DEGREE PROJECT, IN APPLIED MATHEMATICS AND INDUSTRIAL , FIRST LEVEL
ECONOMICS
STOCKHOLM, SWEDEN 2015
Prediktering av VD--löner i svenska onoterade aktiebolag
ERIK EDBERG
KTH ROYAL INSTITUTE OF TECHNOLOGY
Prediktering av VD-löner i svenska onoterade aktiebolag
E R I K E D B E R G
Examensarbete inom teknik:
Tillämpad matematik och industriell ekonomi (15 credits) Civilingenjörsutbildning i industriell ekonomi (300 credits)
Kungliga Tekniska Högskolan 2015 Handledare på KTH Henrik Hult och Anna Jerbrant
Examinator Boualem Djehiche
TRITA-MAT-K 2015:27 ISRN-KTH/MAT/K--15/27--SE
Kungliga Tekniska Högskolan Skolan för Teknikvetenskap KTH SCI
SE-100 44 Stockholm, Schweden
Sammanfattning
Lönen till den verkställande direktören bestäms i motsats till kollektivarbetares individuellt och oberoende av kollektivavtal. Lönen bestäms av företagets styrelse och utgår utifrån en uppskattad värdering av bland annat komplexiteten i arbetet, VD:ns personliga egenskaper, marknadens värdering av liknande uppdrag och tillgången på tänkbara kandidater.
Uppsatsens syfte är att konstruera en modell för att prediktera marknadslönen för en befintlig eller blivande VD. Vidare kommer utformningen av ersättningsstrukturen studeras ur ett socialt och ekonomiskt hållbarhetsperspektiv i syfte att finna en optimal ersättningsstruktur.
Ur studien framgår att det är möjligt att prediktera VD-‐lönen för anställda VD:ar i onoterade aktiebolag med 64% förklaringsgrad. Variationen i VD-‐lönen förklaras av sex oberoende variabler, fyra variabler som representerar uppdragets karaktär och två variabler som är prestationsrelaterade. Högst förklaringsgrad ger variabeln Omsättning, vilken förklarar knappt 40% av variationen i VD-‐
lönen.
Av studien framgår att den optimal ersättningsstrukturen ser olika ut för olika företag. Vidare ges rekommendationer för vad den rörliga ersättningen bör baseras på i syfte att bidra till social-‐ och ekonomisk hållbarhet.
Abstract
The CEO’s remuneration is in contradiction to the union labours, set individually and independent from union agreements. The company board determines the remuneration. It’s based on an estimated valuation of variables such as job characteristics, personal qualities of the CEO, market valuation of similar tasks and the availability of possible candidates.
The purpose of this thesis is to create a model to predict the market remuneration for a current or forthcoming CEO. Further, the compensation structure will be examined from an economic and social sustainability view, aiming to find an optimal compensation structure.
This thesis showes that it is possible to predict the CEO remuneration for employed CEOs in unlisted corporations with 64-‐percentage explanation rate.
The variance is explained by six covariates, four covariates representing job characteristics and two related to company performance. The highest explanation rate is given by the covariate turnover, which explains just below 40-‐percentage of the remuneration variance.
This study shows that the optimal compensation structure is different for different companies. Further, recommendations for what the variable remuneration should be based on, in order to contribute to social-‐ and
economical sustainability.
