Ovan har relevanta teorier presenterats och förklarats. Följande avsnitt är dels en diskussion av hur en del av tidigare forskning förhållit sig till teorierna, och dels en sammanfattning och vidare tolkning av respektive teori i syfte att utveckla hur den teoretiska referensramen tillämpas i den här undersökningen.
2.9.1 Tillämpning i tidigare forskning
Många av tidigare nämnda studier presenterar breda teoretiska referensramar där många teorier inkluderas, möjligtvis beror det på att det finns många stora och motsägande teorier kring kapitalstruktur. Det är också den teoretiska referensramen i tidigare liknande studier som motiverat vilka teorier som inkluderats i den här studien. Abor (2005) använder den teoretiska referensramen, som innehåller de flesta av de teorier som presenterats i den här studien, till att konkludera att det inte finns någon generell teori om företags kapitalstruktur. Abor (2005) avslutar den teoretiska referensramen med att säga att olika vinklar på ämnet lyfts fram. Gill, Birger & Mathur (2011) använder samma teoretiska referensram som Abor (2005), vidare använder de den teoretiska referensamen till att konkludera och förklara att kapitalstruktur påverkar lönsamhet, vilket motiverar undersökningar av hur kapitalstruktur påverkar lönsamhet. Khan (2012) och Nguyen (2020) presenterar också en bred teoretisk referensram, vilken sedan används för att förklarar resultaten. Trots att många teorier diskuterats i Khans (2012) studie är det enbart en, pecking order theory som används för att förklara studiens resultat.
Yazdanfar & Öhman (2015) lägger mycket fokus på agency theory och använder teorin för att motivera det empiriska urvalet samt för att förklara hur skuldsättning påverkar lönsamhet. Däremot landar de i slutsatsen att pecking order theory bättre förklarar resultatet i deras studie. Framförallt är det den negativa implikationen av pecking order theory, där företag missar lönsamma investeringar eftersom de inte är villiga att använda extern finansiering som diskuteras (Yazdanfar & Öhman, 2015).
Hur den teoretiska referensramen används i undersökningar av samband mellan kapitalstruktur och lönsamhet varierar. En undersökning använder teorierna för att motivera undersökningen (Gill, Birger & Mathur, 2011), en annan till att motivera urvalet (Yazdanfar & Öhman, 2015) och ytterligare två till att förklara resultaten (Khan, 2012; Nguyen 2020).
2.9.2 Tillämpning i den här undersökningen
I den här undersökningen avser den teoretiska referensramen användas till att skapa förståelse för hur företag fattar beslut kring kapitalstruktur samt hur kapitalstruktur påverkar företag. Den teoretiska referensramen blir således en viktig del i att förstå hur kapitalstruktur kan användas i ekonomistyrning.
Modigliani & Miller (1958) visar på att skuldsättning ökar avkastningskravet i företag. För ekonomistyrning innebär det en hårdare värdering av potentiella investeringar. Förutsatt att nettonuvärdesmetoden används för investeringsbedömning innebär ett högre avkastningskrav att färre investeringar beräknas ha positivt nettonuvärde. Med avseende på investeringars lönsamhet (ROI) torde skuldsättning utifrån Modigliani & Millers (1958) teorem ha ett negativt samband med lönsamhet. Viktigt är däremot att Modigliani & Millers (1958) “propositions” gäller under antagandena för perfekt kapitalmarknad. Det kan således verka tvetydigt huruvida det här gäller på den verkliga kapitalmarknaden, vilken innefattar otaliga marknadsimperfektioner. Sett till Modigliani & Millers (1963) justering däremot, där de släpper på antagandet om en skattefri marknad kan det tolkas att det till en viss grad föreligger ett positivt samband mellan skuldsättning och lönsamhet. När den positiva effekten av skatteskölden uppnåtts torde sambandet däremot vända.
Tillämpningen av tradeoff theory kan diskuteras likt det sistnämnda resonemanget. Tradeoff theory hävdar att det finns en optimal skuldsättningsgrad, vilken definieras som den skuldsättning som maximerar företagsvärdet. Med andra ord är den optimala skuldsättningsgraden enligt tradeoff theory den som balanserar de positiva och negativa effekterna av skuldsättning (Kraus & Litzenberger, 1973). Tolkningen är att sambandet mellan skuldsättning och lönsamhet är positivt så länge företaget är belånat under sin optimala skuldsättningsgrad, när företaget istället överskrider sin optimala skuldsättningsgrad
justerade teorem stöds av Nguyens (2020) resultat om ett positivt- till avtagande- till negativt samband mellan skuldsättning och lönsamhet.
