INCOME SMOOTHING, EARNINGS QUALITY & VALUE RELEVANCE

Transkript

1 MASTERAVHANDLING I ØKONOMI OG LEDELSE, STUDIERETNING: BEDRIFTSØKONOMISK ANALYSE Høgskolen i Buskerud og Vestfold HBV INCOME SMOOTHING, EARNINGS QUALITY & VALUE RELEVANCE Izt Hnbly Tmil Mutjev Mi 205 Veileder: Tonny Stenheim

2 Forord Denne mstervhndlingen er en obligtorisk del v mstergrdsutdnnelsen i bedriftsøkonomisk nlyse ved Høgskolen i Buskerud og Vestfold, cmpus Ringerike. Hensikten med vhndlingen hr vært å undersøke hvorvidt income smoothing og ernings qulity påvirker verdirelevnsen til resulttet. Arbeidet med vhndlingen hr vært meget utfordrende og rbeidskrevende, men det hr også vært svært interessnt og gitt oss en dypere innsikt innen temene income smoothing, ernings qulity og verdirelevns. Omfttende gjennomgng v relevnt littertur hr gitt oss god innsikt i ledende internsjonl regnskpsforskning. Vi vil benytte nledning til å rett en stor tkk til vår veileder, førstemnuensis Tonny Stenheim, for inspirerende veiledning og gode tilbkemeldinger under rbeidet med vhndlingen. Tonny hr vist imponerende tålmodighet og vært en god støtte gjennom hele rbeidsprosessen. Avhndlingen hdde ikke vært den smme uten hn som en støttespiller. Til slutt vil vi tkke hverndre for et velfungerende smrbeid, selv om vi hr htt våre diskusjoner, noe vi håper hr styrket vhndlingen. Det hr vært en svært lærerik prosess, hvor vi hr fått benyttet mye v den kunnskpen som vi hr tilegnet oss på msterstudiet. Hønefoss, Mi 205 Izt Hnbly Tmil Mutjev

3 Smmendrg Income smoothing, resulttkvlitet og verdirelevns er tre store retninger innen regnskpsforskningen, men det er llikevel få studier som knytter disse tre forskningsretningene smmen. På bkgrunn v dette hr vi vlgt å t utgngspunkt i følgende problemstilling: Hvordn påvirker income smoothing og resulttkvlitet verdirelevnsen til regnskpsmessig resultt for selskper på Oslo Børs? I denne studien undersøker vi om det eksisterer forskjeller i verdirelevnsen til rpportert resultt hos selskper som foretr income smoothing eller ikke, og selskper som hr høy eller lv resulttkvlitet. Income smoothing er en rpporteringsstrtegi hvor målet er å jevne ut resulttet ved å fjerne inntektstopper i gode år og inntektsbunner i dårlige år. Resulttkvlitet ser på i hvilken grd resulttet gir et godt grunnlg for å predikere fremtidige resultter. Verdirelevns ser på smmenhengen mellom rpporterte regnskpsstørrelser og børsverdier, og testes i denne studien ved bruk v price-ernings, price-book og price-chnge-modellen. Vi benytter oss v en deduktiv tilnærming der vi ut fr en teoretisk refernsermme fremsetter hypoteser som vi tester ved bruk v empiriske dt. Vi rgumenterer for t selskper som foretr income smoothing hr mer verdirelevnte resultter og bokført egenkpitl enn ndre selskper. Videre rgumenterer vi for t selskper som hr høy resulttkvlitet vil h mer verdirelevnte resultter og bokført egenkpitl enn selskper som hr lv resulttkvlitet. Til slutt rgumenterer vi for t selskper som både foretr income smoothing og hr høy resulttkvlitet hr mer verdirelevnte resultter og bokført egenkpitl enn ndre selskper. I smsvr med tidligere forskning, finner vi t regnskpsstørrelsene resultt, endring i resultt og bokført egenkpitl er verdirelevnte, det vil si t disse størrelsene fnger opp og oppsummerer informsjon som hr betydning for et selskps verdi. Vi finner t selskper som foretr income smoothing hr mer verdirelevnte resultter og bokført egenkpitl enn selskper som ikke foretr income smoothing. Videre finner vi t selskper som hr høy resulttkvlitet også hr mer verdirelevnte resultter og bokført egenkpitl. Vi tester også verdirelevnsen til fire grupper lngs dimensjonene income smoothing og resulttkvlitet: ) smoothers og høy resulttkvlitet, 2) non-smoothers og høy resulttkvlitet, 3) smoothers og lv resulttkvlitet og 4) non-smoothers og lv resulttkvlitet. Resulttene viser t gruppe hr de mest verdirelevnte resultter og bokført egenkpitl, mens gruppe 4 hr de minst verdirelevnte resultter og bokført egenkpitl.

4 Innholdsfortegnelse 2 3 INNLEDNING.... Bkgrunn for vlg v problemstilling....2 Oppgvens struktur... 3 REGNSKAPET SOM INFORMASJONSKILDE Regnskpets formål Regnskpets brukergrupper Regnskpets kvlitetskrv Forhold som truer regnskpet som informsjonskilde... 2 EARNINGS MANAGEMENT Definisjon v ernings mngement Hvordn foregår ernings mngement Mksimering eller minimering Big-bth Income smoothing Positiv regnskpsteori Opportunistisk og ikke-opportunistisk rpporteringstferd... 7 Prinsipl-gent-teori... 2 Forutsetninger for ernings mngement Informsjonssymmetri Rpporteringsfrihet Interessekonflikter INCOME SMOOTHING Definisjon v income smoothing Typer income smoothing Hvorfor skjer income smoothing? Insentiver for income smoothing Regnskpsbserte insentiver Mrkedsbserte insentiver RESULTATKVALITET Regnskpskvlitet og resulttkvlitet Definisjon på resulttkvlitet Ulike tilnærminger ved forskning på resulttkvlitet Tidligere forskning Resulttkvlitet og effekten på kpitlkostnd Resulttkvlitet og income smoothing... 44

5 6 VERDIRELEVANS Definisjon v verdirelevns Verdirelevnsstudier Verdirelevnsstudier på norske dt Kritikk v verdirelevnsstudier Verdirelevns og income smoothing Verdirelevns og resulttkvlitet HYPOTESER METODE Verdsettelsesmodeller Regresjonsmodeller Price-book-ernings-modell vs. return-ernings-modell Skleffekter Bruken v R Verdirelevns og mrkedseffisiens Income smoothing Resulttvribilitet Frekvensfordelinger Aggregerte periodiseringer Spesifikke periodiseringer Verdirelevns Resulttkvlitet Periodiseringskvlitet Problemstillinger knyttet til metodiske tilnærminger Modertornlyse Forskningsdesign ler Dtinnsmling og utvlg ANALYSE OG RESULTATER Studiens vribler Income smoothing Resulttkvlitet Verdirelevns Deskriptiv sttistikk Periodiseringskvlitetsmodellen Verdirelevns... 0

6 9.3 ltesting Periodiseringskvlitet Verdirelevns Regresjonsforutsetninger Regresjonsforutsetning # Regresjonsforutsetning # Regresjonsforutsetning # Regresjonsforutsetning # Regresjonsforutsetning # Regresjonsforutsetning # Regresjonsforutsetning # Regresjonsforutsetning # Forutsetning for MMR Smmendrg v resultter DISKUSJON OG KONKLUSJON Metodiske impliksjoner Prktiske impliksjoner Studiens bidrg FORSLAG TIL VIDERE FORSKNING REFERANSER VEDLEGG... 49

7 Figurer og tbeller Figur 2.: Figur 2.2: Figur 4.: Figur 9.: Interessentgrupper Regnskpets kvlitetskrv Mislighetstreknten Interqurtile rnge Tbell 3.: Tbell 9.: Tbell 9.2: Tbell 9.3: Tbell 9.4: Tbell 9.5: Tbell 9.6: Tbell 9.7: Tbell 9.8: Tbell 9.9: Tbell 9.0: Tbell 9.: Tbell 9.2: Tbell 9.3: Tbell 9.4: Tbell 9.5: Tbell 9.6: Tbell 9.7: Tbell 9.8: Tbell 9.9: Tbell 9.20: Tbell 9.2: Tbell 9.22: Tbell 9.23: Tbell 9.24: Tbell 9.25: Tbell 9.26: Tbell 9.27: Tbell 9.28: Alterntive definisjoner v ernings mngement Deskriptiv sttistikk for periodiseringskvlitetsmodellen Korrelsjonsnlyse for periodiseringskvlitetsmodellen Deskriptiv sttistikk for verdirelevnsmodellen for hele utvlget Deskriptiv sttistikk for verdirelevnsmodellen for non-smoothers og Smoothers p-vlues of Comprisons of mens - non-smoother vs. Smoothers Deskriptiv sttistikk for verdirelevnsmodellen for non-qulity og Qulity p-vlues of Comprisons of mens - non-qulity vs. Qulity p-vlues of Comprisons of mens for fire grupper Korrelsjonsnlyse for verdirelevnsmodellen for hele utvlget Korrelsjonsnlyse for verdirelevnsmodellen for non-smoothers og Smoothers Korrelsjonsnlyse for verdirelevnsmodellen for non-qulity og Qulity Koeffisienter periodiseringskvlitetsmodellen Price-ernings, price-book og price-chnge-regresjon - non-smoothers vs. Smoothers Splittvribel for price-ernings-regresjon Splittvribel for price-book-regresjon Splittvribel for price-chnge-regresjon Splittvribel for price-chnge-regresjon med gjeldsgrd som kontrollvribel Price-ernings, price-book og price-chnge-regresjon - non-qulity vs. Qulity Splittvribel for price-ernings-regresjon Splittvribel for price-book-regresjon Splittvribel for price-chnge-regresjon Price-ernings-regresjoner Splittvribel Price-ernings-regresjoner Price-book-regresjoner Splittvribel Price-book-regresjoner Price-chnge-regresjoner Splittvribel Price-chnge-regresjoner Test for rngering

8 INNLEDNING Formålet med denne vhndlingen er å undersøke hvordn income smoothing og ernings qulity påvirker verdirelevnsen til regnskpsmessig resultt for selskper notert på Oslo Børs. Utgngspunktet er teori og metode fr income smoothing-, ernings qulity- og verdirelevns-litterturen. Innledningsvis presenteres bkgrunn for vlg v problemstilling og oppgvens struktur.. Bkgrunn for vlg v problemstilling Regnskpsmnipulering forstås gjerne negtivt og gir klre ssosisjoner til regnskpssvindel og økonomisk kriminlitet. Regnskpsstrtegi hr derimot lngt mer positive undertoner. Income smoothing er en rpporteringsstrtegi hvor målet er å jevne ut resulttet ved å fjerne inntektstopper i gode år og inntektsbunner i dårlige år. Dette bringer oss til noe som kn fremstå som et prdoks. Ledelsen kn foret income smoothing for å mislede en eller flere interessentgrupper ved å utrbeide et regnskp som ikke reflekterer økonomisk substns, eller til å opplyse en eller flere interessentgrupper ved å utrbeide regnskp som gir relevnt og pålitelig informsjon om økonomisk substns. Som følge v dette kn income smoothing h både negtive og positive effekter på verdirelevnsen til resulttet. Årsregnskpet er og hr historisk sett vært den viktigste kilden til informsjonsdeling mellom et selskp og dets interessentgrupper, for eksempel eksisterende og potensielle investorer og kreditorer. Formålet med årsregnskpet er å gi nyttig informsjon om den økonomiske situsjonen til selskpets interessentgrupper. Dette er belyst nærmere i IASB sitt konseptuelle rmmeverk: "The objective of generl purpose finncil reporting is to provide finncil informtion bout the reporting entity tht is useful to existing nd potentil investors, lenders nd other creditors in mking decisions bout providing resources to the entity" (200:OB2). "( ) consequently, existing nd potentil investors, lenders nd other creditors need informtion to help them ssess the prospects for future net csh inflows to n entity" (200:OB3). Et regnskp bør dermed hjelpe både eksisterende og potensielle investorer og kreditorer til å vurdere et selskps fremtidige resultter. Income smoothing kn gjøre det lettere å vurdere et selskps fremtidige resultter. Imidlertid bygger tolkningen v income smoothing på to ulike forskningsretninger. Den ene retningen sier t income smoothing er ensbetydende med lv Income smoothing er en delmengde v ernings mngement.

9 resulttkvlitet og t income smoothing er et resultt v opportunistisk income smoothing. Hovedrgumentet her er t ledelsen kn redusere vribiliteten på resulttet ved å utnytte fleksibiliteten som finnes innenfor gjeldende rett. Dette reduserer resulttets brukernytte til å predikere fremtidige resultter. Den ndre retningen sier t ledelsen jevner ut tilfeldige svingninger for tidspunktet når den tilhørende kontntstrømmen for inntekter og kostnder oppstår, slik t resulttet på en bedre måte reflekterer selskpets reelle prestsjon. Income smoothing er ifølge denne forskningsretningen nødvendig og kn bidr til å øke resulttkvliteten. På bkgrunn v disse to forskningsretningene kn income smoothing, det vil si lv resulttvribilitet, tolkes både som høy resulttkvlitet og lv resulttkvlitet. En ntkelse innen forskning på income smoothing er t selskper som jevner ut resulttet hr mer verdirelevnte resultter enn ndre selskper. Denne ntkelsen forklres med t income smoothing reduserer informsjonssymmetrien mellom ledelsen og ndre interessenter ved å offentliggjøre beslutningsinformsjon. Imidlertid viser forskning også t selskper som jevner ut resulttet hr mindre verdirelevnte resultter (Michelson, Jordn Wgner, & Wootton, 995). Dette skyldes trolig t regnskpsbrukernes nytteverdi vhenger i stor grd v i hvilken grd den finnsielle rpporteringen hr god resulttkvlitet (Bo & Bo, 2004). Det er derfor grunn til å tro t income smoothing isolert sett ikke er nok for å påvirke verdirelevnsen til resulttet, men t resulttet i tillegg bør være v høy kvlitet. Forskningen rundt dette hr vært begrenset internsjonlt, og nesten frværende på norske dt. Tidligere studier på verdirelevns på norske dt hr undersøkt hvordn verdirelevnsen til resulttet påvirkes v ulike modertorer (virkelig verdi vs. historisk kost, corporte governnce-meknismer) og/eller i forskjellige regnskpsspråk (NGAAP vs. IFRS). Etter vår kjentskp hr ingen studier eksplisitt forsket på effektene income smoothing og resulttkvlitet hr på resulttets verdirelevns. På bkgrunn v dette vil det være interessnt å se nærmere på hvordn verdirelevnsen til resulttet påvirkes v income smoothing og resulttkvlitet. Vi hr dermed kommet frem til følgende problemstilling: Hvordn påvirker income smoothing og resulttkvlitet verdirelevnsen til regnskpsmessig resultt for selskper på Oslo Børs? 2

10 .2 Oppgvens struktur Denne vhndlingen er delt i ti kpitler. Innledningsvis hr vi presentert bkgrunn for vlg v problemsstilling og vår motivsjon. Vi hr totlt fem teorikpitler, hvor kpittel 2 ser på regnskpet og dets rolle som informsjonskilde, mens kpittel 3 og kpittel 4 tr for seg ernings mngement og income smoothing. Sistnevnte representerer en delmengde v ernings mngement. I kpittel 5 og 6 tr vi for oss henholdsvis resulttkvlitet, som er en del v regnskpskvlitet, og verdirelevns. På bkgrunn v teorikpitlene vil vi i kpittel 7 presentere våre hypoteser. Videre følger kpittel 8 med vår metodiske tilnærming. Her vil vi blnt nnet redegjøre for vlg v modeller. I kpittel 9 presenteres vhndlingens nlyser og resultter, smt regresjonsforutsetningene og forutsetning for Moderted Multiple Regression (MMR). I kpittel 0 diskuteres mulige metodiske og prktiske impliksjoner med vår vhndling, før kpittelet vsluttes med studiens bidrg. Til slutt vil vi i kpittel komme med forslg til videre forskning. 3

11 2 REGNSKAPET SOM INFORMASJONSKILDE Regnskpet kn beskrives som et informsjonssystem for registrering, vurdering og kommuniksjon v økonomisk informsjon, som setter regnskpsbrukerne i stnd til å t kvlifiserte beslutninger med utgngspunkt i regnskpsinformsjonen (Kristoffersen, 2008, s. 6). Som nevnt i kpittel er ernings mngement en kilde til regnskpsstøy som påvirker regnskpsstørrelsene. For å kunne forstå hensikten bk en slik prksis skl vi i dette kpittelet først diskutere regnskpets formål og brukergrupper. Deretter vil vi se nærmere på hvilke kvlitetskrv som stilles til regnskpet, smt forhold som kn true regnskpet som informsjonskilde. 2. Regnskpets formål Viktigheten v regnskpet som informsjonskilde vhenger v hvor effisient et mrked er. I mrkeder med sterk effisiens spiller regnskpet ingen rolle (Fm, 970). I slike mrkeder vil ll informsjon være fritt tilgjengelig for lle ktører i mrkedet, og relevnt informsjonen vil være ttt hensyn til ved verdsetting v selskpene. Relevnt informsjon vil ofte være privt informsjon. Dette kn for eksempel være privt informsjon om lnsering v nye produkter, signering v nye kontrkter, ekspnsjon eller vekst, uventede tp og rettsker osv. Slike forhold vil åpenbrt påvirke ksjekursen, enten opp eller ned, når de blir kjent i mrkedet (Schjølberg & Stenheim, 20). Hvis lle ktørene hr tilgng til ll informsjon om selskpene, er det heller ingen informsjonssymmetri og følgelig er det heller ikke behov for regnskpsinformsjon. I mrkeder med hlvsterk effisiens spiller regnskpet en viktig rolle. All offentlig tilgjengelig informsjon vil hurtig bli reflektert i ksjekursen. Jo mer informsjon som rpporteres i regnskpet, desto mer vil være reflektert i ksjekursen. I mrkeder med hlvsterk effisiens vil ingen kunne oppnå vkstning utover det normle ved å hndle ksjer på bsis v offentlig tilgjengelig informsjon. Dette skyldes t informsjonen er kjent i mrkedet og reflekteres i ksjekursen når mrkedet er hlvsterkt effisient. Regnskpet spiller en særlig viktig rolle i mrkeder med svk effisiens (Fm, 970). Aksjekurser i slike mrkeder vil kun reflektere historisk informsjon og vil ikke kunne dnne et grunnlg for å predikere fremtidige ksjekurser. Rollen til regnskpet vil være å forsøke å redusere informsjonssymmetrien og dermed få en mer korrekt prising og llokering v kpitlen. I slike mrkeder vil det være stor usikkerhet om selskpers fundmentle verdi og regnskpet kn være en "low-cost-provider" v slik informsjon. Behovet for regnskp oppstår dermed som følge v informsjonssymmetri mellom regnskpsprodusentene og brukerne v regnskpet. Asymmetrisk informsjon vil i dette 4

