Motivering av undersökningsobjekt

Kunskapsintensiva branscher

Bankbranschen – Cabrita et al. (2017) menar att banker är mer instabila än andra företag och påverkas av konjunkturer och ekonomiska kriser. Subprime-krisen slog till på svenska banker och kreditinstitut under hösten 2008 (SCB, 2009). Vilket bland annat gjorde att svenska ban-ker fick svårigheter att finansiera sig, vilket i sin tur ledde till att tillgång till lån för företag och hushåll minskades drastiskt. Detta gör det intressant att undersöka hur de svenska banker-na har valt att kommunicera ut intellektuellt kapital efter Subprime-krisen, då Cabrita et al. (2017) anser att banker behöver vara mycket transparenta i sin kommunikation av intellektu-ellt kapital efter en kris för att återfå legitimitet.

Investmentbranschen – Investmentbolag anses vara kunskapsintensiva då de innehar stor kompetens som används vid förvärv och förvaltning av andra bolag (Johnson, et al., 2014). Uppsatsskribenterna anser att forskningen om investmentsbolag och dess kommunikation av intellektuellt kapital är begränsad eftersom någon studie angående det inte återfunnits. Vilket motiverar till att undersöka investmentbolag närmare. Investmentbolag har anseendet om att vara en stabil investering för intressenter vid aktieköp (Investmentbolag, 2018). Detta på grund av att de oftast är majoritetsägare till flera bolag och de kan då kontrollera sina ägaran-delar vilket i sin tur gör att den enskilde aktieägaren diversifierar riskerna i sin aktieportfölj (ibid). Enligt Anjou och Oxenstierna (2016, p. 361) är den grundläggande affärsidén för in-vestmentbolag att skapa värde för sina aktieägare. Inin-vestmentbolagen kännetecknas ofta av att vara kunskapsintensiva eftersom de inte själva är varuproducerande, utan endast äger andra bolag (Investmentbolag, 2018). Det krävs därmed stor kompetens för att skapa förståelse vid uppköp, förvärv och vidare förvaltning av bolag för att lyckas göra en lönsam affär (Johnson, et al., 2014).

36

Traditionell produktbaserade branscher

Industri och tillverkningsbranschen – Tidigare forskning angående kommunikation av intel-lektuellt kapital visar på att den australiensiska industri- och energisektorn kommunicerar ut mindre intellektuellt kapital än andra branscher på grund av att deras marknadsvärde inte styrs av just materiella tillgångar (Sujan & Abeysekera, 2007). Dock kan man se att industri och tillverkningsbranschen påverkas mer och mer av artificiell intelligens och att detta integreras i produkterna som företagen tar fram. Således behöver industri och industrisektorn förlita sig allt mer på sina medarbetares kompetens (Iris Group, 2015). Det blir därmed intressant att undersöka hur den svenska industri och tillverkningsbranschen beskriver och kommunicerar intellektuellt kapital i sina årsredovisningar.

Bygg och fastighetsutvecklingsbranschen – Striukova et al. (2008) undersöker bygg och fas-tighetsutvecklingsbranschen med anseende till att det är en bransch som är mer beroende av dess materiella tillgångar än intellektuellt kapital. Likaså menar Britto et al. (2014, pp. 333-334) att bygg- och fastighetsutvecklingsbranschen kännetecknas av att inneha en stor andel materiella tillgångar i jämförelse med de immateriella tillgångarna. Vilket gör det intressant att undersöka denna bransch i denna uppsats.

Val av företag och tidsintervaller

Bolag valdes ut inom respektive bransch enligt de tidigare angivna kriterierna ovan. Bolagen ska ha liknande verksamhet enligt deras branschtillhörighet, verksamhetsbeskrivning samt ändamål i databasen Retriever Business (Retreiver, 2018a). Det innebär att ett målstyrt urval är tillämpat till en början där företagen måste uppfylla de satta kriterierna (Bryman, 2018, p. 498). Efter det gjordes ett obundet slumpmässigt urval där tre företag valdes ur varje bransch som uppsatsen undersöker (Bryman, 2018, p. 231). Det slumpmässiga urvalet gjordes genom att alla bolag i respektive bransch först sorterades i bokstavsordning. Sedan numrerades de från ett till det antal företag i respektive bransch som fanns med i det målstyrda urvalet för att sedan skrivas in i slumpgeneratorn som Bryman (2018, p.232) rekommenderar. Processen upprepades fyra gånger för respektive bransch och genererade fyra nummerserier med tre nummer i varje serie på de då slumpmässigt utvalda företagen inom varje bransch. Fördelen med ett slumpmässigt urval är att alla kvalificerade företag i undersökningen har lika stor chans att komma med (Bryman, 2018, pp. 231-232). De valda företagen kan ses i Tabell 4.1 Uppsatsens valda branscher, företag och årtal.1.

Uppsatsen syftar till att undersöka förändring över tid mellan åren 2010, 2013 samt 2016. De Silvas et al. (2014) studie hade samma tidsintervall men med 2010 som slutår vilket gör det

37 intressant att fortsätta med samma tidsmellanrum för granskning av årsredovisningar. Polyhart och Vandenberg (2010) menar att minst tre tillfällen bör studeras för att en förändring ska kunna följas vid undersökning av intellektuellt kapital i årsredovisningar.

Bank Investment Industri och tillverkning

Bygg och fastighets-utveckling

Valda årtal för års-redovisningar

Nordea Bank AB Investor AB Husqvarna AB NCC AB 2010

Skandinaviska En-skilda Banken AB

Kinnevik AB Sandvik AB Peab AB 2013

Svenska Handels-banken AB

Ratos AB Volvo AB Skanska AB 2016

Tabell 4.1 Uppsatsens valda branscher, företag och årtal.

Akademin har fått ett ökat intresse för intellektuellt kapital under de senaste åren och 2013– 2015 ökade publicerade forskningsartiklar med 26 % om året (Massaro, et al., 2018) och det vore därmed intressant att studera förändringen i de olika branscherna under den kraftiga ök-ning som skett. Uppsatsstudien inleds 2010 vilket är efter den senaste finanskrisen (NE, 2018b) samt undersöker de senaste tillgängliga årsredovisningarna. Bozzolan et al. (2003) motiverar även till att årsredovisningar ska granskas vid studier kring intellektuellt kapital då de är framställda för företagets intressenter, för att kommunicera information kring företaget. I Tabell 4.1 visas uppsatsens valda branscher, företag och vilka årtal som samtliga företags årsredovisningar är granskade.

Datainsamling

Uppsatsen bygger på sekundärdata från företags årsredovisningar, vilket då innebär data som uppsatsskribenterna själva inte framställt (Bryman, 2016, p. 11). De 12 företag som ingår i uppsatsens urval har hämtats från databasen Retriever (2018b). Retriever är en databas som bland annat innehåller företagsinformation om branschtillhörighet och börsvärde vilket ligger till grund för det första målstyrda urvalet. Årsredovisningarna hämtades inte där eftersom ord inte var sökbara i dem, eftersom de tillhandahöll inskannade papperskopior i PDF format. De undersökta företagens årsredovisningar, så kallade analysenheter, för åren 2010, 2013 och 2016, hämtades istället från respektive företags hemsida. Totalt hämtades 36 årsredovisningar som utgör dataunderlaget för uppsatsen. Vidare har dessa årsredovisningar, tillsammans med tidigare forskning, legat till grund för uppsatsens undersökning.

38