Innehållsförteckning
Tabellista 5
Figurlista 5
1 Introduktion ... 6
1.1
Problembakgrund ... 6
1.2
Syfte & Användning ... 6
1.4
Avgränsningar ... 7
2 Teori ... 8
2.1
Matematisk teori ... 8
2.1.1
Obundet slumpmässigt urval ... 8
2.1.2
Multipel linjär regressionsanalys ... 8
Underliggande antaganden ... 9
2.1.3
Estimering av koefficienter ... 9
2.1.4
Multikollinearitet ... 10
2.1.5
Heteroskedasticitet ... 12
2.1.6
Residualanalys ... 13
2.1.7
Modellutvärdering ... 14
2.2
Ersättningsdrivande faktorer ... 16
2.2.1
Uppdragets karaktär ... 16
2.2.2
Styrelse-‐ och ägarförhållanden ... 16
2.2.3
VD:n ... 17
2.2.4
Prestationsrelaterad ersättning ... 17
2.2.4
Sammanfattning av tidigare studier på ersättningsdrivande faktorer ... 18
3 Metod ... 19
3.1
Datainsamling ... 19
3.2
Variabler ... 20
3.2.1
Beroende variabel ... 20
3.2.2
Oberoende variabler ... 20
3.3
Variabelanalys ... 22
4 Resultat ... 23
4.1
Resultat från variabelanalys ... 23
Exkluderade oberoende variabler ... 24
4.2
Resultat från modellprövning ... 24
4.2.1
Antagande 1: Linjärt samband mellan den beroende variabeln och de oberoende variablerna ... 24
4.2.2
Antagande 2: Residualens väntevärde är noll ... 25
4.2.3
Antagande 3: Homoskedasticitet ... 26
4.2.4
Antagande 4: Mätfel ... 27
4.2.5
Antagande 5: Multikollinearitet ... 27
4.3
Modellresultat ... 28
4.2
Modellutvärdering ... 28
4.3
Regressionsekvationen ... 29
5 Diskussion ... 30
6 Slutsatser ... 32
7 Förslag på fortsatt forskning ... 32
8 VD-‐lönens utformning ur ett socialt och ekonomiskt hållbart perspektiv 33
8.1
Metod – Industriell ekonomi ... 34
8.2
Litteraturstudie – Industriell ekonomi ... 34
8.3
VD-‐lönens struktur och utbredning ... 35
8.4
Teoretisk referensram ... 36
8.5
Diskussion & slutsatser ... 39
9 Referenser ... 41
9.1
Litteratur ... 41
9.2
Vetenskapliga artiklar ... 41
9.3
Publikationer/Rapporter ... 43
9.4
Webbplatser ... 44
Tabellista
Tabellnamn Sid
1. BIC-‐värden 16
2. Sammanfattning av tidigare studier på ersättningsdrivande faktorer 18 3. Lista över de oberoende variablerna 21 4. Variabelanalys 24 5. Exkluderade variabler 25 6. Koefficientresultat med White’s Robust Estimate 28 7. Regressionsresultat med White’s Robust Estimate 28 8. Sammanställning sökord, Industriell ekonomi 35
Figurlista
Figurnamn Sid
1. Exempel på heteroskedasticitet & homoskedasticitet 12 2. Samband mellan de oberoende variablerna och VD-‐lönen 25 3. Residual vs predikterade värden 25
4. Normalfördelningskurvan 26
5. Residualer vs predikterade värden 26
6. Internationella ersättningsstrukturer 36
1 Introduktion
Det här kapitlet syftar till att lyfta fram problembakgrunden, syfte & användning, frågeställning och avgränsningar. Uppsatsen är gjord på uppdrag av rekryteringsföretaget Holm Henning & Partners.
1.1 Problembakgrund
Lönen till den verkställande direktören, fortsättningsvis benämnt VD, bestäms i motsats till kollektivarbetares individuellt och oberoende av kollektivavtal.
Lönesättningen bestäms av företagets styrelse och utgår utifrån en uppskattad värdering av bland annat komplexiteten i arbetet, VD:ns personliga egenskaper, marknadens värdering av liknande uppdrag och tillgången på tänkbara kandidater (Svenskt Näringsliv, 2006).
Komplexiteten i värderingen av ovanstående faktorer och det vida spektrumet av ersättningspaket har skapat en stor spridning av ersättningsnivåer bland de svenska företagen. Ersättningen tar olika former, där grunden ligger i den fasta ersättningen men inte sällan kompletteras av bonus, aktier och optioner såväl som pensionsförmåner och övriga löneförmåner (Svenskt Näringsliv, 2013).
VD-‐ersättningen är förenat med både möjligheter och risker. Rätt ersättning ger företaget en VD som i största mån strävar efter att skapa värde till företagets ägare och bidrar till långsiktig lönsamhet (H Tosi et al, 2000). En ersättning satt på felaktiga grunder kan istället vilseleda VD:n och svärta ner företagets varumärke (K Pukthuanthong et al, 2005).
1.2 Syfte & Användning
Uppsatsens syfte är att finna ett prediktionsverktyg för VD-‐löner som ska bistå uppdragsgivaren Holm Henning & partner:s klienter att finna en marknadsvärdering av befintlig eller blivande VD. Klienterna kommer också ges kunskap om hur utformningen av VD-‐lönen påverkas om sociala och ekonomiska hållbarhetsaspekter beaktas.
