Förklarande faktorer - Resultat och analys

4. Resultat och analys

4.2 Förklarande faktorer

För att besvara F2 “Vilka specifika förklarande faktorer kan avslöjanden av negativ information härledas till?”, testas hypotes H2-H7 nedan för huruvida det föreligger samband mellan bransch, företagsstorlek, land för säte, samt hållbarhetsrapportens struktur, och avslöjanden av negativ information.

4.2.1 Bransch

Tabell 9. Multipel linjär regression: Modell 2.

Panel A: Model summary

R R² Justerad R² Std. Error of the Estimate

.475 .225 .145 .91507

Panel B: ANOVA

Sum of Squares df Mean Square F Sig.

Regression 14.139 5 2.357 2.814 .018

Residual 48.567 59 .837

Total 62.706 64

Panel C: Coefficients

Unstandardized Coefficients B Std. Error

Standardized Coefficients

Beta t Sig.

Konstant (industri) 1.317 .195 6.751 .000

Råvaror 1.309 .453 .355 2.887 .005

Konsumentvaror .906 .362 .319 2.502 .015

Konsumenttjänster .291 .338 .111 .861 .393

Hälso- och sjukvård -.319 .563 -.068 -.566 .574

Finans -.230 .349 -.084 -.658 .513

Teknologi .235 .453 .064 .519 .605

Noter: Beroende variabel är summa avslöjad negativ information (∑), vilken är logaritmerad för att uppnå normalfördelning.

Testet för regressionen i tabell 9 ovan syftar till att redogöra för branschens påverkan för i vilken utsträckning avslöjanden av negativ information görs. Testet är signifikant (.018), och har ett justerat r ²-värde på .145, vilket innebär 14,5% av variationen i summa avslöjad negativ information kan förklaras av företagets bransch. Pearson’s korrelationsanalys visade på att samtliga av korrelationerna de oberoende variablerna emellan var negativa, dock ej signifikanta. Däremot är en multipel linjär regression trots det möjlig i och med att samtliga oberoende variabler består av branscher, vilka företagen från urvalet endast kan tillhöra en av dem, och multikollinaritet därmed ej kan föreligga.

Vid en regressionsanalys med endast dummyvariabler som oberoende variabler motsvarar konstantens värde referensgruppens medelvärde för den beroende variabeln (Sundell 2010a).

I detta test innebär det att branschen för industri har ett genomsnitt på 1.317 i logaritmerad summa avslöjad negativ information. Övriga branschers medelvärde jämförs med medelvärdet för branschen för industri, där en positiv koefficient innebär att avsedd grupp har ett genomsnitt högre än branschen för industri, och en negativ koefficient istället innebär att avsedd grupp har ett lägre genomsnitt.

Signifikans finns för resultatet för råvaror och konsumentvaror (.005 respektive .015), övriga visar inte på signifikans. Branschen för råvaror har en koefficient på 1.309, vilket betyder att branschen för råvaror har ett högre medelvärde i logaritmerad summa avslöjad negativ information än branschen för industri. Vidare har branschen för konsumentvaror en koefficient på .906, vilket betyder att de också har ett högre medelvärde i logaritmerad avslöjad negativ information än branschen för industri. Detta innebär att både branschen för råvaror samt konsumentvaror avslöjar negativ information i signifikant högre utsträckning än branschen för industri, i kontrast med H2.

För att titta närmare på skillnaden branscherna emellan genomfördes även ett t-test, med den industriella branschen som en grupp, och övriga branscher som en annan grupp, se tabell 10 nedan. Resultatet av testet visade att övriga brancher har ett högre genomsnitt (1.6851) än den industriella branschen (1.3171) av logaritmerad summa avslöjad negativ information, med en skillnad på .36796. Däremot föreligger ej statistisk signifikans (.158), vilket gör att H2 av den anledningen ändå förkastas.

Tabell 10. T-test: Modell 1.

Panel A: Group Statistics

N Mean Std. Deviation Std. Error Mean

Övriga branscher 43 1.6851 .97660 .14893

Branschen för industri 22 1.3171 .99229 .21156

Panel B: Independent Samples Test

Levene’s Test for Equality of

Variances T-test for Equality of Means

F Sig. t df Sig.

