Oberoende variabler

De oberoende variablerna för dataset 1 bestod av sekundärdata från Revisorsinspektionen. Sekundärdata är inte öppen för tolkningar (Bryman & Bell, 2017) och kan anses ha en högre tillförlitlighet än primärdata. För dataset 2 testades de oberoende variablerna genom enkäten bestående av både öppna och slutna frågor.

Examensnivå (H1a) – Dataset 2

Då flera tidigare studier har visat på samband mellan utbildning och prestation på revisorsexamen (jmf. Boone m.fl., 2006; Deppe & Smith, 1992; James, m.fl., 2017; Menk m.fl., 2017) antogs examensnivå påverka revisorns prestation på provet även i den här studien. I den utvalda populationen studerades revisorer med lägst en kandidatexamen, det vill säga som läst minst 180 högskolepoäng, då detta är ett av kraven för att få avlägga revisorsexamen. Revisorerna kan därmed ha erhållit en högre examen eller läst kurser utöver sitt program. För att öka jämförbarheten har examensnivå delats in i de fyra kategorierna kandidat-, magister- och masterexamen samt Annan. Revisorerna kan dock ha läst kurser inom flera områden utöver sin examen som kan antas gynna dem på provet, vilket är anledningen till att även en öppen fråga har ställts om eventuella extrakurser. Extrakurserna har sedan delats in i två kategorier utifrån hur relevanta de ansetts vara för revisorsexamen, även programinriktningen har kategoriserats efter ämnesrelevans. De kurser som ansetts vara relevanta för revisorsexamen är de som ingår i universitetens ekonomiutbildningar, såsom statistik och handelsrätt. Kurserna delades upp i Företagsekonomi/Nationalekonomi/Juridik och Andra kurser, se bilaga 4. Uppdelningen möjliggjorde en enklare jämförelse och Relevanta extrakurser (1) kodades som en dummyvariabel. För att ta reda på vilken akademisk utbildning revisorn genomfört ställdes följande frågor (3,4,5,6):

Vilken är din högsta avslutade utbildning? 1. Kandidatexamen

2. Magisterexamen 3. Masterexamen 4. Annan

Vilken inriktning hade du på din examen? 1. Redovisning och/eller revision

2. Annan företagsekonomisk inriktning 3. Annan inriktning (ej företagsekonomisk) Har du läst extra kurser utöver din examen?

1. Ja 2. Nej

Om Ja, vilka kurser har du läst? Öppen fråga.

• Examensnivå har kodats som:

- Högsta avslutade utbildning har kodats som fyra dummyvariabler: 1. Kandidatexamen (1) Inte Kandidatexamen (0) 2. Magisterexamen (1) Inte Magisterexamen (0) 3. Masterexamen (1) Inte Masterexamen (0) 4. Annan (1) Inte Annan (0).

- Inriktning har kodats som tre dummyvariabler: 1. Redovisning/revision (1), Inte redovisning/revision (0) 2. Annan företagsekonomisk inriktning (1), Inte Annan företagsekonomisk inriktning (0) 3. Annan inriktning (1), Inte Annan inriktning (0).

Om revisorn läst en eller flera extra kurser (1) och någon av dessa varit inom Företagsekonomi/ Nationalekonomi/Juridik (1) antas denne ha läst relevanta kurser för revisorsexamen. Bedömningen tar därmed inte hänsyn till antalet kurser revisorn läst utan endast om någon av dem ansetts vara relevant för revisorsexamen.

- Relevanta extrakurser har kodats som en dummyvariabel: Relevanta kurser (1), Inte Relevanta kurser (0).

Nivå på Redovisningskurser (H2a) – Dataset 2

Trots att flera universitet erbjuder liknande utbildningar kan antalet redovisningskurser skilja mellan dem, vilket även gäller för nivån på de erbjudna kurserna. Då den teoretiska kunskapen revisorn besitter grundas i den akademiska utbildningen för att sedan utvecklas under det praktiska arbetet (Helliar m.fl., 2009), kan kurser inom ämnet redovisning/revision antas bredda den kunskap som sedan testas på revisorsexamen. Kurser på avancerad nivå kan också tänkas utveckla dessa grundläggande kunskaper ytterligare, då bland annat förmågan att analysera den nya informationen förvärvas under den högre utbildningen (James, m.fl., 2013). Revisorer som avlagt en magister- eller masterexamen behöver inte nödvändigtvis ha läst avancerade kurser inom redovisning/revision, utan kan istället ha valt en annan företagsekonomisk inriktning. För att göra det möjligt att studera om avancerade redovisnings-/revisionskurser påverkar prestationen på revisorsexamen har revisorerna blivit tillfrågade att i enkäten besvara följande fråga (7):

