H0: bransch= bransch= … = bransch
H1: åtminstone en bransch medelvärde avviker från de andra.
Tabell 11, deskriptiv statistik absoluta DA fördelade på branscher
Bransch Företag Observationer Medel Median Standardavvikelse
Material 20 80 0,03435 0,02295 0,03613
Konsumentvaror 52 208 0,05169 0,03828 0,04898
Konsumenttjänster 42 168 0,05458 0,03727 0,05320
Hälsovård 43 172 0,08025 0,05074 0,09753
Industri 132 528 0,06293 0,04457 0,07141
Olja & Gas 5 20 0,0940 0,0843 0,0636
Teknologi 68 272 0,08602 0,05625 0,10240
Telekom 5 20 0,0914 0,0541 0,1070
Tabell 11 visar att medelvärdet skiljer stort mellan branscherna. Branschen Material har det lägsta medelvärdet (0,03435) vilket är betydligt lägre än alla andra medelvärden i undersökningen. Branscherna Olja & Gas och Telekom har de högsta medelvärdena runt 0,09. Det bör anmärkas att dessa branscher bara innehåller fem företag med 20 observationer vilket är väsentligt mindre än de jämförande branscherna och därför kan enstaka företag påverka medelvärdet i högre grad. Medelvärdet för Telekom i förhållande till medianen är skevt och dessutom är standardavvikelsen stor. Det tyder på att stor spridning med uteliggare i resultatet vilket föranleder till försiktig tolkning av branschen Telekom. Olja & Gas uppvisar däremot små skillnader mellan medelvärde och median samt har en i sammanhanget normal standardavvikelse. En annan bransch med högt medelvärde och hög standardavvikelse är Teknologi. Se diagram 5 för skillnader i spridningen mellan åren.
30 Diagram 5, DA medelvärde mellan år 2006-2009.
Diagram 5 visar som vi nämnt ovan att de tre branscherna Telekom, Olja & Gas och Teknologi är de mest volatila. Vissa år ligger nivån av EM i linje med de andra branscherna men under andra år är skillnaden stor. Material med lägst medelvärde har dessutom ett stabilt medelvärde mellan åren. Detta gör branschen intressantare att tolka då det låga värdet till synes inte påverkas av tillfälliga skillnader.
Tabell 12, resultat ANOVA-test på branscher.
DF SS MS F P S R-Sq
Mellan branscher 7 0,32213 0,04602 7,88 0,000 0,07640 3,64 %
Inom branscher 1460 8,52231 0,00584 — — — —
Total 1467 8,84445 — — — — —
I det första generella ANOVA-testet på branscherna får vi ett p-värde på 0,000. Det existerar
alltså med säkerhet signifikanta skillnader mellan branscher. Med ett R-square6 på 3,64
procent är det låg förklaringsgrad i regressionen. Anledningen är de stora varianserna i medelvärden och standardavvikelser. Resultat med små R-square-värden är vanligt förekommande i studier med stora störningar exempelvis avvikelser och uteliggare, vilket ekonomisk data ofta har. De ytterligare 27 ANOVA-testen visar mer specifika skillnader.
6
R-squarevisar hur mycket variation i svaret som förklaras av modellen. Ju högre R-square, desto bättre passar modellen datan. 0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 0,16 2006 2007 2008 2009 Telekom Olja & Gas Teknologi Industri Hälsovård Konsumenttjäns ter Konsumentvaror Material
