Multivariat statistik

4.4.1 Regressionsanalys

För att kunna utesluta alternativa förklaringsvariabler till studiens hypoteser görs som nämnt en multivariat regressionsanalys som innefattar studiens samtliga variabler. När dummyvariabler används måste en kategori alltid uteslutas som referenskategori för att undvika multikollinearitet (Stock & Watson 2015). I regressionen har därför fastighetsbranschen och revisionsbyrån PwC uteslutits som variabler för att istället användas som referenskategorier. Resterande variabler i kategorierna kommer därför visa de förväntade skillnaderna, gentemot referenskategorierna.

Som kan utläsas i tabell 4.3 understiger ingen av variablerna en signifikansnivå på fem procent, vilket betyder att inga statistiskt signifikanta slutsatser kan dras utifrån analysen. Det finns dock tendenser på att earnings management har minskat från 2017 till 2019, samt att graden av

earnings management är mindre när företag använder en revisionsbyrå från Big Four än när de inte gör det. Detta går att utläsa från β-värdet som för dessa variabler är negativt. Detta hade kunnat förklaras av de utökade kraven som IFRS 15 medfört vilka möjligen begränsat företagsledningens möjligheter att göra de val som maximerar deras kompensation, något som ledningen i enlighet med PAT eftersträvar (Watts & Zimmerman 1978). På samma sätt finns det tendenser för att graden av earnings management är mindre för företag inom branscherna sjukvård och hälsa samt telekom och teknik jämfört med andra branscher. Detsamma gäller företag som säljer tjänster jämfört med företag som säljer varor. Detta hade kunnat bekräfta tidigare studier om att företag inom telekom- och teknikbranscherna påverkats mest av införandet av IFRS 15 (Falkman & Lundqvist 2016; Boujelben & Kobbi-Fakhfakh 2020; Napier & Stadler 2020). Det hade även kunnat bekräfta att företag som säljer tjänster haft en större övergång till den nya standarden än företag som säljer varor. Eftersom signifikansen är över 0,05 för samtliga variabler går det dock inte utesluta att detta resultat är slumpmässigt. Den multivariata regressionsanalysens förklaringsgrad är endast 4,83 procent vilket tyder på att variationen i earnings management endast kan förklaras till cirka fem procent av de variabler som används i denna analys. Det kan alltså finnas andra variabler som påverkar graden av earnings management mellan år 2017 och år 2019.

Resultat från regressionsanalysen visar på att det inte finns någon signifikant skillnad i earnings management mellan åren 2017 och 2019. Baserat på detta har inget stöd för grundhypotesen, gällande att IFRS 15 har lett till att graden av earnings management minskat, funnits. Då inga signifikanta samband hittats kan resultatet inte styrka att IASBs syfte med IFRS 15 uppfyllts, det vill säga att graden av earnings management ska ha minskat (Napier & Stadler 2020). Detta kan likt tidigare studier indikera att IASBs syfte med en standard inte alltid uppfylls i praktiken (Franzen & Weißenberger 2015; Lenormand & Touchais 2014; van Zijl & Maroun 2017). Vidare kan detta visa på tendenser att företagsledningar fortfarande gör de val som maximerar deras kompensation, i enlighet med PAT (Watts & Zimmerman 1978).

Variabel β Sig. ÅR −0,00383 0,68900 ENGI 0,00394 0,88500 ENTR 0,11652 0,55300 DAGR 0,00437 0,84500 SJK −0,01243 0,62800 TELE −0,00211 0,92100 FAST TJÄN −0,01385 0,27700 STRL −0,00272 0,35100 PWC EY −0,00979 0,43900 DE −0,01449 0,30400 KPMG −0,02190 0,15000 ÖVR 0,00367 0,87100 UB 0,02328 0,56000 BP −0,03761 0,06500 SG 0,00276 0,33200 VD −0,01341 0,19000 Konstant 0,20234 0,00700 R2 _0,0483 Tabell 4.3 Regressionsanalys β: Riktningskoefficient Sig: Signifikansnivå R2_{: Förklaringsgrad}

Formel regressionsanalys: EM = β0 + β1 ÅR + β2 ENGI + β3 ENTR + β4 DAGR + β5 SJK + β6 TELE + β7 TJÄN +

β8 STRL + β9 EY + β10 DE + β11 KPMG + β12 ÖVR + β13 UB + β14 BP + β15 SG + β16 VD

4.4.2 Regressionsanalyser med interaktionseffekter

Som nämnt genomförs sedan regressionsanalyser med interaktionseffekter för varje grupp som, baserat på hypoteserna, antas påverka effekten av IFRS 15 på graden av earnings management. Dessa grupper består av branscher (hypotes två och tre), företagsstorlek (hypotes fyra) samt

tjänsteföretag (hypotes fem). Dessa analyser har gjorts för respektive grupp där samtliga

variabler som nämnts i studien inkluderas och där den variabel som interaktionsanalysen avser även har omvandlats till en interaktionsvariabel.

