två enskilda faktorer påverkar varandra, vilket skiljer sig från den tidigare forskningen (Roychowdhury, 2006; Zang, 2012; Arun et al., 2015). Studien skapar ett teoretiskt bidrag då vi kan visa att andelen kvinnliga ledamöter sänker inverkan som analytikernas prognoser har på företagens resultatmanipulering. Studien utökar därav förståelsen kring hur faktorer påverkar resultatmanipuleringen när inverkan från andra faktorer tas i beaktning. Faktorerna har inte bara en direkt påverkan utan även en indirekt effekt på varandra. Denna insikt ger betydelsefulla implikationer för vidare forskning i ämnet, eftersom den direkta effekten, som till exempel kvinnliga styrelseledamöter har, inte nödvändigtvis är den enda. Framtida forskning kommer således behöva ta den här potentiella indirekta effekten i beaktande. Visar deras resultat att en viss faktor har en direkt påverkan på resultatmanipulering, måste de överväga huruvida den har en inverkan på andra faktorer. De måste även fundera över vilka andra faktorer som påverkar den. Vidare har studien använt olika typer av modeller för att beräkna resultatmanipulering och kan därför kommentera vad tidigare forskare sagt om dessa. Våra resultat styrker tidigare forskares uttalande om att the Modified Jones model är en användbar metod för att beräkna resultatmanipulering (Dechow et al., 1995; McNichols, 2001; Zang, 2012). Vidare styrker även våra resultat tidigare forskares tveksamheter kring Sales manipulation som beräkningsmetod av resultatmanipulering (Roychowdhury, 2006; Zang, 2012). Som vi väntade oss var det denna metod som gav oss de mest tveksamma resultaten. En metodologisk implikation skapas då studien tyder på att efterföljande forskare bör undvika att använda denna mätmetod. 98
7.3. Praktiska implikationer Denna studie har kunnat påvisa att kvinnliga styrelseledamöter förändrar i vilken utsträckning analytikernas prognoser påverkar en företagslednings tillämpning av resultatmanipulering. Detta ökar samhällets ackumulerade kunskap om de positiva effekterna diversifierade styrelser har. Vår studie styrker tesen om att en mer diversifierad styrelse är bättre än en homogen när det kommer till att minimera användningen av både redovisningsrelaterad och kassaflödespåverkande manipulation. Vilket vi menar ger praktiskt relevans då samhällsdebattörer och lagstiftare får ännu ett argument för en lagstiftning om en förutbestämd nivå av kvinnor i styrelser. Praktiskt bidrar studien till att visa företagsledningars redovisningsbeteende och hur de använder manipulation för att öka alternativ minska sina resultat. Investerare kan använda denna insikt för att än mer kritiskt kunna granska de finansiella rapporterna som ges ut. En förståelse för de underliggande beteendena som ligger till grund för rapporterna kan hjälpa investerare och andra intressenter att mer effektivt fördela sitt kapital mellan bolag. En fullständig förståelse av de underliggande beteendena kan även hjälpa standardsättare i lagstiftning för att öka relevansen i de finansiella rapporterna. Det kan även hjälpa standardsättare att fundera över för- och nackdelar med regelbaserade regelverk inom redovisningen. Det finns tydliga nackdelar då ett regelbaserat regelverk kan bakbinda företagsledningar och hindra dem att leverera den mest relevanta informationen (Mian & Smith, 1990). Vår studie tyder på att de principbaserade regelverken skapar stora möjligheter att manipulera resultaten eftersom stort utrymme ges till subjektiva bedömningar med det principbaserade IFRS regelverket. Studien visar att resultatmanipulering sker i hög utsträckning vilket gör det svårt för intressenter att förstå hur det faktiskt ser ut i bolagen. Studien visar därmed på praktisk relevans för standardsättare att vidare överväga balansen mellan princip och regelbaserade regelverk. Kanske borde kraftfullare regler mot manipulering införas för att ge en mer rättvisande bild av bolagen. Mer allmängiltiga regler för resultatmanipulering skulle kunna tydliggöra redovisningen gentemot intressenter och minska informationsasymmetrin. 99
