Urval

I studiens syfte specificeras att det är svenska börsnoterade företag och deras årsredovisningar som granskas. Därför är samtliga företag som har granskats i denna studie noterade på Stockholmsbörsen per den 31 december 2018. Samtliga tre segment på Stockholmsbörsen, alltså small cap, mid cap och large cap, har inkluderats i studien. Som nämnt har listor hämtats ner från både Avanzas och Nasdaqs webbsidor (Avanza Bank AB, 2020; Nasdaq, Inc, 2020). Listorna har jämförts mot varandra för att säkerställa att inget företag skulle falla bort. Baserat på dessa listor var 320 företag listade på Stockholmsbörsen den 31 december 2018. Branschindelningen hos både Avanza och Nasdaq granskades för att kunna exkludera finans- och investmentbolag. Vid denna granskning upptäcktes att Nasdaq inkluderar fastighetsbolag i sin bransch ’financials’ medan Avanza har en separat branschkategori för dessa företag (Avanza Bank AB, 2020; Nasdaq, Inc, 2020). Efter granskning av fastighetsbolagens balansräkningar beslutades att utgå från Nasdaqs branschindelning för urvalet, trots att Avanzas branschindelning har använts i studien för kontrollvariabeln bransch. Anledningen till detta var att fastighetsbolagens räkenskaper skiljde sig jämfört med företag tillhörande andra branscher. Finans- och fastighetsbolag exkluderas alltså i denna studie, och även i flera tidigare studier kring frivillig rapportering (se till exempel: Broberg, 2006; Broberg m.fl., 2010; Cooke, 1989), på grund av att upplysningskraven och den finansiella strukturen för denna typ av företag är annorlunda (Cooke, 1989). Totalt exkluderades 58 företag med anledning av att de tillhörde branschen financials enligt Nasdaqs branschindelning (Nasdaq, Inc, 2020).

Vidare har företag med brutna räkenskapsår exkluderats då det finns en risk att jämförbarheten minskar om dessa företag skulle inkluderas i studien. Totalt exkluderades 22 företag med anledning av att de hade brutna räkenskapsår. Företag som är dubbelnoterade, det vill säga noterade för handel på minst en annan börs, har också exkluderats från studien. Anledningen till detta är att upplysningskraven och utformningen av årsredovisningarna kan se annorlunda ut i andra länder jämfört med i Sverige. Till följd av detta riskerade även dessa företags årsredovisningar att inte vara jämförbara med årsredovisningarna från företag som endast är noterade på Stockholmsbörsen och bara behöver anpassa sin rapportering utifrån de svenska reglerna. Totalt exkluderades 21 företag till följd av att de var noterade utomlands under räkenskapsåret 2018. Under datainsamlingsprocessens gång fick ytterligare 8 företag exkluderas med anledning av att information kring antingen CEO:ns eller CFO:ns utbildning inte kunde hittas vare sig i årsredovisningen, på företagets webbsida eller på den aktuella personens LinkedIn-profil. Ytterligare 5 övriga bortfall skedde under datainsamlingsprocessen. För de företag som exkluderades med anledning av att de hade brutet räkenskapsår, att de var noterade utomlands, att information kring utbildning inte kunde hittas samt för de företag som klassificerades som övrigt bortfall har data avseende storlek, lönsamhet och skuldsättningsgrad samlats in för att kunna genomföra en

bortfallsanalys (se mer i avsnitt 5.3). Det totala bortfallet summerades till 114 företag, vilket gav ett slutgiltigt urval på 206 företag.

