Samband mellan kapitalstruktur och
lönsamhet i medelstora företag
En kvantitativ studie på svenska företag
Författare: Anton Dahl 950518 Abebe Kassa 741115 Oscar Widegren 970313
VT 2019
Företagsekonomi, kandidatuppsats 15hp Ämne: Företagsekonomi
Handelshögskolan vid Örebro universitet Handledare: Madelen Lagin
Abstract
Several theories are proposed to explain companies financing decisions in determining their debt levels to maximize their profitability. Accordingly, the aim of this study was to determine relationship between financial leverage and profitability which is measured in return on assets (ROA) and return on equity (ROE). Trade-off theory and pecking order theory was used to set up a theoretical framework. To achieve the aim, average values of the period 2015-2017 was gathered for 784 medium-size companies in Sweden from Retriever Business. Company size and growth was included as control variables.
Descriptive statistics, Pearson correlation and multiple regression analysis was used to analyze relationships between dependent variables ROA and ROE with independent variables financial leverage, divided in to total, short-term, and long-term; company size and growth. The results showed that total- and long-term financial leverage affects significantly and negatively both ROA and ROE. However, profitability doesn’t not respond to short-term financial leverage, company size and growth. The finding indicates that higher financial leverage minimizes companies profitability which means that companies tend to use own equity and retained earnings as their main source of financing to maximize their profits. The finding is consistent with pecking-order theory.
Key words: Capital structure, trade-off theory, pecking order theory, financial leverage, profitability
Innehållsförteckning
1 Inledning... 1 1.1 Bakgrund ... 1 1.2 Problematisering ... 2 1.3 Problemformulering... 4 1.4 Syfte ... 4 1.5 Bidrag ... 4 2 Referensram ... 6 2.1 Teoretisk referensram ... 6 2.1.1 Baserna i kapitalstruktur... 6 2.1.2 Trade-off-teorin ... 7 2.1.2.2 Konkurskostnader ... 8 2.1.2.3 Agentkostnader/kreditkostnader ... 9 2.1.3 Pecking-order-teorin... 102.2 Mått på kapitalstruktur och lönsamhet ... 12
2.2.1 Kapitalstruktur ... 12
2.2.2 Lönsamhet ... 13
2.3 Samband mellan kapitalstruktur och lönsamhet ... 16
3 Metod ... 18 3.1 Urval ... 18 3.1.1 Urval av studielitteratur ... 18 3.1.2 Urval av studieobjekt ... 18 3.2 Datainsamlingsmetod ... 19 3.3 Analysmetod ... 20 3.4 Analysmodell ... 21 3.4.1 Variabler ... 21
3.4.3 Modellen... 23
3.5 Studiens trovärdighet och pålitlighet ... 25
4 Resultat ... 26
4.1 Deskriptiv statistik ... 26
4.2 Korrelationsanalys ... 27
5 Analys... 30
5.1 Inledning ... 30
5.2 Total finansiell skuldsättning... 30
5.3 Kortfristig finansiell skuldsättning ... 32
5.4 Långfristig finansiell skuldsättning ... 33
5.5 Förkastning av hypoteser ... 34
6 Diskussioner och slutsats ... 36
6.1 Slutsats ... 36
6.2 Diskussion ... 37
7 Referenser... 39
Tabeller
Tabell 1 Tidigare studier i Sverige mått av lönsamhet och kapitalstruktur... 16
Tabell 2 Beskrivande statistik ... 26
Tabell 3 korrelationskoefficient ... 28
Tabell 4 Regressionsmodell total finansiell skuldsättning på ROA och ROE ... 31
Tabell 5 Regressionsmodell kortfristig finansiell skuldsättning på ROA/ROE ... 32
Tabell 6 Regressionsmodell långfristig finansiell skuldsättning på ROA och ROE ... 34
1
1 Inledning
Detta kapitel används för att presentera ämnet som forskningen kommer fokuserar på. Upplägget startar genom en generell diskussion om värdet av kapitalstruktur för företag och går sedan igenom en mer konkret förklaring av uttrycken. Detta följs upp av en problematisering som leder till syftet och bidraget av uppsatsen.
1.1 Bakgrund
Företag behöver kapital för att driva sin dagliga verksamhet och behöver investeringar för att skapa tillväxt (Andrén, Eriksson & Hansson 2015). Dessa kapitalbehov kan finansieras genom interna medel som skapade vinstmedel, eller externa som kapitalmarknader vilka medför olika kostnader beroende på deras motsvarande risker. Kapitalmarknader består av valutamarknaden och värdepappersmarknaden som inkluderar aktie- och kreditmarknaden (Andrén, Eriksson & Hansson 2015). Om företag vill ha kapital för investeringar behöver de bestämma vilken typ och i vilken kombination de skaffar kapital för att maximera sitt resultat (Barclay & Smith 2005; Berk & DeMarzo 2014). Men det finns fortfarande inget tydligt gemensamt svar på vilken mix av skulder och eget kapital företag ska använda vid finansiering som leder till att marknadsvärdet maximeras (Baker & Martin 2011).
Således är det detta problem som den pågående debatten inom kapitalstrukturteori handlar om. Ska företag ha den största delen av sitt kapital finansierat genom lån eller är det bättre att ha ett så stort eget kapital som möjligt i förhållande till skulder om målet är att vinstmaximera? Kan företag som har tillräckligt eget kapital dra nytta av att finansiera sina investeringar genom att ta lån? Intuitivt kan någon ifrågasätta behovet av lånet om företag har tillräckligt med egna medel. Men finns det i praktiken omständigheter som gör att företagen kan dra nytta av att ta lån snarare än att använda egna kapital? Förklaringar till denna typ av frågor och förslag på bästa möjliga alternativ att finansiera en investering samt att maximera företagets värde är huvudintresse för kapitalstrukturstudier (Myers 1993). Kapitalstruktur innebär den mix av skuld och eget kapital ett företag använder sig av för att finansiera sina dagliga verksamheter och investeringar (Myers
2
1984). Denna studie försöker således se till vilken påverkan en viss kapitalstruktur, i det här fallet finansiell skuldsättningsgrad, har på lönsamheten i företag.
1.2 Problematisering
Teorier och empiriska resultat rörande studier för kapitalstrukturen blir värdefulla verktyg när ett företag ska utvärdera sin finansieringsmix och lägga upp ett optimalt upplägg för hur kommande finansiering ska ske. Men det finns en pågående debatt om hur företag fattar beslut om sin kapitalstruktur och hur det påverkar deras marknadsvärde både på en teoretisk respektive empirisk nivå. Teoretiskt fokuserar debatten på vad för teori som förklarar kapitalstrukturen och dess effekter bättre.
De två mest använda och vad det verkar som, konkurrende teorierna i kapitalstruktur är trade-off-teorin och pecking-order-trade-off-teorin. Trade-off utgår från att det finns en optimal uppdelning mellan skuld och eget kapital som maximerar företagets aktievärde och betonar vikten av konkurskostnader (Kraus & Litzenberger 1973). Pecking-order utgår istället från att det finns en rangordning som inkluderar företagets interna och externa finansieringsmedel och fokuserar på informationskostnader (Myers 1976). Barclay & Smith (2005) bl.a. avvisar valet mellan de två teorierna som en typ av skendikotomi och antar att de kompletterar varandra. De antyder att kostnaderna i båda teorierna spelar stor roll för att bestämma företagets optimala kapitalstruktur, vilket är en punkt där företaget maximerar sitt marknadsvärde. Vidare finns det ett växande antal teorier som lyfter fram specifika problem så som frikassaflöde, agentkostnadsteori, och marknadstiming-teori, för att nämna några av dem (Bessler, Drobetz & Kazemieh 2011; Muradoglu & Sivaprasad 2011).
Empiriska studier som undersöker sambandet mellan kapitalstruktur och lönsamhet genomförs av olika syften. Majoriteten av studier syftar främst till att fastställa vilka faktorer som påverkar kapitalstrukturen (Panno 2003; Natalia Mokhova & Marek Zinecker 2013, 2013; Psillaki & Daskalakis 2009). Det finns också studier som genomförts för att studera effekterna av kapitalstrukturen på lönsamheten (Abor 2005; Gill, Biger & Mathur 2011; Yazdanfar & Öhman 2015). Men oavsett vilket syfte som studierna utgår från kunde deras resultat inte ge ett slutgiltigt svar på relationen mellan skuldsättning och lönsamhet.