Vidare ökar studien förståelsen kring vilka faktorer som påverkar styrelsen när direktiv om resultatmål ges till en företagsledning. Vi kan även tyda att utformningen av belöningssystem kan skicka tydliga signaler mellan en styrelse och företagsledning. Studiens resultat tyder på att en styrelse med en övertygande hög andel manliga styrelseledamöter värdesätter ett prestationsmål kopplat till aktiekursen eller analytikernas förväntningar. En diversifierad styrelse fokuserar mer på bolagets prestation. Denna kunskap kan vara av praktisk relevans för ägare och intressenter när bolagsstämman ska avgöra hur styrelsen ska utses. 7.4. Förslag till framtida forskning Resultatmanipulering är ett vida studerat område som dock fortfarande lämnar utrymme för vidare forskning. Ett förslag på detta är att utföra fler studier på interaktionseffekter. Efter att vi i denna studie kunnat bevisa att interaktionseffekten existerar mellan andelen kvinnliga ledamöter och analytikernas prognoser hade det varit intressant att se vilka andra faktorer som påverkar varandra. En studie som undersöker vanligt förekommande faktorer i tidigare forskning och sedan granska hur dessa förändrar varandras påverkan på resultatmanipulering. Framför allt borde mer forskning genomföras kring vilken interaktionseffekt som kvinnliga styrelseledamöter eller kvinnor i företagsledande positioner har på diverse faktorer. Detta för att bättre förstå i vilken utsträckning som det påverkar resultatmanipuleringen i Sverige. Det hade även varit intressant att se huruvida samma resultat kommer upptäckas i andra länder. Ett alternativ till vidare forskning i ämnet är således att undersöka den modererande effekt som andelen kvinnliga ledamöter har på analytikers prognoser i fler länder. Förslagsvis kan en jämförande studie göras i övriga nordiska länder som har liknande regelverk och företagskulturer. Detta bör resultera i liknande förhållanden och underlätta jämförelsen. Ytterligare ett förslag på vidare forskning i ämnet hade varit att förlänga tidsperioden som undersöks. På så sätt hade det gått att undersöka hur finanskrisen förändrade företags användning av resultatmanipulering. Det hade även varit intressant att undersöka huruvida kvinnliga ledamöter även i en period av kris kommer ha en negativ effekt. Eller kommer risken som en finanskris innebär eliminera denna effekt? 100
En idé för vidare forskning hittade vi i urvalet. Vi har använt ett urval där medelvärdet av andel kvinnliga styrelseledamöter har stigit med nästan 10 %-enheter mellan 2011 2016. Det hade varit intressant att undersöka vad ökningen kan bero på. Kan en sådan ökning beror på liknande positiva effekter av diversifierade styrelser som vi i denna studie har belyst? Eller är detta en effekt av att marknaden är rädd för vad en plötslig lagförändring kring diversifierade styrelser skulle innebära? 101
