Fastighets- och byggbranschens kapitalstruktur: påverkande faktorer och effekt på lönsamhet och företagsvärde : En kvantitativ studie av den svenska marknaden åren 2012-2019

Linköpings universitet | Institutionen för ekonomisk och industriell utveckling Magisteruppsats i Företagsekonomi, 30 hp | One Year Master – Redovisning och ekonomistyrning och One Year Master – Finansiell ekonomi

Vårterminen 2021 | ISRN-nummer: LIU-IEI-FIL-A--21/03646--SE

Fastighets- och

byggbranschens

kapitalstruktur:

påverkande faktorer och

effekt på lönsamhet och

företagsvärde

En kvantitativ studie av den svenska marknaden åren

2012-2019

Anton Hasselberg

Linnea Holmberg

Förord

Denna magisteruppsats genomfördes vid Linköpings Universitet under vårterminen 2021. Vi vill börja med att rikta ett stort tack till vår handledare Katarina Eriksson, som varit extremt hjälpsam, engagerad och bistått oss med viktiga synpunkter för att utveckla vår uppsats på bästa sätt. Vi vill även tacka de opponentgrupper som bidragit med viktiga synpunkter till vår uppsats under seminariumen.

Linköping, 2021-05-31

_________________________ _________________________ Anton Hasselberg Linnea Holmberg

Sammanfattning

Titel: Fastighets- och byggbranschens kapitalstruktur: påverkande faktorer och effekt på lönsamhet och företagsvärde – En kvantitativ studie av den svenska marknaden åren 2012-2019

Författare: Anton Hasselberg och Linnea Holmberg Handledare: Katarina Eriksson

Bakgrund: Det underliggande sambandet mellan kapitalstruktur och dess påverkan på företagets lönsamhet och företagsvärde har det utförts tidigare forskning på inom många olika sammanhang och branscher. Kapitalstrukturen visar ett företags finansiering och avser fördelningen mellan eget kapital och skulder. Även fast det utförts mycket forskning på området finns en del motsättningar kring olika samband som exempelvis lönsamhetens relation till hävstången.

Syfte: Syftet med denna studie är att analysera hur kapitalstrukturen påverkar fastighets- och

byggbolagens lönsamhet samt företagsvärde i Sverige under perioden år 2012–2019. Studien har även som delsyfte att undersöka bakomliggande faktorer som har en inverkan på kapitalstrukturen.

Forskningsfrågor: Hur ser sambanden ut mellan finansiella nyckeltal och kapitalstrukturen över tidsperioden år 2012–2019? Hur förhåller sig kapitalstrukturen till lönsamheten och företagsvärdet? Vilka bakomliggande faktorer kan tänkas ha haft en inverkan på kapitalstrukturen och varför har det i så fall sett ut som det har gjort?

Metod: En kvantitativ metod har använts för att besvara studiens syfte. För att analysera data har flera paneldataregressioner genomförts, där data har korrigerats för att få ett trovärdigt resultat. Resultatet baseras på data från börsnoterade företag inom byggbranschen och fastighetsbranschen.

Resultat: Studien resulterade i totalt 16 statistiskt signifikanta samband, men där fyra av dessa kan ses som otillförlitliga på grund av autokorrelation. De mest framträdande sambanden gäller tillväxtens påverkan på skuldsättning, företagsstorlekens påverkan på lönsamhet samt riskens påverkan på både skuldsättning och lönsamhet. Även skuldsättning och lönsamhet uppvisar starka samband med

varandra. Studien visar att tillväxten har både positiva och negativa samband till hur företagen förhåller sig till skuldsättningen. Företagsstorleken uppvisar uteslutande positiva samband med både

skuldsättning och lönsamhet, vilket ligger i linje med tidigare forskning. Risken visar ett negativt samband med skuldsättningsgrad för båda branscherna. Författarna anser att påverkande faktorer är rådande ränteläge, skattenivåer, fastighetsbranschens unika tillgångssammansättning samt företagens syn på belåning.

Abstract

Title: The real estate- and construction industry capital structure: influential factors and impact on profitability and company value – A quantitative study of the Swedish market the years 2012-2019 Authors: Anton Hasselberg och Linnea Holmberg

Supervisor: Katarina Eriksson

Background: The underlying relationship between capital structure and its impact on the company’s profitability and company value has been widely studied in different contexts and industries. The capital structure shows the company’s financing and defines the relationship between equity and debt. Even if the field has been widely studied there is still some disagreements about different underlying

relationships, for example the profitability’s connection to leverage.

Purpose: The purpose of this study is to analyze how the capital structure affect the real estate- and construction companies’ profitability and company value in Sweden during the period 2012-2019. This study also has a secondary purpose to study underlying factors which has an impact on the capital structure.

Research questions: How does the relationships appear between financial key figures and the capital structure during the period 2012-2019? How does the capital structure relate to profitability and

company value? Which underlying factors can be supposed to influence the capital structure and what is the reason for this?

Method: A quantitative method has been used to fulfill the study’s purpose. To analyze the data various panel data regressions has been implemented, where the data has been adjusted to gain a more reliable result. The result is based on data from listed companies within the real estate- and

construction industry.

Results: This study resulted in totally 16 statistically significant relationships, but where four can be seen as unreliable due to autocorrelation. This most prominent results are the growth effect on debt, company size’s effect on profitability and the risk’s effect on both debt and profitability. Debt and profitability also show strong connections. This study implies that growth has both positive and negative relationships with debt. Company size only shows positive connections to both debt and profitability, which is in tune with previous studies. Risk has a negative relationship with debt-to-equity ratio in both industries. The authors thinks that influential factors could be today’s levels of interest rate, levels of taxes, the real estate industry’s unique proportion of their assets and the companies’ attitude to debt.

Innehållsförteckning

2.1 TEORI KRING KAPITALSTRUKTUREN OCH MODIGLIANI OCH MILLER ... 7

2.2 PÅVERKANDE FAKTORER PÅ KAPITALSTRUKTUREN ... 9

2.2.1 Företagsvärde och lönsamhet... 9

2.2.2 Företagsstorlek... 10 2.2.3 Tillväxt ... 10 2.3 HÄVSTÅNGSEFFEKTEN... 10 2.4 PECKING ORDER-TEORIN ... 11 2.5 TRADE-OFF-TEORIN ... 12 2.6 AGENTTEORIN ... 13 2.7 SIGNALTEORIN ... 14 3 METOD ...15

3.1 STUDIENS ANSATS OCH FORSKNINGSSTRATEGI ... 15

3.2 LITTERATURSÖKNING ... 15 3.3 DATAINSAMLING ... 16 3.4 GENOMFÖRANDE ... 16 3.5 URVAL ... 17 3.5.1 Tidsperiod ... 17 3.5.2 Val av företag ... 17 3.5.3 Selektering i databasen ... 17 3.5.4 Bortfall... 18 3.5.5 Dataset 1 och 2 ... 19 3.6 VARIABLER ... 19 3.6.1 Lönsamhet ... 19 3.6.2 Skulder ... 20 3.6.3 Företagsstorlek... 21 3.6.4 Tillväxt ... 21 3.6.5 Risk ... 21 3.7 DATAHANTERING ... 22 3.7.1 Deskriptiv statistik ... 22 3.7.2 Hantering av extremvärden ... 22

3.7.3 Fixed effects och Random effects ... 23

3.7.4 Paneldata ... 24

3.8 REGRESSIONSMODELLEN OCH DESS ANTAGANDEN... 24

3.8.1 Utformning av regressionsmodellen ... 24 3.8.2 Multikollinearitet ... 26 3.8.3 Heteroskedasticitet ... 26 3.8.4 Autokorrelation ... 27 3.8.5 Normalfördelning ... 27 3.9 FORSKNINGSETIK ... 27 3.10 STUDIENS TROVÄRDIGHET ... 28 3.10.1 Validitet ... 28 3.10.2 Reliabilitet ... 28 3.11 METODKRITIK ... 29 3.12 KÄLLKRITIK ... 30 4 RESULTAT ...31 4.1 DESKRIPTIV STATISTIK ... 31 4.1.1 Korrelationsmatriser ... 32

4.2.2 Regressionsanalys av byggbranschen ... 36

4.3 SAMMANFATTNING... 37

5 ANALYS OCH DISKUSSION ...39

5.1 HUR SER KAPITALSTRUKTURENS PÅVERKANDE SAMBAND UT? ... 39

5.1.1 Lönsamhet ... 39

5.1.2 Företagsstorlek... 41

5.1.3 Tillväxt ... 42

5.1.4 Risk ... 43

5.2 HUR PÅVERKAR KAPITALSTRUKTUREN LÖNSAMHETEN OCH FÖRETAGSVÄRDET? ... 44

5.2.1 Skuldsättning ... 44

5.2.2 Företagsstorlek... 45

5.2.3 Tillväxt ... 46

5.2.4 Risk ... 47

5.3 DISKUSSION OCH IMPLIKATIONER ... 48

6 SLUTSATS ...51

6.1 FÖRSLAG PÅ VIDARE FORSKNING ... 52

7 REFERENSER ...53

Formelförteckning

Formel 2 Samband mellan räntabilitet på eget kapital och skuldsättningsgrad ... 8