På vilken nivå har du som högst läst kurser inom redovisning/revision? 1. Grundläggande nivå (motsvarande A- och B-nivå)

2. Avancerad nivå (motsvarande C- och D-nivå)

• Redovisnings-/revisionskurser har kodats som en dummyvariabel: Avancerad nivå (1), Grundläggande nivå (0).

Universitet (H3a) – Dataset 2

I tidigare studier har valet av universitet visat sig påverka revisorns prestation på revisorsexamen. Revisorer som studerat vid de universitet som ses som prestigeskolor och som därmed har högre antagningspoäng, får generellt ett högre provresultat (Boone m.fl., 2006; Menk m.fl., 2017). Den här studien antar därför att det finns ett samband mellan universitet och revisorns provresultat. För att göra resultatet jämförbart har universiteten, efter insamling av data, kategoriserats utefter deras ranking. Studien utgick från Eduniversials ranking av de 1000 bästa universiteten i världen som erbjuder ekonomiutbildningar. På listan ingår 9 svenska universitet, varav fem uppnått en 4a eller 5a i ranking. Universiteten har därför delats upp i topp 5 samt topp 9. De rankade universiteten är Handelshögskolan i Stockholm, Stockholms universitet, Handelshögskolan i

Göteborg, Uppsala universitet, Lunds universitet, Jönköpings universitet, Linköpings universitet, Umeå universitet och Örebro universitet (Eduniversal-ranking, u.å.) Ovanstående universitet har dessutom tilldelats en siffra mellan 1–9 för att göra det möjligt att studera skillnader mellan dem. Övriga universitet har tilldelats kategorin ”Annat universitet”. I enkäten efterfrågas dock mer detaljerad information och revisorerna har kunnat svara öppet på frågan om vilket universitet de studerat vid. Följande fråga (2) ställdes i enkäten:

Vid vilket lärosäte erhöll du din examen? Öppen fråga.

• Universitet har kodats som två olika dummyvariabler: 1. Topp 5 universitet (1), Inte Topp 5 universitet (0) samt 2. Topp 9 universitet (1), Inte Topp 9 universitet (0).

• Universiteten har även kodats som dummyvariabler för var och ett av universiteten: Handelshögskolan i Stockholm, Stockholms universitet, Handelshögskolan i Göteborg, Uppsala universitet, Lunds universitet, Jönköpings universitet, Linköpings universitet, Umeå universitet, Örebro universitet samt Annat universitet.

Universitetsbetyg (H4a) – Dataset 2

Att revisorernas betyg har en påverkan på revisorsexamen har påvisats i tidigare amerikanska studier (Dunn & Hall, 1984; Howell & Heshizer, 2008; Titard & Russell, 1989). Enligt Dunn och Hall (1984) finns det ett positivt samband mellan GPA och prestationen på revisorsexamen, även självstudier visar sig ha en positiv effekt på provresultatet. Universitetsbetyg inkluderades därför som en oberoende variabel i den här studien. Då avläggandet av revisorsexamen kräver att revisorn har slutfört minst en kandidatexamen från universitetet, har antagandet gjorts att han eller hon har blivit godkänd i alla kurser som ingår i utbildningen. Betygsfördelningen har därmed endast inkluderat betyget Godkänt eller högre. Variabeln universitetsbetyg mätte revisorns uppskattning av andelen högre betyg än Godkänt och i enkäten ställdes följande fråga (8):

Uppskatta hur stor andel av dina totala högskolepoäng som överstiger betyget Godkänt: (Dvs VG, MVG eller motsvarande, ange i procent)

Öppen fråga.

• Universitetsbetyg har kodats som uppskattad andel av totala betyg som överstiger Godkänt, omräknat till decimalform.

