Outliers

För att undvika att extrema observationer ska påverka resultaten väljer vi att ta bort ett antal outliers ur datamängden. Zhang (2011) menar att z score är ett vanligt sätt att avgöra om en datapunkt ska klassas som en outlier. En datapunkts z score ges av formeln:

𝑌8 − 𝑌9

𝑆𝐷₉ = 𝑧 𝑠𝑐𝑜𝑟𝑒

Där täljaren visar hur mycket den avviker ifrån medelvärdet och nämnaren visar datamängdens standardavvikelse. Det är enligt Zhang (2011) vanligt att använda ett z score på 2 eller 3 som kritiskt värde. Alla observationer med ett högre värde än det kritiska värdet klassas som en outlier. Det gäller även det negativa kritiska värdet, d.v.s. -2 eller -3. Eftersom vi gör en populationsundersökning vet vi datamängdens standardavvikelse och använder därför z score istället och inte t score som vore fallet vid en urvalsundersökning. Ett antagande för multipel linjär regression är att data är normalfördelad, därför väljer vi att inte beräkna våra outliers med z* score. Zhang (2011) beskriver att z* score är en variant av z score som justerar värdet utefter hur mycket data skiljer sig från att vara normalfördelad, vid normalfördelade data är z-score = z* score. Vi väljer det kritiska värdet 3 och -3 på z score. Det innebär att all data utanför intervallet klassas som outliers och tas bort ur undersökningen. Intervallet ska teoretiskt sett innefatta 99,7 % av data.

Vi fann totalt 19 observationer med ett z score över 3 eller under -3 (se bilaga 4). 17 stycken av dem fann vi hos företag som inte gav utdelning och 2 stycken hos företag som gav utdelning. Dessa företag exkluderar vi ur undersökningen. Vissa av företagen har mer än 1 observation som

klassas som outlier. Efter att data hanterats för outliers innefattar våra undersöksgrupper 164 respektive 242 stycken företag (se bilaga 2 och 3).

3.3 Variabler

Vi väljer att använda åtta variabler i vår studie, en beroende och sju oberoende. Den beroende variabeln är utdelningsandel. Studiens syfte är att undersöka ägarkoncentrationens samband med utdelningsandel, ägarkoncentrationen är alltså en oberoende variabel som vi är intresserade av att studera. Resterande oberoende variabler är lönsamhet, skuldsättningsgrad, tillväxt,

utdelningsförmåga, storlek och likviditet. Dessa sex oberoende variabler är kontrollvariabler. Ur tidigare forskning från bland annat Al-Najjar och Kilincarslan (2016) kan vi se att flera av dessa korrelerar med utdelningsandel, vi tar därför med dem i vår modell för att förstärka

förklaringsgraden och ”kontrollera bort” deras inverkan. Utöver de kontrollvariabler som tidigare studier använt för att förklara utdelningsandel, väljer vi att ta med utdelningsförmåga.

Enligt Allison (1999) är det viktigt att utvärdera vilka variabler som ska användas då man arbetar med multipel regression (utöver den man vill studera) och vilka som ska utelämnas. Det finns två agendor för att ha med en variabel i modellen. Den första är att man vill studera den oberoende variabelns effekt på den beroende variabeln. Den andra är att man vill kontrollera variabeln (Allison, 1999). Det innebär att man tar hänsyn till dess inverkan för att förbättra modellen, men inte nödvändigtvis är intresserad av de specifika resultaten variabeln ger. Marill (2004) menar att målet då man väljer variabler är att ta med alla oberoende variabler som bidrar med betydande unik information samtidigt som man undviker onödig multikollinearitet. Vidare kan

regressionsmodellens felterm öka om man tar med för få variabler eller för många variabler.

