Korrelation

Vi har genom en korrelationsmatris, som presenteras i tabell 18, undersökt hur den beroende och de oberoende variablerna i hypotes 1 korrelerar med varandra. Det finns flertalet variabler som är statistiskt signifikanta men däremot är det endast fyra som tenderar att korrelera med varandra. Kredit Bra och Kredit Stark samt Lönsamhet och Förlust korrelerar negativt och starkare än andra variabler, dock bör korrelationen inte vara så stark att den orsakar multikollinearitet och således orsakar skattningsfel i modellen (Djurfeldt et al., 2018, s. 366).

Tabell 18: Korrelationsmatris över variablerna hänförliga till hypotes 1.

5.3.2 Multipel regressionsanalys

Den första regressionsanalysen är kopplad till hypotes 1 och presenteras nedan i tabell 19. Regressionsmodellen har en justerad förklaringsgrad på 22,36 % och F-testet är statistiskt signifikant (ρ<0,05). Förklaringsgraden betyder att 22,36 % av variansen i den beroende variabeln Antal SBO kan förklaras av modellen med företagets egenskaper, revisionsbyrå eller bransch. Likt slutsatsen av korrelationsmatrisen finns inte några tecken på multikollinearitet eftersom alla VIF-värden är under 2,5 (Djurfeldt et al., 2018, s. 366). Durbin-Watson-testet visar att det inte finns någon korrelation i residualerna eftersom testvärdet (2,01176) är högre än övre gränsvärdet (Savin & White, 1977, s. 1994-1995). Resultaten visar att Skuldsättning (β=1,214; ρ<0,05) och Storlek (β=0,2277;

BRANSCH ANTAL PROCENT

Konsumentvaror & Tjänster 42 16,87% Industrivaror & Tjänster 71 28,51%

Hälsovård 36 14,46%

Finans & Fastighet 53 21,29% IT & Teleoperatör 35 14,06% Övriga Industrier 12 4,82%

Pearson Correlation A B C D E F G H I J K L M N O P Q R S T U

Antal SBO (A) 1,00

PwC (B) -0,12 1,00

Deloitte (C ) 0,25 -0,33 1,00

EY (D) 0,02 -0,45 -0,24 1,00

KPMG (E ) -0,06 -0,38 -0,20 -0,27 1,00

Övriga (F) -0,07 -0,16 -0,09 -0,12 -0,10 1,00

Consumer Goods & Services(G)0,01 0,02 -0,04 0,02 0,01 -0,04 1,00

Industrials (H) 0,03 0,07 -0,06 -0,09 0,07 0,01 -0,28 1,00

Financials & Real Estate (I)-0,02 -0,03 0,03 0,05 -0,05 -0,01 -0,23 -0,33 1,00

Health Care (J) -0,06 -0,11 0,05 0,06 0,01 0,03 -0,19 -0,26 -0,21 1,00

IT & Tele (K) 0,00 0,01 0,06 -0,04 -0,04 0,04 -0,18 -0,26 -0,21 -0,17 1,00

Others (L) 0,06 0,05 -0,04 0,01 -0,01 -0,05 -0,10 -0,14 -0,12 -0,09 -0,09 1,00

Kredit Stark (M) 0,09 -0,14 0,07 0,09 0,02 -0,01 0,15 0,08 -0,20 -0,11 0,07 0,03 1,00

Kredit Bra (N) -0,01 0,04 0,02 -0,02 -0,01 -0,06 -0,11 -0,01 0,09 0,05 0,01 -0,04 -0,62 1,00

Kredit Svag (O) -0,09 0,14 -0,08 -0,08 -0,02 0,00 -0,02 -0,04 0,02 0,10 -0,07 0,02 -0,45 -0,36 1,00

