“a game of nods and winks” - divalnu.diva-portal.org/smash/get/diva2:1104950/fulltext02.pdf ·...
TRANSCRIPT
“A Game of Nods and Winks” - Arthur Levitt, 1998
- En studie om faktorer som påverkar svenskabörsbolags 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 900506070 750 70 88
3
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.
4
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.
5
Innehållsförteckning 1. Inledning 8
1.1. Bakgrund ................................................................................................................................ 81.2. Problemdiskussion ................................................................................................................ 101.3. Syfte ...................................................................................................................................... 141.4. Disposition ............................................................................................................................ 15
2. Teoretisk referensram 172.1. Resultatmanipulering ........................................................................................................... 172.2. Godtyckliga periodiseringar ................................................................................................ 202.3. Kassaflödespåverkande aktiviteter ....................................................................................... 222.4. Positiv redovisningsteori (PAT) ........................................................................................... 232.5. Agentteorin ........................................................................................................................... 252.6. Prospect theory ..................................................................................................................... 272.7. Critical Mass theory ............................................................................................................. 292.8. Applicering av teoretisk referensram ................................................................................... 31
3. Hypotesformulering 333.1. Hypotes 1 .............................................................................................................................. 333.2. Hypotes 2 .............................................................................................................................. 353.3. Hypotes 3 .............................................................................................................................. 36
4. Metod 394.1. Teoretisk utgångspunkt och forskningsansats ...................................................................... 394.2. Tvärsnittsdesign .................................................................................................................... 404.3. Modeller för att mäta resultatmanipulering ......................................................................... 41
4.3.1. Redovisningsrelaterad manipulation ........................................................................... 414.3.2. Kassaflödespåverkande manipulering ......................................................................... 48
4.4. Operationalisering av variabler ........................................................................................... 504.4.1. Beroende variabel ........................................................................................................ 514.4.2. Oberoende variabler .................................................................................................... 524.4.3. Kontrollvariabler ......................................................................................................... 55
4.5. Datainsamling och urval ...................................................................................................... 584.6. Sekundärkällor ..................................................................................................................... 604.7. Applicering av tvärsnittsstudie ............................................................................................. 604.8. Branschindelning .................................................................................................................. 62
6
4.9. Bortfall och exkludering ....................................................................................................... 634.10. Statistisk kontroll .................................................................................................................. 65
5. Empiriskt resultat 685.1. Deskriptiv statistik ................................................................................................................ 685.2. Residualer som proxy för resultatmanipulering ................................................................... 705.3. Bivariat analys ..................................................................................................................... 715.4. Multivariat analys ................................................................................................................ 75
5.4.1. Styrelsesammansättning och avvikelse från EPS ........................................................ 765.4.2. Interaktionsvariabeln effekt på resultatmanipulering ................................................. 80
6. Diskussionskapitel 846.1. Marknadens förväntningar ................................................................................................... 856.2. Styrelsesammansättningen ................................................................................................... 886.3. Interaktionseffekten .............................................................................................................. 92
7. Slutsats och implikationer 957.1. Slutsats .................................................................................................................................. 957.2. Teoretiska implikationer ....................................................................................................... 977.3. Praktiska implikationer ........................................................................................................ 997.4. Förslag till framtida forskning ........................................................................................... 100
8. Referenser 102
9. Appendix 1079.1. Appendix 1 .......................................................................................................................... 1079.2. Appendix 2 .......................................................................................................................... 110
7
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 / At-1) ......................................................... s. 108
Tabell 9.2 Beroende variabler (PROD / At-1 och CFO / At-1) ......................... s. 109
8
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
9
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.
10
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
11
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.
12
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
13
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 riskaverta1 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.
14
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?
15
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.
16
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.
17
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).
18
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
19
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
20
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
21
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.
22
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
23
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
24
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 post3 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.
25
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 ante4 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.
26
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
27
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.
28
Figur 2.1: Funktionen för förväntat 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
Förlust Vinst
Värde (+)
Värde (-)
29
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
30
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
31
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
32
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.
33
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.
34
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
35
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.
36
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
37
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
38
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.
39
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.
40
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.).
41
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
42
med totala tillgångar från det föregående året. Formeln, som använder sig av information
funnen i balansräkningen, visas nedan:
TAt = (ΔCA - ΔCL - ΔCASH + ΔSTD - DEP) / At-1 (1)
TAt= 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
At-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
43
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:
NDAτ = (∑t TAt) / T (2)
NDA = Estimated non-discretionary accruals
TA = Total accruals scaled by lagged total assets
t = 1, 2,..T is a year subscript for years included
in the estimation period
τ = 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 icke-
godtyckliga 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.
NDAt = TA / At-1 (3)
NDAt = Estimated non-discretionary accruals
TA = Total accruals
At-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 icke-
godtyckliga periodiseringarna borde mätas. Jones menade att de tidigare modellerna blev fel
eftersom de såg de icke-godtyckliga periodiseringarna som konstanta. Hennes modell
44
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 parametrar6 multipliceras med förändringarna i intäkter
och anläggningstillgångar.
