Earnings Management

Företagsekonomiska Institutionen Magisteruppsats

Handledare: Ulf E. Olsson

Earnings Management

En jämförande studie av 363 företag

noterade i Sverige, Finland och Danmark

Björn Bergmark & Andreas Gårdenberg 2011-01-13

1

Sammanfattning

Syftet

med denna studie är att undersöka förekomsten av earnings management i Sverige, Finland och Danmark samt visa om det skiljer sig mellan länderna och om skillnad existerar mellan företagsstorlek och branscher.

Tidigare forskning

definierar vanligen earnings management som strategier använda av ledningen i företag för att manipulera resultatet i önskvärd riktining. Forskningen har påvisat förekomsten av earnings management och att det går att mäta med modeller som mäter periodiseringar. Graden av earnings management är beroende av bland annat ägarstruktur, investerarskydd, kapitalmarknad, code-law vs. common-law, företagsstorlek samt revisionsseder och reglering.

Hypoteserna

är baserade på resultaten i tidigare forskning. Hypotes 1: earnings management existerar i urvalet. Hypotes 2: earnings management skiljer inte mellan länderna.

Hypotes 3: earnings management skiljer sig mellan Large Cap, Mid Cap och Small Cap.

Hypotes 4: earnings management skiljer sig mellan branscher.

Urvalet

är företag noterade på Nasdaq OMX Nordic i Sverige, Finland och Danmark.

Slutliga urvalet efter bortfall är 363 företag på från Large Cap, Mid Cap och Small Cap mellan åren 2006 till 2009.

Metoden

är kvantitativ. Vi använder oss av Jones modifierade modell för att mäta graden av earnings management. Informationsunderlaget hämtas från Datastream. Statistikprogrammet Minitab används i de statistiska beräkningarna.

Resultat & Analys

visar att earnings management existerar i urvalet. Danmark avviker från Sverige och Finland med en högre nivå av manipulering. Företagen noterade på Small Cap avviker i jämförelse med företagen på Large- och Mid Cap med en högre nivå av earnings management, vilket är i linje med tidigare forskning. Slutligen visar det sig att branscherna som är benämnda Material, Olja & Gas, Konsumentvaror och Konsumenttjänster är avvikande i jämförelse med alla branscher.

Slutsatsen

är att vi påvisar skillnader i earnings management mellan länder, företagsstorlek och branscher. Vi anser att resultaten är signifikanta trots metodologiska problem som kan härledas till svagheter i vald modell. Det finns fortfarande outredda oklarheter kring earnings management framförallt på företags och branschnivå. Vi anser att ett fokus i vidare forskning bör ligga på hur förekomsten av earnings management kan tänkas påverka aktiekursen i börsnoterade företag och därmed kapitalmarknadens syn på dessa företag.

2

Innehållsförteckning

1 Inledning ... 4

1.1 Earnings management ... 4

2 Definition av earnings management ... 7

3 Tidigare forskning ... 8

3.1 Motiv för earnings management ... 8

3.2 Att mäta earnings management ... 9

3.3 Modeller ... 10

3.4 Resultat i forskningen ... 11

4 Hypoteser ... 14

5 Metod ... 15

5.1 Urval ... 15

5.2 Val av modell ... 17

5.3 Beräkning av earnings management ... 19

5.4 Val av statistiska analysmetoder ... 20

5.5 Problem med att mäta earnings management ... 21

6 Resultat & Analys ... 22

6.2 Hypotes 1: EM existerar i urvalet ... 23

6.3 Hypotes 2: EM skiljer inte mellan länderna ... 24

6.4 Hypotes 3: EM skiljer sig mellan Large Cap, Mid Cap och Small Cap. ... 27

6.5 Hypotes 4: EM skiljer sig mellan branscher. ... 29

7 Slutsats ... 32

8 Referenser ... 35

9 Appendix ... 38

Tabell och diagramförteckning

Tabell 1, Orsak till bortfall och antal bortfall från det ursprungliga urvalet. ... 16

Tabell 2, Fördelning av det kvarvarande urvalet för undersökningen på listor och branscher mellan länderna. ... 17

Tabell 3, deskriptiv statistik alla länders absoluta DA. ... 23

Tabell 4, resultat One-Sample t-test ... 24

Tabell 5, deskriptiv statistik. Absoluta DA fördelade på länder. ... 25

Tabell 6, resultat ANOVA-test på länderna. ... 25

Tabell 7, P-värde mellan länder. ... 26

3

Tabell 8, deskriptiv statistik absoluta DA fördelade på företagsstorlek. ... 27

Tabell 9, resultat ANOVA-test på företagsstorlek. ... 28

Tabell 10, P-värde mellan listor. ... 28

Tabell 11, deskriptiv statistik absoluta DA fördelade på branscher ... 29

Tabell 12, resultat ANOVA-test på branscher. ... 30

Tabell 13, P-värde mellan branscher. ... 31

Diagram 1, fördelning av diskretionära periodiseringar. ... 23

Diagram 2, Medelvärde DA alla länder mellan 2006-2009. ... 24

Diagram 3, DA medelvärde mellan år 2006-2009. ... 25

Diagram 4, DA medelvärde mellan år 2006-2009. ... 27

Diagram 5, DA medelvärde mellan år 2006-2009. ... 30

4

1 Inledning

1.1 Earnings management

”De finansiella rapporternas syfte är att tillhandahålla information om ett företags finansiella ställning och resultat samt om förändringar i den ekonomiska ställningen. Informationen är användbar för olika användare som underlag för deras beslut i ekonomiska frågor”

(Internationell redovisningsstandard, 2008).

En väl fungerande redovisning anses främja både företagens intressenter och samhället.

Marknaden förutsätter att den finansiella information som offentliggörs av företag ger en korrekt bild av företagens årsredovisningar. Redovisningsstandarder tillåter dock ett visst utrymme för personliga bedömningar som kan utnyttjas och användas för manipulering av redovisningen (Xiong, 2006). I praktiken kan manipulationer passera obemärkt samtidigt som den finansiella rapporten inte visar företagets riktiga finansiella ställning och därmed inte heller representerar den långsiktiga kapaciteten att generera vinster. För intressenter innebär detta att det blir svårare att tolka informationen vilket kan leda till felaktiga beslut (Solowy, 2004).

Ett antal faktorer har bidragit till pressen på företagsledningar att prestera ett så gynnsamt resultat som möjligt har ökat. Dit hör bland annat dagens incitamentsprogram till personer på ledande poster och framför allt förväntningar från analytiker, aktieägare och potentiella aktieägare. Forskning visar att ledningen därför kan lockas till medveten resultatmanipulering i årsredovisningen, det som i forskningen ofta benämns earnings management (EM).

Världen över avslöjas ständigt skandaler där företagsledningar för egen vinning har manipulerat redovisningen, istället för att tillgodose aktieägarnas och övriga intressenters intressen. Manipulering av redovisningen har sedan länge stått i fokus för analytiker, lagstiftare, forskare och investerare. För analytiker och investerare är kvaliteten i redovisningen som underlag för beslut den centrala frågan. Att förstå vilka intressegrupper som kan tänkas manipulera redovisningen och hur detta utförs är nödvändigt för lagstiftare och andra standarsättare (Baneish, 2004).

5 Ett sätt att manipulera företagets periodiseringar är att bokföra poster under innevarande räkenskapsår, som egentligen ska bokföras kommande räkenskapsår. Därigenom kan resultatet påverkas i positiv eller negativ riktning beroende på vilka poster som periodiseras.

Detta innebär inte nödvändigtvis fusk i redovisningen men förknippas framförallt med EM (Mohanram, 2003).