Noter: Beroende variabel är summa avslöjad negativ information (∑), vilken är logaritmerad för att uppnå normalfördelning.

4.2.2 Företagsstorlek

De två faktorerna omsättning (B) och antal anställda (C) ingick i regressionsmodell 1, vilken presenteras i tabell 11 på följande sida. Inledningsvis visade Pearson’s korrelationsanalys på att samtliga av de oberoende variablerna omsättning (B), antal anställda (C), säte i Sverige (D_d), antal sidor (E), samt tillämpning av GRI (F), har korrelationer mellan varandra som ligger inom accepterat börvärde (-0.7-0.7) för att undvika multikollinearitet. Omsättning (B) och antal anställda (C) har däremot en korrelation på .679, nära börvärdet, och likaså med antal sidor (E) och tillämpning av GRI (F) där korrelationen är .650.

Fortsättningsvis anger Pearson’s korrelationsanalys att det föreligger signifikanta tydliga korrelationer mellan summa avslöjad negativ information (∑) och faktorerna omsättning (B), antal anställda (C), antal sidor (E), samt tillämpning av GRI (F). Den enda faktorn som däremot inte korrelerar med den beroende variabeln är säte i Sverige (D_dum), med ett värde på .021, alldeles intill 0, vilket indikerar på att ingen korrelation föreligger. Däremot är ingen av korrelationerna för säte i Sverige statistiskt signifikant.

Tabell 11. Multipel linjär regression: Modell 1.

Panel A: Pearson’s korrelationsanalys

∑ Omsättning Antal anställda Säte i Sverige Antal sidor

Omsättning .422**

Antal anställda .537** .679**

Säte i Sverige .021 -.150 -.118

Antal sidor .687** .426** .459** -.061

Tillämpning av GRI .537** .212* .281* -.031 .650**

Panel B: Model summary

R R² Justerad R² Std. Error of the Estimate

.747 .558 .520 .68574

Panel C: ANOVA

Sum of Squares df Mean Square F Sig.

Regression 34.961 5 6.992 14.870 .000

Residual 27.744 59 .470

Total 62.706 64

Panel D: Coefficients

Unstandardized Coefficients Standardized Coefficients

B Std. Error Beta t Sig.

Konstant -1.654 1.414 -1.170 .247

Omsättning .010 .070 .017 .143 .887

Antal anställda .148 .063 .284 2.325 .024

Säte i Sverige .508 .498 .089 1.019 .313

Antal sidor .539 .152 .446 3.547 .001

Tillämpning av GRI .332 .228 .167 1.453 .152

Noter: Beroende variabel är summa avslöjad negativ information (∑), vilken är logaritmerad för att uppnå normalfördelning.

I övrigt är de oberoende variablerna omsättning (B), antal anställda (C), samt antal sidor (E) logaritmerade för att uppnå normalfördelning.

Säte i Sverige (D_d) samt tillämpning av GRI (F) är dummy-variabler.

Vidare visar regressionen i helhet på signifikans (.000) och ett justerat r ²-värde på .520, vilket innebär att 52 % av variationen i summa avslöjad negativ information (∑) kan förklaras med de fem oberoende variablerna.

Samband mellan omsättning (B) och antal avslöjad negativ information (∑) testades i regressionsanalysen, vilken presenteras i tabell 11. Testet visade på en näst intill icke-existerande korrelation (.010) där signifikans inte heller föreligger (.887), varpå H3 förkastas.

Antal anställda (C) konstateras genom regressionsanalysen ha ett signifikant (.024) samband med antal avslöjad negativ information, se tabell 11. I jämförelse med övriga faktorer har antal anställda (C) näst-störst påverkan på utfallet av summa avslöjad negativ information (∑), med en standardiserad koefficient på .284. Variabelns individuella koefficient är .148, vilket innebär att total mängd avslöjad negativ information förväntas öka med 14,8 % för varje ytterligare procent som tillkommer bland företagets antal anställda, detta i och med att båda variablerna är logaritmerade. Därigenom stödjer resultatet från testet H4.