31 Tabell 13, P-värde mellan branscher.
Branscher Material K-varor K-tjänster
Hälsovård Industri Olja & Gas Teknologi Telekom Material — 0,004 0,002 0,000 0,000 0,000 0,000 0,000 K-varor 0,004 — 0,585 0,000 0,037 0,000 0,000 0,003 K-tjänster 0,002 0,585 — 0,003 0,163 0,003 0,000 0,011 Hälsovård 0,000 0,000 0,003 — 0,012 0,541 0,556 0,632 Industri 0,000 0,037 0,163 0,012 — 0,056 0,000 0,087
Olja & Gas 0,000 0,000 0,003 0,541 0,056 — 0,733 0,928
Teknologi 0,000 0,000 0,000 0,556 0,000 0,733 — 0,821
Telekom 0,000 0,003 0,011 0,632 0,087 0,928 0,821 —
Resultaten i tabell 13 visar p-värden som sträcker sig from 0,000 till nära 1, där noll visar signifikanta olikheter i jämförande branscher. Det existerar därför signifikanta skillnader men också likheter. Se Bilaga 3 för mer detaljerad information från ANOVA-testen. Vi börjar med att titta på de mest avvikande resultaten. Branschen Material med sitt ovanligt låga medelvärde skiljer sig signifikant från alla branscher. Branscherna Konsumentvaror och Konsumenttjänster har även lågt medelvärde och visar sinsemellan ingen signifikant skillnad men däremot en skillnad mot de övriga branscherna med undantag för Konsumenttjänster mot Industri. Olja & Gas, Teknologi och Telekom är de branscher som har flest likheter med andra branscher oavsett signifikansnivå. Detta beror på stora standardavvikelser. Vi kan förkasta tio likheter på 95-procentnivån, och åtta på 90- procentnivån. De resterande 18 jämförelserna på 95-procentnivån eller 20 jämförelser på 90-procentnivån är signifikant olika.
De statistiska testen bekräftar hypotesen att EM skiljer sig mellan branscher. Mot bakgrund av stora standardavvikelser och få observationer i vissa branscher samt att tidigare litteratur visar att EM kan bero på företags- och branschspecifika förhållanden bör resultaten tolkas försiktigt. De branscher vi anser skilja mest relativt till hela branschindelningen efter att vi tagit hänsyn till oklarheter i resultaten är Material, Olja & Gas, Konsumentvaror och Konsumenttjänster. Däremot skiljer sig inte Konsumentvaror och Konsumenttjänster från varandra. Trots att branschen Teknologi har stora statistiska likheter som kan härledas till stor standardavvikelse bör branschen kommenteras då den har högt medelvärde av DA. Detta kan förklaras av att branschen har störst andel små företag vilket kan kopplas till EM.
Dechow & Dichev (2002) och Gaio (2010) testar variabler som styr graden av manipulerade periodiseringar. Dessa är storlek, volatilitet i försäljningen, volatilitet i kassaflödet, volatilitet
32 i periodiseringarna, längden på den operativa cykeln och negativa resultat. Branschen Material med företag inom exempelvis gruv-, stål- och skogssektorn har lägst nivå av EM. Denna bransch är liknande branschen Mineral i Kim et al. (2003) studie. De visar att företagen i branschen Mineral har låg nivå av EM. Vi menar att dessa företag är relativt stora och stabila vilket är negativt korrelerat med EM och därför är det en tänkbar förklaring till resultatet. Dessutom är det tänkbart att ägare för dessa företag är långsiktiga och därför saknar incitament till manipulering som skönmålar resultaten. Olja & Gas visar en intressant trend med en lägstanivå av EM under 2007 och därefter en stigande nivå. Trenden sammanfaller med den ekonomiska högkonjunkturen 2007 och starten på lågkonjunkturen 2008 då oljepriset sjönk från en högsta nivå på 147 dollar per fat i juli 2008 nedåt 30 dollar 2009 på New Yorks råvarubörs (NYMEX). Diagrammet är dock inte exakt då medelvärdena är baserade på företagens årsbokslut och därför bara visar en punkt under året. Negativa resultat och volatilitet i omsättningen har påvisats öka graden av EM för att undvika att rapportera sämre resultat vilket kan vara en förklaring till trenden i Olja & Gas.
Konsumenttjänster och Konsumentvaror uppvisar en relativt låg grad av EM. Dessutom är det intressant att resultaten är liknande mellan de två branscherna. Om likheten är en tillfällighet eller beror på att de båda är konsumentinriktade är oklart och kräver vidare undersökning utanför ramen för denna studie. Förklarande faktorer skulle kunna vara branschspecifika förhållanden, företagsstorlek, revisorer och ägarskap.
7 Slutsats
Syftet med denna studie är att undersöka förekomsten av EM i urvalet och visa om det skiljer sig mellan länderna och om skillnad existerar mellan företagsstorlek samt branscher.
