Detta kapitel redogör för hur uppsatsen är uppbyggd och på vilket sätt frågeställningarna analyseras. Vidare redovisas hur urval gjorts, och vilka kriterier som ställts på populationen före urval.
3.1 Metodval
Uppsatsen bygger på en kvantitativ analys utifrån ett positivistiskt synsätt och en deduktiv ansats. Data som samlats in bygger på sekundärdata, som främst hämtats via Affärsdata. Primärdata Sekundärdata Stimulidata Icke-stimulidata Kvalitativa data Ostrukturerade och semistrukturerade intervjuer Alla former av observationstekniker Arkivalier, dokument,
anteckningar, memoranda, brev, filmer, bilder,videor, ljudband, fysiska föremål som innehåller informationer, register, tidningsartiklar mm
Projektiva tekniker Indirekta tekniker
Psykologiska teser Kvantitativa data Standardiserade och strukturerade intervjuer Kvantitativa observationstekniker
Offentliga och privata statistiska data och register
Enkäter Indirekta tekniker
Psykologiska teser
Tabell 7; Datainsamlingsmetoder enligt Andersen169
Andersen170 förklarar kvantitativa metoder användbara för att orsaksförklara företeelser genom att använda statistik och matematik. Vidare ger detta möjligheter att förutsäga huruvida uppnådda resultat är tillämpligt även på andra föremål, som skulle kunna ingå i undersökningen. Kvantitativa metoder bygger på större mängder data, för att genom detta urskilja mönster i en grupp. Alternativet till kvantitativ metod är kvalitativ. Kvalitativ metod handlar istället om färre men mer uttryckliga uppgifter, och forskaren vill genom detta skapa större förståelse för påvisat problem. Creswell171 menar dock att kvantitativa och kvalitativa metoder inte ska ses som motsatser, utan endast som metoder på olika sidor av skalan, eftersom det finns möjlighet att kombinera dem.
169 (Andersen, 1998) 170 (Andersen, 1998) 171
Kvantitativ metod valdes, eftersom uppsatsen i första hand ska se om Altmans Z´´score- modell fungerar, vilket gör att det behövs ett större urval och svaret kommer byggas av statistik från de beräkningar som görs. En kvalitativ studie hade snarare inneburit en undersökning om varför formeln fungerar eller inte fungerar.
Inom vetenskapen talas det oftast ofta om två huvudsakliga synsätt; positivism och hermeneutik. Positivism grundas på absolut kunskap med ursprung i naturvetenskapen. Hermeneutik bygger istället på att forskaren redan har viss förförståelse, vilket också gör att man genom forskningen vill förstå ett problem eller handlingar bättre. Positivismen avfärdar inga iakttagelser som orimliga, utan bygger upp en sannolikhet huruvida det kan vara sant eller ej. Att vara kritisk till världen runt omkring tillhör också positivismen.172 Matematik och naturvetenskap bygger på absolut kunskap, vilket behövs för att svara på uppsatsens frågeställningar. Hermeneutiken vill skapa en förståelse för ett problem, men denna uppsats behandlar hur väl en matematisk formel fungerar som konkursindikator. Även om det finns utrymme till ytterligare forskning med ett hermeneutiskt synsätt, har denna uppsats inriktats på att testa modellen, vilket ger uppsatsen ett positivistiskt synsätt.
Deduktiv ansats utgår från teorier för att genom dessa skapa hypoteser. Motsatsen till deduktiv ansats är induktiv, vilket bygger på analyser och eventuellt kan leda fram till nya teorier.173 Enligt Andersen174 utgår deduktion från generell kunskap och testar denna på enskilda fall, medan induktion utgår från enskilda fall för att istället skapa en generell kunskap - teori. Denna uppsats bygger upp hypoteser genom den teori som redan finns, vilket gör studien deduktiv.
Sekundärdata bygger på uppgifter som redan är insamlade, medan primärdata istället är förstahandsuppgifter, som insamlas och sammanställs av forskaren själv, t ex genom att genomföra egna enkäter och intervjuer. Används sekundärdata, har detta förarbete redan genomförts, och sammanförts i databaser och statistiska register.175 Till empiriavsnittet kommer Affärsdata användas, som är en databas, ägd av Newsline Group AB, som samlar affärsinformation inom bl a kredit och marknad. Exempel på information som återfinns i Affärsdata är årsredovisningar, notiser och kungörelser.