Förlust (P) -0,11 0,07 -0,06 -0,09 -0,01 0,14 -0,08 -0,10 -0,12 0,23 0,05 0,11 -0,31 0,02 0,35 1,00 Lönsamhet (Q) -0,03 -0,07 0,10 0,01 0,03 -0,10 0,06 0,12 0,07 -0,21 -0,03 -0,10 0,28 -0,02 -0,34 -0,67 1,00 Skuldsättning (R ) 0,21 0,13 -0,10 -0,03 0,05 -0,16 0,10 0,13 0,08 -0,25 -0,08 -0,05 -0,20 0,14 0,14 -0,14 -0,05 1,00 Storlek (S) 0,39 0,06 0,04 -0,04 0,05 -0,23 0,03 -0,01 0,41 -0,30 -0,23 0,05 0,05 -0,03 -0,05 -0,35 0,10 0,39 1,00 Balanslikviditet (T) -0,14 0,02 -0,04 -0,03 -0,01 0,11 -0,09 -0,02 -0,18 0,34 0,00 -0,05 -0,02 -0,02 0,02 0,19 -0,08 -0,55 -0,33 1,00 Informationsassymetri (U)-0,11 -0,04 0,08 -0,04 0,03 0,01 -0,07 0,04 -0,29 0,28 0,15 -0,12 0,14 -0,01 -0,11 -0,03 0,21 -0,08 -0,29 0,34 1,00 Signifikans på: 5% 10%

ρ<0,05) är statistiskt signifikanta med positiv effekt på antalet rapporterade SBO. Lönsamhet har negativ påverkan på antalet SBO men är inte statistiskt säkerställd på rimlig signifikansnivå. Detsamma gäller för Balanslikviditet och Informationsasymmetri. Av revisionsbyråerna har vi använt PwC som referensvariabel. Det innebär att resultatet visar att Deloitte (β=0,821; ρ<0,05) och EY (β=0,296; ρ<0,10) rapporterar fler SBO än PwC. De andra revisionsbyråerna visar också positiva koefficienter men kan inte säkerställas statistiskt. Industrivaror & tjänster har valts som referensvariabel för branscherna. Det är bara Finans & Fastighet (β=-0,381; ρ<0,10) som är signifikant, dock på den högre signifikansnivån. I Finans & Fastighet rapporteras det färre SBO än i Industrivaror & tjänster. Övriga kontrollvariabler uppfyller inte kraven för att betraktas som statistiskt säkerställd.

Sammantaget visar resultatet att antalet SBO beror på vissa företagsegenskaper, bransch och revisionsbyrå vilket ger stöd för hypotes 1.

Tabell 19: Regressionsmodell 1 – Antal SBO

Den andra regressionsmodellen ämnar svara på hypotes 2 och presenteras i tabell 20. Modellen visar en lägre justerad förklaringsgrad på 13,86 % men F-testet är även här statistiskt signifikant (ρ<0,05). Den lägre förklaringsgraden visar att modellen förklarar 13,86% av variansen för den beroende variabeln Antal Rapporterade SBO på Kontonivå, men inte lika bra som modell 1. Eftersom det endast är den beroende variabeln som är förändrad i jämförelse med modell 1 finns det inte heller här något som indikerar på multikollinearitet. Testvärdet (1,92748) av Durbin-Watson ligger mellan övre- och nedre gränsvärdet vilket betyder att det inte går att uttala sig om resultatet av testet (Durbin & Watson, 1951, s. 161). Storlek (β=0,0955; ρ<0,05) och Skuldsättning (β=0,81; ρ<0,10) har positiv påverkan på antalet rapporterade SBO på kontonivå, dock med lägre säkerhet

Variabler Koefficient (b) P-Value VIF

Constant -3,388 0,001 Lönsamhet -0,65 0,349 2,23 Skuldsättning 1,214 0,009 1,93 Storlek 0,2277 0,000 1,72 Balanslikviditet 0,0525 0,338 1,89 Informationsasymmetri -0,0245 0,414 1,62 Kredit Stark 0,071 0,639 1,55 Kredit Svag -0,26 0,143 1,48 Förlust 0,09 0,729 2,26 Konsumentvaror & tjänster -0,124 0,501 1,31 Finans & Fastighet -0,381 0,065 1,64 Hälsovård 0,267 0,231 1,6 IT & Teleoperatör 0,189 0,343 1,42 Övriga industrier 0,233 0,452 1,22 Deloitte 0,821 0,000 1,28 EY 0,296 0,072 1,33 KPMG 0,025 0,886 1,21 Övriga revisionsbyråer 0,503 0,152 1,15 R-sq(adj) P-Value Durbin-Watson Statistic Antal Observationer Signifikansnivå ^5% 10% 223 ANTAL SBO 22,39% 0,000 2,01176

för Skuldsättning. Lönsamhet, Balanslikviditet, Informationsasymmetri och Förlust saknar signifikans och resultatet bör därför inte betraktas som relevant.