Rekryteringskonsultföretaget Holm Henning & Partners är beställare av uppsatsen. De kommer använda resultatet till att ge mervärde i tjänsteerbjudandet till nya och befintliga klienter. Klienterna kommer att kunna använda prediktionsverktygets resultat som vägledning vid lönesättningen av deras VD genom att bidra med marknadens värdering av uppdraget.
1.3 Frågeställning
Uppsatsens problemformulering delas upp i två frågeställningar:
Teknisk frågeställning: Vilka faktorer påverkar VD-‐lönens storlek och hur stor påverkan har varje faktor vid en prediktion?
Frågeställning inom Industriell Ekonomi: Hur bör ersättningsstrukturen utformas om sociala och ekonomiska hållbarhetsaspekter beaktas?
1.4 Avgränsningar
Urvalet i den empiriska undersökningen begränsades till företagsstorleken 50-‐
500 anställda, att företagen hade anställda VD:ar samt att företagen var onoterade aktiebolag. Dessa begränsningar gjordes för att anpassa urvalet efter Holm Henning & Partners klienter. VD-‐lön innefattar den fasta och rörliga ersättningen som VD:n erhållit enligt den senaste årsredovisningen, 2013.
Eventuell inkomst i form av utdelning för aktieinnehav ingår inte i
undersökningen.
2 Teori
Detta kapitel inleds med att redogöra för den matematiska teorin som tillämpas i uppsatsen. Därefter presenteras tidigare studier av ersättningsdrivande faktorer som antas relevanta för uppsatsens empiriska studie.
2.1 Matematisk teori
För att analysera data och vidare besvara frågeställningen användes multipel linjär regressionsanalys. I det här kapitlet presenteras teorin bakom metoden och tillhörande verktyg som användes för att analysera dess resultat.
2.1.1 Obundet slumpmässigt urval
Obundet slumpmässigt urval bygger på att varje enhet i populationen har samma möjlighet att inkluderas i urvalet.
Metoden kan beskrivas enligt:
1. Definiera populationen och numrera samtliga element, från 1 till N.
2. Bestäm urvalets storlek, n.
3. Generera n stokastiska tal, med hjälp av en
slumptalsgenerator/slumptalstabell, i intervallet 1 till N.
4. De element med samma värde som de genererade stokastiska talen utgör urvalet.
2.1.2 Multipel linjär regressionsanalys
Den linjära regressionsmodellens definition är
y
i=
xijβ
j j=0k
∑
+ ei, x
* ji = 1,..., n
(1)
I den empiriska undersökningen är y
i88 observationer av den beroende
variabeln VD-‐årslön, vars värde beror av förklaringsvariablerna, de oberoende
variablerna, x
* j, plus residualen e
i. De oberoende variablerna bestäms i avsnitt
2.2 Ersättningsdrivande faktorer. Vanligtvis och även i den för arbetet uppsatta
regressionen, sätts x
*0till 1 och β
0bestäms till regressionens utgångsvärde.
Följande introduceras:
xi= x
(
i0,..., xik)
i = 1,..., nβ = β (
0,..., β
k)
TDe oberoende variablerna utgör två huvudgrupper, normala -‐och dummy-‐
variabler. De normala oberoende variablerna karakteriseras av att de kan anta fler värden än 0 och 1 medan dummy-‐koefficienterna är binära och endast erhåller värdet 0 eller 1. Ett vanligt exempel av dummy-‐variabel är användandet av en könsvariabel. Om könsvariabeln är av typen kvinna, ges den värdet 1 om VD:n är kvinna och 0 om VD:n är man (B E Hansen, 2015, sid.26).
Underliggande antaganden
Multipel linjär regression bygger på fem grundläggande antaganden.
1. Att den beroende variabeln kan beskrivas som en linjär funktion av de oberoende variablerna plus en residual
2. Att residualens väntevärde är noll, E(e
i) = 0
3. Att samtliga residualer har samma varians,
E(ei2) =σ
24. Att de oberoende variablerna kan betraktas som fixerade värden vid en autoregression, med andra ord, att variabeldata saknar mätfel.
5. Att antalet data för beroende variabler är större än antalet oberoende variabler och att inget exakt linjärt samband råder mellan några av de oberoende variablerna.
(Kennedy, 2008, sid.41) Dessa antaganden är stundtals en orealistisk förenkling av problemet (Lang, 2014) och diskuteras därför vidare i kapitlet Metod.