172 (Thurén, 2004) 173 (Befring, 1994, s. 14) 174 (Andersen, 1998, ss. 29-30) 175 (Befring, 1994, ss. 65-66)
3.2 Urval och datainsamling
Enligt BAS-gruppen, kan företag delas in i tre olika grupper - tillverkning, handel och tjänster. För att försöka se ett tydligare mönster för tjänsteföretagen, kommer dessa delas upp i handelsföretag och tjänsteföretag. Tillverkande företag kommer ingår som kontrollgrupp, då uppsatsen i huvudsak syftar på tjänsteföretag, men en jämförelse mellan de båda inriktningarna kan vara av nytta för slutsatsen. Som tillverkande företag kommer företag från sektor C i SNI-koderna att användas. Sektor C har benämningen tillverkning, och innehåller allt från livsmedel till kläder, möbler och kemikalier. Orsaken till att endast sektor C har valts är, att bedömningen verkligen ska bygga på tillverkningsindustrin. Handelsföretag återfinns i sektor G, medan övriga tjänsteföretag återfinns i sektor H-S.
Utöver denna indelning, kommer varje grupp bestå av ytterligare två grupper - friska och konkurs - vilket ger följande gruppindelning.
Friska Konkurs
Tillverkande företag X X
Handelsföretag X X
Tjänsteföretag X X
Tabell 8; Grupper i undersökningen.
Uppsatsen syftar till att kontrollera små och medelstora företag, och enligt Europakommissionen176 definieras dessa genom följande parametrar:
1. 10-250 anställda
2. 2-50 MEUR i omsättning 3. 2-43 MEUR i balansomslutning
Undersökningen kommer bygga på svenska företag, och årsredovisningar i svenska kronor. Medelkursen för EUR under 2011 var 9,0335 SEK/EUR. Det ger oss följande parametrar, översatta till SEK (avrundat till närmast MSEK):
1. 10-250 anställda 2. 18-452 MSEK i omsättning 3. 18-388 MSEK i balansomslutning 176 (European Commission, 2012)
Företag som saknar SNI-kod, eliminerades från populationen, eftersom det då inte går att säkerställa dess grupptillhörighet.
3.2.1 Population - Friska företag
Hur populationen av företag att undersöka har tagits fram har skett lite olika i de båda grupperna. Konkursföretagen är valda med ett vidare perspektiv än de friska. Ett snävare urval i den friska urvalsgruppen är gjort, för att försöka säkerställa att företagen verkligen ska kunna ses som friskt vid tidpunkten för mätning. Följande kriterier sattes upp för friska företag:
1. Bokslut för 2010 eller 2011 ska vara inlämnat. 2. Tillgängliga bokslutsvärden åren 2005-2007. 3. Företaget ska vara registrerat före år 2002.
Att bokslut för 2010 eller 2011 ska vara inlämnat, är för att säkerställa att företaget fortfarande är aktivt 3-4 år efter sista mätpunkten (2007). Tillgängliga bokslutsvärden för 2005-2007 behövs för att kontrollera Z´´-score. Orsaken till att företaget ska vara registrerat före 2002 är, att forskningen påvisar att ungefär 50 procent av alla nystartade företag får slå igenom inom 3-5 år efter uppstart. Ovanstående kriterier är satta, för att företaget 2007 ska vara minst 5 år gammalt, för att undvika missvisande värden för nystartade företag. Kriterierna utgick från senast inlämnat bokslut, vilket gör att företagen i den friska gruppen faktiskt kan vara utanför begreppet små- och medelstora företag åren för mätning.
3.2.2 Population - Konkursföretag
När det gäller konkursföretagen, har inte samma kriterier satts upp. Forskningen vill påvisa att konjunkturcykler har mindre påverkan av ett företags konkursrisk, och snarare kan vara det som driver företaget sista sträckan till insolvens, något som sannolikt ändå skulle inträffa inom kort. Har därmed valt att endast söka på företag med tingsrättskoderna 20-25 (vilket innebär allt från konkurs inledd till konkurs avslutad) tillsammans med kriterierna för små- och medelstora företag som är angivna ovan. Året företaget verkligen gick i konkurs är alltså av mindre värde. Mätperioden för dessa företag kommer vara de tre sista årens bokslut.
