Kapitalstruktur
– En studie av branschtillhörighets, storleks och lönsamhets inverkan på företags
skuldsättningsgrad.
Södertörns högskola | Samhällsvetenskapliga institutionen Kandidatuppsats 15hp | FEK C Finansiering | Vårterminen 2013
Programmet för Sport Management
Av: Jacob Holm & Fredrik Rydbeck Handledare: Maria Smolander
2
Sammanfattning
Syftet med denna undersökning är att studera olika faktorers inverkan på kapitalstruktur.
Specifikt studeras faktorerna branschtillhörighet, storlek samt lönsamhet och dessa faktorers påverkan på skuldsättningsgraden för de 252 noterade företagen på Stockholmsbörsen under perioden 2007-2011. Studien demonstrerar statistiskt signifikanta skillnader i
skuldsättningsgrad som kan förklaras av branschtillhörighet. För faktorerna storlek och lönsamhet finnes dock inga tydliga indikationer på att dessa har någon betydlig inverkan på skuldsättningsgraden.
3
Abstract
The purpose of this essay is to study the impact of different factors on corporate capital structure. The factors studied in relation to corporate debt ratio are industry affiliation, size and profitability. The study involves all 252 companies quoted on the Stockholm stock exchange and cover a time period from 2007 to 2011. The result shows that branch affiliation has a significant impact on corporate debt ratios. Regarding size and profitability, however, these factors do not have an evident impact on corporate debt ratios.
4
Innehåll
1 Inledning ... 6
1.1 Problembakgrund ... 7
1.3 Undersökningsfrågor ... 9
1.4 Syfte ... 9
1.5 Avgränsning ... 9
2 Teorier och tidigare forskning ... 11
2.1 Modigliani & Miller (M&M) ... 11
2.2 Trade Off-teorin ... 11
2.2 Pecking Order-teorin ... 13
2.3 Free Cash Flow-teorin ... 13
2.4 ’Capital Structure Across Industries’ ... 15
2.5 Studiens relation till teorier och tidigare forskning ... 15
3 Metod ... 16
3.1 Skuldsättningsgrad ... 16
3.1.1 Beräkning av skuldsättningsgrad ... 16
3.2 Skuldsättningsgrad i relation till branschtillhörighet ... 17
3.3 Storlek i relation till skuldsättningsgrad ... 18
3.4 Lönsamhet i relation till skuldsättningsgrad ... 18
3.4.1 Beräkning av avkastning på eget kapital ... 19
3.5 Definition av begrepp ... 20
3.5.1 Aritmetisk medelvärde... 20
3.5.2 Kvotskalenivå ... 20
3.5.3 - metoden ... 20
3.5.4 Regressionslinje & MK-metod ... 20
3.5.5 Korrelationskoefficienten ... 21
3.5.6 Determinationskoefficienten ... 21
3.6 Metodkritik ... 21
4 Resultat ... 23
4.1 Skuldsättningsgrad ... 23
4.2 Branschtillhörighet och skuldsättning... 23
4.2.1 Inverkar branschtillhörighet på skuldsättningsgraden ... 24
4.3 Företagsstorlek och skuldsättning ... 25
4.3.1 Beräkning av regression och korrelation ... 26
5
4.4 Lönsamhet och skuldsättning ... 27
4.4.1 Beräkning av regression och korrelation ... 28
5 Analys ... 29
5.1 Branschtillhörighet och skuldsättningsgrad... 29
5.2 Företagsstorlek och skuldsättningsgrad ... 31
5.3 Lönsamhet och skuldsättningsgrad ... 32
6 Slutsatser ... 34
7 Diskussion ... 35
8 Referenser ... 36
9 Bilagor ... 38
6
1 Inledning
Nedan presenteras kortfattat uppsatsens forskningsområde samt tre frågeställningar som härleds ur identifierad problematik. Vidare presenteras de övergripande intentionerna med undersökningen vilket slutligen leder fram till en beskrivning av hur avgränsningen för den
empiriska studien kommer att se ut.
För att ett företag skall kunna finansiera befintliga lönsamma projekt krävs resurser i form av kapital. Kapitalresursen kan ha ett värde för företaget, inte bara i egenskap av ökat kassaflöde, utan framförallt för att den kan förbättra lönsamheten hos organisationen1. Vid beslut om kapitalstruktur, det vill säga på vilket sätt företag väljer att finansiera befintliga lönsamma projekt och investeringar, utgör skuld och eget kapital finansieringsmöjligheterna. Företag har haft möjlighet att låna kapital sedan en lång tid tillbaka och det har funnits mer eller mindre utvecklad handel med företagsandelar under en väldigt lång tid. Trots detta är det inte förrän på senare tid som företags val av kapitalstruktur har väckt forskarnas intresse2, bland annat under 1950-talet med Modigliani & Millers idéer om att företagsvärdet inte påverkas av hur företagets tillgångar finansieras3.
Skuld är ett åtagande som innebär en avtalsenlig relation mellan låntagaren och långivaren.
Detta medför att långivarna innehar vissa juridiska rättigheter gentemot låntagaren, främst i form av förutbestämd avkastning på lånet. För ett företag som tar lån innebär denna form av kapitalanskaffning – i relation till andra former av sådan – en mindre grad av risk.
Långivarnas avkastningskrav understiger oftast exempelvis aktieägares krav på avkastning som blir relevant vid kapitalanskaffning via exempelvis nyemissioner. Finansiering med eget kapital via nyemission avser ett åtagande som innebär en implicit relation mellan företaget och aktieägarna. Detta förhållande består i att aktieägarna erhåller den avkastning som
kvarstår efter att de eventuella långivarna fått sin del. Eftersom aktieägarna inte innehar några juridiska rättigheter, i form av en garanterad avkastning på sin investering, tar de en större risk gentemot långivarna och kräver således en högre avkastning. Hänsynstagandet till risk är den mest grundläggande skillnaden mellan skuldfinansiering och finansiering med eget kapital och företag måste beakta för- och nackdelar vid beslut om kapitalstruktur4. Beslut om kapitalstruktur har dock visat sig kunna innehålla långt fler dimensioner än endast graden av önskad riskaversion. Någon heltäckande teori som tillfullo förklarar företags beslut om kapitalstruktur har ännu inte presenterats, kanske på grund av företag verkar i en dynamisk miljö och att förutsättningar för dessa kan se olika ut5. Tester och empiriska undersökningar har visat på olika faktorer som mer eller mindre skulle kunna påverka beslutsfattandet om hur ett företags kapitalstruktur ser ut. Denna studie syftar till att studera sådana potentiella
faktorer.
1 U Eriksson-Zetterquist, T Kalling & A Styhre, Organisation och Organisering, Tredje upplagan, Liber, 2012, s. 212.
2 M Hamberg, Strategic Financial Decisions, Andra upplagan, Liber Abstrakt, Malmö, 2004, s. 223.
3 D Hillier, S Ross, R Westerfield, J Jaffe & B Jordan, Corporate Finance, European Edition, McGraw-Hill, Berkshire 2010, s. 413.
4 Ibid., s. 216.
5 S.C Myers, ’Capital Structure’, Journal of Economic Perspectives, vol. 15, no. 2, 2001, s. 81-102. S. 81.
7
1.1 Problembakgrund
En av de mest välkända teorier om kapitalstruktur, Trade Off-teorin, hävdar att en optimal kapitalstruktur existerar för alla företag och att denna struktur eftersträvas av dessa. Företaget som strävar efter sin optimala kapitalstruktur balanserar fördelar och nackdelar som är
förknippade med lån. Framförallt avser denna balansgång att hitta en jämvikt mellan medföljande skattesköld och avkastningskrav från långivarna. I motsats till detta synsätt argumenterar Myers och Majluf att en optimal kapitalstruktur inte eftersträvas i särskilt stor utsträckning av företag. Enligt vad som senare kommer att benämnas Pecking Order-teorin råder istället en finansieringshierarki där intern finansiering av befintliga lönsamma projekt föredras framför extern finansiering, som lån och nyemitteringar6. Vidare menar Myers och Majluf att när extern finansiering är oundviklig kommer lån i sin tur prioriteras före
nyemittering. Den hierarki som förutspås uppstå mellan finansieringssätten bygger på antagandet om att företag strävar efter finansiell frihet och att det råder
informationsasymmetri mellan interna och externa aktörer.