3
Å ena sidan hittar Panno (2003) ett positivt samband mellan långsiktig skuldsättningsgrad och lönsamhet som mäts med vinst före skatt av total försäljning på italienska och brittiska marknader. Dessutom har Gill (2011) kommit fram till ett positivt samband mellan olika typer av skuldsättningsgrader och lönsamhet i USA. Å andra sidan visar Daszynska-Zygadlo, Szpulak & Szpulak (2012), Daskalakis & Psillaki (2008) och Natalia Mokhova & Marek Zinecker (2013) resultat ett negativt samband bland sina respektive studerade marknader.
Studier som introducerar dynamiska effekter, såsom (Danis, Rettl & Whited 2014) ger resultat som visar på att sambandet varierar beroende på hur nära företag är till deras optimala skuldnivå eller inte. Sambandet är positivt när företagen ligger nära den optimal skuldnivån, vilket är en punkt där företagets aktievärde blir maximerat och vid andra tillfällen visas ett negativt samband. Dessutom testade (Labba & Östholm 2013) pecking-order och dynamisk trade-off-teorin på två branscher mjukvaru- och gruvindustrin i Kanada och deras resultat var signifikanta endast för mjukvaran i dynamiska trade-off-teorin.
I landspecifika studier, t.ex. som i Sverige, visas också blandande resultat för sambandet mellan lönsamhet och kapitalstruktur. Karell – Holmgren & Mirza (2009) och Edgren & Käkönen (2018) som syftar till att studera kapitalstrukturens effekter genom genomsnittlig soliditet på lönsamhetsmåttet ROE och fann ett negativt men icke-signifikant samband. Karell – Holmgren & Mirza analyserar de 20 största företagen på Stockholmsbörsen genom att använda genomsnittliga summan av fem års data. Edgren & Käkönen tar ett steg längre och varierar utformningen av sin studie genom att inkludera fler mått både för lönsamhet som ROA och ROE och kapitalstrukturmått som kort-, lång- och total genomsnittlig skuldsättningsgrad. De analyserar 122 medelstora företag med ett års data. Till skillnad från detta syftar Svärd & Svärd (2013) till att studera lönsamhetens effekter på skuldsättningsgrad. De har analyserat 46 företag och fann ett negativt samband. Ovanstående studier har analyserat främst tvärsnittsdata som fångar kapitalstrukturens olikheter bland företag eller branscher vid en viss tidpunkt eller aggregerat flera års data till ett enda genomsnittsvärde. En omfattande studie som analyserar nära 16 000 småföretag som inte är noterade på Stockholmbörsen och som täcker fem branscher över fyra år genomfördes av Yazdanfar & Öhman (2015). De fann ett negativ samband mellan skuldsättningsgrad och lönsamhet.
4
Yazdanfar & Öhman (2015) påpekade att det empiriska resultatet på sambandet mellan kapitalstruktur och lönsamhet inte är entydiga och ger möjliga skäl som användning av olika definitionen av kapitalstrukturer och olika mått för lönsamhet. Vidare spekulerar Wolk, Dodd & Rozycki (2012) att skillnaden i resultat av empiriska studier i kapitalstrukturstudier kan delvis bero på hur man mäter kapitalstruktur. Welch (2011) medger att definitionen och användningen av mått för kapitalstruktur är ett av de två problemen i kapitalstrukturstudier och går vidare genom att föreslå möjliga alternativa mått och uppmanar till mer uppmärksamhet vid användning av mått i kapitalstrukturstudierna. Därför försöker denna uppsats att komplettera tidigare studie genom att anta Welchs förslag vid val av kapitalstrukturmått samt granska för förbättrat lönsamhetsmått vid undersökandet av förhållandet mellan kapitalstruktur och lönsamhet.
1.3 Problemformulering
Utifrån problematiseringen ovanför har vi kommit fram till två frågeställningar som ska besvaras.
Hur ser sambandet mellan lönsamhet och skuldsättningsgrad ut?
Kan sambandet förklaras genom trade-off-teori eller pecking-order-teori?
1.4 Syfte
Vårt syfte är att genom en kvantitativ undersökning analysera sambandet mellan skuldsättningsgrad och lönsamhet. Resultaten samt valet av mått för skuldsättningsgrad och lönsamhet varierar i tidigare studier, därav har den här studien valt att justera måtten för skuldsättningsgraden och lönsamhet för att se hur det påverkar resultatet.
1.5 Bidrag
Trots den tidigare debatten om resultat och teorier kan värdet av att göra mer empiriska studier ifrågasättas, då det redan existerar omfattande studier med liknande metoder. När Inanga & Schneider (2005) diskuterar bidrag av att göra en vetenskaplig undersökning ifrågasätter de bidrag från replikerande undersökningar, vilket de understryker är karaktären för majoriteten av undersökningarna. Men Inanga & Schneider (2005) accepterar att replikerande undersökningarna fungerar som logiska bevis eller empirisk verifiering till befintlig kunskap genom att göra resultaten användbara för allmänheten eftersom de befriar från forskares personliga fördomar.
5
Denna uppsats försöker lägga till ytterliga bevis till befintliga studier, särskilt genom att välja bättre mått för kapitalstruktur och lönsamhet. Genomförandet av denna uppsats kommer bidra med en variation av tidigare gjorda studier och därav en utökning av kunskapsbaser.
6
2 Referensram
Referensramen inleder med förklaring av den grundläggande teoretiska basen av kapitalstruktur och mynnar därefter ut till trade-off och pecking-order-teorierna. Sedan förklaras och diskuteras mått på kapitalstruktur och lönsamhet som används vid senare test.
2.1 Teoretisk referensram
2.1.1 Baserna i kapitalstruktur
Flera författare har bidragit med en del av idé till kapitalstrukturteori genom att ge insikt i effekten av skuldfinansiering på sambandet mellan kapitalstruktur och marknadsvärdet av företag på företags och branschnivå. Modigliani & Miller (1958), eller MM som de kommer hänvisas som framöver, bestred den traditionella modellen av konkavitetsförhållandet mellan skuld och marknadsvärde för ett företag där man förutsätter att företagets värde minskar i början när skuldsättningsgrad ökar till en viss skuldnivå och sedan tenderar den att stiga kontinuerligt. I stället för det visade MM att förhållandet är linjärt konstant och även om skuldsättningsgraden ökar ändras inte företagets värde. MM föreslog därför att marknadsvärdet eller kapitalkostnader för ett företag är oberoende av kapitalstruktur under perfekta kapitalmarknader som exkluderar skatter och alla kostnader för marknadsmisslyckandet såsom transaktion- och asymmetriskinformationskostnader. De anger att endast affärsrisk bestämmer kapitalkostnaden och marknadsvärdet av företaget. Det totala marknadsvärdet är summan av marknadsvärdet på alla värdepapper, som är skuld och eget kapital, i ett företag.
Med utgångspunkt i det första förslaget härledde deras andra förslag, vilket är deras distinkta bidrag, att ett företags viktade kapitalkostnad är lika med genomsnittliga summan av kapitalkostnader för eget kapital och skuld (Modigliani & Miller 1958; Berk & DeMarzo 2014). Den viktade genomsnittliga kapitalkostnaden är den förväntade avkastning av värdepapper med motsvarande risknivån och löptiden för en viss investering (Berk & DeMarzo 2014). MM betonade att det inte finns en optimal kapitalstruktur för företag att sträva efter att uppnå.
7
Myers (2001) betonar vikten av MM-förslagen som riktmärke för kapitalstrukturteorier. Därefter utifrån förslagen har det blomstrat flera kapitalstrukturteorier. Trade-off och pecking-order-teorierna bygger på MM:s förslag genom att lätta upp deras perfekt kapitalmarknad-antaganden. Kraus & Litzenberger (1973) lägger grunden för trade-off-teorin genom att inkludera konkurskostnader och därefter har agentkostnader lagts till av andra forskare (Bessler, Drobetz & Kazemieh 2011). Myers (1976) introducerar informationsproblemkostnader och lägger grunden för pecking-order-teorin. Dessa förändringar ger upphov till kapitalstrukturens relevans på företagets marknadsvärde som reflekterar företagsprestanda i motsats till MM-förslaget som i förlängningen innebär att kapitalstrukturen inte påverkar lönsamhet (Bolle, Kårbø & Knudsen 2015).
Teorier om kapitalstrukturs klassificering beror på hur olika kostnaderna och begreppen som agent- och asymmetriskt informationsproblem behandlas i separation eller kombination för att lyfta fram ett specifikt problem. Till exempel har Myers (2001) valt att studera mogna företag som är benägna att överinvestera och utvecklat fri kassaflödesteori. Genom att betona vikten av kassaflöde föreslår fri kassaflödeteorin att mycket höga skuldnivåer ökar företagets värde så länge som företagens operativa kassaflöde överstiger de lönsamma investeringsmöjligheter (Myers 2001). Men (Bessler, Drobetz & Kazemieh 2011) betraktar kassaflödesargument som en hypotes och integrerar det med trade-off-teorin. Eftersom att det finns intressen att ta itu med samverkan mellan ledningar, aktieägare och långivare klassificerar (Muradoglu & Sivaprasad 2011) kassaflödesargumenten i agentkostnadsteori där skulden används som en moderande eller kontrollerande mekanism för agentproblemen.
