detta kapitel redogör vi för hur vi har gått tillväga med vår undersökning. Vi kommer att redovisa för denna studies urval, datainsamling, databearbetning och genomförande. Vi kommer även att visa de modeller våra regressioner bygger på samt redogöra och definiera de olika variabler som våra modeller bygger på. Vi kommer att avsluta kapitlet med de hypoteser som vi avser att testa i denna studie.
4.1 Urval
Vårt urval av bolag är hämtad från en tidigare enkätstudie som ligger till grund för en doktorsavhandling vid Handelshögskolan vid Umeå Universitet. Urvalet i enkätstudien är slumpmässigt och kommer från SCB:s register, där 100 bolag ur varje region valdes ut.
Regionerna är Stockholm (bolag från Stockholms län), Norrland (bolag från Västerbotten, Västernorrland, Gävleborg och Jämtland) och Småland (bolag från Kronobergslän, Jönköpingslän och Kalmarlän). Urvalet användes för att samla in information anknuten till revision och redovisning i mindre svenska bolag med skilda geografiska placeringar såsom region, storstad, mindre ort och glesbyggd. Anledningen till detta urval var eftersträvan efter ett representativt urval för Sverige. Vårt urval kommer från denna studie och består av de 30 bolag ur varje region med lägst kodnummer som besvarat enkäten och som har mellan 10 – 49 anställda. Resultatet blev 90 slumpmässigt utvalda bolag jämnt fördelade över de tre regionerna. Detta urval samt visst material ur enkätstudien är sekundär data i denna undersökning då det ej är vi som har utfört insamlingen. Anledningen till att urvalet genomfördes på detta sätt grundar sig på att informationen som fanns tillgänglig för oss begränsade sig till bolagens årsredovisningar. Utifrån dessa var det ej möjligt att få fram information angående bolagens ägarförhållanden samt vilka typer av konsulttjänster bolagen använde sig av. Fördelen med detta urval är att vi får tillgång till mer information via enkätstudien än vi hade möjlighet till om vi endast varit hänvisade till bolagens årsredovisningar. Därmed kan vi mäta fler variabler i våra modeller och öka bredden på studien. Likt vid merparten av tidigare studier inom området är finansiella bolag exkluderade från vårt urval på grund av deras unika karaktär144.
4.2 Datainsamling
Data angående vilka typer av konsulttjänster och i vilken omfattning som bolagen har använt sig av dessa har erhållits från en tidigare nämnda enkätstudie. Även information angående bolagens ägarförhållanden har framkommit genom denna enkät. Resterande information kring övriga variabler och nyckeltal har vi inhämtat från respektive bolags årsredovisningar via databasen Affärsdata, vilken var tillgänglig genom Umeå Universitetsbibliotek. Information inhämtades från tre år, 2003 – 2005.
4.3 Databearbetning
Vi började vår databearbetning med att samla in information kring förekommande variabler till denna undersökning från bolagens årsredovisningar. En del av variablerna tog vi direkt från bolagens årsredovisningar medan andra variabler räknades vilka var bolagens räntabilitet på eget kapital (Re), räntabilitet på total kapital (Rt), balanslikviditet, kassalikviditet, fritt kassaflöde (FKF) och skuldsättningsgraden. Anledningen till av vi räknade om dessa nyckeltal är att det finns olika sätt att beräkna dessa på och för att kunna göra en jämförelse
144 Gul, F. & Tsui, J. A Test of the Free Cash Flow and Debt Monitoring Hypotheses: Evidence from Audit Pricing., 221-222
I
mellan dem är det av största vikt att ha enhetliga nyckeltal för de samtliga bolag. Vi använde sedan statistikprogrammet SPSS för att registrera variablerna.
Därefter valde vi att genomföra en deskriptiv analys för revisionsarvodena och de oberoende variablerna. Detta för att se vilken variation det finns mellan bolagen samt för att läsaren skall få en mer överskådlig bild av storleken på variablerna. Vi har valt att redovisa dessa i verkliga värden istället för logaritmerade, då vi vill ge läsaren en mer överskådlig bild av bolagen och hur de ser ut över tiden. Den senare är den form som vi sedan kommer att använda oss av när vi genomför vår multipla regressions analys likt merparten av de tidigare studierna inom detta område.