Tabell 3 - Urval

5.3 Bortfallsanalys

Tabell 4 - Bortfallsanalys

56 företag exkluderades från studiens slutgiltiga urval, utöver de företag som exkluderades med anledning av att de tillhörde branschen financials. För att kontrollera huruvida exkluderingen av dessa företag genererade ett snedvridet urval eller ej genomfördes en bortfallsanalys. Variablerna storlek (log), lönsamhet och skuldsättningsgrad för de exkluderade företagen prövades mot respektive värden för de inkluderade företagen. Bortfallsanalysen genomfördes med hjälp av t-tester. Resultaten visade att inga signifikanta skillnader förelåg avseende variablerna lönsamhet och skuldsättningsgrad, medelvärdena för såväl lönsamhet som skuldsättningsgrad var dock högre för bortfallet jämfört med för urvalet. Då t-testerna för lönsamhet och skuldsättningsgrad inte var signifikanta indikerar det att studiens urval inte var snedvridet med avseende på dessa mått. De exkluderade företagen var i genomsnitt större än företagen som inkluderades i studien, och t-testet för storlek var signifikant på 5 % signifikansnivå. Studiens urval kan därmed antas vara aningen snedvridet vilket bör tas i beaktande vid tolkning av de multipla regressionsanalyserna och då slutsatser dras utifrån dessa (David & Sutton, 2016).

Antal

Population 320

Financials 58

Brutet räkenskapsår 22

Noterad utomlands 21

Info om utbildning saknas 8

Övrigt bortfall 5 Slutgiltigt urval 206 N Medel Std avvikelse t Storlek Bortfall 56 3,666 0,832 2,064* Urval 206 3,410 0,794 Lönsamhet Bortfall 56 0,501 3,416 0,990 Urval 206 0,049 0,232 Skuldsättningsgrad Bortfall 56 2,701 9,034 1,153 Urval 206 1,298 2,219 † 10 % signifikansnivå * 5 % signifikansnivå ** 1 % signifikansnivå *** 0,1 % signifikansnivå

5.4 Analysmetoder

Den insamlade datan har hanterats och analyserats med hjälp av datorprogrammet IBM SPSS Statistics. Då studien har använt flera oberoende variabler för att förklara variationen i de beroende variablerna har multivariata analyser genomförts (David & Sutton, 2016). Multivariata analyser kan användas då den beroende variabeln är av kvantitativ karaktär, de oberoende variablerna kan vara både kvalitativa och kvantitativa (David & Sutton, 2016). Om det finns kvalitativa variabler i modellen behöver dessa kodas om till dummyvariabler (David & Sutton, 2016), vilket har gjorts i denna studie. Dessutom har en univariat och en bivariat analys genomförts (David & Sutton, 2016). Pearsons test användes för den bivariata analysen då både de beroende och oberoende variablerna är kvantitativa (David & Sutton, 2016). Enligt den centrala gränsvärdessatsen kan datamaterialet antas vara approximativt normalfördelat vid mer än 30 observationer (Bowerman, O’Connell, & Koehler, 2005). Denna studie består av 206 observationer och därför antas datamaterialet vara normalfördelat. En visuell undersökning gjordes med hjälp av grafer, och framtagning av statistiska data i SPSS gjordes för att se om variablerna i studien innehöll några extremvärden. Enligt dessa test innehöll variabeln mängd två extremvärden, vilka sedan undersöktes för att kontrollera att de inte berodde på inmatningsfel. Då mängd är en beroende variabel i denna studie ansågs dessa värden vara en viktig del av datamaterialet, och att utesluta de företag som redovisat minst mängd frivillig information skulle kunna ha en negativ påverkan på resultatets reliabilitet. Således har de upptäckta extremvärdena inkluderats i analysen. Studiens signifikansnivåer har valts utifrån att dessa är de allmänt accepterade nivåerna inom företagsekonomisk forskning och har därför bestämts till p<0,001, p<0,01, p<0,05 och p<0,1.

För att eventuellt påvisade statistiska samband ska vara tillförlitliga i de multipla regressionerna bör residualerna i de olika regressionsmodellerna vara normalfördelade (Djurfeldt, Larsson, & Stjärnhagen, 2018). Kolmogorov-Smirnov-testet har genomförts för att kontrollera normalfördelningen i de olika regressionsmodellernas residualer. Några av regressionsmodellerna genererade Kolmogorov-Smirnov-test som var signifikanta på tio procents signifikansnivå eller lägre, vilket i detta test innebär att residualerna ej är normalfördelade. Dessa regressionsmodeller kan fortfarande användas i analysen, men resultaten i dessa bör tolkas med viss försiktighet. Resultaten av Kolmogorov-Smirnov-testen redogörs för respektive regressionsmodell i kapitel 6. För att undersöka om modellernas residualer var heteroskedastiska har Breusch-Pagan-testet genomförts för samtliga av studiens regressionsmodellers residualer. Testen visade på att vissa av modellerna hade problem med heteroskedasticitet, vilket innebär en ojämn spridning för en variabel (Djurfeldt m.fl., 2018) Även dessa regressionsmodeller kan användas i analysen, men resultaten i dessa bör tolkas med viss försiktighet. Kommentarer kring resultatet av Breusch- Pagan-testet finns för respektive modell i kapitel 6.