3.3.1 Utdelningsandel

Vår beroende variabel i studien är företags utdelningsandel. Utdelningsandelen mäter relationen mellan företags utdelning per aktie och vinst per aktie. Tidigare forskning inom området av bland annat Al-Najjar och Kilincarslan (2016) samt Lundgren och Eriksson Lantz (2016) har använt sig av utdelningsandel och direktavkastning för att mäta utdelning. Vi väljer att endast

Direktavkastning mäter den procentuella utdelningen per aktie i förhållande till aktiepriset. Direktavkastningen påverkas således av tillfälliga aktiekurssvängningar vid utdelningstillfället. Vi menar att utdelningsandel ger ett stabilare värde vilket återspeglar företaget under hela räkenskapsåret, då det använder årets vinst istället för det tillfälliga aktiepriset. Därför anser vi måttet utdelningsandel vara mer relevant. Direktavkastning är ett mått mätt mot marknadens värdering av aktien medan utdelningsandel mer är ett mått mot företagets prestationer och interna räkningar. För utdelning per aktie inkluderar vi både ordinarie utdelning och extrautdelning då vi anser att båda fallen är en aktion av ett utdelningspolitiskt val.

𝑈𝑡𝑑𝑒𝑙𝑛𝑖𝑛𝑔 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒

𝑉𝑖𝑛𝑠𝑡 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒 × 100 = 𝑈𝑡𝑑𝑒𝑙𝑛𝑖𝑛𝑔𝑠𝑎𝑛𝑑𝑒𝑙

3.3.2 Koncentrerat ägandeskap

Ett alternativ till kvantifiering av det icke finansiella talet koncentration i ägarstruktur är att tillämpa en dummy som variabel. Med denna metod kan man göra en gränsdragning för vad forskaren anser vara en koncentrerad ägarstruktur och icke koncentrerad ägarstruktur. Det man missar med tillämpning av dummyvariabel är dock hur sambandet mellan den specifika graden av koncentrering i ägarstrukturen påverkar utdelningspolitiken. För att vi fullt ut ska kunna nyansera och se om olika nivåer av koncentreringar i ägarstrukturer påverkar olika mycket så tillämpar vi en liknande metod utförd av Susilawati och Rakhman (2018). I dessa forskares undersökning av koncentrerade ägarstrukturers effekt på företags totala värden operationaliseras variabeln ägandekoncentration genom att mäta de totala antalet aktiers andel innehavda av de tre största ägarna, sett till företagets totala aktier (Susilawati & Rakhman, 2018).

Vi väljer att tillämpa denna metod genom att mäta andelen röster innehavda av de tre röstmässigt största ägarna tillsammans och sedan dividera summan med totalt ägande. Andra mått på

ägandekoncentration i studier utförda på just den svenska marknaden är att författare enbart använt den störste ägarens rösträtt som ett totalt mått på koncentration (Engström & Setterberg, 2019). Vårt motiv till att inkludera just de tre största ägarna bygger dels på Susilawati och

i ägarstrukturen påverkar företags utdelningar medför att vi anser det finnas fler ägare än den röstmässigt största som är intressanta att få med i vårt mått.

Att mäta röster istället för antal aktier ger ingen skillnad i slutändan i de fall företag endast har en typ av aktieklass utestående, alltså där företagets aktie bara finns i en version. När företag

däremot har flera olika klasser av aktier utestående, som exempelvis A-, B- och C-aktier uppstår en viss skillnad mellan röstandel och aktieandel. Detta för att de olika aktieslagen ofta berättigar till olika antal röster. En A-aktie ger innehavaren i de flesta fall fler röster än en B-aktie.

