Bivariat analys

I bivariata analyser testas två variabler samtidigt för att på så sätt se om det finns något samband mellan dem. Det testen går ut på är att se om en variation i en variabel sammanfaller med en variation i en annan variabel. Korrelationsanalyser gör att man inte endast kan se hur relationen ser ut mellan den beroende och den oberoende variabeln, utan även hur dessa förhåller sig till de kontrollvariabler som ingår i modellen. Det finns en rad olika tester som kan genomföras i en bivariat analys och vi har valt att använda oss av Pearsons korrelation. Detta eftersom både vår beroende och oberoende är kvot- och intervallvariabler (Bryman och Bell, 2013).

De korrelationsvärden som Pearsons korrelation kommer att resultera i ligger mellan 0 och 1. Ju närmare noll korrelationen är desto svagare är sambandet mellan de två variablerna. Korrelationen kan antingen vara negativ eller positiv och förklarar då om riktningen på sambandet är positivt eller negativt (Bryman och Bell, 2013).

Om de oberoende variablerna inte endast korrelerar med den beroende variabeln utan även med varandra så uppkommer multikollinearitet. Detta medför ett problem eftersom det då inte går att se de effekter som den oberoende variabeln har på den beroende variabeln.

Vi har i analysen av korrelationen tittat på att korrelationsvärdena inte överstiger 0,9. Detta för att det då kan tolkas som att de oberoende variablerna korrelerar allt för mycket med varandra. Något annat som också är viktigt att kontrollera är att de oberoende variablerna inte korrelerar med varandra mer än vad de gör med den beroende variabeln, i vårt fall revisionskostnad (Stafsudd, 2017).

Den bivariata analysen kommer i den här studien även innehålla ett signifikanstest av hypotes 2 och 3. Genom att se till korrelationsanalysen i bilaga 3 går det att utläsa om det finns något signifikant samband mellan den nya revisionsberättelsen (variabel 2016) och de olika måtten på revisionskostnad samt Bid-ask. Detta kan sedan jämföras med det som framkommit i de univariata testerna, för att se om den förändring som skett mellan år 2015 och 2016 faktiskt beror på den nya revisionsberättelsen eller om det är något annat fenomen som ligger bakom förändringen. Korrelationsanalysen visar på signifikanta samband när det kommer till relationen mellan den nya revisionsberättelsen och kvoten mellan revisionskostnad och total revisionskostnad samt till relationen med konsult och rådgivningstjänster.

7.2.1 Analys för val av modell

Vi har upprättat tre olika korrelationsanalyser, en för varje år vi testat (2015, 2016 samt de båda åren sammanslagna), vilka återfinns i bilaga 2. De tre korrelationsmatriserna har studerats genom att se till höga korrelationsvärden. Om höga korrelationsvärden har uppstått mellan oberoende variabler har dessa uteslutits från regressionsanalysen. Alternativt har en variabel uteslutits och en behållits då multikollineariteten upphör om en av de berörda variablerna exkluderas. Genom ett studerande av korrelationsmatriserna framgår det att ett flertal variabler måste exkluderas för vidare multivariat analys. Det visar sig att de branschkategorier som var tänkta att använda skapade för mycket korrelationsproblem. För alla tidsperioder var handel och industri för korrelerade med framförallt varandra. För 2016 visade sig även branschkategorin hälsovård ha korrelationsproblem med oberoende variabler så som resultat och antal

styrelsemöten. Det ledde till att handel, industri och hälsovård exkluderades. Till vidare analys återstår det således endast två branschkategorier. Vi har i studien valt att endast ta hänsyn till en av de två kategorierna och då har fastighet och finans valts ut. Det beror dels på att kategorin övrigt kan ses som något diffus gällande vilken sorts företag som verkar inom denna kategori. Det beror även på att fastighet och finans kan ses som en verksamhet som skiljer sig endel gentemot andra branscher. Ett exempel är att banker ofta har höga totala tillgångsvärden och vad som ses som tillgångar skiljer sig från andra företag. I exempelvis industriföretag ses tillgångar bland annat som lager, vilket är en post som banker inte har. När det kommer till fastighetsbolag brukar det ses som en komplex bransch då det är svårt att värdera fastigheter till korrekta värden.

För alla tre tidsperioder visade sig även förlust och resultat ha ett högt korrelationsvärde sinsemellan. För år 2015 uppgick korrelationsvärdet till -0,547, vilket anses vara högt. Det gjorde att enbart en av dessa kunde väljas att ta med till vidare analys. Framöver har förlust uteslutits och resultatet använts. Problematiska variabler var även kundfordringar och lager, konsult och rådgivning samt totala tillgångar. För alla tre tidsperioder visade sig dessa tre variabler framförallt korrelera med varandra men även med Bid-ask vilket ledde till att alla tre variabler exkluderades för vidare analys.