12 tilfelle innebære t regnskpsprodusentene hr mer og bedre informsjon om selskpets underliggende økonomi enn brukerne v regnskpet (Stenheim & Blkstd, 202). Regnskpsreglenes utforming og det regnskpet som utrbeides med utgngspunkt i disse reglene hr derfor til hensikt å redusere denne informsjonssymmetrien. Formålet med å utrbeide et finnsregnskp er ikke nærmere belyst i den norske regnskpslovgivningen og vi benytter derfor IASB (200) sin forklring: The objective of finncil sttements is to provide informtion bout n entity s finncil position, finncil performnce nd csh flow, tht is useful to wide rnge of users for economic decisions. (200:OB3) I henhold til IASB kn en si t regnskpets formål er å formidle brukernyttig informsjon om finnsielle stilling og resulttutvikling til regnskpsbrukerne. Denne informsjonen deles gjerne i to hovedktegorier: beslutningsformålet (decision mking) og kontrollformålet (stewrdship) (Kvifte & Johnsen, 2008, s. 6). Informsjonen kn enten benyttes som grunnlg for å verdsette selskper (beslutningsformålet) eller som grunnlg for vurdering v ledelsens prioriteringer og resultt v disse prioriteringene (kontrollformålet). Det er imidlertid grunn til å stille spørsmål om hvorvidt det er mulig å tilfredsstille begge formålene med smme regnskpsinformsjon. For t regnskpet skl kunne bidr med relevnt informsjon for verdsetting må regnskpsinformsjonen kunne brukes enten direkte eller indirekte til å estimere fremtidige kontntstrømmer. Regnskpsinformsjonen som brukes til beslutningsformålet kn være tilbkeskuende ved t historiske hendelser fremskrives til senere perioder, eller den kn være fremdskuende ved t informsjon i seg selv representerer verdiestimter. I kontrollformålet fokuseres det på tidligere beslutninger og prioriteringer, og de økonomiske resulttene som er oppnådd som følge v disse prioriteringene. Regnskpet til dette formålet vil derfor kreve tilbkeskuende informsjon. Her er mn typisk oppttt v å finne ut i hvilken grd de oppnådde resulttene skyldes ledelsens prioriteringer og rpporteringsvlg, eller om det skyldes forhold utenfor ledelsens kontroll (Stenheim, 200). Eierne ønsker derfor å utelukke forhold som er utenfor ledelsens kontroll, for eksempel inflsjon, fluktusjoner i vlutkurs, nturktstrofer, terror, finnskrise, osv. Dette vil være typiske eksempler på fluktusjoner i mrkedsverdier som ikke kn tilskrives ledelsen. I visse tilfeller vil kontrollformålet virke mot sin hensikt. Dersom eierne ikke klrer å utelukke forhold som er utenfor ledelsens kontroll, vil ledelsens prioriteringer og oppnådde resultter vurderes på feil grunnlg. Finnskrisen fr 2007 er et godt eksempel på dette. Ledere i flere britiske børsnoterte selskper l ned en ekstr innsts for å begrense skdene v finnskrisen, 5

13 men disse vr ikke til å unngå. Som et resultt v dette ble flere ledere strffet med lvere lønninger og bonuser på bkgrunn v forhold som egentlig vr utenfor deres kontroll. Kontrollformålet vil d virke mot sin hensikt (Stenheim, 205). Kontrollformålet er en v hovedårskene til t historisk kost hr htt en såpss sterk posisjon i norsk regnskpsreguleringen. Historisk kost nts i dette tilfellet å gi både pålitelig og relevnt informsjon. Dette synet på historisk kost hr imidlertid endret seg over tid, siden de fleste store selskper hr et reltivt spredt eierskp. Eiere uten personlig interesse i selskpet er først og fremst interessert i vkstning på investeringen. Avkstningen på ksjeinvesteringer kommer i form v utbytte eller verdistigning på ksje, som igjen vhenger v selskpets fremtidig inntjeningsevne. For eksisterende og fremtidige investorer vil dermed virkelig verdi være mer relevnt for investeringsbeslutninger enn historisk kost. Beslutningsformålet fordrer derfor til økt bruk v virkelig verdi for å kunne verdsette et selskp (Kvifte, Kvl, & Gjesdl, 2006, s. 43). I tillegg til beslutningsformålet og kontrollformålet, omtler Bkss og Stenheim (205, s. 30) fordelingsformålet som et tredje formål til regnskpet. Dette formålet er rettet mot beslutninger som gjelder fordeling v verdiskpningen i et selskp og hvordn den er fordelt mellom ulike interessentgrupper med direkte økonomisk interesse. I de konseptuelle rmmeverkene til IASB2 og FASB3 vektlegges beslutningsformålet og kontrollformålet likt og det unnltes å foret en prioritering mellom dem. Årsken til t formålene vektlegges likt er fordi informsjonen som rpporteres må tilfredsstille begge formålene. Dette kn tyde på t stndrdsetterne ikke betrkter formålene som motstridende, men som komplementære (Kvifte et l., 2006, s. 43). Til tross for t mnge ser på de to formålene som motstridende, hr FASB kommet til t formålene kn forenes i målsetningen om beslutningsnyttig informsjon til regnskpsbrukerne. 2 3 Interntionl Accounting Stndrds Bord (nåværende internsjonl regnskpsstndrdsetter). Finncil Accounting Stndrds Bord (regnskpsstndrdsetter i USA). 6

14 2.2 Regnskpets brukergrupper Regnskpslovutvlget utrykker t regnskpets formål er å gi brukerne v regnskpet informsjon som kn være til nytte når de skl foret økonomiske beslutninger (NOU4, 995:30, s. 24). I prksis er det imidlertid tilnærmet umulig å tilfredsstille lle brukere v regnskpet (se figur 2.). Nytten v regnskpsinformsjonen vil vriere både på tvers v brukergrupper og innd i den enkelte brukergruppen (Stenheim & Blkstd, 2007). Figur 2.: Interessentgrupper Stndrdsetternes utforming v regnskpsreglene påvirkes v vgrensningen v den primære brukergruppen. FASB (978) hr vlgt å inkludere de fleste potensielle brukergruppene som målgrupper i sitt rmmeverk (978:34 flg.), men presiserer i punkt 30 t investorer, kreditorer og deres rådgivere skl vektlegges. Vlget v investorer og kreditorer som de primære brukerne v regnskpet hr blitt kritisert fr flere hold, siden regnskpet d ikke vil tilfredsstille lle de potensielle brukergruppenes ulike behov. Dersom det brede spekteret v informsjonsbehov til de ulike brukergruppene ikke ivrets, vil nytteverdien v regnskpet være betydelig begrenset (Kvifte & Johnsen, 2008, s. 63). Det kn imidlertid tenkes t informsjon som er relevnt for investorer og kreditorer snnsynligvis også vil være relevnt for ndre målgrupper. Til tross for kritikken hr FASB fått støtte for vlg v den primære målgruppen og ndre stndrdsettere hr fulgt etter (Kvifte & Johnsen, 2008, s. 63). Det er ikke funnet grunn til å identifisere ndre brukere. Begrunnelsen for å prioritere denne gruppen v brukere er t de hr et spesielt behov for regnskpsinformsjon siden de stiller kpitl til rådighet, bærer betydelig risiko og generelt hr lite tilgng til nyttig informsjon (IASB, 200:OB5). Nyttig informsjon for denne brukergruppen er informsjon om fremtidig 4 Norsk Offentlige Utredninger. 7

15 kontntstrøm. Investorene og finnsnlytikerne bruker kontntstrøminformsjonen til å estimere selskpsverdien. Kreditorer kn bruke den smme informsjonen til å si noe om selskpets soliditet og dets fremtidige evne til å betle sine forpliktelser. Disse gruppene kn derfor tenkes å være rimelig homogene når det gjelder informsjonsbehov. Imidlertid kn det rgumenteres for t investorenes informsjonsbehov er forskjellig fr kreditorers informsjonsbehov. Investorer ønsker informsjon om både positiv og negtiv økonomisk utvikling i selskpet, siden de bærer risiko for begge deler. Kreditorer er derimot mer oppttt v selskpers fremtidig inntjeningsevne, det vil si evnen til å betjene sine forpliktelser. Selv om kreditorer ikke er likegyldige til økonomisk vekst vil de være mest interessert i informsjon om nedturer. Av den grunn er ikke nødvendigvis informsjonsbehovet for ulike målgrupper smmenfllende (Bkss & Stenheim, 205, s. 7). En nnen problemstilling som hr vært ktuell de siste årene er identifiksjon v primærbrukere v regnskp for små og store foretk (Kvifte & Johnsen, 2008, s. 63). Det skilles ikke mellom små og store foretk i de trdisjonelle konseptuelle rmmeverkene til IASB og FASB. Det hr vært en vnlig ntgelse t med investorer i rmmeverkene hr en først og fremst siktet til investorer som opererer på børser og ndre tilsvrende regulerte mrkeder. Imidlertid utviklet IASB i 2009 en egen stndrd IFRS5 for SMEs (smll nd mediumsized entities). I denne stndrden er det ttt inn et eget konseptuelt rmmeverk som gjelder for små og mellomstore foretk. Foreløpig er det ikke mnge lnd som hr innført denne stndrden, men lnd som Storbritnni og Sverige hr benyttet stndrden som utgngspunkt for sine nsjonle stndrder. Den smme tilnærmingen er foreslått i Norge (jf. høringsutkst til ny fellessstndrd fr NRS). 2.3 Regnskpets kvlitetskrv Det stilles visse kvlitetskrv til regnskpsinformsjonen for å sikre t regnskpsbrukerne får beslutningsnyttig informsjon og smtidig beskyttes mot villedende informsjon. Hvilke egenskper ved informsjonen som gjør t den er beslutningsnyttig hr imidlertid vært gjenstnd for diskusjon. I regnskpsloven 3-2 finner vi et overordnet krv om t regnskpsinformsjonen skl gi et rettvisende bilde v økonomien i foretket. Bestemmelsen om rettvisende bilde er en overstyringsmeknisme som kn sette regnskpslovens øvrige bestemmelser til side for å sikre et regnskp som gir et rettvisende bilde. Krv om rettvisende bilde kommer fr EU og EU-direktivet (Stenheim, 205). Rettvisende bilde kn derfor ses på som et overordnet kvlitetskrv over lle ndre kvlitetskrv for regnskpet. 5 Interntionl Finncil Reporting Stndrds. 8

16 Det konseptuelle rmmeverket skiller mellom to typer kvlitetskrv: de grunnleggende kvlitetskrvene og de forsterkende kvlitetskrvene. Relevns (relevnce) og tro gjengivelse (fithful representtion)6 utgjør de grunnleggende kvlitetskrvene7. Tro gjengivelse hr i forbindelse med revisjon v det konseptuelle rmmeverket erstttet det tidligere kvlitetskrvet pålitelighet (relibility). Frem til 200 vr relevns og pålitelighet omtlt som primære kvlitetskrv, mens blnt nnet smmenlignbrhet vr et sekundært kvlitetskrv. Betegnelsen primære kvlitetskrv er byttet ut med grunnleggende kvlitetskrv, mens sekundære kvlitetskrv er byttet ut med forsterkende kvlitetskrv (Kvifte & Johnsen, 2008, s. 63). En oppsummerende figur v grunnleggende kvlitetskrv og forsterkende kvlitetskrv i det reviderte konseptuelle rmmeverket kn fremstå som følger: Figur 2.2: Regnskpets kvlitetskrv Regnskpsinformsjon som oppfyller disse kvlitetskrvene vil normlt være beslutningsnyttig for regnskpsbrukerne. Det kn tenkes t de grunnleggende kvlitetskrvene, etter gjeldende konseptuelle rmmeverk, i stor grd hr overlppende virkeområde. De kn derfor betrktes som komplementære kvlitetskrv og ikke motstridende, slik de tidligere kvlitetskrvene relevns og pålitelighet til dels vr. Det foreligger dermed en endring fr den tidligere utgven v det konseptuelle rmmeverket, hvor kvlitetskrvene i større grd måtte vveies mot hverndre. 6 Begrepet kn også oversettes med troverdig representsjon. Vi velger å bruke tro gjengivelse siden norsk regnskpsstndrd benytter denne betegnelsen. 7 Disse omtles også som nødvendige kvlitetskrv. 9

17 Målsetningen om beslutningsnyttig informsjon må vveies mot en kost-nytte og vesentlighet. Det forutsettes t informsjonsnytten skl overstige kostndene som kreves for å fremskffe relevnt informsjon. I tillegg kreves det en vesentlighetsvurdering ved mksimering v kvlitetskrvene. Regnskpsinformsjon som verken kn unnltes eller feilrpporteres uten t beslutningsutfllet påvirkes, er beslutningsnyttig (Kvifte & Johnsen, 2008, s. 77). Relevns Regnskpsinformsjonen er relevnt når den hr betydning for beslutningstkerne og hr potensil til å endre deres beslutninger (IASB, 200:BC ). For t regnskpsinformsjonen skl kunne gjøre en forskjell i en beslutningssitusjon, må informsjonen kunne brukes til å forme forventninger om fremtiden eller til å bekrefte eller justere tidligere forventninger (IASB, 200:QC7). Det vil si t regnskpsbrukerne bør være i stnd til å bedømme både tidligere, nåværende og fremtidige resultter. Relevns hr dermed en prediksjonsverdi (predictive vlue) og en tilbkemeldingsverdi (confirmtory vlue) (IASB, 200:QC0). Prediksjonsverdi innebærer t informsjonen skl kunne si noe om selskpets økonomiske utsikter og på den måten dekke regnskpsbrukerens prognoseformål. Tilbkemeldingsverdi betyr t informsjonen skl kunne benyttes til å bekrefte, justere og kontrollere tidligere forventinger. Tilbkemeldingsverdi kn også h relevns for prognoseformålet ved t mn får tilbkemelding på tidligere prognoser. Informsjonens tilbkemeldingsverdi er derfor reltert til kontrollformålet og prognoseformålet. For t informsjonen skl være relevnt må den også være vesentlig. Vesentlighet innebærer t frvær v denne informsjonen ville påvirke beslutninger brukerne hr ttt på bkgrunn v regnskpet (IASB, 200:QC). Vesentlighet er knyttet til skjønnsvurderinger i forhold til størrelse og type informsjon. Hv som nses som vesentlig informsjon kn derfor vriere mellom selskpene og mellom brukerne. Tro gjengivelse Et regnskp må bygge på prinsipper som sikrer t regnskpet oppfttes som troverdig. Informsjonen er troverdig når den vbilder de underliggende økonomiske forhold som informsjonen er ment å representere. Tro gjengivelse går derfor ut på om informsjonen måler det den gir seg ut for å måle. Tro gjengivelse vil smmen med relevns sikre t informsjonen gir en perfekt vbildning v underliggende økonomiske forhold (IASB, 200:QC2). Ifølge Elling, (202, s. 206) hr en slik informsjon tre egenskpene: fullstendig, nøytrl og uten vesentlige feil. Målet er å mksimere disse tre egenskpene, men en perfekt måloppnåelse vil sjelden være mulig. 0

18 Fullstendig informsjon innebærer t ll informsjon som er nødvendig for t en regnskpsbruker skl forstå en hendelse eller kunne t rsjonelle beslutninger er rpportert i regnskpet (IASB, 200:QC3). Nøytrl informsjon innebærer t den er uprtisk og fremstilt på en slik måte t den ikke villeder regnskpsbrukerne eller mnipulerer regnskpsinformsjonen. Dette betyr riktignok ikke t informsjonen ikke skl påvirke brukernes beslutning, heller tvert om (IASB, 200:QC4). Det t informsjonen er uten vesentlige feil betyr t det ikke foreligger feil eller uteltelser i beskrivelsen eller i prosessen ved utrbeidelsen v regnskpsinformsjonen. Imidlertid betyr ikke dette t informsjonen skl være bsolutt presis (IASB, 200:QC5), men et visst nivå v nøyktighet er viktig for å kunne oppfylle krvet om tro gjengivelse. Forsterkende kvlitetskrv Nytten v relevnt og troverdig informsjon forsterkes hvis den innehr forsterkende kvlittive egenskper. Disse egenskpene er smmenlignbrhet, verifiserbrhet, rettidighet og forståelighet (Bkss & Stenheim, 205, s. 28). Smmenlignbrhet innebærer t regnskpsinformsjon kn smmenlignes mellom ulike selskper og mellom ulike regnskpsperioder (IASB, 200:QC20). Regnskpsinformsjonen skl være konsistent og presentert slik t det er mulig for brukerne å identifisere likheter og ulikheter mellom to sett v økonomiske fenomener. Brukerne skl være i stnd til å vurdere endringer i selskpets økonomiske situsjon over tid. Dette forutsetter ensrtet og konsistent prinsippnvendelse. Konsistens er imidlertid ikke nok til å gi smmenlignbr informsjon over ulike perioder. For eksempel kn smmenligning v slgsinntekter over lengre periode gi et misvisende bilde hvis det ikke ts hensyn til inflsjon. Brukeren kn få inntrykk v t selskpet er i vekst, selv om inntekten fktisk hr flt. Verifiserbrhet går ut på om mn kn etterprøve om informsjonen er korrekt, dvs. om den er troverdig og kn bekreftes fr ndre kilder enn regnskpsprodusenten. Grden v verifiserbrhet påvirkes dermed v tilgngen på nnen informsjon. Det hr imidlertid i de seneste årene vært en nedtoning v krvet om verifiserbrhet. Årsken til dette er t verifiserbrhet ikke er en del v det grunnleggende kvlitetskrvet lenger, men inngår nå kun som et forsterkende krv. Dette skyldes t verifiserbrhet hdde et uklrt meningsinnhold og t det ofte ble likestilt med pålitelighet (Kvifte & Johnsen, 2008, s. 6). Rettidig informsjon stiler krv til t brukerne mottr informsjonen på et tidspunkt hvor den fktisk kn påvirke deres økonomiske beslutninger. Nytten v informsjonen vil generelt