EM är ett fenomen som uppmärksammas allt mer. Dagens forskning bygger till stor del på Jones (1991) metod att mäta EM. Jones lade grunden med en formel där det är möjligt att på ett kvantitativt sätt visa att ett företag använder sig av så kallade discretionary accruals (diskretionära periodiseringar) som likställs med EM. Periodiseringar innebär en justering av de löpande inkomsterna och utgifterna så att de ska motsvara företagets verkliga intäkter och kostnader under perioden. En diskretionär periodisering kan vara en obligatorisk kostnad i redovisningen som bokförs innan den realiseras. Utifrån Jones modell från 1991 har forskningen utvecklat flera modifierade modeller.

En omfattande forskning de senaste åren i främst USA visar på förekomsten av EM. I Sverige och i Norden finns dock fortfarande behov av en fördjupad forskning inom detta ämne eftersom USA lyder under ett delvis annat regelsystem med delvis annan praxis och en annan företagskultur. Tidigare finsk forskning av Kasanen et al. (1996) finner i sin studie av finska företag starka bevis för att EM verkligen förekommer i kontrast till amerikansk forskning som inte lika tydligt kunnat påvisa detta. Bevis kopplas till starka incitament för EM i Finland som grundar sig i ett betydande institutionellt ägande. Författarna tror att marknader med liknande ägarstrukturer, som exempelvis Sverige, torde uppvisa liknande resultat. Leuz, Nanda och Wysocki (2003) finner bevis för EM i Sverige, Finland och Danmark i en studie som omfattar 31 länder. Studien kopplar EM till ägarskap, marknadsstorlek och framförallt lagligt investerarskydd. Resultaten visar att de länder i undersökningen med lågt skydd har högst EM. Sverige, Finland och Danmark anses ha medelhögt skydd. Av den forskning som granskas i denna studie presenteras inga mer ovedersägliga belägg för att EM förekommer i Norden. Tilläggas kan att dessa undersökningar omfattar tiden före 2005 då de nya reglerna IFRS infördes.

Ett fåtal tidigare svenska studier inom ramen för kandidat- och magisteruppsatser är genomförda på den svenska marknaden. Alla finner med hjälp av olika mätmetoder bevis för att EM även förekommer här. Flera av metoderna uppsatsförfattarna använder får dock kritik i

6 andra studier på grund av starkt förenklade antaganden. Wall & Wiik (2010) testar Jones modifierade modell på svenska börsbolag under senaste finanskrisen för att finna bevis för EM och skillnader i EM mellan branscher. Studien är begränsad i urval, studerad tidsperiod och storleken på vald marknad. Författarna menar att det kan vara intressant att utöka dessa variabler för att skapa en mer komplett bild av EM bland företag noterade på Nasdaq OMX Nordic.

Vi gör i denna uppsats en utökad och djupare undersökning än Wall & Wiik (2010) genom ett större urval av företag och marknader, längre studerad tidsperiod, genom att inkludera jämförelser beroende på företagsstorlek och genom en modifierad branschindelning. Vi klarlägger hur EM ser ut i Sverige, Finland och Danmark genom att kvantitativt mäta EM med hjälp av Jones modifierade modell. Det slutgiltiga urvalet efter bortfall är 363 bolag listade på Nasdaq OMX i Sverige, Danmark och Finland. Dessa länder har idag en gemensam börslista och därför är det intressant ur ett investerarperspektiv att få vetskap om förekomsten av EM skiljer sig mellan dem. Syftet är att undersöka förekomsten av EM i urvalet och visa om det skiljer sig mellan länderna och om skillnad existerar mellan företagsstorlek samt branscher.

Återstoden av denna studie är disponerad enligt följande: Del 2 definierar EM. Del 3 presenterar tidigare forskning inom EM. Del 4 utvecklar hypoteser. Del 5 förklarar metoden i studien. Del 6 visar deskriptiv statistik och analyserar resultaten. Slutsatserna dras i del 7.

7

2 Definition av earnings management

En vanligt citerad beskrivning av earnings management (EM) är Healy & Whalens (1999) definition: ”Earnings management uppstår när ledningen gör egna bedömningar i den finansiella rapporteringen och struktureringen i transaktioner för att ändra finansiella rapporter för att antingen vilseleda vissa intressenter om den underliggande ekonomiska resultatet av bolagets eller påverka avtal som är beroende av den rapporterade redovisningen” (egen översättning). Författarna pekar på att bedömningar är nödvändigt i värderingen av flertalet framtida ekonomiska händelser. Exempel på poster i redovisningen som kräver bedömningar är förväntad livslängd och restvärde på tillgångar, pensionsförpliktelser, uppskjuten skatt, osäkra fordringar och nedskrivningar av tillgångar.

Vidare finns olika metoder i redovisningen för att rapportera dessa ekonomiska transaktioner, exempelvis linjär eller progressiv avskrivning, LIFO eller FIFO¹, och andra värderingsmetoder. Ytterligare bedömningar görs i hanteringen av rörelsekapital (lagersaldo, timing av inköp och tranporter och policy gällande fordringar) vilket påverkar redovisningen av intäkter och kostnader. Kostnader kan också påverka genom att F &U, marknadsföring och kostnader för underhåll skapas eller senareläggs. Slutligen sker bedömningar i hur företagstransaktioner struktureras. Koncerner kan bildas, leasingavtal kan utformas på fördelaktiga sätt, investeringar kan struktureras för att undvika konsolidering. Healy &

Whalen menar också med sin definition att målet med EM är att vilseleda intressenter om företagets ekonomiska situation. EM kan förekomma när ledningen tror att intressenter inte genomskådar den genomförda åtgärden, eller när ledningen har tillgång till information som inte är tillgänglig för intressenterna så att EM sannolikt inte kan upptäckas.

Burgstahler & Eames (2003) använder termen EM för att täcka flera olika beslut som medvetet påverkar intäkter och vinst. Det kan vara operationella, investerings- och finansieringsbeslut eller bokföringstransaktioner. Exempel på sådana handlingar som ökar vinsten är ökad produktivitet, minskade kostnader och även minskade bonusar . Exempel på redovisningstekniska transaktioner inom ramen för gängse redovisningsstandard är att kunder uppmuntras att genomföra köp innan räkenskapsårets utgång som annars skulle ha bokförts under nästkommande räkenskapsår, samt att bedömningar om tillgångars livslängd och

1 Lifo är en värderingsmetod enligt principen last in first out (sist in först ut). Fifo enligt principen first in first out (först in först ut).

8 restvärde revideras. Redovisningsmetoder i strid mot standarder är exempelvis att försäljning som ännu inte skett men som förväntas ske i framtiden bokförs idag.

3 Tidigare forskning

3.1 Motiv för earnings management

Dagens uppfattning bland forskare är att EM existerar trots att det ofta visat sig svårt att dokumentera på ett övertygande sätt. En vanlig ansats i denna forskning är att först identifiera de incitament som skulle kunna utgöra motiv för EM (Healy & Whalen, 1999).