Angående vilken revisionsbyrå som företag har, så var även den variabeln problematisk. I korrelationsmatriserna för samtliga år går det utläsa att de olika byråerna har höga korrelationsvärden dem emellan. Ett exempel är för år 2015 mellan EY och PWC då korrelationsvärdet uppgår till - 0,425. Det har inneburit att variabeln inte kan användas i den här studien och därför har variabeln gjorts om till en dummyvariabel som visar på om företaget har en Big4 byrå eller inte. Det löste de problem som tidigare uppstod. Variabeln benämns hädanefter till B4.

7.2.2 Analys av slutgiltig modell

Revisionskostnad Total revisionskostnad

Revisionskostnad/total revisonskostnad 2015 2016 2015+2016 2015 2016 2015+2016 2015 2016 2105+2016 Bid-ask - - - - - B4 + + + + + + fastighetfinans RES + + + + RKOM + + + + + + - SK.SÄTT STYR - - TID UTD + + + + + + 2016 +

Tabell 9 Korrelationstabell- Slutgiltig modell

De korrelationsanalyser som ligger till grund för tabell 9 ovan återfinns i bilaga 3.

Tabell 9 ovan visar en sammanställning av de bivariata analyserna som genomförts i studien. Tabellen visar de variabler som är signifikanta samt vilken riktning dessa har, om sambandet är positivt eller negativt. Det som är anmärkningsvärt är att Bid-ask är negativt och signifikant i samtliga modeller förutom för kvoten mellan revisionskostnad och total revisionskostnad för år 2015. När det kommer till kontrollvariabler är revisionskommitténs antal möten den variabeln som visat sig vara signifikant i flest antal modeller. Sambandet mellan variabeln och de beroende variablerna är positivt i sex av modellerna och negativt i en. Det går även ur tabellen att utläsa att det är tre kontrollvariabler som inte är signifikanta i någon av modellerna. Dessa är fastighet och finans, skuldsättningsgrad samt tid.

Något annat som är anmärkningsvärt är att när det kommer till revisionskostnad och total revisionskostnad är dessa modeller är väldigt lika varandra med samma riktning på de variabler som är signifikanta. Det enda som skiljer dem åt är variabeln utdelning för år 2015+2016, vilken är signifikant när det kommer till revisionskostnad, men inte när det kommer till total revisionskostnad.

Generellt sätt går det i bilaga 3 att utläsa att korrelationsvärdena mellan de oberoende variablerna är väldigt låga, vilket tyder på en låg grad av multikollinearitet. Det högsta värde som går att utläsa är år 2015 mellan variablerna styrelsemöten och

revisionskommittémöten. Den här korrelationen uppgår till 0,381 och är signifikant. När det kommer till de andra år som analyserats, 2016 samt 2015+2016, är det samma variabler som uppvisar den starkaste korrelationen. Dessa är resultat och antal styrelsemöten. Korrelationsvärdet uppgår till -0,285 för år 2015+2016 respektive -0,333 för år 2016.

Revisionskostnad Total revisionskostnad

Revisionskostnad/total revisonskostnad 2015 2016 2015+2016 2015 2016 2015+2016 2015 2016 2105+2016 ANA.TRÄFF ln_ANA.SPR Bid-ask - - - - fastighetfinans RES - - RKOM + + + + + + SK.SÄTT STYR TID UTD + + +

Tabell 10 Korrelationstabell- Robusttest

Korrelationsanalyser har även gjorts för de robusttest som genomförts. Dessa återfinns i sin helhet i bilaga 4-5.

Tabell 10 ovan visar vilka variabler som är signifikanta samt vilken riktning på sambandet dessa har i korrelationsanalysen. Tabellen visar på att ingen av de två oberoende variablerna som har med finansanalytiker att göra är signifikanta. Däremot är Bid-ask signifikant i alla modeller förutom för år 2015 samt 2015+2016 i modellen för kvoten mellan revisionskostnad och total revisionskostnad.

Precis som i tabell 9 visar robusttesterna på en stor likhet när det kommer till de modeller som analyserar de beroende variablerna revisionskostnad och total revisionskostnad. Det enda som skiljer dem åt är att utdelning är signifikant för år 2015+2016 för revisionskostnad, men inte för total revisionskostnad.