Kontrollvariabler

Kontrollvariabler används för att kontrollera för faktorer som vi tror kan påverka sambandet mellan studiens beroende- och oberoende variabler (Bryman & Bell, 2005). Studiens kontrollvariabler har hämtas från årsredovisningar och databasen Orbis. Kontrollvariablerna styrelsens storlek och ägarstruktur har operationaliserats på två olika sätt både som diktoma- och kvotvariabler. Orsaken till varför vi också valde att operationalisera dessa variabler som dikotoma var för att vi hade relativt många kontrollvariabler i förhållande till urvalets storlek.

Det här möjliggjorde ett större handlingsutrymme vid de statistiska testerna.

Företagsnivå

5.4.3.1. Företagets storlek

Företagets storlek har används frekvent som kontrollvariabel inom skatteplanerings-

forskningen (Dyreng, Hanlon & Maydew, 2010; Minnick & Noga, 2010; Chen et al. 2010).

Tidigare studier har påvisat blandade resultat gällande relationen mellan företagets storlek och den effektiva skattesatsen¹⁶ (Armstrong, Blouin & Larcker, 2012). Gupta & Newberry (1997),

16 Effektiva skattesatsen är detsamma som ETR 1.

53

Stickney & McGee (1982) och Manzon & Plesko (2001) fann inte några statistiska

signifikanta samband mellan företagets storlek och den effektiva skattesatsen. Samtidigt som till exempel Heshmati, Johansson & Bjuggren (2010), Richardson & Lanis (2007) och Rego (2003) påvisade en negativ relation mellan företagets storlek och den effektiva skattesatsen (dvs. att större företag har en lägre effektiv skattesats). Chan, Lin & Tang (2013) påvisade att större företag skatteplanerar mer än mindre (kinesiska företag). Att större företag och

koncerner har en lägre effektiv skattesats och skatteplanerar mer har försökts förklaras av att dessa företag har mer resurser för att kunna utnyttja kryphål och gråzoner i

skattelagstiftningen och större möjligheter att förflytta inkomster till lågskatteländer.

(Heshmati, Johansson & Bjuggren, 2010; Rego, 2003)

Vi har två mått för att beräkna företagets storlek, antal anställda och omsättning vilka båda utgör kvotvariabler (Umans, 2012; Dyreng, Hanlon & Maydew, 2010; Minnick & Noga, 2010). Omsättning mäts genom den naturliga logaritmen för företagets tillgångar i slutet av året 2010 respektive 2011. Antalet anställda mäts genom den naturliga logaritmen av antalet anställda i slutet av året 2010 respektive 2011.

5.4.3.2 Bransch

Branschtillhörighet kommer användas som kontrollvariabel då det kan finnas variationer och grundläggande skillnader i skatteplanering inom olika branscher (Taylor & Richardson, 2014;

Badertscher, Katz & Rego, 2013). Vidare har branschtillhörighet använts som kontrollvariabel i ett antal studier inom den ekonomiska skatteforskningen (Taylor & Richardson, 2014;

Badertscher, Katz & Rego, 2013; Abdul Wahab & Holland, 2012; Chen et al 2010; Rego, 2003).

Vi valde att likt Umans (2012) att klassificera företag utifrån tjänste- och tillverkande företag.

Anledning var att det fanns en stor spridning av företag mellan många olika branscher och vissa branscher bara hade ett fåtal företag. Till skillnad från Umans (2012) klassificerar vi inte finansiella företag då vi har exkluderat dessa från vår studie. Bransch utgör i studien en dikotom variabel och ett tillverkande företag har kodats som 0 och ett tjänsteföretag har kodats som 1.

5.4.3.3. Finansiell hävstång

Finansiell hävstång har visat sig påverka den effektiva skattesatsen och används därför som kontrollvariabel. Tidigare studier (Lanis & Richardson, 2012; Richardson & Lanis, 2007;

54

Gupta and Newberry 1997; Stickney & McGee, 1982) har funnit att företag med en högre finansiell hävstång har en lägre effektiv skattesats. Högbelånade företag kan förväntas använda avdragsgilla räntebetalningar för att främja skatteplaneringen och därmed även var mera effektiva på att minimera bolagskatten (Taylor & Richardson, 2014; Taylor &

Richardson, 2012; Lanis & Richardson, 2012). Det här kan förklaras av att ränteutgifter är avdragsgilla medan utdelningar inte är avdragsgilla vilket gör att företag med högre skuldsättning kan förväntas ha en lägre effektiv skattesats (Richardson & Lanis, 2007). Den finansiella hävstången utgör en kvotvariabel och mäts genom långfristiga skulder dividerat med totala tillgångar.