19 reduseres over tid med unntk v informsjon som for eksempel er nødvendig for å identifisere og vurdere trender over lengre perioder (IASB, 200:QC26). Forståelighet innebærer t informsjonen skl være forståelig for brukerne. Det stilles imidlertid krv til t brukerne hr et rimelig kunnskpsnivå om økonomiske ktiviteter og regnskpsvleggelse, smt evne og vilje til å forstå økonomi og regnskp (IASB, 200:QC32). Forståelighet kn dermed betrktes som en egenskp som må være til stede for t informsjonen skl kunne være til nytte for brukeren. Full informsjon til en begrenset brukergruppe er viktigere enn begrenset informsjon til en større brukergruppe. Det vil si t informsjon som er nyttig for enkelte brukergrupper bør ts med selv om den er vnskelig å forstå for ndre grupper (IASB, 200:QC3). 2.4 Forhold som truer regnskpet som informsjonskilde I perfekte mrkeder hvor et regnskp inneholder fullstendig informsjon vil et rpportert resultt være lik økonomisk resultt og regnskpsført verdi vil være lik virkelig verdi. I reliteten vil regnskpsinformsjonen ofte ikke smsvre med selskpets fktiske økonomiske situsjon. Ifølge Lngli (2005) vil det oppstå regnskpsmessig støy når regnskpsmessig resultt vviker fr økonomisk resultt og regnskpsmessige verdier vviker fr økonomiske verdier. Dette kn vises i følgende smmenheng: Regnskpsmessig resultt økonomisk inntekt /- regnskpsmessig støy Regnskpsmessig verdi økonomisk verdi /- regnskpsmessig støy Hvis det ikke er noe regnskpsmessig støy, vil regnskpsmessig resultt tilsvre økonomisk resultt og regnskpsmessig verdi vil tilsvre økonomisk verdi. Siden resultt og blnse henger tett smmen som følge v kongruensprinsippet, vil det være en smmenheng mellom omfng v støy i resulttet og blnsen. Plepu, Hely og Bernrd (2000) grupperer mulige kilder til regnskpsmessig støy i tre ktegorier: regnskpsreglenes/stndrdenes utforming, usikkerhet om fremtiden og regnskpsprodusentenes rpporteringsstrtegi. 2

20 Regnskpsreglenes/stndrdenes utforming Regnskpsreglenes utforming fører med seg regnskpsmessig støy siden det er tilnærmet umulig å begrense regnskpsprodusentenes muligheter til å bevisst påvirke regnskpstørrelsene uten å redusere informsjonsinnholdet. Fleksible regnskpsregler kn gi økt informsjon dersom regnskpsprodusenten bruker den privte informsjonen de hr om selskpet til å rpportere regnskpstll som reflekterer den økonomiske situsjonen i selskpet på en måte som er bedre enn det de ville gjort uten fleksibiliteten. Helt problemfritt er det derimot ikke, d fleksible regnskpsregler kn føre med seg regnskpsmessig støy dersom fleksibiliteten brukes bevisst til å påvirke regnskpstllene uten t de gir økt informsjonsverdi. Et sentrlt punkt i bedømming v regnskpsmessig støy er derfor å undersøke i hvilken grd regnskpsreglene hr potensil til å reflektere økonomisk inntekt og økonomiske verdier. Usikkerhet om fremtiden Usikkerhet om fremtiden vil også kunne skpe støy i regnskpsrpporteringen og dette skyldes usikkerhet rundt de fremtidige kontntstrømmene. Det kn oppstå betydelige måleproblemer, noe som ikke kn unngås ifølge Bkss og Stenheim (205, s. 8). For eksempel når et selskp selger på kreditt, må regnskpsprodusenter nslå snnsynligheten for t vren eller tjenesten blir betlt. Hvis selskpet nser det som snnsynlig t den blir betlt vil slget inntektsføres og fordringen føres opp i blnsen. Innen NGAAP er det vnlig å vsette for snnsynlige tp, mens innen IFRS kn en velge mellom å vurdere fordringen til virkelig verdi eller vurdere fordringen til nskffelseskost med betinget nedskrivingsplikt (IAS 39.46). Regnskpspostene kn bli direkte påvirket v subjektive skjønnsmessige vurderinger og i den grd disse vurderingene om fremtiden ikke stemmer med det fktiske utfllet vil det føre til støy i regnskpet. Omfnget v estimeringsfeil vhenger blnt nnet v kompleksiteten i selskpets trnsksjoner, forutsigbrheten i selskpets omgivelser og uforutsette økonomiske endringer (Plepu et l., 2000). For å vurdere kvliteten på regnskpet må en identifisere hvilke områder som vil kunne innebære størst usikkerhet, for deretter å vurdere hvor stor betydning usikkerheten hr. Usikkerheten kn dermed tolkes som en egenskp ved målingen som gir støy i regnskpsstørrelsene. Både regnskpsmessig støy og usikkerhet om fremtidige verdier kn reduseres ved å t beslutninger på et bredere informsjonsgrunnlg. Omfnget v informsjon som trengs for å estimere de fremtidige verdiene må imidlertid vurderes ut fr en kost-nytte-betrktning (Bkss & Stenheim, 205, s. 28). 3

21 Regnskpsprodusentenes rpporteringsstrtegi Regnskpsprodusentene kn også øke støyen i regnskpet gjennom sine rpporteringsstrtegier. Som nevnt tidligere kn de gjøre dette ved å påvirke regnskpstllene gjennom å utnytte fleksibiliteten i regnskpsreglene eller ved å bryte reglene. Å utnytte fleksibiliteten i regnskpsreglene er ernings mngement, mens det å bryte regnskpsreglene er ulovlig regnskpsmnipulsjon. Ernings mngement er strtegisk regnskpsføring utført v ledelsen, som kn være juridisk sett lovlig, men som ikke følger reglenes opprinnelige hensikt. Det er imidlertid viktig å påpeke t det også kn være positivt t ledelsen bruker egne vurderinger ved utrbeidelsen v regnskpet, for eksempel til å kommunisere privt informsjon. I det neste kpittelet vil vi se nærmere på både positive og negtive former for ernings mngement og hvordn disse påvirker verdirelevnsen til resulttet. 4

22 3 EARNINGS MANAGEMENT Det er ikke til å unngå t regnskpsinformsjonen vil være forbundet med et visst skjønn. Mye v skjønnet kn krkteriseres som sklig ved t det holder seg innenfor regnskpslovgivningen og rmmene for god regnskpsskikk, smt t det ikke ligger noen ktiv tilpsning bk. Når det derimot ligger ktivt (usklig) skjønn bk vurderingene, omtles dette som ernings mngement. Når den ktive tilpsningen går ut over de rmmer god regnskpsskikk setter, er vi over på regnskpsmnipulsjon (Aker, 2005). Det er imidlertid vnskelig å finne et godt norsk begrep for ernings mngement og vi hr i denne vhndlingen hovedskelig vlgt å benytte det engelske begrepet, d vi vurderer det som det mest forklrende og konsise i forhold til prktisk bruk og mening. I enkelte tilfeller vil begrepet kunne bli referert til og omtlt som regnskpsjustering, men dette er først og fremst gjort i den hensikt til å få et rikere og mer flytende språk. I dette kpittelet skl vi introdusere begrepet ernings mngement og de ulike formene for ernings mngement. Deretter skl vi t for oss positiv regnskpsteori, d denne teorien forsøker å si noe om hvordn regnskpet kn påvirke beslutningsprosesser. Til slutt vil vi redegjøre for tre forutsetninger for ernings mngement. 3. Definisjon v ernings mngement Innenfor ernings mngement-litterturen eksisterer det mnge ulike definisjoner v begrepet. Ronen og Yri (2008, s. 26) illustrerer tre ulike former for ernings mngement med frgene hvit, grå og svrt. Nedenfor følger en tbell som viser hvordn Ronen og Yri (2008) hr oppsummert de forskjellige definisjonene slik de er presentert i litterturen: Hvit Ernings mngement er å dr fordel v fleksibiliteten i vlg v regnskpsmessige løsninger for å på den måten signlisere ledelsens privte informsjon om fremtidige kontntstrømmer. Grå Ernings mngement er å velge en rpporteringsstrtegi som enten er opportunistisk (mksimerer bre nytten til ledelsen) eller økonomisk effektiv. Med økonomisk effektiv menes t ledelsen bruker privt informsjon til å synliggjøre fremtidige kontntstrømmer. Svrt Ernings mngement er en prksis som fører til feilrpportering eller tåkelegging v regnskpsinformsjonen ved å bruke ulovlige metoder. Tbell 3.: Alterntive definisjoner v ernings mngement 5

23 Definisjonen på hvit ernings mngement understreker t rpporteringsfriheten kn bidr til mer og bedre informsjon. Med bedre informsjon menes informsjon som gir et bedre beslutningsgrunnlg og en bedre vbildning v økonomisk substns. Ledelsen bruker regnskpet til å kommunisere sine forventninger om fremtidige resultter for dermed å tiltrekke seg nye investorer. Beneish (200) kller dette for informsjonsperspektivet på ernings mngement. Dette er den positive formen for ernings mngement som nses å være ikke-opportunistisk og i ll hovedsk forenlig med gjeldende regulering (Ronen & Sdn, 98). Definisjonen på grå ernings mngement refererer til t ledelsen utøver noe skjønn på ved regnskpsrpporteringen. Hensikten bk dette skjønnet er enten å øke nytten til lle kontrktsprtnere eller for å tilegne seg fordeler på bekostning v enkelte kontrktsprter (Scott, 20, s. 369). Grå ernings mngement kn derfor nses som både opportunistisk motivert rpportering, der hensikten er å villede brukerne v regnskpet og ikkeopportunistisk motivert rpportering, der hensikten er økonomisk effektivitet. Definisjonen på svrt ernings mngement understreker t regnskpsmnipulering er en målrettet inngripen i regnskpsrpporteringen for å oppnå fordeler på bekostning v ndre. Dette er den negtive formen for ernings mngement og nses å være opportunistisk i den forstnd t ledelsen oppnår fordeler den ellers ikke ville htt ved å rpportere resultt som reflekterer den underliggende økonomiske utviklingen (Schipper, 989). Siden ledelsen sitter med ll informsjon om selskpets økonomiske forhold og forventet fremtidig resultt, vil det lltid være noe informsjonssymmetri mellom ledelsen og eksterne interessenter. Vi vil komme nærmere inn på informsjonssymmetri mellom ledelsen og eksterne interessenter i delkpittel Oppsummert tyder litterturen på t ernings mngement kn h både positive og negtive effekter på verdirelevnsen til resulttet. Av den grunn vil vi t utgngspunkt i Scott (20, s. 423) sin definisjon på grå ernings mngement: "Ernings mngement is the choice by mnger of ccounting policies, or rel ctions, ffecting ernings so s to chieve some specific reported ernings objective." 6

24 Denne definisjonen hr både et opportunistisk og et ikke-opportunistisk syn og er i smsvr med Bo og Bo (2004) sin tilnærming til ernings mngement. Forskjellen mellom opportunistisk og ikke-opportunistisk belyses nærmere i delkpittelet under. 3.. Opportunistisk og ikke-opportunistisk rpporteringstferd På bkgrunn v de ulike definisjonene på begrepet ernings mngement er det rimelig å nt t ernings mngement kn skje innenfor så vel som utenfor gjeldende rett. Ernings mngement utenfor gjeldende rett vil trolig være opportunistisk, mens ernings mngement innenfor gjeldende rett kn både være opportunistisk og ikke-opportunistisk (Stenheim & Blkstd, 202). Giroux (2004, s. 2) deler vlg v regnskpsmessige løsninger i fire grupper. I de tre første gruppene er vlg v regnskpsmessige løsninger innenfor regnskpsreglene. Disse gruppene betegnes som konservtiv regnskpsføring, modert regnskpsføring og ggressiv regnskpsføring. Den siste gruppen betegnes som regnskpssvindel og ssosieres gjerne med økonomisk svindel som strengt ttt er et strfferettslig begrep, og som ikke er direkte reltert til ernings mngement. Konservtiv regnskpsføring hndler om å bruk regnskpsmetoder og -prinsipper som holder de regnskpsmessige verdiene v netto eiendeler reltivt lve. Her underrpporteres inntekter, og kostnder som skulle vært blnseført blir heller kostndsført. En konsekvens v slik regnskpskpsprksis er t det bygges opp skjulte reserver som senere frigjøres og fører til et høyere resultt i fremtiden. Ved ggressiv regnskpsføring blåser ledelsen opp resulttet, ved for eksempel å underrpporteres vsetninger for tp på kundefordringer og/eller unnlte å nedskrive eiendelene dersom verdien v disse eiendelene hr flt. Et resultt v ggressiv regnskpsføring er lvere fremtidig lønnsomhet. Modert regnskpsføring vil, i motsetning til konservtiv og ggressiv regnskpsføring, ikke vise noen form for lønnsomhet utover vkstningskrvet dersom det ikke er verdiskpning knyttet til investeringen. Modert regnskpsføring kn likestilles med norml regnskpsføring. Den siste gruppen, regnskpssvindel, fller utenfor gjeldende rett i motsetning til de tre foregående gruppene. Eksempler på regnskpssvindel kn være rpportering v slgsinntekter før de er opptjent eller v vrelger som ikke eksisterer. Denne rpporteringsformen er klrt opportunistisk (Stenheim & Blkstd, 202). Som tidligere nevnt er opportunistisk rpporteringsstrtegi forventet å øke velstnden for noen interessenter på bekostning v ndre (Stenheim & Blkstd, 202). Ledelsen som hr bonuskontrkter hvor bonusutbetlingen helt eller delvis er bestemt v regnskpstll, kn være tilbøyelig til å rpportere villedende informsjon for å øke sin egen velstnd på 7

25 bekostning v eierne. Videre kn ledelsen også være tilbøyelig til å mnipulere regnskpet for å villede kreditorer for å unngå kostnder knyttet til reforhndling v lånekontrkter. Denne formen for ernings mngement som er ment å villede kreditorer ggner også eierne (Beneish, 200). Regnskpsinformsjonen kn være villedende, men llikevel ikkeopportunistisk overfor enkelte interessenter (Wtts & Zimmermn, 990). Et eksempel på ikke-opportunistisk tferd kn være ledelsens bruk v regnskpet til å signlisere sine forventninger til sine interessenter. Ledelsen bruker d sin rpporteringsfrihet til å informere investorene om deres privte forventninger om mulige fremtidige resultter (Beneish, 200). Det er vnskelig å skille mellom de to formene for ernings mngement. Christie og Zimmermn (994) forsøker å skille mellom opportunistisk og ikke-opportunistisk rpporteringsstrtegi. De rgumenterer for t hvis regnskpsrpportering medførte t selskpet unngikk konkurs og t den senere klrte å jobbe seg ut v problemene, vil dette være et eksempel på ikke-opportunistisk rpporteringstferd. Hvis den forettte ernings mngement kun medførte en utsettelse v konkurs, og t kreditorenes tp økte, vil dette være et eksempel på opportunistisk rpporteringstferd. Det smme kn være tilfelle for et selskp som gjennom ernings mngement lyktes å forhndle seg frem til en gjeldssnering som ikke vr nødvendig. I dette tilfellet vil selskpets konkurrenter også bli skdelidende, ved t sneringen forrykker konkurrnseforholdet selskpene imellom. Forutsetningen om opportunisme er på ingen måte uproblemtisk. Innenfor prinsipl-gentteorien sies det t opportunistisk tferd kn forekomme, hvilket betyr t opportunisme ikke er en menneskelig egenskp, men en tferd som kn oppstå i visse situsjoner. Opportunistisk tferd betrktes vnligvis som et negtivt fenomen i prinsipl-gent-teorien, spesielt ut fr prinsiplens (eiernes) synspunkt. I delkpittel 3.3. vil vi se nærmere på prinsipl-gentteorien og hvordn smspillet mellom eierne og ledelsen kn ivrets. 3.2 Hvordn foregår ernings mngement Ernings mngement kn klssifiseres og forstås ut fr hv og hvilke deler v regnskpet som justeres, hvordn justeringen foregår og hvilke motiver som ligger bk justeringene. Som tidligere nevnt kn ernings mngement vrierer fr milde knep til direkte regnkpssvindel. Ifølge Ronen og Yri (2008, s. 34) kn ernings mngement ktegoriseres i tre hovedktegorier: mksimering eller minimering, big-bth8 og income smoothing. 8 Også omtlt som dype dykk. 8

26 3.2. Mksimering eller minimering Mksimering og minimering er to sider v smme sk. Hovedforskjellen ligger i insentivene bk justeringen v regnskpstllene. Ledelsen hr insentiver for mksimering når resulttet er negtivt, under nlytikernes forventninger, under ledelsens bonusgrenser og/eller under kreditorers låneklusuler. Ved å benytte reserver eller "låne inntekter" fr fremtidige perioder kn ledelsen mksimere inneværende periodens resultt. Dette klles for ggressiv regnskpsføring og er ifølge Kinney, Mrtin og Mrtin (994) den mest utbredte formen for ernings mngement. Minimering kn skje når resulttet er betydelig over nlytikernes forventning, betydelig over kreditorers lånebetingelser og/eller betydelig over bonusgrensene. Ledelsen kn nedskrive oftere og/eller bruke kortere levetid/vskrivningsperiode for eiendelene for å redusere resulttet, og på den måten fremstå mindre lønnsomme Big-bth Minimering kn også være big-bth, men denne formen for ernings mngement er mer ekstrem. Ved big-bth mnipuleres resulttet til å bli betydelig dårligere enn det virkelige. Big-bth vil som oftest skje i perioder med orgnistoriske utfordringer eller ved restrukturering (Scott, 20, s. 425). Hr selskpet et resultt som er mye lvere enn forventet eller som er negtivt i en periode, vil ledelsen kunne h insentiver for å rpportere så mnge kostnder som mulig i den gjeldende perioden. Dette gjør t de tilrettelegger for økt fremtidig inntjening. Ved å belste denne perioden med ekstr kostnder, vil resulttet bli bedre i etterfølgende perioder. Big-bth kn også oppstå ved nsettelse v en ny leder, d den påtroppende lederen vil h insentiver til å foret big-bth. Et lvt resultt det første året kn dresseres til den forrige lederen. Videre kn de overrpporterte tpene bli sett som et signl om t det verste er over og en strtegisk nyorientering er implementert og dermed øker snnsynligheten for å rpportere vekst i fremtidige resultter (Stenheim, 202) Income smoothing Income smoothing forets ved å fjerne inntektstopper i gode år og inntektsbunner i dårlige år for redusere vribiliteten i resulttet. Denne formen for ernings mngement er mer utbredt enn ndre former for ernings mngement (Grhm, Hrvey, & Rjgopl, 2005; Tucker & Zrowin, 2006). Truemn og Titmn (988) hevder t lv vribilitet i resulttet vil signlisere lv risiko og dermed kunne redusere kpitlkostnden. Dette gir insentiver til rpportere jevne resultter, dvs. å foret income smoothing. Myers, Myers og Skinner (2007) får empirisk støtte for t ledelsen i mnge selskper jevner ut det rpporterte resulttet over tid slik t selskpet oppnår jevn resulttvekst. Brth, Elliott og Finn (999) finner på smme måte 9

