I detta kapitel presenteras studiens empiriska resultat som erhållits utifrån de genomförda testerna och en beskrivning av detta utförande samt kort tolkning av de siffror som testet resulterat i. Kapitlet inleder med beskrivande statistik för att sedan gå igenom de specifika testerna samt robustheten i dessa.
6.1 Deskriptiv statistik
Antalet företag som inkluderades i de slutgiltiga testerna var 187 stycken, precis som beräknat tidigare. Däremot skiljer sig antalet observationer åt en del i de olika testerna på grund av att det saknades data för vissa bolag för att kunna räknas in i vissa variabler som användes.
Extremvärden har exkluderats på kontrollvariablerna årets resultat, skuldsättningsgrad samt avskrivningar övriga immateriella tillgångar med den data som befann sig utanför den 5:e och 95:e percentilen, detta är anledningen till att antalet observationer skiljer sig åt i de olika testerna.
I tabell 5 kan utläsas att median och minimum är 0, samt att maximumvärdet är 1 för de båda oberoende variablerna, detta är helt i sin ordning eftersom de är dummyvariabler och endast kan anta värdet 0 och 1. Några anmärkningsvärda värden som kan diskuteras är bland annat för kassalikviditeten, där medelvärdet är högt och maximumvärdet är väldigt högt. Det bolag som är maximum i det fallet är ABB Holding som till synes inte haft någon verksamhet under de år som studerats, vilket också förmodligen är anledningen till att de har en så stor kassa. Vidare är maximumvärdet för avskrivningar av övriga immateriella tillgångar väldigt högt, till och med över 100% vilket inte är möjligt. Data är nedhämtad manuellt från årsredovisningar vilket kan ha lett till enskilda misstag i de siffror som lagts in för tester, då vissa bolag rapporterar i tusentals kronor. Det har däremot genomförts stickprov för att se till att siffrorna är korrekta och detta tillsammans med att medelvärdet ser rimligt ut kan ett konstaterande göras kring att data är nästintill korrekt. Något som också lades märke till var den höga procentuella avskrivning som redovisas som maximum i tabell 5 nedan. Detta ledde till beslutet att även här ta bort de 5% högsta och 5% lägsta observationerna vad gäller denna variabel, för att se om detta kunde få någon påverkan på resultatet i testerna, diskussion förs kring detta i kapitel 7.5.
Tabell 5. Deskriptiv statistik.
Variabler Medelvärde Median Maximum Minimum Avskrivningar övriga immateriella
tillgångar 0,0947 0,0002 1,5945 -0,0464
Avskrivningar övriga immateriella
tillgångar u. extremvärden 0,0706 0,0001 0,7831 0
Loss avoidance 0,1533 0 1 0
Stigande resultattrend 0,3279 0 1 0
Avkastning på totala tillgångar -0,0019 0,0418 0,8676 -5,5922 LN totala tillgångar 15,2107 14,8893 20,0786 10,229
Kassalikviditet 422,2742 96,7 46,13,6 0
Skuldsättningsgrad u. extremvärden 1,2324 1,0988 9,2418 0
41
6.2 Regressioner
Vid användandet av multipel regressionsanalys har ett antal olika regressioner testas för resultatet gällande åren 2017–2019. De två hypoteser, som tidigare nämnts i kapitel 4, kommer nedan att testas med hjälp av tre t-test, ett test för huvudmodellen och två tester där large cap-bolagen inkluderas ena gången och small cap-cap-bolagen andra gången, detta för att upptäcka eventuella skillnader. P-värdet kommer analyseras för eventuell förkastning av nollhypoteserna med 5% signifikansnivå.
6.2.1 Huvudmodell
Vid genomförandet av huvudmodellen i denna uppsats inkluderades tio variabler, varav en oberoende, två oberoende och nio kontrollvariabler av olika slag, samt börslistorna large cap och small cap, se tabell 6. Resultatet av modellen genererar ett p-värde på 0.063 för den oberoende variabeln loss avoidance, vilket är signifikant på en 10% signifikansnivå. Detta tyder på att det kan finnas ett samband mellan storleken på avskrivningar av immateriella tillgångar och företag som befinner sig just över noll vad gäller vinst. Däremot visar stigande resultattrend p-värdet 0.652, vilket är långt ifrån signifikant enligt dessa mätningar. Kontentan är att det inte finns något samband mellan storleken på avskrivningar av immateriella tillgångar och företaget som befinner sig på en stigande resultattrend över tre år. Vidare har resultatet hållit sig under signifikansnivån på 5% för kontrollvariablerna avkastning på totala tillgångar, logaritmerade totala tillgångar och kassalikviditet där alla haft ett p-värde på 0.05 och skuldsättningsgrad utan extremvärden är signifikant på 10% signifikansnivå. Den justerade förklaringsgraden för hela modellen är 18,96%. Stock & Watson (2015, s.242–244) nämner att ett lågt procentvärde kan indikera att den slumpmässiga variationen har stor inverkan och på samma sätt kan det indikera att sambandet mellan x och y är icke-linjärt. Med andra ord en högre förklaringsgrad hade varit att föredra, däremot anser vi inte den vara för låg för att kunna dra några relevanta slutsatser.