Formel 3 Räntabilitet på eget kapital ... 20

Formel 4 Räntabilitet på totalt kapital ... 20

Formel 5 Skuldsättningsgrad ... 20

Formel 6 Skuldandel ... 20

Formel 7 Storlek, logaritmerad ... 21

Formel 8 Tillväxt ... 21

Formel 9 Företagets totala risk uttryckt genom Re ... 22

Formel 10 One-Way Error Component Model, sammansatt slumpterm ... 23

Formel 11 Formel för Fixed- och Random Effects Model ... 23

Formel 12 Hausman-test, nollhypotes ... 24

Formel 13 Hausman-test, alternativ hypotes ... 24

Formel 14 Formel för paneldataregression ... 25

Formel 15 Regressionsformel: beroende variabel skuldsättningsgrad ... 25

Formel 16 Regressionsformel: beroende variabel skuldandel ... 25

Formel 17 Regressionsformel: beroende variabel räntabilitet på eget kapital ... 26

Formel 18 Regressionsformel: beroende variabel räntabilitet på totalt kapital ... 26

Tabellförteckning

Tabell 3:2 Sammanfattning av bortfall för byggbranschen ... 19

Tabell 4:1 Deskriptiv statistik för fastighetsbranschen ... 32

Tabell 4:3 Korrelationsmatris för fastighetsbranschen ... 33

Tabell 4:4 Korrelationsmatris för byggbranschen ... 33

Tabell 4:5 Regressionsresultat för dataset 1 för fastighetsbranschen... 35

Tabell 4:6 Regressionsresultat för dataset 2 för fastighetsbranschen ... 35

Tabell 4:7 Regressionsresultat för dataset 1 för byggbranschen ... 36

Tabell 4:8 Regressionsresultat för dataset 2 för byggbranschen ... 37

Tabell 4:9 Samtliga signifikanta resultat för fastighetsbranschen... 38

1 Inledning

I inledningen tar författarna upp bakgrund till studiens område följt av en

problemformulering med tillhörande syfte och forskningsfrågor. Kapitlet avslutas med studiens avgränsningar.

1.1 Bakgrund

Det underliggande sambandet mellan kapitalstruktur och dess påverkan på företagets lönsamhet och värde har det utförts tidigare forskning på inom många olika sammanhang och branscher. Kapitalstrukturen visar ett företags finansiering och avser fördelningen mellan eget kapital och skulder. En ökning av skulder innebär en risk för företaget. Det finns för och nackdelar med båda finansieringsformer och att hitta en optimal

kapitalstruktur kan ge företaget många fördelar. Att optimera kapitalstrukturen innebär att företaget håller nere finansieringskostnaden och utan att förlora stabiliteten i företaget och att inneha en stark finansiell ställning inför exempelvis oväntade händelser. Modigliani och Miller (1958) undersökte begreppet kapitalstruktur redan 1958 och fann att kapitalstruktur och företagets finansiering inte har någon påverkan på företagets värde på en effektiv marknad. Detta teorem utgick från att marknaden inte använder sig av skatter. Eftersom dessa faktiskt existerar på marknaden skrev Modigliani och Miller (1963) en uppföljande artikel som inkluderade skatter, transaktions-, konkurs- och agentkostnader samt informationsasymmetri. Skatter kan ha en positiv påverkan på räntekostnader för lån, vilket innebär att det därmed finns ett positivt samband mellan ökade lån och företagsvärde (Modigliani & Miller, 1963). Motsägelsen i detta har bidragit till mycket forskning kring området.

Efter finanskrisen återhämtade sig de drabbade länderna bra fram till år 2011 då en skuldkris gjorde att länderna hamnade i en svacka. Sveriges ekonomiska tillväxt var svag vid denna period men började återhämta sig igen när hushållens konsumtion ökade. BNP-tillväxt i Sverige har varit stark sedan 2014 (SCB, 2020a). I oktober 2019 rapporterade Konjunkturinstitutet (2020) att högkonjunkturen var över och i april 2020 rapporteras en djup lågkonjunktur med grund i Covid-19-pandemin och de prognostiserar att detta kommer att drabba den svenska ekonomin hårt.

Fastighets- och byggbranschen stod år 2019 för totalt 16 % av Sveriges BNP (SCB, 2020a). Detta gör det till en stor bransch och en sektor som är viktig för svensk ekonomi.

Fastighetsbranschen står för en stor andel av lånen i Sverige i form av både banklån och värdepapperslån som skiljer sig markant från övriga sektorer. Utmärkande för branschen

betala när intäkter minskar snabbt (Sveriges Riksbank, 2020). I mars 2020 skedde en ökning av räntor på företagsobligationer med grund i större osäkerheter kring företags kreditvärdighet (Sveriges Riksbank, 2020). Kombinationen av detta skapar problem för fastighetsbranschen med både kortfristiga och långfristiga skulder som kan bidra till ökade skulder (Sveriges Riksbank, 2020). Ökade skulder kan då nå en nivå som inte längre är optimal enligt Trade-off-teorin där företagsvärdet istället minskar på grund av högre konkurskostnader för skuld (Myers, 1984).

Med grund i kapitalstrukturens centrala del av ett företags framgång i form av dess påverkan på lönsamhet och företagsvärde gör det enligt författarna till ett intressant område att studera. I kombination med rådande situation i form av en pandemi som påverkar svensk ekonomi och hur viktig fastighets- och byggbranschen är för det svenska samhället anser författarna att det är viktigt att undersöka vidare.

1.2 Problemformulering

Fastighetsbranschen och fastigheter som investeringstillgång utgör en stor del av och har stor påverkan på aktiemarknaden. Liow (2010) nämner att fastighetsbolag ofta är stora bolag som har ett stort marknadsvärde i förhållande till sitt bokförda värde. De är också ofta lönsamma och kan dra stor nytta av positiva s.k. hävstångseffekter, som bidrar till en hållbar tillväxt på lång sikt. Liow (2010) utförde en studie av fastighetsbolag inom totalt 24 länder från både Asien, Europa och Nordamerika, däribland Australien, Tyskland, Sverige, Storbritannien och USA. I studien återfanns ett samband att en hög hävstångseffekt reducerar företagsvärdet, vilket gällde för flertalet av länderna med undantag för vissa länder, däribland Sverige. Studien kom även fram till ett negativt samband mellan lönsamhet och skuldsättningsgrad, där en ökad låneandel bidrog negativt till Return on Assets, förkortat ROA (Liow, 2010). En studie gjord i Indien på fastighetsbolag listade på Bombay Stock Exchange gjordes genom att mäta bland annat ROA, tillväxt, bolagsstorlek och bolagets ålder mot den optimala kapitalstrukturen (Sharma, 2018). Studien låg i linje med Pecking order-teorin att lönsamhet i form av ROA är negativt korrelerad med hävstångseffekten. Sharma (2018) fann även att resultaten från studien stämde överens med informationsasymmetri och att bolagets storlek och ålder och har en positiv påverkan på kapitalstrukturen.

Den forskning som finns kring samband mellan kapitalstrukturen och företagets lönsamhet är ofta mycket överensstämmande och bevisar tillförlitligheten i detta samband. Dessa samband är dock inte alltid överensstämmande med teori på området och sambanden är dessutom mycket olika beroende på vilken bransch som studerats. Pecking-order-teorin innebär bland annat att företagen finansierar med eget kapital framför ökad skuldsättning, som kan uppkomma från en ökad lönsamhet där vinster adderas till det egna kapitalet för

att finansiera verksamheten. Detta innebär ett negativt samband mellan ökad skuldsättning genom s.k. ökad hävstångseffekt, och ökad lönsamhet. Studier som gjorts på fastighetsbolag pekar på motsatsen. Westgaard, Eidet, Frydenberg och Grosås (2008) fann i sin studie på fastighetsbolag i Storbritannien istället ett positivt samband mellan lönsamhet och ökad skuldsättning. Detta samband är signifikant enligt tidigare studier i fastighetsbranschen och visar även att ju större hävstång desto bättre presterar företaget i form av lönsamhet (Wu & Liu, 2011). Enligt Chen, Jiang och Lin (2014) finns det signifikanta skillnader när det gäller det särskilda förhållandet för belåning inom just fastighetsbranschen. Inom ramen för denna studie hävdar de att fastighetsbolag hade markant högre belåning än