27 t selskper som rpporterer kontinuerlig vekst i årsresulttet er priset høyere (with premium) smmenlignet med ndre selskper. 3.3 Positiv regnskpsteori Positiv regnskpsteori (positive ccounting theory) ser på hvordn ledelsens insentiver for vlg v regnskpsløsninger kn føre til ernings mngement. Teorien ble først introdusert v Wtts og Zimmermn i 978. Positiv regnskpsteori er en gren v regnskpsforskningen som forsøker å "( ) explin nd predict ccounting prctice" (Wtts & Zimmermn, 986, s. 2). Det som står sentrlt i teorien, er t regnskpet kn påvirke beslutningsprosesser. Positiv regnskpsteori forsøker derfor å si noe om hvordn regnskpet er frmfor å si noe om hvordn regnskpet bør være som er målsetningen for normtiv regnskpsteori. Scott (20, s. 28) uttrykker t positiv regnskpsteori er ( ) is concerned with predicting such ctions s the choices of ccounting policies by firm mngers nd how mngers will respond to proposed new ccounting stndrds. Definisjonen til Scott (20) kn tolkes dithen t positiv regnskpsteori forsøker å forutse ledelsens vlg v regnskpsmessige løsninger og hvordn ledelsen vil regere på mulige nye regnskpsmessige løsninger nedfelt i regnskpsstndrder. Teorien kn hjelpe oss til å forstå viktige fktorer som ligger til grunn i ledelsens hndlinger og beslutninger. Det teoretiske fundmentet til positiv regnskpsteori er hentet fr prinsipl-gent-teori (Jensen & Meckling, 976) og kontrktsteori (Fm & Jensen, 983). Wtts og Zimmermn (986, s ) presenterer tre ulike sett v insentiver for regnskpsmnipulering: the bonus pln, the debt/equity og the politicl cost. Insentivene vil bli gjengitt i delkpittel 4.4 i sin opportunistiske form, siden det er slik de oftest blir presentert i litterturen. Wtts og Zimmermn (990, s. 38) utrykker: "( ) the literture hs tended to stte ech of these hypotheses s mngers behving opportunisticlly." Regnskpsrpporteringen kn påvirke beslutninger og dermed kn rpporteringen h økonomiske konsekvenser. De regnskpsbserte kontrktinsentivene (the bonus pln) oppstår fordi regnskpsmessig resultt kn påvirke utfllet v kontrktene. For t slike kontrkter skl kunne resultere i opportunistisk mnipulering, må det ligge en forutsetning om t kontrktene ikke er perfekte. Dersom kontrktene er effisiente, vil de minimere gentkostndene og risikoen for opportunistisk dferd. Effisiente kontrkter er kontrkter med de lveste kontrktskostnder. Hvis kontrktene derimot er ineffisiente, kn de resultere i økte gentkostnder og opportunistisk tferd (Stenheim & Blkstd, 202). På lng sikt vil ikke selskper med høye kontrktskostnder overleve. Flere v disse kontrktene vil involvere ulike vribler for 20

28 kontrollformål. For eksempel vil ledelsens bonuser og forfremmelse være knyttet til resulttet eller ndre forhåndsstte mål. Kontrkter inngått med leverndører vil derimot være knyttet til likviditet og ndre økonomiske nøkkeltll. Kreditorer vil kreve beskyttelse i form v ulike økonomiske nøkkeltll, for eksempel gjeldsgrd og rentedekningsgrd. Andre økonomiske vribler, som rbeidskpitl og egenkpitlndel, vil også være v interesse for kreditorer. Slike kontrkter kn resultere i opportunistisk tferd, enten fr en v prtene eller begge. Dette forutsetter imidlertid t kontrktene ikke er effisiente (Stenheim & Blkstd, 202). Videre kn ledelsens fleksibilitet til å velge mellom ulike regnskpsmessige løsninger åpne for opportunistisk dferd. Gitt den fleksibiliteten som ligger i utrbeidelsen v regnskpet, kn ledelsen velge regnskpsmessige løsninger ut fr egeninteresse og dermed redusere kontrktenes effektivitet. Denne oppfttelsen bserer seg på en viktig ntkelse innen positiv regnskpsteori om t ledelsen er rsjonell og vil velge de regnskpsmessige løsninger som best ivretr deres interesse (Scott, 20, s. 307; Wtts & Zimmermn, 986). Ledelsen vil sette til side selskpets profittmksimering til fordel for sin egen nyttemksimering. I henhold til positiv regnskpsteori orgniserer selskper (representert ved styret) seg på en mest mulig effektiv måte for å kunne mksimere sine muligheter for overlevelse. Dette er sett på som økonomisk drwinisme og innebærer t selskper lltid vil søke etter profittmksimering (Alchin, 950; Scott, 20, s. 326). Orgniseringen vhenger v flere fktorer, som for eksempel selskpets grd v sentrlisering, det juridiske og institusjonelle miljøet, teknologien selskpet besitter og konkurrnsen i mrkedet det opererer i. Smlet sett utgjør disse fktorene hvilke investeringsmuligheter som er tilgjengelig for selskpet og dermed dets frmtidsutsikter. Disse fktorene vil være vhengige v kontrkter (i større eller mindre grd) og et selskp kn dermed ses på som en nexus of contrcts (Scott, 20, s. 304). I mngel v noe bedre norsk oversettelse vil vi benytte "nett v kontrkter" for det engelske uttrykket. Et selskp blir sett på et nett v kontrkter bestående v mnge interesser som holdes smmen, heller enn å være en homogen profittmksimerende enhet. Et selskp kn dermed ses på som et tem v opportunistiske enkeltpersoner som erkjenner t deres egen nytte vhenger v selskpets suksess Prinsipl-gent-teori Prinsipl-gent-teori fokuserer på relsjonen mellom ledelsen og eierne, men kn også gjelde relsjonen mellom ndre interessentgrupper f.eks. relsjonen mellom eierne og långiverne. Jensen og Meckling (976, s. 308) definerer et prinsipl-gent-forhold som følger: "( ) contrct under which one or more persons (the principls) engge nother (person) to 2

29 perform some service on their behlf which involves delegting some decision mking uthority to the gent." Prinsipl-gent-teorien innebærer t ledelsen får delegert beslutningsmyndighet på eierens vegne. Delegering v beslutningsmyndighet hr vi når en prinsipl som ønsker å gjennomføre en ktivitet, men ikke klrer å gjennomføre ktiviteten selv, i stedet nsetter en gent til utføre ktiviteten. Det vil kunne oppstå problemer siden prinsiplen ikke vet om hn eller hun hr nstt rett person og om ktiviteten blir gjennomført slik prinsiplen ønsker. I store selskper vil det være en skille mellom ledelsen, eierne og styret. Styring, forvltning og representsjonsoppgver vil være delegert til ledelsen (Stenheim & Mdsen, 204). Dette skillet mellom eierskp og kontroll leder til det klssiske prinsipl-gent-problemet. Problemet oppstår når en gent tr beslutninger på vegne v prinsiplen og deres målsetninger ikke smmenfller. Litterturen som omhndler prinsipl-gent-teori er særlig oppttt v interessekonflikter mellom ledelsen på den ene siden og eiere på den ndre siden. Litterturen påpeker særlig på tre forhold som kn forklre hvorfor ledelsen og eierne hr ulike interesser: ) ledelsen hr bedre tilgng til selskpets ressurser enn eierne, 2) ledelsen sitter med ikkediversifiserbr risiko som ikke bæres v eierne og 3) ledelsen hr kortere tidshorisont enn eierne. Siden eierne hr delegert beslutningsmyndighet til ledelsen, vil ledelsen h bedre tilgng til selskpets ressurser og disse vil dermed bli brukt til å mksimere sin egen nytte. Det er ikke gitt t vlgene som mksimerer nytten til ledelsen vil også mksimere eiernes nytte. Når ledelsen sitter med ikke-diversifiserbr risiko som ikke bæres v eierne, vil ledelsen søke etter investeringer med mindre risiko, noe som vil gi mindre fortjeneste. Ulik tidshorisont vil også kunne skpe konflikter mellom ledelsen og eiere. Ledelsen hr en tendens til å fokusere på kortsiktige resultteffekter, mens eierne er oppttt v lngsiktig resultteffekt (Ldegård & Vbo, 20). I prinsipl-gent-litterturen er det en risikonøytrl prinsipl som bidrr til kpitl, og en risikovers gent som opptrer opportunistisk. Prinsiplens problem er krkterisert som det å motivere genten til å hndle ut i fr prinsiplens interesse. Hvis prinsiplen kn observere innstsen genten yter, vil en optiml kontrkt være å betle genten en bestemt lønn, forutstt t genten utfører de riktige hndlingene. Problemet oppstår når prinsiplen ikke kn observere gentens hndlinger. I slike tilfeller vil en optiml kontrkt være t genten mottr sin ndel v resulttet. Dette vil dermed gi et insentiv for å yte optiml innsts (Wtts & 22

30 Zimmermn, 986, s. 85). Dersom gentkontrktene ikke er optimle, vil genten vil opptre opportunistisk og påføre prinsiplen gentkostnder. To klssiske tiltk kn iverksettes for å redusere risikoen for opportunisme og skpe kongruens mellom prinsiplens og gentens interesse. Prinsiplen kn etblere kontroll- og overvåkningsmeknismer som øker snnsynligheten for t opportunistiske hndlinger blir oppdget og snksjonert. Dette vil tvinge genten til å hndle slik t de best ivretr prinsiplens interesser. I tillegg kn prinsiplen etblere insentivkontrkter som motiverer genten til å hndle slikt t de best ivretr prinsiplens interesser (Fm & Jensen, 983; Stenheim & Mdsen, 204). Begge tiltkene er kostndskrevende og vil isolert sett føre til formuestp for prinsiplen. Prinsiplen vil derfor veie formuestpet ved å iverksette tiltk mot formuestpet ved eventuell opportunisme. I prksis vil begge tiltkene iverksettes for å redusere fren for opportunistisk tferd. Oppfølging v insentivkontrkter vil i seg selv kreve overvåkning, og det er lite snnsynlig t overvåkning lene vil være en fullstendig løsning uten å først h etblert insentivkontrkter (Stenheim & Mdsen, 204). 3.4 Forutsetninger for ernings mngement Stenheim og Blkstd (202) viser til tre forutsetninger som må være oppfylt for t regnskpsmnipuleringen skl være rsjonell for ledelsen. De tre forutsetningene er informsjonssymmetri, rpporteringsfrihet og interessekonflikter mellom ledelsen og en eller flere interessentgrupper. Ernings mngement oppstår når forutsetningene om informsjonssymmetri og rpporteringsfrihet er oppfylt, i tillegg til t ledelsen hr insentiver for ernings mngement. Dersom det i tillegg er interessekonflikter mellom ledelsen og en eller flere interessentgrupper, kn det være fre for opportunistisk dferd Informsjonssymmetri Regnskpet brukes til å vgi informsjon om den ktiviteten som skjer i selskpet og mellom selskpet og dets omgivelser. Det skl bidr til å redusere en eventuell informsjonssymmetri mellom regnskpsprodusent og regnskpsbruker. På denne måten skl regnskpsbrukerne kunne få tilgng på smme informsjon som regnskpsprodusentene. Det kn være fristende for ledelsen å gi inntrykk v t resulttet er bedre enn hv det fktisk er og dermed mnipulere regnskpet. Ledelsen vil på denne måten utnytte informsjonssymmetrien til å rpportere villedende informsjon. Betydelig informsjonssymmetri vil således øke risikoen for mnipulering. 23

31 3.4.2 Rpporteringsfrihet Den ndre forutsetningen gjelder rpporteringsfrihet. Dette vil si t ledelsen hr flere vlg ved regnskpsrpportering. Uten rpporteringsfrihet vil rpporteringsvlget være begrenset v reguleringsmyndighetene og dette vil dermed gi lite rom for mnipulering. For eksempel gir kontntregnskpet liten rpporteringsfrihet og dermed lite rom for skjønnsmessige vurderinger, mens et regnskp bsert på virkelig verdi gir derimot større rom for skjønnsmessige rpportering. Dette åpner mulighetene for mnipulsjon v regnskpet, for eksempel når det gjelder rpportering v immterielle eiendeler. Immterielle eiendeler (forskning og utvikling, vremerker, utgiverrettigheter, lisenser, ptenter osv.) utgjør stdig større del v et selskps eiendeler. Mnge v disse eiendelene hr en ikke-observerbr mrkedsverdi som kn brukes som estimt på virkelig verdi. Et regnskp bsert på virkelig verdi vil derfor lide v lv verifiserbrhet, lv pålitelighet og dermed stor grd v skjønnsmessig frihet. Dette vil resultere i økt risiko for mnipulering. Under IFRS hr regnskpsprodusenter fått større rpporteringsfrihet ved t historisk kost grdvis hr blitt erstttet med virkelig verdi som målettributt. Dette vil også kunne øke risikoen for mnipulering Interessekonflikter Den siste forutsetningen for ernings mngement legger til grunn t det eksisterer interessekonflikter mellom ledelsen og en eller flere interessentgrupper. Interessekonflikter oppstår når ledelsen i stedet for å hndle i eiernes interesse blir tilbøyelig til å hndle i egeninteresse. En nnen årsk til interessekonflikter kn være t ledelsen og eierne hr ulik tidshorisont (jf. delkpittel 3.3.). For å minimere interessekonflikter er det to tiltk som settes i verk: mer overvåkning og kontroll v ledelsen og/eller etblering v kontrkter som gir ledelsen insentiver til å hndle i eiernes interesse. Kort sgt vil regnskpsmnipuleringen være rsjonell hvis den er forventet å gi ledelsen nettofordeler den ellers ikke ville htt uten mnipuleringen. Risikoen for opportunistisk rpportering er derfor høy hvis det er store interessekonflikter, betydelig informsjonssymmetri og stor rpporteringsfrihet. Hvis de tre forutsetningene er til stede, kn ernings mngement være en rsjonell rpporteringsstrtegi for ledelsen. Det er imidlertid viktig å skille mellom opportunistisk og ikke-opportunistisk ernings mngement. Som vi i det neste kpittelet vil se, er income smoothing er en rpporteringsstrtegi som kn h positive effekter på rpporteringen. Ledelsen utøver skjønn ved regnskpsrpportering for å kommunisere privt informsjon til eksterne interessenter. I dette tilfellet vil income smoothing ikke være skdelig for verken eierne eller ndre eksterne interessenter. Ifølge 24

32 Subrmnym (996) vil det fktisk være fordelktig siden regnskpsinformsjonen bedre reflekterer den underliggende økonomiske situsjonen. Regnskpet blir d et instrument som kn redusere informsjonsssymmetri mellom ledelse og interessentene. 25

33 4 INCOME SMOOTHING Income smoothing er som tidligere nevnt en form for ernings mngement brukt for å unngå store eller små endringer i resulttet over tid. Dette gjøres ved å opprbeide reserver i gode år som løses opp i dårligere år. Siden 980-tllet hr det vært mye fokus på å forstå effekten v income smoothing i regnskpslitterturen og begrepet tiltrekker seg fortstt oppmerksomhet internsjonlt (Dechow, Ge, & Schrnd, 200). Income smoothing er på mnge måter et komplekst begrep. For å forstå denne kompleksiteten skl vi i dette kpittelet se nærmere på begrepet income smoothing og presentere ulike typer income smoothing. Deretter skl vi redegjøre for vilkår som vil være til stede ved income smoothing og videre om ulike insentiver bk en slik rpporteringsstrtegi. 4. Definisjon v income smoothing Det er benyttet mnge forskjellige definisjoner på begrepet income smoothing, men det er noen grunnleggende likheter i definisjonene. Alle definisjonene referer til ledelsens dferd som går ut på å skpe et endret bilde v selskpets rpporterte resultter. Ifølge Schilit (2002, s. 26) er income smoothing en reltiv vnlig rpporteringsstrtegi, d ksjemrkedet verdsetter stbile og forutsigbre resultter. Denne formen for ernings mngement er tvilsom, men ikke nødvendigvis ulovlig. Studier v income smoothing hr generelt vært mer vellykket enn studier v ndre former for ernings mngement. Ifølge Bo og Bo (2004) er det to grunner til dette. For det første er selve begrepet income smoothing mer presist definert enn big-bth, og minimering og mksimering (Bo & Bo, 2004). For eksempel definerer Fudenberg og Tirole (995, s. 75) income smoothing som følger: "The process of mnipulting the time profile of ernings or ernings reports to mke the reported income strem less vrible, while not incresing reported ernings over the long run." Ledelsen prøver å jevne ut resulttet over tid ved å bygge opp reserver i gode tider som den løser opp som inntekter i dårlige tider. På denne måten blir vrisjonen i resulttene over tid lvere enn den fktiske vrisjonen. Den ndre årsken til t studier v income smoothing hr vært mer vellykket enn ndre former for ernings mngement er selve opersjonliseringen v begrepet. Forskjellen mellom smoothers (selskper for foretr income smoothing) og nonsmoothers (selskper som ikke foretr income smoothing) er godt opersjonlisert i en rekke studier (Albrecht & Richrdson, 990; Bo & Bo, 2004; Michelson, Jordn-Wgner, & Wootton, 2000; Michelson et l., 995). Albrecht og Richrdson (990) hevder t det finnes 26

34 to former for income smoothing: nturl income smoothing og intentionl income smoothing. Førstnevnte er et resultt v de nturlige kontntstrømmene som utgjør et selskps resultt. Sistnevnte derimot, tr utgngpunkt i eller relterer seg direkte til opportunistisk regnskpsmnipulsjon. Opportunistisk regnskpsmnipulsjon fjerner regnskpsinformsjonen bort fr økonomisk substns, reduserer informsjonens beslutningsnytte og kn øke informsjonssymmetrien mellom ledelsen og ndre interessenter. Ifølge Ronen og Yri (2008, s. 37) kn intensjonell income smoothing videre deles i reell (rel) og regnskpsmessig (rtificl) income smoothing. Reell income smoothing går ut på t selskper tr investerings- og produksjonsbeslutninger for å redusere vrisjonen i resulttet. Dette vil h en direkte virkning på et selskps kontntstrøm. Det finnes flere måter å endre resulttet på gjennom reell income smoothing, for eksempel ved å endre selskpets investeringsstrtegi, redusere nnonseringsutgifter, unnlte å utføre vedlikehold eller redusere kostnder knyttet til forskning og utvikling (Scott, 20, s. 423). Ved å endre investeringsstrtegien kn for eksempel investeringer med positiv nåverdi bli utstt for å holde utgiftene nede i inneværende periode. Å drifte et selskp på denne måten vil på lng sikt være skdelig for selskpets økonomi, men ledelsen vil likevel kunne h insentiver til å gjøre dette. Det stilles spørsmål ved om slike beslutninger kn betrktes som income smoothing. Flere forskere hevder t reelle økonomiske beslutninger er income smoothing hvis motivsjonen bk beslutningen er å endre rpportert resultt (Ronen & Yri, 2008, s. 329). Hvis de reelle økonomiske beslutningene er gjort for å øke verdien v selskpet, er det derimot ikke income smoothing. Reell income smoothing vil som oftest være mulig å skille fr regnskpsmessig income smoothing, siden førstnevnte er enklere å observere. Imidlertid vil det være tskillig vnskeligere å skille mellom reell income smoothing og ndre økonomiske beslutninger forettt v selskpet. I motsetning til reell income smoothing, skjer regnskpsmessig income smoothing gjennom regnskpsmessige rpporteringsvlg. Regnskpsmessig income smoothing går ut på å velge regnskpsmessige løsninger for å tilpsse og jevne ut resultter (Ronen & Yri, 2008, s. 332), og det er denne typen v income smoothing denne studien vil fokusere på. Vlg v regnskpsmessige løsninger kn for eksempel være vlg mellom lineære vskrivninger eller sldovskrivninger. Grhm et l. (2005) rgumenterer for t ledelsen tr de nødvendige regnskpsmessige vlg, smt reelle økonomiske beslutninger, for å møte de resulttmål som er stt. Videre rpporterer de t mer enn hlvprten v meriknske ledere i deres undersøkelse oppgir t de er villig til å utsette eller forkste nye prosjekter for å oppnå 27