3.2.3 Urval
Genom att använda kriterierna ovan, gav Affärsdata följande population:
Friska Konkurs
Tillverkning Sektion C 2 480 295
Handel Sektion G 2 681 201
Tjänster Sektion H-S 2 796 408
TOTALT 7 957 904
Tabell 9; Population före urval177
Företag som saknar tre sammanhängande bokslut i satt mätperiod, eliminerades från urvalet. Urval från en population görs av flera orsaker, bl a då en total genomgång skulle vara tidsödande eller omöjlig att genomföra om populationen är stor178. Då populationen i vissa av ovanstående grupper är ganska stort, är det nödvändigt att urval görs i dessa grupper. Statistikteori menar även att om ett urval uppgår till minst 30, kan en normalfördelning förutsättas179. Vid datainsamlingen uppstod vissa komplikationer att erhålla SNI-koder på konkursföretagen, eftersom dessa nollställs i samband med just konkurs. Genom att lägga urvalet på 30 företag per grupp, kunde urvalet påbörjas i de friska grupperna. Lösningen på att erhålla SNI-koderna på konkursföretagen var att beställa kompletterande uppgifter från SCB, och när denna information erhölls, var urval och datainsamling avklarat gällande de friska företagen. Att välja endast 30 företag var ett beslut för att kunna jobba vidare med uppsatsen i väntan på kompletterande data. Totalt urval blir enligt ovanstående kriterier följande:
Friska Konkurs
Tillverkning Sektion C 30 30
Handel Sektion G 30 30
Tjänster Sektion H-S 30 30
TOTALT 90 90
Tabell 10; Antal företag i urval
Slutliga urvalet gjordes genom att placera populationernas organisationsnummer i nummerordning, varefter slumpgenerator i Microsoft Excel selekterade 30 unika positioner.
177 (Affärsdata)
178 (Lind, Marchal, & Wathen, 2005) 179
3.3 Validitet och reliabilitet
Validiteten och reliabiliteten inom området, och även denna uppsats, bör kunna anses som hög. Som påvisats i inledningen, har forskningen i ämnet pågått många år, och många av forskarna kommer fram till mer eller mindra lika resultat, oberoende på vilken metod som valts. Rosengren & Arvidson180 beskriver validitet och reliabilitet på följande sätt:
"Förenklat kan man säga att man mäter validitet som graden av överensstämmelse mellan två mätningar med olika mätinstrument, reliabilitet som graden av överensstämmelse mellan två mätningar med samma instrument."
"Förhållandet mellan reliabilitet och validitet kan också uttryckas så att reliabilitet är en nödvändig men inte tillräcklig förutsättning för validitet."
Reliabilitet och validitet handlar i grunden om hur trovärdig och korrekt inkommande information och utgående resultat är. Befring181 menar att reliabiliteten syftar till huruvida mätresultatet är pålitligt och beständigt. Om ett experiment görs om, och får samma utfall som första mätningen, anses reliabiliteten vara hög. Denna uppsats reliabilitet bör anses som hög, då utfallet grundar sig på beräkningar genom fastställda formler vilka bestämmer ingående variabler. Dock kan det poängteras, att även om alla gör lika behöver det inte vara korrekt utfört, vilket givetvis kan påverka reliabiliteten, eftersom egentligen alla resultat då skulle vara mer eller mindre felaktiga. Utgångspunkten för denna uppsats är dock, att tillvägagångssätt och beräkningar utförs korrekt, vilket trots allt gör att reliabiliteten bör anses hög.
Validiteten måste också tolkas som hög, då ingående värden bygger på uppgifter fastställda genom aktuella lagar, regler och normer. Validiteten förstärks genom att välja företag inom ett visst intervall, vilket i denna uppsats består av små- och medelstora aktiebolag fördelat på dess aktivitet. Validiteten förstärks ytterligare, då
180 (Rosengren & Arvidson, 2005) 181
personliga åsikter inte kan påverka resultatet eftersom beräkningarna styrs av de formler, fastställda genom tidigare studier182.