5.5 Operationalisering

5.5.1 Beroende variabler

Det som undersöks i denna studie är frivillig rapportering, och utifrån syftet är det den totala mängden frivillig information samt kategorier av vikt avseende frivillig information som studeras. Med kategorier av vikt avses mängden frivillig information som redovisas inom ett visst område, det vill säga en kategori. Utifrån vad som avsågs undersökas genererades två beroende variabler; mängd och kategorier av vikt. Den beroende variabeln kategorier av vikt bröts sedan ned till tre variabler utifrån studiens hypoteser och dessa är jämställdhetsinformation, hållbarhetsinformation och finansiell information.

Den totala mängden frivillig information kan avse exempelvis antal sidor eller antal ord som behandlar icke lagstadgad information i en årsredovisning, oavsett kategori av information. Med olika kategorier av frivillig information avses exempelvis hållbarhet, humankapital eller framtida prognoser och olika företag lägger olika stor vikt vid olika kategorier av frivillig information. Även kategorier av vikt kan mätas i exempelvis antal sidor eller antal ord som berör frivillig information inom specifika kategorier. Antal sidor eller antal ord kan dock bli missvisande. En årsredovisning innehåller ofta många bilder vilket kan ta upp en halv sida, det kan också vara så att all information som kommuniceras på en sida inte egentligen är frivillig. Även en mätning baserat på antal ord kan lätt generera felaktigheter i datamaterialet då det skulle vara svårt att bedöma exakt hur många ord som avser frivillig information, hur många ord som endast är utfyllnadsord samt hur många ord som avser lagstadgad information. En årsredovisning för ett börsnoterat företaget är ofta uppemot hundra sidor lång och för att få fram rättvisande data om antal sidor eller antal ord användes skulle det kräva en enorm arbetsinsats och mycket stor noggrannhet. Detta skulle generera en hög osäkerhet i det insamlade materialet. Trang och Phuong (2015) menar att en av de största begränsningarna inom forskning kring frivillig rapportering är svårigheterna i att mäta mängden frivillig rapportering då det är ett abstrakt koncept. Det finns så kallade ’disclosure index’ som kan användas vid mätning av frivillig rapportering. Dessa färdiga index kan behöva modifieras och anpassas utifrån syftet med studien (Trang & Phuong, 2015).

För att kringgå osäkerheten i mätning genom antal sidor eller antal ord och få ett mer tillförlitligt datamaterial avseende de beroende variablerna valdes därför att konstruera en checklista bestående av totalt 58 punkter, uppdelade på sju kategorier av frivillig information. Även flera tidigare studier har använt en checklista för att mäta frivillig rapportering (se till exempel: Broberg, 2006; Broberg m.fl., 2010; Cooke, 1989). Checklistans punkter är framtagna och anpassade till studiens syfte utifrån en kombination av Brobergs (2006) checklista och Kanton finansiella rådgivning ABs (2019) kriterier för årets börsbolag 2019. Initialt bestod checklistan av 92 punkter, men efter insamling av data för tio företag

reviderades listan med anledning av att vissa punkter var snarlika, vilket gjorde att syftet med dem minskade, samt att tidsåtgången för datainsamlingen skulle bli större än vad denna studies omfattning kunde motivera. Författarna var överens om att det fanns vinning i att vara noggranna vid bedömningen av varje punkt på checklistan för att få ett så rättvisande datamaterial som möjligt. Kvalitet i den insamlade datan ansågs alltså ha större värde än att ha en större kvantitet i form av flera separata punkter. För information om hur datainsamlingen har genomförts se avsnitt 5.1. Checklistan och samtliga granskade punkter återfinns i bilaga 1.