35 ønskede resultter. Dette tyder på t ledelsen i børsnoterte selskp kn være villig til å påføre økonomiske tp for å rpportere ønskede resultter. I den videre fremstillingen vil det refereres til regnskpsmessig income smoothing når vi omtler income smoothing, med mindre noe nnet spesifiseres. 4.2 Typer income smoothing Ernings mngement oppfttes gjerne negtivt og gir klre ssosisjoner til regnskpsmnipulering og økonomisk kriminlitet. Income smoothing som en rpporteringsstrtegi hr derimot en lngt mer positiv undertone. Ifølge Ronen og Yri (2008, s ) kn income smoothing være fordelktig (beneficil), nøytrl (neutrl) og svindelktig (pernicious). Fordelktig Income smoothing er fordelktig når det formidler relevnt og pålitelig informsjon om fremtidige resultter. Målsetningen for regnskpsprodusenter er å ivret tilliten til den finnsielle informsjonen. Profesjonell skjønnsutøvelse er en nødvendig betingelse for dette. Profesjonell skjønnsutøvelse er omtlt i hovedprinsippet i IAS9 8.9 og forutsetter t regnskpet er utrbeidet slik t det gir relevnt og pålitelig informsjon om økonomisk substns. Ledelsen kn bruke denne rpporteringsfriheten til å kommunisere privt informsjon til eksterne interessenter. Fordelktig income smoothing vil derfor ikke være skdelig for eksterne interessenter. Subrmnym (996) hevder t ledelsens bruk v skjønn kn gjøre det lettere for regnskpsbrukerne å predikere et selskps fremtidige kontntstrømmer. Nøytrl Med nøytrl income smoothing menes det t mrkedet gjennomskuer t det skjer income smoothing. Goel og Thkor (2003) nlyserer nøytrl income smoothing med utgngspunkt i hypotesen om rsjonelle forventinger i et mrked i likevekt. Hypotesen om rsjonelle forventninger forklrer hvordn økonomiske ktører former sine forventninger om fremtidige resultter. Hypotesen bygger på forutsetningen om t mrkedet består v velinformerte og uinformerte investorer. Som rsjonelle ktører i mrkedet vil de informerte investorer kun etterspørre ksjer de vet er underpriset, hvor de kn forvente mervkstning. På den ndre siden vil de uinformerte investorene etterspørre både under- og overprisede ksjer. I de tilfellene en informert investor velger å hndle, vil uinformerte lltid tpe penger. Grunnen til 9 Interntionl Accounting Stndrds (forløper til IFRS-stndrdene). 28

36 dette er t investorene med informsjon kjøper når de vet ksjen er for lvt priset og selger når de vet ksjen er for høyt priset. Det vil si t jo større voltilitet et selskp hr i sine resultter, desto større blir gevinsten til den informerte investoren. Tilsvrende, jo større voltilitet i selskpets resultter, desto større blir tpet til den uinformerte investoren. Det er derfor en negtiv smmenheng mellom voltilitet i resulttet og selskpets ksjekurser. Income smoothing er ltså nøytrl så snt ll informsjon reflekteres i prisene i et ktivt mrked med mnge opplyste investorer med rsjonelle forventninger, hvor tilgng til informsjon er tilnærmet kostndsfri. Svindelktig Den siste, svindelktig income smoothing, hr vi når ledelsen foretr income smoothing uten å signlisere dens snne forventninger om fremtidig inntjening (Ronen & Yri, 2008, s. 223). Truemn og Titmn (988) hevder t så lenge det er en viss snnsynlighet for t et selskp kn gå konkurs, vil investorer og kreditorer h betlt for å bære konkursrisikoen. Kreditorer gir dårligere betingelser, leverndører begynner å lete etter ndre kunder og i verste fll vil også kundene svikte. Ved å jevne ut resulttet over tid reduseres voltiliteten og dermed også snnsynligheten for konkurs. Redusert voltilitet i resulttet medfører bedre betingelser på lån, deriblnt lvere rente. Et selskp kn dermed påt seg mer gjeld som følge v stbile og forutsigbre resultter. 4.3 Hvorfor skjer income smoothing? For t income smoothing skl være en rsjonell strtegi, må enkelte vilkår være til stede. Disse vilkårene kn virke som bkenforliggende årsker til t enkelte velger å jevne ut resulttene. Som en forklring på dette kn mislighetstreknten benyttes. Mislighetstreknten (frud tringle) ble først foreslått v Donld Cressey som en forklring på hvorfor mennesker begår misligheter. Dette ble senere overført til regnskp- og revisjonsfeltet v Steve Albrecht (Choo & Tn, 2007). Mislighetstreknten forsøker å forklre hvorfor personer i tillitsposisjoner skffer seg uberettiget vinning. Fktorene som kn medvirke til t misligheter forekommer er muligheter, press og holdninger. Misligheter kn relteres til ernings mngement og selv om mislighetstreknten i utgngspunktet bre omhndler vilkår som må være til stede for t misligheter skl finne sted, kn en klrt se overførbrheten til ernings mngement. Mislighetstreknten kn dermed også relteres til income smoothing, d de smme bkenforliggende vilkårene vil måtte være 29

37 til stede for lle former for ernings mngement (Albrecht, Albrecht, Albrecht, & Zimbelmn, 20, s. 8). Figur 4.: Mislighetstreknten Mulighet Den som hr tenkt å begå misligheter må kunne se t det er mulig å gjennomføre den tiltenkte hndlingen. Mulighetene kn eksistere som et resultt v svkheter ved interne rutiner og internkontroll. Godt orgniserte kontrollrutiner, som for eksempel utoriseringsprosedyrer, rbeidsdeling og dokumentert trnsksjonssporing vil redusere muligheter for income smoothing (Sturt, 20, s. 80). Dette kommer v t flere personer involveres i prosessen og dermed øker risikoen for å bli vslørt. I mnge tilfeller vil ikke de overnevnte tiltkene h noen nytte d income smoothing ofte forekommer ved t eierne eller ledelsen overstyrer kontrollene (Sturt, 20, s. 5). I tillegg vil ulike interessenter h ulike forutsetninger for å kunne vdekke income smoothing. Ifølge Gjesdl (2003) vil dette vhenge v informsjonsinnholdet i resulttet, tilgng på privt informsjon og brukernes kompetnse. For eksempel vil finnsinstitusjoner med stor eierndel i ndre selskper h insentiver og kompetnse til å overvåke selskpet (Chung, Firth, & Kim, 2005). Dette vil gi ledelsen mindre muligheter til å utføre income smoothing. Avdekking v income smoothing vil ltså vhenge v kunnskpsnivået til regnskpsbrukerne. Forekomsten v income smoothing vil derfor være høyere i selskper som står overfor brukere som ikke hr den nødvendige kompetnsen innen regnskp. Press Press er en nnen fktor i mislighetstreknten som bidrr til nlysen v hvorfor ledelsen foretr income smoothing. Press forekommer som oftest i forbindelse med eiernes og mrkedets forventninger til resultt eller vekst. I børsnoterte selskper vil det for eksempel 30

38 være et mål å oppnå størst mulig verdi på selskpet. Her vil ledelsen føle seg presset til å levere et resultt som kn vvike fr det reelle, men som tilfredsstiller eiernes og mrkedets forventninger. Det kn også oppstå press i forbindelse med kreditorer, særlig i situsjoner der en er i ferd med å bryte låneklusuler eller lignende. Kreditorene vil for eksempel være oppttt v likviditeten og soliditeten til selskpet, noe som henger smmen med selskpets resultter. Holdninger Holdningen til ledere og nstte vil også være en fktor som vil påvirke omfnget v income smoothing. Holdninger kn bestå v kollektive og individuelle normer og innstillinger til kseptbel dferd. Slike holdninger er imidlertid dynmiske og kn påvirkes i forhold til intern og ekstern kontekst (Albrecht et l., 20, s. 80). For eksempel kn brnsjen et selskp tilhører være vgjørende for grd v smhndling med eksterne ktører og relsjoner til disse. Brnsjer som helhet bør undersøkes fordi enkelte brnsjer er mer risikoutstt enn ndre. De generelle normene i brnsjen og institusjonlisering v disse, vil h innvirkning på regnskpsprksis i det enkelte selskp og dette påvirker hvilke holdninger som råder. Dette hr smmenheng med den kulturen som eksisterer i selskpet og som gjennomsyrer orgnissjonen. Anstte i selskpet blir preget v de verdiene og holdningene ledelsen sttuerer. Således kn selskpskulturer som preges v likegyldighet og lite fokus på gjeldende regelverk og god regnskpskikk føre til t ledelsen ikke nser income smoothing som noe lvorlig. Ulike brnsjer hr ulike normsett og holdninger til god regnskpsskikk. Enkelte brnsjer vil derfor foret mer income smoothing enn ndre brnsjer. I tillegg kn gitte reguleringer og offentlige instnser påvirke interne holdninger til å begå income smoothing (Albrecht et l., 20, s. 82). Risikoen for income smoothing øker dersom lle vilkårene i mislighetstreknten er til stede. Muligheter, press og holdninger i seg selv er ikke nok for t income smoothing skjer, en må i tillegg h underliggende fktorer som går på tvers v vilkårene i mislighetstreknten, ltså insentiver. 4.4 Insentiver for income smoothing Insentiver er drivere og årsker til income smoothing. Det kn være mnge drivere og årsker til t ledelsen foretr income smoothing. Det som kn virke mest åpenbrt for utenforstående er et ønske om å oppnå en gunstig effekt i form v økonomiske fordeler. Empiriske undersøkelser viser t insentivene for income smoothing vhenger v både eksterne og interne fktorer (Brton, 200). Eksterne fktorer dreier seg i hovedsk om t ledelsen hr insentiver til å benytte income smoothing for å møte de forventningene mrkedet og finnsnlytikerne 3

39 hr til selskpet. Interne fktorer viser til ledelsens insentiver til å benytte income smoothing for å oppnå høyere bonus. SEC-rpporten0 viser t de mest vnlige insentivene bk income smoothing er enten å møte interne eller eksterne forventninger til resulttet. Videre omtles ønsket om å øke ksjekursen, ønsket om å styrke økonomiske resultter i påvente v tilskudd og nnen finnsiering og ønsket om å øke resulttbserte bonuser (SEC, 200). Insentivene til income smoothing deles gjerne i regnskpsbserte og mrkedsbserte insentiver (Stenheim & Blkstd, 202). Regnskpsbserte insentiver kn for eksempel h sitt opphv i ineffisiente vlønningskontrkter som er knyttet opp mot regnskpstll. Uredelig regnskpsrpportering påvirker investeringsbeslutninger og følgelig kn rpporteringen få økonomiske konsekvenser. I tillegg regnes politiske kostnder som en del v regnskpsbserte insentiver. Mrkedsbserte insentiver omftter insentiver som ledelsen kn h for å påvirke ksjekursen og bygger eksplisitt på forutsetningen om ineffisiente mrkeder (Brton, 200) Regnskpsbserte insentiver Positiv regnskpsteori er hovedskelig bsert på tre hypoteser. Disse hypotesene er knyttet til bonusvtler, lånekontrkter og politiske kostnder (Wtts og Zimmermn (986, s. 362). Siden vi fokuserer på income smoothing i dette kpittelet, vil vi kun t utgngspunkt i bonusvtler og politiske kostnder. Insentiver for ernings mngement, som for eksempel big-bth, er ikke nødvendigvis smmenfllende med insentiver som trigger income smoothing. I tillegg til bonusordninger og politiske kostnder kn skttekostnder være et insentiv for å utføre income smoothing. Sktteinsentiver er mer ktuelt for privte selskper enn for børsnoterte selskper ettersom de ikke hr det smme presset fr kpitlmrkedet til å rpportere gode resultter. Siden hovedfokuset vårt er på børsnoterte selskper vil vi derfor se bort fr sktteinsentiver i denne vhndlingen. Resulttbserte bonusvtler En stor del v lønnen til mnge ledere og nstte kommer fr bonuser. Bonusvtler knyttet opp mot ulike regnskpsstørrelser kn gi insentiver for å velge de regnskpsmessige løsningene som mksimerer muligheten for økt bonusutbetling (Brton, 200). Det meste v den empiriske forskningen som undersøker resulttbserte bonuskontrkter forutsetter en lineær smmenheng mellom resultt og utbetlt bonus (Gver, Gver, & Austin, 995). Bonuskontrktene kn inneholde en nedre og en øvre terskelverdi for bonusutbetlingen. Nedre terskelverdi ngir innslgspunktet for bonusutbetling og kn for eksempel være fjorårets resultt, et gjennomsnitt v de siste års resultter eller et resultt fr et 0 Securites nd Exchnge Commission (meriknsk føderlt tilsyn som hr nsvr for hndel med verdippirer). 32

40 smmenlignbrt selskp. Dersom regnskpsmessig resultt ikke når opp til denne terskelverdien, vil det ikke bli utbetlt bonus. Et regnskpsmessig resultt ut over denne terskelverdien gir en positiv og lineær økning i utbetlt bonus, helt til regnskpsmessig resultt når den øvre terskelverdi. Kontrkten kn også være konstruert slik t regnskpsmessig resultt ut over den øvre terskelverdien ikke vil gi ytterligere økning i bonus. Således vil slike bonuskontrkter gi en mer komplisert insentivstruktur. Denne strukturen gir insentiver til å rpportere et resultt som er høyere enn nedre terskelverdi og lvere enn øvre terskelverdi. Hely (985) tester hypotesen om bonuskontrkter med utgngspunkt i 94 meriknske selskper i perioden For å måle om resulttene er justert bruker hn totle periodiseringer som et estimt på skjønnsmessige periodiseringer. Resulttene fr studien støtter bonushypotesen om t ledelsen justerer resulttet opp hvis resulttet er mellom øvre og nedre terskelverdi for bonusutbetlingen, og t ledelsen justerer resulttet ned hvis det er over den øvre terskelverdien. I motsetning til Hely (985) som tester bonusordninger på et ggregert nivå, tester Guidry, J Leone og Rock (999) bonusordninger på vdelingsnivå (business unit). De undersøker hvorvidt meriknske vdelingsledere justerer resultter for å mksimere sine bonusutbetlinger. Fordelen med å benytte vdelingsnivå i stedet for et ggregert nivå er t lederbonusene på vdelingene kun er vhengig v regnskpsmessig resultt for en bestemt vdeling. Ledere på høyere nivå, som for eksempel dministrerende direktør, hr gjerne insentiver knyttet til ksjekurs i tillegg til resulttbserte bonuser. I motsetning til resulttbserte bonuskontrkter gir ksje- og opsjonsndeler opphv til lngsiktige insentiver. Disse kn gi ndre insentiver til mnipulering enn bonusvtler, som for eksempel å foret income smoothing over en lengre periode. Guidry et l. (999) tester hvorvidt vdelingsledere justerer resulttene ved å bruk v tre forskjellige metoder: ) Helys modell, 2) Jones modifiserte modell bserte på tverrsnittsdt og 3) særskilte komponenter v periodiseringene (endring i vrelger). Den siste modellen er foreslått v Bernrd og Skinner (996) og fokuserer på endringer i vrelger. Funnene i studien til Guidry et l. (999) smsvrer med Hely (985) sine funn som tyder på t vdelingsledere mnipulerer resulttene for å mksimere sine bonusutbetlinger. De finner også t resulttene er sterkest når de benytter modellen som tester endringer i vrelger. Dette begrunnes med t selskpsledere hr insentiver til å jevne ut resulttet gitt den informsjonssymmetri som etter lt å dømme eksisterer mellom ledelsen og eiere med hensyn til vurdering v vrelgeret. 33

41 Gver et l. (995) repliserer studien til Hely (985) og tester bonushypotesen i 02 meriknske selskper i perioden I likhet med Hely (985) benytter Gver et l. (995) først totle periodiseringer for å teste bonushypotesen, deretter benytter de skjønnsmessige periodiseringer som mål på income smoothing. Funnene indikerer t når resulttet før skjønnsmessige periodiseringer kommer under den nedre terskelverdien, vil ledelsen velge inntektsøkende periodiseringer, og før resulttet går over den øvre terskelverdien vil de velge inntektsreduserende periodiseringer. I motsetning til Hely (985) rgumenter Gver et l. (995) for t dette skyldes income smoothing, hvor resulttene jevnes ut over tid, og ikke bonushypotesen. Politiske kostnder Ulike typer v politisk inngripen kn også gi insentiver til income smoothing. Wtts og Zimmermn (990) rgumenterer for t selskper velger ulike regnskpsmessige løsninger med det formål å minimere rpportert resultt for å unngå mulig offentlig inngripen. Dette for å unngå å vise for stor fortjeneste og dermed tiltrekke oppmerksomhet fr myndighetene (f.eks. fr nsjonle konkurrnsetilsyn). Selskpene kn også h insentiver til å utrbeide jevnere resultter over tid for å unngå nklger om prissmrbeid og misbruk v mrkedsmkt. Dersom et prissmrbeid er vellykket, vil det gjerne føre til økte resultter, men ved å jevne ut resulttene over tid, kn dette være vnskelig for myndighetene å oppdge. Ifølge Lngli (2005) kn prisfstsetting i regulerte brnsjer også gi insentiver til å justere resulttet ned for å demonstrere t den fststte prisen ikke gir vkstning utover norml vkstning. På denne måten kn selskpene unngå ugunstige prisendringer. I noen tilfeller vil det være i selskpets interesse å redusere resulttet for å fremstå som mindre lønnsome. Dette vil spesielt gjelde for store selskper med høy lønnsomhet. En kn stille seg spørsmålet hvorfor noen vil ønske å fremstå som mindre lønnsomme enn de egentlig er. Et svr på dette spørsmålet kn vi finne ved å se på Microsoft Corportion. Microsoft er et v verdens største progrmvreselskper og hr en stor ndel v mrkedet for progrmvre. Til tross for t Microsoft hr fått hrdere konkurrnse på flere felt de siste årene er de fortstt i en tilnærmet monopolsitusjonen innenfor opertivsystemer til dtmskiner. Selskpet hr derfor brukt konservtiv regnskpsføring ved å resulttføre lle forsknings- og utviklingskostndene slik t de fremstår som mindre lønnsomme (Ronen & Sdn, 98, s. 203). 34