8. Referenser ADAMS, R. B. & FERREIRA, D. 2009. Women in the boardroom and their impact on governance and performance. Journal of financial economics, 94, 291-309. AHERN, K. R. & DITTMAR, A. K. 2012. The changing of the boards: The impact on firm valuation of mandated female board representation. The Quarterly Journal of Economics, 127, 137-197. ALEXANDER, D., BRITTON, A. & JORISSEN, A. 2007. International financial reporting and analysis, Cengage Learning EMEA. ANDERSSON, G., JORNER, U. & ÅGREN, A. 2007. Regressions- och tidsserieanalys, Lund, Studentlitteratur. ARUN, T. G., ALMAHROG, Y. E. & ARIBI, Z. A. 2015. Female directors and earnings management: Evidence from UK companies. International Review of Financial Analysis, 39, 137-146. ATHANASAKOU, V. E., STRONG, N. C. & WALKER, M. 2009. Earnings management or forecast guidance to meet analyst expectations? Accounting and Business Research, 39, 3-35. BAGNOLI, M. & WATTS, S. G. 2000. Chasing hot funds: The effects of relative performance on portfolio choice. Financial Management, 31-50. BARTOV, E., GIVOLY, D. & HAYN, C. 2002. The rewards to meeting or beating earnings expectations. Journal of accounting and economics, 33, 173-204. BARTOV, E., GUL, F. A. & TSUI, J. S. 2000. Discretionary-accruals models and audit qualifications. Journal of accounting and economics, 30, 421-452. BARUA, A., DAVIDSON, L. F., RAMA, D. V. & THIRUVADI, S. 2010. CFO gender and accruals quality. Accounting Horizons, 24, 25-39. BENEISH, M. D. 2001. Earnings management: A perspective. Managerial Finance, 27, 3-17. BILINSKI, P., LYSSIMACHOU, D. & WALKER, M. 2012. Target price accuracy: International evidence. The Accounting Review, 88, 825-851. BONINI, S., ZANETTI, L., BIANCHINI, R. & SALVI, A. 2010. Target price accuracy in equity research. Journal of Business Finance & Accounting, 37, 1177-1217. BRADSHAW, M. T., BROWN, L. D. & HUANG, K. 2013. Do sell-side analysts exhibit differential target price forecasting ability? Review of Accounting Studies, 18, 930-955. BROOKS, C. 2014. Introductory econometrics for finance, Cambridge university press. BROWN, L. D. & CAYLOR, M. L. 2005. A Temporal Analysis of Quarterly Earnings Thresholds: Propensities and Valuation Consequences. Accounting Review, 80, 423-440. BRYMAN, A. & BELL, E. 2013. Företagsekonomiska forskningsmetoder, Stockholm, Liber. BRYMAN, A. & BELL, E. 2015. Business research methods, Oxford University Press, USA. BØHREN, Ø. & STAUBO, S. 2014. Does mandatory gender balance work? Changing organizational form to avoid board upheaval. Journal of Corporate Finance, 28, 152-168. CALLAO, S., FERRER, C., JARNE, J. I. & LAÍNEZ, J. A. 2009. The impact of IFRS on the European Union. Journal of Applied Accounting Research, 10, 33-55. CARTER, D. A., SIMKINS, B. J. & SIMPSON, W. G. 2003. Corporate Governance, Board Diversity, and Firm Value. Financial Review, 38, 33-53. 102
CHEN, L. H. 2013. Income smoothing, information uncertainty, stock returns, and cost of equity. Review of Pacific Basin Financial Markets and Policies, 16, 1350020. COHEN, D. A. & ZAROWIN, P. 2010. Accrual-based and real earnings management activities around seasoned equity offerings. Journal of Accounting and Economics, 50, 2-19. COLLIN, S.-O. Y., GUSTAFSSON, L., PETERSSON, E. & SMITH, E. 2014. Options Are a CEO's Best Friend: Executive Compensation in Swedish Listed Corporations. IUP Journal of Corporate Governance, 13, 40-71. COLLINS, D. W., PUNGALIYA, R. S. & VIJH, A. M. 2012. The effects of firm growth and model specification choices on tests of earnings management in quarterly settings. The Accounting Review. DEANGELO, L. E. 1986. Accounting numbers as market valuation substitutes: A study of management buyouts of public stockholders. Accounting Review, 400-420. DECHOW, P. M. & DICHEV, I. D. 2002. The quality of accruals and earnings: The role of accrual estimation errors. The