2.1.3 Estimering av koefficienter
Ordinary least squares, OLS, estimerar koefficienterna, β , till det värde, β
^, som minimerar residualernas kvadratsumma. Metoden anses optimal när antagandena för multipel linjär regressionanalys är uppfyllda.
Matematiskt estimeras β
^enligt följande:
ê
i2=
i=1 n
∑ # $ % y
i− y
^i& ' (
i=1 n
∑
= y
Ty − X β
^
− β
T^
X
Ty+ β
T^
X
TX β
^
Derivering med avseende på β ger:
X
Ty = X
TX β
^y β
^
= (X
TX)
−1X
Tσ
2
(2)
Då E β !
^"
# $
% & = β enligt antagandena i modellen för multipel regression kan kovariansen från OLS-‐estimeringen skrivas enligt (H Lang, 2014, sid.6 ):
Cov β !
^X
"
# $
% & = (X
TX)
−1σ
2(3)
2.1.4 Multikollinearitet
Multikollinearitet uppstår när två eller flera oberoende variabler till hög grad är linjärt beroende. Detta orsakar höga värden på koefficienternas varianser (B E Hansen, 2015, sid.182) vilket framgår av följande regressionsmodell med två oberoende variabler:
y
i= x
1iβ
1+ x
2iβ
2+ e
i(4)
där
1
nXTX = 1
ρ
ρ
1!
"
##
$
%
&
&
(5)
Vilket ger de individuella koefficientvarianserna
Var ˆ
( ) β
X =n 1−( σ
2ρ
2)
" −1ρ
−1ρ
#
$$
%
&
''
(6)
ρ är korrelationsindex och det framgår att den estimerade koefficientens varians går mot oändligheten när ρ går mot 1.
Dummy-‐variabler kringgår multikollinearitet genom användandet av benchmark.
Vid benchmark exkluderas en av dummy variablerna inom samma kategori, exempelvis den manliga dummy-‐variabeln vid bestämmande av könsskillnader.
Denna variabel ingår då i värdet för intercept:en vilket leder till att det linjära sambandet hos de oberoende variablerna reduceras.
Upptäck multikollinearitet
Multikollinearitet kan bland annat upptäckas med hjälp av regressionsmodellens korrelationsmatris.
R(X
1, X
2) = Cov(X
1, X
2)
Cov(X
1, X
1)Cov(X
2, X
2) (7)
De icke-‐diagonala elementen i matrisen betecknar korrelationen mellan de oberoende variablerna. Multikollinearitet förekommer i de flesta verkliga problem och därför tillåts ofta korrelationer upp till 0,8 (Kennedy 2008, sid.195).
Multikollinearitet kan också upptäckas med hjälp av Variance Inlation Factor, VIF. VIF-‐värdena för de oberoende variablerna beräknas matematiskt enligt:
VIF = 1 1− R2
( ) (8)
Värden överstigande 10 anses påtagliga och kräva åtgärd (Kennedy, 2008, sid.199).
Åtgärd till multikollinearitet
Multikollinearitet behandlas olika beroende av situation. J Cohen m.fl (2002) rekommenderar att i första hand omformulera regressionsmodellen och utvärdera mått och oberoende variabler noggrannare för att undvika hög grad av multikollinearitet. Problemet kan reduceras genom att samla in och bearbeta mer data. Ett större antal observationer förbättrar precisionen av koefficientestimeringarna (J Cohen m.fl, 2002).
2.1.5 Heteroskedasticitet
Det tredje antagandet för multipel linjär regression är att alla residualer har identisk varians. Matematiskt skrivs detta fenomen, benämnt homoskedasticitet, som Var e (
ix
i) = σ
2, där e
iär en residual och x
iär ett värde för en av de oberoende variablerna (H Lang, 2015, sid.16).
I de fall antagande inte uppfylls, uppstår heteroskedasticitet. Residualen kan då skrivas som en funktion av x
i. Ett exempel är att residualen ökar för större mätvärden av x
i. Variansen kan då skrivas som Var e (
ix
i) = f (x
i) . Precisionen hos modellen är i dessa fall inte optimal för samtliga värden på x
i(H Lang, 2015, sid.17)
Upptäck heteroskedasticitet
Heteroskedasticitet kan upptäckas genom flera statistiska verktyg. Vid ett Eyeball test placeras residualerna ut i en graf med predikterade värden som oberoende variabel. Om residualens varians kan antydas ha någon typ av samband med den oberoende variabeln förekommer troligtvis heteroskedasticitet (Kennedy, 2008, sid.116). Exempel på heteroskedasticitet respektive homoskedasticitet kan ses i figur 1.