Byrå (H5a) – Dataset 1 & 2

Tidigare studier kategoriserar ofta revisionsbyråer som Big 4 eller icke Big 4 (Bagley m.fl., 2012; Chi m.fl., 2012; Choi m.fl., 2010; Collin m.fl., 2007; DeAngelo, 1981; Francis, 2004; Kim m.fl., 2003; Johnson m.fl., 2002). De stora byråerna har större resurser att lägga på internutbildningar för revisorerna (Johnson, m.fl. 2002), vilket tyder på att val av byrå kan påverka revisorns prestation på revisorsexamen. Big 4 skiljer sig från mindre byråer gällande antal anställda, antal kontor samt resurser. Uppdelningen av Big 4 och icke Big 4 kan göra att de mellanstora byråerna som ingår i Big 7 blir orättvist representerade, då de snarare liknar de stora byråerna än de små avseende struktur och resurser. Byråerna har därför kategoriserats som både Big 4 och Big 7 för att undersöka om det föreligger olikheter mellan dem gällande prestationen på revisorsexamen. De sju största byråerna har dessutom tilldelats en siffra mellan 1–7 för att göra det möjligt att studera skillnader mellan dem. De mindre byråerna i Sverige går under alternativet Annan byrå. Likt studien av Sundgren och Svanström (2013) gjordes variabeln byrå mätbar genom dummyvariabler. Med beaktande av det ovanstående ställdes följande fråga (13) för dataset 2:

Vid vilken revisionsbyrå arbetade du när du skrev ditt godkända auktorisationsprov? 1. PwC 2. EY 3. KPMG 4. Deloitte 5. Grant Thornton 6. BDO 7. Mazars 8. Annan

• Byrå har kodats som två olika dummyvariabler: 1. Big 4 (1), Inte Big 4 (0) samt 2. Big 7 (1), Inte Big 7 (0).

• Byrå har även kodats som dummyvariabler för var och en av byråerna: PwC, EY, KPMG, Deloitte, Grant Thornton, BDO, Mazars samt Annan byrå.

För dataset 1 tillhandahölls information om vilken byrå revisorn tillhörde i statistiken från Revisorsinspektionen. Byrå har för dataset 1 delats upp i två kategorier och kodats som dummyvariabler: 1. Big 4 (1), Inte Big 4 (0) samt 2. Big 7 (1), Inte Big 7 (0).

- Byrå har även kodats som dummyvariabler för var och en av byråerna: PwC, EY, KPMG, Deloitte, Grant Thornton, BDO, Mazars samt Annan byrå.

Kontorsstorlek (H6a) – Dataset 1 & 2

Det är nödvändigt att göra analyser på kontorsnivå då tidigare studier uppvisar skillnader i revisionen mellan olika städer (Francis, 2004) även om det handlar om samma byrå (DeAngelo, 1981). Olika kontor har tillgång till olika uppdrag, vilket medför att revisorerna får olika erfarenheter (Collin m.fl., 2007). Den här studiens urval bestod av revisorer vars kontor är fördelade över stora delar av Sverige, både i större och i mindre städer. Generellt kan mindre städer antas ha mindre kontor än storstäderna, men att endast utgå från storleken på städerna vid mätning av kontorsstorlek ger en grov och inte helt rättvis indelning. En stor byrå kan exempelvis ha flera kontor i Stockholm, både i city och i mindre förorter. För fånga upp skillnader mellan kontoren har kontorsstorlek därför mätts på två sätt, i både dataset 1 och 2 har kontorsstorlek kodats som en dummyvariabel för Storstad (Stockholm/Göteborg/Malmö) (1) och Inte Storstad (0). Storstäderna inkluderar inte pendlingsnära kommuner utan utgår från Sveriges Kommuner och Regioners (SKR) kategorisering, där Stockholm, Göteborg och Malmö utgör kategorin storstad (SKR, 2019). De revisorer som angett att de arbetar i exempelvis Upplands Väsby eller Täby har således inte inkluderats i kategorin storstad. För undersöka om resultatet blev annorlunda om de närliggande kommunerna räknades in testades även variabeln storstad där dessa inkluderades. I Dataset 1 har kontorsstorlek dessutom mätts genom antalet medarbetare per kontor, där informationen inhämtades via byråernas hemsidor samt genom mejl- och telefonförfrågan. Som teorin påvisar bör det vara skillnad i förutsättningarna inför revisorsexamen beroende på om revisorn arbetar på ett stort eller litet kontor. Ett större kontor har fler erfarna auktoriserade revisorer, vilket kan öka den samlade kunskap som revisorerna kan ta del av. För att inte gå miste om kompetensen hos exempelvis

skattejurister och redovisningskonsulter inkluderas alla medarbetare på kontoret, även de som arbetar inom andra områden än revision. För att undvika missförstånd angående kontorsstorlek och för att få tillgång till så rå data som möjligt, ställdes här en öppen fråga (14) för dataset 2 enligt:

I vilken stad ligger kontoret du arbetade på när du skrev ditt godkända auktorisationsprov?