accounting review, 77, 35-59. DECHOW, P. M., HUTTON, A. P., KIM, J. H. & SLOAN, R. G. 2012. Detecting earnings management: A new approach. Journal of Accounting Research, 50, 275-334. DECHOW, P. M., SLOAN, R. G. & SWEENEY, A. P. 1995. Detecting earnings management. Accounting review, 193-225. DEEGAN, C. & UNERMAN, J. 2011. Financial accounting theory, Maidenhead, Mc Graw- Hill Education. DEFOND, M. L. & JIAMBALVO, J. 1994. Debt covenant violation and manipulation of accruals. Journal of accounting and economics, 17, 145-176. DEGEORGE, F., PATEL, J. & ZECKHAUSER, R. 1999. Earnings Management to Exceed Thresholds. Journal of Business, 72, 1-33. DESVAUX, G., DEVILLARD-HOELLINGER, S. & BAUMGARTEN, P. 2007. Women matter: Gender diversity, a corporate performance driver, McKinsey. DICHEV, I. D., GRAHAM, J. R., HARVEY, C. R. & RAJGOPAL, S. 2013. Earnings quality: Evidence from the field. Journal of Accounting and Economics, 56, 1-33. FRIEDMAN, M. 1953. Essays in positive economics, University of Chicago Press. FRISTEDT, D., LARSSON, Å. & SUNDQVIST, S.-I. 2010. Styrelser och revisorer i Sveriges börsföretag. 2010-2011, Stockholm, SIS Ägarservice. FRISTEDT, D., LARSSON, Å. & SUNDQVIST, S.-I. 2011. Styrelser och revisorer i Sveriges börsföretag. 2011-2012, Stockholm, SIS Ägarservice. FRISTEDT, D., LARSSON, Å. & SUNDQVIST, S.-I. 2012. Styrelser och revisorer i Sveriges börsföretag. 2012-2013, Stockholm, SIS Ägarservice. FRISTEDT, D., LARSSON, Å. & SUNDQVIST, S.-I. 2013. Styrelser och revisorer i Sveriges börsföretag. 2013-2014, Stockholm, SIS Ägarservice. FRISTEDT, D., LARSSON, Å. & SUNDQVIST, S.-I. 2014. Styrelser och revisorer i Sveriges börsföretag. 2014-2015, Stockholm, SIS Ägarservice. GAVIOUS, I., SEGEV, E. & YOSEF, R. 2012. Female directors and earnings management in high-technology firms. Pacific Accounting Review (Emerald Group Publishing Limited), 24, 4-32. GLEASON, C. A., BRUCE JOHNSON, W. & LI, H. 2013. Valuation model use and the price target performance of sell-side equity analysts. Contemporary Accounting Research, 30, 80-115. GRAHAM, J. R., HARVEY, C. R. & RAJGOPAL, S. 2005. The economic implications of corporate financial reporting. Journal of accounting and economics, 40, 3-73. 103
GRANOVETTER, M. 1978. Threshold models of collective behavior. American journal of sociology, 83, 1420-1443. GUAN, L., POURJALALI, H., SENGUPTA, P. & TERUYA, J. 2005. Effect of cultural environment on earnings manipulation: A five Asia-Pacific country analysis. Multinational Business Review, 13, 23-41. GUL, F. A., FUNG, S. Y. K. & JAGGI, B. 2009. Earnings quality: Some evidence on the role of auditor tenure and auditors industry expertise. Journal of Accounting and Economics, 47, 265-287. GUNNY, K. A. 2010. The relation between earnings management using real activities manipulation and future performance: Evidence from meeting earnings benchmarks. Contemporary Accounting Research, 27, 855-888. HAIR, J. F. 2010. Multivariate data analysis : a global perspective, Upper Saddle River, N.J., Pearson Education. HAN, S., KANG, T., SALTER, S. & YOO, Y. K. 2010. A cross-country study on the effects of national culture on earnings management. Journal of International Business Studies, 41, 123-141. HAZARIKA, S., KARPOFF, J. M. & NAHATA, R. 2012. Internal corporate governance, CEO turnover, and earnings management. Journal of Financial Economics, 104, 44-69. HEALY, P. M. 1985. THE EFFECT OF BONUS SCHEMES ON ACCOUNTING DECISIONS. Journal of Accounting & Economics, 7, 85-107. HEALY, P. M. & PALEPU, K. G. 2001. Information asymmetry, corporate disclosure, and the capital markets: A review of the empirical disclosure literature. Journal of accounting and economics, 31, 405-440. HEALY, P. M. & WAHLEN, J. M. 1999. A Review of the Earnings Management Literature and Its Implications for Standard Setting. Accounting Horizons, 13, 365-383. HRIBAR, P. & COLLINS, D. W. 2002. Errors in Estimating Accruals: Implications for Empirical Research. Journal of Accounting Research, 40, 105-134. JENSEN, M. C. & MECKLING, W. H. 1976. Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of financial economics, 3, 305-360. JIRAPORN, P., MILLER, G. A., YOON, S. S. & KIM, Y. S. 2008. Is earnings management opportunistic or beneficial? An agency theory perspective. International Review of Financial Analysis, 17, 622-634. JONES, J. J. 1991. Earnings management during import relief investigations. Journal of accounting research, 193-228. KAHNEMAN, D. & TVERSKY, A. 1979. Prospect theory: An analysis of decision under risk. Econometrica: Journal of the econometric society, 263-291. KANTER, R. M. 1977. Some effects of proportions on group life: Skewed sex ratios and responses to token women. American journal of Sociology, 82, 965-990. KIRSCHENHEITER, M. & MELUMAD, N. D. 2002. Can Big Bath and Earnings Smoothing Co-exist as Equilibrium Financial Reporting Strategies? Journal of Accounting Research, 40, 761-796. KONRAD, A. M., KRAMER, V. & ERKUT, S. 2008. Critical Mass:: The Impact of Three or More Women on Corporate Boards. Organizational Dynamics, 37, 145-164. KOTHARI, S. P., LEONE, A. J. & WASLEY, C. E. 2005. Performance matched discretionary accrual measures. Journal of Accounting and Economics, 39, 163-197. KRAMER, V. W., KONRAD, A. M., ERKUT, S. & HOOPER, M. J. 2006. Critical mass on corporate boards: Why three or more women enhance governance, Wellesley Centers for Women Boston. 104
KRAUSE, R., WHITLER, K. A. & SEMADENI, M. 2014. Power to the principals! An experimental look at shareholder say-on-pay voting. Academy of Management Journal, 57, 94-115. KRISTIE, J. 2011. The power of three. Director Boards, 35, 22-32. KUANG, Y. F., QIN, B. & WIELHOUWER, J. L. 2014. CEO origin and accrual-based earnings management. Accounting Horizons, 28, 605-626. LAKHAL, F., AGUIR, A., LAKHAL, N. & MALEK, A. 2015. Do women on boards and in top management reduce earnings management? Evidence in France. Journal of Applied Business Research, 31, 1107. LEVITT JR, A. 1998. The numbers game. The CPA Journal, 68, 14. MALLIN, C. A. 2007. Corporate governance, Oxford, Oxford University Press. MATSUNAGA, S. R. & PARK, C. W. 2001. The effect of missing a quarterly earnings benchmark on the CEO's annual bonus. The Accounting Review, 76, 313-332. MCNICHOLS, M. F. 2001. Research design issues in earnings management studies. Journal of accounting and public policy, 19, 313-345. MIAN, S. L. & SMITH, C. W. 1990. Incentives associated with changes in consolidated reporting requirements. Journal of Accounting and Economics, 13, 249-266. MILLIKEN, F. J. & MARTINS, L. L. 1996. Searching for common threads: Understanding the multiple effects of diversity in organizational groups. Academy of management review, 21, 402-433. NIELSEN, S. & HUSE, M. 2010. Women directors' contribution to board decision-making and strategic involvement: The role of equality perception. European Management Review, 7, 16-29. PEASNELL, K. V., POPE, P. F. & YOUNG, S. 2000. Detecting earnings management using cross-sectional abnormal accruals models. Accounting & Business Research (Wolters Kluwer UK), 30, 313-326. RONEN, J. & YAARI, V. 2008. Earnings management, Springer. ROYCHOWDHURY, S. 2006. Earnings management