Datainsamling och datainsamlingsmetod

Syftet med studien är att förklara hur personliga egenskaper, som CEO:er respektive CFO:er i svenska börsnoterade företag besitter, påverkar den frivilliga rapporteringen i företagens årsredovisningar. Såväl påverkan på den totala mängden frivillig information som på vilka kategorier av frivillig information som läggs vikt vid studeras. Fenomenet har studerats vid en enskild tidpunkt, det vill säga ett år, och anledningen till detta är att det är vad studiens omfattning tillåter. Eftersom endast ett års data har använts kan studien klassificeras som en tvärsnittsstudie (Bryman & Bell, 2017; David & Sutton, 2016). En tvärsnittsstudie innebär enligt Bryman och Bell (2017) och David och Sutton (2016) att data samlas in från flera fall vid en viss tidpunkt, datan granskas sedan för att kunna påvisa eventuella samband. En risk med att använda en tvärsnittsdesign är att det finns svårigheter med att slå fast orsakssambandet och om det finns en kausal relation. Det medför att det i tvärsnittsstudier kan finnas vissa brister med validiteten (Bryman & Bell, 2017). Ett alternativ hade kunnat vara att studera ett färre antal företag under en längre tidsperiod för att då kunna dra mer välgrundade slutsatser. I denna studie skulle risken med att endast granska en tidpunkt kunna bestå i att besluten som fattats vid denna tidpunkt kan vara tillfälligheter vilket skulle generera missvisande datamaterial och därmed även riskera att ge missvisande resultat. Om data från flera år hade granskats hade sådana extremvärden enklare kunnat identifieras. Dock ämnar studien uppnå en bredd snarare än ett djup, och om flera år hade använts skulle antalet företag i urvalet ha behövts minskas, även om antalet observationer hade kunnat vara detsamma. Datan har därför samlats in från samtliga företag som är noterade på Nasdaq Stockholms (vidare kallad Stockholmsbörsen) årsredovisningar för räkenskapsåret 2018. Med utgångspunkt i syftet har alltså undersökningen genomförts med metodvalet kvantitativ deduktion, studien är av typen tvärsnittsstudie, och data har samlats in genom en dokumentstudie. Datan för de oberoende variablerna och kontrollvariablerna är av typen sekundärdata (David & Sutton, 2016) i form av information som hämtats från företagens årsredovisningar, företagens webbsidor samt CEO:ers och CFO:ers öppna LinkedIn-profiler. Sekundärdata kan innebära risker i form av exempelvis lägre kvalitetet i den insamlade datan (Bryman & Bell, 2017) vilket kan påverka såväl studiens validitet som reliabilitet. Datamaterialet i denna studie får dock anses ha hög kvalitet då den primära källan har varit företagens årsredovisningar. Dessa innehåller information som är offentligt publicerad och inte ändras över tid, vilket anses öka reliabiliteten. Dessutom är samtliga årsredovisningar granskade av en oberoende revisor, vilket ytterligare stärker reliabiliteten i datan. Det empiriska materialet för de beroende variablerna bygger på sekundärdata då informationen hämtats från företagens årsredovisningar. Dock har den inhämtade informationen kodats för att skapa variabler utifrån författarnas bedömningar vilket gör att datan för de beroende

variablerna får anses vara av typen primärdata. Se mer avseende detta nedan samt i avsnitt 5.5.1.

För att få en komplett lista över samtliga företag som var noterade på Stockholmsbörsen per den 31 december 2018 har listor hämtats ner från både Avanzas och Nasdaqs webbsidor och dessa har sedan jämförts med varandra för att säkerställa att inget företag faller bort (Avanza Bank AB, 2020; Nasdaq, Inc, 2020). Datan som har använts i studien har hämtats från företagens årsredovisningar för räkenskapsåret 2018. För ett mer aktuellt empiriskt underlag hade data kunnat hämtas från företagens årsredovisningar avseende räkenskapsåret 2019. Anledningen till att detta inte gjordes är att när datainsamlingen påbörjades hade ännu inte alla företag offentliggjort sina årsredovisningar för räkenskapsåret 2019 och risken fanns att alla företag inte skulle hinna publicera dessa innan datainsamlingsprocessen var tvungen att färdigställas. För att inte riskera bortfall i det empiriska underlaget till följd av detta då det hade kunnat påverka studiens validitet valdes därför data från räkenskapsåret 2018.