Resultaten av de empiriska testerna i denna studie stödjer likt tidigare forskning hypotesen att EM existerar i Sverige, Finland och Danmark. Vår studie visar att i genomsnitt 55 procent av periodiseringarna är resultatförminskande. Baserat på tidigare forskning om vilka förhållanden som skapar incitament att utöva EM var det förväntade resultatet att ingen skillnad förkommer mellan länderna. Vi menar att de är relativt lika. Resultatet visar dock att Danmark avviker med ett högre medelvärde för DA under hela tidsperioden, vilket likställs med en högre nivå av EM. Avvikelsen kan förklaras med att en tidigare studie av 31 länder där Sverige, Finland och Danmark ingår visar att Danmark har en liten skillnad i specifika
33 företags- och samhällsförhållanden som ger utrymme till EM (Leuz et al, 2003). Det bidrar enligt denna studie till att skapa starkare incitament för att tillgripa EM i Danmark än i Sverige och Finland. Dessutom är de danska företagen generellt mindre vilket forskningen också visar medföra ett positivt samband till EM. Vi tror också att Danmark kan ha andra seder och traditioner som påverkar redovisningen, vilket är ytterligare en faktor som bestämmer graden av EM.
De förväntade skillnaderna mellan företagen på Large, Mid och Small Cap bekräftas av de statistiska testen. Vi finner att företagen noterade på Small Cap har en konstant högre nivå av EM. Detta ligger i linje med tidigare forskning som påvisat att små företag är mer benägna att manipulera redovisningen. Små företag är ofta inte lika utsatta för samma granskning som de stora. Intressenter och revisorer ställer ofta inte lika höga krav på små företag att redovisa finansiell information och det ger ett större utrymme för manipulation. Motiven till att de små företagen ägnar sig åt EM är flera och ofta individuella. Allt från att undvika att redovisa negativa resultat, jämna ut resultaten mellan åren till att redovisa lägre resultat.
Även skillnader mellan branscher visar sig existera. Vi finner branscher som uppvisar klara skillnader i nivån på EM trots att vi tolkar resultaten försiktigt på grund av statistiska och metodologiska oklarheter. Branschen Material sticker ut med en stabil och klart lägsta nivå av manipulering. Branschen består av stora och i många fall gamla företag vilket enligt tidigare forskningen visat sig medföra ett negativt samband till EM. Företagen på Large Cap uppvisar också en jämförelsevis stabilare ägarstruktur vilket antas medföra en mer långsiktig relation mellan företagen och dess ägare som minskar pressen på att skapa bra resultat varje år. Branschen Olja & Gas följer tydligt den ekonomiska cykeln i undersökningsperioden med en hög nivå av EM. Oljepriset är extremt beroende av konjunkturen och manipuleringarna ökar från 2008. Här tror vi att dessa företag ville påverka fallande resultat när oljan sjönk från en högsta nivå i juli 2008 nedåt 30 dollar 2009 . Slutligen är branscherna Konsumenttjänster och Konsumentvaror intressanta. I en inbördes jämförelse uppvisar de endast mindre skillnader, men mot resten av branscherna har dessa två en låg nivå av EM. Förklaringar till detta mönster kan vi bara spekulera i. Tänkbart är branschspecifika förhållanden, företagsstorlek, revisorer och ägarskap.
Tidigare forskning visar ett EM kan bero på företags- och branschspecifika förhållanden. Oavsett om skillnaderna mellan branscher beror på avsiktlig manipulering, branschspecifika
34 förhållanden eller både och så anser vi att de är intressanta ur en investerares synvinkel, eftersom modellen mäter periodiseringar som anses onormala och påverkar företagens resultat.
Vi påvisar och bekräftar även tidigare forskning om skillnader i earnings management mellan länder, företagsstorlek och branscher. Vi anser att resultaten är signifikanta trots metodologiska frågor som kan härledas till svagheter i vald modell. Vi väljer att bara tolka de resultat som är tydligt avvikande för att kunna dra säkrare slutsatser. Dessutom stöds de flesta av våra resultat av tidigare forskning kring EM.