kontrollgruppen kommersiella bolag. Här framgår även att andra stora branscher som exempelvis tillverkande bolag snarare hade en liknande skuldsättning som

kontrollgruppen. Vidare hävdar Liang, Li och Song (2014) genom en studie på noterade bolag i fastighets- och byggbranschen i Kina att sambandet mellan lönsamhet och

hävstångseffekt inte stämde överens med noterade företag inom andra branscher i Kina. I detta fall fanns det ett positivt samband mellan dessa enligt Trade-off teorin och de hävdade att detta hade grund i speciella marknadsförhållanden och policies för fastighetsbolag i Kina. Forskning från den europeiska marknaden visar på att dessa skillnader stämmer. Morri och Cristanziani (2009) menar att europeiska bolag som är lönsamma istället är mindre benägna att öka sin skuldsättningsgrad. Ytterligare empiri visar på motsättningar. En studie av Choi, Kim, Kim och Yoo (2014) från byggbranschen i Sydkorea överensstämde väl med empiri från fastighetsbranschen i vissa aspekter. Det som skilde sig var att lönsamhet istället var negativt korrelerad med hävstång, till skillnad från positivt korrelerad som i fastighetsbranschen. Dessa argument visar att det finns

motsättningar i empirin vad gäller olika samband kopplat till kapitalstruktur inom fastighets- och byggbranschen, både branscherna emellan och till skillnad mot andra branscher.

Forskningen kring finanskrisen år 2008 är gedigen. Denna forskning har gjorts inom flera branscher och på olika typer av företag. Empiri visar att företag ökar sin kortfristiga skuld under en konjunkturnedgång för att kompensera för försämrad lönsamhet (Yazdanfar, Öhman & Homayoun, 2019). Denna forskning visar också att små och medelstora företag var i större behov av långfristiga lån från kreditinstitut under finanskrisen. Liknande studier inom detta område finns även inom fastighetsbranschen, även om denna är bristfällig. Liu och Ji (2010) undersökte noterade fastighetsbolag i Kina och hur

finanskrisen påverkade kapitalstrukturen hos dessa företag innan och efter krisen. De kom fram till mycket liknande resultat som för andra branscher, vilket visar att fastighetsbolag väljer att använda sig av kortfristig skuld i en kris men att de istället bör satsa på att förbättra villkor för och öka långfristig skuld. Vidare hävdar Morri och Parri (2017) i sin

samband mellan kapitalstrukturen och påverkande variabler som också fanns innan krisen förstärktes som en följd av krisen. Detta gällde exempelvis lönsamhetens positiva effekt samt den operativa riskens negativa effekt på kapitalstrukturen. Studierna om sambandet mellan kapitalstruktur och lönsamhet i en kris för byggnadssektorn är desto mindre och det finns mycket lite forskning för just denna sektor.

Det går utifrån ovanstående problemdiskussion att konstatera att forskningen kring kapitalstruktur inom fastighets- och byggbranschen inte är helt överensstämmande. Internationell forskning har pekat på olika resultat och det förekommer motsättningar kring flera samband som exempelvis lönsamhetens relation till hävstången. Kunskapen kring hur kapitalstruktur förändras vid en kris samt dess effekter på lönsamhet och företagsvärde till följd av denna förändring är inte tillräckligt täckande för att kunna kartlägga varför förändringen sker och på vilket sätt kapitalstrukturen har en inverkan på dessa faktorer. Med grund i denna kunskapslucka ämnar därför denna studie att undersöka området vidare.

1.3 Syfte

Syftet med denna studie är att analysera hur kapitalstrukturen påverkar fastighets- och byggbolagens lönsamhet samt företagsvärde i Sverige under perioden år 2012–2019. Studien har även som delsyfte att undersöka bakomliggande faktorer som har en inverkan på kapitalstrukturen.

1.4 Forskningsfrågor

Syftet leder till att följande forskningsfrågor har formulerats:

- Hur ser sambanden ut mellan finansiella nyckeltal och kapitalstrukturen över tidsperioden år 2012–2019?

Som tidigare nämnt råder det fortfarande stor oenighet kring kapitalstrukturens samband. Med denna forskningsfråga är det möjligt för författarna att få en översiktlig bild av sambanden som finns mellan kapitalstrukturen i form av skuldsättning och dess påverkande faktorer.

- Hur förhåller sig kapitalstrukturen till lönsamheten och företagsvärdet? Modigliani och Miller (1963) teorem utgår från att ökade lån, som ökar

hävstångseffekten, leder till ökad lönsamhet och företagsvärde. Detta har gett upphov till mycket forskning på grund av dess motsättningar och har lett till olika resultat. Genom denna forskningsfråga kan författarna undersöka vidare hur kapitalstrukturen påverkar dessa faktorer ifall kapitalstrukturen skulle förändras i exempelvis en kris.

- Vilka bakomliggande faktorer kan tänkas ha haft en inverkan på kapitalstrukturen och varför har det i så fall sett ut som det har gjort?

Tidigare forskning ger olika resultat när det gäller samband mellan olika faktorer som påverkar kapitalstrukturen. Liow (2010) menar att lönsamhet är negativt korrelerad med skuldsättningsgraden. Westgaard et al. (2008) fann istället ett positivt samband mellan dessa variabler i sin studie av fastighetsbranschen i Storbritannien. Författarna ämnar därför analysera dessa samband vidare för att kunna reda ut olika motsättningar samt få en bättre förståelse för vilka faktorer som har en inverkan på kapitalstrukturen och på vilket sätt.

1.5 Avgränsning

De avgränsningar som avser göras för denna studie är att undersöka företag på den svenska marknaden inom fastighets- och byggbranschen för tidsperioden år 2012–2019. Studien avgränsas även till att endast undersöka företag som är börsnoterade. Anledningen till att de börsnoterade företagen anses mer lämpliga för denna studie än onoterade företag beror på att möjligheten till tillgänglighet av data är större för noterade företag vilket förenklar studiens datainsamling. Ytterligare avgränsningar författarna avser ta hänsyn till är att företaget behöver ha funnits på marknaden under hela den studerade tidsperioden och behöver i och med detta ha introducerats på marknaden innan år 2012. Detta med

anledning att analys av data ska kunna ske på ett korrekt sätt. De listade företagen kommer från Spotlight stockmarket, First north, Large cap, Mid cap, NGM equity, NGM nordic AIF, NGM nordic MTF och Small cap från Retriever business lista på noterade företag.

2 Teoretisk referensram

I detta kapitel formas den teoretiska referensramen utifrån tidigare forskning inom studiens område samt utvalda teorier. Teorier och forskning används sedan för att analysera studiens resultat för att uppfylla studiens syfte och besvara forskningsfrågor.

2.1 Teori kring kapitalstrukturen och Modigliani och Miller

Modigliani och Miller (1963) är lite av kapitalstrukturens ”grundare” och tillhör de författare med flest citeringar vid studier om kapitalstrukturen. De har presenterat en modell som mäter sambandet mellan skulder och räntabilitet på eget kapital samt skulder och företagsvärde. Sambanden som Modigliani och Miller (1963) presenterar visar hur avdragsgilla bolagens låneräntor är och vilken möjlighet bolagen har till skuldsättning, det skapar möjlighet för bolagen att investera i sitt eget kapital samt det lånade kapitalet. Bolag som genererar vinst ges möjlighet till skatteavdrag på skuldräntor och kan därmed dra av vinstskatten. Eftersom Modigliani och Miller (1963) med detta resonemang menar att bolag som är skuldsatta har ett högre värde jämfört med om de inte är skuldsatta, innebär deras tes även att optimal kapitalstruktur leder till en 100-procentig skuldfinansiering. Deras filosofi bidrar till att bolagens genomsnittliga kapitalkostnad blir lägre om bolaget ökar skuldsättningen, det i sin tur leder till ett positivt företagsvärde. Proposition I som Modigliani och Miller tog fram 1958 reviderades 1963 och beskrev den genomsnittliga kapitalkostnaden enligt följande samband:

𝑅𝑇= 𝑅𝐸

𝐸𝐾

𝑆 + 𝐸𝐾+ 𝑅𝑆(1 − 𝑡) 𝑆 𝑆 + 𝐸𝐾

Formel 1 Genomsnittlig kapitalkostnad

EK = Eget kapital

RE = Räntabilitet på eget kapital

RS = Skuldränta

RT = Räntabilitet på totalt kapital

S = Skulder t = Skattesats

Proposition II utgår från Proposition I och togs fram 1963. Den redogör för sambandet mellan avkastningen på det egna kapitalet och skuldsättningsgraden och uttrycks enligt följande formel:

𝑅𝐸= 𝑅𝑇+ (1 − 𝑡)(𝑅𝑇− 𝑅𝑆)

𝑆 𝐸𝐾

Formel 2 Samband mellan räntabilitet på eget kapital och skuldsättningsgrad

EK = Eget kapital

RE = Räntabilitet på eget kapital

RS = Skuldränta

RT = Räntabilitet på totalt kapital

S = Skulder t = Skattesats

Modigliani och Millers teori har både reviderats och utvecklats sedan publikationen 1958. De har genomförts flera empiriska studier som har undersökt och analyserat Modigliani och Millers teorier. Studien har fått en hel del kritik och det som är mest framstående är att kapitalstrukturen skulle vara irrelevant. Forskningens fokus har varit att försöka bevisa att kapitalstrukturen är relevant. I en artikel från 2001 kommer forskaren Myers ut och menar att även om Modigliani och Miller har en accepterad teori, där de menar på att bolagets finansiering inte har någon betydelse, så är finansiering något som har betydelse för bolagen. En del i detta är det populära antagandet om att en perfekt kapitalmarknad inte existerar. Innan Myers (2001) var det andra forskare som även dem försökte lyfta fram finansiering som en del av bolagens verktyg.