3.4 Källkritik
Valutakursen varierar genom åren, och hamnade 2011 åter på en betydligt bättre nivå än tidigare år.
År Medel Min Max 2 MEUR 43 MEUR 50 MEUR
2005 9,2849 9,004 9,649 19 MSEK 399 MSEK 464 MSEK
2006 9,2549 8,97 9,4675 19 MSEK 398 MSEK 463 MSEK
2007 9,2481 9,0145 9,4735 18 MSEK 398 MSEK 462 MSEK
2008 9,6055 9,271 11,1085 19 MSEK 413 MSEK 480 MSEK
2009 10,6213 10,057 11,6465 21 MSEK 457 MSEK 531 MSEK
2010 9,5413 8,963 10,2735 19 MSEK 410 MSEK 477 MSEK
2011 9,0335 8,7095 9,3006 18 MSEK 388 MSEK 452 MSEK
Tabell 11; Valutakurser SEK/EUR, årsgenomsnitt 2005-2011. Avrundat till MSEK.183
Dock går det se i ovanstående tabell, att 2011 års kurs inte är mycket avvikande från övriga år, bortsett från 2009, då kursen var som högst. Av denna orsak valdes 2011 års kurs vid översättning av värdena i 2.2.
Det diskuteras i nästan alla uppsatser och artiklar om att inte hela populationerna används vid undersökningarna. Orsakerna till detta kan vara många, bland annat tillgången till källmaterial. En del måste uteslutas då delar av siffrorna saknas, då oftast hos konkursföretagen. Sett till de friska, är det i stället en för stor population att hantera. Genom tiderna har forskare använt både större och mindre urval, utan att kunna påvisa bättre eller sämre resultat.
Även om validiteten anses hög, finns det faktorer som kan påverka, om än i mindre omfattning. Lagar, regler och normer styr hur ekonomiska redovisningen ska göras och se ut, men samma lagar och regler ger också företagen utrymme att tillfälligt påverka sina resultat genom t ex extra avskrivningar, uppskrivningar och periodiseringsfonder. Trots dessa tillfälliga effekter, bör studiens reliabilitet eller validitet inte påverkas nämnvärt.
182 (Creswell, 2009, s. 162) 183
3.5 Analysmetod
3.5.1 Hypotesprövning
Referensramen innehåller ett antal hypoteser, antaganden, vilka har testats och analyserats genom bland annat hypotesprövning. Hypotesprövning bygger på en nollhypotes (H0) och en mothypotes (H1), och prövning resulterar i att nollhypotesen
förkastas eller inte förkastas. Förkastas nollhypotesen blir mothypotesen automatiskt gällande.
Hypotesprövning är inte helt säker. Det finns alltid en risk att förkasta en nollhypotes även om den är sann, vilket kallas för signifikansnivå (α). Hypotesprövningens signifikansnivå bestämmer alltså hur stor risken ska vara att en nollhypotes ska förkastas även om den är sann, och de vanligaste nivåerna är 5 procent, 1 procent och 0,1 procent. Signifikansnivån bestäms före hypotesprövningens utförande, för att inte påverka önskad utgång. För denna uppsats har en signifikansnivå på α = 5% använts genomgående.
Ett hypotestest kan vara enkelsidigt eller dubbelsidigt, och vilket det är beror på hur nollhypotesen formuleras. Ensidiga hypotesprövningar handlar om riktning, t ex att A är högre eller lägre än B. En dubbelsidig prövning handlar istället om läge, t ex att A är lika med B. Mothypotesen för det dubbelsidiga exemplet skulle vara att A inte är lika med B. Antingen accepteras nollhypotesen eller mothypotesen, båda kan inte förkastas eller accepteras.
Hypotesprövning har två testfunktioner, z och t. Vilken som tillämpas beror på urvalets storlek, och om urvalet består av minst 30 observationer, kan testfunktion z användas, medan t-testet främst används om antalet observationer understiger 30, men ändå förutsätts normalfördelad. Som nämndes tidigare i detta kapitel, kan ett urval anses följa en normalfördelad kurva om antalet i urvalet uppgår till minst 30 observationer, vilket också är orsaken till att z-testet valts i uppsatsens beräkningar.
