Hypotes 1 avser att undersöka marknadens reaktion vid tillkännagivande av kvinnliga VD:ar och förväntar sig att marknaden reagerar antingen positivt eller negativt vid annonseringsdagen.
För att undersöka marknadens reaktion studeras den abnormala avkastningen vid eventdagen med hjälp av en eventstudie. I tabell 4 presenteras genomsnittlig abnormal avkastning (AAR) för 21 dagar, från tio dagar innan eventdagen till och med tio dagar efter tillkännagivandet av en ny kvinnlig VD. I tabellen kan även den kumulativa genomsnittliga abnormala avkastningen (CAAR) utläsas, för samtliga dagar i eventfönstret.
Tabell 4 Genomsnittlig abnormal avkastning samt kumulativ genomsnittlig abnormal avkastning för samtliga dagar inom eventfönstret dag -10 till dag 10 där tid för eventet = dag 0.
Dag N AAR t-värde CAAR
* Signifikansnivå 10%, ** Signifikansnivå 5%, *** Signifikansnivå 1%
Av de 21 dagarna i eventfönstret kan en positiv abnormal avkastning utläsas för 9 dagar. Mellan dag -3 och +1 är den abnormala avkastningen konstant positiv. På dag -7 är AAR 0,17% vilket är signifikant på en 5% signifikansnivå, likaså är AAR på 0,01% signifikant på 5%-nivå under dag -3. CAAR sträcker sig från -0,002% vid dag -10 till 0,0412% vid dag +10. I figur 1 visas fluktuationerna i AAR över hela eventfönstret där dag -7, -3 och 0 utmärker sig med högst värden.
Figur 1 Genomsnittlig abnormal avkastning (AAR) från dag -10 till dag 10.
Studien finner likheter med Ku Ismail och Abdul Manaf (2016) som visar en positiv avkastning under dagarna -1 till och med +1. Ku Ismail och Abdul Manaf (2016) visar dock på positiv avkastning under flera dagar efter eventet (dag -1 till och med dag +5) medan denna studie finner positiv avkastning under de tre dagarna innan eventet till och med en dag efter eventet.
Positiv avkastning på eventdagen och dagen efter (dag 0 till och med dag 1) finner även Kang, Ding och Charoenwong (2010) i sin studie som testar marknadens reaktion när kvinnliga styrelsemedlemmar och VD:ar tillkännages. Campbell och Vera (2010) finner positiv abnormal avkastning dag -2, -1 samt dag 1 kring eventdagen vilket innebär att investerare, redan innan tillkännagivandet av en ny kvinnlig styrelsemedlem, uppvisar avvikande beteende. Detta ligger i linje med denna studie som visar positiv avkastning både dag -2 och dag -3 fram till dag +1.
Resultaten i denna studie skiljer sig dock från resultaten i studien av Campbell och Vera (2010) då CAAR i deras studie är negativt för de totalt 21 dagarna inom eventfönstret, till skillnad från
ses i figur 2 över kumulativ genomsnittlig abnormal avkastning som från dag 3 till och med dag 10 uppgår till ett positivt värde. I figuren kan även utläsas att CAAR uppgår till strax över 0,04 vid dag 10. Generellt visar sig investerare mer positiva till tillkännagivande av kvinnliga ledare i denna studie till skillnad från Campbell och Vera (2010).
Figur 2 Kumulativ genomsnittlig abnormal avkastning (CAAR) från dag -10 till dag 10.
Tabell 5 visar olika CAAR för olika eventfönster. Eventfönstret som sträcker sig från dag -3 till och med dag 1 från VD-annonseringen är statistiskt signifikant på en femprocentig (5%) signifikansnivå. Det innebär att investerare reagerar positivt på tillkännagivande av en kvinnlig VD och tror att kvinnor tillför värde till företaget. Detta ligger i linje med både Ku Ismail och Abdul Manaf (2016) samt Campbell och Vera (2010) som finner att investerare reagerar positivt till kvinnor i bolagsstyrelser och anser att kvinnor på ledningspositioner är värdeskapande.
Noterbart är att eventfönstret som visar sig mest tillförlitligt (signifikant) sträcker sig flera dagar innan eventet. Detta ger en indikation på att investerare tilldelats information om VD-bytet eller att spekulationer uppstått innan det offentliga tillkännagivandet. Fler eventfönster hittades signifikanta vid en 10% signifikansnivå, vilket innebär att det är resultatet till större del kan bero på slumpen, vilket gör det svårare att dra slutsatser av studien. På grund av att studien finner signifikanta resultat och att marknadsreaktionen visar sig positiv när kvinnliga VD:ar tillkännages accepteras hypotes 1.