through real activities manipulation. Journal of Accounting & Economics, 42, 335-370. SÁNCHEZ-BALLESTA, J. P. & GARCÍA-MECA, E. 2007. Ownership structure, discretionary accruals and the informativeness of earnings. Corporate Governance: An International Review, 15, 677-691. STOLOWY, H. & BRETON, G. 2004. Accounts manipulation: A literature review and proposed conceptual framework. Review of Accounting and Finance, 3, 5-92. STUBBEN, S. R. 2010. Discretionary Revenues as a Measure of Earnings Management. Accounting Review, 85, 695-717. STUDENMUND, A. H. 2006. Using econometrics : a practical guide, Boston, Mass., Addison Wesley. SUN, J., LIU, G. & LAN, G. 2011. Does Female Directorship on Independent Audit Committees Constrain Earnings Management? Journal of Business Ethics, 99, 369-382. SUN, L. & RATH, S. 2009. An empirical analysis of earnings management in Australia. International Journal of Human and Social Sciences, 4, 1069-1085. TAJFEL, H. 1981. Human groups and social categories: Studies in social psychology, CUP Archive. TEOH, S. H., WELCH, I. & WONG, T. J. 1998. Earnings management and the underperformance of seasoned equity offerings. Journal of Financial economics, 50, 63-99. 105
VALENTI, A. 2008. The Sarbanes-Oxley Act of 2002: has it brought about changes in the boards of large US corporations? Journal of Business Ethics, 81, 401-412. WATSON, W. E., KUMAR, K. & MICHAELSEN, L. K. 1993. Cultural diversity's impact on interaction process and performance: Comparing homogeneous and diverse task groups. Academy of management journal, 36, 590-602. WATTS, R. L. & ZIMMERMAN, J. L. 1978. Towards a positive theory of the determination of accounting standards. Accounting review, 112-134. WATTS, R. L. & ZIMMERMAN, J. L. 1986. Positive Accounting Theory, Prentice-Hall. WATTS, R. L. & ZIMMERMAN, J. L. 1990. Positive Accounting Theory: A Ten Year Perspective. Accounting Review, 65, 131-156. ZANG, A. Y. 2012. Evidence on the Trade-Off between Real Activities Manipulation and Accrual-Based Earnings Management. Accounting Review, 87, 675-703. 106
9. Appendix 9.1. Appendix 1 Redovisningsrelaterad resultatmanipulering I tabell (9.1) visas medelvärdet på de beräknade koefficienterna över tidsintervallet 2012 2016. Koefficienterna som beräknas genom The Modified Jones Model används sedan för att räkna ut normala och icke normala nivåer av periodiseringar. De olika komponenterna används för att räkna ut de godtyckliga periodiseringarna som indikerar resultatmanipulering. Urvalet bestod av 923 observationer, efter eliminering av dubbla företag, samt finans och försäkringsbolag. Företagen som saknade rapporterade variabler, nödvändiga för att använda The Modified Jones model sorterades bort likaså för vidare urval se avsnitt (4.9.). Regressionen kördes årsvis och indelad i branscher för att få ett mer specifikt värde på koefficienterna likt Dechow et al. (1995); McNichols, (2001); Roychowdhury, (2006); Zang, (2012). Beta värdena är statistiskt säkerställda och signifikanta på 1 % nivån. Modellens förklaringsgrad är 71,2 % genom ANOVA tabellens justerade R 2 värde. Ett Durbin Watson test gjordes för att upptäcka autokorrelation, ett resultat under 2 anses enligt Gunny (2010) vara accepterad för redovisningsrelaterad resultatmanipulering. Vi kan då på ett statiskt sätt säkerställa modellen för låg risk av autokorrelation med ett Durbin Watson tal nära 2. Varians inflations faktorn (VIF) indikerar ingen förekomst av multikollinearitet i modellen. 107