Varje punkt på checklistan fick (1) om den uppfylldes genom att informationen återfanns i årsredovisningen, respektive (0) om den inte uppfylldes. Utifrån detta genererades en procentsats för varje av de sju separata kategorierna av frivillig information, beräknad som andelen punkter som uppfylldes i respektive kategori. De beroende variablerna kategorier av vikt baseras på dessa procentsatser. Procentsatsen för mängd beräknades sedan genom att addera procentsatserna för de sju separata kategorierna och dividera detta med sju. De sju olika kategorierna innehåller olika antal punkter, men oavsett antal punkter gavs alltså varje kategori lika stor vikt till följd av denna beräkning.

Eftersom det i studiens syfte specificeras att det är informationen som publiceras i företagens årsredovisningar som granskas har all data avseende de beroende variablerna, mängd och kategori av frivillig information, hämtats från dessa. Vissa företag har en separat hållbarhetsrapport, som alltså inte är inkluderad i årsredovisningen, och i dessa fall har hållbarhetsrapporten inte granskats och poäng har endast getts för den information som uttrycks i den faktiska årsredovisningen. Detsamma gäller för företag som i sina årsredovisningar hänvisar till sina webbsidor för information om företagets aktie, informationen har då inte hämtats från webbsidan utan även i dessa fall har poäng endast getts för den information som återfinns i årsredovisningarna.

5.5.2 Oberoende variabler

Studiens oberoende variabler har valts ut med stöd i upper echelon theory (Hambrick, 2007; Hambrick & Mason, 1984) och tidigare studier om frivillig rapportering (se till exempel: de Almeida & Lemes, 2019; Ge m.fl., 2011; Ho m.fl., 2015; Smith Bamber m.fl., 2010). I denna studie används sex oberoende variabler; CEO kön, CFO kön, CEO ålder, CFO ålder, CEO utbildning och CFO utbildning.

Kön

Variabeln kön har använts i flera tidigare studier om redovisningsval på grund av de skillnader som antas finnas mellan män och kvinnor, exempelvis graden av riskaversion,

självsäkerhet, etisk medvetenhet och skillnader i beslutsfattande (de Almeida & Lemes, 2019; Francis m.fl., 2015; Ge m.fl., 2011; Ho m.fl., 2015). Att CEO:ns respektive CFO:ns kön skulle kunna ha en påverkan på den frivilliga rapporteringen är även i linje med upper echelon theory och den påverkan som denna teori menar att observerbara personliga egenskaper, som kön, kan ha på personer i ledande befattningars beslutsfattande (Hambrick & Mason, 1984).

I denna studie har variablerna CEO kön och CFO kön kategoriserats efter två kön; kvinna och man. Information om CEO:ns respektive CFO:ns kön har framförallt hämtats från årsredovisningarna, men i de fall det funnits behov har kompletterande information hämtats från företagens webbsidor. Vid klassificering av CEO:ns respektive CFO:ns kön har antaganden gjorts utifrån personens namn och i de flesta fall även bild. Den inhämtade datan har sedan kodats som dummyvariabler för både CEO kön och CFO kön där kvinna kodats som (1) och man kodats som (0).

Ålder

Enligt upper echelon theory är ålder en observerbar personlig egenskap som kan ha en påverkan på beslutsfattandet (Hambrick & Mason, 1984). Flera tidigare studier har antagit att ålder har en påverkan på personer i företagsledningens beslutsfattande (Alqatamin m.fl., 2017; Bueno m.fl., 2018; de Almeida & Lemes, 2019; Francis m.fl., 2015; Ge m.fl., 2011; Smith Bamber m.fl., 2010). Tidigare studier har funnit stöd för att äldre managers har en högre riskaversion och en lägre självsäkerhet än yngre managers, vilket leder till att äldre managers redovisar en större mängd frivillig information än yngre managers (Albert & Duffy, 2012; de Almeida & Lemes, 2019). I denna studie har det därför antagits att ålder har ett positivt samband med mängden frivillig rapportering.