42 4.4.2 Mrkedsbserte insentiver Kpitlmrkedene benytter regnskpsinformsjon ved verdsetting v selskper og investorene benytter regnskpsinformsjon for å bestemme om de skl kjøpe, selge eller beholde ksjer (Tucker & Zrowin, 2006). Mrkedsbserte insentiver oppstår som følge v imperfeksjoner i mrkedet eller t ledelsen tror slike imperfeksjoner eksisterer. Uten slike imperfeksjoner ville ikke income smoothing kunne påvirke mrkedets oppftning v selskpet, og dermed selskpsverdien (Wtts & Zimmermn, 986, s. 98). Ved effisiente mrkeder vil ktørene oppdge income smoothing og korrigere for dette ved verdsetting. Aksje- og opsjonsndelskontrkter er utbetlinger som gis i tillegg til fst lønn. Formålet med slike insentivkontrkter er å redusere gentkostnder ved t ledelsens interesse blir i tråd med eiernes interesser (Jensen & Meckling, 976). Insentivkontrkter knyttet til ksjekurs kn imidlertid være ineffisiente og dermed gi insentiver til income smoothing for å øke ksjekursen (Ronen & Sdn, 98). I børsnoterte selskper vil vekst i ksjekurs være et direkte mål på hvor dyktig ledelsen er til å forvlte eiernes investerte kpitl i selskpet. Ledelsen må levere kvrtlsrpporter, noe som tvinger dem til kortsiktig tenkning og plnlegging. Hvis selskpet ikke klrer å møte forventningene til mrkedsktører og nlytikere, vil dette bli tolket som om selskpet er i økonomiske vnskeligheter. En konsekvens v dette kn være t selskpet blir strffet med krftige fll i ksjekursen (Stenheim & Blkstd, 202). Cheng og Wrfield (2005) tester smmenhengen mellom ledelsens ksje- og opsjonsndelskontrkter og ernings mngement. De finner t selskper der ledere hr store ksje- og opsjonsndelskontrkter hr et signifiknt høyere ntll tilfeller hvor nlyst forecst kkurt blir møtt, enn selskper der ledere hr lvere ksje- og opsjonsndelskontrkter. Med nlyst forecst menes nlytikerestimt på resulttet. Resulttene i studien viser videre t ledere med sterke egenkpitlinsentiver selger mer ksjer når nlyst forecst blir møtt enn når nlyst forecst ikke blir møtt. Dette tyder også på t ledere med ksje- og opsjonsndelskontrkter, særlig de som hr slike insentiver over flere år, i mindre grd rpporterer store positive overrskelser i resulttet. Ledere som hr ksje- og opsjonsndeler over lenger tid kn h insentiver til income smoothing. Det er imidlertid ikke bre mrkedsbserte bonusordninger som er potensielle kilder til mrkedsbserte insentiver. Ofte kn vekst og størrelse på selskpet være et insentiv i seg selv. Ledere i voksende selskper oppnår gjerne sttus og prestisje som følge v selskpets vekst og 35

43 størrelse. Dette vil forbedre lederens rykte og gjøre vedkommende mer ttrktiv i mrkedet. I tillegg hr ledere også insentiver for å oppnå fststte resulttmål. Det vil si t det er større snnsynlighet for income smoothing i selskper som så vidt når sine resulttmål. Ifølge Skinner og Slon (2002) er det unormlt stort ntll tilfeller hvor nlyst forecst er kkurt møtt eller slått, og denne trenden hr økt over tid. Det er også unormlt få tilfeller hvor selskper så vidt er under nlyst forecst og ntllet slike tilfeller hr blitt redusert over tid. Denne trenden er sterkest for selskper i vekst. Aksjer for slike selskper er mer sårbre for negtive overrskelser i resulttet. Ideen bk rbeidet til Skinner og Slon (2002) er t investorene er overoptimistiske med hensyn til fremtidig inntjening for vekstksjer (glmourksjer), byr opp prisen på disse, og t disse ksjene fller mye når investorene lngt om lenge korrigerer sin overoptimisme. Tidligere Økokrim-topp Erling Grimstd hevder t folk blir mer desperte i nedgngstider. I forbindelse med tidligere kriser eller nedgngstider hr en rekke tilfeller v regnskpsmnipulsjon blitt vdekket. Høsten 2008 uttlte hn til Dgens Næringsliv t ( ) i krisetider opplever flere nstte et større press for å drive regnskpsfiksing i form v oppblåste verdier, inntektsføring v slg som ikke er endelig vtlt, uriktige fkturer og skjulte bonusvtler ( ). Ledere velger å pynte resulttene for å ikke synliggjøre t selskper sliter økonomisk. Dgens Næringsliv skriver videre t ( ) i dårlige tider er det også større risiko for nedbemnning, og flere tenker på sin egen skjebne. Det vil si t i nedgngstider kn frykt for å miste jobben skpe insentiver til å justere resulttet. Ledelsen vil d velge regnskpsmessige løsninger som øker deres jobbsikkerhet. Dette kn skje ved å velge regnskpsmessige løsninger som ikke gir et rettvisende bilde v selskpets lønnsomhet og finnsielle stilling. Ledelsen kn for eksempel velge å redusere fremtidsrettede utgifter som mrkedsføringskostnder og forsknings- og utviklingskostnder eller endre regnskpsestimter for vrige driftsmidler. På denne måten vil de være i stnd til å rpportere et høyere regnskpsmessig resultt. 36

44 5 RESULTATKVALITET I dette kpittelet skl vi først se nærmere på forskjellen mellom regnskpskvlitet og resulttkvlitet. For bedre å nskueliggjøre hv resulttkvlitet hndler om, vil vi t utgngspunkt i Dyrnes og Pettersen (202) sin oppsplitting v resulttelementer. Deretter vil vi diskutere ulike tilnærminger til begrepet resulttkpskvlitet, før vi redegjør for tidligere forskning og fremmer relevnte funn. 5. Regnskpskvlitet og resulttkvlitet Resulttkvlitetsbegrepet knyttes ofte til regnskpskvlitet (Brth, Lndsmn, & Lng, 2008; Frncis, LFond, Olsson, & Schipper, 2004; Schipper & Vincent, 2003). Begrepene er nært relterte, men smtidig forskjellige. Forskjellen mellom disse kn forklres ved å t utgngspunkt i en eiendel som hr en økonomisk levetid på 20 år. Hvis denne vskrives over 2 år (og selskpet er voksende), sies resulttkvliteten å være høy, mens regnskpskvliteten er lv. Resulttkvliteten er høy fordi høyere vskrivninger tilsier lvere resultt og høyere P/E, lt nnet like. Regnskpskvliteten er lv fordi vskrivningstiden vviker mye fr den riktige, som her er 20 år og ikke 2 år. Regnskpskvlitet forutsetter ltså t en hr ttt stndpunkt til hv en mener er den riktige vskrivningstiden. Begrepet resulttkvlitet er mindre mbisiøst og ser kun på forskjeller mellom selskper og endringer over tid uten å t stndpunkt til hv som måtte være mest korrekt (Gjesdl, 2003). Regnskpskvlitet er derfor et videre begrep enn resulttkvlitet. Mens resulttkvlitet hndler om kvliteten på regnskpsmessig resultt, vil regnskpskvlitet omftte lle deler v regnskpet (Bkss & Stenheim, 205, s. 28). Regnskpskvlitet sier noe om i hvilken grd regnskpet reflekterer økonomisk substns, der relevns og tro gjengivelse står i sentrum. Resulttkvlitet er gjerne forstått i relsjon til regnskpets prognoseformål eller verdsettingsformål. Det vil si i hvilke grd regnskpets informsjon om periodens resultt gir grunnlg til å gjøre seg en formening om hvordn en kn forvente et selskpet vil prestere i fremtiden. Resulttkvlitet ble introdusert som begrep v finnsnlytikere som benyttet pris og periodens resultt (P/E) som et verktøy i forbindelse med verdsettelse v selskper (Gjesdl, 2003). Når en investor kjøper en ksje, kjøper hn eller hun x kroner i vkstning per ksje. Spørsmålet er d hvor mye investoren er villig til å betle for denne vkstningen. Å kjøpe vkstning bsert på regnskpsmessig resultt hr mye til felles med å kjøpe strikk i metervis. Målingen er i stor grd elstisk. Det er her begrepet resulttkvlitet kommer inn. En investor hr lvere betlingsvilje for lv kvlitet (høy strekk i resulttet) og høyere betlingsvilje for høy kvlitet (lv strekk i resulttet) 37

45 Resulttkvliteten sies å være høy når årsregnskpets informsjon om periodens resultt gir et godt grunnlg for å predikere fremtidige resultter og kontntstrømmer, slik t selskpets økonomiske verdi kn estimeres på en pålitelig måte. For bedre å nskueliggjøre hv resulttkvlitet dreier seg om, vil vi t utgngspunkt i Dyrnes og Pettersen (202). De splitter opp et selskps rpporterte resultt (RR) i fire komponenter ( verdiendringer): RR GR TR ER VIR Den første komponenten står for gjentgende resulttelementer, GR, fr normle ktiviteter. En nlyse v historiske GR vil normlt gi et godt grunnlg for å sette opp estimter (foreningsverdier og snnsynligheter) for fremtidige GR. Dette betinger mer eller mindre grd v stbilitet i sentrle regnskpstørrelser som inntekstvekst, kpitlens omløpshstighet og resulttmrginer, som igjen bygger på en viss stbilitet i konkurrnsesitusjonen. Et GR i form v en justert EPS2 vil h stor verdirelevns i den forstnd t dets bidrg til verdien v selskpet utgjør GR multiplisert med selskpets normle P/E-fktor. Det er ltså dette resulttet nlytikere og investorer bruker som et utgngspunkt for å beregne selskpets verdi. Den ndre komponenten, TR, står for tilfeldig resulttelement og er et resulttelement som ofte er gjentkende v ntur, men hvor fremtidige utfll hr en forventningsverdi lik null. Det er med ndre ord like stor snnsynlighet for t verdiendringen blir positiv som negtiv i neste periode, og beste estimt på fremtidig verdi er derfor dgens verdi. I denne ktegorien inngår resulttelementer som skyldes blnt nnet endringer i vlutkurser, endring i kursen på børsnoterte selskp og endring i priser i effisiente råvremrkeder. Et rpportert TR vil h lv verdirelevns d det ikke kn forekomme noe tilsvrende resultt i fremtiden. Det vil si t et tilfeldig resulttelement ikke hr noen verdi utover en engngseffekt i inneværende regnskpsperiode. Den tredje komponenten, ER, står for resulttelementer v engngsntur og er den delen v resulttet som kn tilbkeføres til engngshendelser eller til hendelser som opptrer sjelden. I denne ktegorien hvner for eksempel nedskrivninger v nleggsmidler som skyldes uventet tp v mrked og tp/gevinst ved slg v eiendom eller tp på grunn v brnn eller nnen ulykke. Et rpportert ER vil ltså h lv verdirelevns fordi det ikke hr noen verdi utover den engngseffekten resulttet hr på kontntstrømmen. 2 Ernings per shre. 38

46 Den siste komponenten, VIR, står for verdiirrelevnte resulttelementer og signliserer ingen fremtidig kontntstrømeffekt. Et eksempel på dette er endring v regnskpsprinsipp eller endring v vskrivningspln. Et nnet eksempel kn være oppretning v tidligere feil i regnskpet eller vskrivning v eiendeler som ikke er gjenstnd for verdifll. Slike resulttelementer reflekterer ikke noen endring i forventingene til fremtidige kontntstrømmer og hr dermed heller ingen verdieffekt. Likevel mener vi t en slik oppsplitting v resulttelementer er nyttig for å forstå begrepet resulttkvlitet. Utfordringen med å skpe et bedre resulttkvlitet vil ltså være å isolere GR, det vil si trekke ut TR, ER og VIR fr det regnskpsførte resulttet. 5.2 Definisjon på resulttkvlitet Begrepene income smoothing og resulttkvlitet blir ofte brukt om hverndre. Dette kn skyldes t finnsnlytikere refererer til resulttkvlitet som ndelen v det rpporterte resulttet som forventes å vedvre stbilt inn i fremtiden (Dechow et l., 200). Som tidligere nevnt kn et stbilt resultt også være et resultt v opportunistisk income smoothing, der vribiliteten i resulttet reduseres ved å justere resulttet mot en nttt inntjening. Imidlertid er det ikke entydig tolkning om det er høy eller lv resulttvribilitet som gir høy resulttkvlitet. Tolkningen v resulttvribilitet i forhold til resulttkvlitet bygger på to forskningsretninger. Den ene retningen sier t lv resulttvribilitet er ensbetydende med lv resulttkvlitet, og t lv resulttvribilitet er et resultt v opportunistisk income smoothing (Brth et l., 2008; Lng, Redy, & Yetmn, 2003). Hovedrgumentet er t ledelsen kn redusere resulttvribiliteten ved å utnytte fleksibiliteten som finnes innenfor gjeldende rett. Dette reduserer resulttets brukernytte til å predikere fremtidige resultter og kontntstrømmer, noe som resulterer i lv resulttkvlitet. Den ndre retningen sier t ledelsen jevner ut tilfeldige svingninger for tidspunktet når den tilhørende kontntstrømmen for inntekter og kostnder oppstår, slik t resulttet på en bedre måte reflekterer selskpets reelle prestsjon (Bo & Bo, 2004; Frncis, Nnd, & Olsson, 2008; Michelson et l., 995; Schipper & Vincent, 2003). Income smoothing er ifølge denne forskningsretningen helt nødvendig og kn bidr til å øke resulttkvliteten. På bkgrunn v disse to forskningsretningene kn lv resulttvribilitet tolkes som både høy resulttkvlitet og lv resulttkvlitet. I smsvr med Bo og Bo (2004) tr vi utgngspunkt i den siste forskningsretningen, d denne legger vekt på hvordn investorer verdsetter selskper, der lv resulttvribilitet gir et klrere bilde på fremtidig inntjening. Denne forskningsretningen tr 39

47 for seg både den opportunistiske og ikke-opportunistiske income smoothing og knytter resulttkvlitetsbegrepet til resulttets prediktive egenskper. Et rpporterte resultt består v to komponenter: kontntstrøm og periodiseringer. Periodiseringenes primære rolle i regnskpet er å justere innregningen v inntekter og kostnder slik t disse plsseres i rett periode. Dechow og Dichev (2002) bruker periodiseringskvlitet som et mål på resulttkvlitet. De mener t kontntstrømmen i mindre grd er utstt for usikkerhet og estimeringsfeil. Periodiseringer nses derfor som den usikre komponenten i resulttet. Dette innebærer t lv periodiseringskvlitet er ensbetydende med lv resulttkvlitet. I denne vhndlingen vil begrepet resulttkvlitet bli brukt i smsvr med Dechow og Dichev (2002, s. 35) sin definisjon: ( ) the qulity of ccruls nd ernings is decresing in the mgnitude of estimtion noise in ccruls. Ut fr denne definisjonen kn resulttkvlitet sies å være høy i den grd det er frvær v estimeringsfeil i periodiseringene. 5.3 Ulike tilnærminger ved forskning på resulttkvlitet Schipper og Vincent (2003) mener t regnskpskvlitet er et mer generelt begrep enn resulttkvlitet. De deler resulttkvlitet i fire ulike ktegorier, vhengig v hvordn resulttkvlitet er utledet; ) egenskpene til resulttet over tid, 2) utvlgte kvlitetskrv i det konseptuelle rmmeverket, 3) smmenhengen mellom resultt, kontntstrømmer og periodiseringer og 4) implementeringsbeslutninger. Den første ktegorien ser på hvorvidt dgens resultt er et godt mål på fremtidig resultt. Fr det synspunktet vil resulttkvliteten være høy dersom resulttet er jevnt og dersom fremtidig resultt kn ses på som en funksjon v dgens resultt. Et jevnt og stbilt resultt er foretrukket i prksis. Den tidligere nevnte undersøkelsen til Grhm et l. (2005) er et eksempel på dette. De konkluderer med t selskper med jevne resultter nses som mindre risikble, det er lettere å forutse fremtidig resulttutvikling og dette forsikrer kunder og leverndører (og ndre interessenter) om t driften v selskpet er stbil. Videre kn et jevnt og stbilt resultt også være et resultt v opportunistisk income smoothing. Det vil si t ledelsen bevisst foretr income smoothing for å f.eks. skjule store tp. Brth et l. (2008) hevder t lv resulttvribilitet er et tegn på opportunistisk income smoothing. Lv resulttvribilitet kn dermed forbindes med både høy resulttkvlitet og opportunistisk income smoothing. Den ndre ktegorien ser på resulttkvlitet i lys v de grunnleggende kvlitetskrvene i rmmeverket gjennomgått i delkpittel 2.3. Schipper og Vincent (2003) hevder t det konseptuelle rmmeverket kn være et fornuftig utgngspunkt når mn skl 40