Tabell 6. Huvudmodell.
Not: Årsvariabel 2017 utgör en referenskategori.
42
6.2.2 Large cap-test
För att se huruvida det finns skillnader mellan bolag som befinner sig på olika listor genomfördes ett test där endast bolagen som tillhörde börslistan large cap ingick, se tabell 7.
Vid införandet av detta minskade den justerade förklaringsgraden till 9,09% vilket är ungefär hälften av huvudmodellens justerade förklaringsgrad som var 18,96%. Detta är ett tecken på att modellen som helhet blivit svagare. Samtidigt ökar p-värdet för hela modellen till 0.0020 vilket också det kan anses vara ett negativt tecken. Däremot går det att utläsa att loss avoidance i detta test blivit betydligt mer signifikant då de genererat p-värdet 0.001, vilket betyder att den är signifikant på 1% signifikansnivå.
Stigande trend har i den här modellen förbättrats rejält och resulterade i ett p-värde på 0.051, vilket påvisar att även denna oberoende variabel är signifikant, på en signifikansnivå på 10%, och väldigt nära på en 5% signifikansnivå. Utifrån ett helhetsperspektiv kan detta tolkas som att det finns stöd för ett samband mellan storleken på avskrivningar av immateriella tillgångar och företag som kan klassificeras som loss avoidance-bolag, men även de bolag som haft en stigande resultattrend över minst 3 år i rad. Det bör också nämnas att det finns svagheter i detta test. Då åsyftas framför allt det faktum att det endast är en av fyra kontrollvariabler som är signifikanta, vilket kan tyda på att det kan finnas andra nyckeltal som påverkar det slutgiltiga resultatet.
Tabell 7. Large cap-test.
Not: Årsvariabel 2017 utgör en referenskategori.
6.2.3 Small cap-test
Följaktligen gjordes ett test på ett identiskt sätt som föregående test, men denna gång innehållandes endast bolag som befann sig på börslistan small cap för att se vad som skiljde sig mellan de olika listorna och på så vis även få en bild om det kan finnas några skillnader beroende på storleken på bolaget, se tabell 8. I detta test minskade förklaringsgraden ytterligare till 6,89% vilket är den lägsta förklaringsgraden hittills samtidigt som p-värdet ökade för hela modellen till 0.0134 vilket är det högsta p-värdet av de tre testerna. Vidare går det att avläsa
43 ett högt p-värde för både loss avoidance och stigande trend när det kommer till small cap, 0.857 respektive 0.613.
Utifrån detta går det konstatera att testet inte finner någon signifikant relation mellan loss avoidance eller stigande resultattrend och den beroende variabeln för small cap-bolagen. Även i detta testa bör det nämnas att alla använda kontrollvariabler förutom logaritmerade totala tillgångar, uppvisar ett högt p-värde som inte kan anses signifikant på varken 1%, 5% eller 10% signifikansnivå.
Tabell 8 Small cap-test.
Not: Årsvariabel 2017 utgör en referenskategori.
6.3 Robusthetstester
I detta avsnitt presenteras modellernas resultat utifrån robusthetstest. Denna typ av tester syftar till att beskriva hur beroende huvudmodellen är av de olika kontrollvariablerna som använts.
Ett robusthetstest kan tillämpas genom att byta ut en variabel åt gången och på så vis bedöma hur mycket resultatet förändras. Författarna Kariya & Sinha (1989, s.39–40) berättar bland annat om när en nollhypotes är robust är det viktigt att p-värdet är stabilt även om någon variabel lämnar modellen.
