Till följande kommer resultatet från de tre olika multipla regressionerna att presenteras.
Tabell 9 presenterar resultatet från den första regressionen med de absoluta AWCA värdena. Vid analysen för absoluta AWCA har alla minustecknen tagits bort vid utförande av regressionen eftersom förtecknet endast skiljer på inkomsthöjande och sänkande resultatmanipulering. De totala observationerna efter bortfall är 840 stycken.
De förväntade riktningarna för de oberoende variablerna baserar sig på observationer gjorda av Cameran et al. (2016). Big4 variabeln har förväntats att ha en negativ inverkan på grund av antagandet att företag som använder sig av Big4 företag mer sällan använder sig av resultatmanipulering. För ROT variabeln har antingen en positivt eller negativ inverkan förväntats som baserar sig på hypotesställningen i kapitel 4.
Regressionens justerade R2 värde är 0,142 vilket betyder att 14,8% av den multipla linjära regressionen kan förklaras med hjälp av variansen i data. Denna procent är i sig inte väldigt hög och därmed kan det anses att AWCA modellen inte är den bästa modellen att förklara variationerna i AWCA. Resultatet av regressionens ANOVA test visar däremot att modellen i sig är signifikant med ett värde på 0,000 (dvs p <0,005), F-värdet i regressionen är 8,299. Med detta sagt kan man konstatera att regressionen kan användas och tolkas eftersom den fortfarande är statistisk signifikant trots dess låga justerade R2 värde.
Tabell 9 Resultat med absolut AWCA multipel regressionsanalys
Tabell 9 visar resultatet från regressionsanalysen med absolut AWCA värden. Som man kan avläsa från Tabell 9 har ROA ett betavärde på -0,195 och är statistisk signifikant på 1% nivå. Detta betavärde är även det högsta värdet av alla variabler och detta betyder att ROA kontribuerar enskilt mest till förklaringen av den beroende variabeln, dvs revisionskvaliteten. Eftersom betavärdet är negativt indikerar detta till att desto högre avkastning på totalt kapital företaget har, desto mindre använder företaget sig av resultatmanipulation. Den förväntade riktningen motsvarade inte resultatet, då enligt Cameran et al. (2016) borde en högre avkastning på totalt kapital öka företagets användning av resultatmanipulation. Orsaken till detta är svår att bedöma.
LOSS variabeln har däremot ett positivt betavärde på 0,091 och är signifikant på 1% nivå.
Detta innebär att ett negativt nettoresultat bidrar till ökad användning av resultatmanipulation. LEVERAGE dvs skuldsättningsgraden har ett negativt betavärde och är även signifikant på 1% nivå med beta värdet -0,086, vilket innebär att desto högre skuldsättningsgrad företaget har desto minde resultatmanipulering använder sig företaget av. Det positiva värdet för variabeln LOSS är i den förväntade riktningen medan den negativa korrelationen mellan LEVERAGE och AWCA inte är enligt den förväntade riktningen.
BIG4 variabeln är även signifikant på 1 % nivå med ett betavärde på -0,103 vilket i sig betyder att företag som anställer Big4 företag mer sällan använder sig av resultatmanipulering. Detta var enligt förväntningarna.
Varken variabeln SIZE eller AGE var inte signifikant i regressionen där absoluta AWCA använts. Därmed kan man inte påstå att storleken på företaget eller längden på revisionsuppdraget påverkar användningen av resultatmanipulering. ROT variabeln har ett negativt betavärde på -0,001 vilket skulle indikera till ett negativt samband med revisionskvaliteten. Detta skulle betyda att revisionskvaliteten sänks i samband med obligatorisk byrårotation. Trots detta är variabeln ROT inte statistiskt signifikant (p-värde är 0,979) och därmed kan man inte dra någon slutsats på basis av denna variabel.
Därmed kan man konstatera att man inte kan ta ställning till ifall de obligatoriska byrårotationerna har en inverkan på revisionskvaliteten, mätt med de absoluta AWCA värdena.
Årsdummy variablerna som fungerade som kontrollvariabler i regressionsmodellen kan inte konstateras vara signifikanta. Detta tyder på att de inte har någon skillnad på åren som skulle påverka den beroende variabeln det vill säga revisionskvaliteten.
Som nämnt i kapitel 5.2.1 är samplet delat in i 10 olika industrier på basis av GICS koder tagna från databasen Compustat Capital IQ. Industrivariablerna i regressionsmodellen för absolut AWCA visade för det mesta positiva samband med den beroende variabeln, dock är de flesta inte signifikanta. Industrierna hälsovård och fastigheter är de enda industrivariablerna som visade ett signifikant resultat. Hälsovård har ett betavärde på 0,187 och p-värde på 0,000 och är därmed signifikant på 1% nivå. Fastigheter har ett betavärde på 0,069 och ett p-värde på 0,035. Det vill säga de signifikanta variablerna inom industrierna har båda ett positivt samband till den beroende variabeln dvs revisionskvaliteten. Detta tyder på att dessa industrivariabler kan konstateras indikera en högre revisionskvalitet.