48 opersjonlisere resulttkvlitet fordi rmmeverket fokuserer på t regnskpsinformsjonen skl være beslutningsnyttig med bkgrunn i de grunnleggende kvlitetskrvene. En slik tilnærming gjør det imidlertid vnskelig å forklre om det er relevns eller tro gjengivelse som påvirker resulttkvliteten. Dette skyldes t mn ofte må t en vveining v kvlitetskrvene når mn fstsetter verdier i regnskpet. Den tredje ktegorien ser på hvorvidt det er sterkere smmenheng mellom nåværende resultt og fremtidig kontntstrøm enn det er mellom nåværende kontntstrøm og fremtidig kontntstrøm. Tnken bk er t periodiseringsdelen i resultt skl jevne ut tilfeldige svingninger i kontntstrøm fr periode til periode. Regnskpet hr, i lle fll om en legger til grunn beslutningsformålet, til hensikt å dnne grunnlg for å estimere verdien v et selskp, dvs. nåverdien v fremtidige kontntstrømmer. Den siste ktegorien ser på i hvilken grd resulttet er påvirket fr ledelsens bruk v skjønn og estimering og predikering v fremtidige resultter. Det innebærer t mn ønsker å vdekke hvorvidt resulttet er påvirket v ernings mngement. 5.4 Tidligere forskning Dechow (994) ser på periodiseringenes rolle i regnskpet og i hvilken grd disse gjør resulttet til et bedre mål på økonomisk ytelse enn kontntstrøm. Hun bruker ksjevkstning som et benchmrk på økonomisk ytelse og smmenligner relisert kontntstrøm og resultt opp mot denne for ulike måleperioder. Hun finner t periodiseringer øker resulttets evne til å måle økonomisk ytelse. For korte måleperioder (et kvrtl) finner hun en sterkere smmenheng mellom resultt og ksjevkstning enn mellom relisert kontntstrøm og ksjevkstning. Dechow (994) finner videre t smmenhengen mellom ksjevkstning og relisert kontntstrøm styrkes i forhold til smmenhengen mellom ksjevkstning og resultt når måleperioden øker. Det vil si t informsjonsverdien til kontntstrømmer øker med lengden på måleperioden. Dette er ikke overrskende siden lengden på måleperioder vil gi mindre støy i kontntstrømmer som følge v tilfeldigheter i tidspunkt for inn- og utbetlinger. Videre finner Dechow (994) t jo mer periodiseringene øker, desto bedre blir resulttet som mål på ytelse smmenlignet med kontntstrøm. Dette betyr t for selskper som opererer i mer risikoutstte brnsjer med stor voltilitet i rbeidskpitlbehov og finnsierings- og investeringsktiviteter, er regnskpsmessig resultt et bedre mål på ytelse enn kontntstrøm. Slike selskper vil h mer periodiseringer og større usikkerhet knyttet til periodiseringene. Lengre omløpshstighet fører til større vrisjon i selskpets behov for rbeidskpitl. Periodiseringer vil redusere tidsvgrensningsproblemer knyttet til dette og gjøre resulttet til 4

49 et bedre mål på selskpets ytelse enn kontntstrøm. Dette er et funn som viser t regnskpet fktisk hr sin berettigelse. Slon (996) går et steg videre og undersøker om vrisjonen i resulttet over tid er vhengig v hvor stor ndel kontntstrøm og periodiseringer utgjør v det totle resulttet. Hn finner t periodiseringsdelen v resulttet hr en høyere vrisjon enn kontntstrømdelen. Dette innebærer t et resultt som består v en stor ndel periodiseringer i forhold til kontntstrøm, vil h større vrisjon enn et resultt som består v en mindre ndel v periodiseringer. Dette funnet kn tolkes å være i strid med Dechow (994) som viser t periodiseringene gjør resulttet til et bedre mål på ytelse enn kontntstrøm. Det Slon (996) viser er imidlertid ikke t kontntstrøm er en bedre mål på fremtidig ksjevkstning enn rpportert resultt, men t selskper med jevne resultter, kort opersjonell syklus og lite endring i blnsestørrelsene gir en høyere ksjevkstning over tid enn selskper med voltile resultter og med lng opersjonell syklus. Selskper med lv ndel periodiseringer hr gjerne kort opersjonell syklus og lite endring i blnsestørrelser smmenlignet med selskper med mye periodiseringer. Det kn imidlertid være vnskeligere for selskper med lnge opersjonelle sykluser å plnlegge og gjennomføre driften enn selskper med korte opersjonelle sykluser. Gitt størrelsen på periodiseringspostene, kn det likevel være fordelktig å fokusere på rpportert resultt fremfor kontntstrøm som indiktor på fremtidig resultt. Det t resulttstørrelser oppfttes som mer informtive enn kontntstrøm, betyr ikke nødvendigvis t income smoothing vdekkes og ts hensyn til i forbindelse med verdsettelse. En rekke studier utført de senere år hr utfordret oppftningen om t investorer ser gjennom ernings mngement. Slon (996) undersøker om investorene fnger opp den informsjonen som kontntstrøm- og periodiseringsdelen v resulttet inneholder og om dette gjenspeiles i ksjekursene. Siden kontntstrømdelen v resulttet er mer stbil enn periodiseringsdelen er det rimelig å nt t det er en sterkere smmenheng mellom ksjevkstning og kontntstrøm enn mellom ksjevkstning og periodiseringer. Slon (996) viser tvert imot en sterkere smmenheng mellom ksjevkstning og periodiseringsdelen enn ksjevkstning og kontntstrømdelen. Hn hevder t investorer ikke ser ut til å fnge opp informsjonen som ligger i de ulike komponentene v resulttet, men ser ut til å behndle periodiseringsdelen som om den er mer stbil enn kontntstrømdelen. Følgene v dette er t selskper med reltivt mye (lite) periodiseringer oppnår negtiv (positiv) unorml ksjevkstning. En investor kn for eksempel oppnå unorml vkstning ved å selge ksjer i selskper hvor kontntstrøm utgjør en stor ndel v resulttet og kjøpe i selskper hvor periodiseringsndelen er stor. 42

50 På bkgrunn v tidligere forskning mener vi t det er forsvrlig å nt t periodiseringer er viktig for å fstslå verdien v et selskp. Utfordringen med periodiseringer er imidlertid t disse gir ledelsen mulighet til å justere resulttet i den retningen de ønsker. For å skille periodiseringer som brukes for å justere resulttet, deler Ronen og Yri (2008, s. 372) periodiseringene i tre ulike typer: ) ikke-skjønnsmessige periodiseringer som oppstår som følge v endring i slgsinntekter og vrige driftsmidler, 2) skjønnsmessige periodiseringer, periodiseringer som oppstår som følge v regnskpstilpsninger innenfor rmmene v gjeldende regulering og mnipulsjon utenfor disse rmmene og 3) reversering, periodiseringer som for eksempel skyldes tilbkeføring v tidligere års nedskrivninger. Denne inndelingen viser t et selskp kn både h periodiseringer fr normle forretningsmessige disposisjoner og disposisjoner gjort for å justere resulttet. Eksempel på normle periodiseringer er periodiseringer som skyldes etterfølgende verdsetting v leverndørgjeld, kundefordringer og vrelger, mens unormle periodiseringer kn være inntektsføring v ikke-gjennomførte slg. Unormle periodiseringer kn også være forlenget kredittid for å få gjennomført et slg. Hvis intensjonen bk forlengelsen v kredittiden er å endre resulttet, er det klrt opportunistisk rpporteringstferd. Hvis intensjonen er å øke slget ved t det gis generelt bedre betlingsbetingelser, er vlget drevet v økonomiske motiver og etter vår mening et ikke-opportunistisk rpporteringstferd Resulttkvlitet og effekten på kpitlkostnd Frncis et l. (2008) undersøker smmenhengen mellom frivillig rpportering, resulttkvlitet og kpitlkostnd, og finner t selskper med høy resulttkvlitet i større grd gjennomfører frivillig rpportering enn selskper med lv resulttkvlitet. Blnt selskpene i utvlget er det en tendens til å h både høy resulttkvlitet og stor grd v frivillig rpportering eller ingen v delene. Dette innebærer t resulttkvlitet og frivillig rpportering v tilleggsinformsjon henger smmen og ikke ersttter hverndre. De finner videre t mer frivillig rpportering v tilleggsinformsjon hr en smmenheng med lvere kpitlkostnd, men denne smmenhengen reduseres når de kontrollerer for resulttkvlitet. Dette betyr t det er resulttkvlitet smmen med frivillig rpportering som reduserer kpitlkostnden og ikke frivillig rpportering lene. Frncis et l. (2004) ser på hvordn sju ulike mål på resulttkvlitet påvirker kpitlkostnden til egenkpitlen. De ulike ttributtene er: ) periodiseringskvlitet, 2) vrisjon i resultt over tid, 3) prediksjonsevne, 4) vrisjonen i resulttet i forhold til vrisjonen i kontntstrøm 43

51 (smoothness), 5) verdirelevns, 6) mål på ktulitet (timeliness) og 7) konservtisme. De første fire ttributtene er krkterisert som regnskpsbserte fordi de kun tr utgngspunkt i regnskpstll. Mens de tre siste er mrkedsbserte fordi en her ser på smmenhengen mellom regnskpstll og mrkedsverdier. De finner t periodiseringskvlitet hr størst effekt på egenkpitlkpitlkostnden ved t lvere kvlitet på periodiseringer og på resultt er ssosiert med en høyere egenkpitlkostnd. DeFond og Jimblvo (994) undersøker hvordn selskper som rpporterer brudd på regnskpsbserte lånekontrkter, regerer før og under bruddet. De benytter Jones-modellen på tverrsnitts- og tidsseriedt og finner t både unormle rbeidskpitlperiodiseringer og totle periodiseringer er signifiknt positiv året før brudd på lånebetingelsene. Dette støtter hypotesen om t selskper mnipulerer resulttet opp i perioden før brudd. Det året bruddet skjer, finner de imidlertid negtive unormle periodiseringer. Ifølge DeFond og Jimblvo (994) kn det være to forklringer på dette. For det første vil revisor ofte følge opp rpporteringen grundige dersom selskpet nærmer seg brudd. Selskpet blir derfor nødt til å velge konservtive regnskpsmessige løsninger. For det ndre vil selskpet ofte foret lederskifte når de er i økonomiske vnskeligheter. Den nye lederen kn d h insentiver til å foret big-bth slik t hn eller hun lettere kn vise til gode resultter i senere perioder. Når DeFond og Jimblvo (994) kontrollerer for disse effektene, finner de positive unormle periodiseringer Resulttkvlitet og income smoothing Selskpets mrkedsverdi og ksjekurs bør bestemmes v underliggende økonomiske forhold og ikke v hvordn disse rpporteres regnskpsmessig. Hvis en holder fkt konstnt, skl ksjekursen være upåvirket v vlg v eller endringer i regnskpsprinsipper og estimter. Vrisjonen i resulttkvlitet skl fnges opp i P/E (Gjesdl, 2003). I denne ideelle situsjonen forutsettes det for det første t det er mulig å vdekke vrisjoner i resulttkvlitet. Mrkedsverdien kn ikke forutsettes å reflektere skjulte vrisjoner i kvlitet. For det ndre er det en forutsetning t nlytikere og investorer oppdger de kvlitetsvrisjoner som er synlige. Dette er et spørsmål om mrkedets evne til å vurdere resulttkvlitet. Mnge tviler på ksjemrkedets evne til å vdekke resulttkvlitet og income smoothing (Michelson et l., 2000; Michelson et l., 995). Særlig selskpsledere og finnsnlytikere synes å tro på en mye mer meknisk smmenheng mellom ksjekurs og rpportert resultt. Det sveitsiske storkonsernet Cib Geidy er et godt eksempel for å illustrere hv som menes med meknisk smmenheng mellom ksjekurs og resultt. Cib Geidy gjennomgikk en større 44

52 omorgnisering på begynnelsen v 990-tllet og besluttet i den forbindelse å henvende seg til det internsjonle kpitlmrkedet for å dekke sitt egenkpitlbehov. Som et ledd i denne strtegien ble det bestemt å gå over til IFRS-regler. Ifølge selskpets CFO medførte dette t resultt per ksje økte med 0 CHF og ksjekursen gikk opp 80 CHF. Årsken til dette vr t endring v regnskpsprinsipper forårsket en stigning i selskpets mrkedsverdi. P/E-verdien snk knskje litt, men ikke mye. Det vr med ndre ord liten smmenheng mellom P/E-verdi og resulttkvlitet. Et sentrlt spørsmål i regnskpsteori er om det er noen smmenheng mellom ksjekurs og henholdsvis resulttkvlitet og income smoothing. En betydelig forskningsinnsts hr vært lgt ned de siste årene for å finne svret på dette spørsmålet. Bever og Dukes (973) undersøker om P/E reflekterer resulttkvlitet og finner t vlg v vskrivningspln påvirker P/E-verdien. Crig, Johnson og Joy (987) viser på smme måte t P/E-verdien er vhengig v vrelgervurdering. Funnene i deres studier tyder på t mrkedet er i stnd til å fnge opp forskjeller i resultt som skyldes regnskpsmessige vlg for rpporteringen v vrer og vrige driftsmidler. Foster (977) viser t prising v forsikringsselskper reflekterer urelisert vinning på verdippirer selv om disse ikke fremgår v regnskpet, men må finnes i noter eller fr eksisterende kilder. Likeledes finner Brth og McNichols (994) t miljøforpliktelser påvirker ksjekurs selv om det ikke er gjort vsetninger. Disse studiene bekrefter t verdsettelse v et selskp bør bygge på et bredt spekter v informsjon. Dette kn være årsken til t selskper som foretr income smoothing utrbeider regnskp som gir et bedre vbildning v økonomisk substns enn det regnskpsreguleringen legger opp til. 45

53 6 VERDIRELEVANS I dette kpittelet skl vi gi et innblikk i verdirelevns og verdirelevnsforskning. Vi innleder kpittelet med studien til Bll og Brown (968) som l grunnlget for mrkedsbsert regnskpsforskning og verdirelevnsforskning. Deretter vil vi definere begrepet verdirelevns og hv det innebærer. Vi vil også t for oss verdirelevnsstudier både på internsjonle og norske dt, smt trekke inn kritikk v verdirelevnsstudier. Avslutningsvis vil vi se på verdirelevns i lys v income smoothing og resulttkvlitet, smt gjøre rede for hvordn disse forskningsfeltene henger smmen. Verdirelevns er en del v mrkedsbsert regnskpsforskning (Mrket-Bsed Accounting Reserch - MBAR). Verdirelevns sier noe om hvor relevnt informsjonen som regnskpet gir er for verdsetting. Mrkedsbsert regnskpsforskning er studier som tr til hensikt å ssosiere regnskpsinformsjon med ulike hendelser i kpitlmrkedet (Kothri, 200). Studiene til Bll og Brown (968) og Bever (968) dnner grunnlget for forskningsfeltet mrkedsbsert regnskpsforskning. Studiene tr utgngspunkt i normtiv regnskpsforskning og prøver å besvre følgende spørsmål empirisk: Hvilke regnskpsmessige løsninger gir best vbildning v en økonomisk substns? Hvilke regnskpsmessige løsninger gir størst beslutningsnytte? Bll og Brown (968) vr de første til å gi et vitenskpelig bevis for t regnskpsinformsjon hr effekt på et selskps ksjevkstning. De undersøker hvorvidt endringer i regnskpsmessig resultt bidrr med pris-relevnt informsjon. De undersøker også hvor mye informsjon nettoresulttet inneholder og hvorvidt informsjonen blir benyttet ved tidspunktet den publiseres. Utvlget består v 26 selskper på NYSE-børsen (The New York Stock Exchnge) i perioden 957 til 965 bsert på månedlige ksjekurser. De undersøker selskper som både hr uventet godt resultt (Good News GN) og uventet dårlig resultt (Bd News BD) seprt. Resulttene indikerer t GN-selskper hr en signifiknt positiv mrkedsrespons i måneden resulttet publiseres, mens BN-selskper hr en signifiknt, negtiv mrkedsrespons i måneden resulttet publiseres. Imidlertid viser studien t % v nettoeffekten v informsjonen om resulttet llerede er reflektert i ksjekursene når regnskpet publiseres. Dermed reflekteres ikke den delen v informsjonen som ikke er kjent i mrkedet, det vil si de resterende 0-5 %, før en stund etter publiseringen v regnskpet. Det siste funnet kn være en indiksjon på t mrkedet ikke er fullt effisient. Studien til Bll og Brown (968) l dermed grunnlget for det som senere ble kjent som mrkedsbsert regnskpsforskning. Mrkedsbsert regnskpsforskning kn ifølge Kothri (200) deles i fire spesiliseringer: ) forskning på verdirelevns og informsjonsinnholdet til 46

54 regnskpet, 2) forskning på mrkedseffisiens, hvor regnskpsinformsjon brukes som test på hlvsterk effisiens, 3) forskning på fundmentlnlyse og verdsetting, hvor regnskpsinformsjon inngår som en v flere eksisterende informsjonskilder og 4) forskning på regnskpets rolle i kontrkter og politiske prosesser. Verdirelevns som forskningsfelt fikk gjennomslg først på 990-tllet. Holthusen og Wtts (200) identifiserer 54 verdirelevnsstudier i sin gjennomgng v studier på feltet, og kun tre v disse er publisert før 990. I sin mest generelle form kn begrepet knyttes helt tilbke til Miller og Modiglini (966) sin studie om estimering v kpitlkostnd hos meriknske strømleverndører. Begrepet kom i lminnelig bruk først i begynnelsen v 990-tllet og d i Amir (993) sin studie om mrkedets verdsettelse v regnskpsinformsjon (referert i Brth et l., 200). 6. Definisjon v verdirelevns Regnskpsinformsjonens verdirelevns hr vært et populært forskningsområde internsjonlt i de seneste 25 år. Dette hr medført t det innen verdirelevnslitterturen hr blitt utviklet flere ulike definisjoner v begrepet. To sentrle definisjoner på verdirelevns og verdirelevnsforskning er foreslått v Brth, Bever og Lndsmn (200, s. 95): "( ) the ssocition between ccounting mounts nd equity mrket vlues." og Bever (2002, s. 459): "Vlue-relevnce reserch exmines the ssocition between security-bsed dependent vrible nd set of ccounting vribles. An ccounting number is termed "vlue-relevnt" if it is significntly relted to the dependent vrible." I henhold til Brth et l. (200) kn en regnskpsstørrelse sies å være verdirelevnt dersom den hr en klr og predikerbr ssosisjon med selskpsverdien. Jo sterkere ssosisjonen er, desto større er verdirelevnsen og den potensielle nytten nåværende og potensielle investorer hr ved bruk v regnskpsinformsjonen til estimering v selskpsverdien. Hvis det derimot ikke eksisterer noen ssosisjon mellom regnskpsmessige størrelser og selskpsverdien, kn ikke regnskpsinformsjonen regnes som relevnt. Det er midlertid viktig å presisere t verdirelevns ikke hr som mål å estimere selskpsverdi. Det hr som mål å undersøke om regnskpet gir informsjon som kn være relevnt for verdsetting (Brth et l., 200; Bever, 2002). Videre er det ifølge Brth et l. (200) forskere som er de primære produsentene og brukere v verdirelevnsforskning. Forskernes formål med å gjennomføre 47

