Multivariat analys

6.4.1 Regressioner med det totala urvalet i samma modell (2017 och 2019)

Tabell 5: Multipla linjära regressionsanalyser totala urvalet

n=316 Modell 1 – Modifierad Jones Modell 2 – Partiell Jones

Variabler  S.E VIF  S.E VIF

Konstant 0,183*** 0,048 0,105*** 0,028 År (2019) 0,009 0,009 1,255 -0,021*** 0,005 1,255 Upplysningar -0,007 0,005 1,415 0,009*** 0,003 1,415 KPMG -0,007 0,012 1,304 0,001 0,007 1,304 EY -0,003 0,011 1,429 -0,006 0,007 1,429 Deloitte 0,023* 0,013 1,283 0,000 0,007 1,283 Annan 0,046* 0,025 1,120 0,012 0,014 1,120 Handel utanför EU 0,008 0,017 1,438 0,005 0,010 1,438 Notering på utländsk börs -0,008 0,022 1,240 -0,008 0,013 1,240 Konsument -0,005 0,013 1,390 0,009 0,007 1,390 Telekom & Teknik 0,032** 0,016 1,334 0,004 0,009 1,334 Hälsovård -0,017 0,013 1,449 0,008 0,008 1,449 Råvaror -0,004 0,019 1,402 -0,006 0,011 1,402 Fastigheter 0,087*** 0,016 1,933 0,015* 0,009 1,933 Storlek -0,004 0,003 1,471 -0,008*** 0,001 1,471 Bonusprogram 0,002 0,014 1,153 0,025*** 0,008 1,153 Lönsamhet – ROA -0,022 0,024 1,175 0,010 0,014 1,175 Skuldsättningsgrad 0,005 0,005 1,245 0,000 0,003 1,245 R2/Justerad R2/Sign. 0,200/0,155/0,000 0,193/0,147/0,000 Durbin-Watson 2,22 1,86

Referensvariabler: År (2017), PwC, Notering på Stockholmsbörsen, Industri, Inget bonusprogram *Svagt signifikant på nivå 0,10; **Signifikant på nivå 0,05; ***Starkt signifikant på nivå 0,01

I modell 1 (se Tabell 5) där den beroende variabeln utgörs av Onormala periodiseringar som beräknats enligt modifierad Jonesmodell är den justerade förklaringsgraden 15,5 %. Den oberoende variabeln År saknar signifikans, vilket innebär att i modell 1 så kan graden av onormala periodiseringar inte förklaras av förändringen i år. Det innebär att det inte finns ett samband mellan förändringen i år, det vill säga i redovisningsstandarder, och graden av resultatmanipulering.Det finns i modellen starkt positivt samband på 1 % signifikansnivå mellan den beroende variabeln Onormala periodiseringar och Fastigheter, vilket innebär att företagen inom fastighetsbranschen tenderar att resultatmanipulera i högre utsträckning än företagen i referenskategorin Industri. Det finns ett positivt samband på 5 % signifikansnivå för Telekom & Teknik, vilket tyder på att även telekom- och teknikföretagen resultatmanipulerar mer än referenskategorin Industri. I modell 1 finns även ett svagt positivt samband på 10 % signifikansnivå mellan Deloitte och Onormala periodiseringar, samt Annan och Onormala periodiseringar. Det innebär att de företag som anlitar Deloitte eller en revisionsbyrå som inte tillhör Big 4 (Annan) tenderar att resultatmanipulera i högre grad än de företag som har PwC som revisionsbyrå. Det finns inga signifikanta samband mellan den beroende variabeln Onormala periodiseringar och EY, eller mellan Onormala

periodiseringar och KPMG. Det finns inte heller något signifikant samband för variabeln Upplysningar, vilket innebär att antalet ord i företagens noter om intäkter inte påverkar de

onormala periodiseringarna när de beräknats enligt modifierad Jonesmodell.

I modell 2 (se Tabell 5) där Onormala periodiseringar har beräknats enligt den partiella Jonesmodellen är den justerade förklaringsgraden 14,7 %, vilket är något lägre jämfört med modell 1. Den oberoende variabeln År har ett starkt negativt samband med Onormala

periodiseringar på 1 % signifikansnivå, vilket innebär att de onormala periodiseringarna som

beräknats enligt den partiella Jonesmodellen finner ett starkt samband med förändringen i år, det vill säga förändring av redovisningsstandard. Det betyder att företagen i urvalet tenderar att resultatmanipulera mindre efter byte av redovisningsstandard. Det finns ett starkt positivt samband mellan Upplysningar och Onormala periodiseringar, vilket tyder på att de företag som upplyser mer om intäkter i noterna tenderar att resultatmanipulera i högre utsträckning. I modell 2 finns ett svagt positivt samband på 10 % signifikansnivå mellan Fastigheter och Onormala periodiseringar, vilket innebär att fastighetsföretagen i urvalet tenderar att resultatmanipulera mer jämfört med företagen i Industri (referensvariabel). Det finns ett starkt negativt samband mellan Storlek och Onormala

periodiseringar samt ett starkt positivt samband mellan Bonusprogram och Onormala periodiseringar. Det innebär att större företag tenderar att resultatmanipulera i mindre