Tabell 10 Resultat med positiva AWCA värden multipel regressionsanalys
Tabell 10 presenterar resultatet av den multipla regressionsanalysen för de positiva AWCA värdena. Av de totalt 840 observationerna fanns det totalt 386 stycken positiva AWCA värden det vill säga 46% av de totala AWCA värdena är positiva. Det justerade R2 värdet i den multipla regressionen med positiva värden är 0,121 det vill säga 12,1% av den multipla regressionen kan förklara variansen i data. Detta värde är lägre än för regressionen med absoluta AWCA värden. Även här är R2 värdet relativt lågt, men på basis av ANOVA testet där signifikansen är 0,000 kan man även här konstatera att modellen är statistisk signifikant och kan därmed användas för tolkning av variablerna.
F-värdet för modellen är 3,784.
I Tabell 10 kan man se att Big4 variabeln har det största betavärde (-0,233). Detta betyder att Big4 i modellen enskilt påverkar mest den beroende variabeln samtidigt som variabeln är signifikant på 1% nivå. Detta innebär att även i denna multipla
regressionsanalys förväntas företag som anställt ett Big4 revisionsföretag som revisor, använda resultathöjande resultatmanipulation mer sällan.
Variablerna ROA, LOSS, LEVERAGE, AGE och SIZE är inte signifikanta och därmed kan man inte veta ifall dessa påverkar revisionskvaliteten. Samma gäller för variabeln ROT, vilket innebär att man även i denna regression kan konstatera att obligatoriska byrårotationerna inte har haft någon inverkan på revisionskvaliteten genom mätningen av de positiva AWCA värdena.
På samma sätt som för regressionen med absoluta AWCA, kan inte årsdummy variablerna heller konstateras vara signifikanta för regressionen med positiva AWCA värden. Detta tyder även här att åren i sig inte har någon skillnad för en ökad eller sänkt revisionskvalitet. Man kan även se i resultatet för regressionen för positiva AWCA värden att industridummyvariablerna för hälsovård och fastigheter även här är de enda som är statistisk signifikanta. Även i denna regression har de ett positivt samband med den beroende variabeln det vill säga revisionskvaliteten. Hälsovård har ett betavärde på 0,171 och p-värde ligger på 0,004 och är därmed signifikant på 1% nivå. Fastigheter har ett betavärde på 0,137 och p-värde på 0,005 och är därmed också signifikant på 1% nivå.
Detta tyder även i denna regression att dessa industrier har ett positivt samband och därmed indikerar till en högre revisionskvalitet.
Tabell 11 Resultat med negativa AWCA värden multipel regressionsanalys
Tabell 11 visar resultatet från den multipla regressionsanalysen där endast de negativa AWCA värdena inkluderats. Det fanns totalt 454 stycken negativa värden och de representerar 54% av de totala observationerna. Det justerade R2 värdet för regressionen
med endast negativa AWCA värden är 0,168 vilket betyder att 16,8% av regressionen går att förklaras med modellen. Detta är även det högsta justerade R2 värdet av de alla tre regressionerna. Även denna regression konstateras signifikant med ett p-värde på 0,000 med ANOVA testet där F-värdet är 5,817
Det högsta beta värdet har ROA 0,248 och är statistiskt signifikant på 1% nivå. Till skillnad från den multipla regressionsanalysen med absoluta AWCA värden är betavärdet positivt. Detta innebär att desto högre avkastning på totalt kapital företaget har desto mera använder sig företaget av resultatsänkande resultatmanipulation. Detta är i samma riktning som förväntat.
De resterande oberoende variablerna LOSS, LEVERAGE, ROT, BIG4 och SIZE i den multipla regressionen med negativa AWCA värden är inte statistiskt signifikanta. Detta betyder att även i denna regression kan man konstatera att de obligatoriska byrårotationerna inte har haft någon påverkan på revisionskvaliteten.
På samma sätt som i de två tidigare gjorda regressionerna kan man även i denna regression konstatera att årsdummy variablerna inte statistiskt signifikanta. Detta betyder att man även i denna regression inte kan konstatera att det finns skillnader i åren för högre eller lägre revisionskvalitet. I regressionen med negativa AWCA värden kunde en av industridummyvariablerna konstateras vara statistisk signifikant. Hälsovård variabeln har ett betavärde på -0,205 och ett p-värde på 0,000. Detta är en skillnad från de två tidigare gjorda regressionerna och indikerar därmed ett negativt samband med revisionskvaliteten. Ett negativt samband innebär att hälsovårdsvariabeln tyder på en sänkt revisionskvalitet.
Som summering av dessa tre multipla regressionsanalyser kan man konstatera att det finns skillnader i resultatet vid mätande av absoluta AWCA värden och mätande av antingen resultathöjande eller resultatsänkande resultatmanipulering. Det justerade R2 värdet var relativt lika för alla de tre regressionsanalyserna men högst vid mätande av resultatsänkande resultatmanipulering. Därmed är förklaringsgraden som högst vid användande av negativa AWCA värden. Analyserna visar att de oberoende variablerna har en inverkan på revisionskvaliteten men man eftersom variabeln ROT inte var signifikant kan man konstatera att avhandlingens hypoteser inte går att besvaras.
Därmed kan man inte som resultat av denna undersökning konstatera att obligatorisk byrårotation påverkar revisionskvaliteten.