Följande teoretiska diskussion kommer att fokusera huvudsakligen på trade-off-teori och pecking-order-teori i sin bredare bemärkelse som kategoriserar olika kostnader som finns i kapitalstrukturstudier till de två teorierna för jämförelseskäl, då de flesta empiriska studier jämför deras resultat mot de två teorierna.
2.1.2 Trade-off-teorin
Trade-off-teorin integrerar skatteeffekter av skuldsättning och utvecklar MMs förslag genom att introducera nödkostnader som inkluderar konkurs- och agentkostnader. Denna teori bygger, precis som Kraus & Litzenberger (1973) påvisade teoretiskt, på att en optimal kapitalstruktur kan uppnås genom den skuldnivå som ger maximalt marknadsvärde för företaget åtminstone inom en enda
8
period och därför fastställer Kraus & Litzenberger, i motsats till MM förslaget, relevansen av företagens strävan efter att hitta sin optimala kapitalstruktur. Kraus & Litzenberger insåg att den optimala kapitalstrukturen involverar en trade-off mellan skattefördelar och konkurskostnader. 2.1.2.1 Skattefördelar
Skattelagar i de flesta västerländska länder exkluderar betalning av räntor på lån (räntebärande skuld) från skatter medan företag betalar företagsskatt på deras genererade vinst. Det är därför som räntor dras som en kostnad från beskattningsbart resultat när ett företag tar ett lån, vilket leder till att företagen betalar lägre skattebeloppet. Det lägre skattebeloppet är en fördel som företagen skulle ha betalt om de inte finansierade med räntebärande skuld och betraktas som skattesköld för företagen vilket skapar incitament för företag att föredra skulden över eget kapital som finansieringskälla. Sammanfattningsvis innebär det att skattelagen, i motsatts till MM-förslaget, kan göra skuldfinansiering attraktiv för företagen. (Berk & DeMarzo 2014).
Vinsterna i skatteskulden från upplåningen ökar proportionellt med lånets storlek men skattefördelarna från skuldfinansiering kan inte fortsätta för evigt. Ju mer ett företag ökar sina lån för att utnyttja skattefördelarna, desto mer skuldbörda medför det och när företagen blir djupt i skuld uppstår kostnader som ska beaktas. På höga skuldnivåerna när företagens förmåga att betala tillbaka sitt lån är i fråga kommer skattefördelarna motverkas av finansiella nödkostnader som består av konkurs- och agentkostnader (Bessler, Drobetz & Kazemieh 2011; Muradoglu & Sivaprasad 2011).
2.1.2.2 Konkurskostnader
Modigliani & Miller (1958) indikerade att med införandet av skatter kan tolkningen av deras förslag ändras, men Kraus & Litzenberger (1973) påpekade att även MMs skattkorrigeringsmodeller inte fångade konkurskostnader. Under MM perfekta kapitalmarknader antogs att konkurs endast skulle skifta äganderätten av ett företag från aktieägare till skuldehavare utan att sänka företagsvärdet och därmed förbiser risken som uppstår med högre skuldnivåer (Berk & DeMarzo 2014).
En investering involverar normalt en risk att den kan misslyckas och när den misslyckas är hoten för konkurs högre i företag med högre skuldsättning (Berk & DeMarzo 2014). Det indikerar att lån har en katalysatoreffekt på misslyckande investeringar. De ökande hoten för konkurs från högre
9
skuldnivå ger upphov till både direkta och indirekta kostnader för företagen. Direkta kostnaderna innehåller juridiska och administrativa kostnader som är direkt förknippade med konkurs såsom omstrukturering, juridiska, och kreditkostnader (Bessler, Drobetz & Kazemieh 2011). Indirekta kostnaderna är kostnader som uppstår för att undvika konkurs som skapar förlust av konsumenter, leverantörer och anställdas förtroende. Till exempel tenderar leverantörer att vägra kredit eller ta betalt för extra premier för företag med konkurshot (Myers 1976)
2.1.2.3 Agentkostnader/kreditkostnader
Ett företag med högre skuldnivå har ett starkt incitament att genomföra mycket lönsamma investeringar även om investeringarna har låg sannolikhet för framgång. Anledningen är att företaget och deras ledning gynnas om investeringen lyckas medan långivarna bär de flesta kostnaderna om det misslyckas. (Jensen & Meckling 2002)
Skuldfinansiering förändrar företagens handlingar genom att påverka deras incitament vid investeringsbeslut. Företagsledare som antar att agera i ägarens bästa intresse har incitament att prioritera aktievärde, som företagen ofta knyter till företagsledarens incitament snarare än företagets värde, och detta gynnar aktieägare mer än skuldinnehavare. Denna divergens ger upphov till ett agentproblem mellan ledning (agent) och långivare (principalen). När skulden ökar faller ledningen och aktieägares andelar av totalt kapital. Å ena sidan kan företagsledning med ett utestående lån föredra att låna även för riskabla investeringar vilket är en nackdel för långivare men som gynnar aktieägaren. Å andra sidan kan ledningar med utstående lån avstå från lovande investeringar om det inte gynnar existerande aktieägarna på bekostnad av långivaren. För att undvika denna moraliska risk försöker långivare att övervaka och genomföra kontrakt. Men företagens värde som långivaren kommer att maximera från investeringen är svårt eller dyrt att observera objektivt av långivaren vilket medför agentkostnader. Därför tar långivaren ut högre riskpremie som kompensation för att skydda sig från ledningen eller företags egennyttiga beslutsfattande beteende. Denna högre premie eller agentkostnaden kommer att minska dragningskraften för ledningen att låna mer och på så sätt kan långivarna hantera agentproblemet. (Berk & DeMarzo 2014; Bessler, Drobetz & Kazemieh 2011; Muradoglu & Sivaprasad 2011; Myers 1976)
10 2.1.2.4 Optimal kapitalstruktur
Kraus & Litzenberger (1973) påpekade att konkavitetsförhållandet mellan marknadsvärdet av ett företag och skuld innebär att ett företags marknadsvärde kan ökas genom en kontinuerlig förändring av skuldsättningsgraden. De visade dock teoretiskt att relationen är en diskontinuerlig funktion och indikerade förekomsten av en optimal skuldnivå. Enligt trade-off-teori belastar skuldfinansiering företag med både konkurs- och agentkostnader medan de realiserar en skattesköld. Trade-off-teorin möjliggör för företag att fastställa den optimala skuldnivå som balanserar skatteskölden med båda kostnaderna vid marginalen (Muradoglu & Sivaprasad 2011). När tidsperioden är begränsad till ett enda år kallas det för statisk trade-off-teori och när den enda perioden utvidgas till flera perioder förvandlas det till en dynamisk teori. I den dynamiska teorin försöker företagen att mellan olika tidsperioder anpassa sina skuldsättningar till deras optimala kapitalstrukturmål för att fånga skattefördelarna (Bessler, Drobetz & Kazemieh 2011) och vid denna justering uppstår transaktionskostnader (Myers 1993). Bessler, Drobetz & Kazemieh (2011) argumenterar att dessa justeringar inte är vanliga eftersom kostnader för att hålla målet hindrar företag från att kontinuerligt optimera. Därför justerar företagen endast om transaktionskostnader vid justering understiger värdet på grund av suboptimal kapitalstruktur (Muradoglu & Sivaprasad 2011)
Hackbarth, Hennessy & Leland (2007) kritiserar det faktum att trade-off-teorin inte går djupare in på skuldstruktur som innefattar banklån och skuld från kreditmarknaden och konkluderar att teorin misslyckas att ge vägledning till olika skuldstrukturers mix samt deras rankning.
2.1.3 Pecking-order-teorin
Liksom agentkostnader är utgångspunkten för pecking-order-teori agent-principal problem och pecking-order-teorin förutsätter att ledning agerar för företagets bästa intresse där skillnaden är att pecking-order-teorin lyfter fram informationsproblem. Förekomsten av stora informationsasymmetri frestar företag att ändra sitt finansieringsbeslut mellan skuld och eget kapital (Myers & Majluf 1984).