Vidare diskussioner och utvecklingsområden finns kring tradeoff theory. Teorin definierar den optimala skuldsättningsgraden som den vid vilken företagsvärdet maximeras (Kraus & Litzenberger, 1973), hur är det då med skuldsättning och avkastningskrav? Finns det en optimal skuldsättningsgrad sett till att minimera avkastningskrav? I så fall, skiljer den sig mot den optimala skuldsättningsgraden för att maximera företagsvärde? Ytterligare följdfrågor blir intressanta om de skulle skilja sig åt, exempelvis; finns det någon bättre optimal skuldsättningsgrad? Det vill säga vilken skuldsättningsgrad är att föredra, den som maximerar företagsvärdet eller den som minimerar avkastningskravet? För ekonomistyrning är skuldsättnings påverkan på avkastningskrav av större intresse än skuldsättnings påverkan på företagsvärdet, eftersom avkastningskrav direkt påverkar investeringsbeslut. Även för att ekonomistyrning syftar till att styra verksamheten mot ekonomisk lönsamhet snarare än att säkerställa värdet för aktieägare, emellertid överensstämmer dessa till viss del. Ur ett ekonomistyrningsperspektiv skulle en optimal skuldsättningsgrad för avkastningskravet vara väsentligare än en för företagsvärdet. Det motsatta gäller sett ur ägarnas perspektiv. Intressekonfliken mellan ekonomistyrningsperspektivet och ägarperspektivet kan liknas den som agency theory bygger på.
Implikationen av agency theory och fenomenet management entrenchment inom teorin är att skuldsättning till viss del bidrar till lönsamhet genom minskade agentkostnader i form av slösande och överutnyttjande av förmåner samt en mer effektiv och produktiv styrning från företagsledningen (Berk & DeMarzo, 2017). Således förutspår och förklarar agency theory ett positivt samband mellan skuldsättning och lönsamhet. Från pecking order theory kan liknande implikationer göras. Pecking order theory förespråkar vid extern finansiering, finansiering genom lån eftersom det är ett säkrare alternativ, säkrare alternativ innebär ofta lägre avkastningskrav vilket gynnar lönsamhet. Det skulle följaktligen förklara ett positivt samband mellan skuldsättning och lönsamhet. Samma implikation kan även göras av signaling theory. När aktieägare uppfattar företagsvärdet som högt är deras investering i företaget inte lika riskfylld, följaktligen begär de inte lika högt avkastningskrav, vilket gynnar lönsamhet. En motstridig tolkning av pecking order theory kan däremot också göras, vilken
även har koppling till debt overhang problematiken. Myers & Majlufs (1984) slutsats utifrån pecking order theory om att företag riskerar att missa lönsamma investeringar till följd av asymmetrisk information samt debt overhang problematiken (Myers, 1977) kan förutse och förklara ett motsatt samband. Om företag inte gör lönsamma investeringar borde lönsamheten minska, eller åtminstone inte öka, bortsett från andra faktorer.
Market timing theory kan förklara varierande resultat i tidigare empiriska undersökningar av samband mellan skuldsättning och lönsamhet. Beroende på marknadsläget och vilken finansiering, lån eller eget kapital som är billigast kan sambandet variera. Att anpassa kapitalstrukturen efter vilken finansiering som är billigast antas gynna lönsamheten. Om marknadsläget är till förmån för eget kapital finansiering torde sådan finansiering vara bra för lönsamheten, däremot skulle en sådan situation innebära ett negativt samband mellan skuldsättning och lönsamhet. Samma resonemang kan föras för det motsatta.
Nedan följer en sammanfattning av den teoretiska referensramen och den tolkning som gjorts i det här avsnittet.
Tabell 2.2 - Sammanfattning av Teoretisk Referensram
Teori Argument Samband Artiklar
Modigliani & Miller
“propositions” Skuldsättning ger högre avkastningskrav (1958). Skuldsättning ger inom skattesköldens gränser lägre avkastningskrav (1963).