Vad gäller forskning inom området kapitalstruktur har den till viss del syftat till att testa empiriskt huruvida den ena eller andra teorin kan verifieras eller falsifieras. Detta tillvägagångssätt blir problematiskt när införskaffad data presenteras och analyseras och slutsatserna ofta är att det inte är möjligt att helt verifiera eller falsifiera ett visst synsätt.
Bessler, Drobetz och Grüninger konkluderar följande i sin studie från 2010 om sitt urval bestående av 6000 företag noterade på olika börser runtom i världen: ”Our results do not invalidate standard capital structure explanations. For example, several recent studies suggest that the pecking order theory and the trade-off theory are complementary rather than mutually exclusive […]. In particular, it seems that firms follow a target debt ratio in the long-run, but implement more dynamic financing strategies in the short-run.”7. Slutsatserna att
finansieringsbeslut inte helt kan förutspås med den ena eller andra teorin visar tydligt på att processen och själva beslutet om kapitalstruktur är långt mer dynamiskt och komplext än att det går att förklara med ett universellt förhållningssätt.
Att förutsättningarna för företag kan vara beroende av olika faktorer blir ännu tydligare vid beaktande av en studie gjord av Kwok och Tadesse som observerar tydliga skillnader i hur finansiella system och strukturer ser ut mellan länder. ”In Anglo-Saxon countries such as the US and the UK financial systems are dominated by stock markets, whereas in Continental Europe and Japan banks play a predominant role.” Vidare görs gällande att kultur kan vara den inneboende anledningen till varför företag runt om i världen tillämpar just olika
finansiella system.”Countries with stronger uncertainty avoidance as a cultural dimension are more likely to be associated with a bank-based financial system”8. Vad forskarna menar är att det finansiella systemen som länder och till och med specifika företag väljer är beroende av kulturella faktorer. Kulturen bestämmer således i vilken utsträckning samhällen vill undvika risk och i områden där Uncertainty Avoidance Index (UAI), alltså strävandet efter att undvika risk, är högre applicerar företagen i större utsträckning bankfinansiering. Samhällen med lågt UAI tenderar i större utsträckning att använda sig av marknadsorienterade
finansieringssystem9. Studiens slutsatser är ett bevis på att området kapitalstruktur är mycket
6 W Bessler, W Drobetz & MC Grüninger, International Tests of the Pecking Order Theory, The European Financial Management Association, 2010, s. 1.
7 W Bessler, W Drobetz & MC Grüninger, International Tests of the Pecking Order Theory, The European Financial Management Association, 2010, s. 25.
8 C.C Y. Kwok & S Tadesse, ‘National Culture and Financial Systems, Journal of International Business Studies, vol. 37, no. N/A, 2006, s. 227-247, s. 243.
9 Ibid.
8
mer komplext än vad många teorier gör gällande. Att kultur kan ha stor inverkan på hur beslut om strukturer fattas öppnar upp för antagandet om att det potentiellt kan finnas andra viktiga faktorer som påverkar. Ovanstående forskning har studerat företagen oberoende vissa
variabler som skulle kunna antas påverka dess investeringsbeslut.
Frank och Goyal belyser denna komplexitet i sin studie från 2009 av amerikanska börsnoterade företag mellan 1950 och 2003. Forskarnas infallsvinkel är aningen mer
förutsättningslös än den som intas av Bessler, Drobetz och Grüninger som nämnts ovan då de istället ämnar studera vilka faktorer som hypotetiskt kan påverka företags beslut om
kapitalstruktur. De finner exempelvis att på en marknad där medianföretaget har en hög skuldsättningsgrad tenderar företag generellt sett att ha en hög skuldsättningsgrad10. Vidare påvisas att större företag (sett till bokfört värde på tillgångar) har en högre skuldsättningsgrad än mindre företag samt att vid perioder då inflationen väntas bli hög så ökar
skuldsättningsgraden11. Andra faktorer än bara strävan efter en viss kapitalstruktur eller rådande informationsasymmetri påverkar således hur företagen finansierar sina projekt.
En faktor som hypotetiskt sett kan påverka tillvägagångssättet är branschtillhörighet. Kan det vara så att den bransch företaget verkar inom påverkar vilket tillvägagångssätt företaget väljer? Ett rimligt antagande är att beslut om kapitalstruktur för företag noterade på Stockholmsbörsen skiljer sig åt beroende på vilken bransch de är verksamma inom.
Antagande bygger på att olika branscher torde medföra olika risknivåer. Aktörerna inom en specifik bransch utsätts för en viss grad av risk och detta kan alltså potentiellt påverka företags beslut om kapitalstruktur. Talberg, Winge, Frydenberg och Westgaard finner exempelvis i sin studie av noterade företag verksamma i USA signifikanta skillnader mellan företag vad gäller kapitalstruktur. Observerade skillnader kan förklaras med att studerade företag är verksamma inom olika branscher12. Vad gäller företag noterade på den nordiska börsen hävdas av exempelvis Hamberg att branschtillhörighet tenderar att ha inverkan på kapitalstruktur13.
Första dimensionen av studien ämnar undersöka på vilket sätt branschtillhörighet inverkar på skuldsättningsgraden för just företag som är noterade på Stockholmsbörsen. Alltså, finns det något signifikant samband mellan branschtillhörighet och variationer i skuldsättningsgrad och vilka tendenser kan utläsas utifrån dessa variationer?
Mot bakgrund av det Frank och Goyal konstaterade i sin forskning kring kapitalstruktur – nämligen att företag med högt bokfört värde på tillgångar tenderar att ha en högre
skuldsättningsgrad – består studiens andra dimension av att undersöka huruvida det finns någon korrelation mellan företagsstorlek och skuldsättningsgrad för företag noterade på Stockholmsbörsen.
Som en tredje dimension av studien och mot bakgrund av att Frank och Goyal konkluderar att lönsamma företag är mindre benägna att skuldsätta sig14, ämnas undersökas om det finns ett samband mellan lönsamhet och skuldsättningsgrad och hur detta i sådana fall kommer till uttryck.
10 M.Z Frank, & V.K Goyal, ‘Capital Structure Decisions: Which Factors Are Reliably Important?’, Financial Management, vol. 38, no. 1, 2009, s. 1-37, s. 26.
11 Ibid. 26-27.
12 Talberg, M, C Winge, S Frydenberg & S Westgaard, ‘Capital Structure Across Industries’, International Journal of the Economics of Business, vol. 15, no. 2, 2008, s. 181-200, s.
13 M Hamberg, Strategic Financial Decisions, Andra upplagan, Liber Abstrakt, Malmö, 2004, s. 220.
14 M.Z Frank, & V.K Goyal, ‘Capital Structure Decisions: Which Factors Are Reliably Important?’, Financial Management, vol. 38, no. 1, 2009, s. 1-37, s. 26.
9
1.3 Undersökningsfrågor
I. Kan signifikanta skillnader i skuldsättningsgrad identifieras för företag noterade på Stockholmsbörsen beroende på vilken bransch dessa tillhör?
II. Vilken korrelation kan identifieras mellan företagsstorlek och skuldsättningsgrad för företag noterade på Stockholmsbörsen?
III. Vilken korrelation kan identifieras mellan lönsamhet och skuldsättningsgrad för företag noterade på Stockholmsbörsen?
1.4 Syfte
En empirisk studie av företag noterade på Stockholmsbörsen ämnar genomföras för att undersöka vilka potentiella samband det finns mellan faktorerna branschtillhörighet, storlek samt lönsamhet och företags skuldsättningsgrad.
1.5 Avgränsning
Avgränsningen görs till noterade företag på Stockholmsbörsen som utgör ett segment av Nasdaq OMX Nordic (marknadsplats för handel med värdepapper för listade nordiska aktiebolag15). Tre faktorer som potentiellt kan påverka företags beslut om kapitalstruktur används och består av storlek (bokfört värde på tillgångar), lönsamhet (avkastning på eget kapital) samt branschtillhörighet där befintlig branschindelning som redovisas nedan kommer användas som hjälpmedel för att kategorisera företagen.