4.2.3 Land för säte

Bland studiens urval hade 63 företag säte i Sverige, medan endast två företag har säte i annat land än Sverige. Regressionsanalysen, se tabell 11, visar på ett icke-signifikant (.313) samband mellan säte i Sverige gentemot andra länder kring total avslöjad negativ information. Vidare genomfördes ett t-test för att studera skillnader grupperna emellan, se tabell 12 nedan. T-testet resulterade i en relativt liten samt icke-signifikant (.869) skillnad mellan grupperna (-.11902) i förhållande till gruppernas medelvärden (1.4452 respektive 1.5642). Därigenom avslås H5 med bakgrund av regressionsanalysen och t-testet.

Tabell 12. T-test: Modell 2.

Variances T-test for Equality of Means

F Sig. t df Sig.

Noter: Beroende variabel är summa avslöjad negativ information (∑), vilken är logaritmerad för att uppnå normalfördelning.

4.2.4 Hållbarhetsrapportens struktur

I enlighet med tabell 11 redovisade regressionsanalysen att antal sidor (E) är signifikant (.001) och påvisas vara den största bidragande faktorn av de fem faktorerna med en standardiserad koefficient på .446. Variabelns individuella koefficient är .539, och både den beroende och den oberoende variabeln är logaritmerade, vilket innebär att för varje ytterligare procent hållbarhetsrapporten består av förväntas summa avslöjad negativ information (∑) öka med 53,9 % jämfört med vad summan var tidigare. Därigenom kan H6 bekräftas, då varje ytterligare sida därmed förväntas bidra till att total mängd avslöjad negativ information ökar.

Regressionsanalysen i tabell 11 visar på ett icke-signifikant (.152) samband mellan tillämpning av GRI (F) och summa avslöjad negativ information (∑). För att studera detta vidare genomfördes ett t-test, vilket presenteras i tabell 13 nedan. Genom t-testet kan en signifikant (.000) skillnad konstateras i medelvärde mellan företag som tillämpar GRI å ena sidan (2.1867), och företag som inte tillämpar GRI å andra sidan (1.1158). Med bakgrund av att t-testet signifikant stödjer H7 väljer vi att förbise icke-signifikansen från regressionsanalysen då den inte var avsevärt hög (.152).

Tabell 13. T-test: Modell 3.

Variances T-test for Equality of Means

F Sig. t df Sig.

Noter: Beroende variabel är summa avslöjad negativ information (∑), vilken är logaritmerad för att uppnå normalfördelning.

Tabell 14. Sammanfattning av resultat för hypoteser.

Hypotes Resultat Test

H1 Företag avslöjar negativ information inom miljö i högre utsträckning än

inom övriga områden. + Parat t-test

H2 Företag inom branschen för industri avslöjar negativ information i

högre utsträckning än företag inom andra branscher. - MLR: Modell 2

T-test: Modell 1 H3 Företag med högre omsättning avslöjar negativ information i

hållbarhetsrapporter i högre utsträckning än företag med lägre

omsättning. - MLR: Modell 1

H4 Företag med fler antal anställda avslöjar negativ information i hållbarhetsrapporter i högre utsträckning än företag med färre antal

anställda. + MLR: Modell 1

H5 Företag med säte i Sverige avslöjar negativ information i

hållbarhetsrapporter i högre utsträckning än företag med säte i andra

länder. - MLR: Modell 1

T-test: Modell 2 H6 Företag med hållbarhetsrapporter bestående av fler antal sidor

avslöjar negativ information i högre utsträckning än företag med

hållbarhetsrapporter bestående av färre antal sidor. + MLR: Modell 1 H7 Företag som tillämpar GRI-standarder i sin hållbarhetsredovisning

avslöjar negativ information i högre utsträckning än företag som inte

tillämpar GRI-standarder i sin hållbarhetsredovisning. + MLR: Modell 1 T-test: Modell 3

Noter: MLR står för multipel linjär regression.

T-test står för oparat t-test om inget annat anges.

5. Diskussion

I följande kapitel förs inledningsvis en resultatdiskussion kring studiens empiriska resultat i förhållande till tidigare presenterade teoretiska referensram. Därefter förs en metoddiskussion där studiens begränsningar och förbättringsområden redogörs för, och avslutningsvis presenteras förslag på vidare forskning.