Negativt (1958) Positivt (1963)
- Abdullah & Tursoy (2019)
- Abor (2005)
- Abu-Tapanjeh (2006) - Al-Ajlouni & Shawer (2013)
- Gill, Birger & Mathur (2011)
- Khan (2012) - Nguyen (2020) - Singh & Bagga (2019) - Yazdanfar & Öhman (2015)
Tradeoff Theory Avvägning mellan
skattesköld och ökad risk som påverkar avkastningskrav.
Positivt & Negativt - Abdullah & Tursoy (2019)
- Abor (2005)
- Gill, Birger & Mathur (2011)
- Nguyen (2020) - Singh & Bagga (2019)
Agency Theory Agentkostnader. Positivt - Abdullah & Tursoy (2019)
- Abor (2005)
- Gill, Birger & Mathur (2011)
- Khan (2012) - Nguyen (2020) - Yazdanfar & Öhman (2015)
Pecking Order Theory Hur asymmetrisk
information påverkar avkastningskrav.
Positivt & Negativt - Abdullah & Tursoy (2019)
- Abor (2005)
- Gill, Birger & Mathur (2011)
- Khan (2012) - Nguyen (2020) - Singh & Bagga (2019) - Yazdanfar & Öhman (2015)
Market Timing Theory Hur marknadsläget
påverkar
avkastningskrav.
Positivt & Negativt - Khan (2012)
- Singh & Bagga (2019) Signaling Theory of
Debt Skuldsättning signalerar lönsamhet - investerare begär lägre avkastningskrav. Positivt Debt overhang/ Under-investment problem Företag återbetalar skulder istället för att genomföra lönsamma investeringar.
Negativt
Kommentar: Tabellen sammanfattar presenterade teorier, teorins argument, vilket eller vilka samband teorin
förklarar samt vilka av tidigare nämnda undersökningar som refererar till respektive teori. Med argument menas hur respektive teori förklarar kapitalstrukturens påverkan på lönsamhet. Med samband menas vilket samband mellan skuldsättning och lönsamhet respektive teori implicerar.
Som framgått av presenterade teorier kring kapitalstruktur handlar samtliga teorier om hur företag genom kapitalstruktur maximerar företagsvärdet för aktieägare. Teorierna skiljer sig däremot i vilka aspekter de behandlar som avgörande för företagets kapitalstruktur. Medan tradeoff theory diskuterar kapitalstrukturen som en avvägning mellan skattefördelar och räntekostnader (Kraus & Litzenberger, 1973), diskuterar agency theory hur förhållandet mellan aktieägare och företagsledning påverkar kapitalstruktur och vise versa (Jensen & Meckling, 1976). Vidare behandlar pecking order theory aspekten av asymmetrisk information mellan olika aktörer (Myers & Majluf, 1984), medan market timing theory förklarar kapitalstruktur utifrån marknadsläget (Baker & Wurgler, 2002). I Tabell 2.2, kolumn argument, presenteras också skillnader mellan hur teorierna argumenterar och förklarar hur kapitalstruktur påverkar lönsamhet utifrån de olika vinklar på ämnet de har.
ROE är ett aktuellt mått på lönsamhet eftersom det mäter ägarnas avkastning. Då utgångspunkten i samtliga teorier är ägarperspektivet kan det antas att lönsamhet inom teorierna mäts som ägarnas lönsamhet. Följaktligen kan teorier kring kapitalstruktur förklara ett positivt samband mellan skuldsättning och ROE. Det kan däremot vara svårt för nämnda teorier att förklara samband mellan skuldsättning och lönsamhet när lönsamhet inte mäts som ägarnas avkastning utan som företagets totala prestation (ROA), vilket kan förklara varför tidigare forskning där lönsamhet mätts som ROA visat resultat som går emot vad många teorier antyder.
Flera teorier och teoretiska fenomen med olika implikationer har presenterats dels för att beakta möjligheten att teorier har svårt att förklara samband när lönsamhet mäts som ROA, dels för att illustrera att inte bara tidigare studier utan även teorier i ämnet är kontradiktoriska. Den breda teoretiska referensramen används fortsättningsvis för att uppfylla studiens syfte om att bidra med förståelse. Sålunda är det så teorierna kompletterar varandra. Trots motsägande teorier och tidigare forskning skapas en helhet och en bredare bild av ämnet, vilken är viktig när innebörden av de empiriska resultaten diskuteras senare. Tillsammans med tidigare studier ligger den teoretiska referensramen till grund för den hypotes som presenteras i efterföljande avsnitt 2.9 Hypotes.