Tabell 5 Kumulativ genomsnittlig abnormal avkastning (CAAR) för olika eventfönster (n = 49).
* Signifikansnivå 10%, ** Signifikansnivå 5%, *** Signifikansnivå 1%
4.2 Regressionsanalys
För att besvara studiens andra syfte, det vill säga om egenskaper och erfarenheter värderas olika av investerare och därmed har en effekt på aktieavkastningen, används en regressionsanalys.
4.2.1 Deskriptiv statistik
I tabell 6 visas deskriptiv statistik för regressionsanalysens kontinuerliga variabler samt fördelningen av samtliga VD:arnas utbildningsnivå, rekryteringsväg och tidigare arbetserfarenhet. Urvalet i regressionsanalysen är avgränsat till 47 observationer då två extremvärden för den beroende variabeln kunde konstateras. De utelämnande observationerna kunde exkluderas eftersom dessa företag publicerade annan information i samband till tillkännagivandet av nya VD:n vilket fått betydelse för abnormal avkastning. Detta orsakade avvikande CAR och observationerna uteslöts därmed från regressionen. I regressionen utgör den kumulativa abnormala avkastningen för dagarna från tre dagar innan eventdagen till och med 1 dag efter annonseringen ägt rum (CAR -3,1) den beroende variabeln. Detta fönster, det vill säga CAR(-3,1), utgör den beroende variabeln eftersom fönstret visade sig mest signifikant av alla dem testade eventfönster under dagarna -10 till 10 i eventfönstret. Valet av beroende variabel ligger i linje med Ku Ismail och Abdul Manaf (2016) som även dem använde det mest signifikanta eventfönstret som den beroende variabeln. CAR(-3,1) har ett medelvärde på 0,017300 vilket innebär att avkastningen under dagarna -3 till och med 1 kring annonseringsdagen i genomsnitt skiljer sig från den förväntade avkastningen med nästan 2%. I panel B i tabell 6 kan utläsas att majoriteten (83%) av de studerade VD:arna hade en utbildning
I tabell 6 presenteras även samtliga variablers skevhet och kurtosis. Alla variabler utom lönsamhet (PROF) uppvisar värde för skevhet och kurtosis under absolutvärdet 1 vilket innebär att urvalet, utifrån dessa variabler, kan antas normalfördelat. Lönsamhet uppvisar dock en hög kurtosis på 4,262 vilket innebär att företagens lönsamhet inte är normalfördelat utan att många observationer uppvisar samma nivå av lönsamhet och detta bör tas i beaktning vid tolkning av resultatet. Resultatet har även testats för heteroskedasticitet och inget problem har kunnat uppvisas.
Tabell 6 Deskriptiv statistik (n = 47 Panel A: Kontinuerliga variabler
Mean Std Min Max Skevhet Kurtosis
CAR(-3,1) 0,017300 0,053704 -0,112459 0,154682 0,584 0,787
Ålder (AGE) 47,81 5,777 33 61 -0,234 0,019
Företagsstorlek (SIZE) 13,844252 2,621996 9,241064 21,814223 0,635 0,518 Lönsamhet (PROF) -0,022217 0,328436 -1,063581 0,992259 -0,837 4,262
Skuldkvot (DEBT) 0,228723 0,206667 0 0,681000 0,580 -0,845
Panel B: Dummyvariabler
(1) (0)
Frekvens Procent (%) Frekvens Procent (%)
Utbildningsnivå (EDU) 39 83% 8 17%
Rekryteringsväg (INT) 30 64% 17 36%
Arbetslivserfarenhet (WEXP) 15 32% 32 68%
Tabell 7 motsvarar Pearsons korrelationsmatris som presenterar samtliga variablers korrelation med varandra. Starkast korrelation är det mellan företagsstorlek och lönsamhet (0,525) samt mellan företagsstorlek och skuldsättningsgrad (0,452) vilket kan förklaras av att alla dessa tre variabler beräknas utifrån företagets totala tillgångar. Sambanden mellan dessa variabler ses dock inte som problem för multikollinearitet eftersom VIF-värdena som högst uppgår till 2,217 (se tabell 8). Inga tecken på multikollinearitet kan heller utläsas för resterande variabler eftersom VIF-värdena är låga (se tabell 8).