Hypotesprövningen bygger på observationernas medelvärde, standardavvikelse, varians och givetvis antalet observationer. Beroende på vad som ska beräknas, används olika
formler, och i uppsatsen jämförs mestadels två medelvärden med varandra, för att se om de skiljer sig åt. Formeln för dessa beräkningar ser ut på följande vis:
= Medelvärde, urvalsgrupp 1 = Medelvärde, urvalsgrupp 2
= Varians, urvalsgrupp 1 = Varians, urvalsgrupp 2 = Observationer, urvalsgrupp 1 = Observationer, urvalsgrupp 1
z = Beräknat testvärde
Formel 6; Beräkning av z vid hypotesprövning med medeltal
I analysen förekommer även andra formler för att kontrollera hypoteserna, vilka återfinns i bilagorna till respektive hypotes. Orsaken till att alla inte redovisas här, är för att de bygger på liknande beräkningssätt som ovan, samtidigt som tolkningen av dem förblir densamma.
Både t- och z-test har kritiska värden, vilka bestäms av vilken signifikansnivå som bestämts och om testet är en- eller dubbelsidigt. Om testet är dubbelsidigt, fördelas signifikansnivån på normalfördelningskurvans båda svansar och därmed får två kritiska värden. I uppsatsen används signifikansnivå 5%, vilket fördelas med 2,5% i varje svans. Enligt z-tabellen (se bilaga A) ger detta ett kritiskt värde på ±1,96.
Ett ensidigt test har endast ett kritiskt värde, och placeras i antingen vänster eller höger svans. Signifikansnivån är fortfarande 5%, vilket gör att det kritiska värdet förändras, och blir istället -1,64 eller 1,64 (se bilaga A). Huruvida det är minus eller plus beror på hypotesens formulering.
Figur 2; Normalfördelningskurva, signifikansnivå 5% - Ensidig
3.5.2 Korrelation
Uppsatsen tar upp två aspekter, Z´´-score och kreditbetyg. En del av uppsatsen frågeställningar är, huruvida Z´´-score stämmer överens med företagets kreditbetyg. För att undersöka detta, har sambandet mellan de båda värdena kontrollerats genom korrelationsanalys, vilket innebär att sambandet mellan variabler studeras och en korrelationskoefficient räknas fram. Koefficienten visar ett värde mellan -1,00 och + 1,00, där 0 (noll) påvisar att korrelation saknas. Perfekt korrelation förekommer vid ändpunkterna -1,00 och + 1,00. Desto närmre ändpunkterna framräknat värde är, desto större är sambandet mellan de båda variablerna. Korrelationskoefficienten som räknas fram, kallas för Pearsons r, och beräknas genom följande formel:
3.5.3 Beräkning av Z´´-score
Som avslutning på detta metodkapitel, kommer Z´´-score-modellen att redovisas ännu en gång, samt vilka mätvärden den innehåller och hur dessa beräknas.
Z´´ = 6,56X
1+ 3,26X
2+ 6,72X
3+ 1,05X
4X1 = Rörelsekapital / Totala tillgångar
X2 = Balanserad vinst / Totala tillgångar
X3 = Resultat före räntor och skatt / Totala tillgångar
X4 = Bokfört värde Eget kapital / Bokfört värde av total skuld
Z´´ = Erhållet index
Konkursrisk Gråzon Friskt
Z´´-score < 1,1 1,1 - 2,6 > 2,6
Formel 8; Z´´-score-modell
Nyckeltalen nämnda i tabellen ovan är direktöversättning från Altmans Z´´-score- modell. För att tydliggöra de beräkningar gjorda i denna studie, redovisas nedan de exakta formler som använts, för att undvika eventuella oklarheter:
Z = Värde lägre än 1,1 anses företaget vara konkursmässigt, medan ett värde över 2,6 klassificerar företaget som välmående och friskt. Mellan 1,1 och 2,6 återfinns den gråzon som Altman menar innehåller företag som inte kan placeras i varken friska eller konkurs, då resultatet var svårtolkat. Vid obundet eget kapital räknas 73,7 procent som eget kapital, med 26,3 procent räknas som kortfristig skuld. Orsaken till detta är att obundet eget kapital i grunden är vinst, som ännu inte realiserats. Av den anledningen räknas 26,3 procent som skatteskuld.