Vår motivering till att mäta röster bygger på flera aspekter. Dels är det den information som återkommande publiceras i svenska företags årsredovisningar bland de största ägarna, medan publicering av andelen kapital (antal aktier) är mer varierande. Då vi för denna variabel samlar in primärdata är det viktig att informationen vi söker är pålitlig och konsekvent för att hålla arbetet stringent, vilket i sin tur är ett kriterium enligt Staw (1995) för att komma fram till en relevant slutsats. En annan orsak till att vi vill mäta röstandel istället för kapitalandel är för att vi anser att detta avslöjar mer information om ägaren. Vi tror att ägare i företag väljer aktier efter de

incitament som föreligger. Ju mer en ägare tänkt vara aktiv, desto mer kommer innehavet luta åt aktier med fler rösträtter. Aktivitet och röster hos en ägare sammanfaller då röster ger inflytande. Som aktieägare med en stor andel kan man rösta på bolagets stämma och exempelvis rösta för eller emot styrelsens förslag till utdelning. Med denna enkla hypotes menar vi att en stor röstandel hos en ägare inte är en slump utan ett medvetet val hos ägaren som aktivt valt aktier denne kan få maximal röstandel med. Dock tar sig denna hypotes endast uttryck i de fall där flera olika aktieslag finns utestående.

Ur ovanstående resonemang väljer vi att använda följande modell för att mäta ägandekoncentrationen i respektive företag:

𝐴𝑛𝑑𝑒𝑙 1 + 𝐴𝑛𝑑𝑒𝑙 2 + 𝐴𝑛𝑑𝑒𝑙 3

Andel 2 = Röstandel hos ägaren med näst flest röster Andel 3 = Röstandel hos ägaren med tredje flest röster

3.3.3 Lönsamhet

Vi väljer att mäta företagets lönsamhet i ROA (return on asset). Nyckeltalet mäter hur lönsamt förtaget är i förhållande till de totala tillgångarna. Det visar hur effektivt företaget är att använda sina tillgångar för att generera vinst. Ali, Muhammad, och Gohar (2017) fann att både ROA och ROE (return on equity) har en inverkan på utdelningsandel. Vi väljer att endast använda oss av ROA då Ali et al (2017) resultat påvisar relativt lika korrelation med utdelningsandel. De två nyckeltalen kan enligt oss antas ha en relativt hög korrelation med varandra. Genom att endast välja en av dem minskar vi risken för multikollinearitet.

𝑅𝑒𝑑𝑜𝑣𝑖𝑠𝑎𝑡 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑡

𝑇𝑜𝑡𝑎𝑙𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 × 100 = 𝐿ö𝑛𝑠𝑎𝑚ℎ𝑒𝑡

3.3.4 Skuldsättningsgrad

Vi använder likt en studie av Kania & Bacon (2005) nyckeltalet skuldsättningsgrad. Det visar företagets räntekänslighet, som beskriver hur företagets kostnader påverkas av ränteförändringar. En hög skuldsättningsgrad kan således leda till ökade kostnader vilket kan tänkas minska

företagets utdelningsandel. Ett alternativ är att ställa de totala skulderna mot eget kapital. Vi väljer dock att använda totala tillgångar för att följa tidigare forskning av Kania och Bacon (2005).

𝑇𝑜𝑡𝑎𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑒𝑟

𝑇𝑜𝑡𝑎𝑙𝑡𝑎 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟 × 100 = 𝑆𝑘𝑢𝑙𝑑𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔𝑠𝑔𝑟𝑎𝑑

3.3.5 Tillväxt

Vi väljer att mäta företagens tillväxt genom att se hur mycket det bokförda värdet per aktie har ökat eller minskat i förhållande till föregående år. Rozeff (1982) valde att använda variabeln

tillväxt som oberoende variabel för att finna ett samband med utdelningsandel. Rozeff (1982) fann ett negativt samband som kan tänkas bero av att ökade investeringar minskar mängden kapital till förfogande för utdelning. Rozeff (1982) mätte tillväxten över en femårsperiod. Vi väljer dock att endast mäta den över ett år. Valet bygger på att vi vill undvika eventuella konjunkturers inverkan.