Två forskare vid namn McConnel och Servaes (1995) får i sin undersökning fram att bolag med hög tillväxttakt har en negativ korrelation mellan skuldsättning och företagsvärde. De finner även i sin studie att bolag med låg tillväxttakt har en positiv korrelation. McConnel och Servaes (1995) drar slutsatsen att bolagets ägandestruktur och kapitalstrukturen har en betydande roll när det gäller bolagets investeringar med ett positivt nettonuvärde.

Forskarna Fama och French (1998) finner i sin studie något som motstrider Modigliani och Millers resultat, de finner nämligen att skuldsättningsgrad är negativt korrelerad med företagsvärde. Upptäckten motsätter Modigliani och Millers teori från 1958, eftersom den finner att skuldsättningsgrad är positivt korrelerad med företagsvärde.

År 1999, två år innan Myers undersökning, publicerar Wald en artikel om kapitalstrukturen och korrelationen mellan ett antal faktorer. Det är en internationell studie som undersöker olika faktorer kopplade till kapitalstrukturen, där Wald (1999) upptäcker en del skillnader och likheter mellan länderna. Faktorer som skiljer sig åt är långfristig skuldandel,

lönsamhet, företagsrisk, storlek och tillväxt. Wald (1999) menar att detta kan bero på agentproblem, konkurskostnader, skattepolitik, informationsasymmetri samt konflikter mellan aktieägare och långivare. Wald (1999) och Myers (2001) nämner båda i sina artiklar att informationsasymmetri och agentkostnader är två faktorer som anses påverka bolagens

val av kapitalstruktur. Gemensamt för alla fyra artiklarna är att de är kritiska till Modigliani och Millers teorier från 1958 och 1963.

Kapitalstrukturen är en sammansättning av eget kapital och skulder, den går att hitta i bolagets balansräkning. Hartwig (2018) använder sig av både soliditet och

skuldsättningsgrad för att beskriva kapitalstrukturen. Hartwig (2018) menar på att måtten beskriver nästan samma saker fast på olika sätt. Soliditet är ett finansiellt nyckeltal som visar hur stor andel av bolagets tillgångar som finansierats med det egna kapitalet. Tillgångar som bolaget inte finansierat med det egna kapitalet finansieras med lån, även kallat främmande kapital (Ax, 2015). Bolag med god soliditet ger en bra stabilitet och en långsiktig betalningsförmåga under tuffa perioder med en sämre lönsamhet (Eriksson, 2010). I jämförelse med vad Eriksson (2010) skriver i sin litteratur nämner Nilsson, Isaksson och Martikainen (2002) att låg soliditet skapar problem för bolagen när samhällsläget förändras och det är lätt att hamna i ekonomiska svårigheter.

Idag ser vi hur Covid-19 har skapat en rejäl samhällsförändring och påverkat bolag

ekonomiskt (Sveriges Riksbank, 2020). Enligt SCB (2020a) tillhör fastighetsbranschen den branschen med lägst soliditet. Detta är en anledning till att fastighetsbranschen är en hårt drabbad bransch i en kris (Sveriges Riksbank, 2020). Det är en balansgång mellan

finansiering av eget kapital och skulder, vilket beror på att kostnaden för eget kapital ofta är högre än skuldräntan (Sveriges Riksbank, 2020). Skuldsättningsgraden beskriver den finansiella risken i ett bolag, vilket beror på att en ökad skuldsättning medför ett ökat risktagande för bolaget. Skuldsättningsgraden definieras som förhållandet mellan skulder och eget kapital (Johansson & Runsten, 2005). De kortfristiga skulderna har en löptid på ett år eller mindre medan de långfristiga skulderna ofta har en längre löptid, ofta över ett år (Gavelin & Sjöberg, 2012).

2.2 Påverkande faktorer på kapitalstrukturen

2.2.1 Företagsvärde och lönsamhet

I ett bolags bokslut upprättas en resultaträkning och en balansräkning, där

lönsamhetsmåttet kan utläsas i en kombination av resultat- och balansräkningen samt från absoluta tal i resultaträkningen. Enligt Damodaran (2012) presenteras lönsamheten i procentuella termer i bolagets kapital. I denna studie presenteras två typer av

lönsamhetsmått, relativa mått i form av räntabilitet på eget kapital, förkortat RE, och räntabilitet på totalt kapital, förkortat RT, där relativa mått är mer användbara vid

jämförelse av olika branscher (Andrén, 2015). Räntabilitet på totalt kapital är det mått som används mest vid uträkning av bolagets lönsamhet (Andrén, 2015). Lönsamhet är ett mått

2000; Qiu & La, 2010; Rajan & Zingales, 1994; Öztekin, 2015). Det finns även en studie gjord av Anwar (2012) under åren 2007 – 2011 som visar på ett negativt samband mellan hävstångseffekten och lönsamhet, vilket stämmer överens med Pecking order-teorin. Enligt Öztekin (2015) visar Trade-off-teorin istället ett negativt samband mellan dessa två

variabler.

2.2.2 Företagsstorlek

Rajan och Zingales (1995) undersökte bolag i USA mellan åren 1987–1991 där de ville undersöka hur företagsstorleken påverkar valet av kapitalstruktur. I deras undersökning ingick även icke-finansiella bolag i G7 (sju av världens största industrialiserade ekonomier). Resultatet Rajan och Zingales (1995) kom fram till var att det finns ett positivt samband mellan bolagsstorlek och skuldsättningsgrad på nästan alla undersökta marknader, med undantag från den tyska marknaden som gav ett negativt samband. Enligt Rajan och Zingales (1995) har stora bolag en lägre konkurskostnad, vilket visar att hävstångseffekten har ett positivt samband med företagsstorlek. Även Trade-off teorin förutsätter att stora bolag har lägre procentuella misslyckanden (konkurser) än mindre bolag, teorin menar även att mindre bolag har större konkurskostnader.

2.2.3 Tillväxt

Liow (2010) beskriver betydelsen av tillväxt i kapitalstrukturen som en koppling till lönsamhet och hävstång, och även företagsstorlek. Sambandet grundar sig i hur de stora företagen som ofta är mer lönsamma än mindre företag, bättre gynnas av de positiva effekter som en ökad skuldsättningsgrad leder till. Av detta följer sedan en högre

omsättningstillväxt, både i absoluta tal och i termer av hållbar omsättningstillväxt. Liow (2010) nämner också ROA, som visar hur effektivt ett företag använder sina tillgångar och är förknippat med lönsamhet, och menar att det finns ett positivt samband mellan hög tillväxt och ROA. Gupta (1969) menar också att det finns ett samband mellan lönsamhet och tillväxt, men att detta samband inte alltid behöver vara positivt. Detta kan bero på vilka motiv det finns bakom att göra den investering som innebär en ökad lönsamhet men som inte alltid har som direkt mål att öka sin tillväxt. Detta kan vara exempelvis att förbättra sin marknadsposition. Det positiva sambandet ifrågasätts också av att mindre företag med hög omsättningstillväxt procentuellt sett kommer att ha en större tillväxt även om lönsamheten är låg, medan stora företag med samma procentuellt sett har mindre tillväxt (Gupta, 1969).

