L OGISTISK REGRESSION OCH M ULTIPEL LOGISTISK REGRESSION

I resultatet från den multipla logistiska regressionen visas sambanden mellan den beroende variabeln Non-Big 4, den oberoende variabeln Kassalikviditet samt övriga variabler. Sambanden kan anta en positiv eller negativ riktning. En positiv riktning innebär att en ökning i en variabel även ger en ökning i den andra variabeln medan en negativ riktning innebär att en ökning i en variabel ger en minskning i den andra variabeln (Hair et al., 2010, s. 422). Riktningen på sambanden går att avläsa från oddsen som synliggörs i Stata. Studien utgick från antagandet om ett positivt samband mellan studiens beroende variabel Non-Big 4 och den oberoende variabeln Kassalikviditet. Detta innebär att om kassalikviditeten ökar så ökar sannolikheten att företag efterfrågar revision av non-Big 4. Detsamma antogs gälla för kontrollvariablerna Långfristiga skulder, Kortfristiga skulder, Avkastning på totalt kapital - ROA, Nettoomsättning, Skuldsättningsgrad samt Skuldränta. Detta innebär att om någon av variablerna ökar, ökar sannolikt efterfrågan.

Studiens moderator Soliditet samt kontrollvariabeln Avkastning på eget kapital - ROE antogs däremot resultera i ett negativt samband gentemot den beroende variabeln Non-Big 4. Detta innebär att om soliditeten ökar så minskar sannolikheten att företag

Kristofersson & Lindström 42 efterfrågar revision av non-Big 4. Efterfrågan minskar sannolikt också om avkastning på eget kapital ökar.

Resultatet från dem enskilt genomförda logistiska regressioner samt den multipla logistiska regressionen diskuteras nedan. Där presenteras huruvida de antaganden som gjorts för samtliga variabler kan bekräftas. Resultaten från den multipla logistiska regressionen gäller givet att alla variabler finns med i modellen. När inte alla variabler finns med i modellen, det vill säga vid en logistisk regression, kan resultatet avvika. I Appendix 2-10 åskådliggörs genomförda separata logistiska regressioner för var och en av variablerna och i Appendix 11 återfinns den multipla logistiska regressionen. Separata logistiska regressioner har genomförts för att kontrollera modellens robusthet. Uppstår skillnader mellan variablernas signifikans vid logistiska regressioner och den multipla logistiska regressionen tyder resultatet på att modellen inte är robust. Moore et al. (2009, s. 437) menar att resultatet är robust då det visar på liknande resultat trots att förhållandet förändras. I Tabell 6 återfinns delar av den multipla logistiska regressionen tillsammans med en kolumn för variablernas signifikans.

Tabell 6. Multipel logistisk regression

Non-Big 4 Odds Z-värde P-värde Signifikant

Kassalikviditet 0.99995 -2.57 0.010 ***

Soliditet 0.99982 -0.54 0.590 -

Långfristiga skulder 1.00011 1.50 0.133 -

Kortfristiga skulder 0.99998 -0.02 0.984 -

ROE 0.99951 -0.31 0.756 -

ROA 1.00089 0.35 0.727 -

Nettoomsättning 1.00033 7.16 0.000 ***

Skuldsättningsgrad 1.01747 0.99 0.320 -

Skuldränta 1.01104 3.58 0.000 ***

Förklaringsgrad – Pseudo R2

0.0467

* statistiskt signifikant på 10% nivån **statistiskt signifikant på 5% nivån ***statistiskt signifikant på 1% nivån

6.6.1 Kassalikviditet

Studien utgick från hypotesen - Hög kassalikviditet ökar sannolikheten för efterfrågan på revision av non-Big 4. Detta har dock inte kunnat bekräftas från den logistiska regressionen eller från den multipla logistiska regressionen. Studien har inte funnit något empiriskt stöd på 1%, 5% eller 10% signifikansnivå för att hög kassalikviditet ökar sannolikheten för efterfrågan på revision av non-Big 4.

Empiriskt stöd finns däremot för ett negativt samband, där hög kassalikviditet minskar sannolikheten för efterfrågan på revision av non-Big 4. Det vill säga motsatsen till vad studien predikterat. Både den logistiska regressionen och den multipla logistiska regressionen visar på p-värden som är mindre än de givna signifikansnivåerna på 1%, 5%

och 10%. Det finns därmed ett signifikant stöd för att hög kassalikviditet minskar sannolikheten för efterfrågan på revision av non-Big 4. Ett odds på 0,99995 ger en

Kristofersson & Lindström 43 sannolikhet på approximativt 50% vilket innebär att sannolikheten att ett företag med hög kassalikviditet väljer bort non-Big 4 är 50% större än sannolikheten för att ett företag med hög kassalikviditet väljer att helt avstå från revision.

6.6.2 Soliditet

Studiens viktigaste kontrollvariabel, moderator, har antagits vara Finansiell risk. Som skattning av denna har Soliditet används med en förväntan om att hög soliditet sannolikt minskar efterfrågan på revision av non-Big 4. Studien har inte funnit något empiriskt stöd för att hög soliditet skulle minska sannolikheten för efterfrågan på revision av non-Big 4.