Efter den deskriptiva analysen påbörjade vi våra multipla regressionsanalyser, vilket innebär simultant studerande av tre eller fler variabler för att undersöka sambandet mellan den beroende och de oberoende variablerna145. För att modellens funktion skall bli bättre samt få ett linjärt utseende har ett flertal forskare transformerat variabeln genom att använda sig av kvadratroten, 10 logaritm eller naturlig logaritm146. Vi har valt att följa dessa studier och har utifrån dessa avgjort att följande variabler ska logaritmeras; revisionsarvodet, totala tillgångar, nettoomsättning samt konsultarvodet. Utifrån våra multipla regressionsanalyser kommer vi sedan att kunna yttra oss angående de oberoende variablernas påverkan på den beroende samt om denna eventuella verkan är av negativ eller positiv karaktär. Testen genomfördes vid en 5% signifikansnivå och förkastade således de hypoteser vars p-värde understeg 0,05. En signifikansnivå på 5 % innebär att risken är 5 på 100 att ett samband visas även om det ej föreligger147. Vi kommer även att beakta och diskutera de variabler som visar sig signifikanta på en 10% nivå dock ej i vår hypotesförkastning då vi vill ha mer statistiskt tillförlitliga resultat.
Vi har utifrån tidigare studier utformat våra modeller, vilka vi sedan har anpassat efter våra egna variabler. Utgångspunkten för denna studie är vår så kallade grundmodell som vi genomförde våra första tester i. Därefter använde vi återigen vår grundmodell fast denna gång med utbytta variabler som representerar samma bakomliggande faktorer till exempel kassalikviditet till balanslikviditet för att därnäst testa olika mått på ägande. Sedan valde vi likt bland andra Ezzamel et al. att utöka vår modell med ytterliggare faktorer för att närmare undersöka konsulttjänsternas omfattning samt respektive tjänsts påverkan på revisionsarvodets storlek. Vår modell kommer att i större och mer precis utsträckning testa olika typer av konsulttjänster än de tidigare studier vi har tagit del av.
Avslutningsvis har vi även valt att dela upp och undersöka vårt urval efter specifika kriterier för att pröva om detta ger oss ytterliggare information kring revisionsarvodets storlek. Den första gruppen är uppdelad efter i vilken omfattning bolagen utnyttjade rådgivning i form av konsulttjänster, detta gjordes då vi ämnar att söka en djupare förståelse för hur konsulttjänster påverkar revisionsarvodet. Gränsen drogs mellan de bolag som använt rådgivning vid noll till två tillfällen och de som använt sig av rådgivning vid fler än två tillfällen, detta för att lyfta fram eventuella skillnader mellan grupperna. Den andra gruppen som urskiljdes var om bolagen vi undersökt är ett dotterbolag eller inte för att se vilken påverkan detta får på resultaten då variablernas effekt eventuellt kan förändras. Anledningen till denna gruppering var att det existerar andra förhållanden bland dotterbolag än bland övriga bolag. Ett dotterbolag kan vara styrt av de villkor som gäller i moderbolaget. En koncernredovisning kan
145 Körner, S & Wahlgren, L. Statistiska metoder., 158
146 Chan, P., Ezzamel, M. & Gwilliam, D., 767
147 Körner, S. Praktisk statistik, Lund: Studentlitteratur, (1993): 241
även den bidra till att revisionen ser annorlunda ut i dotterbolaget. Det kan vara enklare att revidera ett dotterbolag om det har samma revisor som moderbolaget då revisorn kan vara väl insatt i koncernen och dess gemensamma principer. Den sista grupperingen vi gjorde var att dela in bolagen efter dess storlek. Uppdelningen utgick från ett av gränsvärdena för vad som räknas som ett mindre bolag enligt Årsredovisningslagen, vilket innebär en avskiljning vid 25 miljoner SEK i tillgångar. Anledningen till detta var att urskilja de minsta bolagen från de största i vår undersökning och se om detta kunde öka vår förståelse till revisionsarvodets storlek i mindre svenska aktiebolag. En mindre variation bland bolagens storlek kan innebära att andra variabler blir signifikanta. Denna uppdelning kan även eventuellt innebära att storleksvariabeln som i tidigare studier visat sig ha störst påverkan på revisionsarvodet kommer att driva resultaten i mindre utsträckning och eventuellt kan andra variabler få möjlighet att ta större plats.
Vi har även genomfört ett korrelationstest (Pearson Correlation test) för att undvika att två oberoende variabler vars korrelation är alltför hög används i samma modell det vill säga för att undvika multikollinearitet. Anledningen är att multikollinearitet ökar osäkerheten i skattningen av regressionens koefficienter. Samt att en regressionsmodell där de förklarande variablerna är högt korrelerade blir mindre tillförlitlig.148 Riktlinjerna för multikollinearitet går vid –0,7 och +0,7, det vill säga ett värde över +0,7 eller mindre än –0,7 mellan två oberoende variabler tyder på problem med multikollinearitet mellan dessa149.