2.3 Hävstångseffekten

Hävstångseffekten är en bra indikator för att analysera bolagets kapitalstruktur. Enligt Berk och DeMarzo (2017) är hävstångseffekten det som förklarar sambandet mellan företagets skulder och det egna kapitalet. Hävstångseffekt kan definieras i flera termer och anges

utifrån bokförda värden eller marknadsvärden. Formeln för bokförda värden är vanligast och definieras som totala skulder dividerat med totala tillgångar (Frank & Goyal, 2008). Enligt Kane (1989) kan hävstångseffekten uppges som den ökning av aktiekapitalets avkastning som är en följd av att en investering har finansierats med lån. Själva hävstången kan sen mätas som hur mycket skulder bolaget har, där bolag med mycket skulder har en större hävstång jämfört bolag som har färre skulder. Skuldsättningsgraden är en

påverkande del av hävstångseffekten där ju högre skuldsättningsgraden är desto större andel skulder. Skuldsättningsgraden definieras som företagets skulder dividerat med det egna kapitalet (Damodaran, 2012). Enligt Frank och Goyal (2008) är andra faktorer som påverkar hävstången tillväxt, företagsstorlek, materiella tillgångar, lönsamhet,

medianvärde på skuldsättningsgraden för branschen samt förväntad inflation. Hävstången kan förändras av både inre och yttre omständigheter, som att företaget ställer ut eller gör ett återköp av olika värdepapper eller att aktiepriset förändras (Frank & Goyal, 2008). Enligt Berk och DeMarzo (2017) är andelen skulder något som investerare ofta tar hänsyn till, då mycket skulder betyder högre risk vid investering och det leder till att investerare ställer högre avkastningskrav på bolaget.

2.4 Pecking order-teorin

Det grundläggande antagande som utgör Pecking order-teorin är den ordningsföljd av finansieringsmöjligheter som ett företag föredrar samt beskriver hur ett företag resonerar vid val av finansieringsformer. En av de grundpelarna i teorin som mycket forskning visar består av tanken att företag alltid i första hand väljer att finansiera med internt upparbetat kapital i form av interna fonder (Myers, 1984; Myers & Majluf, 1984). Myers (1984) talar sedan för att Pecking order-teorin innebär att företag i andra hand vill finansiera genom att utöka sin skuld i form av lån. Motiven till detta är främst att företag vill finansiera så säkert som möjligt och undvika de risker som följer av utökning av eget kapital. Dessa risker består främst av de större kostnader som följer vid utökning av det egna kapitalet än vad som är fallet vid utökning av lån (Myers, 1984).

Vidare hävdar även Myers och Majluf (1984) att företag föredrar att finansiera med lån framför att utöka eget kapital genom exempelvis nyemission. Detta grundar sig i en av teorins viktigaste byggstenar, asymmetrisk information. Myers och Majluf (1984) hävdar att den asymmetriska informationen spelar stor roll vid extern finansiering genom utökning av eget kapital, då denna kan påverka priset vid en nyemission. Detta beror på att

investerare agerar rationellt och antar att företaget är för optimistiska i sin värdering. Investerare väljer därför att medvetet sätta ett mindre värde på aktien, som då följs av ett minskat företagsvärde. Denna effekt uppkommer inte på samma sätt vid finansiering med

väljer eget kapital före lån. Enligt Fulghieri et al. (2020) kommer företag som redan har hög andel lån att välja att finansiera med eget kapital oftare än företag som har låg andel lån. Detta beror på att vid en hög andel lån blir det svårare för företaget att få ytterligare lån till en låg risk, vilket tvingar dem att utöka eget kapital.

Även risk är kopplat till Pecking order-teorin. Dierker, Lee och Seo (2019) fann i sin studie att vid en ökad risk föredrog företagen att utöka sitt eget kapital istället för lån, vilket var oförenligt med Pecking order-teorin. När risken sedan minskade föredrog företagen att i linje med teorin istället öka sina lån. Myers (1984) hävdar att företag alltid bör välja att finansiera med riskfyllda lån och andra finansiella instrument framför att utöka eget kapital genom nyemission. Detta leder till antagandet att risk är en avgörande faktor i företagens finansieringsval, trots att den inte bör vara det enligt Pecking order-teorin.

2.5 Trade-off-teorin

Trade-off-teorin är en av de mest grundläggande och välkända teorierna inom kapitalstrukturens område. Teorin framtogs redan på 1970-talet och utgår från att

företagen vill hitta en optimal kapitalstruktur för att maximera företagsvärde. Myers (1984) beskriver sin form av teorin som en avvägning av för- och nackdelar med belåning medan tillgångar och investeringar fortfarande hålls konstanta. Myers (1984) menar också att företagen utför en avvägning av de positiva effekter som kan uppstå av skatteskölden på räntekostnaderna och de kostnader som kan uppstå av konkurs eller finansiell osäkerhet. Även om Trade-off-teorin är logisk på ett teoretiskt plan visar forskning som utförts att den inte alltid fungerar i praktiken. Myers (2001) hävdar i en annan studie att stora företag aldrig utnyttjar skatteskölder på räntekostnader. Detta hade grund i att de stora företagen hade låg andel lån även om de hade möjlighet att utöka den och att detta hade att göra med faktorer som inte påverkas av Trade-off-teorin. Ju, Parrino, Poteshman och Weisbach (2005) menar att Trade-off-teorin inte kan visa ifall företag är underbelånade. Deras modell visade istället en lägre skuldsättningsgrad än vad som var optimalt och de hävdade att detta berodde på företagens möjligheter för refinansiering, alltså att återinvestera. Utifrån detta skulle det gå att konstatera att stora företag, som oftast har bättre lönsamhet och alltså större möjlighet till återinvesteringar, alltid har lägre skuldsättningsgrad än vad som är optimalt enligt Trade-off-teorin.

Skatt är en central del av Trade-off-teorin. Robichek och Myers (1966) beskriver i sin studie grunden till Trade-off-teorin, att en ökad hävstång i form av ökad skuldsättning kan öka företagsvärdet, som grundar sig i den positiva effekt på företagsvärde som uppstår av en skattesköld. Grunden till skatteskölden uppstår av att räntekostnader på lån är avdragsgilla. Utan skatter menar Robichek och Myers (1966) att en ökning av hävstången inte kan öka företagsvärdet och att det i detta fall inte kan finnas en optimal kapitalstruktur, utan denna

effekt kan bara fås när skatt existerar. Det har även betydelse hur stor nivån på skatt är. Abel (2015) hävdar att skatt varken kan vara för låg eller för hög för att Trade-off-teorin ska gälla. Abel (2015) menar att vid för låg skatt kommer standardrisk att överväga positiva effekter av skattesköld och företag kommer bara att låna så mycket de kan utan att ta för mycket risk. Vid för hög skatt kommer istället skatteskölden att överväga risken och därmed kommer företagen låna mer än vad som är optimalt.

Konkurskostnader är enligt Myers (1984) de kostnader som uppstår vid finansiell osäkerhet och består av både legala kostnader av faktisk konkurs och även administrativa kostnader som exempelvis kontraktskostnader. Myers (1984) menar alltså att dessa kostnader kan uppstå oavsett om företaget faktiskt går i konkurs eller inte och att de oavsett

omständigheterna alltid har en påverkan på företagsvärdet enligt Trade-off-teorin. Frågan handlar då främst om hur stor påverkankonkurskostnaderna faktiskt har på företagsvärdet. Ju et al. (2005) uppger i linje med Trade-off-teorin att det finns ett negativt samband mellan konkurskostnader och hävstång, men att denna effekt är relativt liten och har så pass liten påverkan att det inte alltför viktigt att ta hänsyn till. Även om denna effekt är liten så går det ändå att hävda att konkurskostnader är en viktig del av Trade-off-teorin och att företag bör ta hänsyn till dessa vid framtagandet av en optimal kapitalstruktur, även om företaget har en relativt låg nivå på sin hävstång.

2.6 Agentteorin

Agentteorin är en av de mest kända teorierna inom organisationsteori som beskriver relationen mellan ägare och ledning. Enligt Jensen och Meckling (1976) definieras ett agentförhållande som när en eller flera personer, benämnt principalen, upprättar ett kontrakt med en annan person, benämnt agenten, innehållande att denne både får ett åtagande att utföra ett visst arbete samt blir delegerad en del ansvar. Problemet som uppstår av detta är att när båda individer är självmaximerande så kommer inte den åtagande agenten att arbeta för den givande principalens intressen utan endast för sina egna (Jensen & Meckling, 1976). Agentteorin är aktuell inom flera områden som berör relationer inom en organisation, däribland relationen mellan ägare, exempelvis i form av aktieägare, och chefer, mellan majoritetsägare och minoritetsägare av aktiekapital, samt även mellan ägare och borgenärer (Panda & Leepsa, 2017). Därtill kan denna underliggande konflikt även finnas i relationen mellan chefer och företagets anställda. Konflikten mellan aktieägare och företagets chefer uppstår av separationen av ägande och kontroll, som innebär att ägarna förlorar förmågan att styra chefer utifrån sina egna och därmed företagets intressen och mål (Jensen & Meckling, 1976; Panda & Leepsa, 2017). Enligt Panda och Leepsa (2017) kan konflikterna mellan ägare och chefer eller ägare och

skillnader i att majoritetsägarna har överhand vad gäller förmågan att få igenom sina beslut och att ta beslut som är till deras fördel. Utifrån detta går det att konstatera att agentteorin är viktig i sammanhanget där flera personer inom en organisation har förmågan att fatta beslut om och styra en central del av företaget som kapitalstrukturen. Den är även viktig i relationen till externa parter som blir en del av företaget genom kapitalstrukturen, som både aktieägare och finansiella institut som har som syfte att tillföra företaget kapital.