5.4.3.4. ROA

Räntabilitet på totalt kapital (ROA) har använts som kontrollvariabel i ett antal studier inom den skatteekonomiska forskningen (se Taylor & Richardson, 2014; Armstrong, Blouin &

Larcker, 2012; Taylor & Richardson, 2012; Minnick & Noga, 2010; Lanis, 2007; Gupta and Newberry, 1997). ROA har använts för att kontrollera för den underliggande ekonomiska aktiviteten i företaget (Armstrong, Blouin & Larcker; 2012), dess operativa resultat (Taylor &

Richardson, 2012), lönsamhet (Gupta and Newberry, 1997) och variation i resultatet (Taylor

& Richardson, 2014) vilket kan påverka skatteplaneringen i ett företag (Minnick & Noga, 2010). ROA utgör en kvotvariabel och har operationaliserats som resultat före skatt dividerat med totala tillgångar.

Styrningsegenskaper

5.4.4.1 Styrelsens oberoende

Styrelsens oberoende har använts, likt Taylor & Richardsons (2014) studie, som kontrollvariabel för att kontrollera för skillnader i styrelsens övervakningskapacitet. Styrelsens oberoende har sitt ursprung i agentteorin och utifrån ett agentteoretiskt perspektiv består effektiva styrelser av oberoende styrelseledamöter (Huse, 2007). Oberoende ledamöter kommer bland annat påverka styrelsens övervakningsförmåga positivt (Fama & Jensen, 1983).

Lanis & Richardson (2011) påvisade i sin studie att oberoende ledamöter leder till mindre skatteplanering. Detta eftersom oberoende ledamöter skapade en effektivare övervakning av ledningen gällande skatter (Lanis & Richardson, 2011).

Noterade företag på Nasdaq Stockholm OMX följer Svensk Kod för bolagsstyrnings definition av oberoende (Svensk kod för bolagsstyrning, 2010). Denna definition har även

55

använts i studien där en ledamot anses oberoende om denne är oberoende i förhållande till bolaget och bolagsledningen samt oberoende i förhållande till bolagets större aktieägare.

Styrelsens oberoende beräknas genom antalet oberoende ledamöter dividerat med antalet ledamöter i styrelsen och utgör en kvotvariabel.

5.4.4.2. Styrelsens storlek

Vi har valt att använda styrelsens storlek som kontrollvariabel då det kan ha en inverkan på styrelsens effektivitet gällande kommunikation och handlingskapacitet (Huse, 2007; Lipton &

Lorsch, 1992) vilket vidare kan tänkas ha en påverkan på skatteplaneringen. Forskning har påvisat att den optimala nivån på styrelsestorleken ligger mellan sju och nio ledamöter (Huse, 2007; Mak & Kusnadi, 2005; Beiner et al, 2004; Jensen, 1993; Lipton & Lorsch, 1992). Vi har operationaliserat styrelsens storlek på två sätt både som kvotvariabel utifrån totala antalet styrelseledamöter och som en dikotom variabel. Den dikotoma variabeln har kodats som 1 om en styrelse har mellan sju och nio ledamöter och som 0 om styrelsen har färre eller fler ledamöter.

5.4.4.3. Ägarstruktur

Företagets ägarstruktur har använts som kontrollvariabel i skatteplaneringsforskningen (Lanis

& Richardson, 2011; Desai & Dhermapala, 2006). Detta eftersom kontrollägare har större incitament, möjligheter och makt att övervaka ledningen vilket leder till mindre möjligheter för ledningen att agera i egenintresse (Lanis & Richardson, 2011; Desai & Dhermapala, 2006;

Schleifer & Vischny, 1986; Hedlund et al. 1985). Chen et al. (2010) påvisade att familjeföretag var mindre benägna till skatteplanering vilket är intressant ur ett svenskt perspektiv då Sverige är starkt präglat av kontrollägande, främst i form av ägarfamiljer (Högfeldt, 2005; La Porta, Lopez De Silanes och Sheifer, 1999). Chen et al. (2007) menar att en anledning till att familjeföretag skatteplanerar mindre är att familjens namn och rykte är starkt förknippat med företaget.