Vår förhoppning är att resultaten skapar medvetenhet om att skillnader i nivån av EM existerar mellan de studerade företagen noterade vid Nasdaq OMX Nordic. Men resultaten är generella och kan inte appliceras på enstaka företag. Därför vore det intressant med forskning som tittar mer specifikt på våra resultat. Speciellt på bransch- och företagsnivå då fenomenet är tämligen outforskat. En bättre förståelse av EM leder till möjlighet att konstruera mer exakta modeller för att mäta förekomsten på nations-, bransch- och idealt även på företagsnivå. Det bör det också utredas i vilken omfattning EM är ett problem för kapitalmarknaden. Hur påverkas aktiekurser och därmed börsvärde av manipulationer? Vilseleds kapitalmarknaden? Detta anser vi vara en central fråga då forskningen bevisat förekomsten av EM, men utan att reda ut hur det påverkar intressenterna. En djupare förståelse av metoder för att bättre mäta EM skulle sannolikt uppskattas av kapitalmarknaden då det kan leda till en bättre genomlysning av branscher och företag.
35
8 Referenser
Artiklar:
Albrecth, W.D., & Richardson, F.M. 1990. “Income smoothing by economy sector”. Journal
of Business Finance and Accounting, 17, 713-730.
Balsam S., 1998, “Discretionary Accounting Choices
and CEO Compensation”, Contemporary Accounting Research Vol. 15 No. 3, 229-52. Becker C., Defond L., Jiambalvo J., Subramanyam KR. 1998, ”The Effect of Audit Quality on Earnings Management”, Contemporary Accounting Research Vol. 15 No. 1, 1-24. Caylor, M.L, 2009. “Strategic revenue recognition to achieve earnings benchmarks,” J. Account. Public Policy, 29, 82–95
Coppensa, L. & Peek, E. 2005. “An analysis of earnings management by European private firms”, Journal of international Accounting, Auditing & Taxation, Vol 14 No. 1, 1-17.
Bergstresser,D & Philippon,T. 2006. “CEO incentives and earnings management”, Journal of
Financial Economics 80, 511–529
Burgstahler, D. & Dichev, I. 1997. “Earnings management to avoid earnings decreases and losses”, Journal of Accounting and Economics, 24, 99-126.
Burgstahler, D. & Eames, M. 2003. “Earnings Management to Avoid Losses and
Earnings Decreases: Are Analysts Fooled?”, Contemporary Accounting Research Vol. 20 No. 2 pp. 253-94.
Burgstahler, D., Hail, L. & Leuz., C. 2004. “The importance of reporting incentives: Earnings management in European private and public firms”, Financial Institution Center at The
Wharton School, 1-45.
Cooke, T. E. 1989. “Disclosure in the Corporate Annual Reports of Swedish Companies”,
Accounting and Business Research, Vol 19, No. 74, 113-124.
Cornett, M.M, Marcus, J &Tehranian, H. 2008. “Corporate governance and pay-for-performance: The impact of earnings management”, Journal of Financial Economics, 87, ( 357–373).
DeAngelo, H. & DeAngelo, L. 1994., “Accounting choices in troubled companies”, Journal
of Accounting and Economics 17, 1 l3- 143.
Dechow, P., Sloan, R. & Sweeny A., 1995. “Detecting Earnings Management”, The
Accounting Review, 70(2), 193-225.
Dechow, P, & Skinner, D., 2000. “Earnings Management, Reconciling the Views of Accounting Academics, Practitioners, and Regulators”, Accounting Horizons, 14 (2), 235-250.
36 Dechow, P.& Dichev, I. 2002. ”The Quality of Accruals and Earnings: The Role of Accrual Estimation Errors”, The Accounting Review, Vol. 77, 35–59.
Degeorge, F., Patel., J & Zeckhauser, R. 1999. “Earnings Management to Exceed Thresholds”, Journal of Business, vol. 72, no. 1.
Gaio, C. 2010. ”The Relative Importance of Firm and Country Characteristics for Earnings Quality around the World”, European Accounting Review, Vol. 19, No. 4, 693–738.
Glaum, M., Lichtblau, K., & Lindemann, J. 2004. “The Extent of Earnings Management in the U.S. and Germany”, Journal of international accounting research, Volume 3, No. 2, 45-77.