Figur 1. Exempel på heteroskedasticitet & homoskedasticitet, Källa: http://pareonline.net/
Heteroscedasticitet kan också undersökas genom att inkludera White’s Robust Estimate i regressionen. Estimeringen skrivs matematiskt enligt:
Cov β !
^"
# $
% & = (X
TX)
−1X
TD(ê
2)X(X
TX)
−1= (X
TX)
−1ê
i2x
itx
ii=1
n
! ∑
"
# $
% &(X
TX)
−1(9)
Koefficienternas kovariansmatris från OLS-‐estimeringen jämförs sedan med koefficienternas kovariansmatris där White’s Robust Estimate är inkluderat. Om matriserna skiljer sig åt råder heteroskedasticitet (Kennedy, 2008, sid.116).
Åtgärd till heteroskedasticitet
Genom att inkludera White’s Robust Estimate i regressionen kommer regressionens resultat att förbättras och antagandet om homoskedasticitet kan anses rättfärdigat (H Lang, 2015, sid.17).
2.1.6 Residualanalys
Det andra antagandet hos multipel linjär regression är att residualens väntevärde är noll. Vid modellering av verkliga problem är detta ett ovanligt fenomen och därför studeras residualen ofta vidare i en residualanalys för att utreda i vilken mån antagandet kan godtas.
Den generella regressionsekvationen, (1), skrivs:
yi= xij
β
j+ ei j=0k
∑
for i=1, … , n(10)
När regressionen är klar och koefficienterna är beräknade kan residualen ê
iberäknas enligt:
êi= yi− xij
β
j^
j=0 k
∑
for i=1, … , n(11) (H Lang, 2015, sid.4)
Normalfördelningskurvan
Ett sätt att analysera residualerna är genom att jämföra dem med normalfördelningen. Anledningen till jämförelsen med normalfördelningen är att antagandet om residualens väntevärde kan godtas om residualen är normalfördelad.
I normalfördelningsgrafen placeras residualerna, i växande storleksordning, mot de teoretiska värden som residualerna skulle anta om de var normalfördelade.
Y-‐axeln representerar sannolikhet och X-‐axeln representerar värdet för
residualen.
2.1.7 Modellutvärdering
Hypotestestning
Hypotestestning används för att acceptera alternativt förkasta en fastställd hypotes. Detta görs enligt Weisstein (2015) vanligtvis genom fyra steg:
1. Två hypoteser formuleras, en nollhypotes, H
0, och en alternativ hypotes.
Nollhypotesen motsvarar det faktum att datan är helt stokastiskt och saknar samband med de oberoende variablerna. Den alternativa hypotesen motsvarar således att det föreligger statistiskt signifikans hos de oberoende variablerna.
2. Lämplig metod för statistisk testning väljs givet modellens utformande.
3. p-‐värdet för nollhypotesen beräknas. Ett lågt p-‐värde ökar sannolikheten för att modellen har en signifikant förklaringsgrad och vice versa
4. p-‐värdet jämförs vidare med en vald signifikansnivån, α. Vid p ≤ α accepteras den alternativa hypotesen och statistiskt samband antas.
F-‐test och p-‐värde
För att undersöka signifikansen hos estimerade koefficienter kan ett F-‐test användas. En nollhypotes definieras enligt β
a= β
b= ... = β
n= 0 där ett frivilligt antal oberoende variabler testas mot att sakna samband med den beroende variabeln. Givet att residualen är normalfördelad kan ett F-‐värde beräknas enligt (H Lang, 2014, sid 9):
F = n − k −1 r
ê*2 ê2 −1
"
#
$$
%
&
''
∈ F(r, n − k −1) (12)
Där ê
*betecknar residualen för regressionen när de granskade koefficienterna antas vara noll och
êbetecknar residualen från orginalregressionen. n är antalet observationer, k är antalet oberoende variabler och r är antalet exkluderade variabler.
F-‐värdet används sedan till att räkna ut ett p-‐värde för en sann nollhypotes enligt P(X > F) , där X har F-‐fördelning från ekvation 9. p-‐värdet motsvarar sannolikheten att erhålla en teststatistik minst så extrem som den faktiskt observerade, givet att nollhypotesen är sann.