Watts och Zimmerman presenterade 1986 tre betydande hypoteser med boken Positive Accounting Theory; the bonus plan hypothesis, the debt covenant hypothesis and the political cost hypothesis. The bonus plan hypothesis diskuterar redovisning och bonusplaner. I många företag har ledningen en bonus baserad på ekonomisk prestation, vilket skapar incitament att använda redovisningsmetoder som höjer deras bonus (Xiong, 2006). Senare forskning av bland annat Christie (1990), Dechow & Sloan (1991), Balsam (1998), Bergstresser &

Philippon (2006) stödjer the bonus plan hypothesis. The debt covenant hypothesis antar att incitament för EM skapas av kreditgivare. Kreditgivare kan begränsa utdelningar, återköp av aktier, och ytterligare skuldsättning för att skydda sina intressen. Därför finns incitament för EM i företag med hög skuldsättning. Bevis i senare forskning om teorin är splittrad. DeFond

& Jiambalvo (1994) och Sweeney (1994) fann bevis för att ledningar manipulerar redovisningen i linje med debt covenant hypothesis. Däremot Healy & Palepu (1990) and DeAngelo et al. (1994) fann inga belägg för teorin. Den tredje teorin, the political cost hypothesis undersöker redovisning i den politiska processen. Till politiska kostnader räknas skatter, avgifter, regleringar som påverkar intäkter och resultat m.m. Teorin går ut på att redovisningen anpassas till det rådande politiska systemet, alltså att det finns incitament för EM som ett medel att reducera vinsten. Det finns forskning som stödjer Watts och Zimmermans tredje hypotes. Exempelvis Han och Wang (1998) fann att oljebolag som drog fördel av förväntade högre vinster på grund av stigande oljepriser under Gulfkriget använde sig av periodiseringar för att undvika politiska kostnader och regleringar.

De ovan nämnda positivistiska teorierna flyttade fokus i forskningen från kapitalmarknads- orienterade motiv som de viktigaste drivkrafterna bakom EM till att istället leta efter

9 företagsinterna motiv. 1990-talet medförde att fokus flyttades tillbaka till kapitalmarknadens reaktioner på resultatutvecklingen i företag som ett betydande skäl till att använda EM.

Dagens studier lägger därför en betoning på hur företagsledningar medvetet kan vilseleda investerare om företagens underliggande värde. Enligt dessa studier finns det starka incitament att inte rapportera sjunkande resultat men däremot att upprätthålla positiva resultat.

Kasznik (1999) finner bevis för att ledningen använder sig av positiva diskretionära periodiseringar för att rapportera högre vinster när företaget annars inte skulle uppnå prognostiserade vinster. Tvärtemot, kan det också finnas incitament att inte rapportera bra resultat för att skapa reserver för framtiden genom att negativa periodiseringar senare måste reverseras (Leuz et al, 2003). Kellog och Kellog (1991) ser två motiv för EM; att uppmuntra investerare att köpa företagets aktier och att öka företagets marknadsvärde. Caylor (2009) testar om manipulation av intäkter används för att undvika att rapportera negativa resultat.

Han finner att EM används för att rapportera positiva överraskningar i form a resultat.

Degeorge et al. (1999), Burgstahler and Eames (1999) drar slutsatsen att lönsamma företag manipulerar redovisningen för att undvika rapportering som inte möter analytikers prognoser.

Philippon (2006) hävdar att det finns en tydlig trend som pågått under en längre tid vad gäller incitamentsprogram för ledningen inom ett företag. De menar att dessa belöningsprogram har idag en stark koppling till aktievärde och optionsinnehav. Denna typ av belöningssystem ökar ledningens incitament till att bedriva EM. Men Albrecht & Richardsons (1990) menar att stora företag har färre möjligheter att manipulera än små företag eftersom de är mer granskade av intressenter,

3.2 Att mäta earnings management

Young (1999) anser att periodiseringar sannolikt är den vanligaste manipulationen ur ett ledningsperspektiv. De är svårupptäckta och relativt enkla och billiga att genomföra.

Mohanram, (2003) uttrycker det som att periodiseringar ofta är det utrymme som företag använder för egen tolkning av årets intäkter och kostnader. Om exempelvis leverantörsskulder och kundfodringar ökar på grund av ökad omsättning resulterar detta vanligen i en större mängd periodiseringar. Periodiseringar innebär, när de används enligt lagstiftarens intention,

10 en korrigering av löpande intäkter och kostnader så att de motsvarar de verkliga intäkterna och kostnaderna företaget har under en viss period enligt realisationsprincipen²

Diskretionära periodiseringar är den del av de totala periodiseringarna som anses onormal och kan därmed ses som ett mått på EM. En diskretionär periodisering kan vara en obligatorisk kostnad i redovisningen som redan bokförts men som ännu inte realiserats. Beroende om det är kostnader eller intäkter som periodiseras och om de periodiseras till eller från nuvarande räkenskapsår kan resultatet ändras både positivt och negativt.

Diskretionära periodiseringar = Totala periodiseringar – Icke diskretionära periodiseringar

Dagens forskning fokuserar på att mäta periodiseringar med statistiska modeller. Givetvis kan de flesta periodiseringar inte klassas som EM och därför har forskare delat upp periodiseringar i diskretionära (manipulerade) samt icke-diskretionära (omanipulerade) (Peasnell & Young, 2000). Då de uppdelade periodiseringarna inte är direkt observerbara i redovisningen erbjuder forskningen flera metoder att uppskatta potentiell EM. Upptäckten av EM beror till stor del av hur effektivt modellerna isolerar den diskretionära delen av totala periodiseringar (Young, 2006).

3.3 Modeller

Sedan 1980-talet har ett flertal modeller presenterats som på olika sätt mäter EM i periodiseringar. Först ut var Healy (1985) med en modell som får kritik för att vara alldeles för enkel. I korthet menar han att det går att beräkna EM genom att de totala periodiseringarna delas med föregående års totala tillgångar. DeAngelo (1986) presenterade snabbt därefter en modell som anses vara en modifikation av Healymodellen. Diskretionära periodiseringar beräknas som skillnaden i totala periodiseringar jämfört med föregående år minus föregående års totala tillgångar. Healys och DeAngelos modeller bygger på antagandet att icke diskretionära periodiseringar är konstanta. Men Kaplan (1985) påpekar att antagandet om konstanta periodiseringar är osannolikt.

2 Realisationsprincipen innebär bland annat att ett företag skall redovisa en inkomst från ett åtagande som en intäkt när det i allt väsentligt utfört den prestation det åtagit sig att utföra. I ett fall då företaget gjort ett åtagande som innebär att företaget inte skall utföra någon prestation leder realisationsprincipen till att inkomsten skall redovisas som en intäkt när företaget har rätt till inkomsten.

11 Jones (1991) introducerade en modell som ligger till grund för mycket av dagens forskning kring EM. Jones frångår antagandet om konstanta periodiseringar. Istället försöker modellen fånga ändringar i företags ekonomiska förhållanden och sambandet till icke-diskretionära periodiseringar. Metoden kräver uppdelning av totala periodiseringar i diskretionära och icke diskretionära. Jones försöker uppskatta den manipulerade delen som residualen av en regression på periodiseringar och förändringar i intäkter. Ett problem med modellen som även Jones medger är antagandet att intäkter är icke-diskretionära. Om intäkter är manipulerade kommer modellen att missa den delen av manipulerade periodiseringar, vilket leder till en dragning mot ett medelvärde närmare noll, alltså en lägre nivå av EM.

Problemen med antagandet att förändringar i intäkter likställs med omanipulerade periodiseringar resulterade i att Dechow et al. (1995) presenterade en modifierad modell baserad på Jones forskning. Den modifierade modellen innehåller ytterligare en variabel som försöker fånga manipulationer med intäkter genom att subtrahera skillnader i fordringar från skillnader i intäkter. Författarna testar sin modell i en jämförelse mot andra populära modeller som mäter periodiseringar för att bestämma vilken som ger högst träffsäkerhet när det gäller att upptäcka EM. Modellerna appliceras på amerikanska företag som av Securities and Exchange Commission påstås har manipulerat resultatet. Den modell som enligt Dechow et al. (1995) gav bäst resultat var den modifierade Jones- modellen. Vidare förklaring av modellen ges i metodavsnittet.

Dechow & Dichev (2002) lägger till en kassaflödeskomponent till Jones ursprungliga modell i sin undersökning. Tillägget stöds med förklaringen att ett företags ekonomiska aktiviteter och relaterade kassaflöden ofta skiljer sig i mellan bokföringsdatum och själva transaktionen.