Öppen fråga.

• Kontorsstorleken har kodats som en dummyvariabel: Storstad (1), Inte Storstad (0).

För dataset 1 tillhandahölls information angående vilket kontor revisorn tillhörde i statistiken från Revisorsinspektionen. Kontoren har delats upp och kodats som en dummyvariabel: Storstad (1), Inte storstad (0). Kontorsstorleken kodades också som totalt antal medarbetare per kontor.

Auktorisationstid (H7a) – Dataset 2

Auktorisationstid är en faktor som kan tänkas påverka revisorns prestation på provet. Enligt Dunn och Hall (1984) kan det vara negativt att vänta med att skriva provet, vilket indikerar att en längre auktorisationstid försämrar revisorns prestation på revisorsexamen. En anledning till en lång auktorisationstid kan bero på att revisorn har haft studieuppehåll eller tagit tjänstledigt. För att göra det möjligt att undersöka om en längre auktorisationstid försämrar prestationen på revisorsexamen har revisorerna ombetts att ange hur lång, räknat i antal år, deras auktorisationstid har varit och om de haft något uppehåll under den tiden. I den här studien efterfrågas den totala tiden, inklusive uppehåll, då det även gör det möjligt att studera om uppehållet i sig påverkar prestationen på revisorsexamen. Revisorerna i dataset 2 har därmed fått svara på följande frågor (15,16,17):

Från att du påbörjade din akademiska utbildning, hur många år tog det innan du blev godkänd på auktorisationsprovet? (Inklusive uppehåll)

Har du haft studieuppehåll, tjänstledighet eller liknande under den perioden? 1. Ja

2. Nej

Om Ja, hur länge har du totalt sett haft uppehåll? – Ange i månader. Öppen fråga.

• Auktorisationstiden har kodats som antal år från att den akademiska utbildningen påbörjas till dess att auktorisationsprovet blivit godkänt. Tiden kan inte understiga 6 år.

• Avbrott under auktorisationstiden har kodats som en dummyvariabel: Uppehåll (1), Inte Uppehåll (0).

• Uppehåll har räknats om och kodats som antal år.

Ålder (H8) – Dataset 1 & 2

Ålder är en variabel som ofta studeras i samband med revisorsexamen (Cederwall & Sävås, 2012; Dunn & Hall, 1984; Howell & Heshizer, 2008; Rhawi & Tauberman, 2013). Resultaten är dock motstridiga och det är något oklart vilken effekt åldern har på prestationen. Att revisorn avlägger provet vid ung ålder kan tänkas bero på att denne har ett högre karriärsdriv, vilket i sin tur kan påverka prestationen på revisorsexamen. För att upptäcka eventuella samband mellan ålder och prestation har revisorerna ombetts att uppge hur gamla de var när provet skrevs. Följande fråga (9) har ställts i enkäten för dataset 2:

Hur gammal var du när du blev skrev ditt godkända auktorisationsprov? Öppen fråga.

• Ålder har kodats i år.

För dataset 1 tillhandahölls information om revisorns födelsedatum i statistiken från Revisorsinspektionen. För att beräkna åldern har antalet dagar mellan födelsedatumet och provdatumet tagits fram och dividerats med 365. Revisorns ålder har avrundats nedåt till närmsta heltal och kodats i hela år.

Kön (H9) – Dataset 1 & 2

Trots att det finns empiriska bevis för skillnader mellan män och kvinnor har könets inverkan på revisorsexamen tidigare studerats med varierande resultat. Vissa studier visar att kvinnor presterar sämre än män på revisorsexamen (Bline m.fl., 2016; Trinkle m.fl., 2016), medan andra inte finner något samband mellan kön och revisorns provresultat (Menk m.fl., 2017). Till följd av motstridiga resultat undersöktes eventuella skillnader i prestationen på revisorsexamen beroende på kön även i den här studien. För revisorerna i dataset 2 ställdes följande fråga (1): Jag identifierar mig som

1. Man 2. Kvinna 3. Annat

• Kön har endast kodats som en dummyvariabel då inget enkätsvar angav alternativet Annat: Kvinna (1), Man (0).