Bransch # Företag
Oil/Gas (O/G) 7
Basic Materials (BM) 16
Industrials (I) 69
Consumer Goods (CG) 25
Consumer Services (CS) 24
Health Care (HC) 31
Telecommunication (TEL) 5
Utilities (U) 2
Financials (F) 41
Technology (TEC) 33
∑ 252
Tabell 1.1 (egen sammanställning). Antal noterade företag på Stockholmsbörsen fördelat på branschtillhörighet.
15 Nasdaq OMX Nordic, företags- och verksamhetsbeskrivning samt även historik, Nasdaq OMX Nordic, 2013, hämtad 13 mars 2013 kl. 14.00, http://www.nasdaqomxnordic.com/omoss/.
10
Den branschindelning som används är den, av Morgan Stanley och Standard & Poor’s, internationellt standardiserade Global Industry Classification Standard (GICS) 16. En mer specifik beskrivning över vilka typer av företag som ingår i de olika branscherna finns specificerad i bilaga 1.
16 Morgan Stanley Capital Internationals (MSCI:s) sammanställning av Global Industry Classification Standard (GICS) som den gäller från 30 juni 2010, hämtad 21 maj 2013, kl. 14.21,
http://www.msci.com/products/indices/sector/gics/gics_structure.html.
11
2 Teorier och tidigare forskning
I följande avsnitt ämnas modeller och teorier tas upp som kan knytas till det undersökningen har för avsikt att genomföras. Forskning som sedan tidigare, helt eller till en viss del, belyst
området presenteras i syfte att skapa en bredare förståelse för områdets dynamiska egenskaper. Teorier som presenteras är relevanta för studien främst i egenskap av att de kan
skapa utökade möjligheter för en extensiv analys. Den tidigare forskning som tas upp bidrar med ytterligare infallsvinklar för studien vad gäller de slutsatser som kommer att härledas
från det empiriska resultatet.
2.1 Modigliani & Miller (M&M)
En av de mest banbrytande studierna om kapitalstruktur presenteras av Franco Modigliani och Merton Miller i slutet av 1950-talet. Enligt M&M proposition I är ett företags kapitalstruktur irrelevant då värdet på ett belånat företag är lika med värdet på ett obelånat företag. Denna slutsats kan vara korrekt förutsatt att de antaganden om omgivningen och dess förutsättningar stämmer, nämligen att inga skatter eller transaktionskostnader existerar samt att företag och individer kan låna till samma ränta. Med hänsyn till att verksamheter faktiskt beskattas och att det finns vissa transaktionskostnader förknippade med skuldsättning bör M&M proposition I sättas i relation till dessa förutsättningar. Denna modell utgör ett fundament från vilket nedan teorier tar sina avstamp, vilket är varför denna modell är relevant för studiens teoretiska del.
2.2 Trade Off-teorin
Enligt Trade Off-teorin beslutar företag huruvida förhållandet mellan skuld och eget kapital bör se ut vid finansiering av tillgångar, i syfte att hitta en optimal balans mellan för- och nackdelarna som tillkommer vid skuldsättning. Teorin vidareutvecklar ovannämnda M&M proposition I, i den bemärkelsen att den tar hänsyn till mer realistiska förutsättningar och inte gör lika radikala antaganden. Trade Off-teorin tar upp vad M&M förbiser, nämligen positiva och negativa aspekter som kan vara kopplade till ökad skuldsättning. Med introducerandet av skatter till M&M proposition I kan det påvisas att värdet av det belånade företaget ( ) är större än värdet för det obelånade företaget ( ). Detta beror på att den skattesköld ( ) som skapas av belåningen ökar företagsvärdet17.
+
I syfte att öka företagets värde kan företaget alltså välja att skuldsätta sig och åstadkomma en skattesköld. Den optimala kapitalstrukturen återfinns vid den punkt där marginalfördelarna är större eller lika med marginalkostnaderna. Främst åsyftas med marginalkostnader, i detta fall, sådana kostnader som tenderar att öka med skuldandelen, exempelvis risken att försätta företaget i återbetalningsförpliktelser som det inte kan fullgöra. Risken att gå i konkurrs ökar med andra ord med belåningsgraden och detta är någonting som bör sättas i relation till fördelarna med skatteskölden18.
17 D Hillier, S Ross, R Westerfield, J Jaffe & B Jordan, Corporate Finance, European Edition, McGraw-Hill, Berkshire 2010, s. 417.
18 A Kraus & R.H Litzenberger, ‘A State-Preference Model of Optimal Financial Leverage’, The Journal of Finance, vol. 28, no. 4, 1973, s.911-922, s. 911.
12
Figur 2:1. Egen sammanställning. Beskrivning av förhållandet mellan fördelar och nackdelar förknippade med skuldsättning (Trade Off-teorin).
Ovan i figur 2:1 visas förhållandet mellan fördelar och nackdelar som kan härledas från en ökad skuldsättningsgrad. Noteras bör att olika företag kan ha olika stora för- eller nackdelar förknippade med skuldsättning. Detta illustreras av att den optimala kapitalstrukturen återfinns symboliskt vid den punkt där marginalfördelarna är större eller lika med
marginalkostnaderna för det belånade företaget. Den reella placeringen av punkten för ett företags optimala kapitalstruktur är alltså unik för just det specifika företaget. Den
överliggande blå linjen symboliserar utvecklingen av företagsvärdet då hänsyn inte tas till nackdelarna med skuld. Den underliggande blå linjen symboliserar utvecklingen av
företagsvärdet med hänsynstagande till just dessa nackdelar med belåning. Området mellan dessa två linjer utgör nuvärdet för kostnaden för valda skuldsättningsgrad.
Trade Off-teorin är en viktig utgångspunk för analys av studiens första undersökningsfråga, huruvida signifikanta skillnader för företags kapitalstruktur kan påvisas beroende på vilken bransch dessa är verksamma inom. Detta förhållningssätt skulle således kunna kopplas till empirin beroende på identifierad kapitalstruktur för de noterade företagen på
Stockholmsbörsen. Om enheter inom en viss bransch exempelvis tenderar ha liknande skuldsättningsgrad, torde detta ses som befintliga företag har identifierat en optimal
kapitalstruktur för sig själva på just den bransch de verkar inom, det vill säga den punkt där marginalfördelarna är större eller lika med marginalkostnaderna. Beroende på hur denna kapitalstruktur ter sig för studerad population kan potentiella avvikelser mellan branscher förklaras av olika grader av risk för dessa branscher. Denna risk definieras enligt teorin som en form av konkurskostnad, på vilken en ökad osäkerhet och risk således medför en högre konkurskostnad. De olika kostnaderna kan potentiellt komma till uttryck av att företag väljer olika skuldsättningsgrader vilket i sin tur potentiellt kan leda till att skuldsättningsgraden skiljer sig mellan olika branscher.
13
2.2 Pecking Order-teorin
Teorin är utvecklad av Stewart C. Myers och Nicolas Majluf och bygger kring antagandet om att det inte finns någon optimal kapitalstruktur som företag strävar efter. Enligt Pecking Order-teorin väljer istället varje företag sin skuldandel baserat utifrån sina finansiella behov.
Först och främst finansieras om möjligt investeringar med hjälp av interna medel. Lönsamma och internt finansierade projekt ökar det bokförda värdet samt marknadsvärdet för eget kapital och skuldandelen minskar. Om intern finansiering inte är möjlig, exempelvis i ett olönsamt företag, väljer företag att istället finansiera projekt och investeringar med hjälp av belåning.
Om höga befintliga skulder gör det omöjligt att ta nya lån kommer företaget som tredje och sista utväg att emittera nya aktier för att erhålla kapital. Skuldandelen kan i viss mån
bestämmas av de antal lönsamma projekt som ett har möjlighet att investera i. Företag strävar således efter finansiell frihet.
Teorin om att en finansieringshierarki råder grundas i antagandet om att det existerar informationsasymmetri mellan olika intressenter. Interna aktörer vet mer om ett företags framtidsutsikter, risker och värde än vad externa investerare gör. Asymmetrisk information påverkar valet mellan intern och extern finansiering, samt även valet av skuld eller eget kapital vid oundviklig extern finansiering. Enligt Pecking Order-teorin förutspås företag i första hand finansiera projekt internt på grund av att det råder just informationsasymmetri.