Utifrån ovan testade modeller med inledande av ett test för huvudmodellen, valde vi sedan att testa modeller mer specifikt utifrån large cap och small cap. Dessa test kan ses som en typ av robusthetstest. I likhet med det Kariya & Sinha (1989) diskuterar anses det viktigt att testa stabiliteten av p-värdet utifrån förändringar i modellen. Det vi kunde särskilja utifrån huvudmodellen till large-cap testet och small-cap testet är att styrkan i huvudmodellen tycks härstamma från resultaten i large cap modellen och likaså svagheten tycks bero på modellen small cap-test. Det utfördes vidare en form av robusthetstest genom att testa styrkan i huvudmodellen med en annan beroendevariabel. Som komplement till att testa den befintliga procentuell andel avskrivningar på övriga immateriella tillgångar där avskrivningarna delades med totala tillgångar, valdes även att testa procentuell andel avskrivningar på övriga immateriella tillgångar där avskrivningar delades med årets resultat. Resultatet visade att genom att applicera denna beroende variabel i stället uppvisades ett svagare samband mellan den beroende och de oberoende variablerna. Som tidigare nämnt valde vi att exkludera denna beroende variabel från testerna, på grund av att den inte visar på det vi ämnar testa då årets
44 resultat är en volatil redovisningspost och avskrivningars storlek till största del hör till de faktiska tillgångarna och inget annat. Det går att tillägga att utifrån ett robusthetsperspektiv kan det innebära att modellen tycks vara svagare när en förändring sker i variabeln. Detta dras dock inte särskilt stora slutsatser ifrån då den variabeln testar en annan form av storlekmått som vi anser vara av lägre relevans för just denna studie, då tillgångarna är av större betydelse än vad resultatet är när det kommer till avskrivningar. I stället konstateras endast att testets resultat förändras till det svagare vid byte av beroende variabel.
Det slutgiltiga robusthetstestet genomfördes utifrån förutsättningar att inkludera bruttovinstmarginal i stället för kassalikviditet, se appendix 1. Resonemang kring detta beslut landade i att likviditeten är en stor del av verksamhetens framtida investeringsmöjligheter, vilket gör att det kan anses vara en viktig faktor till varför en skulle vilja visa upp ett bättre resultat och i framtiden ha bättre likviditet i bolaget, och att studien därför vill ta reda om det finns några skillnader i resultatet vid byte av denna typ av variabel. Resultatet visar att varken förklaringsgraden eller p-värdet för hela modellen förändras nämnvärt. Däremot får loss avoidance ett något sämre p-värde, dock fortsatt signifikant på en 10% signifikansnivå. Även stigande resultattrend förbättras när kontrollvariabeln byts ut, dock fortsatt långt ifrån en resonlig signifikansnivå. Bruttovinstmarginalen själv blir inte heller signifikant i modellen som helhet medan övriga kontrollvariabler är fortsatt stabilt signifikanta.
6.4 Sammanfattning av resultat
Sammanfattningsvis finner studien att de genomförda t-testen visar på en signifikant relation mellan storleken på avskrivningar av immateriella tillgångar och loss avoidance på 10%
signifikansnivå för listorna large cap och small cap tillsammans. Analyseras istället de specifika listorna går det på både 5% och 1% signifikansnivå säga att det finns en relation mellan den beroende och oberoende variabeln loss avoidance för large cap-bolagen, vilket tyder på att det är här som de flesta av de positiva relationerna finns. Detta eftersom det inte visar på någon stark relation vid samma test för small cap. Vad gäller stigande resultattrend finner testen inget samband mellan den variabeln och den beroende variabeln vare sig i huvudmodellen eller small cap-testet. Däremot finns det också en stark relation mellan variablerna bland large cap-bolagen i och med på en 10% signifikansnivå, vilket innebär att företag kan använda sig av sina avskrivningar på immateriella tillgångar när de befinner sig i stigande resultattrend. Robustheten i modellerna har testats dels genom att titta på både large cap och small cap enskilt, samt genom att testa en annan typ av likviditetsvariabel för att se hur detta påverkar resultatet. Vad gäller det robusthetstestet gjordes detta av ren nyfikenhetsaspekt för att se om det fanns några övriga variabler inom samma kategori som kunde inkluderas, för att få ett annat resultat men skillnaden mellan dessa visade sig vara minimal. Vilket inte gav några nya infallsvinklar att diskutera kring, utan snarare fungerar som ett konstaterande att modellen i detta fall är av ett robust slag. Det vi finner i testerna är att det är en stor skillnad mellan large cap-bolagen och small cap-bolagen, vilket kommer diskuteras mer kring i kommande kapitel. I kommande kapitel kommer även en utförligare analys och diskussion där en sammankoppling mellan dessa resultat kommer äga rum. Tidigare forskning kommer också diskuteras samt potentiella orsaker till att resultaten ser ut som de gör. En diskussion kommer även föras kring hur studiens syfte har uppfyllts med hjälp av de funna resultaten.
45