2.7 Signalteorin

Signalteorin, även benämnt kontraktsteorin, upptogs först av Ross (1977) som beskriver den som att när chefer har tillgång till viss information inom företaget så kommer detta att speglas i kapitalstrukturen och därmed sända viss information till marknaden. Detta har sedan en koppling till hur aktiepriset förändras. Enligt Barclay, Smith och Watts (1995) studie finns det ett signifikant, men mycket litet, positivt samband mellan hävstången och oväntade lönsamhetsförändringar, vilket betyder att ju mer hävstången ökar desto större blir lönsamhetsförändringarna och tvärtom. Dessa lönsamhetsförändringar styr sedan hur marknaden värderar företaget, där ökad lönsamhet visar på att företaget var undervärderat och minskad lönsamhet visar på att företaget var övervärderat. Denna koppling stöds också av Baker och Wurgler (2002) som fann ett samband mellan företagens finansiella beslut i form av exempelvis nyemission och företagets historiska börsvärden. Dessa fynd visar på att signalteorin stämmer. Signalteorin kan hjälpa till att förklara hur förändringar i kapitalstrukturen kan styra aktiepriset och därmed företagsvärdet.

3 Metod

I metodkapitlet beskrivs det tillvägagångssätt som har använts för att genomföra studien. Valet av forskningsstrategi och design motiveras och metod för datainsamling, urval och analys beskrivs. Slutligen förs en diskussion kring forskningsetik, kritik av metodvalet samt källor.

3.1 Studiens ansats och forskningsstrategi

Den metodologiska utgångspunkten styrs av och utgår från studiens syfte (Bryman & Bell, 2017). Eftersom denna studie ämnade undersöka hur kapitalstruktur påverkat företagets lönsamhet och företagsvärde under en specifik tidsperiod ansågs en kvantitativ metod lämplig att använda. Med hjälp av en kvantitativ metod är det möjligt att genom olika analyser och modeller upptäcka mönster och trender i hur de använda variablerna

förändrar sig över tiden. Även om studiens resultat kommer visa hur situationen ser ut i sitt specifika sammanhang så ämnade författarna dessutom kunna generalisera denna studies resultat. Resultatet ämnades kunna generaliseras till de studerade branscherna i stort för att få en bild av hur påverkande faktorer för kapitalstrukturen ser ut i just dessa branscher, vilket en kvantitativ metod möjliggör. Enligt Håkansson (2013) är det den deduktiva ansatsen som används vid kvantitativa studier. I en deduktiv ansats är teorin

utgångspunkten där slutsatser nås utifrån givna antaganden och innebär att testa teorier för att kunna pröva en hypotes som sann eller falsk (Håkansson, 2013). Författarna har genom studier av tidigare forskning och dess resultat fått en bild av de samband som forskningen frambringat och som sedan resulterat i att bli erkänd teori inom ämnet kapitalstruktur. En kvalitativ metod skulle i detta fall kunna möjliggöra en djupare förståelse för orsakerna kring de studerade sambanden och dess variabler. I en kvalitativ metod används induktiv ansats som går ut på att skapa teorier utifrån de alternativa förklaringar som upptäckts genom observationer (Håkansson, 2013). Eftersom författarnas syfte med denna studie var att få fram ett resultat som skulle kunna ge en generaliserad bild av de studerade

branscherna lämpade sig en kvantitativ metod mer väl än en kvalitativ metod för att få fram signifikanta resultat.

3.2 Litteratursökning

Med hjälp av databaser som Unisearch, Scopus och Google Scholar inhämtade författarna artiklar angående ämnet för att kunna referera till som tidigare forskning samt för att kunna tillgodogöra sig en så bred kunskap som möjligt. Artiklarna var uteslutande

vetenskapliga artiklar från välkända vetenskapliga tidskrifter inom ekonomi, som Journal of Financial Economics och The American Economic Review. Sökord som användes var

tidskrifter har hög trovärdighet då de granskas genom peer review innan publicering, vilket gör dem lämpliga att använda. Författarna försökte att samla in artiklar från olika

geografiska områden, däribland Europa, USA och Kina, för att undvika att kunskapen inte enbart inriktas mot områdesspecifika marknadsförhållanden. Förutom artiklar inhämtade författarna grundläggande kunskap utifrån olika välkända läroböcker inom ekonomi. Syftet för detta är att komplettera den kunskap som tillgodogjorts av artiklar samt även för att kunna använda läroböckerna som stöd till artiklarna. Till viss del använde sig författarna av olika webbsidor för insamling av information som uteslutande bestod av webbsidor av svenska myndigheter som bör ses som mycket trovärdiga källor och som författarna därför ansåg vara mycket tillförlitlig information att använda. Litteraturen i denna studie bestod även av rapporter från svenska myndigheter som också sågs som tillförlitligt material. Efter att sökandet av artiklar slutförts gjordes en sammanställning för att få en god överblick av vilka författare som hävdar vad och vilka samband som tagits fram i tidigare forskning. Ett visst bortfall har i samband med detta skett utifrån artiklarnas kvalitet och relevans för studien.

3.3 Datainsamling

Materialet hämtades från databasen Retriever Business som tillhandahåller

årsredovisningar från svenska bolag (Retriever, u.å.a). Retriever Business hämtar sin data direkt från Bolagsverket (Retriever, u.å.b). Retriever Business är en sekundärkälla som möjliggör att analysera en större mängd data. Det är mer tidskrävande att inhämta data från varje enskilt bolag och därav är Retriever Business ett bra komplement till

primärkällan. Accessen till Retriever Business kunde fås via Linköpings Universitets databaser. Genom inhämtning av denna data kunde de nyckeltal som behövdes för att genomföra undersökningen beräknas. Rensning av de bortfall av data som uppkom under studiens gång genomfördes i Microsoft Excel. Finansiella data som hämtats är beräknade på årsbasis och är redovisade i svenska kronor.

3.4 Genomförande

Författarna började med att ladda ner data, bestående av de finansiella posterna, från Retriever Business till Microsoft Excel. Detta skedde separat för respektive bransch. Utifrån de finansiella posterna beräknades de olika nyckeltalen som är de som utgör variablerna som studien ämnade undersöka. Därefter började författarna med bearbetning av datamaterialet bestående av hantering av extremvärden samt justering av värdena i nyckeltalen, till exempel att tillväxt sattes till värde 0 för år 2012. Vid hantering av extremvärden användes boxplots för att identifiera outliers. Författarna valde dock att inkludera outliers för att antalet observationer inte skulle minska alltför mycket. Efterföljande moment bestod av att börja med regressionskörningarna.

Regressionskörningarna gjordes i statistikprogrammet Eviews. Författarna började med att undersöka fastighetsbranschen. Först togs deskriptiv statistik och korrelationsmatris fram. För att kunna utföra de tester som skulle genomföras för regressionerna togs en regression fram med en beroende variabel, till att börja med skuldsättningsgrad, tillsammans med alla resterande variabler som oberoende variabler. Därefter gjordes VIF-test, test för

heteroskedasticitet samt Hausman-test. Hausman-testet visade att fixed effect-regressionsanalyser var lämpligast för att analysera datamaterialet, vilket var det som användes för samtliga regressioner för fastighetsbranschen. Därefter gjordes resterande regressionskörningar med skuldandel, Re respektive Rt som beroende variabler.

Ovanstående procedur upprepades sedan för byggbranschen, dock med skillnaden att Hausman-testet istället visade att random effect-regressionsanalyser var ett lämpligare alternativ att använda istället för fixed effect-regressionsanalyser. Samtliga regressioner i byggbranschen utfördes därför med random effect-regressionsanalyser.

3.5 Urval

3.5.1 Tidsperiod

Denna studies syfte innebar att undersöka hur förändringar sett ut under en viss tidsperiod, i detta fall åren 2012–2020. Denna tidsperiod valdes då Sverige anses ha varit i en

högkonjunktur med en hög BNP-tillväxt från början på denna period till runt slutet på år 2019 eller början på år 2020 då Covid-19-pandemin fick sitt utbrott. Valet av denna tidsperiod grundade sig också i att få en insikt i en process när det gäller hur

kapitalstrukturen påverkar lönsamheten i en sådan situation och vad detta berott på. Efter problem med insamling av data från år 2020, ändrades studiens tidsperiod till år 2012– 2019.