Detta gäller för såväl den logistiska regressionen som för den multipla logistiska regressionen.

6.6.3 Långfristiga skulder

Att höga långfristiga skulder ökar sannolikheten för efterfrågan på revision av non-Big 4 kan bekräftas från den logistiska regressionen. Den logistiska regressionen skildrar ett positivt statistiskt signifikant samband mellan långfristiga skulder och efterfrågan för alla signifikansnivåer. I den multipla regressionen har det dock inte gått att bevisa att ett positivt samband föreligger för någon av signifikansnivåerna. Detta tyder på att det finns ett problem i modellen som används vid multipel logistisk regression. Resultatet är alltså inte robust. Höga långfristiga skulder ökar alltså sannolikheten för efterfrågan på revision av non-Big 4 när endast Non-Big 4 och Långfristiska skulder finns med i modellen. När sedan övriga variabler adderas upphör sambandet att gälla.

6.6.4 Kortfristiga skulder

Studien har utgått från antaganden om att höga Kortfristiga skulder ökar sannolikheten för efterfrågan på revision av non-Big 4. Den logistiska regressionen visar ett signifikant resultat för alla signifikansnivåer. Den multipla logistiska regressionen visar däremot ett negativt samband där höga kortfristiga skulder minskar sannolikheten för efterfrågan på revision av non-Big 4. Detta samband är dock inte signifikant med ett p-värde på 0,984.

Vad denna inkonsekvens beror på har inte kunnat fastställas men det tyder på att det inte finns något robust samband.

6.6.5 Avkastningen på eget kapital - ROE

Det finns inget signifikant stöd för att hög Avkastning på eget kapital minskar sannolikheten för efterfrågan på revision av non-Big. Den logistiska regressionen och multipla logistiska regressionen har inte kunnat påvisa något samband för någon av signifikansnivåerna. Den logistiska regressionen visar på ett insignifikant positivt samband och den multipla logistiska regressionen visar på ett insignifikant negativt samband.

6.6.6 Avkastning på totalt kapital - ROA

Eftersom p-värdena är större än alla signifikansnivåer så finns det inget empiriskt stöd, på 1%, 5% eller 10% signifikansnivå, att hög Avkastning på totalt kapital ökar sannolikheten för efterfrågan på revision av non-Big. Detta gäller för såväl den logistiska regressionen som för den multipla logistiska regressionen.

6.6.7 Nettoomsättning

Det finns ett empiriskt stöd för att hög Nettoomsättning ökar sannolikheten för efterfrågan på revision av non-Big 4 på 1%, 5% och på 10% signifikansnivå, p-värde 0,000. Detta gäller för både den logistiska regressionen och den multipla logistiska regressionen.

Kristofersson & Lindström 44 Empiriska resultat indikerar på ett positivt samband mellan nettoomsättning och efterfrågan, vilket innebär att en högre nettoomsättning sannolikt ger en högre efterfrågan på revision av non-Big 4. Sannolikheten att ett företag med hög nettoomsättning efterfrågar revision av non-Big 4 är 50% större än sannolikheten för att ett företag med hög nettoomsättning avstår från revision.

6.6.8 Skuldsättningsgrad

Den logistiska regressionen ger ett empiriskt stöd på alla signifikansnivåer, för att hög Skuldsättningsgrad ökar sannolikheten för efterfrågan på revision av non-Big 4. Den multipla logistiska regressionen ger insignifikans för alla signifikansnivåer vilket tyder på att hög skuldsättningsgrad inte ökar sannolikheten för efterfrågan på revision av non-Big 4. Denna motsägelse indikerar på ett problem i modellen, den är inte robust.

6.6.9 Skuldränta

Antagandet om ett positivt samband mellan Skuldränta och efterfrågan har bevisats på 5% och 10% signifikansnivå i den logistiska regressionen och på alla signifikansnivåer i den multipla logistiska regressionen. Sammantaget visar dessa resultat att en hög skuldränta ökar sannolikheten för efterfrågan på revision av non-Big 4. Oddsen är 1,01104 vilket ger en sannolikhet på runt 50%. Detta innebär att det är 50% större chans att ett företag med hög skuldränta efterfrågar revision av non-Big 4 än att ett företag med hög skuldränta avstår från revision.

Sammanfattningsvis har studien inte funnit något signifikant stöd för hypotesen att hög Kassalikviditet ökar sannolikheten för efterfrågan på revision av non-Big 4. Motsatsen har däremot kunnat bevisas. Stöd finns för att hög Nettoomsättning och hög Skuldränta ökar sannolikheten för efterfrågan på revision av non-Big 4. Inget empiriskt stöd finns för ett samband mellan Non-Big 4 och variablerna Soliditet, Långfristiga skulder, Kortfristiga skulder ROE, ROA och Skuldsättningsgrad. Detta givet att alla variabler i modellen hålls konstanta.