2.9 Hypotes
Kort uttryckt kan inget självklart samband mellan skuldsättning och lönsamhet utläsas, varken från tidigare forskning eller ämnes relevanta teorier. Tidigare motstridig forskning, motsägande teorier och olika mått på begreppen motiverar således följande nollhypotes:
3. Metod
Nedan följer kapitel 3, vilket är en utförlig redogörelse för undersökningens och uppsatsens metod. Utöver en beskrivning av undersökningens forskningsprocess och vad varje forskningssteg inneburit innehåller kapitlet etiska överväganden och en kritisk kvalitetsbedömning av undersökningen som helhet.
3.1 Metodval
Den här undersökningen bygger på antaganden om dualistisk ontologi och objektivistisk epistemologi. Antagandena innebär att utgångspunkten i undersökningen är att observera och analysera fenomen i världen som ligger utanför den mänskliga interaktionen. Mer specifikt avser studien undersöka samband mellan skuldsättning och lönsamhet som objektiva företeelser - någonting som inte samspelar med människor. Vidare är kvantitativ metod är lämplig för objektiva undersökningar av samband (Bryman & Bell, 2013). Frågeställningar och syfte är utformade utifrån antaganden om dualistisk ontologi och objektivistisk epistemologi. Den kvantitativa metoden kommer till uttryck genom att studien undersöker potentiella samband mellan variabler. Det kvantitativa metodvalet innebär formulering av hypoteser, vilka testas genom deduktiv slutledning. Vidare görs därför undersökningen med deduktiv ansats och slutledning, vilket är naturligt eftersom undersökningen också följer den linjära forskningsprocess som är karaktäristisk för kvantitativ metod (Bryman & Bell, 2013). Forskningsprocessens första steg som är teori och inläsning av befintlig litteratur i aktuellt ämne (Bryman & Bell, 2013) utgörs av ovanstående bakgrund samt teoretiskt referensram. Utifrån presenterad teori har en nollhypotes formulerats, se avsnitt 2.9 Hypotes. Nästkommande steg i den linjära forskningsprocessen är undersökningsdesign, operationalisering, urval, datainsamling, bearbetning av data, dataanalys samt resultat och slutsatser (Bryman & Bell, 2013).
Undersökningsdesignen är enligt ovan kvantitativ. Vidare är variablerna som studeras finansiella värden och nyckeltal från företag, med hänsyn till andra kvantitativa egenskaper hos företag, följaktligen är undersökningen en analys av sekundärdata. För att med större säkerhet kunna besvara frågeställningarna behöver mer än en oberoende variabel analyseras.
Vid analys av flera oberoende variabler är metoden multipel regressionsanalys nödvändig (Hair, 2014). Kortfattat är undersökningen en sekundärdataanalys i form av en multipel regressionsanalys. Precist tillvägagångssätt av vald metod och undersökningsdesign, strukturerat som efterföljande steg i forskningsprocessen (Bryman & Bell, 2013) följer av kommande avsnitt. För att bättre diskutera undersökningens urval redogörs datainsamling före urval, till skillnad från den ordning som presenterats av Bryman & Bell (2013).