37

Både modell 1 och 2 visar att Onormala periodiseringar inte har några signifikanta samband med Handel utanför EU, Notering på utländsk börs, Lönsamhet och Skuldsättningsgrad. Det tyder på att dessa faktorer inte har någon påverkan på resultatmanipuleringen för ett företag, oavsett om modellen undersöker ett företags totala onormala periodiseringar (modell 1) eller endast de intäktsrelaterade onormala periodiseringarna (modell 2).

Modell 1 i Tabell 5 har något högre justerad förklaringsgrad, en skillnad på 0,8 procentenheter jämfört med modell 2. Det innebär att modell 1 kan förklara variationen i den beroende variabeln, Onormala periodiseringar, något bättre. I modell 2 är den oberoende variabeln År starkt signifikant, till skillnad från modell 1 där År inte är signifikant. Modell 2 anses vara bättre för att besvara studiens syfte, eftersom Onormala periodiseringar i modell 2 har beräknats enligt den partiella Jonesmodellen där formeln tar hänsyn till just de intäktsrelaterade periodiseringarna. Förklaringsgraden skiljer sig inte heller avsevärt mellan modell 1 och modell 2, vilket motiverar att modell 2 kan anses vara bättre för att besvara studiens syfte.

Ett Durbin Watson-test genomfördes för att testa att det inte förekommer någon autokorrelation mellan variablerna Onormala periodiseringar och År (Aronsson 1999). Enligt Aronsson (1999) ska värdet på testet vara mellan 1-3 för att det inte ska föreligga något problem med autokorrelation. Som Tabell 5 visar är värdet på autokorrelationen mellan 1-3 för både modell 1 (2,22) och modell 2 (1,86), vilket betyder att det inte finns något problem med autokorrelation i modellerna. I både modell 1 och 2 finns det inte heller några variabler som har ett VIF-värde som överstiger det kritiska värdet 2,5, vilket anses vara gränsvärdet för indikation på multikollinearitet (Djurfeldt et al. 2018).

6.4.2 Regressioner med 2017 respektive 2019 urval var för sig

Regressionsanalyser har genomförts för respektive år och modell var för sig för att testa sambanden under enskilda år (se Tabell 6). Det grundar sig i att i modell 2 där Onormala

periodiseringar beräknades enligt partiell Jonesmodell (se Tabell 5) blev variabeln År

negativt signifikant, vilket tyder på att resultatmanipuleringen efter införandet av IFRS 15 har minskat. Det är därför av intresse att undersöka om övriga variabler har samband med

Onormala periodiseringar, även när variabeln År exkluderas. Regressionsanalyserna i

Tabell 6 jämför således inte mellan olika år och därmed redovisningsstandarder, utan undersöker resultatmanipuleringen allmänt under enskilda år.

Tabell 6: Multipla linjära regressionsanalyser för år 2017 respektive 2019 var för sig

n=158 Modell 3 – Mod. Jones (2017) Modell 4 – Mod. Jones (2019) Modell 5 – Partiell Jones (2017) Modell 6 – Partiell Jones (2019)

Variabler  S.E VIF  S.E VIF  S.E VIF  S.E VIF

Konstant 0,189*** 0,058 0,181** 0,079 0,135*** 0,044 0,049 0,037 År - - - - Upplysningar -0,009 0,006 1,163 -0,007 0,010 1,321 0,009** 0,004 1,163 0,008* 0,005 1,321 KPMG -0,020 0,016 1,285 0,008 0,018 1,394 0,002 0,012 1,285 -0,002 0,009 1,394 EY -0,020 0,014 1,449 0,013 0,017 1,438 -0,007 0,011 1,449 -0,005 0,008 1,438 Deloitte 0,021 0,016 1,316 0,021 0,018 1,314 0,002 0,012 1,316 -0,004 0,009 1,314 Annan 0,038 0,035 1,105 0,049 0,034 1,159 -0,015 0,026 1,105 0,033** 0,016 1,159 Handel utanför EU 0,004 0,021 1,397 0,008 0,026 1,529 -0,002 0,016 1,397 0,010 0,012 1,529 Notering på utländsk börs 0,007 0,028 1,253 -0,021 0,033 1,247 -0,009 0,021 1,253 -0,005 0,016 1,247 Konsument 0,022 0,016 1,382 -0,031* 0,019 1,420 0,007 0,012 1,382 0,013 0,009 1,420 Telekom & Teknik 0,075*** 0,020 1,323 -0,019 0,024 1,383 -0,001 0,015 1,323 0,008 0,011 1,383 Hälsovård 0,010 0,017 1,493 -0,055*** 0,019 1,462 0,003 0,012 1,493 0,011 0,009 1,462 Råvaror 0,054** 0,024 1,452 -0,072** 0,028 1,402 -0,026 0,018 1,452 0,012 0,013 1,402 Fastigheter 0,154*** 0,020 1,986 0,020 0,023 1,990 0,017 0,015 1,986 0,014 0,011 1,990 Storlek -0,006* 0,003 1,501 -0,001 0,004 1,520 -0,010*** 0,002 1,501 -0,005*** 0,002 1,520 Bonusprogram 0,019 0,018 1,242 -0,011 0,022 1,159 0,034** 0,013 1,242 0,015 0,010 1,159 Lönsamhet – ROA -0,025 0,026 1,206 -0,072 0,046 1,211 0,012 0,020 1,206 0,002 0,022 1,211 Skuldsättningsgrad 0,000 0,008 1,363 0,001 0,006 1,246 -0,004 0,006 1,363 0,000 0,003 1,246 R2/Justerad R2/Sign. 0,414/0,347/0,000 0,413/0,171/0,035 0,216/0,127/0,003 0,164/0,07/0,047