Data för de oberoende variablerna (kön, ålder och utbildning) och kontrollvariablerna (storlek, bransch, lönsamhet, skuldsättningsgrad, revisionsbyrå och erfarenhet) har hämtats från såväl företagens årsredovisningar som deras webbsidor samt relevanta personers LinkedIn-profiler. I första hand har data inhämtats från företagens årsredovisningar. De flesta företagen redogör i sina årsredovisningar för vilka personer som ingår i koncernledningen och därför har information avseende företagens CEO:ers och CFO:ers kön och ålder kunnat inhämtas från årsredovisningarna. Vissa företag väljer dock att inte kommunicera CEO:ns och CFO:ns utbildning eller anställningsår (erfarenhet) i årsredovisningen och i dessa fall har i första hand företagets webbsida och i andra hand personen i frågas LinkedIn-profil använts för att inhämta informationen. För att säkerställa att rätt LinkedIn-profil har använts när data avseende utbildning och anställningsår har inhämtats från LinkedIn har namn på personen och namn på företag där personen är eller har varit anställd noggrant kontrollerats. I enstaka fall har utbildning för såväl CEO som CFO inte kunnat hittas trots flera sökvägar. Vid inhämtning av data för kontrollvariablerna storlek, lönsamhet samt skuldsättningsgrad har rådata hämtats från företagens finansiella rapporter i årsredovisningarna, varpå nyckeltalen sedan har beräknats manuellt. Anledningen till detta är att samma nyckeltal kan ha olika definitioner där företagen själva kan välja olika beräkningssätt. Vid egna beräkningar av nyckeltal säkerställs att beräkningarna blir konsekventa och därför också jämförbara. Det minskar också osäkerheten i datan samt ökar validiteten och reliabiliteten. Data avseende kontrollvariabeln revisionsbyrå har hämtats från revisionsberättelserna som återfinns i företagens årsredovisningar. Kontrollvariabeln bransch har inhämtats från Avanzas webbsida (Avanza Bank AB, 2020).

För att säkerställa att datan har samlats in på samma sätt av båda författarna och därmed öka reliabiliteten har kalibrering skett vid två tillfällen, en gång i början av datainsamlingsprocessen och en gång vid datainsamlingens slutskede. Totalt granskades 20 årsredovisningar gemensamt av författarna med avseende på de oberoende variablerna och kontrollvariablerna, tio i början av processen och tio som avslutning. David och Sutton (2016) rekommenderar att cirka 10 procent av den inhämtade datan bör kontrolleras för felaktigheter, vilket alltså har gjorts i denna studie. Dialog har också förts löpande mellan författarna under datainsamlingsprocessen. Således bör inga problem med reliabiliteten föreligga för datan avseende dessa variabler. Dessa variabler ger inte heller utrymme för tolkning vilket ytterligare stärker reliabiliteten.

Vid insamling av data för de beroende variablerna, mängd och kategorier av vikt, har en checklista använts (se mer i avsnitt 5.5.1). Flera av punkterna på checklistan är i viss mån bedömningsfrågor och kan därför leda till problem med reliabiliteten i den insamlade datan. Problem med interbedömarreliabiliteten kan enligt Bryman och Bell (2017) uppstå då datainsamlingen genomförs utifrån subjektiva bedömningar och flera personer är inblandade i datainsamlingen och det därmed finns en risk att överensstämmelsen mellan författarnas tolkningar är för låg. Som inledning granskades därför en årsredovisning gemensamt av författarna, där varje punkt på checklistan grundligt diskuterades för att säkerställa att båda författarna hade samma tolkning och förståelse för samtliga punkter och deras innebörd. Därefter delades punkterna på checklistan upp så att varje författare inhämtade data för vissa specifika punkter för samtliga företag i urvalet. Då checklistan innehåller punkter av kvalitativ karaktär ökar risken för att datainsamlingen inte blir jämförbar om två personer bedömer samma punkt för olika företag. Uppdelningen av punkter istället för uppdelning av företag bidrog därför till att datainsamlingen avseende de beroende variablerna blev mer homogen. Flera åtgärder vidtogs alltså för att motverka reliabilitetsproblemet som fanns för datan avseende de beroende variablerna.

För de företag som rapporterar i en annan valuta än svenska kronor har en omräkning gjorts till svenska kronor. Valutakurserna som har använts är genomsnittliga valutakurser för år 2018, som har hämtats från Sveriges Riksbanks (2020) webbsida.

Tabell 2 - Valutakurser, genomsnitt år 2018

Valuta Kurs

EUR 10,26

GBP 11,59