5.1 Resultatdiskussion

5.1.1 Avslöjad negativ information

Lagen om hållbarhetsrapportering kräver att hållbarhetsrapporten skall innehålla upplysningar inom fem områden; miljö, sociala förhållanden, personal, respekt för mänskliga rättigheter, samt motverkande av korruption (SFS 1995:1554). Å ena sidan finns inga explicita krav på negativ information enligt lagen (ibid.), å andra sidan är principerna för transparens och balans en allmänt erkänd grund inom redovisning (Arvidson et al. 2016;

Watts 2015; GRI 2016; Zsóka & Vajkai 2018). Det lagen däremot kräver av företag, är de delvis diffusa villkoren kring att företagen skall ange väsentliga risker inom de fem områdena som sannolikt kan medföra negativa konsekvenser (SFS 1995:1554). Lagens krav går därmed i linje med Jahn och Brühl (2019) samt Zsóka och Vajkai’s (2018) resonemang kring att befintliga krav på balans i de flesta länder är relativt oreglerade och inte är tillräckliga, utan behöver bli dels mer exakta, dels mindre flexibla, för att möjliggöra transparens i hållbarhetsrapporter.

På grund av dessa nämnda diffusa krav, samt möjlighet till flexibilitet hos företagen, finns det därigenom enligt tidigare forskning en majoritet som väljer att inte avslöja någon negativ information (Zsóka & Vajkai 2018; Deegan & Rankin 1997; Jahn & Brühl 2019), vilket därmed går i kontrast med transparens- och balansprincipen. Däremot finns det även en del företag som väljer att avslöja negativ information frivilligt, vilket ofta kallas för tvåsidiga meddelanden, eller “two-sided CSR” (Du & Vieira 2012; Pechmann 1992). För de som

använder tvåsidiga meddelanden, och därigenom lever upp till balansprincipen, påvisar tidigare forskning, däribland Janggu et al. (2007) samt Acabado et al. (2020), att en majoritet av den avslöjade negativa informationen berör miljö. Denna studie bidrar med ytterligare bevis för det, då miljö genom undersökningen konstaterats vara signifikant mer förekommande som område för avslöjad negativ information än övriga fyra områden nämnda i lagen.

Varför miljö är det vanligaste området att avslöja negativ information kring, skulle förslagsvis kunna vara på grund av att det i allmänhet finns mer att avslöja kring det i förhållande till övriga områden. Exempelvis kan det spekuleras i att det finns fler normer för aspekter att nämna kring miljö, då vi under datainsamlingen såg ett återkommande mönster av angivna siffror för bland annat farliga utsläpp, farligt avfall, samt energi-, vatten-, och bränsleförbrukning. Att ställa det i förhållande till exempelvis korruption, där det enda mönster vi kunde se var en siffra för upptäckta korruptionsincidenter, indikerar att det vanligtvis finns mer information kring miljö att avslöja än vad det gör för övriga områden.

Denna idé skulle även kunna motiveras enligt bland andra Jahn och Brühl’s (2019) redogörelse för attributionsteorin; att den frivilligt avslöjade negativa informationen kring miljö förväntas ge företaget trovärdighet samtidigt som miljö därmed är “minst skadligt” för företaget att erkänna då liknande avslöjanden görs av många andra företag. Därigenom kan företag avslöja negativ information om miljö, upplevas som trovärdiga för att de erkänner informationen, men samtidigt inte upplevas värre än “standarden” bland övriga företag.

Vidare redogör Sandberg och Holmlund (2015) för en idé efter resultatet av sin studie att miljöfrågor ofta är komplexa och otydliga, vilket medför att företag enklare kan vilseleda sina intressenter kring information kring miljö enligt teorin för impression management.

I övrigt märkte vi ofta av försköningar vid datainsamlingen, att företag tenderar att förminska problem i många sammanhang. Företagen kunde uttrycka sig på sätt att de indirekt gav en antydan på att något negativt låg bakom, men att de inte lät den negativa informationen konkret komma fram. Detta fenomen följer Lin’s (2020) redogörelse inom teorin för impression management att negativ information kan förskönas för att läsaren av

som betonar att företag även tenderar att vilseleda intressenter utan deras kännedom, vilket vi upplevde som en extra anmärkning under läsningen av hållbarhetsrapporterna.