Pecking-order-teorin antar att eftersom företagsledare (agent) har bättre information om företagsvärde som tillgångar och tillväxtmöjligheter än utomstående investerare (principalen), utnyttjar ledningen denna obalans eller asymmetriska information till deras fördel. Å ena sidan
11
överensstämmer företagsledares och existerande aktieägares incitament att emittera nya aktier när de anser att företaget är övervärderat. Å andra sidan förstår investerarna dessa ledningars benägenhet att emittera vid övervärdering för att agera på ett sätt som minskar företagets förlust. (Bessler, Drobetz & Kazemieh 2011; Muradoglu & Sivaprasad 2011)
Pecking-order-teori lånar argument från Akerlof’s “The market for lemons” och applicerar det på kapitalstruktur (Myers & Majluf 1984). Akerlof (1970) förklarar informationsasymmetri med hjälp av bra (peaches) och dåliga (lemons) kvalitetbilar. Bilköpare har begränsad information men är medvetna om att både dåliga och bra bilar finns på en marknad så de bestämmer att de är villiga att betala ett pris som är medelvärdet av de bra och dåliga bilarna. Effekterna av detta är att säljarna av bra bilar lämnar marknaden för att priset är lågt för dem och dåliga bilar strömmar in, med slutföljden av ett snedvridet urval (adverse selection) på marknaden.
På liknande sätt observerar utomstående investerare ledningens beslut att emittera nya aktier eller inte och ta det som en signal för att bedöma hur ledningarna värderar sina respektive företag. Liksom Akerlof’s bilköparresonemang förväntar sig investerarna att ledningar kommer med nya emissioner till en marknad när de har ”lemons” och avstår från emission när de har ”peaches”. Det innebär att ledningsbeslut innehåller en signaleringseffekt. Emission av nya aktier förmedlar en signal att företaget är övervärderat och investerare reagerar genom att driva bolagets aktiekurser nedåt (Bessler, Drobetz & Kazemieh 2011).
I stället för att optimera kapitalstruktur som i trade-off-teorin försöker företag utifrån pecking-order-teorin att minimera de snedvridna urvalskostnaderna som utrycks genom lägre aktiekurser. Som ett resultat av detta när företagen fattar sina finansieringsbeslut så rankar de sina finansieringskällor beroende på vilken grad företagen påverkas negativt av asymmetrisk information och därmed snedvridna urvalskostnader (Bessler, Drobetz & Kazemieh 2011). Källan med de lägsta negativa snedvridna urvalskostnader prioriteras.
Självklart har företag bättre informationen om sitt genererade resultat än vad aktörerna på kapitalmarknaden har (Bessler, Drobetz & Kazemieh 2011). Därför använder företagen sitt eget resultat först eftersom det är minst drabbat av asymmetrisk information och sedan fortsätter företagen till kapitalmarknader. När ett företag saknar sitt eget resultat och letar efter mer kapital väljer man först och främst ett lån och när lånet blir dyrt väljer företaget att emittera för nytt eget kapital. Ett företag utfärdar nytt eget kapital först när skulden blir för dyr. Pecking-order tyder på
12
att företaget går efter en följd och när de uppfyller sitt befintliga kapitalbehov, går det vidare från egna medel till nästa typ kapital med den lägsta asymmetriska informationen. Därför fortsätter företaget efter det egna kapitalet att ta banklån och sista hand emittera aktier (Bessler, Drobetz & Kazemieh 2011).
2.2 Mått på kapitalstruktur och lönsamhet
När man ska formulera en hypotes om förhållandet mellan kapitalstruktur och lönsamhet är det viktigt att klargöra deras definition och mätningar eftersom det inte finns någon enighet i definition och mått för både kapitalstruktur och lönsamhet. Trots denna oenighet nämner Welch (2011) att forskare ofta kopierar kapitalstrukturmått från andra forskare utan att ifrågasätta så han uppmanar forskarna att överväga sitt val vid framtagning av mätbara mått. Avseende vid Welchs uppmaning kommer kapitalstrukturen och lönsamhetens definition och deras mått att diskuteras innan ett val görs. Förutom definitionsproblemet i båda måtten kommer eget kapital att vara inblandat, därför uppstår frågan om att använda antingen bokfört värde eller marknadsvärde vid beräkningen av måtten.
2.2.1 Kapitalstruktur
Generellt är kapitalstruktur de relativa andelarna av skuld och eget kapital ett företag har. Med andra ord visar det valet av vilken mix av företagens finansieringskällor som normalt kallas skuldsättningsgrad. Det finns dock ingen konsensus i definitionen av kapitalstruktur vad som bör ingå i skuld och eget kapital (Bessler, Drobetz & Kazemieh 2011). Vidare är det inget universellt mått av skuldsättningsgrad (Bessler, Drobetz & Kazemieh 2011; Welch 2011) och det hänföras till avsaknaden av den enhetlig definition (Li, Feng, Lu, & Song. 2016) vilket huvudsakligen härstammar från variationen i definition av skuld.
Definitionen av skuld och eget kapital utgår här från en redovisningsekvation. Redovisningsekvationen anger att tillgångar är lika med skulder plus eget kapital. Marton (2018) definierar skulder som förpliktelser som har negativt kassaflöde och tillgångar är resurser under företagets kontroll med ett positivt kassaflöde. Marton betonade att i både tillgångar och skuld måste sannolikheten för det framtida kassaflödet vara tillräckligt högt och där uppstår ett problem eftersom skulder är svåra att avgränsa. Dessa förpliktelser där antingen betalningens tid eller belopp är osäkra kallas avsättningar. Eget kapital är dock en restpost som definieras genom skillnaden
13
mellan tillgångar och summan av skulder, avsättningar och obeskattade reserver (FAR 2017). Eget kapitalet innehåller internt eget kapital och genererad vinst.
I empiriska studier är det en utmaning att översätta dessa definitioner till ett lämpligt mått. Vid beräkning av eget kapital pågår en debatt om ett bokfört värde eller marknadsvärdet på eget kapital ska antas i empiriska studier där normalt marknadsvärde är högre än bokfört värde av eget kapital (Welch 2011). Skulderna är ofta uppdelade på långfristiga och kortfristiga där gränsdragning ligger om skulden är avsedd att användas längre eller kortare än ett års tid (Marton 2018). Gränsdragningen är utmanande. När det gäller att definiera totala tillgångar rekommenderar Welch (2011) att det ska uttryckas i termer av finansiell skuld som:
Totala tillgångar = finansiella skulder + icke-finansiella skulder + eget kapital. Welch påpekar att finansiella skulder i relation till totala tillgångar vanligen används som mått av finansiell skuldsättningsgrad av många författare. Men han argumenterar att det är ett felaktigt mått av skuldsättningsgrad eftersom det inkluderar icke-finansiella skulder av tillgångarna. Icke-finansiella skulder härrör inte från investering utan från operativa aktiviteter som innefattar leverantörsskuld och avsättningar (Welch 2011). För att ta bort de icke-finansiella skulderna från totala tillgångar rekommenderar Welch att utgå från totalt kapital exklusive icke-finansiella skulder som är summan av finansiell skuld och eget kapital. Finansiella skulder återspeglar endast räntebärande skulder och ska därför betraktas som ett smalare mått.
𝑇𝑜𝑡𝑎𝑙 𝑓𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑠ä𝑡𝑡𝑛𝑖𝑛𝑔 =
𝐹𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑒𝑟 ∗
𝐹𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑠𝑘𝑢𝑙𝑑𝑒𝑟 ∗ +𝑒𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙
*Finansiella skulder = kortfristiga plus långfristiga skulder 2.2.2 Lönsamhet
Lönsamhet är ett begrepp som används av många företag för att analysera sin ekonomiska framgång men det kan lätt förväxlas med vinst. Kort sagt är vinsten ett absolut värde medan lönsamheten är ett relationstal som mäter avkastning för något slag av satsat kapital (Ringbom 1985).
Ringbom (1985) kategoriseras lönsamhetmåtten mellan ”ex ante” som bygger på framtida förväntningar och ”ex post” som mäter befintlig produktion efter prestation. Ringbom identifierar
14
kapitalvärdet och internränta som ”ex ante” som är lämpliga vid nyinvesteringar och således för beslutsfattande i företag vid jämförelse av olika investeringsval. Ringbom identifierar även avkastning på kapital, omsättning eller försäljning som ”ex post” vilket visar bokfört värde som motsvarar vinst för ett företag.