Stubben (2010) påstår att han är den enda som utvärderat Dechow & Dichev-modellen gentemot andra modeller. I jämförelse med de två Jones-modellerna framstår Dechow &

Dichev-modellen som sämst på att mäta de den manipulerade delen av totala periodiseringar.

3.4 Resultat i forskningen

Jämfört med USA existerar betydligt mindre forskning kring EM i Europa och det gäller även Norden. Nedan presenteras resultaten främst från den viktigaste Europeiska forskningen.

12 Kasanen, Kinnunen, Niskanen (1996) undersöker förekomsten av EM på finska marknaden med hjälp av en egen modell som på liknande sätt som Jones delar upp periodiseringarna i diskretionära och icke diskretionära. Finland präglas av ett relativt koncentrerat ägarskap med starkt fokus på aktieutdelningar. De fokuserar på utdelningsbaserat EM och finner att EM kan förklaras av ägarnas krav på utdelningar. Krav på utdelning skapar incitament att manipulera resultatet i positiv riktning om det omanipulerade resultatet är lägre än vad som krävs för att ägarna ska erhålla den önskade utdelningen. Författarna menar att de tillhandahåller en testbar hypotes för företag som har liknande ägarstruktur, exempelvis i Sverige.

Coppensa & Peek (2005) studerar privata företag i åtta europeiska länder, däribland Danmark.

Författarna argumenterar att privata företag till skillnad från publika saknar pressen från kapitalmarknaden att leverera vinster. Men å andra sidan är dessa inte lika hårt reglerade då de exempelvis inte behöver ta hänsyn till börsernas regelverk och krav på öppenhet i redovisningen. De finner bevis för att privata företag i alla de studerade länderna med hjälp av EM undviker att rapportera förluster, men de undviker inte att rapportera minskade vinster.

Van Tendeloo & Vanstrealen (2005) undersöker om frivilligt användande av IFRS i tyska företag minskar nivån av EM jämfört med företag som rapporterar enligt tyska GAAP³. De bygger vidare på forskning som presenterar bevis för att EM generellt förekommer oftare i länder med code-law med lågt investerarskydd än länder med common-law och högt investerarskydd (Leuz et al, 2003). Tyskland är ett land med code-law och relativt lågt investerarskydd. Undersökningen visar att rapportering enligt IFRS inte medför signifikanta skillnader av EM före och efter införandet av standarden.

Maijoor & Vanstrealen (2006) studerar EM i ett Europeiskt sammanhang med Jones modell.

Tre faktorer och hur dessa kopplas till EM studeras; länders revisionsmiljö, revisionsföretagens kvalitet och om ett företags aktie är noterat i ett eller flera länder. Studien omfattar Frankrike, Tyskland och Storbritannien, tre länder som på en distinkt sätt skiljer sig i revisionsseder och lagsystem (code-law och common-law). De främsta resultaten av studien är att omfattningen av EM beror på skillnader i länders revisionsseder. I ett land med strikt revision förkommer också mindre EM. Däremot påverkas inte förekomsten av EM mellan länderna av att företagen använder någon av de internationella revisorsjättarna

3 General Accepted Accounting Principles

13 benämnda ”Big Four”. Slutligen visar inte bolag som är listade på flera internationella börser någon begränsning i användningen av EM, snarare tvärtom.

Burgstahler, Hail & Leuz (2004) genomför ytterligare en undersökning på Europeiska företag, och hur EM kan kopplas till incitament som press från kapitalmarknaden och institutionella faktorer som skattesystem, lagligt investerarskydd och kapitalmarknadsstruktur. Författarna hävdar att EU är unikt då alla företag, privata såväl publika, styrs av lagreglerade redovisningsstandarder. Därför följer privata företag i stort sett samma regler som publika vilket ger bra möjligheter att jämföra hur länders institutionella faktorer påverkar. Författarna använder Jones modifierade modell. Resultaten visar att EM är vanligare i privata än publika företag. I motsats till tidigare påståenden att kapitalmarknaden fungerar som incitament för att manipulera redovisningen, finner de att kapitalmarknaden förbättrar den finansiella informationen. I linje med annan forskning finner de också att EM är vanligast i länder med svagt lagsystem.

Ett flertal artiklar (Cooke, 1989; Meek et al, 1995; Lee & Choi 2002; Glaum et al, 2004;

Siregar & Utama, 2008) tar upp sambandet mellan företagsstorlek och EM samt kvaliteten i finansiell rapportering. Storlek har visat sig ha en positiv korrelation med omfattningen av information i redovisningen. Detta antyder att stora företag är under större granskning än små.

Små företag har svårare att ta in nytt kapital och kan därför ha större anledning att ägna sig åt EM och följaktligen minska informationen i redovisningen.

Dechow & Dichev (2002) testar om företags- och branschspecifika kännetecken kan relateras till kvaliteten i periodiseringar. Gaio (2010) undersöker företagsspecifika variabler i en studie baserad på Dechow & Dichev. De använder sig av Dechow & Dichevs modell vilken är en vidareutveckling av Jones modifierade. Dålig kvalitet jämställs med manipulation. De variabler som testas är storlek, volatilitet i försäljningen, volatilitet i kassaflödet, volatilitet i periodiseringarna, längden i den operativa cykeln⁴ och negativa resultat. Författarna antar baserat på tidigare forskning att ju mindre företag desto sämre kvalitet i periodiseringarna, ju större volatilitet i försäljning, kassaflöde och periodiseringar desto sämre kvalitet, ju längre operativ cykel desto sämre kvalitet, samt ju större negativt resultat desto sämre kvalitet i periodiseringarna. Dechow & Dichev finner starka samband i regressionerna för variablerna

4 Operativa cykeln definieras som den genomsnittliga tiden mellan inköp av varor och mottagandet av betalning från försäljningen.

14 och menar att de kan användas som pålitliga verktyg för att uppskatta kvaliteten i periodiseringar. Gaio finner att variablerna förklarar en stor del av variationer i periodiseringskvaliteten runt om i världen. Skillnader mellan företag och branscher stöds av Kim et al. (2003) som visar att vissa branscher avviker i graden av manipulering. Service och konsumentbranscherna visar högre sannolikhet att manipulera. Industri-, mineral- och byggbranschen tenderar att inte manipulera i lika hög grad. En svaghet med studien är dock att alla resultat inte är statistiskt signifikanta. Dessutom rankar Gaio kvaliteten i 38 länder.

Av Sverige, Finland och Danmark har Danmark sämst kvalitetsindex.

Leuz et al. (2003) genomför en internationell studie som omfattar 31 länder däribland Sverige, Danmark och Finland. Länderna delas in i tre grupper efter hur högt skydd mot EM de har. Klassificeringen bygger på en sammanvägning av ländernas legala tradition, skydd för investerare, upprätthållande av lagen, kapitalmarknadens storlek och koncentrationen av ägarskapet. Sammanvägningen sammanfattas med ett index. USA och Storbritannien hamnar i gruppen med en stor och hårt reglerad kapitalmarknad, starka lagar och institutioner som skyddar aktieägare. Sverige, Danmark och Finland hamnar i medelgruppen med medelstark kapitalmarknad och medelstarkt skydd för investerare. Av de tre länderna har Sverige högst skydd och Danmark lägst. De mäter med Jones modifierade modell och finner stora skillnader i EM mellan grupperna. De med högt skydd har lägst förekomst av EM och i gruppen med det svagaste skyddet är EM betydligt vanligare. Författarna manar dock till försiktighet i tolkningen av bevisen då det är svårt att mäta EM, samtidigt som relationen mellan EM och institutionella faktorer ännu inte är väl kartlagda. Gaio (2010) stödjer Leuz et al. ranking av Sverige, Finland och Danmark. Gaio undersöker periodiseringskvaliteten i 38 länder. Av de tre länderna har Danmark sämst kvalitetsindex vilket kan jämställas med högre förekomst av EM.