Ålder (AGE) är den oberoende variabeln som korrelerar starkast med CAR, dock endast till 0,163 vilket indikerar på att sambandet mellan studiens oberoende variabler och abnormal avkastning är svagt. Närmast därefter korrelerar den oberoende variabeln VD-erfarenhet (WEXP) starkast med CAR med ett värde på 0,140. Detta indikerar på att investerare är mer
troliga att värdera kvinnliga VD:ar som är äldre och som har tidigare VD-erfarenhet än de yngre kvinnliga VD:arna som inte har tidigare VD-erfarenheter. Denna tolkning bör dock göras med försiktighet då resultatet inte är signifikant.
Tabell 7 Korrelationsmatris.
CAR(-3,1) EDU AGE INT WEXP SIZE PROF DEBT
CAR(-3,1) 1
EDU -0,101 1
AGE 0,163 -0,193 1
INT -0,025 0,130 -0,196 1
WEXP 0,140 -0,054 0,095 0,135 1
SIZE -0,022 0,387*** 0,006 0,274* 0,207 1
PROF -0,140 0,250* -0,018 0,136 0,376*** 0,525*** 1
DEBT -0,053 0,191 0,244* 0,051 0,102 0,452*** 0,058 1
* Signifikansnivå 10%, ** Signifikansnivå 5%, *** Signifikansnivå 1%
4.2.2 Resultat för linjär multipel regression
Resultatet som presenteras i tabell 8 motsvarar resultatet för samtliga av studiens fyra modeller som testar respektive hypotes (H2-H5). I tabell 8 kan koefficienterna i varje modell utläsas och variablernas t-värde vilka avgör signifikansen. Kontrollvariablerna företagsstorlek (SIZE), lönsamhet (PROF) och skuldkvot (DEBT) som alla inkluderas i studiens fyra modeller finns även presenterade i tabellen. Regressionsanalysen kontrollerar även för branscheffekt men presenteras inte närmare i resultatet.
Tabell 8 Regressionsresultat för samtliga fyra modeller som testar respektive hypotes H2-H5 (n = 47).
* Signifikansnivå 10%, ** Signifikansnivå 5%, *** Signifikansnivå 1%
Not: Urvalet består av 47 observationer för 2011–2020. För en mer detaljerad beskrivning av variablerna se tabell 3 i avsnitt 3.5.
Modell 1: 𝐶𝐴𝑅#$= 𝛼 + 𝛽%𝐸𝐷𝑈#$+ 𝛽&𝑆𝐼𝑍𝐸#$+ 𝛽'𝑃𝑅𝑂𝐹#$+ 𝛽(𝐷𝐸𝐵𝑇#$+ 𝛽)𝐼𝑁𝐷 + 𝛽*𝐶𝐷 + 𝛽+𝐻𝐶 + 𝜀 Modell 2: 𝐶𝐴𝑅#$= 𝛼 + 𝛽%𝐴𝐺𝐸#$+ 𝛽&𝑆𝐼𝑍𝐸#$+ 𝛽'𝑃𝑅𝑂𝐹#$+ 𝛽(𝐷𝐸𝐵𝑇#$+ 𝛽)𝐼𝑁𝐷 + 𝛽*𝐶𝐷 + 𝛽+𝐻𝐶 + 𝜀 Modell 3: 𝐶𝐴𝑅#$= 𝛼 + 𝛽%𝐼𝑁𝑇#$+ 𝛽&𝑆𝐼𝑍𝐸#$+ 𝛽'𝑃𝑅𝑂𝐹#$+ 𝛽(𝐷𝐸𝐵𝑇#$+ 𝛽)𝐼𝑁𝐷 + 𝛽*𝐶𝐷 + 𝛽+𝐻𝐶 + 𝜀 Modell 4: 𝐶𝐴𝑅#$= 𝛼 + 𝛽%𝑊𝐸𝑋𝑃#$+ 𝛽&𝑆𝐼𝑍𝐸#$+ 𝛽'𝑃𝑅𝑂𝐹#$+ 𝛽(𝐷𝐸𝐵𝑇#$+ 𝛽)𝐼𝑁𝐷 + 𝛽*𝐶𝐷 + 𝛽+𝐻𝐶 + 𝜀
För att testa H2, det vill säga om VD:ns utbildningsnivå (EDU) har en effekt på marknadens reaktion, används modell 1 som utläses i tabell 8. Koefficienten för den oberoende variabeln EDU (-0,015) är dock inte signifikant. Vidare testas H3, som avser att undersöka om VD:ns ålder har en effekt på abnormal avkastning, i modell 2 där AGE utgör den oberoende variabeln.