3.2 Operationalisering
Operationalisering innebär att utforma begrepp och mått på aktuella variabler (Bryman & Bell, 2013). Undersökningens begrepp är skuldsättning och lönsamhet, vilka operationaliseras och mäts som totala skulder dividerat i totalt kapital ( TSK), ROA och ROE. För att förtydliga operationaliseras och mäts lönsamhet som både ROA och ROE. ROA tolkas som företagets avkastning på allt kapital, eller annorlunda uttryckt som företagets prestation i förhållande till dess kapital. ROE tolkas som ägarnas avkastning på sitt investerade kapital, eller annorlunda uttryckt ägarnas vinst i förhållande till deras insättning (Andersson & Funck, 2017). Det förekommer viss variation i hur tidigare studier definierar ROA respektive ROE. Variationen ligger i vilket resultatmått som används i täljaren. Abor (2005) använder EBIT vilket är ett resultatmått innan finansiella poster och skatt, medan Yazdanfar & Öhman (2015) använder resultat efter skatt. Av enkelhet används därför Bisnode Infotorg Företags definition och beräkning av ROA respektive ROE enligt formelblad. Beräkningarna följer av tabell 3.1 nedan och är samma som gäller för aktuell sekundärdata. Vidare formuleras begreppen som antingen oberoende eller beroende variabler (Hair, 2014). Skuldsättning, TSK formuleras som oberoende variabel och ROA respektive ROE formuleras som beroende variabler i förhållande till den oberoende variabeln TSK. För att beakta andra potentiella faktorer som påverkar sambandet inkluderas även företagsstorlek, företagsålder och tillväxt mätt som förändrad nettoomsättning (Sales Growth, SG) som kontrollvariabler. Kontrollvariablerna är också oberoende variabler. TSK, ROA, ROE och SG uttrycks som procent alternativt decimaltal, företagsstorlek uttrycks som antal anställda och företagsålder som antal år sen företaget startade. Variablerna sammanfattas i nedanstående tabell:
Tabell 3.1 - Variabler
Status Variabel Förklaring Typ
Oberoende Skuldsättning (TSK) Totala skulder /Totala tillgångar Intervall-/kvotvariabel
Beroende Lönsamhet (ROA) (Resultat efter finansnetto +
räntekostnader)/ Totala tillgångar Intervall-/kvotvariabel
Beroende Lönsamhet (ROE) Resultat efter finansnetto/ ((0,78 *
obeskattade reserver) + eget kapital) Intervall-/kvotvariabel
Kontroll
(Oberoende) Företagsstorlek Mäts som antal anställda Intervall-/kvotvariabel
Kontroll
(Oberoende) Företagsålder Mäts som antal år Intervall-/kvotvariabel
Kontroll
(Oberoende) Förändrad nettoomsättning (SG)
(Omsättningt - Omsättningt-1 ) / Omsättningt-1
Intervall-/kvotvariabel
Kommentar: ROA, ROE och SG beräknas enligt Bisnode Infotorg Företags formelblad(Bisnode, 2015). Det är
även den beräkningen av måtten som gäller för aktuell empirisk data.
Alla variabler; skuldsättning (TSK), båda måtten på lönsamhet (ROA, ROE), tillväxt (SG), företagsstorlek och ålder konstrueras som intervall-/kvotvariabler eftersom de uttrycks i procent eller decimaltal, antal personer och år, vilka alla har lika stora avstånd mellan kategorierna. Lika avstånd mellan kategorierna är den avgörande egenskapen för intervall-/kvotvariabler (Bryman & Bell, 2013).
3.3 Datainsamling
Datainsamling av sekundärdata innebär att data inte samlas in själv (Bryman & Bell, 2013). För den här undersökningen innebär steget för datainsamling åtkomst och nedladdning av affärsdata över aktuell företagsinformation från databasen Infotorg Företag som tillhandahålls av Bisnode AB. Aktuell företagsinformation är den finansiella information, nyckeltal och företags andra egenskaper som operationaliserats som mått på de oberoende och beroende variablerna. Data som hämtats från respektive företag är följande:
- Registreringsdatum - Antal anställda (st) - Summa eget kapital - Summa tillgångar
- Förändring nettoomsättning (SG) - Avkastning på totalt kapital (ROA) - Avkastning på eget kapital (ROE)
Av nästkommande avsnitt 3.4 Urval framgår för vilka företag den här datan hämtas.
3.4 Urval
Undersökningen innebär urval av vilka företag studien ska omfatta samt för vilka år kapitalstrukturen och lönsamheten i dessa företag ska undersökas. För att undvika utstickande och missvisande data på grund av speciella omständigheter unika för ett specifikt år, används data från fyra år. För aktualitet görs undersökningen på data från de fyra senaste räkenskapsåren där samtliga företags årsredovisningar är publicerade och offentliggjorda, nämligen bokslutsåren 2015-2018. Enligt tidigare kapitel avgränsas undersökningen för svenska medelstora- och stora företag, följaktligen utgörs populationen av samtliga svenska medelstora- och stora företag i termer av antal anställda. Enligt statistik från företagsregistret 2019 fanns det totalt 1 243 327 företag i sverige, varav 8 684 tillhör kategorin och populationen medelstora- och stora företag efter antal anställda (SCB, 2019). I enlighet med avgränsningen för de fyra senaste åren exkluderas yngre företag från urvalet.