4 Hypoteser

Syftet med denna undersökning är att kartlägga om användningen av EM skiljer sig mellan de nordiska länderna, mellan storlek på företag och mellan branscher. Mot bakgrund av tidigare forskning antar vi att EM existerar i Norden. Europeisk forskning visar att graden av EM beror på ägarstruktur, investerarskydd, kapitalmarknad, code-law vs. common-law, företagsstorlek samt revisionsseder och reglering. Vi menar att Norden är relativt lika på

15 dessa punkter. Vi utgår, med uppbackning av Kasanen, Kinnunen, Niskanen (1996), från att ägarstrukturen är likartad i åtminstone Sverige och Finland. Norden har en gemensam kapitalmarknad genom Nasdaq OMX Nordic. Länderna bygger delvis på samma tradition i uppbyggnaden av lagsystem och de noterade företagen i undersökningen följer alla IFRS. Vi menar att bolag i de nordiska länderna har samma incitament till EM enligt ovan angivna samband mellan faktorer och EM. Däremot har forskning visat att mindre företag tenderar att i större utsträckningen manipulera redovisningen. Därför tror vi att användningen av EM inte borde skilja mellan länderna men däremot mellan Nasdaq OMX Nordics olika listor.

Företags- och branschspecifika egenskaper har också visat sig påverka hur företagen redovisar och periodiserar och kan påverka både den faktiska möjligheten att utöva EM och modellen som mäter EM. Vidare har forskning visat att vissa branscher kan avvika. Därför tror vi att EM också skiljer sig mellan branscherna i urvalet. Om denna avvikelse är reell eller beror på branschspecifika egenskaper får analysen utreda.

Våra hypoteser:

H1: EM existerar i urvalet.

H2: EM skiljer inte mellan länderna.

H3: EM skiljer sig mellan Large Cap, Mid Cap och Small Cap.

H4: EM skiljer sig mellan branscher.

5 Metod

I detta avsnitt redogör vi för valet av arbetsmetod. Denna uppsats bygger på en empirisk undersökning baserad på den kvantitativa metoden. Avsikten är att kartlägga förekomsten av EM mätt med modeller som bygger på data hämtade ur företagens publika finansiella information för åren 2005 till 2009.

5.1 Urval

Undersökningen genomförs på ett urval företag som är noterade på Nasdaq OMX Nordic inom segmenten Large Cap, Mid Cap och Small Cap under perioden 2006-2009. I modellen vi använder krävs även data från 2005 för att utföra beräkningar för 2006. Anledningen till att

16 vi väljer tidsperioden 2006 till 2009 är att under 2005 infördes IFRS som innebar nya redovisningsregler för börsnoterade företag inom EU.

Undersökningen avgränsas till ett antal branscher där vi samlar de utvalda företagen från Sverige, Danmark och Finland både land för land, branschvis och efter storlek De branscher vi undersöker följer Datastreams indelning; material, konsumentvaror, konsumenttjänster, hälsovård, industri, olja och gas, teknologi, telekom. Indelningen skiljer sig något från OMX indelning, speciellt gällande konsumentvaror, konsumenttjänster. Se Bilaga 1 för exakt indelning.

Vi gör en kartläggning som gör det möjligt att jämföra den eventuella förekomsten av EM mellan länder, branscher och företagsstorlek för att visa om det existerar skillnader som kan bero på nationella skillnader, branschunika eller företagsunika. Norge ingår inte i urvalet eftersom norska företag vid Oslobörsen inte tvingats följa IFRS under den valda undersökningsperioden. Eventuella skillnader mellan Norge och de övriga länderna skulle därmed vara omöjligt att avgöra om det beror på norska GAAP eller på nationella skillnader.

Branschen finans väljs bort på grund av en annorlunda redovisning och branschspecifika förhållanden som gör det komplicerat att testa förekomsten av EM.

Som dataunderlag till undersökningen har information hämtats från databasen Datastream.

Den innehåller i de flesta fall nödvändig information för att beräkna företagens periodiseringar. Dock saknas poster för vissa företag som ytterligare begränsar urvalet. Ingen information finns om isländska bolagen, därför väljer vi att inte ta med Island i undersökningen. Ytterligare ett bortfall uppkommer när företag är noterade med A och B aktier. Dessa presenteras som två separata bolag i Datastream och därför bortser vi från A aktien. Det slutliga antalet företag är 363 stycken vilket blir 1452 observationer med en undersökningsperiod på fyra år.

Tabell 1, Orsak till bortfall och antal bortfall från det ursprungliga urvalet.

Orsak bortfall Sverige Finland Danmark Island Totalt

Noterade företag 2010 290 133 201 9 633

Finansiella företag -54 -17 -83 -2 -156

A-/B-aktier -19 -5 -9 -0 -33

Saknas data -44 -6 -24 -7 -81

Kvarvarande 173 105 85 0 363

17 Tabell 2, Fördelning av det kvarvarande urvalet för undersökningen på listor och branscher mellan länderna.

Sverige Finland Danmark Totalt

LARGE CAP 36 27 19 82

-Material 4 5 0 9

-Konsumentvaror 8 2 2 12

-Konsumenttjänster 0 3 0 3

-Hälsovård 5 1 6 12

-Industri 15 12 9 36

-Olja & Gas 1 1 1 3

-Teknologi 1 2 0 2

-Telekom 2 1 1 5

MID CAP 42 27 22 93

-Material 2 2 1 5

-Konsumentvaror 6 6 4 16

-Konsumenttjänster 8 5 0 13

-Hälsovård 5 1 4 10

-Industri 14 10 7 31

-Olja & Gas 1 0 0 1

-Teknologi 6 3 2 11

-Telekom 0 0 0 0

SMALL CAP 95 51 48 194

-Material 5 1 0 6

-Konsumentvaror 10 7 10 27

-Konsumenttjänster 8 3 8 19

-Hälsovård 15 3 4 22

-Industri 29 16 19 64

-Olja & Gas 0 0 1 1

-Teknologi 27 21 6 54

-Telekom 1 0 0 1

TOTALT 173 105 85 363

5.2 Val av modell

Den modell som vi väljer i vår undersökning är Jones modifierade modell av Dechow et al (1995). Modellen är väl använd och står sig väl i jämförande tester. Den bygger på att bryta ut icke diskretionära periodiseringar ur totala periodiseringar vilket ger residualen diskretionära periodiseringar, som är ett mått på EM. Metoden mäter icke diskretionära periodiseringar som en funktion av förändringar i intäkter och kundfordringar samt

18 anläggningstillgångar. För att göra företagen mer jämförbara har formeln för testet viktats med föregående års tillgångar för respektive företag och år.

