Modeller

Det vi kan se från den univariata analysen av den beroende variabel är att det har skett en ökning av inrättandet av ersättningsutskott från år 2001 fram till år 2011. Vi har därför val att använda år 2000 som en referensgrupp för de oberoende variablerna i vår modell. Vi kommer även att använda oss av spritt ägande som en referensgrupp till variabeln kontrollägare samt vid de olika ägaridentiteterna. För branschvariabeln kommer industri att vara referensgrupp eftersom detta var en bransch som i korrelationsmatrisen inte var signifikant.

Deskriptiv data för oberoende variabler, År 2000, 2005, 2010

N Minimum Maximum Medelvärde Std. Avvikelse

Nätverkscentralitet 496 14,326 35,967 25,863 4,233

Korslistning 496 0 1 0,036 0,187

83

Det vi kan se från korrelationsmatrisen är att det inte förekommer någon multikollinearitet eftersom ingen korrelation överstiger 0,9 (Hair et al. 2010). Variabeln ämbetstid och den kvadrerade ämbetstiden har dock en signifikant korrelation på 0,927, men då dessa två är beroende av varandra så accepteras korrelationen och de två variablerna inkluderas i våra modeller. Variablerna interlocking och nätverkscentralitet har en korrelation på 0,849, vilket är nära gränsvärdet. Vi kommer därför att inkludera dessa i separata regressionsmodeller.

Regressionen för den beroende variabeln gjordes inledningsvis bara mot kontrollvariablerna.

Denna regression kan vi se i Modell 1. Toleransvärdena för de inkluderade variablerna ligger på en acceptabel nivå då de inte understiger gränsen 0,1 (Hair et al. 2010). Detta indikerar på att det inte föreligger någon multikollineraritet variablerna emellan. Modellen har ett signifikansvärde på 0,000 vilket innebär att modellen som helhet är signifikant.

Förklaringsgraden är relativt hög för de få inkluderade variablerna i Modell 1 med ett Cox &

Snell R Square på 0,293 och Nagelkerke R Square på 0,393. Variabeln logaritmen av totala tillgångar är signifikant positivt relaterad med förekomsten av ersättningsutskott. Finansiella bolag är signifikant negativt relaterad med förekomsten av ersättningsutskott. Års-variablerna är båda signifikant starkt positivt relaterad med förekomsten av ersättningsutskott.

84 Modell 1, Regression med kontrollvariabler

I korrelationsmatrisen⁵ kan vi se att logaritmen av totala tillgångar är signifikant positivt korrelerad med förekomsten av ersättningsutskott. År 2005 och 2010 är båda signifikant positivt korrelerade med förekomsten av ersättningsutskott. För branschvariablerna är det bara teknologi som är signifikant negativt korrelerad med förekomsten av ersättningsutskott. I korrelationsmatrisen visar inte finansiella bolag på en signifikans. Det vi dock kan se är att finansiella bolag har en signifikant korrelation till både logaritmen av totala tillgångar och soliditet eftersom dessa ofta har höga värden på sina tillgångar och sin soliditet. Detta kan vara en orsak till att branschen finans blir signifikant i Modell 1.

Modell 2 och Modell 3 är de slutliga modellerna vi har valt att presentera. Eftersom nätverkscentralitet och interlocking var relativt korrelerade med varandra valde vi att separera dem i olika modeller. Dessa två variabler bygger på varandra då bolag som är centrala tendera att ha hög interlocking, vilket även den positiva korrelationen mellan dem tyder på.

Kontrollägarna har vi även valt att separera ifrån ägaridentiteterna och utländskt ägande. Detta

Omnibus Test Of Model Coefficients 0,000

-2 Log likelihood 503,626

Cox & Snell R Square 0,293

Nagelkerke R Square 0,393

Referensgrupper är: Industri och år 2000

85

Modell 2 och Modell 3, Regressioner med de oberoende variablerna

Modell 2 Modell 3

Binary Logistic Collinearity Binary Logistic Collinearity

β S.E. Sig. Tolerance β S.E. Sig. Tolerance

Referensgrupper är: spritt ägande, industri och år 2000

86

beror på att variablerna i princip mäter samma sak och att de bygger på varandra. Om bolagen har en kontrollägare kommer bolagen även ha en ägaridentitet. Modellerna vi valde visade på högst förklaringsgrad och de variabler som uppvisade signifikanta samband var signifikanta i båda modellerna.