Modigliani & Miller (1958) lyfter fram effekterna av avkastning på kapital på värdepappret osäkerhet i investeringsbeslut och föredrog att använda marknadsvärde snarare än bokfört värde. De hävdar att under osäkerhet för avkastning, till exempel vid upplåning istället för finansiering med eget kapital, uppstår en stor variation av utfall vilket kan göra det besvärligt att komma fram till vilket av alternativen som ska väljas. Vid skuldfinansiering ökar förväntad avkastning till ägare och ”ex post”-vinstkriteriet har flera ömsesidigt exklusiva utfall där vinstmaximering inte har någon operativ betydelse. Anledningen är att den förväntade avkastningen på kapitalet av de alternativa värdepapper som företaget kan välja att förvärva skulden skiljer sig från varandra. I "ex ante"-mätningar är utfallet dock begränsat endast till om skuldfinansiering maximerar marknadsvärdet för bolagets aktier och därför argumenterar (Modigliani & Miller 1958) för användningen av marknadsvärdet av företagsaktier som ett bättre kriterium än vinstmaximering vid investeringsbeslut för att bestämma kapitalkostnaderna.
Ett företags marknadsvärde innehåller ett signifikant nuvärde av framtida tillväxtmöjligheter utöver det bokförda värdet på eget kapital som redan är uttryckt i ett företagets finansiella rapporter (Myers 1976). Det uppstår svårigheter att fånga dessa tillväxtmöjligheter när årsredovisningar använder historiska kostnader vid värdering av tillgångar, åtminstone i Sverige, och detta behöver beaktas. Men Ringbom (1985) poängterar att det i praktiken vanligtvis är internränta som används vid investeringsbeslut och avkastning på kapital vid utvärdering av existerande verksamheter av företagen. På samma vis utgår många empiriska studier i kapitalstrukturstudier ifrån avkastning på kapital och specifika mått som används i empiriska studier kommer att visas i tabell 1.
Avkastning på eget kapital mäter lönsamhet genom att ställa resultatet i relation till eget kapital och på engelska kallas detta för return on equity (ROE). ROE visar aktieägares lönsamhet och ett högt värde av ROE kan vara en indikator att företaget har hittat en lönsam investering (Berk & DeMarzo 2014). Om hela företaget finansieras med eget kapital kommer tillgångar att uppgå till samma belopp som med eget kapital. När eget kapital beräknas för ROE ska den justera genom att subtrahera obeskattade reserver i balansräkningen.
15
ROE tar inte hänsyn till skuldandelen vid beräkning. För att inkludera effekterna av lån (skuld) på lönsamhet används avkastning på totalt kapital som kallas på engelska return on assets (ROA). Vid beräkning inkluderas tillgångar (skuld plus eget kapital) i nämnaren och i täljaren beaktas räntekostnader som uppstår vid skulden. (Berk & DeMarzo 2014)
Berk & DeMarzo (2014) påpekar att ROA har en fördel att vara mindre känslig för skuldsättning (finansiell skuldsättning) än ROE. Skillnaden i nämnaren mellan de två måtten är skuld. I allmänhet definieras tillgångar som skulder plus eget kapital, alltså totalt kapital. När skulden ökar minskar eget kapital i relation till totalt kapital. Detta beror på att när skulden ökar påverkas inte nämnaren i ROA medan den ökar för ROE. Det betyder att ROE återspeglar resultatet av ett företags investeringar genom skuld. För vår analys kommer både ROA och ROE att användas.
𝑅𝑂𝐸 =𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑡 𝑒𝑓𝑡𝑒𝑟 𝑓𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑝𝑜𝑠𝑡𝑒𝑟 𝐽𝑢𝑠𝑡𝑒𝑟𝑎𝑡 𝑒𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 ∗
𝑅𝑂𝐴 = 𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑡 𝑒𝑓𝑡𝑒𝑟 𝑓𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑝𝑜𝑠𝑡𝑒𝑟 + 𝑓𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑘𝑜𝑠𝑡𝑛𝑎𝑑𝑒𝑟 𝑡𝑜𝑡𝑎𝑙𝑎 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟
*Justerat eget kapital = Eget kapital + (1-bolagsskatt) x Obeskattade reserver där 0,3 används för bolagsskatt
För att inkludera räntekostnader i ROA kommer täljaren att justeras och finansiella kostnaderna läggas till. Lönsamhet mätt av ROA och ROE är en kvot av vinst som uttrycks i rörelseresultat efter finansiella poster av eget kapital eller tillgång. Högre lönsamhet uppstår när vinsten ökar mer än kapitalet eller tillgången vilket innebär att företag med högre lönsamhet genererar högre resultat. I syftet beskrev vi hur vi valt att justera måtten för lönsamhet och skuldsättningsgrad. Efter kapitel 2.2.1 och 2.2.2 är det nu etablerat att den stora skillnaden mellan denna studie och många tidigare är valet att inte inkludera icke-finansiella skulder. Detta appliceras på både lönsamhet och skuldsättningsgrad. För att illustrera skillnaden på hur olika svenska studier definierar de variabler som diskuterats i kapitel 2.2.1 och 2.2.2 skapades tabell 1. Där finns författares egna definitioner på måtten för lönsamhet, kapitalstruktur och variationer i variabler.
16
Tabell 1 Tidigare studier i Sverige mått av lönsamhet och kapitalstruktur
Författare Variabler Mått kapitalstruktur
Beroende Oberoende Täljare Nämnare
Edgrenn & Käkönen (2018) ROA ROE (lönsamhet) Kortfristiga skuldandel Långfristiga skuldandel Total skuldandel (kapitalstruktur) Genomsnittliga kortfristiga skulder Genomsnittliga justerat långfristiga skulder Genomsnittliga totala skulder Genomsnittliga Totalt kapital Yazdanfar & Öhman (2015) ROA (Lönsamhet) Leverantörsskulder Kortfristiga skulder Långfristiga skulder (Kapitalstruktur) Leverantörsskulder Kortfristiga skulder Långfristiga skulder Totala Tillgångar Svärd, J och V. (2013) Skuldsättningsgrad (kapitalstruktur) Rörelseresultat till nettoomsättning eller totala tillgång (lönsamhet)
Totala eget kapital
Totala långfristiga skulder Totala skulder
Totala tillgångar Totala skulder Totala eget
kapital Karell - Holmgren och Mirza (2009) Genomsnittlig räntabilitet på eget kapital (lönsamhet) Genomsnittlig soliditet (kapitalstruktur)
Justerat eget kapital Totalt kapital
2.3 Samband mellan kapitalstruktur och lönsamhet
När skuldsättningen ökar, förutspår trade-off-teorin en minskning av skatteskölden och konkurskostnaderna ökar (Bolle, Kårbø & Knudsen 2015). Det innebär att när skuldsättningen ökar, ökar lönsamheten så länge som skatteskölden är större än nödkostnaderna och når lönsamheten noll vid den optimala kapitalstrukturen där skatteskölden blir lika med kostnaderna vid marginalen. Eftersom trade-off-teorin förutsätter att företagen strävar efter att nå sin optimala nivå, förutsätter teorin att när skuldsättningen ökar, ökar också lönsamheten och därefter bibehåller företaget sin optimala nivå där lönsamheten blir noll. Därför antyds det enligt statisk trade-off-teorin att ett positiv samband existerar mellan finansiell skuldsättning och lönsamhet. Hypotesen kommer att anges i den totala, kortfristiga och den långfristiga finansiella skuldsättningen.
17
H1: Det finns ett positivt samband mellan total finansiell skuldsättning och ROA. H2: Det finns ett positivt samband mellan kortfristig finansiell skuldsättning och ROA. H3: Det finns ett positiv samband mellan långfristig finansiell skuldsättning och ROA.
Det är viktigt att notera att detta samband ändras i dynamisk trade-off-teorin. I dynamiska teorin uppstår extra transaktionskostnader som är förknippade med att hålla den befintliga optimala kapitalstrukturen. Transaktionskostnaderna fungerar som ett hinder för rörelsen mot optimal skuldnivå där dessa extra kostnaderna ändrar sambandet mellan lönsamhet och kapitalstruktur till negativt i perioder leder till omstrukturering (Bessler, Drobetz & Kazemieh 2011; Myers 1993). Enligt pecking-order-teorin prioriterar företags genererade vinster och sedan flyttar till externa finansieringskällor. Detta förutsätter att företag lånar när de inte kan generera tillräckligt från vinst vilket innebär att företag med hög skuldnivå är mindre lönsamma (Bolle & Kårbø 2015). Sammanfattningsvis finns negativa samband mellan den finansiella skuldsättningen och lönsamhet enligt pecking-order-teorin.
H4: Det finns ett negativt samband mellan total finansiell skuldsättning och ROE. H5: Det finns ett negativt samband mellan kortfristig finansiell skuldsättning och ROE. H6: Det finns ett negativt samband mellan långfristig finansiell skuldsättning och ROE.