Jones modifierade modell (Dechow et al, 1995):

NDAt= α1(1/At-1) + α2(∆Revt-∆Rect)/ At-1  + α3(PPEt/At-1) där:

NDAt = Icke diskretionära periodiseringar årt

A_t-1= Totala tillgångar år _t-1

∆Rev_t= Omsättning år_t minus omsättning år_t-1

∆Rect= Kundfordringar årt minus kundfordringar årt-1

PPEt= Brutto materiella anläggningstillgångar årt α₁, α₂. α₃= företagsspecifika parametrar

De företagsspecifika parametrarna, α1, α2. α3, uppskattas med hjälp av följande modell:

TAt= a1(1/At-1) + a2(∆Revt /At-1) + a3(PPEt /At-1) + ν1

där:

TAt= totala periodiseringar för år t v= resudialen

a1,a2 och a3 används för att skatta α1, α2 och α3 med hjälp av minsta kvadratmetoden

Jones väljer att beräkna de totala periodiseringarna enligt följande modell:

TAt = (∆Omsättningstillgångar - ∆Kassa) – (∆Kortfristiga skulder) – nedskrivningar &

avskrivningar

Enligt Hirbar och Collins (2002) kan beräkning av totala periodiseringar från balansräkningen innebära vissa problem då formeln i huvudsak inte inkluderar poster som uppköp och

sammanslagningar. Hirbar och Collins använder istället en metod där uträkning av totala periodiseringar görs via kassaflödesanalysen vilket ska enligt dem ge ett mer tillförlitligt resultat än beräkning via balansräkningen. Vi väljer att använda Hirbar och Collins modell:

TACCt = (EBXIt / At-1) – (CFOt / At-1) Där:

TACC = totala periodiseringar från kassaflödet EBXI= resultat före extraordinära poster A_t-1= Totala tillgångar år _t-1

CFO= operativt kassaflöde

19

5.3 Beräkning av earnings management

Steg 1

Första steget i att mäta diskretionära periodiseringar (DA) är beräkning av de totala periodiseringarna (TA) för ett företag enligt formel:

TACC_t = (EBXI_t / A_t-1) – (CFO_t / A_t-1)

Steg 2

Följande formel används enbart för uppskattning av parametrarna a1, a2, a3 med hjälp av en tvärsnitts-regression⁵. Tvärsnittet är valt på alla företag i samma bransch.

TAt= a1(1/At-1) + a2(∆Revt /At-1) + a3(PPEt /At-1) + ν1

Vi använder informationen från Datastream för att genomföra en minstakvadrat-regression (OLS) i statistikprogrammet Minitab. Regressionen löser ut a1, a2, a3. Parametrarna behövs för att kunna lösa formeln i steg tre.

Steg 3

För att mäta diskretionära periodiseringar måste vi först beräkna icke diskretionära periodiseringar (NDA). Vi använder då Jones modifierade modell nedan:

NDA_t= α₁(1/A_t-1) + α₂(∆Rev_t-∆Rec_t)/ A_t-1  + α₃(PPE_t/A_t-1)

I denna formel sätter vi in de tidigare uppskattade parametrarna a1, a2, a3 tillsammans med informationen från Datastream.

Steg 4

Genom att sätta in beräkningarna från steg ett och tre i följande samband får vi residualen diskretionära periodiseringar för företag och år t:

DA_t=TACC_t- NDA_t

DAt är ett mått på EM. Ett värde nära noll indikerar ingen eller lite EM. Ett negativt värde indikerar periodiseringar som minskat resultatet.

5 Tvärsnitt avser data som samlas in genom att observera ett urval vid samma tidpunkt, eller utan hänsyn till skillnader i tid.

20 Steg 5

Vi upprepar steg 1-3 för alla företagen i urvalet.

Steg 6

Att mäta både positiva och negativa periodiseringar med denna fördelning medför problem då det leder till ett medelvärde nära noll. Eftersom vi enbart testar förekomsten av EM, inte förekomsten av negativ och positiv EM, räknar vi om de negativa periodiseringarna till positiva. På så sätt får vi absoluta belopp med medelvärden, median och standardavvikelse som bättre överensstämmer med förekomsten av EM.

Steg 7

Sista steget är att testa hypoteserna med statistiska test för att säkerställa eventuella signifikanta skillnader mellan vad som avses jämföras. Valet av det statistiska testet beror på hypotesen, vad och hur informationen ska jämföras. Vidare förklaring av de två aktuella testen ges i nästa avsnitt.

5.4 Val av statistiska analysmetoder

T-test

One sample t-test används för att beräkna ett konfidensintervall och testa en hypotes för ett medelvärde när standardavvikelsen för urvalet är okänt. Det visar om urvalet har ett värde lika med nollhypotesen eller skiljt från nollhypotesen. H0:  = ^0 eller H¹:  ≠ där  är urvalets verkliga medelvärde och 0 är hypotesens förväntade medelvärde. Vi applicerar t-testet på hypotes 1 där vi testar om EM existerar i Sverige, Danmark och Finland. I detta fall visar testat att EM existerar om urvalets medelvärde skiljer sig från noll, då noll enligt formeln indikerar ingen förekomst av EM (Minitab).

Variansanalys: ANOVA-test

Vid analysen av studiens observerade data är avsikten att undersöka skillnaden mellan diskretionära periodiseringar mellan branscherna, mellan länderna och mellan börslistorna.

För att avgöra skillnaderna görs ett ANOVA-test. Anledningen till att vi väljer ett ANOVA- test är att vi därmed kan undersöka fler än tre grupper från urvalet. Ett ANOVA-test görs per

21 bransch, ett per land och per börslista. I ett ANOVA-test jämförs olika medelvärden i detta fall medelvärdet på EM genom att jämföra varianser inom olika grupper och mellan olika grupper. Det blottlägger om det finns någon skillnad i EM mellan de olika grupperna.

Analysen går alltså ut på att testa om det finns en signifikant skillnad i användandet av EM mellan branscherna, länderna och börslistorna dvs. om gruppernas medelvärde skiljer sig signifikant från varandra. ANOVA-testet kräver minst fem observationer i varje urvalsgrupp för att statistiskt säkerställa regressionen (Minitab).

Vi använder oss av den vanligaste signifikansnivån 95 % (P-värde representerar sannolikheten att felaktigt förkasta nollhypotesen. Värdet sträcker sig från 1 till 0 och beräknas från det observerade urvalet. Om p-värdet i testet är mindre än - nivån förkastas nollhypotesen, med andra ord de jämförda urvalens medel är signifikant olika (Körner &

Wahlgren, 2006).

5.5 Problem med att mäta earnings management

Diskretionära periodiseringar (DA) förekommer givetvis inte i de granskade företagens årsredovisningar som en egen post. För att upptäcka om ett företag använder sig av DA krävs uträkningar baserade på antaganden om intäkter och kostnader, vilket ledningen har stora möjligheter att periodisera. Detta kan medföra metodologiska problem då företag i olika branscher har olika förutsättningar och dessutom kan skilja sig i storlek, vilket betyder att till exempel kundfodringar, intäkter och anläggningstillgångar kommer att skilja sig åt mellan företag och mellan branscher.

De företagsspecifika koefficienterna beräknas med tvärsnittsregressioner vilket sker branschvis. Metoden att beräkna de diskretionära periodiseringar med hjälp av företagsspecifika koefficienter medför en generalisering på företagsnivå. Istället för att vara företagsspecifik blir koefficienterna branschspecifika. Regressionerna fungerar inte med bara ett företag utan kräver flera observationer vilket gör att problemet bara kan kringgås med tidsserie- regression. En sådan regression kräver dock minst 10 år av observationer vilket inte är aktuellt i denna studie.

Ett flertal studier (Dechow et al, 1995; Bradshaw et al, 1999; Baneish, 1997) har testat validiteten i de modeller som mäter EM baserat på periodiseringar. De finner att modellerna

22 har kapacitet att upptäcka EM men fungerar bäst vid en omfattande användning av EM medan de riskerar att missa låga nivåer av EM. Ett problem är således att vår valda modell inte mäter graden av EM till fullo.

Ett annat problem som Dechow et al. (1995) och Kasznik (1999) indikerar är att nivån av EM kan vara korrelerat med storleken på företagens intäkter. Företag med låga intäkter kan resultera i periodiseringar som minskar resultatet (negativ EM) och företag med höga intäkter kan tvärtom resultera i fler periodiseringar som ökar resultatet (positiv EM). Vidare kan ökade intäkter under en period med oförändrad kreditpolicy leda till underskattad nivå i verkliga förekomsten av EM. I modellen subtraheras skillnaden i kundfordringar från skillnaden i intäkter. Detta leder enligt McNichols (2000) till underskattad nivå av EM då inte all skillnad i kundfordringar är diskretionär.