Valt tillvägagångssätt, multipel regressionsanalys har inga begränsningar för urvalets storlek, metoden klarar både större och mindre urval. Däremot är urvalets storlek avgörande för dataanalysen och dess resultat, framförallt med avseende på resultatens signifikans och generaliserbarhet (Hair, 2014). Då undersökningen syftar till att generalisera resultatet över svenska företag är urvalets storlek en viktig aspekt. Urvalets storlek kan också diskuteras utifrån överväganden om populationens heterogenitet och tidsåtgång. Populationens heterogenitet i form av branschvariation motiverar ett större urval för att undvika urvalsfel - att stickprovet inte är representativt för populationen (Bryman & Bell, 2013). Å andra sidan ska urvalet vara hanterbart och inte alltför tidskrävande (Bryman & Bell, 2013), vilket motiverar ett mindre urval. Eftersom analysen görs på sekundärdata är tidsåtgång inte ett aktuellt övervägande.
Databasen Infotorg Företags funktion för export av data för dataanalys är begränsat till urvalsstorlekar om maximalt 4000 företag. Begränsningen tvingar ytterligare avgränsningar i urvalet som annars inte tillämpats. Det hade varit att föredra att ta ett slumpmässigt urval om 4000 svenska företag från aktuell population om 8684 svenska företag, dessvärre tillåter inte affärsregistret den funktionen. Följaktligen är fler avgränsningar för att reducera antalet företag som kvalificerar för urvalet nödvändiga. De avgränsningar som gjorts, inklusive redan nämnda är följande:
- Urvalet omfattar enbart svenska medelstora- och stora företag, med avseende på antal anställda.
- Urvalet exkluderar företag som startats efter 2014, vilka inte har relevant affärsdata för undersökta år 2015-2018.
- Urvalet innehåller enbart företag av bolagsformen aktiebolag. Framförallt för att exkludera bland annat finansiella företag, kooperativ, stiftelser och ekonomiska föreningar.
- Urvalet omfattar de 12 största branscherna i Sverige, med avseende på nettoomsättning, enligt statistik från 2006-2017 (SCB, 2019). Genom att beräkna medelvärdet av samtliga branschers nettoomsättning för nämnda år och sedan rangordna branscherna från högst till lägst genomsnittlig nettoomsättningen valdes de 12 branscher med högst genomsnittlig nettoomsättning. Den 13:e största branschen hade resulterat i ett urval om över 4000 företag, således avgränsades urvalet för de 12 största branscherna i Sverige. Aktuella branscher är:
- 10 Livsmedelsindustri - 28 Övrig maskinindustri
- 29 Industri för motorfordon, släpfordon och påhängsvagnar - 35 el-, gas- och värmeverk
- 41 Byggentreprenörer
- 43 Specialiserade bygg- och anläggningsentreprenörer - 45 Handel med och serviceverkstäder för motorfordon - 46 Parti- och provisionshandel utom med motorfordon - 47 Detaljhandel utom med motorfordon och motorcyklar - 49 Landtransportföretag; rörtransportföretag
- 68 Fastighetsbolag och fastighetsförvaltare
Kommentar: Inledande nummer är respektive branschs kod i statistik och branschindelning.
Avgränsningen resulterade i ett stickprov om 3815 stycken svenska aktiebolag från branscherna ifråga. En urvalsstorlek om 3815 är tillräckligt stort för att inte förknippas med de statistiska problem som kan uppstå vid mindre urval (Hair, 2014). Heterogeniteten i form av branschvariation anses inte heller som ett problem vid en urvalsstorlek om 3815 företag. För att kunna generalisera resultatet bör förhållandet mellan antal observationer och antal oberoende variabler inte understiga 5:1, även om högre är bättre (Hair, 2014). En urvalsstorlek om 3815 kommer inte innebära några generaliserbarhets problem. Således ses ingen problematik kring urvalets storlek på grund av databasens begränsning.
Vad beträffar bortfall finns det ingen möjlighet för företag i urvalet att välja att inte delta i undersökningen eftersom det rör sig om en sekundäranalys av offentlig information (Bryman