( Å𝑟𝑒𝑡𝑠 𝑏𝑜𝑘𝑓ö𝑟𝑑𝑎 𝑣ä𝑟𝑑𝑒 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒

𝐹ö𝑟𝑒𝑔å𝑒𝑛𝑑𝑒 å𝑟𝑠 𝑏𝑜𝑘𝑓ö𝑟𝑑𝑎 𝑣ä𝑟𝑑𝑒 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒 − 1) × 100 = 𝑇𝑖𝑙𝑙𝑣ä𝑥𝑡

3.3.6 Utdelningsförmåga

Vi väljer att mäta förtags balanserade vinst i förhållande till eget kapital, då det enligt oss till en del kan förklara utdelningsförmågan. Föregående års balanserade vinst kan användas till

utdelning kommande år. Balanserad vinst utgörs av den beskattade vinsten som återstår efter avsättning till fonder samt tidigare års återstående balanserade vinst. Vi anser att balanserad vinst är en relevant variabel att ta med ur resonemanget som bygger på The Lintner modell (Lintner, 1956). Modellen beskriver företags utdelningsförändring. Utdelning föregående år är en negativ variabel och årets vinst är en positiv variabel. Dessa två variabler i modellen påverkar till en stor del företags balanserade vinst. Man kan enligt oss se dem tillsammans som substitut för

balanserad vinst, en ökad balanserad vinst ger då enligt modellen en positiv

utdelningsförändring. Vidare väljer vi att ställa företags balanserad vinst i förhållande till eget kapital, för att skapa ett jämförbart nyckeltal. Relationen mellan balanserad vinst och eget kapital är enligt oss extra intressant, då det är direkt kopplat till ägarnas kapital i företaget.

𝐵𝑎𝑙𝑎𝑠𝑒𝑟𝑎𝑑 𝑣𝑖𝑛𝑠𝑡

𝐸𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 = 𝑈𝑡𝑑𝑒𝑙𝑛𝑖𝑛𝑔𝑠𝑓ö𝑟𝑚å𝑔𝑎

3.3.7 Storlek

Vi väljer att mäta företagets storlek i totala tillgångar. Tidigare forskning visar att storlek är en relevant variabel att ta med (Al-Najjar & Kilincarslan, 2016). De fann ett svagt positivt samband

stora mogna företag ger en högre utdelning än motparten. Värdet på företags totala tillgångar kan skilja mycket, betydligt mer än värdeskillnaden hos de andra variablerna, varför vi väljer att transformera denna variabel med den naturliga logaritmen för att minska denna inverkan. Det gör data mer normalfördelad.

𝑙𝑛(𝑥) = 𝑡𝑟𝑎𝑠𝑓𝑜𝑟𝑚𝑒𝑟𝑎𝑑 𝑠𝑡𝑜𝑟𝑙𝑒𝑘 𝑑ä𝑟 𝑥 ä𝑟 𝑡𝑜𝑡𝑎𝑙𝑎 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟

3.3.8 Likviditet

Kania & Bacon (2005) använder likviditet som oberoende variabel för att studera sambandet till företags utdelning. Likviditet visar företags kortsiktiga betalningsförmåga. De ställer företags kassa, bank och kortfristiga placeringar i relation till kortfristiga skulder. Vi väljer att använda en liknade definition men istället för kortfristiga skulder använder vi oss av totala tillgångar, då vi anser att det ger ett liknande resultat men tar bättre hänsyn till företagets storlek. Kania & Bacon (2005) fann ett svagt negativt samband, vilket gick i linje med deras hypotes, att ökad likviditet tränger ut kapital som annars använts till utdelning.

𝐾𝑎𝑠𝑠𝑎 𝑏𝑎𝑛𝑘 + 𝐾𝑜𝑟𝑡𝑓𝑟𝑖𝑠𝑡𝑖𝑔𝑎 𝑝𝑙𝑎𝑐𝑒𝑟𝑖𝑛𝑔𝑎𝑟

𝑇𝑜𝑡𝑎𝑙𝑎 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟 = 𝐿𝑖𝑘𝑣𝑖𝑑𝑖𝑡𝑒𝑡