Han, J. & Wang, S. 1998. ” Political Costs and Earnings Management of Oil Companies During the 1990 Persian Gulf Crisis”, Accounting Review; Vol. 73, Issue 1, 103-115 Healy, P., 1985. “The Effect of Bonus Schemes on Accounting Decisions”, Journal of
Accounting and Economics, 7, 85-107.
Healy P. & Wahlen, J., 1999. “A review of the Earnings Management Literature and Its Implications for Standard Setting”, Accounting Horizons, 13(4), 365-383.
Hribar, P. & Collins, D., 2002. “Errors in Estimating Accruals: Implications for Empirical Research”, Journal of Accounting Research, 40 (1), 105-134.
Jones, J., 1991. “Earnings Management During Import Relief Investigations”, Journal of
Accounting Research, 29, 193-228.
Kasanen, E., Kinnunen, J. & Niskanen, J. 1996. ”Dividend-based earnings management: Empirical evidence from Finland”, Journal of Accounting and Economics, 22, 283-312. Kasznik, R. 1999. ” On the Association between Voluntary Disclosure and Earnings Management”, Journal of Accounting Research, Vol. 7, No. 1.
Kim, Y., Liu, C. & Rhee, S. G. 2003. “The Effect of Firm size on Earnings Management”,
Collage of Business Administration University of Hawaii .
Lee, B.B., Choi, B., 2002. “Company size, auditor type and earnings management”, Journal
of Forensic Accounting, 3, 27-50.
Leuz, C., Nanda, D. & Wysocki, P. 2003. ”Earnings management and investor protection: an international comparison”, Journal of Financial Economics, 69, 505-527.
McNichols, F. 2000. ” Research design issues in earnings
management studies”, Journal of Accounting and Public Policy, 19 , 313-345 McVay, S. E. 2006. “Earnings Management Using Classification Shifting: An
37 Meek, G.K,. Roberts, C.B. & Gray, S.J. 1995. “Factors influencing voluntary annual report disclosures by U.S., U.K. and continental European multinational corporations,”,Journal of
international business studies, third quarter.
Mohanram, P. S. 2003. “How to manage earnings management”, Accounting World, 10, 1-12.
Peasnell, K.V., Pope P.F. & Young S. 2000. “Detecting earnings management using
cross-sectional abnormal accruals models”, Accounting and Business Research, Vol. 30. No. 4,
313-326.
Siregar, V. S & Utama, S. 2008. “Type of earnings management and the effect of ownership structure, firm size and corporate-governance practice: Evidence from Indonesia”, The
International Journal of Accounting 43, 1-27.
Spohr, J. 2004. ”Earnings Management and IPOS – Evidence from Finland”, L T A, 2, 157– 1 72.
Stolowy H., 2004. “Accounts Manipulation: A Literature Review and
Proposed Conceptual Framework”, Review of Accounting and Finance, Vol. 3 No. 1. Stubben, S. 2010. ”Discretionary Revenues as a Measure of Earnings Management”, The
Accounting Review, Vol. 85, No. 2, 695–717.
Van Tendeloo, B. & Vanstraelen, A. 2005. ”Earnings Management under German GAAP versus IFRS”, European Accounting Review”, Vol. 14 No. 1, 155-180.
Wall, J. & Wiik, M. 2010. “Earnings Management och Finanskrisen”, Kandidatuppsats, Uppsala Universitet.
Xiong, Y. 2006. “Earnings Management and Its Measurement: A theoretical Perspective” The
Journal of America Academy of Business 9, 214-219.
Young, S. 1999. ”Systematic Measurement Error in the Estimation of DiscretionaryAccruals: An Evaluation of Alternative Modelling Procedures”, Journal of Business Finance &
Accounting, 26, 833-862.
Böcker:
Körner, S. & Wahlgren, L. 206. Statistisk Dataanalys. Studentlitteratur AB, Lund.
Internationell redovisningsstandard i Sverige, 2008, FAR SRS Förlag, Stockholm.