I tabell 8 visar resultatet på att variabelns koefficient uppgår till 0,002 med ett t-värde på 1,374, vilket inte är signifikant skilt från noll på varken 1%, 5% eller 10% signifikansnivå. H4 testas i modell 3 och utreder om marknadsreaktionen påverkas av huruvida VD:n är externt eller internt rekryterad, där INT utgör modellens oberoende variabel där koefficienten uppgår till 0,005 vilket inte visar sig signifikant. För att testa H5, där studien förväntar sig ett positivt samband mellan VD:ar utan tidigare VD-erfarenhet och marknadens reaktion, uppgår
koefficienten för variabeln WEXP till 0,03 med ett t-värde på 1,583, vilket inte visar på signifikans på en 10% nivå eller lägre.
Studien finner inga signifikanta resultat för någon av de oberoende variablerna som testas i respektive modell, vilket innebär att H2-H5 varken kan förkastas eller accepteras. Det finns inte tillräckligt med belägg för att kunna konstatera studien som statistiskt tillförlitlig utan resultatet kan bero på en tillfällighet eller slumpen, därav kan ingen slutsats fastslås för H2-H5. Lägst p-värden uppvisar variabeln för tidigare VD-erfarenhet (WEXP) samt variabeln för ålder (AGE), vilket indikerar på att äldre VD:ar samt VD:ar utan tidigare VD-erfarenhet påverkar abnormal avkastning positivt. Investerare värderar, med andra ord, yngre VD:ar och VD:ar med tidigare erfarenhet lägre än äldre och icke-erfarna VD:ar. Gällande sambandet mellan tidigare VD-erfarenhet och abnormal avkastning ligger detta i linje med Hamori och Koyuncu (2015) som finner ett negativt samband mellan VD:ns tidigare VD-erfarenhet och företagets prestation samt företagsvärdet. Gällande sambandet mellan VD:ns ålder och abnormal avkastning motsäger detta resultat flera tidigare studier som finner att yngre VD:ar främjar tillväxt, vilket anses attraktivt hos investerare (Child, 1974; Serfling 2014). Ku Ismail och Abdul Manaf (2016) finner även att yngre kvinnliga VD:ar har en positiv effekt på abnormal avkastning vid tillkännagivande av nya kvinnliga styrelsemedlemmar. Resultatet motsätter sig även UET som menar att yngre ledare är mer riskbenägna vilket påverkar företagets prestation positivt (Hambrick & Mason 1984). Återigen är resultaten inte signifikanta på en varken 10%
signifikansnivå eller lägre, utan har p-värden på strax över 0,1 vilket gör att tolkningar bör göras med försiktighet.
Gemensamt för alla modeller (1–4) är att kontrollvariabeln för företagets lönsamhet (PROF) uppvisar högst t-värde och resultatet för variabeln är därmed mest tillförlitlig. Koefficienten är negativ vilket innebär att en högre lönsamhet i företagen innebär en lägre abnormal avkastning vid tillkännagivandet av en kvinnlig VD. Resultatet kan dock inte statistiskt säkerställas för modell 1, 2 och 3 eftersom det inte är signifikant skilt från noll och innebär att resultatet kan bero på slumpen. Modell 4 testar H5 som antar att VD:ar utan tidigare VD-erfarenhet förväntas ha en positiv effekt på abnormal avkastning och i modellen är variabeln för lönsamhet (PROF) däremot signifikant. Med andra ord reagerar investerare inte lika positivt när kvinnliga VD:ar annonseras i mer lönsamma företag, vilket ger en negativ abnormal avkastning. Detta överensstämmer med Ku Ismail och Abdul Manaf (2016) som finner att marknaden reagerar
påverka företagets nuvarande, fungerande strategi och verksamhet (Ku Ismail & Abdul Manaf 2016).
Resultatet indikerar på att marknaden inte gör någon skillnad på vilka erfarenheter och egenskaper en kvinnlig VD besitter, i ett sådant fall skulle regressionsanalysen resultera i högre koefficienter för de oberoende variablerna. Detta kan eventuellt förklaras av att investerare värderar andra faktorer högre, vilka inte inkluderas i denna studie. Studiens vaga resultat som innebär att VD:ns erfarenheter och egenskaper verkar ha en liten betydelse för investerare kan också speglas modellernas förklaringsgrader, vilka utläses i tabell 8. Samtliga justerade förklaringsgrader är negativa och icke-signifikant skilda från noll, vilket indikerar att samtliga modeller inte kan förklara den beroende variabeln, det vill säga den kumulativa abnormala avkastningen på marknaden. Dessutom visar de negativa justerade förklaringsgraderna att modellerna inte fångat effekten av VD:ns erfarenheter och egenskaper och att de oberoende variablerna kan behöva ersättas med andra variabler eller operationaliseras på ett annat sätt för att modellen ska kunna vara applicerbar.