För dataset 1 fanns information om revisorns kön i statistiken från Revisorsinspektionen. För dataset 1 har kön kodats som en dummyvariabel: Kvinna (1), Man (0).

5.3.3 Kontrollvariabler

Provtillfälle – Dataset 1 & 2

Revisorsexamen hålls två gånger årligen och generellt är det fler som ansöker om att skriva på hösten än på våren, vilket kan vara en förklaring till att resultatet varierar mer vid höstens provtillfälle (Hammarström, 2020). Under 2018 och 2019 har andelen godkända prov varit lägre på hösten än på våren. I november 2019 blev endast 49 procent av revisorerna godkända, trots att provet inte ska ha varit svårare än normalt (Hammarström, 2020). Även om proven är tänkta att hålla samma svårighetsgrad varierar frågorna, vilket kan ha en påverkan på resultatet. Vissa frågor kan gynna eller vara till nackdel för en specifik revisor eller byrå, beroende på hur deras uppdrag ser ut. Provtillfället har därför utgjort en kontrollvariabel. I enkäten ställdes därför följande fråga (11) för dataset 2:

När skrev du ditt godkända auktorisationsprov? 1. På våren

2. På hösten

Provtillfälle har kodats som en dummyvariabel: Vår (1), Höst (0).

För dataset 1 tillhandahölls information om provtillfället via statistiken från Revisorsinspektionen. I statistiken framgick det om revisorn avlagt provet på våren eller hösten samt vilket år. För dataset 1 har provtillfälle kodats som en dummyvariabel: Vår (1), Höst (0). Förstagångsskrivare – Dataset 2

För att kontrollera att resultatet på revisorsexamen inte beror på att revisorn har skrivit provet mer än en gång, vilket enligt Nagle m.fl. (2018) kan ha ett starkt samband med provresultatet, användes förstagångsskrivare som en kontrollvariabel. I en studie av Howell och Heshizer (2008) hade de revisorer som klarade provet på första eller andra försöket bättre betyg, högre utbildningsnivå och var mer troliga att ha en masterexamen än dem som skrivit provet fler gånger. För att se om det föreligger något sådant samband samt för att utesluta att revisorns resultat inte beror på antalet skrivna prov har revisorerna fått svara på följande fråga (10): Hur många gånger har du skrivit auktorisationsprovet?

1. En gång

2. Två eller fler gånger

• Antal skrivna prov har kodats som en dummyvariabel: Förstagångsskrivare (1), Inte Förstagångsskrivare (0).

5.3.4 Modererande variabel

Motivation (H1b, H2b, H3b, H4b, H5b, H6b, H7b) – dataset 2

I den här studien användes motivation som en modererande variabel för dataset 2, se figur 1, för att undersöka om revisorns motivation påverkat sambandet mellan revisorns prestation på revisorsexamen och de oberoende variablerna examensnivå, Avancerade redovisnings-

/revisionskurser, universitet, universitetsbetyg, byrå, kontorsstorlek samt auktorisationstid (jmf. Saunders m.fl., 2019). Revisorn har gjort ett aktivt val beträffande dessa parametrar, men väljer emellertid inte drivkraften bakom den egna motivationen som också kan tänkas ha en påverkan på dessa val.

Att mäta en individs motivation är inte helt lätt och kan göras på flera olika sätt. I den här studien har motivationen mätts genom den förkortade GRIT-skalan, som kort sagt mäter en individs drivkraft, uthållighet och förmåga att inte ge upp (Duckworth & Quinn, 2009). Då variablerna i den här studien sträcker sig över flera års tid, det vill säga genom både utbildning och praktiskt arbete, speglar de individens långsiktiga motivation. Revisorerna har fått besvara åtta frågor som enligt den förkortade GRIT-skalan ska mäta motivationen. Svarsalternativen gavs på en femgradig skala som användes för att beräkna ett värde på individens GRIT, (1) Stämmer väldigt mycket in på mig, (2) Stämmer mestadels in på mig, (3) Stämmer delvis in på mig, (4) Stämmer inte så mycket in på mig och (5) Stämmer inte alls in på mig. Varje svar gav mellan 1–5 poäng som sedan adderades och dividerades med 8, vilket gav ett snitt som utgjorde revisorns GRIT och därmed motivation.

