Kontrollvariabler

4.6.2 Kontrollvariabler

4.6.2.1 Företagsstorlek

Tidigare forskning se exempelvis (Banz 1981; Davis 2001; Bayless 2009; Fama & French 1992; Hill & Phan 1991) har visat att ett företags storlek har en positiv påverkan på avkastningen för företagets aktier. I dessa studier har storleken operationaliserats på olika sätt. Hill och Phan (1991) har som mått på storlek den naturliga logaritmen av företagets antal anställda. Banz (1981) och Fama och French (1992) använder sig av börsvärdet som indikator på ett företags storlek.

Tosi et al (2000) beskriver i sin meta-analys att företagsstorlek operationaliserats i ett antal tidigare studier som nettoomsättning, kvadratroten ur nettoomsättning, logaritmen av nettoomsättning och antal anställda. Kyaw och Theingi (2009) använder företagets tillgångars värde som mått på företagsstorlek och som en kontrollvariabel. Logaritmen av företagets totala tillgångar har också använts som ett mått på företagsstorlek (Adjaoud et al 2007; Peng 2004)

Eftersom företagsstorlek operationaliserats på flera olika sätt anser vi att det kan vara intressant att använda mer än ett mått på det i den statistiska analysen för att se om det uppstår några signifikanta skillnader. Nettoomsättning förefaller vara ett mått som är lämpligt att använda med hänsyn till att ett

53

företag svårligen kan växa och bli större utan att öka sin nettoomsättning. Som ett kompletterande mått har antal anställda valts, det är ett mått som inte är alltför närbesläktat med nettoomsättningen och bör därmed kunna komplettera det måttet väl. Vi är dock medvetna om att det eventuellt kan föreligga vissa problem med detta mått eftersom exempelvis Melker Schörling AB endast har ett fåtal personer anställda och en redovisad omsättning på 0 kronor flera år samtidigt som företaget har ett förhållandevis högt börsvärde.

Storleksvariablerna hämtas från databasen Orbis för de olika åren som kommer användas.

4.6.2.2 Book-to-market

Forskningen (Fama & French 1992; Bayless 2009; Barber & Lyon 1997) har funnit att Book-to-Market Equity-värdet har en positiv relation till utvecklingen på aktiemarknaden för företag.

Operationaliseringen av Book-to-market har i tidigare forskning skett genom att oförändrat använda sig av Book-to-Market (Fama & French 1992) och genom att logaritmera det värdet (Gompers et al 2003). Vi kommer, i likhet med tillvägagångssättet i tidigare studier (Fama & French 1992; Bayless 2009), att mätas som det egna kapitalet i företaget på balansdagen dividerat på marknadsvärdet på företaget på balansdagen. Insamlingen av data har skett genom databasen Orbis. I Orbis finns dock bara inversen, Market price/Book Value per share, av book-to-market värdet tillgängligt. Som en konsekvens av detta genomför vi följande beräkning för att få fram book-to-market värdet:

4.6.2.3 Bransch

Deckop (1988) har som tidigare beskrivits visat på att företag inom samma bransch ofta möter samma exogena utveckling rörande exempelvis de ekonomiska och rättsliga förutsättningar som styr deras verksamhet. Vi kommer därför kontrollera för bransch för att försöka eliminera denna typ av effekter. Finkelstein (2009) genomför sin kategorisering genom att använda den branschindelning som är genomförd i databasen COMPUSTAT. Elsilä et al (2013) använder en tvåsiffrig SIC-kod hämtad från en databas för att göra sin branschindelning.