Deloitte (β=0,327; ρ<0,10), EY (β=0,252; ρ<0,10) och Övriga revisionsbyråer (β=0,588; ρ<0,10) är statistiskt signifikanta med lägre säkerhet och rapporterar fler SBO på kontonivå än PwC. Av branscherna visar Hälsovård (β=0,522; ρ<0,05) och Övriga industrier (β=0,71; ρ<0,05) att det rapporteras fler SBO på kontonivå i dem branscherna än Industrivaror & tjänster. Finans & Fastighet (β=-0,514; ρ<0,05) är också statistiskt signifikant men negativ, vilket innebär att det rapporteras färre SBO på kontonivå i den branschen än Industrivaror & tjänster. De andra branscherna är inte statistiskt säkerställda. Resultatet visar också att Svag kreditrating (β=-0,278; ρ<0,10) har ett negativt förhållande med antalet rapporterade SBO på kontonivå.

Sammantaget visar resultatet att antalet rapporterade SBO på kontonivå beror på vissa företagsegenskaper, bransch och revisionsbyrå vilket ger stöd för hypotes 2.

Tabell 20: Regressionsmodell 2 – Antal Konto-SBO

I den tredje regressionen testar vi hypotes 3 och resultatet presenteras i tabell 21. Justerad förklaringsgrad för modellen är 14,71 % och likt de andra testerna är F-testet signifikant (ρ<0,05). Förklaringsgraden indikerar att 14,71% av variansen av Antal rapporterade SBO på Bolagsnivå förklaras av modellen. I denna modell har vi ändrat den beroende variabeln till antalet rapporterade SBO på bolagsnivå, vilket innebär att VIF-värdena fortfarande är oförändrade och inget indikerar på multikollinearitet. Durbin-Watson-testet är signifikant med ett testvärde (2,1262) som är högre än det övre gränsvärdet (Savin & White, 1977, s. 1994-1995). Resultatet visar att det bara är Storlek (β=0,1322; ρ<0,05) av de kontinuerliga variablerna som är statistiskt signifikant. Storleken har ett positivt samband med antalet rapporterade SBO på bolagsnivå. Regressionen visar att Förlust (β=0,425; ρ<0,10) har en positiv effekt på antalet rapporterade SBO på bolagsnivå.

Variabler Koefficient (b) P-Värde VIF

Constant -0,776 0,379 Lönsamhet -0,201 0,752 2,23 Skuldsättning 0,81 0,057 1,93 Storlek 0,0955 0,011 1,72 Balanslikviditet -0,0107 0,832 1,89 Informationsasymmetri -0,0263 0,341 1,62 Kredit Stark -0,065 0,642 1,55 Kredit Svag -0,278 0,088 1,48 Förlust -0,335 0,163 2,26 Konsumentvaror & tjänster 0,067 0,695 1,31 Finans & Fastighet -0,514 0,007 1,64 Hälsovård 0,522 0,011 1,6 IT & Teleoperatör 0,244 0,184 1,42 Övriga industrier 0,71 0,013 1,22 Deloitte 0,327 0,061 1,28 EY 0,252 0,096 1,33 KPMG 0,144 0,376 1,21 Övriga revisionsbyråer 0,588 0,069 1,15 R-sq(adj) P-Värde Durbin-Watson Statistic Antal Observationer ANTAL KONTO-SBO Signifikansnivå _10%^5% 223 13,86% 0,000 1,92748

Av revisionsbyråerna är det bara Deloitte (β=0,494; ρ<0,05) som är statistiskt säkerställd. Deloitte rapporterar fler SBO på bolagsnivå än PwC. Övriga industrier (β=-0,477; ρ<0,10) visar signifikans på den högre nivån. Resultatet visar att i Övriga industrier rapporteras det färre SBO på bolagsnivå än i Industrivaror & tjänster. Resultatet av de andra branscherna kan inte säkerställas statistiskt.

Sammantaget visar resultatet att antalet rapporterade SBO på bolagsnivå beror på vissa företagsegenskaper, bransch och revisionsbyrå vilket ger stöd för hypotes 3.

Tabell 21: Regressionsmodell 3 – Antal Bolags-SBO