5.1.2 Förklarande faktorer

Bransch

Mycket av den tidigare forskning som gjorts kring negativa avslöjanden i hållbarhetsrapporter, är överens om att företags bransch är en påverkande faktor för det (Patten 1992, se Boesso & Kumar 2007; Einwiller & Carroll 2020; Fifka & Drabble 2012;

Faisal et al. 2012). Mer specifikt visar bland andra Fifka och Drabble (2012) på att industriella branscher avslöjar mer negativ information än övriga branscher, vilket däremot inte kan stödjas av denna studie. Denna studie har kommit fram till att ett tillhörande i både branschen för råvaror, samt branschen för konsumentvaror, innebär signifikant mer negativa avslöjanden än vid tillhörande av branschen för industri. Därigenom misslyckas denna studie med att bekräfta tidigare forskning för att den industriella branschen är den bransch som avslöjar mest negativ information.

Varför olika branscher tenderar att avslöja olika mycket negativ information i sina hållbarhetsrapporter, kan bland annat förklaras genom legitimitetsteorin. Deegan och Unerman (2011) beskriver att den nödvändiga resursen legitimitet går att manipulera i önskad riktning, och att denna manipulering sker baserat på ett socialt kontrakt för vad som förväntas av företaget. Med det skulle det sociala kontraktet för de normer, krav och förväntningar som ställs på företag inom en viss bransch skilja sig åt från andra branscher på ett naturligt vis.

Förutom det Fifka och Drabble (2012) konstaterar för den industriella branschen, påvisar exempelvis Faisal et al. (2012) att företag inom högprofilerade branscher tenderar att framföra mer hållbarhetsinformation. Även detta kan förväntas ha kopplingar till legitimitetsteorin, att en högprofilerad bransch syns mer än övriga branscher, och därigenom har fler intressenter vars förväntningar skall levas upp till. Vidare menar Orlitzky et al. (2017) att branscher har olika ekonomier, och att omständigheter som exempelvis påverkar ekonomiska nedgångar tenderar att bidra till att kostnader för hållbarhet blir bland det första

som prioriteras bort. Därigenom skulle även den avslöjade negativa informationen troligtvis påverkas.

Företagsstorlek

Större företag, mätt i bland annat omsättning och antal anställda, utformar utförliga och innehållsrika hållbarhetsrapporter (Hahn & Kühnen 2013). Detta konstaterar även Reimsbach och Hahn (2015) samt Fernandez-Feijoo et al. (2014) och menar att ju större ett företag är, desto mer information bör det avslöja. Även forskare som bland andra Fifka och Drabble (2012) använder omsättning som en kontrollvariabel i studier.

Vår studie har inte funnit bevis för att en högre omsättning skulle öka mängden negativ information i hållbarhetsrapporter. Vad gäller antal anställda kan vår studie däremot tillföra ytterligare bevis för att antal anställda har ett signifikant samband med summa avslöjad negativ information, där ett högre antal anställda ger större mängd negativ information. Jahn och Brühl’s (2019) undersökning av effekter av hållbarhetsrapporter som innehöll både positiv och negativ information om företags sociala prestanda, visade att utvärdering av social prestanda ofta baseras på moraliska skäl. Detta kan vara en förklaring till varför

“personal” var det ämne som förekom mest efter “miljö” samt att antal anställda hade näst-störst påverkan på antal avslöjad negativ information. Företaget har ett moraliskt ansvar att tala om och erkänna när en negativ incident inträffat angående sin personal. Detta står i likhet med Akerlof (1970) teori där han menar att företag bör vilja framföra positiv och negativ information. Skulle företaget inte avslöja negativ information kan det uppfattas undanhålla den istället och därmed ses som ett “sämre” företag. Det kan även argumenteras för att företagen väljer att rapportera den negativa informationen i förebyggande syfte, dels för att minska risker för kostnader kopplade till rykte, dels för att utmärka sig från “sämre”

företag (Akerlof 1970; Skinner 1994).

Land för säte

För att övergå till säte i Sverige som faktor, menar inledningsvis Delgado och Sousa (2014)

spanska företag. Forskning visar även att svenska företag har en högre nivå av rapportering jämfört med amerikanska företag (Van der Laan Smith et al. 2005, se Fernandez-Feijoo et al.