Om företaget måste vända sig mot externa finansiärer väljs belåning framför nyemission19. Anskaffning av finansiella medel genom nyemission kan av aktieägare ses som ett tecken på att aktien är övervärderad och denna kapitalanskaffningsmetod utgör således den minst attraktiva för företaget.
Denna teori tillämpas i studien av två anledningar. Vid analys av branschtillhörighet och dess potentiella inverkan på kapitalstruktur, skapar Pecking Order-teorins antagande om rådande informationsasymmetri en intressant infallsvinkel. Givet att företag följer denna
finansieringshierarki kan skillnader i skuldsättningsgrad mellan olika branscher ge
indikationer om vilka förutsättningar som råder för företagen inom dessa branscher. Även vid analys av studiens andra undersökningsfråga, vad gäller företagsstorlek är teorin relevant, i bemärkelsen att den kan bidra till ytterligare dimensioner. Företagsstorlek torde exempelvis ha en negativ inverkan på informationsasymmetrin mellan intressenterna då den bidrar till mer transparens, vilket skapar underlag för diskussion om samband mellan företagsstorlek och skuldsättningsgrad kan identifieras.
2.3 Free Cash Flow-teorin
Företagsledningens primära existens och dess arbete syftar till att hantera och förvalta företagets tillgångar i aktieägarnas intresse. Agentteorin belyser problematiken som kan uppstå i och med att det finns svårigheter i att synkronisera aktieägarnas uttalade intressen med ledningens ofta något mer dolda intentioner. I principal/agent-förhållandet mellan aktieägare och företagsledning råder det ofta målinkongruens mellan parterna – vad som är värdemaximering för aktieägarna innebär nödvändigtvis inte värdemaximering för
företagsledningen – och detta kan få effekter för hur företaget drivs och vilka investeringar som görs. Synen på kapitalstruktur och antagandet om att det finns ett homogent ändamål, nämligen att maximera vinsten till aktieägarna är problematiskt då ägarskapet är separerat från kontrollen av företagets resurser. Ovanstående problematik belyses av bland annat Myers
19S.C Myers & N.S Majluf, Corporate Financing and Investment Decisions When Firms have Information That Investors Do Not Have. DSpace @MIT, 2013, hämtad 7 mars 2013, http://dspace.mit.edu/bitstream/handle/1721.1/2068/SWP-1523- 15376412.pdf?sequence=1, s. 6.
14
och Majluf20. En företagsledning som arbetar mot det uttalade målet att öka
omsättningstillväxten vinner ofta legitimitet hos aktieägarna trots att parternas intentioner för hur ett potentiellt överskott ska fördelas ofta inte harmoniserats. För en aktieägare är det önskvärt att överskott som potentiellt genereras av ökad omsättning antingen investeras i lönsamma projekt som kan ge hög avkastning i framtiden, alternativt betalas ut i form av utdelningar. Företagsledningen har däremot inte samma intentioner med överskottet. Primärt handlar arbetet för företagsledningen om att hålla aktieägarna nöjda, men det är fördelaktigt för ledningen att på ett eller annat sätt skapa en buffert (financial slack). Financial slack möjliggör en viss mån av frihet för ledningen i form av ökad förmåga att handla självständigt under sämre tider. Ledningen har således inte samma fundamentala intentioner för potentiella överskott som aktieägarna. Konflikter mellan parterna undviks hursomhelst genom att
ledningen arbetar mot ett uttalat tillväxtmål som accepteras av aktieägarna.
Att utöva kontroll gentemot ledningen i form av exempelvis extern oberoende övervakning och via hot om företagsförvärv (takeovers) innebär stora kostnader för aktieägarna och är enligt Myers inte fördelaktigt21. Myers menar även att försök att harmonisera parternas mål och intentioner genom noga utformande av kompensationspaket inte heller är optimalt då bedömningen av huruvida prestationer uppfyllts eller inte blir mycket godtycklig22. Michel C. Jensen har studerat den dimension av agentteorin som belyser problematiken betingad med ett högt genererat fritt kassaflöde, Free Cash Flow (FCF)23. FCF är kassaflöde som överskrider det behov av finansiella medel som krävs för att finansiera alla existerande projekt som har ett positivt nuvärde, beräknat med relevant diskonteringsränta. Jenssen menar att intressekonflikter mellan aktieägare och ledning är speciellt påtagliga då en organisation genererar ett anmärkningsvärt högt FCF. Problemet med ett högt FCF bygger på att ledningen tenderar att antingen investera dessa medel i projekt som inte är lönsamma, alternativt
spendera dem på organisatoriska insatser som inte ger någon avkastning. Enligt Jenssen består den grundläggande utmaningen i att, som han uttrycker det, ”motivate managers to disgorge the cash rather than investing it below the cost of capital or wasting it on organizational inefficiencies.”24 Olönsamma investeringar och ogenomtänkta insatser vid höga FCF utgör ett stort problem, något som även Myers belyser. Myers betonar dock att detta problem kan lösas med hjälp av en högre belåningsgrad. Myers konkluderar följande: ”The answer to Jensen’s problem can be debt, which forces the firm to pay out cash. A high debt ratio can be
dangerous, but it can also add value by putting the firm on a diet.”25. Om företagsledningen har skuld att beakta kommer den att handla mer restriktivt vid hanteringen av genererat FCF och tvingas betala ut medel till fordringsägarna. På detta sätt tenderar investeringar i projekt som inte är lönsamma att undvikas. Skuld kan alltså fungera som ett sätt att minska
agentkostnader som förknippas med principal/agent-förhållandet.
Denna teori blir relevant vid analys av studiens tredje och sista undersökningsfråga, då vi ämnar studera lönsamhets inverkan på skuldsättningsgraden. Teorin utgör en möjlig
förklaringsmodell till varför ett potentiellt negativt samband skulle kunna identifieras då ett lönsamt företag torde ha ett större fritt kassaflöde och således kunna finansiera investeringar internt i större utsträckning.
20 M Hamberg, Strategic Financial Decisions, Andra upplagan, Liber Abstrakt, Malmö, 2004, s. 23.
21 S.C Myers, ’Capital Structure’, Journal of Economic Perspectives, vol. 15, no. 2, 2001, s. 81-102, s. 96.
22 Ibid s. 96.
23 M.C. Jensen, ’Agency Costs of Free Cash Flow, Corporate Finance and Takeovers’, The American Economic Review, vol. 76, no. 2, 1986, s. 323-329.
24 Ibid s. 323.
25 S.C. Myers, ’Capital Structure’, Journal of Economic Perspectives, vol. 15, no. 2, 2001, s. 81-102, s. 98.
15
2.4 ’Capital Structure Across Industries’
Talberg, Winge, Frydenberg och Westgaard finner i sin studie av noterade företag verksamma i USA signifikanta skillnader vad gäller kapitalstruktur mellan företag som kan förklaras med att dessa företag är verksamma inom olika branscher. Kapitalstrukturen, eller snarare
skuldsättningsgraden, beräknas i studien genom att sätta de långfristiga skulderna, övriga räntebärande skulder samt beräknade upplupna räntekostnader i relation till de totala
tillgångarna. De belyser att företag med högre tillväxt, lönsamhet och företagsålder tenderar att ha lägre skuldsättningsgrad. Däremot vid beaktande av andra faktorer, som specifikt tillgångar och företagsstorlek, tenderar dessa ha en positiv korrelation med
skuldsättningsgraden. Talberg et al. belyser att större företag är mer transparenta vilket torde innebära mindre asymmetrisk information. Detta skulle påverka skuldsättningsgraden negativt eftersom kostnader för att skaffa nytt kapital genom nyemittering minskar. Resultatet visar dock att det råder positiv korrelation mellan storlek och skuldsättningsgrad vilket beror på att stora företag samtidigt är mindre benägna att gå i konkurs. Vetskapen om att företaget, i jämförelse med små företag, löper mindre risk att gå i konkurs innebär att belåning är mer fördelaktigt. Just på grund av den lägre förväntade konkurskostnaden kommer stora företag generellt sett redovisa en högre belåningsgrad26.