CEO:ns respektive CFO:ns ålder presenterades tydligt i de flesta årsredovisningarna, men i vissa fall har information om ålder fått inhämtas från företagens webbsidor. Information om ålder presenteras av företagen som personens födelseår och åldern har i denna studie sedan beräknats till år 2019, eftersom det är året då årsredovisningarna offentliggjorts. Beräkningarna för variablerna CEO ålder och CFO ålder har gjorts genom att subtrahera CEO:ns respektive CFO:ns födelseår från år 2019.

Utbildning

Flera tidigare studier har undersökt sambandet mellan utbildning och redovisningsval (Arvidsson, 2011; de Almeida & Lemes, 2019; Ge m.fl., 2011). I denna studie antas, med utgångspunkt i tidigare studier, att utbildningsnivå har ett positivt samband med mängden frivillig information och även att mängden finansiell information som redovisas ökar med utbildningsnivå. Att utbildning kan ha en påverkan på den frivilliga rapporteringen stöds

också av upper echelon theory då utbildning, likt kön och ålder, är en observerbar personlig egenskap som enligt upper echelon theory kan antas ha en påverkan på personer i ledande befattningars beslutsfattande (Hambrick, 2007; Hambrick & Mason, 1984).

Variablerna CEO utbildning respektive CFO utbildning har i denna studie bestämts utifrån den högsta nivå av utbildning som personen i fråga har slutfört. Uppgifter om detta har i de flesta fall kunnat hämtas från företagens årsredovisningar, men har i vissa fall behövts kompletteras med information från företagens webbsida eller den aktuella personens LinkedIn-profil. Utbildningsnivån har kodats som fyra separata dummyvariabler för CEO utbildning och fyra separata dummyvariabler för CFO utbildning. Dessa är ingen utbildning, kandidat, magister/master samt högre än master för CEO respektive CFO. I studiens regressionsanalyser har magister/master lämnats utanför som referensvariabel, avseende såväl CEO utbildning som CFO utbildning.

5.5.3 Kontrollvariabler

De kontrollvariabler som har använts har valts ut med stöd i de teorier som redogörs för i den teoretiska referensramen och dessa är agentteorin, PAT, signalteorin, de systemorienterade teorierna samt upper echelon theory. Kontrollvariablerna har även valts utifrån tidigare studier om frivillig rapportering och de resultat som dessa fått (se til exempel: Broberg, 2006; Broberg m.fl., 2010). I denna studie har sju kontrollvariabler använts och dessa är storlek, bransch, lönsamhet, skuldsättningsgrad, revisionsbyrå, CEO tid på posten och CFO tid på posten.

Storlek

Att använda storlek som kontrollvariabel kan stödjas av PAT som säger att större företag granskas mer (Watts & Zimmerman, 1978). Det innebär en större press på stora företag och att deras incitament för att redovisa en större mängd frivillig information ökar. Storlek har även valts som kontrollvariabel utifrån att det varit en återkommande variabel i tidigare studier om frivillig rapportering (Broberg, 2006; Broberg m.fl., 2010; Cooke, 1989; Meek m.fl., 1995; Tagesson, Blank, Broberg, & Collin, 2009). Flera av dessa tidigare studier har funnit stöd för att större företag redovisar en större mängd frivillig information än mindre företag. Tagesson m.fl. (2009) finner exempelvis ett positivt samband mellan storlek och mängden frivillig rapportering av sociala aspekter, och resultatet i en studie av Meek m.fl. (1995) visar att företagens storlek har ett positivt samband med mängden frivillig rapportering. Variabeln storlek har i denna studie mätts genom företagets balansomslutning, och data avseende detta har hämtats från företagens årsredovisningar. På grund av de stora skillnaderna i variabeln storlek var denna något snedfördelad och därför valdes att logaritmera datamaterialet vilket medförde en bättre fördelning.