3.5.2 Val av företag

Den bransch som undersöktes i denna studie var begränsat till företag inom fastighets- samt byggbranschen. Den generella definitionen för ett fastighetsbolag är ett företag som har som sin huvudverksamhet att äga och/eller förvalta fastigheter. Definitionen för ett byggbolag är ett företag som har som huvudverksamhet att utföra byggtjänster, däribland uppföra fastigheter. Detta kan ske i egen regi eller genom att överlåta byggnationen till en entreprenör genom entreprenadavtal. Inom denna studie användes endast företag som är noterade på aktiemarknaden. Detta för att det skulle underlätta inhämtandet av data.

3.5.3 Selektering i databasen

registrerade under Retriever Business kategorisering av dessa två branscher, benämnt Fastighetsverksamhet respektive Bygg-, design- och inredningsverksamhet. Endast noterade företag inkluderades i urvalet. Författarna valde utöver detta att inkludera ytterligare två företag i urvalet, Skanska Sverige AB samt NCC Sverige AB. Detta beslut grundades i att Skanska Sverige AB och NCC Sverige AB är två av Sveriges största

byggbolag och författarna ansåg därför att det var av vikt att de inkluderades i urvalet. Med grund i Retriever Business klassificering av företagen kom inte dessa två företag med i det grundläggande urvalet och därför valde författarna att göra denna finjustering av urvalet. På detta sätt fick författarna fram totalt 46 företag i kategorin Fastighetsverksamhet och 50 företag i kategorin Bygg-, design- och inredningsverksamhet i sökningen. Eftersom

Retriever Business använder en egen kategorisering av branscherna vid val av branscher var författarna tvungna att utföra olika bortfall av företag som inte klassificerades som ett fastighets- respektive byggbolag enligt denna studies definition. Detta finns beskrivet i avsnitt 3.5.4 om bortfall. Författarna beslutade även att endast företag som har funnits på marknaden under hela den studerade tidsperioden skulle användas i denna studie vilket även det resulterade i ett visst bortfall, beskrivet i avsnittet 3.5.4 om bortfall.

3.5.4 Bortfall

Bortfall som uppkom vid datainsamling visas i tabell 3:1 samt tabell 3:2. Bortfallet representerar de bortfall som skett på grund av att företaget ej har funnits på marknaden under hela den studerade tidsperioden eller att företaget faktiskt visade sig vara onoterat istället för noterat. Bortfallet inkluderar också det urval som författarna gjorde utifrån om företaget kunde anses som relevant att kategorisera som ett fastighets- respektive

byggbolag eller inte utifrån det urval som erhållits från Retriever Business kategorisering. Detta bortfall gjorde författarna utifrån en egen bedömning av företagens respektive inriktning.

Tabell 3:1 Sammanfattning av bortfall för fastighetsbranschen

Bortfall: Fastighetsbranschen

Initialt antal företag 46

Ej funnits sedan år 2012/onoterat företag 19

Tabell 3:2 Sammanfattning av bortfall för byggbranschen

Bortfall: Byggbranschen

Initialt antal företag 50

Ej funnits sedan år 2012/onoterat företag 4

Annan bransch 14

Antal företag efter bortfall 32

3.5.5 Dataset 1 och 2

Då denna studie ämnade att studera både faktorer som påverkar kapitalstrukturen och hur kapitalstrukturen påverkade lönsamheten och företagsvärdet delades data upp i två olika delar. Detta för att underlätta analysen av det framtagna resultatet. Studien utfördes genom att data delades upp i Dataset 1 och 2. Dataset 1 innehöll de variabler och syftade att

undersöka olika påverkande faktorer på kapitalstrukturen och Dataset 2 syftade på att undersöka hur utvalda variabler av kapitalstrukturen har för påverkan på lönsamheten. Detta gör att i regressionsanalysen skiftade den beroende variabeln beroende på dataset. Eftersom Dataset 1 syftade att analysera kapitalstrukturen var den beroende variabeln i detta dataset skuldsättningsgraden eller skuldandelen som är de mått som avgör

hävstångens storlek, vilket är det som i huvudsak styr kapitalstrukturen. I Dataset 2 var den beroende variabeln de två lönsamhetsmåtten som valts ut i denna studie. Då lönsamheten har en inverkan på företagsvärde är lönsamhetsmåtten lämpliga för att även kunna analysera företagsvärde inom Dataset 2.

3.6 Variabler

Studien syftade till att analysera sju oberoende variabler som jämfördes mot den beroende variabeln. Dessa variabler användes för att genomföra studiens regressionsanalyser. Variablerna valdes utifrån den teori och empiri som tagits fram kring kapitalstrukturen. Då olika studier kan definiera mått på olika sätt och de studier som tagits upp i den teoretiska referensramen kan skilja sig mellan varandra och även från denna studie, så gjorde författarna ett urval över vilken definition som var relevant att använda för denna studie.

3.6.1 Lönsamhet

Då denna studie ämnade att undersöka kapitalstrukturens effekt på lönsamheten användes olika lönsamhetsmått. Vanligt förekommande mått är räntabilitet på totalt kapital, RT, och räntabilitet på eget kapital, RE. Dessa mått har använts inom många studier kring

hävstången. Liow (2010) hade också lönsamhet som en påverkande variabel för att mäta den finansiella prestationen hos noterade fastighetsbolag och använde också räntabilitet på totalt kapital som mått på lönsamhet. Både Liu och Ji (2010) och Wu och Liu (2011)

använde räntabilitet på eget kapital som lönsamhetsmått i sina studier av kapitalstrukturen och dess effekt på lönsamhet på fastighetsbolag i Kina. Formler för lönsamhetsmåtten definieras som följande och utgår från årets resultat efter skatt:

𝑅ä𝑛𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑒𝑡 𝑝å 𝑒𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 = Å𝑟𝑒𝑡𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑡 𝐸𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙

Formel 3 Räntabilitet på eget kapital

𝑅ä𝑛𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑒𝑡 𝑝å 𝑡𝑜𝑡𝑎𝑙𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 = Å𝑟𝑒𝑡𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑡 𝑇𝑜𝑡𝑎𝑙𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙

Formel 4 Räntabilitet på totalt kapital

3.6.2 Skulder

Modigliani och Miller (1963) menar att skuldsättningsgraden (SKG) är positivt korrelerad med företagsvärdet och är en del av deras Proposition II där den är kopplat till det egna kapitalet. Det är också ett mått som ofta använts i studier kring kapitalstrukturen för att beräkna den finansiella eller operativa risken. Skuldsättningsgraden kan anta ett negativt värde när företagets skulder blir för höga eller om företaget tvingas att skriva av sina tillgångar (Brealey, Myers & Marcus, 2012). Följande formel användes:

𝑆𝑘𝑢𝑙𝑑𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔𝑠𝑔𝑟𝑎𝑑 =𝑇𝑜𝑡𝑎𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑒𝑟 𝐸𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙

Formel 5 Skuldsättningsgrad

Hävstångseffekten kan beräknas på många olika sätt. Öztekin (2015) valde att i sin studie använda skuldandelen (SKA) istället för skuldsättningsgraden för att definiera hävstången och beräknar denna som totala skulder dividerat med totala tillgångar och detta är det som brukar definieras som den finansiella hävstången. Qiu och La (2010) använde sig istället endast av långfristiga skulder i relation till de totala tillgångarna. Skuldandelen kan till skillnad från skuldsättningsgraden aldrig anta ett negativt värde i och med att skulder och tillgångar aldrig kan bli negativa (Brealey et al., 2012). Författarna till denna studie ämnade att använda skuldandelen som ett komplement till skuldsättningsgrad för att kunna

undersöka hävstångseffekten och därmed kapitalstrukturen ur olika perspektiv. I studien användes följande formel:

𝑆𝑘𝑢𝑙𝑑𝑎𝑛𝑑𝑒𝑙 =𝑇𝑜𝑡𝑎𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑒𝑟 𝑇𝑜𝑡𝑎𝑙𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 Formel 6 Skuldandel (3) (4) (5) (6)

3.6.3 Företagsstorlek

Företagsstorlek som en påverkande faktor på kapitalstrukturen erkänns av flertal studier och är en mycket vanligt förekommande variabel (Westgaard et al., 2008; Liow, 2010; Liu & Ji, 2010; Liang et al., 2014). Liu och Ji (2010) och Choi et al. (2014) använde i sina studier inom fastighetsbolag respektive byggbolag formeln den naturliga logaritmen av totala tillgångar för att definiera företagsstorleken vilket är en vanligt förekommande variant. Westgaard et al. (2008) använde istället definitionen att företagsstorlek kan beräknas som den naturliga logaritmen av omsättningen. Denna studie beräknade företagsstorleken, som hädanefter kommer att benämnas som storlek, utifrån totala tillgångar genom följande formel:

𝑆𝑡𝑜𝑟𝑙𝑒𝑘 = 𝐿𝑁(𝑇𝑜𝑡𝑎𝑙𝑎 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟)