NDAt = α (1/At - 1) +α2 (ΔREVt) +α3 (PPEt) (4)
NDAt = Estimated non-discretionary accruals
ΔREVt = Revenues in year t less revenues in year t-1 scaled
by total assets at t-1
PPEt = Property plant and equipment in year t scaled by total assets at t-1
At-1 = Total assets at t-1
α, α2, α3 = 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:
NDAt = α (1/At - 1) +α2 (ΔREVt -ΔRECt) +α3 (PPEt) (5)
NDAt = Estimated non-discretionary accruals
ΔREVt = 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.
45
ΔRECt = Net receivables in year t less net receivables in year t-1
scaled by total assets at t-1
PPEt = Property plant and equipment in year t scaled by total assets at t-1
At-1 = Total assets at t-1
α, α2, α3 = 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.
TAt = (ΔCA - ΔCL - ΔCASH + ΔSTD-Dep) / At-1 (1)
TAt = 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
At-1 = Total assets at t-1
46
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, α2, α3 först
skattas. Denna skattning sker enligt följande formel.
TAt = α (1/At - 1) +α2 (ΔREVt) +α3 (PPEt)+ εt (9)
TAt = Total accruals
ΔREVt = Revenues in year t less revenues in year t-1 scaled
by total assets at t-1
PPEt = Property plant and equipment in year t scaled by total assets at t-1
At-1 = Total assets at t-1
α, α2, α3 = Firm-specific parameters
εt = The residual
Våra företagsspecifika parametrar α, α2, α3, 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).
47
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/At-1) +α2 [(ΔREVt -ΔRECt) /At-1] + α3 (PPEt /At-1) (10)
NDAt = Estimated non-discretionary accruals
ΔREVt = Revenue in year t less revenues in year t-1 by total assets at t-1
ΔRECt = Net receivables in year t less net receivables in year t-1
scaled by total assets at t-1
PPEt = Property plant and equipment in year t scaled by total assets at t-1
At-1 = Total assets at t-1
α, α2, α3 = 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 icke-
godtyckliga av från de totala som formeln nedan visar:
DAt = TAt – NDAt (6)
DAt = Discretionary accruals
TAt = Total accruals
NDAt= Non-discretionary accruals
48
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:
PRODt/At-1 = α + α2 (1/At-1) + α3 (St/At-1) + α4 (ΔSt1/At-1) + α5 (ΔSt-1/At-1) + εt (7)
PRODt = The sum of the COGS7 in current year t and
the change in inventory
At-1= Total assets at t-1
St= 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
49
∆St= Change in net sales (revenue) in current year
∆St-1= Change in net sales (revenue) in the prior year
εt = 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 εt 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 εt 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:
CFOt/A-1 = α + α2 (1/At-1) + α3 (St/At-1) + α4 (ΔSt/At-1) + εt (8)
50
CFOt = Funds from operations for current period
At-1= Total assets at t-1
St= Net sales (revenue) in current year
∆St= Change in net sales (revenue) in current year
εt = 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: DAt = β0+ β1Womboard+ β2DEV_EPSet+ β3Inter_Womanboard_DEV_EPEet+ β4SIZEt+ β5DEBTt+ β6OCFt+ β7ROAt+ β8WIN_LOSSt+ β9Critical_Masst+ εt Resultatmanipulering via överproduktion: PRODt = β0+ β1Womboard+ β2DEV_EPSet+ β3Inter_Womanboard_DEV_EPEet+ β4SIZEt+ β5DEBTt+ β6OCFt+ β7ROAt+ β8WIN_LOSSt+ β9Critical_Masst+ εt Resultatmanipulering via försäljningsmanipulation: CFOt = β0+ β1Womboard+ β2DEV_EPSet+ β3Inter_Womanboard_DEV_EPEet+ β4SIZEt+ β5DEBTt+ β6OCFt+ β7ROAt+ β8WIN_LOSSt+ β9Critical_Masst+ εt
51
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 = Total accruals – Non-discretionary accruals
PROD = Residual från Overproduktion
CFO = Residual från Sales manipulation
8 Från engelskans Discretionary Accruals som förkortas (DA) 9 Från engelskans abnormal Cashflow from Operations som förkortas (CFO)
52
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
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
Andel kvinnliga styrelseledamöter
Resultatmanipulering
Avvikelse från analytikers prognoser
prognoser
53
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) / EPSt | 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
54
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 ) / EPSt -
Womanboard Antalet Kvinnliga ledamöter i styrelsen / total antal ledamöter -
INTER_Womanboard DEV_EPSe DEV_EPSe * WomBoard +
55
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 Dummyvariabel (0,1) där 0 är för företag som
rapporterat förlust och 1 om företag rapporterar vinst eller i linje med fjolårets resultat
-
BOARD_SIZE Antal styrelseledamöter i absoluta tal i bolagets styrelse +
56
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
57
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
58
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
59
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.
60
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
61
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.
62
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.
63
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.