Dechow & Dichev (2002) menar att periodiseringar ofta är relaterade till företags- och branschspecifika förhållanden. På så sätt kan vissa periodiseringar där EM inte avsiktligt används ändå uppfattas som EM eftersom modellen omöjligt kan särskilja specifika förhållanden. I studien finns dock ingen anledning att skilja mellan avsiktliga och oavsiktliga periodiseringar då båda speglar periodiseringar av dålig kvalitet.

Sammanfattningsvis finns det ett flertal svagheter i den valda modellen. Den kan skapa felaktiga värden under vissa omständigheter och visar inte heller absoluta värden vilken gör det svårt att tolka resultaten och mer precist avgöra i vilken grad som EM förekommit. Vi tittar på ett stort urval med sammantaget 1452 observationer för att jämföra generella medelvärden i större populationer. Det stora urvalet är nödvändigt i de statistiska testen för att göra resultaten pålitliga. Att tolka ett enstaka företags DA är omöjligt. Men vi menar att om vi tolkar resultaten relativt i förhållande till varandra går det att se godtagbara avvikelser.

6 Resultat & Analys

Först visar vi fördelningen av hela urvalets diskretionära periodiseringar. Sedan övergår vi till att testa hypoteserna där vi visar och analyserar resultaten för varje hypotes för sig. Alla resultat omfattar den valda perioden 2006 till 2009. För ytterligare information som ligger till grund för beräkningarna se Bilaga 2 och Bilaga 3.

23 Diagram 1, fördelning av diskretionära periodiseringar.

Diagram 1 visar hela urvalets fördelning av beräknade diskretionära periodiseringar.

Fördelningen mellan positiva och negativa diskretionära periodiseringar är normalfördelad.

Genomsnittligt är 55 procent negativa, i Sverige 55 procent, Finland 56 procent och Danmark 54 procent. I testen av hypoteserna är beloppen bara positiva.

6.2 Hypotes 1: EM existerar i urvalet

H0:=

≠

Tabell 3, deskriptiv statistik alla länders absoluta DA.

Urval Antal företag Observationer Medel Median Standardavvikelse

Alla länder 363 1468 0,06720 0,04401 0,08234

Den deskriptiva statistiken från de observerade länderna visar ett medelvärde på 0,0672. Om detta pekar på hög eller låg nivå av EM går inte att avgöra, men det tyder på att EM existerar i urvalet eftersom medelvärdet är större än noll.

24 Diagram 2, Medelvärde DA alla länder mellan 2006-2009.

Diagram 2 visar hur medelvärdet skiljer mellan den observerade tidsperioden. Medelvärdet är relativt jämt mellan åren. 2006 visar det högsta medelvärdet på 0,08. Perioden 2007 till 2008 ligger på nivån 0,06 och 2009 visar en ökning till 0,07. Det är relativt konstant nivå av DA under en tidsperiod som omfattar både högkonjunktur samt lågkonjunktur. Vi tolkar det som att EM förekommer oavsett ekonomisk cykel.

Tabell 4, resultat One-Sample t-test

Variabel  _  T P

Alla länder 0,06299;

0,07141

31,31 0,000

Tabell 4 visar resultatet av ett t-test på Sverige, Danmark och Finland. T-testet bekräftar den deskriptiva statistiken att EM förekommer under testperioden. P-värdet är 0,000 vilket är mindre än signifikansnivån på 5 procent. Detta betyder att medelvärdet signifikant skiljer från noll och därmed förkastar vi nollhypotesen att EM inte existerar i urvalet.

Även om vi tolkar resultatet som att EM existerar går det inte att säkerställa exakt i vilken utsträckning. För att få ett riktvärde om nivån av DA i vår studie jämför vi resultatet med resultatet i studien av Dechow et al. (1995). Studien innehåller ett urval med företag som påstås ha manipulerat resultatet. Medelvärdet och median av DA för de manipulerande företagen är 0,171 respektive 0,083. Medelvärdet i vår studie är 0,0672 och medianen 0,04401. Att medelvärdet och medianen är lägre i urvalet är förväntat då det sannolikt innehåller företag som inte manipulerar.

6.3 Hypotes 2: EM skiljer inte mellan länderna

Ho: _sverige= _finland= _danmark

H_1: åtminstone ett lands medelvärde avviker från de andra.

0,00 0,05 0,10

2006 2007 2008 2009

Medel Sve, Fin, Dan

25 Tabell 5, deskriptiv statistik. Absoluta DA fördelade på länder.

Land Antal företag Observationer Medel Median Standardavvikelse

Sverige 173 692 0,06769 0,04514 0,08078

Finland 105 420 0,05828 0,03593 0,07794

Danmark 85 340 0,07792 0,05199 0,09142

I tabell 5 kan vi utläsa att DA-medelvärdet skiljer sig något mellan länderna. Medianen är mindre än medelvärdet i alla länder vilket tyder på att det finns observationer med höga värden. Detta bekräftas också av en stor spridning på observationerna då standardavvikelsen är högre än medelvärdet i alla tre länderna. Förhållandet mellan medelvärde, median och standardavvikelse är liknande i Sverige, Finland och Danmark vilket tyder på en liknande fördelning av resultaten och möjliggör en tydligare jämförelse.

Diagram 3, DA medelvärde mellan år 2006-2009.

Diagram 3 tydliggör diagram 2 genom att visa specifika länders variationer i användningen av DA mellan åren. Trenderna för de enstaka länderna har liknande utveckling och inget visar ett extremt avvikande värde. Trots att Sverige och Finland ligger närmare varandra i det sammanräknade medelvärdet är det istället Sverige och Danmark som under ett år har ett identiskt medelvärde. För att testa om skillnaderna i medelvärdet är signifikanta gör vi ett ANOVA-test.

Tabell 6, resultat ANOVA-test på länderna.

 DF SS MS F P S R-Sq

Mellan länder 2 0,07442 0,03721 5,44 0,004 0,08271 0,74%

Inom länder 1469 10,04831 0,00684 — — — —

Total 1471 10,12273 — — — — —

0,00 0,02 0,04 0,06 0,08 0,10

2006 2007 2008 2009

Sverige Finland Danmark

26 I ett första steg gör vi ett ANOVA-test i Minitab på alla länder samtidigt. Testet avslöjar med ett P-värde på 0,004 att åtminstone ett av länderna skiljer sig signifikant.

Tabell 7, P-värde mellan länder.

Länder Sverige Finland Danmark

Sverige — 0,056 0,013

Finland 0,056 — 0,012

Danmark 0,013 0,012 —

I ett andra steg gör vi separata ANOVA-test för att visa exakt vilka skillnader som existerar.

Resultaten visar att störst skillnad existerar mellan Finland och Danmark samt Sverige och Danmark. Danmark är det land med högst medelvärde jämfört med Sverige och Finland vilket ger ett lägre p-värde på signifikansnivån fem procent. I jämförelsen mellan Sverige och Finland finns ingen signifikant skillnad på femprocentsnivån, däremot en skillnad på tioprocentsnivån. Danmark är det land med störst avvikelse och därmed också högst nivå av EM. Vi förkastar nollhypotesen då signifikanta skillnader förekommer mellan länderna.