(H Lang, 2014, sid.8)
R
2och justerat R
2R
2är ett mått på hur väl de oberoende variablerna förklarar variationen hos den oberoende variabeln. Matematiskt beräknas R
2genom:
R
2= 1− SS
residualSS
totalt(13)
Där SS
residualär kvadratsumman residularna och SS
totaltär kvadratsumman av avståndet mellan y
ioch medelvärdet y
_. Ett högt R
2motsvarar därav en hög förklaringsgrad hos modellen (H Lang, 2015, sid 8).
Nackdelen hos denna metod är att den premierar ett högt antal oberoende variabler. Detta med anledning av att addering av en ytterligare oberoende variabel inte kan påverka R
2i negativ riktning. Det justerade R
2, R
__2, tar även hänsyn till antal frihetsgrader.
R
2__
= 1− SS
residual/ df
residualSS
totalt/ df
totalt(14) df
residual= n − k −1
df
totalt= n −1
Där n är antalet observationer och k är antalet oberoende variabler. Justeringen gör att oberoende variabler med låg eller ingen förklaringsgrad påverkar
R
2__
negativt (H Lang, 2015, p. 8).
BIC-‐test
BIC, Bayesian Information Criterion, syftar till att värdera olika modelluppsättningar mot varandra. Den modell som ger det lägsta BIC-‐värdet är den modell som metoden föredrar (R E Kass et al, 1995).
BIC kan matematiskt skrivas:
n • ln SS
(
residual)
+ k • ln(n)(15) Där n är antalet observationer och k är antalet koefficienter.
Modellen används genom att jämföra en modells BIC-‐värde med BIC-‐värdet för en reducerad version. Lägst BIC värde bestämmer vilken modell som är optimal.
Differensen mellan modellernas BIC-‐värden beaktas enligt:
Tabell 1. BIC-‐värden
ΔBIC
Bevis emot modell med högre BIC-‐värde 0-‐2 Svagt, notis är tillräcklig
2-‐6 Positivt 6-‐10 Starkt
>10 Mycket starkt
(R E Kass et al, 1995)
2.2 Ersättningsdrivande faktorer
I detta avsnitt presenteras de fyra huvudkategorier där studier funnit samband med VD-‐lön. Dessa fyra huvudkategorier delas vidare upp i de för urvalet mest relevanta faktorerna.
2.2.1 Uppdragets karaktär
Uppdragets karaktär inbegriper flera faktorer som visat statistiskt signifikant samband med VD-‐lön i tidigare studier. Företagsstorleken har granskats både nationellt och internationellt och uppvisat ett positivt samband med ersättningen (Askmark & Holmbom, 2013; Tosi, 2000; Mattson & Nordahl;
Svenskt Näringsliv, 2013; Randøy & Nielsen, 2002).
Enligt Svenskt Näringsliv (2013) förelåg betydande skillnader i VD-‐lön per sektor och placeringslän. Medianlönen var högst i industrisektorn/Stockholms län, 88 400/100 600, och lägst i Byggsektorn/Jämtlands län, 50 000/56 500 (Svenskt Näringsliv, 2013). Randøy & Nielsen (2002) fann även ett starkt positivt samband mellan antal dotterbolag och VD-‐lönen.
2.2.2 Styrelse-‐ och ägarförhållanden
Styrelsen bestämmer VD:ns ersättning och är därigenom en central faktor för
lönesättningen (Svenskt Näringsliv, 2013). Hur olika styrelse-‐ och
ägarkonstellationer påverkar VD-‐lönen har varit underlag för en mängd studier
under den senare delen av 1900-‐talet.
Agentteorin (Jensen & Meckling, 1976) behandlar de problem som uppstår när företagsledningen har påverkan från fler intressenter än ägarna, ex anställda, långivare, egenintressen och stat. De olika intressenterna har inte sällan olika intressen, vilka kan frånskilja sig från aktieägarnas. Ett verktyg för att integrera VD:ns målbild och vision med aktieägarnas är utformningen av VD-‐lönen.
En studie av Core et al (1999) visar att större bolagsstyrelser är mindre noggranna i kontrollen av VD, samtidigt som Boyd (1990) och Weidenbaum (1986) hävdar att ett minskat styrelseengagemang i bolagets operativa verksamhet har en positiv påverkan på VD-‐lönen.