2014). Einwiller och Carroll (2020) har kommit fram till att företag i Germanska/Nordiska Europeiska länder avslöjar störst mängd negativ information i sina hållbarhetsrapporter. I kontrast till detta har denna studie inte funnit ytterligare belägg för detta påstående då korrelation och skillnad mellan land för säte inte visar på ett signifikant samband.

Det kan diskuteras att en anledning till detta är att i den svenska årsredovisningslagen finns det inga uttryckliga krav på transparens och balans i hållbarhetsrapporten (SFS 1995:1554).

Detta kan leda till att företag har ett legitimeringsmotiv; för att ett företag ska uppfattas som legitimt är det inte dess faktiska uppförande som är det viktiga, utan det är det som samhället vet om företagets uppförande som formar denna legitimitet (Deegan & Unerman 2011).

Sverige anses idag som ett av de hållbaraste länderna i världen (World Population Review 2020), vilket skulle kunna innebära, i enlighet med ett argument inom attributionsteori, att frivillig rapportering av negativa händelser kan ses som osannolikt hos läsaren, och kan därför påverka företagens tillförlitlighet negativt. Detta kan vara en förklaring till att företag med säte i Sverige inte rapporterar större mängd negativ information i jämförelse med andra länder, för att inte skada sin trovärdighet. En annan möjlig förklaring finns i legitimitetsteorin, att företag framför en hållbarhetsrapport av låg kvalitet för att skydda sin image som hållbara företag (Hummel & Schlick 2016). Perks et al. (2013) menar också att företag kan anta en legitimeringsstrategi genom att fokusera på positiv information för att avleda från sina socialt oansvariga ageranden.

Att företag med säte i Sverige inte rapporterade en större mängd negativ information i jämförelse med företag som hade säte i andra länder kan även ha sin förklaring i att majoriteten av företag i studien tillämpar GRI som standard. Med sitt krav om balans blir rapportering av såväl positiv som negativ information en del av hållbarhetsrapporten. De företag som tillämpar GRI ska upprätta hållbarhetsrapporter som besitter transparens, fullständighet och balans (GRI 2016).

Hållbarhetsrapportens struktur

Fortsättningsvis diskuteras hållbarhetsrapportens struktur som faktor, där Einwiller och Carroll (2020) bland annat menar att en längre hållbarhetsrapport tenderar att innehålla mer negativ information än en kortare rapport. Boiral (2013) anser att detta inte är fallet då han menar att även de hållbarhetsrapporter med fler antal sidor inte respekterar principen om fullständighet vad gäller att avslöja negativ information. I kontrast till Boiral (2013), men i enighet med Einwiller och Carroll (2020), har denna studie kommit fram till att en längre rapport innehåller fler negativa avslöjanden.

Legitimitetsteorin handlar om hur företag kontinuerligt vill uppfattas som verksamma inom de normer som råder i samhället, varför företag vill uppfattas som legitima av externa parter (Deegan & Unerman 2011; Suchman 1995). Som tidigare nämnt är det för en organisation som vill uppfattas som legitim inte det faktiska handlandet som är viktigt, utan det är det som samhället vet eller uppfattar om företaget som är av största vikt. Detta innebär att hållbarhetsrapporter kan användas för att framföra hållbarhetsinformation i syfte att skapa en dialog mellan företaget och samhället (Waller & Lanis 2009), och på så sätt uppnå legitimitet.

Därför kan det argumenteras för att längden hållbarhetsrapport kan vara ett verktyg för att skapa legitimitet, då företaget kan tala mer om hur de upprätthåller de normer och värderingar som finns i samhället, på ett fler antal sidor.

Impression management förekommer ofta i hållbarhetsrapporter, vilket kan användas av företag för att selektivt uppfattas så bra som möjligt (Clatworthy & Jones 2006). Det kan motiveras av ledningens vilja att presentera en positiv syn på företaget, då de med impression management kan forma de intryck andra har om dem. Det är skillnaden mellan de verkliga handlingarna hos företag, och sättet de presenterar sina handlingar på. Genom impression management kan företag utforma en presentation om handlingarna för att påverka intressenters uppfattning genom att kontrollera vad som avslöjas och hur (Bansal & Kistruck 2006). Att antal sidor hållbarhetsrapport medför att antal negativa avslöjanden ökar skulle

In document Avslöjande av negativ information i hållbarhetsrapporter (Page 54-70)