Vi har dock valt att använda den branschindelning som Nasdaq OMX Nordic Stockholm använder (Nasdaq OMX Nordic, 2013). Det har i sin indelning tio olika kategorier av sektorer, vilka alla, utom

Utilities och Oil & Gas, finns representerade i vår undersökning. De tio kategorierna är Oil & Gas, Basic Materials, Industrials, Consumer Goods, Consumer Services, Health Care,Telecommunications, Utilities, Financials och Technology. Det är dels en tidsbesparande åtgärd och dels anser vi att den

indelningen får anses vara tillförlitlig med hänsyn till att det är börsens egen indelning. Den följer dessutom den globala standarden Global Industry Classification Standard (GICS). Bransch är kodad som en dikotom variabel. Detta betyder att om ett företag är med i en viss bransch har den tilldelats en 1:a i vårt material och annars har den blivit tilldelad en 0:a i SPSS.

54

Vi är medvetna om att vissa problem kan uppstå när en branschindelning görs. Vi har exempelvis observerat att Bilia och Betsson är indelade i samma bransch enligt OMX indelning trots att deras respektive verksamheter inte är speciellt närbesläktade. Detta är dock ett problem som är mer generellt när branschindelning görs och inte direkt relaterat till det specifika val vi gjort, och därför är det mest något vi får ha i åtanke när statistiska analysen genomförs.

Vi har likt det Finkelstein (2009) benämner som den vanligaste metoden för att ta hänsyn till bransch, valt att koda branschindelningen som en dummyvariabel.

4.6.2.4 Risk

Tidigare studier har visat att risk har en påverkan på företagets avkastning gentemot dess aktieägare (Gompers, Ishii & Metrick 2003; Hill & Phan 1991).

Enligt Hill och Phan (1991) är det i forskning vanligt att använda ett genomsnitt för ett flertal år för betavärdet. Då vi ej funnit historiska betavärden i någon tillgänglig databas hämtar vi våra betavärden för de enskilda aktierna från Avanza (Avanza 2013) och är då begränsade av Avanza till att använda endast ett värde per observerat företag för betavärdet. Detta är inte ett optimalt sätt för att mäta betavärdet, vilket vi får ta hänsyn till i analysen av resultaten, men det är trots bristen en faktor vi vill kontrollera för och väljer således att ha med.

Det är värt att nämna att det skulle teoretiskt vara möjligt att manuellt beräkna värdet för beta för de olika aktierna de olika åren genom att använda en funktion och manuellt samla in och ställa de historiska slutpriserna varje handelsdag för samtliga enskilda aktierna i relation med slutpriset för Nasdaq OMX Stockholm PI Index för varje handelsdag för vart och ett av de fem aktuella åren.

4.6.2.5 Finansiell hävstång

Den företagsspecifika risken bör tas upp och kontrolleras för. Tidigare studier som använt leverage (nedan kallat hävstång) som ett mått som påverkar företagets prestation är exempelvis (Adjaoud et al 2007; Kale et al 2009; Bhandari 1988; Artmann et al 2012; Kyaw & Theingi 2009; Elsilä et al 2013; Fernandes et al 2012; Mehran 1995; Abor 2005)

Finansiell hävstång har (Bhandari 1988; Artmann et al 2012; Kyaw & Theingi 2009) visat sig vara positivt relaterad till aktieägarnas avkastning och Return on Equity. Abor (2005) finner exempelvis ett positivt samband mellan kapitalstrukturen och företagets prestation

Vad gäller operationaliseringen så använder Bhandari (1988) skulder dividerat med eget kapital, medan Artmann (2012) istället använder tillgångar dividerat med eget kapital. Vidare har Elsilä et al (2013) och Fernandes et al (2012) i sina studier valt att använda skulderdividerat med tillgångar. Mehran (1995) gör på ett liknande sätt men väljer att enbart inkludera långsiktiga skulder. Maury (2006) använder totala skulder dividerat med totalt kapital.

55

4.6.2.6 Årsvariabel

År kommer att användas i den statistiska analysen som en del i att sortera bort de marknads- och konjunktureffekter som kan beröra bland annat bolagens avkastning. År har kodats som en dikotom variabel, där det för vart och ett av studiens år (2007-2011) skapats en variabel. Detta betyder att om en observation tillhör ett visst år har den fått en 1:a i den kolumnen och annars en 0:a.