Studier har utgått ifrån olika mått gällande andelen aktier en ägare skall inneha för att definieras som kontrollägare, både 5 procent (Lanis & Richardson, 2011; Desai &

Dhermapala, 2006), 10 procent (La Porta, Lopez De Silanes och Sheifer, 1999) och 20 procent (La Porta, Lopez De Silanes och Sheifer, 1999) har använts. Denna studie kommer likt La Porta, Lopez De Silanes och Sheifer (1999) utgå från att en ägare skall inneha 10 procent av rösterna för att denne skall definieras som kontrollägare. Valet av 10 procent gjordes eftersom vissa möjligheter i ABL börjar gälla vid denna gräns t.ex. extra

56

bolagsstämma (ABL 7:13 och vinstutdelning (ABL 18:11). Ägarstruktur har operationaliserats på två sätt, både som kvotvariabel och dikotom variabel. Kvotvariabeln genom procentandelen av den största ägarens röster. Den dikotoma variabeln har kodats som 1 om ett företag har en ägare med tio procent eller mer av rösterna. Övriga ägarstrukturer har kodats som 0.

5.4.4.4. Ekonomiutbildning

Utbildning är ett demografiskt karaktärsdrag som kan tänkas påverka individernas beslutsfattande i styrelsen och ledningsgruppen (Finkelstein, Hambrick & Cannella Jr, 2009 &

Mason, 1984) och vidare skatteplaneringen i företaget. Tidigare studier har t.ex. påvisat att nivån av ekonomisk utbildning i styrelse och ledningsgrupp har ett samband med företagets outcome (Darmadi, 2013; Jean Jean & Stolowy, 2009; Golec, 1996). Individer med en ekonomisk utbildning kan tänkas vara mindre risktagande i beslut då ekonomiutbildningar är präglade av kalkyleriska beräkningar och övervägningar mellan kostnad och nytta (Patzelt, Knyphausen-Aufsess & Fischer, 2009; Hambrick & Mason, 1984). Eftersom skatteplanering innebär risker skulle detta argument leda till mindre skatteplanering (Garbarino, 2011). Vidare kan dock individer med en ekonomisk utbildning anses ha mer kunskaper om komplexa ekonomiska transaktioner i företaget (Patzelt, Knyphausen-Aufsess & Fischer, 2009;

Hambrick & Mason, 1984) vilket skulle kunna tänkas öka möjligheterna för skatteplanering.

För att avgöra om en ledamot eller individ i ledningsgruppen har en ekonomisk utbildning har akademiska titlar, utbildningsinformation och examensbegrepp använts t.ex. civilekonom, ekonomexamen och MBA. Titeln nationalekonom, utbildningen industriell ekonomi samt finansiella utbildningar har setts som ekonomiutbildningar. Doktorer inom ekonomi har också klassificerats som ekonomiutbildade. Individer som innehaft dubbla utbildningar varav en varit ekonomiutbildning har klassificerats som ekonomiutbildad¹⁷. Utbildning i styrelsen är en kvotvariabel och beräknas genom antalet ledamöter med ekonomiutbildning dividerat med antalet ledamöter i styrelsen. Utbildning i ledningsgruppen är en kvotvariabel och beräknas genom antalet individer med ekonomiutbildning dividerat med antalet individer i ledningsgruppen.

17Utbildningar som inte definierats som ekonomiutbildningar är: gymnasieekonom, kurser inom ekonomi, påbörjade ekonomistudier som ej avslutats, marknadsförings utbildning- eller program och högre bankutbildning Om det enbart framgått att individens utbildning är fil. pol eller kand. har det inte räknats som en

ekonomiutbildning.

57 5.4.5.5 Antalet kvinnor i styrelsen

Som beskrivits i hypotes 7 finns en kritisk massa på minst tre kvinnliga ledamöter för att effekterna av de kvinnliga ledamöterna skall visa sig (Joecks, Pull & Vetter, 2013; Torchia, Calabro & Huse, 2011). Vi har således valt att använda antalet kvinnor i styrelsen som en kontrollvariabel. Antalet kvinnor i ledningsgruppen används dock inte, eftersom demografiska karaktärsdrag tenderar till att suddas ut i grupper som träffas mer regelbundet (Huse, 2007).

Antalet kvinnor i styrelsen har operationaliserats som en dikotom variabel. Variabeln har kodats som 1 om det finns tre eller fler kvinnor i styrelsen och som 0 om antalet kvinnliga ledamöter inte överstiger två.