Interaktionseffekt branscher

Vid regressionsanalys med interaktionseffekter för branscher kan utläsas från tabell 4.4 att ingen signifikansnivå understiger 0,05 vilket innebär att varken telekom- och teknikbranscherna eller entreprenadbranschen statistiskt kan säkerställas ha en modererande effekt på sambandet mellan införandet av IFRS 15 och graden av earnings management. β-värdet för interaktionseffekten är negativt för telekom- och teknikbranscherna vilket tyder på att earnings

management minskat mer för företag i dessa branscher jämfört med andra branscher. Likt den större regressionsanalysen indikerar detta på likheter med tidigare studier, att företag inom telekom- och teknikbranscherna påverkats mest av införandet av IFRS 15 (Falkman & Lundqvist 2016; Boujelben & Kobbi-Fakhfakh 2020; Napier & Stadler 2020). β-värdet för interaktionseffekten för entreprenadbranschen är å andra sidan positivt vilket i motsats till tidigare studier (Falkman & Lundqvist 2016; Boujelben & Kobbi-Fakhfakh 2020) visar tendenser på att effekten av införandet av IFRS 15 varit mindre i denna bransch. I denna studie har dock den högsta accepterade signifikansnivån satts till fem procent vilket innebär att inget stöd för hypotes två och tre har funnits. Detta då det inte signifikant kan fastställas att graden av earnings management minskat mer i telekom- och teknikbranscherna eller entreprenadbranschen jämfört med övriga branscher.

Variabel β Sig. Variabel β Sig.

Övriga branscher −0,00020 0,98900 Övriga branscher −0,00224 0,84400

ENTR 0,00665

TELE −0,03375

Interaktionseffekt 0,00684 0,75800 Interaktionseffekt −0,03151 0,15700 Tabell 4.4 Regressionsanalys med interaktionseffekter för branscherna telekom- och teknik samt entreprenad.

β: Riktningskoefficient Sig: Signifikansnivå

Formel ENTR interaktionsanalys: EM = β0 + β1 ÅR + β2 ENGI + β3 ENTR + β4 DAGR + β5 SJK + β6 FAST + β7

TJÄN + β8 STRL + β9 EY + β10 DE + β11 KPMG + β12 ÖVR + β13 UB + β14 BP + β15 SG + β16 VD +β17 interaktion

ENTR

Formel TELE interaktionsanalys: EM = β0 + β1 ÅR + β2 ENGI + β3 TELE + β4 DAGR + β5 SJK + β6 FAST + β7

TJÄN + β8 STRL + β9 EY + β10 DE + β11 KPMG + β12 ÖVR + β13 UB + β14 BP + β15 SG + β16 VD +β17 interaktion

TELE

Interaktionseffekt företagsstorlek

Som kan utläsas från tabell 4.5 kan det inte signifikant faställas att variabeln företagsstorlek har en modererande effekt på sambandet mellan införandet av IFRS 15 och graden av earnings management då signifikansnivån inte understiger 0,05. β-värdet för interaktionseffekten är positivt vilket innebär att ju större företaget är, desto mindre förändrad grad av earnings management kan mätas. För varje steg på den logaritmistiska skalan som företagsstorleken ökar så minskar β- värdet, alltså förändringen i earnings management mellan åren, med 0,00624. Detta kan gå i linje med PATs political cost hypothesis på så sätt att större företag är mer benägna att ha en lägre grad av earnings management då de bland annat anses ha större risk för politiska och statliga kontroller (Watts & Zimmerman 1978). Eftersom den högst accepterade

kan fastställas att graden av earnings management minskat mer i mindre företag jämfört med större företag. Variabel β Sig. Företagsstorlek=0 −0,14175 0,18200 Företagsstorlek+1 −0,13551 Interaktionseffekt 0,00624 0,19200

Tabell 4.5 Regressionsanalys med interaktionseffekter för företagsstorlek.

β: Riktningskoefficient Sig: Signifikansnivå

Formel STRL interaktionsanalys: EM = β0 + β1 ÅR + β2 ENGI + β3 ENTR + β4 DAGR + β5 SJK + β6 TELE + β7

TJÄN + β8 STRL + β9 EY + β10 DE + β11 KPMG + β12 ÖVR + β13 UB + β14 BP + β15 SG + β16 VD +β17 interaktion

STRL

Interaktionseffekt tjänsteföretag

Vid en regressionsanalys med interaktionseffekter för tjänsteföretag kan utläsas från tabell 4.6 att signifikansnivån inte understiger 0,05 vilket innebär att det inte statistiskt signifikant kan säkerställas att tjänsteföretag har en modererande effekt på sambandet mellan införandet av IFRS 15 och graden av earnings management. Detta innebär att stöd för hypotes fem saknas då det inte kan fastställas att graden av earnings management minskat mer i tjänsteföretag jämfört med varuföretag. Trots att intäktsredovisningen av tjänster genomgick en större förändring än intäktsredovisningen av varor visar de jämna β-värdena på tendenser att effekten av IFRS 15 möjligen inte varit större för företag som säljer tjänster.

Variabel β Sig.

VARA −0,00496 0,68700

TJÄN −0,00209

Interaktionseffekt 0,00287 0,88300

Tabell 4.6 Regressionsanalys med interaktionseffekter för varor och tjänster

β: Riktningskoefficient Sig: Signifikansnivå

Formel TJÄN interaktionsanalys: EM = β0 + β1 ÅR + β2 ENGI + β3 TELE + β4 DAGR + β5 SJK + β6 TELE + β7

TJÄN + β8 STRL + β9 EY + β10 DE + β11 KPMG + β12 ÖVR + β13 UB + β14 BP + β15 SG + β16 VD +β17 interaktion

TJÄN