Övriga källor:
Datastream Minitabs ordlista
38
9 Appendix
Bilaga 1
Branschindelning Sverige BILLERUD AB - Material HOGANAS AB - MaterialBERGS TIMBER AB - Material
BOLIDEN AB - Material
HOLMEN AB - Material
LUNDBERGFORETAGEN AB - Material
BONG LJUNGDAHL AB - Material
NOLATO AB - Material
ROTTNEROS AB - Material
TRICORONA - Material
SSAB SVENSKT STAL AB - Material
AARHUSKARLSHAMN AB - Konsumentvaror
ACAP INVEST AB - Konsumentvaror
BRIO AB - Konsumentvaror
BIOGAIA AB - Konsumentvaror
BORAS WAFVERI AB - Konsumentvaror
LAMMHULTS - Konsumentvaror
FENIX OUTDOOR AB - Konsumentvaror
KABE HUSVAGNAR AB - Konsumentvaror
OPCON AB - Konsumentvaror
SINTERCAST AB - Konsumentvaror
MIDELFART SONESSON - Konsumentvaror
HALDEX AB - Konsumentvaror
MEKONOMEN AB - Konsumentvaror
NEW WAVE GROUP AB - Konsumentvaror
NOBIA AB - Konsumentvaror
VBG GROUP AB - Konsumentvaror
ELECTROLUX AB - Konsumentvaror
HUSQVARNA - Konsumentvaror
ORIFLAME COSMETICS - Konsumentvaror
SWEDISH MATCH AB - Konsumentvaror
AXFOOD AB - Konsumenttjänster
BETSSON AB - Konsumenttjänster
A-COM AB - Konsumenttjänster
BILIA AB - Konsumenttjänster
ELANDERS AB - Konsumenttjänster
METRO INTL SA - Konsumenttjänster
NETONNET AB - Konsumenttjänster
TICKET TRAVEL GROUP - Konsumenttjänster
39
RNB RETAIL - Konsumenttjänster
CLAS OHLSON AB - Konsumenttjänster
ENIRO AB - Konsumenttjänster HEMTEX AB - Konsumenttjänster KAPPAHL AB - Konsumenttjänster SAS AB - Konsumenttjänster SKISTAR AB - Konsumenttjänster TRADEDOUBLER AB - Konsumenttjänster
HAKON INVEST AB - Konsumenttjänster
HENNES & MAURITZ AB - Konsumenttjänster
MODERN TIMES GRP MTG - Konsumenttjänster
ACTIVE BIOTECH AB - Hälsovård
BIOINVENT INTL - Hälsovård
SWEDISH ORPHAN - Hälsovård
OXIGENE, INC. - Hälsovård
Q-MED AB - Hälsovård ASTRAZENECA PLC - Hälsovård ELEKTA AB - Hälsovård GETINGE AB - Hälsovård MEDA AB - Hälsovård ARTIMPLANT - Hälsovård BIOPHAUSIA AB - Hälsovård
BIOLIN SCIENTIFIC AB - Hälsovård
BIOTAGE AB - Hälsovård
DIAMYD MEDICAL AB - Hälsovård
EPICEPT CORPORATION - Hälsovård
FEELGOOD SVENSKA AB - Hälsovård
HUMAN CARE AB - Hälsovård
KARO BIO AB - Hälsovård
MEDIVIR AB - Hälsovård OREXO AB - Hälsovård ORTIVUS AB - Hälsovård PROBI AB - Hälsovård VITROLIFE AB - Hälsovård ELOS AB - Hälsovård
NOBEL BIOCARE HLDG - Hälsovård
ABB LTD - Industri
ASSA ABLOY AB - Industri
ALFA LAVAL AB - Industri
ATLAS COPCO AB - Industri
HEXAGON AB - Industri NCC AB - Industri SAAB AB - Industri SCANIA AB - Industri SKF AB - Industri SANDVIK AB - Industri
40
SECURITAS AB - Industri
SKANSKA AB - Industri
TRELLEBORG AB - Industri
AB VOLVO - Industri
REDERI AB TRANS - Industri
BTS GROUP AB - Industri
G & L BEIJER AB - Industri
BEIJER ELECTRONICS - Industri