Bransch

Bransch har valts som kontrollvariabel utifrån de systemorienterade teorierna då dessa behandlar den påverkan som företagets omgivning har på företaget. Denna påverkan skulle kunna skilja sig åt mellan olika branscher, både avseende mängden frivillig rapportering och vilka kategorier av information som krävs av företagen. Bransch är en variabel som använts i flera tidigare studier om frivillig rapportering, vilka även har funnit ett samband mellan rapporteringen och företagens branschtillhörighet (Meek m.fl., 1995; Tagesson m.fl., 2009; Broberg m.fl., 2010; Broberg, 2006; Cooke, 1989). Meek m.fl. (1995) argumenterar för att högteknologiska företag exempelvis kan lägga större vikt vid att redovisa frivillig information om forskning och utveckling. Cooke (1989) undersöker den påverkan som företagens branschtillhörighet kan ha på den frivilliga rapportering och finner i sin studie att handelsföretag redovisar en mindre mängd frivillig information än industriföretag. I denna studie har företagen delats in i åtta branscher som valdes utifrån granskning av både Avanzas och Nasdaqs branschindelningar (Avanza Bank AB, 2020; Nasdaq, Inc, 2020). Kontrollvariabeln bransch har kodats som åtta dummyvariabler vilka är allmännyttigt, energi, industri, kommunikation, konsument, råvaror, sjukvård och teknik. I studiens regressionsanalyser har industri lämnats utanför som referensvariabel.

Lönsamhet

Kontrollvariabeln lönsamhet kan motiveras med stöd i signalteorin då högre lönsamhet skulle kunna leda till att företagen är mer benägna att redovisa en större mängd frivillig information, medan företag som har en lägre lönsamhet försöker dölja detta genom att redovisa en mindre mängd frivillig information (Clarkson m.fl., 2008). Lönsamhet är en återkommande variabel i tidigare studier om frivillig rapportering (Broberg, 2006; Broberg m.fl., 2010; Meek m.fl., 1995; Tagesson m.fl., 2009). Att lönsamhet skulle ha en positiv påverkan på den frivilliga rapporteringen stöds bland annat i studier av Broberg (2006), Broberg m.fl. (2010) och Tagesson m.fl. (2009). Tagesson m.fl. (2009) argumenterar för att det beror på att mer lönsamma företag har råd att redovisa en större mängd frivillig information än företag som är mindre lönsamma då det kostar att ta fram information och material. Lönsamhet mäts vanligen genom antingen ROE eller ROA. I denna studie har ROA (räntabilitet på totala tillgångar) använts då ROA lämpar sig bättre som lönsamhetsmått än ROE när urvalet består av företag från olika branscher (Sierra, Zorio, & García-Benau, 2013). ROA har beräknats manuellt för samtliga företag genom att först hämta rådata avseende företagens rörelseresultat, finansiella intäkter och totala tillgångar från deras årsredovisningar.

𝑅𝑂𝐴 = 𝑅ö𝑟𝑒𝑙𝑠𝑒𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑡 + 𝐹𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑖𝑛𝑡ä𝑘𝑡𝑒𝑟 𝑇𝑜𝑡𝑎𝑙𝑎 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟

Skuldsättningsgrad

Kontrollvariabeln skuldsättningsgrad har valts utifrån agentteorin. Watson m.fl. (2002) argumenterar för att en högre skuldsättningsgrad leder till högre agentkostnader, vilket företagen sedan kommer att försöka minska genom att redovisa en större mängd information och på så sätt minska osäkerheten hos investerarna. Det skulle innebära att en högre skuldsättningsgrad leder till att företaget redovisar en större mängd frivillig information. Det följer bland annat studier av Broberg (2006) och Broberg m.fl. (2010) som finner att företag med hög skuldsättningsgrad redovisar en större mängd frivillig information än företag med lägre skuldsättningsgrad. Resultatet i en studie av Meek m.fl. (1995) finner dock det motsatta, att en högre skuldsättningsgrad leder till att företaget redovisar en mindre mängd frivillig information. Skuldsättningsgraden har beräknats manuellt genom inhämtning av rådata avseende företagens skulder och egna kapital från deras årsredovisningar.

𝑆𝑘𝑢𝑙𝑑𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔𝑠𝑔𝑟𝑎𝑑 = 𝑇𝑜𝑡𝑎𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑒𝑟 𝐸𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙

Revisionsbyrå

Att det skulle finnas ett samband mellan revisionsbyrå och frivillig rapportering kan motiveras med institutionell teori och normativ isomorfism, då revisionsbyråerna kan antas kunna influera och påverka företagens redovisningsval (DiMaggio & Powell, 1983). Att ha revisionsbyrå som en kontrollvariabel kan även motiveras med stöd i agentteorin genom den