Kontrollvariabler

Det har antagits att andra oberoende variabler utöver könsfördelning kan påverka de beroende variablerna Tobin’s q, ROA samt ROE. För att utesluta effekter från andra oberoende variabler har kontrollvariabler använts, dessa presenteras i avsnitten 3.8.1 till 3.8.7.

3.8.1 Företagsstorlek

I denna studie har forskarna valt att använda företagets storlek som en kontrollvariabel mätt i företagets totala tillgångar. Flera tidigare forskare har använt företagsstorlek som en kontrollvariabel i deras regressionsanalys. Bland annat mätte Conyon & He (2017) företagsstorlek som företagens totala omsättning. Gregory-Smith, Main & O´Reilly (2014) mätte istället storleken på företagen i totala tillgångar. Conyon & He (2017) fann en negativ relation mellan företagsstorlek och Tobin’s q samt en positiv relation mellan företagsstorlek och ROA. Yermack (1996) fann en positiv relation mellan företagsstorlek och Tobin’s q. I denna studie har forskarna använd företagsstorlek som kontrollvariabel vilket benämns som Tillg_avg i den multipla regressionsanalysen för att kontrollera för företags storleks effekt på finansiell prestation.

3.8.2 Styrelsestorlek

Bolagens styrelsestorlek har också använts som en kontrollvariabel i undersökningen. Detta har forskarna mätt som totala antalet av styrelseledamöter i bolagsstyrelsen vilket speglar hur tidigare forskning definierat styrelsestorlek (Gregory-Smith, Main & O´Reilly, 2014; Carter, Simkins & Simpson, 2003; Carter et al., 2010). Jackling och Johl (2009) hävdar att argument för att finna en positiv relation mellan ett högre antal styrelsemedlemmar och finansiell prestation är på grund av bättre och mer information vilket möjliggör bättre beslutsfattanden (Carter et al., 2010). Vidare hävdar Yermack (1996) att styrelsens storlek och finansiell prestation mätt som Tobin’s q har en negativ relation där mindre styrelser är mer effektiva och där större styrelser innebär ökade kostnader i form av bland annat sämre kommunikation (Carter et al., 2010). Conyon & He (2017) fann en negativ relation mellan styrelsestorlek och ROA men inget signifikant samband mellan styrelsestorlek och Tobin’s q. Eftersom tidigare forskning hävdar att det finns en relation mellan styrelsens storlek och finansiell prestation inkluderas kontrollvariabeln styrelsestorlek för att ta hänsyn till effekter från denna oberoende variabel. I den multipla regressionsanalysen benämns kontrollvariabeln styrelsestorlek som TotSt_avg.

3.8.3 Ålder företag

Conyon & He (2017) och Jackling & Johl (2009) tog hänsyn till hur länge de undersökta bolagen har funnits genom att beräkna det som dagens år subtraherat med när bolaget grundades. Forskarna i denna studie har av den anledningen kontrollerat för effekterna av hur länge bolagen existerat genom att använda samma beräkning. I studien har denna kontrollvariabel inkluderas då forskarna tror att åldern på ett företag kan påverka den finansiella prestationen. Detta eftersom ett äldre företag exempelvis kan befinna sig i en mognadsfas och avskiljer sig från ett yngre företag som kan befinna sig i en tillväxtfas. I den multipla regressionsanalysen benämns kontrollvariabeln tid som bolaget funnits som Åldftg.

3.8.4 Finansiell hävstång

Forskarna har kontrollerat för effekter från bolag med en ökad finansiell hävstång. Det vill säga de bolag som har högre andel lån i förhållande till totalt kapital jämfört med andra bolag. Hutchinson, Mack & Plastow (2015) använde hävstången som

kontrollvariabel i sin studie då de hävdade att den finansiella hävstången är nära relaterad till bolagens finansiella prestation. Detta eftersom en högre finansiell hävstång är associerat med större risk och finansiellt misslyckande. Conyon & He (2017) fann en negativ relation mellan den finansiella hävstången och Tobin’s q och ROA. I den multipel regressionsanalysen benämns kontrollvariabeln finansiell hävstång som Häv_avg.

3.8.5 Ålder på styrelseledamöter

Åldern på styrelseledamöterna i bolagsstyrelsen har tagits hänsyn till i studien, likt studien av Carter et al. (2010). Kang, Cheng & Gray (2007) menar att de flesta företag måste ha mångfald gällande ålder i bolagsstyrelsen då de äldre styrelsemedlemmarna bidrar med erfarenhet medan de yngre medlemmarna bidrar med ett driv och energi att föra företaget framåt. Abdullah & Ismail (2013) föreslår att äldre styrelseledamöter är bättre på att vägleda företaget då de har mer erfarenhet samtidigt som de är mer benägna att ha en konservativ företagsstrategi, vilket kan innebära att kortsiktiga mål föredras framför långsiktiga. De menar vidare att yngre styrelseledamöter, till skillnad från äldre, tenderar att vara drivna och mer riskbenägna att förskjuta företagets kortsiktiga vinster för att generera vinster på lång sikt. Det var därmed av intresse att inkludera åldern på styrelseledamöterna som en kontrollvariabel. Styrelseledamöternas ålder beräknades som snittet av samtligas ålder i bolagsstyrelserna. I den multipla regressionsanalysen benämns kontrollvariabeln ålder på styrelseledamöterna som MedÅ_avg.

3.8.6 Bransch

En annan kontrollvariabel som användes var vilken bransch som företagen tillhör och kodades som en dummyvariabel. Tidigare forskare har använt samma kontrollvariabel och utformat dummyvariabeln utefter bolagens branschtillhörighet. Anledningen till detta är att branshtillhörigheten kan påverka både bolagsvärdet och bolagsstyrningen (Carter, Simkins & Simpson, 2003). I den multipla regressionsanalysen benämns kontrollvariabeln bransch som DumBransch (1, 2, 3...) och kodades utifrån deras bransch enligt nedan. För att kunna använda Bransch som kontrollvariabel i den multipla

3 = Energy - Dum_Energy 4 = Financials - Dum_Fin 5 = Health Care - Dum_HeaCar 6 = Industrials - Dum_Ind

7 = Information Technology - Dum_IT 8 = Materials - Dum_Mate

9 = Real Estate - Dum_RealEst 10 = Utilities - Dum_Utilit

11 = Consumer Discretionary - Dum_ConsDisc

3.8.7 Large/Mid/Small Cap

För att kontrollera för effekter som hänförs till vilken lista de noterade bolagen är noterade på skapades ytterligare en dummyvariabel. Likt argumenten för att använda företagsstorlek som kontrollvariabel användes listan de noterade bolagen är noterade på för att kontrollera för dess börsvärde vilket forskarna tror kan tänkas ha liknande effekter på Tobin’s q samt ROA som företagsstorlek (Conyon & He, 2017; Gregory-Smith, Main & O´Reilly, 2014; Yermack, 1996). I den multipla regressionsanalysen benämns kontrollvariabeln Large/Mid/Small Cap som Cap_Avg (1, 2, 3) och kodades enligt nedan. För att kunna använda Cap_Avg som kontrollvariabel i den multipla regressionsmodellen skapades också en dummyvariabel per lista.

1 = Large Cap - Dum_LC 2 = Mid cap - Dum_MC 3 = Small Cap - Dum_SC