2.2.3 VD:n
VD:ns erfarenhet och kvaliteter återkommer som riktlinjer vid lönesättning av VD:n hos flertalet svenska företags ersättningspolicys (eWork, 2014; Lundin Petroleum, 2014). Enligt Svenskt Näringsliv (2006) bestäms VD-‐lönen delvis av VD:ns egenskaper och kvaliteter, exempelvis utbildning, erfarenhet, ledaregenskaper och strategisk förmåga.
Parthiban et.al (2008) och Bertrand & Mullainathan (2001) har funnit ett positivt signifikant samband mellan ålder och VD-‐lön. Åldern hade i bägge fall ett sjunkande positivt samband och var därför transformerad till åldern i kvadrat.
SCB (2014) hävdar att den generella kompensationsnivån i Sverige är lägre för kvinnor än män. I studier av Adams et al. (2007) och Bertrand och Hallock (2001) fastställs att kvinnliga VD-‐löner uppgår till 45% av männens. Majoriteten av skillnaden kunde emellertid förklaras av att de kvinnliga VD:arna återfanns i företag med jämförelsevis lägre omsättning.
2.2.4 Prestationsrelaterad ersättning
Enligt Jensen & Meckling (1967) är prestationsrelaterad ersättning ett medel för aktieägarna att skapa symmetri mellan VD:ns och aktieägarnas intresse.
Ersättningen utgörs ofta av en rörlig lön kopplat till prestationsrelaterade mått.
Hallvarsson & Halvarsson (2009) fastslog att svenska företag hade en lägre
proportion rörlig ersättning jämfört med övriga Europa. Samtidigt hävdade
Svenskt Näringsliv (2013) att en klar majoritet, 90%, av deras medlemsföretags
VD:ar ändå omfattades av rörlig ersättning.
Jensen & Murphy (1990), Sigler (2011) och Lilling (2006, s.106) har samtliga funnit statistiskt signifikant samband mellan avkastning på tillgångar och VD-‐lön hos amerikanska företag.
Tosi et al (2000) fann ett starkt signifikant samband mellan omsättning-‐ och resultattillväxt i en undersökning på Nya Zeeland.
2.2.4 Sammanfattning av tidigare studier på ersättningsdrivande faktorer
Tabell 2. Sammanfattning av tidigare studier på ersättningsdrivande faktorer
Variabelkategori Variabel Författare Land Påverkan
Uppdragets karaktär Företagsstorlek Askmark & Holmbom (2013);
Pukthuanthong et al. (2004);
Cahan et al. (2005); Palmberg, 2(009); Randöy &
Nielsen,(2002).
Sverige +
Sektor Kjell Frykhammar(2013) Sverige +/-‐
Placeringslän Kjell Frykhammar(2013) Sverige +/-‐
Antal
Dotterbolag
Trond Randøy, Jim Nilsen(2002)
Sverige Norge
+ Styrelse-‐ och
ägarförhållande
Styrelsestorlek Core et al (1999), Boyd(1990) och Weidenbaum(1986), Cahan et al. (2005)
Pukthuanthong et al. (2004)
USA -‐
VD:n Ålder Parthiban et.al (2008) och
Bertrand & Mullainathan (2001)
USA +
Kön Adams et al. (2007) och
Bertrand och Hallock (2001)
USA +/-‐
Prestationsrelaterad Avkatsning på tillgångar
Jensen & Murphy (1990), Joskow & Rose (1994), Garen (1994), Hall & Liebman (1998), Murphy (1999), Baker & Hall (2004), Edmans et al. (2009), Sigler(2011), Lilling (2006) och Geiger & Cashen (2007)
USA +
Resultattillväxt Tosi et al (2000) USA +
Omsättnings-‐
tillväxt
Tosi et al (2000) USA +
3 Metod
Det här kapitlet redogör för tillvägagångssättet i studiens empiriska undersökningen. Metoden kan summeras i fem steg: Datainsamling, metod-‐ och variabelval, databearbetning, modellprövning och modellutvärdering.
Studien genomfördes med kvantitativ metod vilket innebär att datainsamlingens tyngd lades på kvantitet före kvalitet (Bryman och Bell, 2003). Bryman och Bell hävdar att den kvantitativa metoden är bäst lämpad när precisa relationer mellan förutbestämda variabler utreds, vilket den här studien ämnar göra.
För att undersöka sambandet mellan den beroende variabeln, VD-‐lön, och de oberoende variablerna användes multipel linjär regressionsanalys som presenterades i avsnitt 2.1.2 Multipel linjär regressionsanalys. Regressionsanalys är enligt Bryman och Bell (2003) den mest använda vid analys av kvantitativ data.