2.5 Studiens relation till teorier och tidigare forskning
Utmärkande för studien är att den avser undersöka faktorerna branschtillhörighet,
företagsstorlek och lönsamhet och deras förhållande till skuldsättningsgrad för en population som inte i en tillfredställande utsträckning tidigare studerats. Vad gäller studiens
genomförande är den i många aspekter snarlik tidigare studier vilket kommer att framgå i metodavsnittet nedan. Att studien inriktas mot företag på Stockholmsbörsen är dock studiens huvudsakliga avgränsning och vad som främst skiljer den från tidigare studier.
26 Talberg, M, C Winge, S Frydenberg & S Westgaard, ‘Capital Structure Across Industries’, International Journal of the Economics of Business, vol. 15, no. 2, 2008, s. 181-200, s. 185.
16
3 Metod
I följande avsnitt presenteras den arbetsmetod som kommer att prägla studiens genomförande. För- och nackdelar med valt tillvägagångssätt belyses och avsnittet avslutas
med definitioner av viktiga begrepp.
Vår empiriska studie präglas av ett kvantitativt förhållningssätt där beräkningar baserade på befintlig data, närmare bestämt årsredovisningar från de noterade företagen på
Stockholmsbörsen, ligger till grund för en djupare analys av dess beslut om kapitalstruktur.
Genom att analysera beräkningar från nedanstående adekvata nyckeltal, hoppas vi kunna göra en djupgående och rättvis bedömning gällande våra undersökningsfrågor. För att undersöka om skillnader i skuldsättningsgrad kan bero på branschtillhörighet (frågeställning I) kommer ett -test att genomföras. För fastställande huruvida det råder korrelation mellan
skuldsättningsgrad och faktorerna storlek och lönsamhet (frågeställning II och III) kommer vi utforma ett spridningsdiagram, varpå en regressionslinje med hjälp av minsta-kvadratmetoden kommer att bestämmas och användas för analys av undersökningsfrågorna. Data kommer att sammanställas och kartläggas med hjälp av Microsoft Office Excel.
3.1 Skuldsättningsgrad
Initialt kommer vi beräkna det aritmetiska medelvärdet av företagens skuldsättningsgrad baserat på historisk data fem år tillbaka i tiden, det vill säga från 2007-2011. Understrykas bör att siffror kan fluktuera då vår datainsamling sträcker sig tillbaka till den finanskris som präglat världsekonomin sedan 2008 och vidare genom återupphämtningsfasen för
marknaderna. Skulle sådana tendenser identifieras skulle ett alternativ för oss kunna vara att revidera vår tidshorisont för vilken studien omfattar och låta den avse exempelvis ytterligare fem år tillbaka i tiden. Ett annat alternativ är att vid analys av data ha denna potentiella problematik i åtanke och beakta den väl då vi härleder slutsatser från vårt resultat. Studien ämnar tillämpa den sistnämnda strategin, främst med hänsynstagande till att den är något mer tidsfrämjande vilket är rimligt utifrån rådande tidsrestriktioner.
Vid fastställande av hur skuldsättningsgraden skall beräknas kan det, ur ett
jämförelseperspektiv, vara önskvärt att använda liknande uträkningsmetoder som tidigare forskning använt. Detta skulle skapa förutsättningar för att ställa studiens resultat avseende Stockholmsbörsen i direkt relation till andra studiers resultat. I Talberg et al:s studie som nämnts under teoriavsnittet används först och främst det bokförda värdet på de variabler som ingår i beräkningen av skuldsättningsgraden. Studien som ämnar genomföras kommer också att avse de bokförda värdena. Vad gäller själva beräkningsmetoden för skuldsättningsgraden skiljer det sig något från den Talberg et al. tillämpar i bemärkelsen att hänsynstagande endast tas till de långfristiga skulderna.
3.1.1 Beräkning av skuldsättningsgrad
Det finns olika sätt att beräkna skuldsättningsgraden. Oavsett beräkningsmetod syftar
nyckeltalet till att ge en överblick över hur förhållandet mellan de olika finansieringssätten ser ut. Skuldsättningsgraden beräknas i studien enligt följande:
Detta nyckeltal är ett mått på hur stora de långfristiga skulderna är i förhållande till de totala tillgångarna. Kritik mot att endast de långfristiga skulderna sätts i relation till de totala tillgångarna kan vara befogad med tanke på att även vissa kortfristigas skulder skulle kunna innebära ränteförpliktelser för låntagaren. Långfristiga skulder kan dock uteslutande antas
17
innebära räntekostnader och skuldsättningsgraden beräknas endast utifrån dessa (D/A-ratio) med motiveringen att det underlättar studien med hänsyn till rådande tidsbegränsning. Måttet visar alltså hur stor andel av totala tillgångar som finansieras med långfristiga (räntebärande) skulder.
En vidareutveckling av ovanstående beräkningssätt skulle kunna vara att sätta skulden (nettoskulden) i förhållande till företagets eget kapital. Nettoskuld utgör verksamhetens räntebärande skuld för lång- och kortfristiga skulder minskat med kassa (likvida medel) och räntebärande tillgångar. D/E-ratio på exempelvis ˂1, innebär att företaget finansierar sina tillgångar med en större andel eget kapital än skulder och en D/E-ratio ˃1 innebär således motsatsen27.
Nyckeltalet skuldsättningsgrad definieras dock i studien genom förhållandet mellan långfristiga skulder och totala tillgångar.
3.2 Skuldsättningsgrad i relation till branschtillhörighet
Vid analys av första undersökningsfrågan, som studerar hur kapitalstruktur för företag noterade på Stockholmsbörsen tenderar variera beroende på vilken bransch dessa är verksamma inom, avser vi att använda oss av befintlig branschuppdelning som finns på Nasdaq OMX Nordic, Stockholmsbörsen28. Med hjälp av branschindelningen kan strukturer och tendenser som kan ligga till grund för en senare slutsats kring företags kapitalstruktur och branschtillhörighet på ett överskådligt sätt identifieras. För att fastställa om det finns ett samband mellan variablerna branschtillhörighet och skuldsättningsgrad kommer ett -test av enkel frekvenstabell genomföras. Denna metod är relevant då analysen avser samtliga 252 enheter som finns noterade på Stockholmsbörsen och inte ett urval av dessa. Således kommer absoluta observerade frekvenser analyseras vilket är varför -test är den mest lämpliga metoden. För statistisk säkerställning av huruvida det finns skillnader i skuldsättningsgrad mellan branscher eller ej kommer en signifikansnivå på 1% att användas. Andra liknande studier, exempelvis den av Talberg, Winge, Frydenberg och Westgaard använder sig av en signifikansnivå på 5%29. Valet av signifikansnivå på 1% görs med syftet att i ännu större utsträckning eliminera potentiella risker att felaktigt förkasta nollhypotesen. Samtidigt minskar risken att acceptera, eller snarare att inte förkasta, nollhypotesen när den egentligen är falsk. Det kan potentiellt kan finnas ett stort antal faktorer som påverkar kapitalstrukturen och för att i största mån säkerställa att ett samband mellan bransch och struktur verkligen existerar används just 1% signifikans.
Noteras bör att eventuellt kraftigt avvikande utfall vid analys av data från
kraftförsörjningsbranschen (U) kan erhållas eftersom att endast två företag finns noterade på Stockholmsbörsen. Om studien hade för avsikt att generalisera ett resultat hade detta kunna vara ett potentiellt problem och en större datamängd för kraftförsörjningsbranschen (U) hade
27 D Hillier, S Ross, R Westerfield, J Jaffe & B Jordan, Corporate Finance, European Edition, McGraw-Hill, Berkshire 2010, s.56.
28Nasdaq OMX Nordics sammanställning av samtliga noterade företag, filtrering gjord för företag noterade på Stockholmsbörsen, Nasdaq OMX Nordic, 2013, hämtad 4 april 2013, http://www.nasdaqomxnordic.com/aktier/.