Formel 7 Storlek, logaritmerad

3.6.4 Tillväxt

Liow (2010) benämner tillväxtens koppling till kapitalstrukturen genom att det påverkar både hävstången och lönsamheten i form av ROA, där högre tillväxt är positivt korrelerad med lönsamhet. Liow (2010) har i sin studie beräknat årlig tillväxt av totala tillgångar. Även Gupta (1969) beräknade tillväxt genom den årliga genomsnittliga omsättningstillväxten vilket är den definition av tillväxt som denna studie använde utifrån följande formel:

𝑇𝑖𝑙𝑙𝑣ä𝑥𝑡 =(𝑂𝑚𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔𝑡− 𝑂𝑚𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔𝑡−1) 𝑂𝑚𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔𝑡−1

Formel 8 Tillväxt

3.6.5 Risk

Qiu och La (2010) hävdar utifrån sin studie att företag som är utsatta för mycket risk har lättare att påverkas av finansiell osäkerhet och har svårare att göra nya investeringar. Det finns ett negativt samband mellan risk och skuldsättningsgrad (Qiu & La, 2010). Dessa påståenden går i linje med Trade-off-teorin där risken spelar en stor roll för att kunna gynnas av skatteskölder. Som tidigare nämnt påverkar skuldsättningsgraden företagsvärdet i positiv riktning. Hävstångsformeln är ett sätt att beräkna företagets totala risk, som inkluderar både operativ och finansiell risk. Den operativa risken tar endast hänsyn till företagets egen risk till skillnad från den finansiella risken som även inkluderar

marknadens risker. Räntabilitet på totalt kapital, RT, definierar den operativa risken och skuldsättningsgraden definierar den finansiella risken i hävstångsformeln. Formeln härleder hur en ökad skuldsättningsgrad kan öka avkastningen på eget kapital givet att avkastningen på totalt kapital är större än skuldräntan. Skulle skuldräntan överstiga

(7)

har även blivit erkänd genom Sven-Erik Johansson, professor på Handelshögskolan i Stockholm, som gjorde den mer välkänd inom Sverige. Formeln definieras enligt följande:

𝑅𝐸 = 𝑅𝑇+ (𝑅𝑇− 𝑅𝑆)

𝑆 𝐸𝐾

Formel 9 Företagets totala risk uttryckt genom Re

RE = Räntabilitet på eget kapital

RT = Räntabilitet på totalt kapital

RS = Skuldränta

S = Skulder EK = Eget kapital

3.7 Datahantering

3.7.1 Deskriptiv statistik

För att beskriva och sammanfatta insamlade data tas den deskriptiva statistiken fram. Vid användning av en statistisk analys är det bra att börja med grunden, den deskriptiva statistiken beskrivs som en grundpelare. Detta är första steget och brukar ligga till grund för det framtida arbetet, analysen är en inledande genomgång och beskrivning till

undersökningens data. Det finns tre typer av mått, vilka är centralmått, spridningsmått och fördelningsmått (Djurfeldt, Larsson & Stjärnhagen, 2010). Författarna valde att till denna undersökning studera medelvärde, median, standardavvikelse, skevhet och kurtosis. Det är undervärden till de tre kontinuerliga variablerna.

3.7.2 Hantering av extremvärden

Vid hantering av stora mängder data finns alltid risken för extremvärden, värden som antingen är felaktiga eller som har blivit fel vid inmatningen av värdena (Wahlin, 2015). Effekten på undersökningens paneldata kan bli extrema om felvärdena inte korrigeras eller plockas bort. Det finns inga tydliga modeller eller metoder för hantering av extremvärden, forskare brukar hantera extremvärdena olika. Det är alltså upp till författarna själva att bestämma hur extremvärden ska hanteras. För att enklast hantera extremvärden använder Wahlin (2015) sig av en boxplot, där värdena utanför maximum- och minimumpunkterna kan ses som extremvärden. Författarna i denna studie valde att titta på extremvärdena i den deskriptiva statistiken, men valde att inte ta bort några extremvärden. Författarna tog inte bort några extremvärden eftersom de ansåg att det hade resulterat i för få

observationer.

3.7.3 Fixed effects och Random effects

En blandad effektmodell (fixed effect model) innehåller både fasta och slumpmässiga effekter. Modellen är användbar vid användning av upprepade mätningar på samma statiska enheter, även användbar vid mätning av kluster (Gardiner, 2009). En slumpmässig statistisk effektmodell (random effect model) används när modellparametrarna är

slumpmässiga variabler. Det är en hierarkisk linjär modell, vilket används vid analys av paneldata där inga fasta effekter antas (Gardiner, 2009). De flesta paneldata görs genom en One-Way Error Component Model genom formeln (Baltagi, 2005):

𝑢𝑖𝑡 = μ𝑖 + ν𝑖𝑡

Formel 10 One-Way Error Component Model, sammansatt slumpterm

uit = Sammansatt slumpterm

µi = Den obemärkta individ-specifika effekten

vit = Den återstående störningen

Baltagi (2005) hävdar att vid användning av en fixed effect model är den individ-specifika effekten, i, fast, den återstående störningen, it, är slumpmässig och oberoende och Xit är oberoende av it för alla i och t. I en random effect model är den individ-specifika effekten, i, istället slumpmässig och är även oberoende av den återstående störningen, it. Xit är då oberoende av både i och it för alla i och t. Baltagi (2005) använder följande formel för både fixed-och random effects model:

𝑌𝑖𝑡= 𝛼𝑖+ 𝛽𝑖𝑋𝑖𝑡+ 𝑢𝑖𝑡

Formel 11 Formel för Fixed- och Random Effects Model

Y = Beroende variabel α = Konstant ß = Lutningskoefficient X = Oberoende variabel i = Observerade företag t = Tidsperiod uit = Sammansatt slumpterm

Enligt Gardiner (2009) används ett Hausman specifikationstest för att utvärdera vilken effektmodell som är bäst anpassad för datamaterialet, antingen en blandad effektmodell eller en slumpmässig effektmodell. Formeln för Hausman-testet är uppbyggd så att om medelvärdet för de individ-specifika effekterna, αi, är beroende av de oberoende

(10)

tillämpade detta test för att skatta vilken regressionsmodell som skulle användas.

Hausman-testet utgår från att nollhypotesen innebär att variablerna inte är korrelerade och att mothypotesen innebär att variablerna är korrelerade (Baltagi, 2005). Om nollhypotesen kan förkastas antar regressionen en blandad effektmodell (fixed effect model) (Greene, 2008). Testet utgick från en 5 % signifikansnivå. Hypoteserna formuleras:

𝐻0: 𝐾𝑜𝑟𝑟(𝛼𝑖, 𝑋𝑖𝑡) = 0 Formel 12 Hausman-test, nollhypotes

𝐻𝐴: 𝐾𝑜𝑟𝑟(𝛼𝑖, 𝑋𝑖𝑡) ≠ 0

Formel 13 Hausman-test, alternativ hypotes

α = Individspecifik effekt X = Oberoende variabel i = Observerade företag t = Tidsperiod

3.7.4 Paneldata

Baltagi (2005) nämner ett antal fördelar med att använda paneldata. En av aspekterna som lyfts fram är att användning av paneldata kontrollerar för individuell heterogenitet, medan tvärsnitts- eller tidsseriedata inte kontrollerar för heterogenitet på samma sätt. Vidare skriver Baltagi (2005) om att paneldata presenterar en mer informativ data, mindre kollinearitet bland variablerna, mer variation samt mer effektivitet. Paneldata kan enklare identifiera och mäta effekter som inte kan detekteras i ren tidsserie- eller rena

tvärsnittsdata (Baltagi, 2005). Författarna hämtade sin paneldata från Retriever Business, sammanställt deras data i Microsoft Excel, samt använt det statistiska programmet Eviews för de statistiska analyserna. Fekjær (2016) menar att det är bra att skilja på långa och korta paneldata, där han beskriver att långa paneldata är när till exempel tidsperioden som undersöks är längre än mängden observationer, alltså bolag i denna studie. Kort paneldata är det som används i denna studie, när antalet observationer är fler än mängden

tidsperioder (Fekjær, 2016).

3.8 Regressionsmodellen och dess antaganden

3.8.1 Utformning av regressionsmodellen

Enligt Djurfeldt & Barmark (2009) används en paneldataregression när författarna med säkerhet inte kan veta om förklaringsfaktorerna påverkar det vi vill förklara eller motsatsen. X är förklaringsfaktorn och Y är den variabeln som ska förklaras. I den här undersökningen varierar detta beroende på om det är dataset 1 eller 2. Djurfeldt & Barmark (2009)

diskuterar vidare att en analys som använder sig av en vanlig tvärsnittsregression skulle (12)