4.4 Bortfall
Det ursprungliga urvalet genomfördes genom att en enkät skickades ut till 100 slumpmässigt utvalda respondenter från varje region, svarsfrekvensen bland dessa var 52 %.
Bortfallsanalysen av dessa som vi har fått ta del av tyder på att de bolag som valde att ej besvara enkäten inte avvek från de övriga i någon påtaglig bemärkelse, till exempel var svarsfrekvensen från de olika branscherna i stort sett samma.
Bortfall i vårt urval bland de 90 bolagen grundar sig främst på bristande information i bolagens årsredovisningar. Antalet användbara observationer baserade på revisionsarvodet i vår studie var mellan 81 – 85 stycken för alla tre åren, vilket ej påvisar något större bortfall.
Vi kan inte heller finna något samband mellan de bortfall som förekom bland bolagen som sedan kan hänföras till exempelvis någon specifik bransch eller region. Vi hade dock fem bolag vars revisionsarvode saknades för alla tre åren. Anledningarna till dessa bortfall var att ett bolags årsredovisning ej gick att finna i databasen Affärsdata, ett av bolagen hade en vilande verksamhet och redovisade därför inga revisionsarvoden för något av de undersökta åren samt att tre av bolagens revisionsarvode var inkluderade i moderbolagets årsredovisning och det gick ej att utläsa hur mycket av denna summa som hänfördes till respektive bolag. År 2005 saknades revisionsarvodet för nio stycken bolag, för år 2004 redovisades inte revisionsarvodet för sju stycken bolag och för 2003 var det sju stycken bolag vars revisionsarvode ej redovisades för. Utöver detta totala bortfall av bolag har vi även ett bortfall på några enskilda variabler. Antalet observationer på dessa övriga variabler varierar mellan 57-84 stycken. Variabeln konsultarvode hade lägst antal observationer, 57 stycken. Detta beror på att inte alla bolag använder sig av konsulttjänster. För exakt antal observationer för respektive variabel se Bilaga 1.
148 Körner, S. & Wahlgren, L. Statistiska metoder., 162
149 Anderson, D., Sweeney, D. & Williams, T. Statistics for business and economics. Ohio: South-Western Thomson Learning (1999): 641
4.5 Metodkritik
Då viss del av det material som undersökningen grundar sig på ej är inhämtade från författarna själva, så kallad sekundär data kan detta tänkas ge upphov till misstro angående informationens tillförlitlighet150. Dock anser vi då det berörda materialet är av god kvalitet då det har samlats in på ett statistiskt korrekt sätt samt att en bortfallsanalys är genomförd anser vi att detta ej är något problem. Bryman menar även på att det ej är statistiskt fel att använda sig av material som någon annan samlat in, det kan i vissa fall vara bättre då undersökningen ej blir så tidskrävande som den eventuellt annars hade blivit151. Detta argument är väl överförbart på vår studie då vi ej hade haft möjlighet att genomföra studien fullt ut om vi hade varit tvungna att kontakta vart och ett av bolagen för att samla information angående deras ägarförhållanden samt användning av konsulttjänster.
150 Bryman, Allan. Samhällsvetenskapliga metoder, Malmö: Liber ekonomi, (2002): 208
151 Bryman, Allan. Samhällsvetenskapliga metoder., 208
4.6 Modeller
Utifrån de studier som vi tagit del av har vi utformat nedanstående modeller som kommer att användas vid genomförandet av vår studie för att försöka förklara revisionsarvodets storlek i mindre svenska aktiebolag. Vi har utgått från tidigare forskares modeller och sedan anpassat dessa efter de variabler vi ämnar använda oss av. I likhet med bland annat Ezzamel et al. har vi först använt oss av en grundmodell som vi sedan utökat med de konsultvariabler som vi ämnat att mäta. Förklaring samt definition av de variabler som ingår i våra modeller kommer i nästa avsnitt.
Grundmodell
Revisionsarvode = b0 + b1 Storlek + b2 Risk + b3 Komplexitet + b4 FKF + b5 Ägande + b6 Konsultarvode + b7 Revisionsbyråns storlek + b8 Region + ε Ovanstående är de faktorer som vi använt oss av i vår undersökning. För att sedan operationalisera dessa faktorer har vi använt oss av olika variabler som återfinns nedan.