I Modell 2 inkluderades alla de oberoende variablerna exklusive ägaridentiteterna, utländskt ägande och nätverkscentralitet. Toleransvärdena för de inkluderade variablerna ligger på en acceptabel nivå då de inte understiger gränsen 0,1. Detta indikerar på att det inte föreligger någon multikollinearitet variablerna emellan. Modellen som helhet är signifikant med ett värde på 0,000 med en ökad förklaringsgrad jämfört i Modell 1. Cox & Snell R Square visar på en förklaringsgrad på 0,457 och Nagelkerke R Square visar på en förklaringsgrad på 0,614.

Ökningen av förklaringsgraden ger en indikation på att de oberoende variablerna har en påverkan på förekomsten av ersättningsutskott.

I Modell 3 inkluderades alla de oberoende variablerna exklusive kontrollägare och interlocking. Toleransvärdet för de inkluderade variablerna ligger på en acceptabel nivå då de inte understiger gränsen 0,1. Detta indikerar att det inte föreligger någon multikollinearitet variablerna emellan. Modellen i sin helhet är signifikant med ett värde på 0,000 med en högre förklaringsgrad än Modell 1 samt en ökad förklaringsgrad än Modell 2. Cox & Snell R Square visar en förklaringsgrad på 0,464 och Nagelkerke RSquare visar på en förklaringsgrad på 0,623. Detta indikerar på att de oberoende variablerna i Modell 3 i jämförelse med variablerna i Modell 1 tillför en väsentlig ökning av förklaringsgraden. Vid en jämförelse av förklaringsgraden mellan Modell 3 och Modell 2 kan vi se att det har skett en liten ökning.

Det framgår av både Modell 2 och Modell 3 att variablerna styrelseordförandes ålder, strävan efter legitimitet och angloamerikanska styrelseledamöter är signifikant positivt relaterade med förekomsten av ersättningsutskott. Eftersom att alla dessa variabler är signifikanta i båda modellerna indikerar detta på robusta förhållanden gentemot förekomsten av ersättningsutskott. Vi kan även urskilja att dessa variabler i korrelationsmatrisen är signifikant positivt korrelerade med förekomsten av ett ersättningsutskott.

87

I Modell 2 är interlocking signifikant positivt relaterade med förekomsten av ersättningsutskott och variabeln är även signifikant positivt korrelerade i korrelationsmatrisen⁶. I Modell 3 är nätverkscentralitet positivt relaterat med förekomsten av ersättningsutskott. Vi kan även se att variabeln är signifikant positivt korrelerad med förekomsten av ett ersättningsutskott.

Övriga variabler är inte signifikanta i modellerna. Dock kan vi i korrelationsmatrisen⁷ se att variablerna styrelsens storlek, affärssegment, revisorn, bolagets ålder, antal år som börsnoterade, internationell försäljning och utländskt ägande är signifikant positivt korrelerade med förekomsten av ett ersättningsutskott. För de variabler som har en signifikant korrelation med förekomsten av ersättningsutskott men inte visar på något signifikant förhållande i modellerna kan det bero på att korrelationerna inte är tillräckligt starka för att påverka förekomsten av ersättningsutskott i modellerna tillsammans med alla oberoende variabler.

Vi gjorde även en regression för Modell 2 och Modell 3 där vi exkluderade årsvariablerna för att se hur åren påverkar modellerna. När årsvariablerna var exkluderade var förklaringsgraden lägre samt att signifikansnivåerna visade på ett svagare samband för de oberoende variablerna. Årsvariablerna är dock bara signifikanta på en 10-procentig nivå i båda modellerna.