18
3 Metod
I denna del framförs tillvägagångssättet och studiens design. Till att börja med förklaras studiens utgångspunkter och tanken bakom dem. Det följs av urval av litteratur och studieobjekt, så som sökord i databaser och storlek på företag. Efter det följs det upp med ingående information om datainsamlingen, analysmetod och en genomgång av modell och kodning. Kapitlet avslutas med reliabilitet och validitet.
Denna uppsats analyserar sambandet mellan kapitalstruktur och lönsamhet för företag inom handelsbranschen i Sverige med fokus på medelstora företag. Kravet för medelstora företag utgår från EU:s SME-definitionen, bestående av krav på omsättning mellan 100-500 mkr och antal anställda på mellan 50-250 st (Anonymous 2016).
3.1 Urval
3.1.1 Urval av studielitteratur
Området som valts att testa är något som tidigare undersökts och testats i relativt stor utsträckning Bara genom att söka på nyckelord som ”Capital structure”, ”Profitability” eller ”Working Capital Management” går det att hitta stora mängder vetenskapliga texter som i någon utsträckning testar kapitalstruktur och dess samband med lönsamhet, både internationellt och inom Sverige. De källor vi använt oss av är framförallt vetenskapliga artiklar som hämtats från databaser som Google scholar och Primo. Även böcker om ”corporate finance” och statistisk har kommit till vår användning i uppförandet av rapporten.
3.1.2 Urval av studieobjekt
Många studier inom forskningsområdet fokuserar på stora, börsnoterade företag och i viss mån till småföretag. Resultaten visar skillnader med avseende på storlek och vikt av specifika kostnader bland konkurs-, agent- och informationsasymmetri. Av den anledningen valde vi att det blir att studera medelstora företag för att bortse från de företag som alltså har studerats tidigare.
19 3.2 Datainsamlingsmetod
Stickprovet hämtas ifrån Retriever Business. Eftersom stickprovet tas från Retriever utesluts de företag som inte finns i databasen och därför kan dess representativitet ifrågasättas. Stickprovet motsvarar 800 företag vilket är 12,5 procent av procent av den totala populationen bestående av 6410, vid antagandet att populationen är antalet medelstora företag.
Data för variabler har samlats från årsredovisningar. Eftersom att studien är begränsad till Sverige finns det inga förväntade skillnader i redovisningsregler bland stickproven. Dessutom är storleken på stickproven begränsat till medelstora företag vilket innebär att det inte har förväntats finnas framträdande skillnader i redovisningsmetoder som antagits av företagen att upprätta årsredovisningarna.
För insamlingen av data har justeringar gjorts från Retriever business egna förinställning för medelstora företag. De förinställda kriterierna avgränsade företag genom antalet anställda, 100-500st, och tillgångar mellan 100 mkr och 430 mkr. Vi ändrade kriterierna för att beakta EU:s SME-definition med krav på omsättning och anställda. Definitionen klassificerar medelstora företag som de företag som har en omsättning på mellan 100 mkr och 500 mkr. Vi exkluderar även koncerner och använde endast årsredovisningar från enskilda bolag eftersom det är svårt att jämföra mellan företag och koncerner.
Eftersom Retriever Business databas sträcker sig tillbaka till 2008, det vill säga över 10 år, så hade vi det som vår utgångspunkt när vi skulle börja själva insamlingsprocessen för paneldata. I de flesta fall brukar data som saknas från observationer leda till att hela observationen tas bort och kategoriseras som bortfall (Wooldridge 2012). Vid analys av perioden 2008-2017 fick vi ett bortfall som bestod av 15,6 procent av den insamlade datan. Eftersom storleken på bortfallet är en indikator på risken för missvisande statistik lades fokus på en kortare period med lägre grad bortfall.
Under insamlingen och analysen av data ändrades riktning på dataanalysen från paneldata till tvärsnittsdata. Utifrån det samt de insamlade nivåerna av bortfall blev det slutliga valet att fokusera på ett genomsnitt av åren 2015–2017, bortfallet från att undersöka denna period blev 2 procent. För att avskilja mellan branschtillhörighet användes SNI-koder, vilket står för standard för svensk näringsindelning, vid datainsamlingen istället för Retrievers egna branschavgränsningar.
SNI-20
koder delar in organisationer i näringsgrenar för att visa vad de driver för verksamhet. Valet gjordes för att SNI-koderna är lättare att använda vid jämförelse från andra källor, då det är den svenska standarden för företagsindelning. Företag valdes utifrån SNI-koderna 12–32, samt alla deras underkategorier. Dessa företag faller inom området tillverkning i kodlistan och en mer detaljerad fördelning av företagen hittas i bilaga 1. Sammanlagt samlades data från 800 medelstora företag in för en period på tre år. Utifrån det materialet har vi sedan kunnat beräkna de nyckeltal vi behövde. Data för 800 företag har samlats in och av dem fick vi ett bortfall på 16 företag. Dessa företag saknade data för alla eller ett flertal variabler och valdes därav att tas bort. De företag som saknade data för endast en variabel behölls i analysen då mängden inte uppgick till någon substantiell mängd. Den saknade datan uppgick till 4 observationer av 3136, eller 0,001 procent av de totala observationerna.
3.3 Analysmetod
Tvärsnittsdata kommer att analyseras med hjälp av univariat, vanligtvis kallad beskrivande, och multivariat statistiska metoder. Tvärsnittsdata visar förhållande tvärs över företag eller branscher i en viss tid, vi har åstadkom tvärsnittsdata genom att ta ett genomsnittsvärde av tre års data. Den beskrivande statistiken sammanfattar medelvärden, variation och fördelning i en variabel. Medelvärdet är ett genomsnittligt värde av de observerade värdena för varje variabel och standardavvikelse mäter spridningen av de angivna variabla värdena runt deras medelvärdet. Ett större värde av standardavvikelsen visar att värdena är brett spridda från medelvärdena vilket indikerar högre möjligheter till avvikande värden i variabeln.
Valet av statistiska metoder för att testa förhållandet mellan beroende och oberoende variabler beror på om variablerna är kvalitativa eller kvantitativa. Om den beroende variabeln är kvantitativ, reduceras alternativen till korrelations- och regressionsanalys (Djurfeldt, Larsson & Stjärnhagen 2018). Att testa samband mellan två olika kvantitativa variablerna kommer en Pearson korrelationsanalys genomföras och förutom regressionsmodellanalys används för att analysera signifikans och relativ betydelse av oberoende variabler.
21 3.4 Analysmodell
3.4.1 Variabler
Valet att inkludera eller exkludera variabler är viktigt vid utformning av statistiska modeller eftersom en uteslutning av relevanta variabler leder till partiskt resultat (Wooldridge 2012). För att bestämma vilka variabler att inkludera och exkludera ska vi gå igenom empiriska studier av lönsamhet i relation till kapitalstruktur och rörelsekapital och tittar på vilka variabler de inkluderar i deras empiriska modelldesign.
När Goddard, Tavakoli & Wilson (2005) undersöker faktorer som påverkar lönsamhet i fem europeiska länder inom tillverknings- och tjänstebranscher identifieras företagsstorlek, marknadsandel, hävstångseffekt vilket är ett nära relaterat begrepp med finansiell skuldsättningsgrad, likviditetsgrad och deras resultat, visas att alla faktorer är signifikanta. En mycket citerad artikel om metod för sambandet mellan lönsamhet och kapitalstrukturstudier (Abor 2005) inkluderar företagsstorlek och tillväxt som kontrollvariabler. Gill, Biger & Mathur (2011) kopierar Abors variabler. I detta sammanhang inkluderar (Yazdanfar & Öhman 2015) ålder och branschtillhörighet utöver Abors variabler men utelämnar försäljningstillväxt i sin modell. I en liknande studie där det fokuseras på rörelsekapitalhantering tar (Lazaridis & Tryfonidis 2006) med rörelsekapital, företagsstorlek, finansiell skuldandel och finansiella anläggningstillgångar som oberoende variabler. Vad som är synligt i ovanstående nämnda studier är företagets storlek och någon version av finansiella skulder de enda faktorerna som är gemensam nämnare. Förutom dessa två variabler i denna studie kommer tillväxten att inkluderas som den görs av Abor (2005) och Gill, Bigur och Mathur (2011) med liknande syfte.
3.4.2 Typ av samband mellan kontrollvariabler
Gujarati (2002) understryker det faktum att statistisk analys är begränsad till relationen mellan en variabel och en annan (eventuellt flera). Frågan om orsakssamband mellan variabler eller beslutstagandet om vilken av variablerna som är beroende eller oberoende beror antingen på teori, empiriskt bevis eller intuition.