CTT SYSTEMS AB - Industri
CONCORDIA MARITIME - Industri
CONSILIUM AB - Industri
DUROC AB - Industri
ELEKTRONIKGRUPPEN BK - Industri
FINGERPRINT CARDS AB - Industri
AB GEVEKO - Industri
HL DISPLAY AB - Industri
XANO INDUSTRI AB - Industri
INTELLECTA AB - Industri
LAGERCRANTZ GROUP AB - Industri
MALMBERGS ELEKTRISKA - Industri
MICRONIC MYDATA AB - Industri
NOTE AB - Industri OEM-INTERNATIONAL AB - Industri CISION AB - Industri PARTNERTECH AB - Industri POOLIA AB - Industri PRICER AB - Industri PROFFICE AB - Industri PROFILGRUPPEN AB - Industri
RORVIK TIMBER AB - Industri
SEMCON AB - Industri
SENSYS TRAFFIC AB - Industri
SVEDBERGS I DALSTORP - Industri
ADDTECH AB - Industri
BEIJER ALMA AB - Industri
B&B TOOLS AB - Industri
CARDO AB - Industri
FAGERHULT AB - Industri
GUNNEBO AB - Industri
INDUTRADE AB - Industri
MUNTERS AB - Industri
NIBE INDUSTRIER AB - Industri
PEAB AB - Industri
SWECO AB - Industri
NISCAYAH - Industri
TRANSCOM WORLDWIDE - Industri
41
LUNDIN PETROLEUM AB - Olja & Gas
PA RESOURCES AB - Olja & Gas
AXIS AB - Teknologi
LBI INTERNATIONAL NV - Teknologi
HIQ INTERNATIONAL AB - Teknologi
NET INSIGHT AB - Teknologi
ORC SOFTWARE AB - Teknologi
SECTRA AB - Teknologi
ACANDO AB - Teknologi
ADDNODE AB - Teknologi
ANOTO GROUP AB - Teknologi
ASPIRO AB - Teknologi
CONNECTA AB - Teknologi
CYBERCOM GROUP AB - Teknologi
DORO AB - Teknologi
DIGITAL VISION AB - Teknologi
ENEA AB - Teknologi
IBS AB - Teknologi
JEEVES INFORMATION - Teknologi
KNOW IT AB - Teknologi
LAWSON SOFTWARE INC - Teknologi
MSC KONSULT AB - Teknologi
MODUL 1 DATA AB - Teknologi
MULTIQ INTL AB - Teknologi
INTOI AB - Teknologi
NOVOTEK AB - Teknologi
PRECISE BIOMETRICS - Teknologi
PREVAS AB - Teknologi
PROACT IT GROUP AB - Teknologi
RAYSEARCH LAB - Teknologi
READSOFT AB - Teknologi
SIGMA AB - Teknologi
SOFTRONIC AB - Teknologi
HIFAB GROUP AB - Teknologi
PHONERA AB - Teknologi
TELIASONERA AB - Telekom
TELE2 AB - Telekom
MOBYSON AB - Telekom
Danmark
AURIGA INDUSTRIES - Material
CARLSBERG A/S - Konsumentvaror
DANISCO A/S - Konsumentvaror
DANIONICS AS - Konsumentvaror
DANTAX RADIOINDUSTRI - Konsumentvaror
42
EGETAEPPER A/S - Konsumentvaror
EXPEDIT A/S - Konsumentvaror
GABRIEL HOLDING AS - Konsumentvaror
GLUNZ & JENSEN A/S - Konsumentvaror
HARBOES BRYGGERI A/S - Konsumentvaror
ROYAL UNIBREW A/S - Konsumentvaror
SCANDINAVIAN BRAKE - Konsumentvaror
BANG & OLUFSEN AS - Konsumentvaror
IC COMPANYS AS - Konsumentvaror
UNITED INTERNATIONAL - Konsumentvaror
EAST ASIATIC CO - Konsumentvaror
MOLS LINIEN A/S - Konsumenttjänster
PARKEN SPORT & ENTER - Konsumenttjänster
AALBORG BOLDSPILKLUB - Konsumenttjänster
ANDERSEN & MARTINI - Konsumenttjänster
BRONDBYERNES IF - Konsumenttjänster