Undersökningsdesign

När det kommer till val av undersökningsdesign är det viktigt att denna passar ihop med de mål och ställningstaganden som gjorts angående studien och Bryman och Bell (2013) menar att undersökningsdesignen kan ses som ramen eller grunden för insamling och analys av data. I den här studien kommer vi göra en jämförelse mellan två år, då vi vill studera sambandet mellan informationsasymmetri och revisionskostnad före och efter revisionsberättelsens lagförändring. Detta gör att data samlas in för de båda åren och undersöks sedan både var för sig och tillsammans, då med en årsvariabel inkluderad. På så sätt får vi en överblick över hur revisionskostnaden förändrats över tid, men även hur sambanden förändrats med anledning av lagändringen.

Vid olika ställningstagande gällande metoden och genomförandet av studien har vi haft som utgångspunkt och tagit hänsyn till de tre kriterier som enligt Bryman och Bell (2013) är viktiga. Dessa kriterier är reliabilitet, replikerbarhet och validitet.

6.4.1 Reliabilitet

Reliabilitet är ett viktigt mått när det kommer till kvantitativ forskning. Detta då reliabiliteten speglar den tillförlitlighet som finns i resultatet. Reliabilitet handlar om att resultatet ska blir samma om studien upprepas vid ett senare tillfälle. På så sätt blir det ett mått på om man verkligen mätt det som syftet var att mäta (Bryman och Bell, 2013).

När det kommer till vår studie är utgångspunkten data som samlats in från publik information som alla har tillgång till. Detta gör att studien vid ett senare tillfälle hade kunnat upprepas, med ett exakt samma resultat. Det är även av stor vikt att de variabler som används verkligen mäter det som ska undersökas. När det kommer till vår studie är det främst den beroende variabeln revisionskostnad som ifrågasatts. Detta eftersom tidigare studier visat sig göra olika bedömningar av vad som ingår i revisionskostnad. Fortsatt utveckling av detta resonemang diskuteras under avsnitt operationalisering.

6.4.2 Replikerbarhet

Replikerbarhet handlar enligt Bryman och Bell (2013) om att studien ska kunna återskapas och upprepas vid ett senare tillfälle. Som ovan nämnts grundar sig studien på publik data, från databaser och årsredovisningar. Det gör att exakt samma data som vi använt kan hämtas in och användas vid ytterligare studier. Genom att i detalj beskriva de antaganden som görs och de metoder som används ges en god förutsättning för att vår studier ska kunna replikeras vid ett senare tillfälle. Replikerbarhet förknippas även med objektivitet och strävan efter att forskares subjektiva åsikter inte ska påverka resultatet. I vår studie gör vi inga subjektiva tolkningar av den data som samlas in och inte heller av det resultat vi får. Ovanstående resonemang gör att vi anser oss ha en hög replikerbarhet i studien.

6.4.3 Validitet

Det tredje kriteriet som är viktigt när det kommer till att genomföra en studie är enligt Bryman och Bell (2013) validitet. Validitet handlar om att datan som samlats in verkligen ska mäta det som den avser att mäta. För att uppnå hög validitet har vi i studien sett till de olika alternativ som finns när det kommer till att operationalisera de variabler som använts. De olika alternativen grundar sig på tidigare forskning som gjorts på området. Således ger alternativen en trygghet och säkerhet på att variablerna speglar det som tänkt mätas.

Ett problem i vår studie när det kommer till validiteten är den oberoende variabeln Bid- ask. Detta mått har i tidigare forskning visat sig innehålla komponenter utöver informationsasymmetri (Stoll, 1978; Glosten och Harris, 1988), vilket gör det viktigt för oss att ha detta i åtanke vid analys och diskussion av resultatet. Ett sätt för oss att stärka

validiteten är att genomföra robusttester med andra variabler som även visat sig mäta informationsasymmetri.

6.5 Bortfallsanalys

Den ursprungliga populationen som det i studien samlats in data för bestod av 312 företag för år 2015 och 312 företag för år 2016. Ett bortfall har under arbetets gång upptäckts vilket gjort att ett betydligt mindre urval än den ursprungliga populationen av bolag på NASDAQ OMX Stockholm.

Vid insamlingen har en rad olika källor för datan använts, vilka resulterat i olika bortfall. När det kommer till de variabler som hämtats från databasen datastream har inte denna tillgång till all information för samtliga bolag. När det kommer till den beroende variabeln revisionskostnad var bortfallet så stort att vi valde att manuellt gå in i årsredovisningar och komplettera för bortfallet. Detta med anledning av att variabeln ansågs vara central för studiens genomförande. När det kommer till insamling av annan data som skett manuellt från årsredovisningar, så som revisionskommitténs antal möten upplevde vi också ett stort bortfall. Detta med anledning av att vissa företag antingen inte utsett en revisionskommitté eller att mötena skett vid ordinarie styrelsemöten och att företagen då inte angett hur många av dessa som revisionsfrågor tagits upp. Även variabeln antal styrelsemöten upplevde vi hade ett visst bortfall då företag inte angett dessa i sina årsredovisningar.

Bortfallsanalys 2015 2016 Ursprungligt antal observationer 312 312

Bortfall 194 165

Slutgiltigt antal observationer 118 147

Tabell 1 Bortfallsanalys

Det slutgiltiga urvalet för de båda åren kan ses i tabell 1 ovan och blev tillslut 118 företag för år 2015 och 147 företag för år 2016.

För att säkerställa att detta urval är representativt för hela populationen och således ger oss en hög reliabilitet har en bortfallsanalys gjorts. Det har i denna kontrollerats för att det bortfall som blivit inte varit överrepresenterade av en särskild bransch, storlek på företag eller hemmahörande på en viss cap. Bortfallsanalysen visar på ett jämnt bortfall

gällande samtliga kontrollerade variabler vilket gör att vi kan anta att det resultat som studien visar på går att applicera på hela populationen.

6.6 Regressionsmodeller

För att testa de hypoteser som härletts i studien kommer ett antal regressionsmodeller att upprättas. Dessa ligger sedan till grund för den analys som görs och de slutsatser som dras. Den beroende och den oberoende variabeln kommer enligt operationaliseringen nedan att operationaliseras på två olika sätt. Detta för att de resultat som de statistiska analyserna visar ska vara så pålitliga som möjligt.

För att påvisa skillnaden mellan de båda åren som undersöks kommer ett antal regressionsmodeller upprättas enligt följande: En regression för år 2015 som jämförs med en regression för år 2016. Detta för att tydligt kunna påvisa om den nya revisionsberättelsen lett till en förändring av sambandet. De båda åren läggs även samman i en gemensam regression, vilken då adderas med en årsvariabel. En mer ingående förklaring av utformandet finns nedan under avsnitt 7.3 Multivariat analys.