39

Modell 3 i Tabell 6 innehåller värden från år 2017, där företagen i urvalet redovisade enligt IAS 18 och IAS 11 och där Onormala periodiseringar beräknats enligt den modifierade Jonesmodellen. Den justerade förklaringsgraden i modellen är 34,7 %. I modell 3 har branscherna Telekom & Teknik och Fastigheter starkt signifikant positivt samband med

Onormala periodiseringar på 1 % signifikansnivå. Det tyder på att resultatmanipulering

förekommer i högre utsträckning för telekom- och teknikföretagen samt fastighetsföretagen jämfört med företagen inom branschen Industri (referensvariabel).

Modell 4 beräknas, precis som i modell 3, enligt den modifierade Jonesmodellen, men där värdena är från år 2019 vilket innebär att IFRS 15 tillämpas. Den justerade förklaringsgraden är 17,1 %, vilket är lägre jämfört med modell 3. I detta fall har Hälsovård starkt negativt samband med Onormala periodiseringar på 1 % signifikansnivå, vilket innebär att företagen inom hälsovårdsbranschen resultatmanipulerar mindre jämfört med företagen inom

Industri (referensvariabel).

Modell 5 innehåller värden från år 2017, men där Onormala periodiseringar har beräknats enligt den partiella Jonesmodellen. Den justerade förklaringsgraden är 12,7 %, vilket är lägre jämfört med modell 3 och 4. I modell 5 finns ett starkt negativt samband mellan Storlek och

Onormala periodiseringar på 1 % signifikansnivå, vilket innebär att större företag

resultatmanipulerar i mindre utsträckning.

Modell 6 beräknas, precis som i modell 5, enligt den modifierade Jonesmodellen, men där värdena är från år 2019. Modell 6 har en justerad förklaringsgrad på 7 %, vilket är lägre jämfört med modell 5. I modell 6 finns ett starkt negativt samband mellan Storlek och

Onormala periodiseringar på 1 % signifikansnivå. Precis som i modell 5 innebär det att de

större företagen tenderar att resultatmanipulera i mindre utsträckning.

Modellerna där regressionsanalyserna har genomförts för respektive år visar en förändring i förklaringsgraden jämfört med modell 1 och 2. I de modeller där Onormala periodiseringar har beräknats enligt den modifierade Jonesmodellen har modell 1 och 3 signifikanta samband med Telekom & Teknik och Fastigheter, medan modell 4 saknar sambandet. De modeller som har beräknats enligt den partiella Jonesmodellen (se modell 2, 5 och 6) har alla modeller signifikanta samband med Upplysningar och Storlek. Modell 2 och 5 har även signifikanta samband med Bonusprogram. Man kan därmed se liknande samband i de olika modellernas regressionsanalyser, vilket tyder på att de samband som finns inte beror på vilket år urvalet är ifrån och därmed redovisningsstandarder, utan snarare vilken modell som använts för att beräkna de onormala periodiseringarna. Resultatet visar således att det verkar vara just variablerna Upplysningar, Storlek och Bonusprogram som påverkar de onormala intäktsrelaterade periodiseringarna mest, medan variablerna Telekom & Teknik och

Fastigheter påverkar de onormala periodiseringarna mest när man undersöker

resultatmanipulering allmänt.

Variablerna Handel utanför EU, Notering på utländsk börs, Lönsamhet och

Skuldsättningsgrad påverkar inte resultatmanipuleringen, precis som i modell 1 och 2 (se

Tabell 5). Det tyder på att dessa faktorer inte påverkar företagens redovisningskvalitet, oavsett vilken modell eller redovisningsstandard som tillämpas.