29 Talberg, M, C Winge, S Frydenberg & S Westgaard, ‘Capital Structure Across Industries’, International Journal of the Economics of Business, vol. 15, no. 2, 2008, s. 181-200,
18
behövts studeras. Studien ämnar dock att empiriskt fastställa hur kapitalstrukturen ser ut för befintliga företag på Stockholmsbörsen och syftar således inte till att generalisera gentemot andra börser. Genom beräkning av respektive branschs genomsnittliga skuldsättningsgrad och genomförandet av ovannämnda -test kommer observerad kvotskaledata på ett enkelt sätt mätas och analyseras för att fastställa sambandet mellan variablerna30.
3.3 Storlek i relation till skuldsättningsgrad
Vid analys av studiens andra undersökningsfråga, avser studeras vilken korrelation som kan identifieras mellan företagsstorlek och skuldsättningsgrad. Ett stickprov bestående av 100 enheter kommer att utses. Dessa utses med hjälp av en slumpgenerator (Microsoft Office Excel). Ett aritmetiskt medelvärde för de senaste fem åren avseende bokfört värde på
tillgångar kommer att beräknas för stickprovet. Detta medelvärde sätts sedan i relation till den genomsnittliga skuldsättningsgraden för respektive företag som sedan tidigare beräknats.
Därefter kommer ett spridningsdiagram för samtliga utfall utarbetas. Urvalsprocessen består av följande steg:
1. Via slumpgenerator utse ett slumpmässigt stickprov på 100 noterade företag av de 252 som ingår i vårt urval.
2. Utforma en lista innehållande dessa 100 enheter som visar ovannämnda variabler, det vill säga genomsnittlig skuldsättningsgrad samt genomsnittligt bokfört värde på tillgångar.
3. Visa på ett eventuellt orsakssamband mellan de båda variablerna, med hjälp av en regressionslinje samt uppskatta det linjära sambandets styrka baserat på
korrelationskoefficienten.
För att göra den här processen slumpmässig kommer listan från Nasdaq OMX Nordic, Stockholmsbörsen31, som den är vid inkludering av samtliga branscher och CAP-tillhörighet, att användas. Företagen numreras från 1-252 och med hjälp av slumpgeneratorn erhålls ett slumpmässigt tal mellan 1-252. När ett slumpmässigt tal genererats söks detta tal upp i den numrerade listan och utifrån detta tal kan utläsas vilken enhet som blir en del av urvalet.
Vidare görs den här processen ytterligare 99 gånger och nästföljande utfall blir en ny enhet slumpmässigt mellan 1-252. Det slumpmässiga urvalet är utformat så att det består av 100 unika enheter, ett företag kan således inte väljas två gånger.
Företagsstorlek kan mätas på olika sätt och bland annat baseras på antal anställda eller omsättning. Studien mäter storleken baserat på det bokförda värdet på tillgångar. Detta nyckeltal kan anses vara ett relevant mått på storlek i bemärkelsen att studien berör just kapitalstruktur som i sig talar om hur företag väljer att finansiera sina tillgångar. Det går att argumentera för användning av marknadsvärdet istället för det bokförda värdet. Dock kan detta bli problematiskt då nyckeltalet kan spegla aktörers subjektiva bedömning av företagets värde i större uträckning än det reella värdet.
3.4 Lönsamhet i relation till skuldsättningsgrad
Vid analys av den tredje och sista undersökningsfrågan, det vill säga vilken korrelation som kan tänkas identifieras mellan lönsamhet och skuldsättningsgrad, ämnas företags avkastning på eget kapital tas i beaktande. Lönsamhet är ett skilt nyckeltal när det kommer till företags definition av dess attribut. Var dras egentligen gränsen för vad som är lönsamt eller inte?
30 M Denscombe, Forskningshandboken – för småskaliga forskningsprojekt inom samhällsvetenskaperna, Upplaga 2:5, Studentlitteratur AB, Lund, 2012, s. 330.
31 Nasdaq OMX Nordics sammanställning av samtliga noterade företag, filtrering gjord för företag noterade på Stockholmsbörsen, Nasdaq OMX Nordic, 2013, hämtad 4 april 2013, http://www.nasdaqomxnordic.com/aktier/.
19
Lönsamhet kan exempelvis beräknas i hur tillväxten av humankapitalet ser ut, utifrån historiska mått. Att sätta resultatet i relation till olika aspekter i företaget är ett enkelt sätt att beräkna företagets lönsamhet. Dock kan detta ge en missvisande bild, eftersom större företag oftast generar ett större resultat än mindre företag, trots att det mindre företaget exempelvis kan vara procentuellt mer lönsamt. Företags avkastning på eget kapital, det vill säga
verksamhetens avkastning under året på ägarnas insatta kapital, kommer att utgöra studiens definition av nyckeltalet lönsamhet. Nyckeltalet kartlägger hur effektivt ett företag är på att generera vinst till sina ägare. Detta nyckeltal bör ställas i relation till soliditeten, eftersom företag med icke önskvärd soliditet kan redovisa en hög avkastning på eget kapital vid ett högt resultat. Däremot är det inte sagt att företaget på lång sikt är lönsamt. Detta utfall är emellertid ganska orealistiskt för denna undersökning då det ofta gäller nystartade företag med litet eget kapital.
Eventuellt hög avkastning på eget kapital behöver nödvändigtvis inte bero på att företagets resultat växer. Företagsledningen kan exempelvis välja att ge utdelningar och på så sätt minskar justerat eget kapital och nettoresultatet i procent till justerat eget kapital blir högre, vilket genererar en högre avkastning på eget kapital. Detta nyckeltal är således svårt att uppskatta, då hänsyn till mer än avkastning på eget kapital kan behöva tas. Hursomhelst är avkastning på eget kapital värt att studera då det är ett mått på hur verksamheten förmår att skapa värde för aktieägarna, något som torde vara företagets primära syfte.
De 100 slumpmässigt utvalda enheterna enligt ovan kommer även att användas vid studie av skuldsättningsgrad och avkastning på eget kapital (Return on Equity/ROE). Ett aritmetiskt medelvärde för åren 2007-2011 avseende ROE beräknas för de 100 enheterna och sätts i relation till det aritmetiska medelvärdet för företagens skuldsättningsgrad under samma period. Även här presenteras sammanställd data i spridningsdiagram.
De faktorer som identifierats är adekvata i bemärkelsen att de hypotetiskt kan förklara tänkbara differenser av företags beslut om kapitalstruktur. Valet av metod syftar till att skapa ett så omfattande resultat som möjligt och möjliggöra för en utförlig analys. I undersökningen studeras befintlig data i form av årsredovisningar och med hjälp av dessa data beräknas de nyckeltal som speglar definitionen av faktorerna. De genomsnittliga värden som fastställs genom beräkningar blir primärdata som kommer ligga till grund för en djupare analys.
3.4.1 Beräkning av avkastning på eget kapital
Vid beräkning av lönsamhet, används nyckeltalet avkastning på eget kapital. Detta beräknas enligt följande:
20
3.5 Definition av begrepp
Nedan följer definition av de nyckeltal som avses användas vid analys av empirin samt förklaringar av vissa begrepp som präglar metodavsnittet. Noteras bör att det finns olika sätt att mäta de nyckeltal som används i undersökningen. Beräkningsmetoder för respektive nyckeltal har noga valts ut för att uppnå en tillfredställande begreppsvaliditet.
3.5.1 Aritmetisk medelvärde
Aritmetiskt medelvärde är ett mått på centraltendens, där utfallen för en variabel adderas och sedan divideras med antalet värden. Begreppet fungerar bäst då det inte finns något värde som avviker kraftigt från de andra, då detta kan ge ett missvisande medelvärde32.
3.5.2 Kvotskalenivå
Data på kvotskalenivå är data för vilka utfallen kan mätas då dessa har en inbördes rangordning med en absolut referenspunkt33.