Litteratur i kapitalstrukturen är inte tydligt om lönsamheten leder till en viss kapitalstruktur (skuldsättning) eller om en viss kapitalstruktur leder till lönsamhet. Welch (2011) nämner att kapitalstruktur används både som beroende och oberoende variabler i empiriska studier men den
22
används oftast som en oberoende variabel utan att förtydliga i vilka situationer den används som beroende eller oberoende. Normalt tar studier som analyserar faktorer som påverkar kapitalstruktur lönsamhet som oberoende variabel och argumenterar för att lönsamheten leder till skuldsättning (Daskalakis & Psillaki 2008; Natalia Mokhova & Marek Zinecker 2013). Men även studier som sätter lönsamhet som beroende variabel och syftar till att analysera kapitalstrukturens inverkan på lönsamhet argumenterar med utgångspunkt från hur lönsamma företag fattar beslut om sin kapitalstruktur. Till exempel argumenterar Yazdanfar och Öhman (2015) om att lönsamma företag minskar agentkostnader av lån genom att använda genererad vinst. Ju högre vinst företag gör, desto högre är benägenheten att ta lån och utnyttja skattefördelarna (Martin, Daniel & Gabor 2016). Men eftersom kapitalstrukturstudier utförs med olika syften är det relevant att spana in liknande studier som är i linje gällande syftet med denna studie. Syftet med denna uppsats är att analysera sambandet mellan lönsamhet och kapitalstruktur, därav fokuserar analysmodeller på hur studier med liknande mål behandlar variablerna. Yazdanfar & Öhman (2015), Gill, Bigur och Mathur (2011) och Abor (2005) använder lönsamhet som beroende och skuldsättning som oberoende variabler. Följaktligen blir därmed lönsamhet beroende variabel och finansiell skuldsättning oberoende variabel i analysmodellen. Tidigare har hypotesen mellan kapitalstruktur och lönsamhet fastställts. Nu kommer förhållandet mellan kontrollvariablerna och lönsamhet diskuteras och hypotesen att föreslås.
3.4.2.1 Företagsstorlek
Företagets storlek har inte en fastställd metod för att uträknas. Det kan räknas ut och beskrivas utifrån olika medel så som omsättning, antal anställda eller försäljning. Studier eller personer utgår oftast ifrån vad som passar bäst till deras syfte. Tidigare studier inom lönsamhet och kapitalstruktur använder sig ofta av omsättning, exempelvis (Abor 2005) och (Goddard, Tavakoli & Wilson 2005). Enligt Gibrats lag har företagsstorlek en förväntad naturlig logaritmfördelning åtminstone vid kortare tidsperioder. Informationen samlas för tre år, som inte kan räknas som lång tid, vilket innebär att denna fördelning kan antas hålla. Detta logaritmiska förhållande är i linje med en teknik som används vid linjär regressionsanalys där Özdemir (2016) anger att logaritmen används för att linearisera relationer som är annat än linjärt.
Empiriska studier visar att förhållandet mellan skattefördelar och lönsamhet är kopplat till företagets storlek. Dessutom tyder Graham och Harvey (2001) på att skattefördelar är viktigast för
23
stora företag med höga sannolika företagsskattesatser. Anledningen kan vara att större företag kan dra nytta av stordriftsfördelar och deras förmåga att använda tekniken för att vara mer lönsamma än mindre företag (Yazdanfar & Öhman 2015). Följaktligen förutsätter i studien att företagsstorlek har ett positivt samband med lönsamhet.
H7: Företagsstorlek har ett positivt samband med ROA. H8: Företagsstorlek har ett positivt samband med ROE.
3.4.2.2 Tillväxt
Trots att vi i analysen använder oss av tvärsnittsdata är tillväxten fortfarande en relevant variabel, detta togs redan upp i kapitel 4.4.1 Variabler. Eftersom datan är ett genomsnitt från en period som sträcker sig över tre år har datan om tillväxt samlats.
Innebörden av tillväxteffekten är hur mycket företagets storlek ändras mellan åren. Enligt resursbaserade, organisatoriska tröghet och stordriftsfördelar-teorier finns ett positivt samband mellan lönsamhet och tillväxt som mäts genom förändring av logaritmen för omsättning. Enligt stordriftsfördelarargument är effekter av företagstillväxt på lönsamhet så bestäms det av nettoeffekter mellan kostnadsbesparingar och ökade kostnader som är förknippade med tillväxten. Stordriftsfördelar påstår att när företaget växer minskar dess totala kostnader genom att sprida fasta kostnader över större produktion och öka produktiviteten som minskar rörliga kostnader. Men den här lägre kostnadsfördelen sträcker sig upp till en viss optimal nivå och sedan börjar den avta allteftersom negativa krafter spelar in. De negativa kostnaderna är agent- och byråkratiska kostnader. Trots detta hävdar stordriftsfördelarteorin att nettoeffekterna som blir kvar är positiva. (Bolle, Kårbø & Knudsen 2015). Eftersom analysen utgår från medelstora företag är det rimligt att anta att det finns rum att växa innan en optimal nivå uppnås och därför förväntas ett positivt samband mellan tillväxt och lönsamhet. Tillväxten mäts genom förändring i storlek och eftersom omsättningen använder som proxy för storlek förblir värdet att vara kvantitativt.
H9: Omsättningstillväxt och ROA har ett positivt samband. H10: Omsättningstillväxt och ROE har ett positivt samband
24
Såsom beskrivits ovan är den beroende variabeln lönsamhet en kvantitativ variabel som mäts i kvot och de oberoende variablerna är mer än två, därför kommer multipel regressionsanalys att användas. Eftersom alla variabler har lineariserats används linjär multipel regressionsmodell. För att urskilja de långsiktiga och kortfristiga effekterna av skulden på lönsamhet kommer kapitalstrukturmåtten att delas upp till tre som den totala, kortfristiga och långfristiga finansiella skuldsättningen i modellen.
Modellen specificeras enligt följande:
𝑅𝑂𝐴 = 𝛽
0+ 𝛽
1𝑇𝐹𝑆
𝑖+ 𝛽
2𝑆𝑇
𝑖+ 𝛽
3𝑇𝑉𝑋
𝑖+ 𝐵𝑇 + 𝜀
𝑖(1)
𝑅𝑂𝐸 = 𝛽
0+ 𝛽
1𝑇𝐹𝑆
𝑖+ 𝛽
2𝑆𝑇
𝑖+ 𝛽
3𝑇𝑉𝑋
𝑖+ 𝐵𝑇 + 𝜀
𝑖(2)
𝑅𝑂𝐴 = 𝛽
0+ 𝛽
1𝐾𝐹𝑆
𝑖+ 𝛽
2𝑆𝑇
𝑖+ 𝛽
3𝑇𝑉𝑋
𝑖+ 𝐵𝑇 + 𝜀
𝑖(3)
𝑅𝑂𝐸 = 𝛽
0+ 𝛽
1𝐾𝐹𝑆
𝑖+ 𝛽
2𝑆𝑇
𝑖+ 𝛽
3𝑇𝑉𝑋
𝑖+ 𝐵𝑇 + 𝜀
𝑖(4)
𝑅𝑂𝐴 = 𝛽
0+ 𝛽
1𝐿𝐹𝑆
𝑖+ 𝛽
2𝑆𝑇
𝑖+ 𝛽
3𝑇𝑉𝑋
𝑖+ 𝐵𝑇 + 𝜀
𝑖(5)
𝑅𝑂𝐸 = 𝛽
0+ 𝛽
1𝐿𝐹𝑆
𝑖+ 𝛽
2𝑆𝑇
𝑖+ 𝛽
3𝑇𝑉𝑋
𝑖+ 𝐵𝑇 + 𝜀
𝑖(6)
där: i= 1,2, 3, …, 784 B0 = konstantenBi = betakoefficienter som visar betydelsen av respektive oberoende variabler har i den totala regressionen
ROA = Resultat efter finansiella poster + finansiella kostnader/totala tillgångar för företag (i) ROE = Resultat efter finansiella poster/eget kapital för företag (i)
TFS = Total finansiell skuldsättning mäts genom att total finansiell skuld divideras med finansiell skuld plus eget kapital för företag (i)
KFS = Kortfristig finansiell skuldsättning mäts genom att kortfristig finansiell skuld divideras med finansiell skuld plus eget kapital för företag (i)
LFS = Långfristig finansiell skuldsättning mäts genom att långfristig finansiell skuld divideras med finansiell skuld plus eget kapital för företag (i)
25
ST = Företagsstorlek mäts med log av omsättning för företag (i)
TVX= Tillväxt mäts genom (nuvarande årsomsättning - föregående årsomsättning) / föregående årsomsättning för företag (i)
ε = residualen för stickprov som den totala variansen i den beroende variabeln som inte förklaras av de oberoende variablerna för företag (i)
Alla variabler är kvantitativa med kontinuerliga värden där ROA, ROE, och FS är kvoter i vilka bokfört värde av eget kapital används.