Grundmodell med specifika variabler152
Revisionsarvode = b0 + b1 Tot.tillgångar + b2 Re + b3 Förlust/vinst + b4 Ren/oren RB + b5 Skuldsättningsgrad + b6 Kassalikviditet + b7 DB + b8 Varulager + b9 Kundfordringar + b10 FKF + b11 Ägande + b12 Konsultarvode + b13 Revisionsbyråns storlek + b14 Region + ε
Utökad modell
Revisionsarvode = b0 + b1 Tot.tillgångar + b2 Re + b3 Förlust/vinst + b4 Ren/oren RB + b5 Skuldsättningsgrad + b6 Kassalikviditet + b7 DB + b8 Varulager + b9 Kundfordringar + b10 FKF + b11 Spritt ägande + b12 Konsultarvode + b13 Revisionsbyråns storlek + b14 Region + b15 Konsultvariabler153 + ε
152 Grundmodell med specifika variabler består av Grundmodell 1,2 & 3. I Grundmodell 1 använder vi oss av totala tillgångar, Re och kassalikviditet för att sedan i Grundmodell 2 byta ut dessa variabler mot nettoomsättning, Rt och balanslikviditet. I Grundmodell 1 & 2 mäter vi ägandet genom utomstående ägare som ej ingår i företagsledningen. I den tredje grundmodellen byter vi ut utomstående ägare mot antal ägare och spritt i förhållande till koncentrerat ägande.
153 I ett första skede står denna variabel för om bolagen överhuvudtaget använder sig av rådgivningstjänster.
Sedan testas omfattningen av rådgivning det vill säga lite rådgivning eller mycket rådgivning. Därefter exkluderar vi denna variabel för att ersätta den med de enskilda konsulttjänsterna var för sig.
4.6 Variabler
För att välja ut vilka variabler som skall studeras för att undersöka vilka som påverkar storleken på revisionsarvodet har vi utgått från tidigare studier inom området som vi sedan i viss mån har anpassat efter tillgänglig information. Vi har även utökat forskningsområdet med ytterliggare variabler inom konsulttjänster för att undersöka om det finns konsulttjänster som har samband med revisionsområdet. Den beroende variabeln i vår undersökning är revisionsarvodet.
För att mäta bolagets storlek har vi likt Simunic som var pionjär på området använt oss av bolagens totala tillgångar. Chan et al. har till skillnad från Simunic använt sig av bolagens omsättning för att mäta dess storlek. I denna studie kommer vi att testa båda variablerna för att se om någon av dem kan tänkas påverka arvodet mer än den andra. Likt Firth som använde sig av båda måtten i sin undersökning på området väljer vi att mäta dem var för sig då vi anser att risken för multikollinearitet är överhängande. Vi tror likt tidigare studier att det finns för- och nackdelar för både omsättning och tillgångar som storleksmått varför vi valt att testa båda två.
För att mäta ett bolags risk kommer vi att använda oss av räntabilitet på totalt kapital samt dummy variabler för om bolaget har haft en nettoförlust något av de två senaste räkenskapsåren samt om revisionsberättelsen det senaste året var ren eller oren. Räntabilitet på totalt kapital har mätts genom att resultat efter finansiella intäkter och kostnader adderat med finansiella kostnader har dividerats med bolagets genomsnittliga kapital154. Det är även argumenterat att räntabilitet på eget kapital är ett bättre riskmått än räntabilitet på totalt kapital vi kommer därför att använda båda måtten. Vi genomför mätningarna var för sig för att undvika multikollinearitet. Räntabilitet på eget kapital är definierat som resultat efter finansiella intäkter och kostnader dividerat med genomsnittligt eget kapital justerat för obeskattade reserver155. Andra typer av riskmått är balanslikviditet och kassalikviditet och undersökningen kommer även att beakta dessa variabler var för sig. Kassalikviditet har beräknats genom att bolagets totala omsättningstillgångar minus varulagret har dividerats med bolagets totala kortfristiga skulder medan balanslikviditeten har kalkylerats genom att dividera bolagets totala omsättningstillgångar med dess kortfristiga skulder156. Nikkinen och Sahlström menar på att skuldsättningsgraden mäter bolagets risk på ett tillförlitligt sätt och vi ämnar även undersöka denna variabel. Formeln för att beräkna ett bolags skuldsättningsgrad är 1/soliditet –1157.