Tabell 9.1: Beroende variabel: TA / A t-1 Parameter Modified Jones Model (Eq. 5) Medel VIF Intercept 0,000003*** ( 3,6472E-7) 1/A t-1-1,685871*** (0,0359) 0,000002 (0,000009) 1,008 (DREV-DREC)/A t-1 0,000008*** (6,2927E-7) 0,106671 (0,500800) -0,000002*** 0,193521 PPE/A t-1 (7,9829E-7) (0,393906) Justerat R 2 0,712 F:759,044 Anova sign. <1% Durbin Watson 1,851 N 923 1,007 1,003 P-värde: *** Signifikans <0,01, ** Signifikans < 0,05, * Signifikans < 0,1 (två-sidig). Talen i parentes är standardfelen för koefficienten. Urvalet består av 923 stycken observationer. Koefficienterna är estimerade genom OLS regressioner som körs på varje branch-år under åren 2012 2016. Följande regression är genomförd och presenterade i tabellen: NDA= α (1/A t-1 ) + α 2 (ΔREV t - REC t /A t-1 ) + α 3 (PPE t /A t-1 ) (10) Kassaflödespåverkande resultatmanipulering Beräknande koefficienter för kassaflödespåverkande modeller för att detektera resultatmanipulering presenteras i Tabell (9.2). Modellerna är likt den redovisningsrelaterade manipuleringen beräknande genom OLS regressioner på varje bransch-år över perioden 2012 2016 med varierande delpopulationer beroende på tillgänglig data. Modellernas utformande kräver att ett visst empiriskt material säkerställs vilket har gjort att ett antal observationer har fallit bort. Urvalet som modellerna baseras på var 788 observationer för Overproduction och 919 observationer för Sales manipulation se avsnitt (4.9.). Koefficienterna som presenteras är medelvärdet på koefficienterna på hela vårt tillgängliga urval till den specifika modellen. Det justerade R 2 värdet som förklarar residualvariansen för modellerna är i linje med tidigare forskning (till exempel: Roychowdhury, 2006; Gunny, 2010; Zang, 2012) och innanför den accepterade gränsen för studier om kassaflödespåverkande resultatmanipulering enligt författarna. Förklaringsgraden (78,3 % respektive 82,0 %) är högre än i the Modified Jones model, men det behöver inte betyda att 108
modellerna är bättre på att detektera resultatmanipulering då de mäter olika faktorer som kan påverka. Koefficienterna i de två olika modellerna är till stor del signifikanta på 1 % nivån vilket säkerställer variablerna bärighet i modellen. Resultatet från Durbin Watson testet med två tal strax under 2 visar på att inget statiskt bevis finns för autokorrelation. Genom VIF testet kan vi även se på resultaten att koefficienterna avsaknar multikollinearitet. Tabell 9.2: Beroende variabel: PRODt / A t-1 CFO/ A t-1 Parameter Intercept Production Cost (Eq. 7) - 0,285 *** (0.038) Medel VIF CFO (Eq.8) 0,141*** (0,022) Medel VIF 1/A t-1-75929,0 *** (2139,052) 0,000002 (0,000009) 1,018-84702,4*** (1584,704) 0,000002 (0,000009) 1,019 SALES t /A t-1 0,807*** (0,028) 1,269915 (0,991622) 1,965 0,053*** (0,020) 1,257481 (0,963370) 1,825 DSALES t /A t-1-0,045 (0,042) 0,146080 (0,665760) 1,952 0,203*** (0,034) 0,133353 (0,623624) 1,812 DSALES t-1 /A t-1-0,102 0,075481 1,066 (0,094) (0,218693) Justerat R 2 0,783 0,820 Anova sign. <1% <1% Durbin Watson 1,842 1,803 N 788 919 P-värde: *** Signifikans <0,01, ** Signifikans < 0,05, * Signifikans < 0,1 (två-sidig). Talen i parentes är standardfelen för koefficienten. Urvalet består av 788 stycken respektive 919 stycken observationer beroende på modell. Koefficienterna är estimerade genom OLS regressioner som körs på varje branch-år under åren 2012 2016. Följande regressioner är genomförda och presenterade i tabellen: PROD t /A t1 = α + α 1 (1/A t-1 ) + α 2 (S t /A t-1 ) + α 3 (ΔS t1 /A t-1 ) + α 4 (ΔS t-1 /A t-1 ) + ε t (7) CFO t /A t-1 = α + α 1 (1/A t-1 ) + α 2 (S t /A t-1 ) + α 3 (ΔS/A t-1 ) + ε t (8) 109
9.2. Appendix 2 Normalfördelning av residualer Före Kvadrering Efter Kvadrering 110