3.5 Studiens trovärdighet och pålitlighet
Innan data används för analys understryker Sekaran & Bougie (2016) vikten av att fundera över hur bra måttet är och för att säkerställa detta föreslår de två tester nämligen reliabilitet och validitet. Dessa två är ”goodness of measures” för måttet som används där reliabilitet testar konsistens av måttet medan validitetstester är hur bra måttet mäter de specifika variablerna, och i förlängningen begreppet. Reliabilitet innebär att de uppmätta resultaten i reliabilitet liknar dem själva, men de kan inte vara nära det begreppet vi är avsedda att mäta. Å andra sidan i validitet är resultaten närmare till begreppet men de varierar mycket i förhållande till varandra.
Sekaran & Bougie (2016) lyfter fram fördelarna med att välja välutvecklade och ansedda mått för begrepp snarare än att utveckla de själv där deras validitet och reliabilitet redan är etablerade eller bevisade. De valda måtten väljs utifrån den befintliga och välutvecklade potten. En omvärdering av lönsamhets- och kapitalstrukturmåtten är emellertid förtjänad, eftersom frågor om bokfört värde jämfört med marknadsvärdet råder i beräkningen av eget kapital.
Jordan, Westerfield & Ross (2011) kritiserar att avkastning på kapital som baserar på årsredovisningar inte mäter rätt begrepp och används ofta i kapitalstruktur empiriska studier på grund av lättillgänglighet. Även om det teoretiskt föredras marknadsvärden snarare än bokvärden i årsredovisningen upptäcker Myers (1976) och Graham & Harvey (2001) att företagen i sin skuldpolicy och investeringsbeslut väljer bokfört värde. Dessutom inser Daskalakis & Psillaki (2008) och Martin, Daniel & Gabor (2016) att skillnader i att välja antingen marknadsvärde eller bokfört värde men de använder bokvärden som acceptabel för att beräkna mått för lönsamhet och skuldsättning.
26
4 Resultat
Detta kapitel kommer att redogöra för resultatet från regressions- och korrelationsanalysen i form av deskriptiv statistik. Resultatet är uppdelat i mindre delar för att framhäva skillnaderna mellan de olika variationerna av modellen som använts.
4.1 Deskriptiv statistik
Observationer uppgick till 800 företag och utifrån dessa observationer uppkom ett bortfall på 16 företag eller 2 procent eftersom det har saknat data i alla variabler och därför 784 företagsobservationer inkluderade i analysen. För varje observation används ett genomsnitt av data från 2015 till 2017. Som beskrivits under analysmetoden fokuserar beskrivande statistik på enskilda variablers karaktäristik. Tabell 2 sammanfattar antal observationer, medelvärden, standardavvikelser och kurtosis för varje variabel.
Tabell 2Beskrivande statistik
ROA ROE TFS KFS LFS ST TVX
Observationer 784 784 784 784 784 784 780
Medelvärdet 0,094 -0,153 0,658 0,440 0,218 5,308 0,198
Standardavvikelse 0,116 7,449 0,209 0,215 0,245 0,197 2,240 Kurtosis (Pearson) 2,678 663,689 -0,464 -0,507 -0,528 -0,524 589,968
Tabell 2 visar att fyra observationer saknas i tillväxtvariabeln. Tillväxten beräknas i analysen som en kvot av förändring i storlek över två på varandra följande år. Det finns emellertid inga saknade observationer i storlek som visas i tabellen. Detta kan vara effekten av att ta medeltal för varje variabel där de saknade observationerna i storlekarna i ett av åren är dolda medan de genomsnittliga
27
värdena för de tre årens storlek varierar men är synliga i tillväxtvariabeln. Detta kan sänka värdena för storleksvariabeln i de fyra observationerna eftersom data om ett eller två år divideras med tre. Medelvärdet för ROA: 9,4 procent och för ROE: -15,3 procent tolkas som för att varje 100 kronor av totalt respektive eget kapital som företaget tar på sig, får företaget i genomsnitt en avkastning på ungefär 9 kronor i vinst respektive 15 kronor i förlust. Avkastning på eget kapitals, ROEs negativa medelvärdet innebär att företagen redovisar en förlust.
Medelvärdet av total finansiell skuldandel är 0,658 eller 65,8 procent, vilket innebär att i genomsnitt finansieras nästan 65 procent av alla tillgångar med lån. Resultat ligger nära Welch (2011) genomsnittliga bokförda värde av de totala finansiella skulderna, vilket är 61 procent. Resten, 35 procent finansieras med eget kapital. Den totala finansiella skuldandelen i denna studie är högre än resultaten av Yazdanfar och Öhman (2015), Gill, Bigur och Mathur (2011) där deras studier omfattar olika branscher men dock är det lägre än resultaten av Abor (2005). Av den totala finansiella skulden på 65 procent är 0,44 vilket är ungefär 44 procent kortfristig finansiell skuldandel och 0,218 vilket är ungefär 21 procent, långfristig finansiell skuldandel.
Vad som observeras som slående från tabell 2 är den stora standardavvikelsen i variablerna tillväxt 2,240 och ROE 7,749 i jämförelse med deras medelvärde. Dessutom visar resultatet stora skillnader mellan standardavvikelsen för lönsamhetsmåtten eftersom att ROE 7,449 är betydligt högre än ROA 0,116. Detta bekräftar vad som uppgavs under lönsamhetsmått tidigare, nämligen att ROA är mindre känsligt för skuldfinansiering än ROE. Den relativt stora standardavvikelsen i tillväxten 2,240 kan förklaras genom en explosiv tillväxt under åren 2015 – 2017 i en andel av de företag som datan tagits från. Detta är ”troligt” då företagen hör till den mellanstora kategorin och har fortfarande plats att växa mycket. Vidare tittar vi på kurtosis för de två variablerna tillväxt och ROE vilket beskriver formen av svansen för sannolikhetsfördelningen. Det visar att deras värde är extremt högt eftersom att det för ROE är 663 och för tillväxt 589 och detta indikerar förekomsten av extremvärden eller avvikande värden i datan.
4.2 Korrelationsanalys
I föregående avsnitt analyseras karaktären hos en variabel åt gången med hjälp av beskrivande statistik och nu analyseras två variabler i taget med Pearsons korrelationstest. Pearson-korrelationskoefficienten mäter styrkan och riktningen för ett förhållande mellan två kvantitativa
28
variabler. När riktningen visar en negativ korrelation tolkas det som att när en av variablerna blir högre kommer den andra variabeln att bli lägre. På motsvarande sätt innebär en positiv korrelation att de två variablerna ökar och minskar tillsammans. Styrkan visas med koefficientstorleken där 1 visar ett perfekt linjärt förhållande mellan variablerna och 0 att ingen linjär korrelation existerar. Korrelationskoefficienter mellan alla variabler i studien visas i tabell 3. Resultaten som är markerade med asterisk visar att det finns ett signifikant linjärt förhållande mellan variablerna , åtminstone på 95 procent säkerhet där de exakta p-värdena anges i bilaga 4.
Tabell 3 korrelationskoefficient N = 784 ROA ROE TFS KFS LFS ST TVX ROA 1 0,155** -0,225** 0,024 -0,213** -0,026 0,000 ROE 1 -0,071* 0,030 -0,086* -0.001 -0,011 TFS 1 0,328** 0,566** -0,045 -0,013 KFS 1 -0,593** 0,075* -0,082* LFS 1 -0,104* 0,060 ST 1 -0,191** TVX 1
* p-värdet under 0,05 som visar korrelation på 5 % nivån (ensidigt) ** p-värdet under 0,01 som visar korrelation på 1 % nivån (ensidigt)
Tabell 3 visar att det finns ett signifikant negativt samband mellan total- och långfristig finansiell skuld och ROA vid 99 procent säkerhet samt med ROE vid 95 procent säkerhet. Även om båda sambanden är relativt svaga är det starkare i ROA än ROE. Ett negativt samband innebär att en högre total och långfristig finansiell skuld är relaterad till lägre lönsamhet. Kortfristiga finansiella skulder har inget signifikant samband med ROA och ROE men märkligt nog är det den enda skuldvariabeln som har signifikant samband både med storlek och tillväxt.
