“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