Resultaten är i denna analys inte de förväntade. Vi menar att Sverige, Danmark och Finland torde vara relativt lika i de faktorer som skapar incitament till EM och att nivån på EM därför inte skiljer sig. Att vi inte finner signifikant skillnad mellan Sverige och Finland på femprocentsnivån går i linje med Kasanen, Kinnunen, Niskanen (1996) som hittar samband mellan ägarstruktur och EM. Författarna hävdar att eftersom länderna har liknande ägarstruktur så bör de också ha en liknande nivå av EM. Att ANOVA-testet visar skillnad på tioprocentsnivån kan tolkas som att det ändå existerar en skillnad mellan Sverige och Finland.

Men samtidigt är vår metod att mäta EM behäftad med vissa svagheter som beskrivs i metodavsnittet och därmed väljer vi att bortse från detta och bara titta på femprocentsnivån för att kunna dra säkrare slutsatser ur resultaten.

Vi fokuserar istället på Danmark som statistiskt säkerställt avviker. En möjlig förklaring hittar vi när vi tittar närmare på Leuz, Nandy & Wysockis (2003) studie som sammanställer viktiga faktorer kopplade till EM och varje lands nivå av dessa faktorer. Danmarks totala beräknade index av dessa faktorer är 62 av 100, Sverige 83 och Finland 77, där högt värde anses motverka incitament till EM. En ytterligare möjlig förklaring är företagsstorleken i länderna.

Mycket forskning visar att EM är korrelerat till företagsstorlek. Små företag tendrar att manipulera i större utsträckning. Leuz, Nandy & Wysocki (2003) visar att Danmark i

27 genomsnitt har de omsättningsmässigt minsta företagen. Dessutom visar Tabell 2 att Danmark har störst andel små företag. Maijoor & Vanstrealen (2006) menar att tradition och seder snarare än redovisningsstandarden styr incitament till EM. Det är tänkbart att Danmark har andra traditioner än Sverige och Finland men det är i dagsläget outrett.

6.4 Hypotes 3: EM skiljer sig mellan Large Cap, Mid Cap och Small Cap.

Ho: _Large= _Mid= _Small

H_1: åtminstone en listas medelvärde avviker från de andra.

Tabell 8, deskriptiv statistik absoluta DA fördelade på företagsstorlek.

Lista Antal företag Observationer Medel Median Standardavvikelse

Large Cap 82 328 0,05206 0,03759 0,06759

Mid Cap 93 372 0,05642 0,03741 0,06731

Small Cap 194 776 0,07703 0,05208 0,08576

Deskriptiva statistiken visar att skillnaden är väldigt liten mellan Large och Mid Cap.

Företagen på Small Cap har ett något högre medelvärde som avviker från företagen på de övriga listorna. (Se även diagram 4). Medianen är som i hypotes två lägre än medelvärdet vilket tyder på att det även i detta test finns observationer med höga värden.

Diagram 4, DA medelvärde mellan år 2006-2009.

Diagram 4 visar en bild över hur DA varierar över åren. År 2006 sticker ut mest där Small Cap visar den största skillnaden i jämförelse med de andra listorna. Small Cap har högst medelvärde under hela tidsperioden. Large Cap är den minst volatila gruppen och dessa företag har under 2008 och 2009 lägst EM vilket är i linje med forskningen som visat att stora företag manipulerar mindre. Nedan ett ANOVA-test för att statistiskt reda ut skillnaderna.

0,00 0,02 0,04 0,06 0,08 0,10 0,12

2006 2007 2008 2009

Large Mid Small

28 Tabell 9, resultat ANOVA-test på företagsstorlek.

 DF SS MS F P S R-Sq

Mellan listor 2 0,19138 0,09569 15,86 0,000 0,07767 2,12 %

Inom listor 1465 8,83869 0,00603 — — — —

Total 1467 9,03007 — — — — —

Tabell 9 visar resultatet från ANOVA-testet där alla listor testas samtidigt för att avgöra om det förekommer någon skillnad mellan Large Cap, Mid Cap och Small Cap. Utifrån testets P- värde som är 0,000 finns det en signifikant skillnad på en femprocentig nivå mellan listorna.

Tabell 10, P-värde mellan listor.

Lista Large Cap Mid Cap Small Cap

Large Cap — 0,397 0,000

Mid Cap 0,397 — 0,000

Small Cap 0,000 0,000 —

I tabell 10 ser vi ett lite tydligare ANOVA- test där varje lista jämförs med de två övriga för att visa exakt vilka skillnader som existerar. Det förekommer en stark signifikant skillnad på femprocentig nivå mellan Large Cap och Small Cap och även mellan Mid Cap och Small Cap som båda uppvisar ett P-värde på 0,000. Det finns dock ingen signifikant skillnad mellan Large Cap och Mid Cap med ett P-värde på 0,397. Nollhypotesen förkastas eftersom det finns en statistisk signifikant skillnad av DA mellan någon av listorna.

En möjlig anledning till att Small Cap uppvisar ett högre medelvärde på DA än de övriga bolagen på de övriga två listorna skulle kunna vara att de små bolagen inte granskas lika noga av revisorer och därmed ha större möjlighet att utöva EM. Den hypotesen stöds av Albrecht &

Richardson (1990) samt Siregar & Utama (2008) som menar på att större företag får mer uppmärksamhet från analytiker och investerare vilket bidrar till att de blir mer noggrant granskade än små företag. Därför menar Albrecht & Richardsons (1990) att större bolag inte har samma möjlighet för att manipulera resultaten än vad de mindre bolagen har. Vårt resultat visar en signifikant skillnad mellan Small Cap och de övriga listorna. Det bekräftas även av den tidigare forskningen (Lee & Choi (2002); Dechow & Dichev (2002); Gaio (2010); Cooke, (1989); Meek et al, (1995); Glaum et al, (2004)) som bevisar att företagens storlek är en variabel som kan påverka i vilken grad som EM används. Författarna menar att mindre företag mer frekvent använder sig av EM för att slippa rapportera förluster än vad stora

29 företag gör. Med tanke på att stora företag har mindre informationsasymmetri och är utsatta för mer granskning än små företag, förväntas de vara mindre benägna att hantera resultatet opportunistiskt. (Lee och Choi, 2002)

6.5 Hypotes 4: EM skiljer sig mellan branscher.

H0: _bransch= _bransch= … = _bransch

H_1: åtminstone en bransch medelvärde avviker från de andra.

Tabell 11, deskriptiv statistik absoluta DA fördelade på branscher

Bransch Företag Observationer Medel Median Standardavvikelse

Material 20 80 0,03435 0,02295 0,03613

Konsumentvaror 52 208 0,05169 0,03828 0,04898

Konsumenttjänster 42 168 0,05458 0,03727 0,05320

Hälsovård 43 172 0,08025 0,05074 0,09753

Industri 132 528 0,06293 0,04457 0,07141

Olja & Gas 5 20 0,0940 0,0843 0,0636

Teknologi 68 272 0,08602 0,05625 0,10240

Telekom 5 20 0,0914 0,0541 0,1070

Tabell 11 visar att medelvärdet skiljer stort mellan branscherna. Branschen Material har det lägsta medelvärdet (0,03435) vilket är betydligt lägre än alla andra medelvärden i undersökningen. Branscherna Olja & Gas och Telekom har de högsta medelvärdena runt 0,09.

Det bör anmärkas att dessa branscher bara innehåller fem företag med 20 observationer vilket är väsentligt mindre än de jämförande branscherna och därför kan enstaka företag påverka medelvärdet i högre grad. Medelvärdet för Telekom i förhållande till medianen är skevt och dessutom är standardavvikelsen stor. Det tyder på att stor spridning med uteliggare i resultatet vilket föranleder till försiktig tolkning av branschen Telekom. Olja & Gas uppvisar däremot små skillnader mellan medelvärde och median samt har en i sammanhanget normal standardavvikelse. En annan bransch med högt medelvärde och hög standardavvikelse är Teknologi. Se diagram 5 för skillnader i spridningen mellan åren.