Tidigare studier har mätt komplexiteten genom antalet dotterbolag eller andelen utländska dotterbolag i förhållande till totalt antal dotterbolag vilket har visat sig vara en signifikant variabel till att förklara revisionsarvodet. I denna studie kommer komplexiteten att mätas beroende på om bolaget är ett dotterbolag eller ej, detta då bolagen vi har undersökt ej har några dotterbolag eller utländska dotterbolag. Ytterliggare mått vi kommer att mäta komplexiteten med för att se om det påverkar revisionsarvodets storlek är genom att dividera bolagens varulager och kundfordringar med de totala tillgångarna.
För att kunna mäta hur agentkostnaderna påverkar revisionsarvodets storlek har tidigare studier utgått från två variabler, fritt kassaflöde och ledningens ägarandel. Fritt kassaflöde
154 http://www.ekonomikonsulter.se/nyckeltal.asp, 1/2 kl. 11.05
155 Nilsson, H., Isaksson, A. & Martikainen, T. Företagsvärdering med fundamental analys. Studentlitteratur:
Lund (2002): 138
156 Ibid., 152
157 Ibid., 155
mäts som rörelsens intäkter innan avskrivningar minus skatt och räntebetalningar158. Det fria kassaflödet kommer att delas med de totala tillgångarna likt tidigare studier. Då vi ej till skillnad från tidigare studier har tillgång till ledningens procentuella ägarandel av antalet utstående aktier kommer vi att använda oss utav tre alternativa mått som är mer anpassade till mindre bolag. Användningen av alternativa mått behöver ej medföra att de är sämre utan kan med fördel användas när tidigare mått ej finns att tillgå eller ej är anpassade till undersökningspopulationen. Måtten vi har använt är; utomstående ägare, antalet ägare samt spritt i förhållande till koncentrerat ägandeskap. Utomstående ägare är antalet ägare ett bolag har som ej sitter i ledningen. Variabeln antalet ägare mäts utifrån antalet ägare till ett bolag, gränsen för ett bolag med få ägare går vid en ägare medan övriga räknas till bolag med fler ägare. Det koncentrerade ägandeskapet definieras som de bolag som till 100 % ägs av en ägare och dess familj. De bolag som ej platsar i denna kategori räknas som bolag med spritt ägandeskap.
Vi kommer att utgå från att undersöka konsultarvodets påverkan på revisionsarvodet. Vi har även använt oss utav en dummy variabel för de bolag som ej använder sig utav rådgivning och de som använder rådgivning i någon utsträckning. Därefter kommer vi att utöka modellen genom att testa i vilken omfattning bolagen använt sig av rådgivning. Vi har delat in bolagen i grupper om lite rådgivning (noll till två gånger) och mycket rådgivning (mer än två gånger).
Till sist kommer vi att studera de enskilda rådgivningsområdena var för sig. De olika typer av konsulttjänster som kommer att undersökas är redovisningsfrågor, skattefrågor, juridiska frågor, ekonomiska och administrativa rutiner & system, generationsskifte, investeringsprojekt, resultatuppföljning, personalärenden, försäkringsfrågor, företagsförvärv, upprättande av kontrollbalansräkning, finansieringsfrågor, budget- och planeringsfrågor, hantering av kontakter med myndigheter eller bank, intyg (bidragsansökning, hyresavtal, emission etc.), organisationsfrågor, marknadsfrågor (affärsidé, affärsplan etc.) och privatekonomiska frågor. Konsulttjänsterna i denna studie är endast tillhandahållna av den byrån som utför revisionen till skillnad från ett antal tidigare studier som även inkluderat tjänster från andra revisionsbyråer.
Revisionsbyråns storlek kommer att mätas utifrån om revisionsbolaget hör till Big 4 eller non-Big 4.
Regionens påverkan på revisionsarvodet kommer att mätas genom en dummyvariabel för regionerna Norrland, Småland och Stockholm. Variablerna kommer att mätas utifrån om bolagen från Stockholm betalar en premie i förhållande till arvodet som bolagen från Småland eller Norrland betalar.
4.8 Sammanställning av hypoteser
På nästa sida följer en sammanställning av de hypoteser vi har ställt upp. Vi har härlett hypoteserna utifrån tidigare studier och sedan anpassat ett antal av dem efter våra egna variabler.
Figur 4. Hypotessammanställning, egenkonstruerad
158 Nikkinen, J. & Sahlström, P., 255
Storlek
Ho: Det existerar ett positivt samband mellan bolagets tillgångar och revisionsarvodet
Ho: Det existerar ett positivt samband mellan bolagets nettoomsättning och revisionsarvodet
Ho: Det existerar ett positivt samband mellan bolagets nettoomsättning och revisionsarvodet