3.5.3 - metoden
Via -metoden fastställs statistiskt om skillnader i olika utfall kan förklaras av en specifik variabel. Man fastställer alltså den statistiska signifikansen i olika utfall och detta kan göras för enkla frekvenstabeller, då endast en variabel analyseras, samt via korstabeller då fler än en variabel analyseras34. För denna studie blir ett -test avseende enkel frekvenstabell relevant vid analys av branschtillhörighet och dess påverkan på skuldsättningsgrad. Initialt formuleras en nollhypotes ( , där slumpen avgör utfallet), samt en mothypotes ( , där variabeln faktiskt inverkar på utfallet). För varje utfall beräknas differensen mellan det observerade värdet och det värde som förväntas enligt slumpen vilket sedan summeras. Värdet för
beräknas enligt nedan35:
Det -värde som observeras ( bör, för att nollhypotesen skall förkastas, överskrida det värde för som erhålles baserat på antalet frihetsgrader samt den signifikansnivå som testet utgår ifrån ( . Test avseende branschtillhörighet och dess inverkan på skuldsättningsgrad kommer, som tidigare nämnts att utföras på en signifikansnivå ) på 1%. Signifikansnivån representerar risken att felaktigt förkasta nollhypotesen när den är sann. Frihetsgraden för en enkel frekvenstabell beräknas enligt ( där representerar antalet kategorier36.
3.5.4 Regressionslinje & MK-metod
Regressionslinjen beskriver det linjära sambandet mellan två variabler. Linjen beskriver hur den oberoende variabeln x påverkar den beroende variabeln y37. Regressionslinjen bestäms enligt följande uttryck:
32 D Hillier, S Ross, R Westerfield, J Jaffe & B Jordan, Corporate Finance, European Edition, McGraw-Hill, Berkshire 2010, s. 335.
33 D Hillier, S Ross, R Westerfield, J Jaffe & B Jordan, Corporate Finance, European Edition, McGraw-Hill, Berkshire 2010, s. 330.
34 S. Körner & L Wahlgren,, Statistiska metoder, Andra upplagan, Studentlitteratur AB, Lund, 2005, s. 153.
35 Ibid s. 155.
36 Ibid s. 156.
37 Ibid s. 71.
21
För att kunna bestämma konstanterna a och b i regressionslinjen används minsta kvadratmetoden. Dessa kan bestämmas med uttrycket38:
Där värdet på konstanten a representerar regressionslinjens intercept. Värdet b representerar regressionslinjens lutning och beräknas enligt följande uttryck:
3.5.5 Korrelationskoefficienten
För att uppskatta styrkan i det linjära sambandet används korrelationskoefficienten, vilken beräknas på följande sätt39.
Korrelationskoefficienten talar dock inte endast om vilken styrka sambandet mellan två variabler har utan även om det är lämpligt att beskriva sambandet med en rät linje.40 3.5.6 Determinationskoefficienten
Genom att beräkna värdet av korrelationskoefficienten i kvadrat ( ) bestäms
determinationskoefficienten. Denna talar om hur stor andel av variationen för den beroende variabeln som kan förklaras av variationer hos den oberoende variabeln41.
3.6 Metodkritik
Vid beräkning av skuldsättningsgrad tas endast hänsyn till de långfristiga skulderna.
Långfristiga skulder antas uteslutande innebära betalningsmässiga åtaganden för företagen i form av räntekostnader. Potentiell kritik mot denna förenkling kan vara, som nämnts tidigare, att inte alla långfristiga skulder måste medföra betalningsförpliktelser och att kortfristiga skulder samtidigt faktiskt kan göra det. En alternativ beräkningsmetod skulle exempelvis kunna ta hänsyn till de totala skuldernas storlek i förhållande till eget kapital. Denna beräkningsmetod är dock inte tillräckligt tillfredsställande i bemärkelsen att den inte är tillräckligt specificerad. I totala skulder medföljer exempelvis kortfristiga skulder som ej är räntebärande exempelvis i form av leverantörsskulder. Förändringar i leverantörsskulder är för denna studie inte relevant vid beräkning av skuldsättningsgrad. Denna studie syftar till att undersöka kapitalstrukturen med hänsyn till de skulder som kan antas användas till att
finansiera potentiella projekt och investeringar, således blir kortfristiga skulder överflödiga.
Vad gäller urvalet av de 100 företag vid mätning av storlek samt lönsamhet ämnar detta göras obundet slumpmässigt för att resultatet skall kunna generaliseras. Alla enheter i populationen har lika stor sannolikhet att komma med i urvalet. Undersökningar som via datainsamling från urval syftar till att generalisera sitt resultat möter ofta risken att urvalet inte är representativt för populationen. I denna studie får 100 företag representera populationen. Kritik mot att urvalet består av cirka 40 procent av populationen (urvalet 100st dividerat med totala populationen 252st) och inte mer är befogad då studiens generaliserbarhet diskuteras. Vid
38 S. Körner & L Wahlgren,, Statistiska metoder, Andra upplagan, Studentlitteratur AB, Lund, 2005, s. 71
39 Ibid s. 76.
40 Ibid s. 77.
41 Ibid s. 77
22
studier av en relativt liten population, likt den undersökningen berör, kan sådan potentiell urvalsproblematik undvikas genom att hela populationen faktiskt studeras. Rådande tidsfrist motiverar dock valet att studera ett slumpmässigt urval som i största möjliga mån
representerar populationen. Ett alternativt sätt att genomföra själva urvalsprocessen skulle kunna vara att göra ett stratifierat slumpmässigt urval för att få med, exempelvis för storlek, 50st ”mindre” företag och 50st ”större” företag för att sedan jämföra dessa två fraktiler i egenskap av storlek. Denna metod är dock mindre fördelaktig än den som kommer att tillämpas då den inte i samma utsträckning möjliggör analys av exempelvis spridning och beräkning av regression.
Studien möter sin största problematik när det kommer till de beräkningsmodeller som väljs ut för att definiera de nyckelbegrepp eller faktorer som undersökningen avser att mäta. Storlek kan som nämnts tidigare mätas på olika sätt. En alternativ metod vid fastställande av
företagsstorlek är att använda befintliga CAP-indelningar som OMX tillhandahåller. CAP- indelningen baseras på företagets börsvärde beräknat genom antal utestående aktier multiplicerat med aktuell aktiekurs. Två potentiella problem med detta tillvägagångssätt identifieras. Primärt medföljer ovisshet i att använda marknadsbaserade mått på nyckeltal då dessa potentiellt kan återspegla subjektivitet hos betraktaren, i detta fall potentiella
aktiespekulanters subjektiva bedömning av företagsvärdet. Sekundärt underlättar valt tillvägagångssätt analys av spridning då varje enhets storlek kan sättas i relation till dess skuldsättningsgrad utan att kategoriseras.
Vid beräkning av lönsamhet används avkastning på eget kapital (ROE) vilket kan bli problematiskt då företag i allmänhet har möjlighet att på egen hand bestämma vad det vill göra med eventuella positiva resultat. Ett företag som redovisar ett högt värde för ROE redovisar ett nettoresultat som i relation till justerat eget kapital är högt. Detta innebär dock inte med säkerhet att företaget faktiskt redovisar ett bättre resultat än ett annat företag då ett högt ROE även kan genereras genom minskning av justerat eget kapital via utdelning. ROE- värden kan hursomhelst ge indikationer om den allmänna statusen för företaget, i synnerhet vid studier av fler än ensamstående perioder. Risken för att beräkningen av lönsamhet ger felaktiga indikationer blir högst vid studier av enstaka perioder. Vid studier av fler än en period minskar risken för att enstaka missvisande värden tillåts representera företagets lönsamhet.
23
4 Resultat
I följande avsnitt presenteras beräkningar och insamlad data baserat på våra observationer.
Avsnittet börjar med en presentation av de 252 enheternas observerade värden vad avser skuldsättningsgrad och dessa sätts sedan i relation till branschtillhörighet. Vidare presenteras data som berör faktorn storlek i förhållande till skuldsättningsgrad, samt
avslutningsvis faktorn lönsamhet i förhållande till skuldsättningsgrad.