Motivationen kan delvis påverka valet av utbildning, universitet, byrå eller kontor. Betyg från gymnasium och universitet kan också tänkas spegla motivationen och likaså hur tätt inpå sin utbildning revisorn avlägger provet. Då variabeln därmed kan tänkas påverka både den beroende och de oberoende variablerna användes motivation i den här studien som en

modererande variabel, det vill säga som påverkar hur starkt ett samband mellan en beroende och oberoende variabel blir.

GRIT mäter revisorns nuvarande motivation och kan förändras över tid, vilket innebär att revisorerna kan uppskatta sin motivation annorlunda nu än de gjorde vid provtillfället. Då GRIT också utgår från revisorns uppfattningar om sin motivation kan resultatet bero på revisorns självbild och självförtroende. En högt motiverad person kan fortfarande anse sig själv vara otillräcklig och undervärdera sin prestation, medan en annan kan anse sig vara betydligt mer motiverad än vad personen egentligen är. Resultatet av motivationens modererande effekt bör därmed iakttas med viss försiktighet då både reliabiliteten och validiteten minskar när det är revisorns nuvarande uppfattningar som mäts.

I linje med den förkortade GRIT har revisorerna tagit ställning till följande påståenden: Nya idéer och projekt får mig ibland att tappa fokus på det jag gör just nu.

Motgångar gör mig inte modfälld. Jag ger inte upp så lätt.

Jag har varit besatt av en viss idé eller ett projekt en kort tid men sedan tappat intresset. Jag arbetar hårt.

Jag sätter ofta upp ett mål men väljer sedan att satsa på annat.

Jag har svårt att hålla fokus på projekt som tar mer än några månader att slutföra. Jag avslutar allt jag påbörjar.

Jag är flitig. Jag ger aldrig upp.

(Duckworth & Quinn, 2009)

• Motivationen har kodats som det erhållna värdet av GRIT där varje fråga ger 1–5 poäng, poängen adderades och divideras sedan med 8. Intervallet för GRIT är därmed 1–5.

5.4 Bortfallsanalys

I den ursprungliga urvalsramen för dataset 1 ingick 863 auktoriserade revisorer. Till följd av avsaknad av information angående byråtillhörighet föll två revisorer bort och ytterligare en revisor exkluderades då dennes ålder uppgavs vara 99 år vid provtillfället, vilket inte ansågs troligt. Det slutliga urvalet för dataset 1 bestod således av 860 auktoriserade revisorer, vilket innebar att 99,7 procent av revisorerna ingick i studien, se tabell 5.

I det ursprungliga urvalet för dataset 2 ingick 530 auktoriserade revisorer. För att nå de revisorer som uppnått ett godkänt provresultat under perioden 2017–2019 mejlades samtliga auktoriserade revisorer som fanns att nå via FAR. Av totalt 2647 auktoriserade revisorer kunde 15 inte nås på grund av felaktiga kontaktuppgifter. När webbenkäten varit öppen i en vecka

Ursprungligt urval (dataset 1) 863

Partiellt bortfall

Saknar uppgift om byråtillhörighet 2

Exkluderade

Felaktig uppgift om ålder 1

Urval efter bortfall & exkludering 860

Ursprungligt urval (dataset 2) 530

Enkätsvar 289

Partiellt bortfall

Saknar uppgift om stad 2

Exkluderade

Felaktig uppgift om poäng 30

Felaktig uppgift om universitet 5

Felaktig uppgift om ålder 1

Fullständiga svar 251

Tabell 5. Bortfall och exkludering i dataset 1. dataset 1.

hade 243 enkätsvar erhållits. Den ursprungliga listan med mejladresser reducerades med revisorer som uppgivit att de antingen besvarat enkäten, inte ingick i urvalet eller var på föräldraledighet, vilket innebar att 2199 revisorer återstod när påminnelsemejlet skickades ut. Webbenkäten besvarades slutligen av 289 auktoriserade revisorer som därmed primärt ingick i