Studiens metod kan summeras i fem steg:
1. Datainsamling
2. Metod-‐ och variabelval 3. Databearbetning 4. Modellprövning 5. Modellutvärdering
3.1 Datainsamling
Data från totalt 80 svenska onoterade aktiebolag i storleken 50-‐500 anställda med anställd VD, samlades in från VD-‐katalogen 2015 (Ratlibris AB, 2015) och 2013:års årsrapporter. Företagen valdes utifrån obundet slumpmässigt urval, presenterades i avsnitt 2.1.1 Obundet slumpmässigt urval. Metoden anses lämplig när urvalet ska fungera som generalisering för hela populationen (Bryman &
Bell, 2003). Data för samtliga oberoende variabler bortsett från ålder hämtades ur årsrapporterna. Ålder inhämtades från upplysning.se vars information baseras på folkbokföringen (Upplysning.se, 2015)
80 företag analyserades och data för 17 variabler hämtades in, vilket resulterade
i totalt 1 360 datapunkter. Kritiska variabler, exempelvis företagens ekonomiska
nyckeltal, redovisas enbart årligen och därav representerar samtlig insamlad
data det senaste redovisade helåret, 2013.
3.2 Variabler
3.2.1 Beroende variabel
Den beroende variabeln, VD-‐lön, är hämtad ur VD-‐Katalogen 2015 (Ratlibris AB, 2015) och validerad genom företagens årsrapporter för 2013. VD-‐lönen är den fasta-‐ och rörliga ersättningen som utbetalas under året 2013. Lönen är sedan logaritmerad i regressionen, vilket minskar effekten av extremvärden i resultatet (Edling & Hedström, 2003 s. 160).
3.2.2 Oberoende variabler
Redogörelse för ersättningsdrivande faktorer i tidigare studier finns i avsnittet 2.1 Ersättningsdrivande faktorer.
Förbehandling av variabeldata genom att transformera en eller flera variabler är
en metod som kan öka modellens lämplighet (B E Hansen, 2015, p.44). En metod
är att reducera extremvärdenas betydelse genom att logaritmera, naturliga
logaritmering, en variabel. En annan är att skapa ett linjärt samband hos en
variabel med sjunkande tillväxt genom att kvadrera dess värde (H Lang, 2015,
p.21). Tabell 3 innehåller en lista på de 17 oberoende variablerna från tidigare
studier på ersättningsdrivande faktorer och hur de användes i den initiala
modellen.
Tabell 3. Lista över de oberoende variablerna
Variabelkategori Variabelnamn Mått* Kommentar
Uppdragets karaktär Omsättning ln(SEK) Den naturliga logaritmen av omsättningen.
Stockholm Dummy** Ges värdet 1 om huvudkontoret är placerat i
Stockholm
Göteborg Dummy Ges värdet 1 om huvudkontoret är placerat i
Göteborg
Malmö Dummy Ges värdet 1 om huvudkontoret är placerat i
Malmö
Övriga Sverige Benchmark*** Inkluderas i värdet för intercept:en
Bygg Benchmark Inkluderas i värdet för intercept:en
Handel Dummy Ges värdet 1 om företaget återfinns i
handelssektorn
Industri Dummy Ges värdet 1 om företaget återfinns i
industrisektorn
Tjänster Dummy Ges värdet 1 om företaget återfinns i
tjänstesektorn
Transport Dummy Ges värdet 1 om företaget återfinns i
transportsektorn
Antal dotterbolag Antal Antal dotterbolag med omsättning > 10 Mkr Styrelse-‐ och
ägarförhållande
Styrelsestorlek Antal Antal styrelseledamöter vid 2013 års årsstämma
VD:n Ålder År (2013-‐födelseår)2
Kvinna Dummy Ges värdet 1 om VD:n är kvinna
Man Benchmark Inkluderas i värdet för intercept:en
Prestationsrelaterad ersättning
Avkastning på tillgångar
% Resultat efter finansnetto/Summa tillgångar
Omsättningstillväxt SEK Omsättning 2013 – Omsättning 2012
Resultattillväxt SEK Resultat 2013 – Resultat 2012
* Ekonomiska mått mäts i tusentals kronor.
** Förklaring ges i avsnitt 2.1.1 Multipel linjär regressionsanalys
*** Förklaring ges i avsnitt 2.1.4 Multikollinearitet