4.1 Skuldsättningsgrad
I bilaga 2 redovisas skuldsättningsgraden i form av storlek på företagens långfristiga skulder i förhållande till de totala tillgångarna (D/A-ratio). I denna finnes skuldsättningsgrad för åren 2007-2011 för alla 252 företag som är noterade på Stockholmsbörsen. Genomsnittlig
skuldsättningsgrad för observeringsperioden, i form av aritmetiskt medelvärde, finns redovisat i kolumn 4. Bilaga 2 sorterar företagen enligt bokstavsordning och ur denna sammanställning kan utläsas, förutom skuldsättningsgrad, företagens bransch- samt CAP-tillhörighet. För företag som inte redovisar några långfristiga skulder uppgår skuldsättningsgraden till 0 för perioden. För de fem företag som inte redovisar uppgifter för vissa specifika år (N/A i berörd kolumn) beräknas den genomsnittliga skuldsättningsgraden baserat på de antal år för vilka uppgifter finns redovisade. Dessa fem företag är Karolinska Development, Moberg Derma, Neurovive Pharmaceutical, Enquest PLC samt Etrion som alla saknar redovisad data för ett eller flera år på grund av att de noteras vid olika tidpunkter under observeringsperioden. I vår sammanställning av de 252 enheter som redovisas i bilaga 2 är de 100 företag som ingår i vårt urval rödmarkerade. Dessa 100 slumpmässigt utvalda enheter används då vi studerar
potentiella samband mellan storlek och skuldsättningsgrad respektive lönsamhet och skuldsättningsgrad.
4.2 Branschtillhörighet och skuldsättning
Nedan presenteras sammanställd data från bilaga 2 i form av tabell 4:1. För att se huruvida kapitalstruktur för företagen tenderar att variera beroende på vilken bransch dessa är verksamma inom har enheterna initialt, i syfte att skapa överblick, delats in i respektive bransch. Denna uppdelning har sedan sats i relation till det aritmetiska medelvärdet för dessa branschers skuldsättningsgrad. Som tabell 4:1 demonstrerar har de enheter som verkar inom kraftförsörjning (U) den högsta genomsnittliga skuldsättningsgraden, det vill säga högst grad av långfristiga skulder i förhållande till de totala tillgångarna, då 47 % av tillgångarna är finansierade med långfristiga skulder. Lägst skuldsättningsgrad har företag som verkar inom teknologibranschen, där långfristiga skulder endast står för 6 % av finansieringen av
företagens tillgångar. Ett slags mellanskikt utgörs av industri- (I), konsumenttjänste- (CS), telecom- (TEL) samt dagligvarubranschen (CG) som alla har en genomsnittlig
skuldsättningsgrad på mellan 0,15 och 0,19.
24
Bransch # Företag -ratio
Oil/Gas (O/G) 6 0,22
Basic Materials (BM) 16 0,22
Industrials (I) 69 0,15
Consumer Goods (CG) 25 0,19
Consumer Services (CS) 24 0,16
Health Care (HC) 31 0,10
Telecommunication (TEL) 5 0,17
Utilities (U) 2 0,47
Financials (F) 41 0,24
Technology (TEC) 33 0,06
∑ 252
Tabell 4:1 (Egen sammanställning). Branschindelning med angivet antal företag samt genomsnittlig skuldsättningsgrad.
4.2.1 Inverkar branschtillhörighet på skuldsättningsgraden?
För att uppskatta huruvida branschtillhörighet har en signifikant inverkan på enheternas skuldsättningsgrad kommer ett -test på 1 % signifikansnivå med 9 frihetsgrader att genomföras enligt nedan.
Initialt måste de hypoteser som skall ligga till grund för testet fastställas. Dessa lyder enligt följande:
= Branschtillhörighet har ingen statistiskt signifikant inverkan på skuldsättningsgrad.
= Branschtillhörighet har statistiskt signifikant inverkan på skuldsättningsgrad.
I nedan tabell 4:2 finns sammanställt beräkningar av de värden som utgör komponenter vid uppskattning av sambandens statistiska signifikans. Syftet med tabellen är att skapa en överblick för läsaren. Noterbart är att utfallen vad gäller genomsnittlig skuldsättningsgrad för respektive bransch, till skillnad ifrån tidigare tabell 4:1, nu finns angivet i hela procenttal.
Dessa värden är likt tidigare hämtat och sammanställt från bilaga 2. I nedersta raden för respektive kolumn finns värdena summerade och mest relevant för denna tabell blir det summerade -värdet i yttersta kolumnen. Detta värde utgör vårt som skall sättas i relation till det kritiska värdet . Beräkningar görs enligt hänvisningar förklarade under metodavsnittet.
25
Bransch -ratio (O) % -ratio (E) % (O-E)
Oil/Gas (O/G) 22 19,8 2,2 0,244444
Basic Materials (BM) 22 19,8 2,2 0,244444
Industrials (I) 15 19,8 -4,8 1,163636
Consumer Goods (CG) 19 19,8 -0,8 0,032323
Consumer Services (CS) 16 19,8 -3,8 0,729293
Health Care (HC) 10 19,8 -9,8 4,850505
Telecommunication (TEL) 17 19,8 -2,8 0,39596
Utilities (U) 47 19,8 27,2 37,36566
Financials (F) 24 19,8 4,2 0,890909
Technology (TEC) 6 19,8 -13,8 9,618182
∑ 198 ∑198 ∑0 ∑55,54
Tabell 4:2 (Egen sammanställning). Branschindelning med genomsnittlig skuldsättningsgrad (angiven i procent), beräknat förväntade utfall enligt nollhypotesen, observerade värdets avvikelse från nollhypotesens prediktioner samt observerade -värden .
Det observerade värdet, , uppgår alltså till 55,54. Detta värde skall sättas i relation till det kritiska värdet vilket för en signifikansnivå på = 1 % med 9 frihetsgrader ( =10) ger = 21,67. Då 55,54 > 21,67 gäller således > för vilket nollhypotesen förkastas till förmån för mothypotesen. Statistiskt säkerställt är alltså att branschtillhörighet har inverkan på hur kapitalstruktur för företag noterade på Stockholmsbörsen ser ut.
4.3 Företagsstorlek och skuldsättning
Sammanställning av insamlad data rörande de 100 företag som ingår i urvalet för analys av hur storlek potentiellt kan inverka på skuldsättningsgrad återfinns i bilaga 3. I bilagan
redovisas företagens storlek, i form av bokfört värde på tillgångar, i miljoner kronor. Insamlad data visar att det finns stora variationer mellan olika företag och att ytterligheterna är relativt stora. Enheterna har tillgångar genomsnittligt värderade under observeringsperioden på mellan 2 miljoner (för exempelvis Semafor) och 251 miljarder (för TeliaSonera). Dessa genomsnittliga värden för tillgångar sätts i relation till respektive enheters genomsnittliga skuldsättningsgrad för samma 5-års period i diagram 4.1 nedan. Diagram 4.1 är således en sammanställning av data från bilaga 3. I spridningsdiagrammet återfinns och representeras alla de 100 observerade enheterna i form av en punkt per enhet.
26
Spridningsdiagram 4:1 (Egen sammanställning). Spridningsdiagram med regressionslinje över observerade enheters genomsnittliga bokförda värde på tillgångar i relation till dess genomsnittliga skuldsättningsgrad.
Den regressionslinje som finns angiven i spridningsdiagrammet representerar visuellt det relativt svaga samband som observeras mellan storlek och skuldsättningsgrad. Enligt beräkning av regressionslinjen nedan ger ett bokfört värde på tillgångar på exempelvis 10 miljoner kronor en genomsnittlig skuldsättningsgrad på 17,64 % för vårt urval. Vidare ger exempelvis 100 miljoner i tillgångar en genomsnittlig skuldsättningsgrad på 22,26 % enligt regressionslinjen.
4.3.1 Beräkning av regression och korrelation
Nedan finnes en sammanställning av de värden som beräknats för att fastställa den regressionslinje som finns angiven i diagram 4.1. En mer utförlig disposition av dessa beräkningar återfinns i bilaga 4.
Beräknade värden för storlek i förhållande till skuldsättningsgrad
0,00000000066 0,17 0,34 0,12
Värdet talar om att för var tionde miljon kronor som bokfört värde på tillgångar ökar kan förväntas en ökad skuldsättningsgrad på 0,66 %. För ett bokfört värde på tillgångar som uppgår till 10.000.000 kronor kan för populationen en skuldsättningsgrad på 18 % uppskattas.
Vid granskning av spridningsdiagrammet och med hänsynstagande till enheternas till synes stora avvikelser från regressionslinjen blir det relevant att beräkna korrelationskoefficienten
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00
0 20000000 40000000 60000000 80000000 100000000
Skuldsättningsgrad (D/A-ratio)
Bokförtvärde tillgångar