64
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
65
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
66
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).
67
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 (D-
statistics) 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.
68
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.
69
Tabell 5.1: Deskriptiv statistik
Variabel Antal
observationer Medel Standardavvikelse Max Min
Total Asset (TKR) 923 19435329 57577144 618992024 4402
1/At-1 923 0,000002 0,000009 0,000227 2,054E-9
ΔREVt-∆RECt /At-1 923 0,106671 0,500800 9,488823 -0,842192
PPEt/At-1 923 0,193521 0,393906 10,031908 0
St/At-1 923 1,257240 0,961309 16,133894 0
ΔSt/At-1 923 0,134028 0,622462 13,831781 -1,002472
ΔSt-1/At-1 788 0,075481 0,218693 1,588190 -1,285256
Total Accruals/ At-1 923 -0,0439% 0,18004% 3,18385% -2,32576%
Production cost/ At-1 922 0,9013% 1,14599% 22,0681% -0,03414%
CFO/ At-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
70
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 min-
och 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
71
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
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
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
72
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.
Tabell 5.3: Bivariat analys
Överst till höger: Spearman’s Rho likaså Pearson’s nederst till vänster
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.
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 ***
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
75
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
76
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.
77
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)
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: DAt = β0+ β1Womboard+ β2DEV_EPSet+ β3Inter_Womanboard_DEV_EPEet+ β4SIZEt+ β5DEBTt+ β6OCFt+ β7ROAt+ β8WIN_LOSSt+ β9Critical_Masst+ εt CFOt = β0+ β1Womboard+ β2DEV_EPSet+ β3Inter_Womanboard_DEV_EPEet+ β4SIZEt+ β5DEBTt+ β6OCFt+ β7ROAt+ β8WIN_LOSSt+ β9Critical_Masst+ εt PRODt = β0+ β1Womboard+ β2DEV_EPSet+ β3Inter_Womanboard_DEV_EPEet+ β4SIZEt+ β5DEBTt+ β6OCFt+ β7ROAt+ β8WIN_LOSSt+ β9Critical_Masst+ εt
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
2,597*** (0,490) 0,000119
(0,000077) 0,000164* (0,000099)
OCF -3,116 *** (1,163)
-3,187*** (1,129)
0,000397 (0,001)
0,000393 (0,001)
-0,002661** (0,001)
-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*** (70,766)
0,499*** (0,035)
0,515*** (0,037
0,538*** (0,049)
0,561*** (0,047)
Justerat R2 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
78
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 R2 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,
79
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 R2 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 R2 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
80
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 R2 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 R2 värde vilket har
81
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
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.
-160-140-120-100-80-60-40-20
02040
0 10 20 30 40 50 60
Effe
kt a
v av
vike
lse f
rån
prog
nose
r
Andel kvinnliga ledamöter %
Effekt av avvikelse från prognoser på resultatmanipulering vid olika andelar kvinnliga ledamöter
Effekt Nedre gräns Övre gräns
82
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
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 R2 värdet har blivit aningen starkare och går
från 12,4 % till 12,7 % vilket indikerar att interaktionseffekten existerar.
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
83
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 R2 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.
84
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.
85
(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
86
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
87
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
88
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
89
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
90
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.
91
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.
92
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.
93
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.
94
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.
95
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.
96
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,
97
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
98
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.
99
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.
100
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?
101
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?
102
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.
103
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.
104
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.
105
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.
106
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.
107
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 R2 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.
108
Tabell 9.1: Beroende variabel: TA / At-1
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/At-1) + α2 (ΔREVt-∆RECt /At-1) + α3 (PPEt/At-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 R2 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
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) 1,007
PPE/A t-1 -0,000002*** (7,9829E-7)
0,193521 (0,393906) 1,003
Justerat R2 0,712 F:759,044 Anova sign. <1% Durbin Watson 1,851 N 923
109
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 / At-1
CFO/ At-1
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: PRODt/At1 = α + α1 (1/At-1) + α2 (St/At-1) + α3 (ΔSt1/At-1) + α4 (ΔSt-1/At-1) + εt (7) CFOt/At-1 = α + α1 (1/At-1) + α2 (St/At-1) + α3 (ΔS/At-1) + εt (8)
Parameter Production Cost (Eq. 7) Medel VIF CFO
(Eq.8) Medel VIF
Intercept - 0,285 *** (0.038)
0,141***
(0,022)
1/A t-1 - 75929,0 ***
(2139,052) 0,000002
(0,000009) 1,018 -84702,4*** (1584,704)
0,000002 (0,000009)
1,019
SALESt /A t-1 0,807*** (0,028)
1,269915 (0,991622) 1,965 0,053***
(0,020) 1,257481
(0,963370) 1,825
DSALESt /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 (0,094)
0,075481 (0,218693)
1,066
Justerat R2 0,783 0,820 Anova sign. <1% <1% Durbin Watson 1,842 1,803 N 788 919
110
9.2. Appendix 2 Normalfördelning av residualer Före Kvadrering Efter Kvadrering