55 verdirelevnsforskning er å utvide kunnskpen om relevnsen og påliteligheten v ulike regnskpsmessige størrelser som reflekteres i ksjekursene. Det er en del diskusjon om hv som skl betrktes som verdirelevns. Frncis og Schipper (999) presenterer fire ulike fortolkninger v hv verdirelevns kn være. Fortolkning tre og fire ser på verdirelevns som smmenhengen mellom regnskpsinformsjon og ksjekurs/ksjevkstning: ) regnskpsinformsjonen hr verdirelevns dersom den påvirker ksjekursen ved å rpportere fundmentlverdi (intrinsic vlue), 2) regnskpsinformsjon hr verdirelevns hvis denne informsjonen kn brukes direkte i en verdsettelsesmodell eller være med på å predikere vribler som kn brukes til verdsetting, 3) regnskpsinformsjonen er ssosiert med ksjevkstning over korte perioder rundt publisering v informsjonen og 4) regnskpsinformsjon er ssosiert med ksjekurs eller ksjevkstning over lengre tid. Den siste fortolkningen er den eneste som trdisjonelt hr blitt betrktet som verdirelevnsforskning (Brth, 2000; Brth et l., 200; Bever, 2002). En verdirelevnsstudie må ifølge Brth et l. (200) bestå v to elementer: ) en benchmrk som er ment å reflektere den økonomiske substnsen, for eksempel ksjekurs eller ksjevkstningen og 2) en modell som spesifiserer smmenhengen mellom benchmrk og regnskpsinformsjonen (regnskpsvribler). Førstnevnte vil være den vhengige vribelen, mens sistnevnte vil være den/de uvhengige vribelen(e). Dette er i tråd med definisjonen til Bever (2002, s. 459). Holthusen og Wtts (200, s. 8) legger til t verdirelevnsforskningen må bygge på forutsetning om t ksjemrkedet er rimelig effisient, "(...) it is necessry for ll the studies to ssume t lest tht cpitl mrkets re resonbly efficient." Brth et l. (200, s. 94) deler ikke synet til Holthusen og Wtts (200) og mener t "Vlue relevnce reserch need only ssume tht shre prices reflect investors consensus beliefs. (...) Vlue relevnce reserch does not require ssuming mrket efficiency." Det er dermed ikke nødvendig å forutsette effisiens, men kun t ksjene reflekterer informsjon som nses å være relevnt for investorene. Forutsetningen om mrkedseffisiens er problemtisk, for eksempel er det de siste tiårene rpportert flere funn som viser t ksjemrkedet ikke er effisient og ikke en gng hlvsterkt effisient (Lim & Brooks, 20; Yen & Lee, 2008). Det siste er minstekrvet for å kunne utføre en verdirelevnsstudie. Holthusen og Wtts (200) diskuterer impliksjoner som kn trekkes ut fr verdirelevnsstudier, særlig med fokus på stndrdsetting, men de fleste stndrdsettere ser på verdirelevns som en viktig egenskp for regnskpsinformsjon. Frncis et l. (2004) rgumenterer for t høy verdirelevns er ssosiert med lvere egenkpitlkostnd. Investorer 48

56 oppftter dermed regnskpsinformsjon med høy verdirelevns som en viktig bidrgsyter til lvere risiko. Fr en investors synspunkt vil mindre usikkerhet om informsjonen bety lvere risiko på egenkpitlen og fr et mkroøkonomisk perspektiv vil høy verdirelevns føre til mer investeringer. Regnskpsinformsjon som publiseres v regnskpsprodusentene spiller en betydelig rolle ved llokering v kpitl. Kpitl er en knpp ressurs og fordeles mellom ulike investeringslterntiver på en effektiv måte. Dette betyr t kpitlen må styres mot de investeringsmulighetene som hr minst mulig risiko og høyest mulig vkstning. Ved å gi beslutningsnyttig informsjon som er priset i mrkedet, kn regnskpet bidr en til en mer effektiv ressursllokering mellom investorer. Verdirelevns kn sådn h reelle konsekvenser for en økonomi (Beislnd, 2009). Verdirelevnsen til regnskpsinformsjonen kn både h et kortsiktig og et lngsiktig perspektiv (Frncis & Schipper, 999). I kortsiktige event-studier vil en som oftest se på mulige kurseffekter ved offentliggjøring v ny regnskpsinformsjon (jf. Bll & Brown, 968). En vil d teste smmenhengen mellom mervkstning og uventet resultt over en kort vkstningsperiode rundt publisering v resulttet (oftest bre noen få dger). I lngsiktige ssosisjonsstudier vil en typisk se på årsdt for å identifisere mulige sttistiske smmenhenger mellom regnskpsinformsjon og ksjekurser ved hjelp v OLS (ordinrylest squre regression). Imidlertid er det bre lngsiktige ssosisjonsstudier som klssifiseres som verdirelevnsstudier (Brth et l., 200). Dette skyldes t lngsiktige ssosisjonsstudier måler i hvilken grd regnskpet rpporterer informsjon som er reflektert i ksjekursen og ikke informsjon som påvirker ksjekursen. Slike studier er derfor bedre egnet til å vurdere hvorvidt en regnskpsmessig størrelse fktisk representerer en økonomisk eiendel, forpliktelse, inntekt eller kostnd. I motsetning til kortsiktige event-studier, vil en i lngsiktige ssosisjonsstudier ikke h spesielt fokus på om informsjonen er ny og ktuell (Bever, 2002). 6.2 Verdirelevnsstudier Bever (2002) deler mrkedsbsert regnskpsforskning i fem forskningsfelt: ) mrkedseffisiens, 2) Felthm-Ohlson-modellering, 3) verdirelevns, 4) nlytikers dferd og 5) skjønnsmessig rpportering. Disse er bsert på hv som hr gitt mest bidrg til ny kunnskp innen mrkedsbsert regnskpsforskning. De to første områdene er grunnleggende plttformer som lr oss orgnisere vår tenking om regnskpets rolle i kpitlmrkedene, mens de tre siste områdene inkluderer en eller nnen form for regnskpsstruktur eller individuell dferd. Verdirelevnsforskningen hr noen spesifikke kjennetegn som skiller forskningen fr de ndre 49

57 forskningsfeltene innen mrkedsbsert regnskpsforskning. Bever (2002) definerer to viktige kjennetegn ved verdirelevnsforskning. For det første er verdirelevnsforskning som regel ment å gi informsjon om hvilke regnskpsmessige løsninger som gir best beslutningsnytte. For det ndre hr verdirelevnsforskningen som oftest en klr refernse til konseptuelle rmmeverk og regnskpsstndrder, og krever en inngående kunnskp om stndrdsetting og regnskpsmessige løsninger. Verdirelevns kn ifølge Scott (20, s. 207) deles inn etter hvilken rolle regnskpet hr som informsjonskilde i kpitlmrkedet: informsjonsperspektivet og måleperspektivet. Under informsjonsperspektivet er regnskpet en informsjonskilde i konkurrnse med mnge ndre informsjonskilder i et effisient mrked (i lle fll hlvsterkt effisient mrked). Dette perspektivet inkluderer verdirelevnsstudier og studier v informsjonsinnhold. Eksempler på slike studier kn være kortsiktige event-studier, lngsiktige ssosisjonsstudier og ERC3studier. Under måleperspektivet er regnskpet en informsjonskilde som hr som oppgve å gjøre mrkedet mer effisient ved å presentere informsjon som ligger tett opptil virkelig verdi. Her forventes kpitlmrkedet å være mindre enn hlvsterkt effisient. Verdirelevnsforskning tr utgngspunkt i behovet til nåværende og potensielle investorer, dvs. t verdsettelsesformålet er prioritert (Holthusen & Wtts, 200). I sin gjennomgng v verdirelevnsstudier deler Holthusen og Wtts (200) verdirelevnsforskningen i tre retninger: reltive ssosiction-studier, incrementl ssosition-studier og mrginl informtion content-studier. Reltive ssocition-studier er studier som tester smmenhengen mellom ksjekurs, eller endring i ksjekurs og lterntive resulttmål. I slike ssosisjonsstudier tester en om det er en signifiknt forskjell i forklringskrften, R2, som forteller i hvilken grd ksjekursen eller ksjevkstningen er forklrt v regnskpsmessige størrelser. Regnskpsstørrelser med høyere forklringskrft er mer verdirelevnte. I deres gjennomgng v litterturen utgjør reltive ssosition-studier 24 % v det totle ntllet. Incrementl ssocition-studier undersøker hvorvidt de ulike disggregerte regnskpsmessige størrelsene hr en smmenheng med ksjekurs/ksjevkstning. Her vil en se på hvorvidt ulike komponenter v regnskpsmessig resultt, eller egenkpitl, er verdirelevnte ved hjelp v minste kvdrters metode (heretter OLS). Denne formen for verdirelevnsstudier utgjør 25 % v det totle ntllet. Den siste formen for verdirelevnsstudier, mrginl informtion content-studier, ser på om visse regnskpsmessige størrelser gir ny informsjon for nåværende og potensielle investorer. En 3 Ernings responce coefficient. 50

58 vil typisk bruke kortsiktige event-studier for å se hvorvidt publisering v ny informsjon er ssosiert med endring i ksjekursen/ksjevkstingen i et kort tidsrom rundt publiseringstidspunktet. Gitt t kun % v studiene i Holthusen og Wtts (200) sin review gjennomfører en mrginl informtion content-studie og 94 % gjennomfører en form for ssosisjonsstudie, er mrginl informtion content-studier trolig ikke like sentrlt som ssosisjonstudier for stndrdsettere. Dette er i smsvr med Brth (2000), Brth et l. (200) og Bever (2002) som kun ser på ssosisjonsstudier som verdirelevnsforskning. En del studier hr sett på konsekvensene v mngel på effisiens og impliksjoner det kn h for verdirelevnsforskning. Hvis ksjekursen ikke er effisient, kn det være vesentlige vvik mellom ksjekursen og ksjens fundmentle verdi. Blnt nnet er Holthusen og Wtts (200) oppmerksomme på dette og påpeker t: "(...) if the stock mrket ws inefficient nd the estimtes of the mrket vlue of investment securities in stock price were poor, why should the FASB wnt to use those implicit vlues s benchmrks?" Tnken her er t en ssosisjon mellom regnskpet og en potensielt feilpriset ksje ikke vil gi noen som helst informsjon om regnskpets beslutningsnytte. Lee (200) deler synet til Holthusen og Wtts (200) og uttrykker t en ikke lenger kn h en niv tro på t mrkedet er effisient. Hn foreslår bruk v ndre benchmrk enn ksjekurs når en skl vurdere regnskpsinformsjon, for eksempel bruk v estimter på fundmentlverdi. Aboody, Hughes og Liu (2002) gjør et forsøk på dette, ved å justere ksjekursen i noen måneder etter regnskpsårets slutt. Denne justeringen g vesentlig høyere verdirelevns. I tillegg foreslår de ndre mål enn ksjekurs, for eksempel nlytikeres estimt på fremtidige resultter (nlyst forecst) og ledelsens egne prognoser for fremtidig resultt (mngement forecst) Verdirelevnsstudier på norske dt Omfnget v verdirelevnsforskning på norske dt er ikke like omfttende som på meriknske dt, men det eksisterer noen få studier på norske dt. For eksempel Gjerde, Knivsflå og Sættem (2008), som undersøker hvorvidt regnskp utrbeidet etter IFRS er mer verdirelevnt enn regnskp utrbeidet etter NGAAP. Studien tr for seg 45 selskper på Oslo Børs for året IFRS ble innført i Norge i 2005 og smtidig ble lle norske børsnoterte selskper pålgt å utrbeide et regnskp etter IFRS og smtidig vise vvikene (resttements) mellom et IFRS-regnskp og et NGAAP-regnskp. Gjerde et l. (2008) finner lite støtte for t regnskp utrbeidet etter IFRS er mer verdirelevnt enn regnskp utrbeidet etter NGAAP, når regnskpsregimene vurderes hver for seg. Imidlertid finner de t regnskpsført 5

59 egenkpitl rpportert etter IFRS er mrginlt mer verdirelevnt smmenlignet med regnskpsført egenkpitl rpportert etter NGAAP. Beislnd og Knivsflå (203) gjør en oppfølgingsstudie til Gjerde et l. (2008), hvor de nlyserer om overgngen fr NGAAP til IFRS hr økt verdirelevnsen. I studien tr de for seg fire år før og etter innføring v IFRS og ser på endringen i verdirelevnsen til resulttet og blnsen. De finner t i regnskp ført etter IFRS er det sterkere ssosisjon mellom blnsen og ksjekurs, enn regnskp ført etter NGAAP. Dette skyldes t bokførte verdier rpporteres nærmere virkelig verdi i IFRS. Dermed hr blnseregnskp ført etter IFRS høyere verdirelevns. Videre finner de t nettoeffekten v IFRS på resulttet ikke er signifiknt. Dette begrunner de med t verdirelevnsen til resulttet vtr ved bruk v virkelig verdi. Studien til Gjerde, Knivsflå og Sættem (20) utgjør trolig den mest oppfttende nlysen og utviklingen v verdirelevnsen til norsk regnskpsinformsjon over tid. Studien fokuserer på verdirelevnsen til norsk regnskpsinformsjon til norske børsnoterte selskper over en periode på 40 år ( ) og frem til innføringen v IFRS. Gjerde et l. (20) bruker både prismodellen, vkstningsmodellen og en modell med unorml vkstning forklrt v endring i årsresulttet for å kunne nlysere verdirelevnsen. Studien konkluderer med t både blnsen og resulttregnskpet hr økt sin verdirelevns over tid. Dette er i smsvr med Beislnd (200), som også konkluderer med t verdirelevnsen til norsk regnskpsinformsjon, og dermed dens beslutningsnytte for potensielle investorer, synes å være økende over tid. Imidlertid viser studier på meriknske dt t blnsens verdirelevns hr økt på bekostning v resulttregnskpets verdirelevns (Frncis & Schipper, 999). Gjerde et l. (20) forklrer vviket med t norske regnskpsregler hr trdisjon for å være mer resulttorienterte enn meriknske regnskpsregler, som nses å h et mer blnseorientert rmmeverk. Gjerde et l. (20) nlyserer i sin studie fire store begivenheter i perioden som hr bidrtt til å forme norske regnskpsregler. De fire begivenhetene som studeres er: ) innføring v regnskpsloven v 977, 2) innføring v ikke-skttepliktig egenkpitl i 984, 3) innføring v utstt sktt i 992 og 4) innføring v regnskpsloven v 998. Av disse fire begivenhetene er det innføringen v regnskpsloven v 998 som hr htt størst og sttistisk mest signifiknt effekt på verdirelevnsen. Den viktigste endringen i regnskpsloven v 998 vr t likvide finnsielle instrumenter heretter skulle blnseføres til virkelig verdi. Dette vviket fr historisk kost-prinsippet økte isolert sett regnskpsinformsjonens verdirelevns 52

60 (Gjerde et l., 20). Innføringen v utstt sktt hr også medført t verdirelevnsen til norsk regnskpsinformsjon hr økt Kritikk v verdirelevnsstudier Til tross for den store oppslutningen verdirelevns hr fått i regnskpsforskningen de senere år, hr forskningsfeltet vært utstt for en del kritikk, spesielt fr Holthusen og Wtts (200). De identifiserer tre ntgelser i verdirelevnsforskning som de mener ikke smsvrer med FASB sitt rmmeverk. For det første fokuserer verdirelevnsforskning hovedskelig på investorene og deres informsjonsbehov, mens FASB identifiserer både investorer og kreditorer som regnskpets primærbrukere (FASB, 978:24). Holthusen og Wtts (200) rgumenterer for t ndre brukergrupper, for eksempel stndrdsettere, ikke hr noe beslutningsnytte v verdirelevnsforskning. For det ndre bruker verdirelevnsforskning ksjekurs for å måle investorenes bruk v informsjon til å verdsette selskper. Holthusen og Wtts (200) rgumenterer t problemet med dette er t ksjekursene reflekterer den smlede informsjonen til lle investorer. Det er lite snnsynlig t en enkelt investor hr kjennskp til ll denne informsjonen. Dette er ikke i tråd med FASB sitt rmmeverk, som fokuserer på informsjonsbehovet til hver enkelt investor. En tredje ntgelse i verdirelevnsforskningen er t dersom en regnskpsstørrelse er verdirelevnt betyr dette t den er både relevnt og pålitelig. Holthusen og Wtts (200) rgumenterer for t selv om en regnskpsstørrelse er signifiknt ssosiert med ksjekursen, betyr ikke dette nødvendigvis t den tilfredsstiller FASB sitt krv til verifiserbrhet. Verifiserbrhet skl bidr til å forsikre brukere om t den finnsielle informsjonen som er presentert i regnskpet fktisk representerer det den skl representere. De rgumenterer videre for t verifiserbrhet ikke vil være ivrettt i verdirelevnsstudier som følge v bis (skjevhet). Dette kn knyttes til både målefeil og mnipulering fr ledelsens side. Dermed kn ikke feilktig rpportering etterprøves og de blir d heller ikke oppdget. Videre kritiserer Holthusen og Wtts (200) også verdsettelsesmodellene som blir brukt i verdirelevnsforskningen. Blnt nnet mener de t disse bygger på for strenge forutsetninger, som for eksempel forutsetninger om perfekte og komplette mrkeder. I slike mrkeder vil det ikke være behov for finnsiell rpportering, ettersom det ikke eksisterer noen informsjonssymmetri og informsjonskostnder. I tillegg kritiserer Holthusen og Wtts (200) verdirelevnsmodeller for å være lineære og t de ikke tr hensyn til mervkstning (post-nnouncement drift). Holthusen og Wtts (200) rgumenterer for også t en skl være forsiktig med tolke den regnskpsmessige løsningen med mest verdirelevns som den 53

61 løsningen som gir mest beslutningsnytte. De legger til grunn t den optimle løsningen for investorene ikke nødvendigvis er den optimle løsningen for ndre brukere eller for smfunnet som helhet. Regnskpsinformsjon skl dekke mnge ulike brukergruppers behov og disse er ikke nødvendigvis smmenfllende. I tillegg kn en ikke forutsette t høy verdirelevns bidrr til pålitelighet. Wytt (2008, s. 208) deler synet til Holthusen og Wtts (200) og hevder t det er begrenset hv mn kn lære om pålitelighet på bkgrunn v en verdirelevnstest. Hun mener t pålitelighet burde testes direkte, men t dette er vnskelig og t det sjelden skjer i verdirelevnsstudier. Brth et l. (200) svrer på kritikken, eller det de omtler som misoppftninger når det gjelder forskning på verdirelevns fr Holthusen og Wtts (200), ved å hevde t selv om verdirelevnsforskning ikke er nødvendig eller tilstrekkelig for stndrdsetting minsker det ikke dens relevns for stndrdsettere. Verdirelevnsforskning er utformet for å kunne gi stndrdsettere en oppftning om hvordn regnskpsmessige størrelser er reflektert i ksjekurser. Dette kn i sin tur være med på å gi stndrdsettere nyttig informsjon ved overveielse v ulike regnskpsstndrder. Resultter på verdirelevns kn derfor ikke brukes direkte til stndrdsetting, men kn gi støtte for stndrdsetting. Brth et l. (200) presiserer t verdirelevns ikke er det smme som beslutningsrelevns. Regnskpsinformsjon kn være verdirelevnt uten å være beslutningsrelevnt, for eksempel hvis det eksisterer nyere og mer oppdtert informsjon. Brth et l. (200) svrer også på kritikken mot verdirelevnsmodeller ved å si t disse er gode nok. Blnt nnet påpeker de t selv om Ohlson-modellen forutsetter perfekte kpitlmrkeder, tillter den imperfekte produktmrkeder for et endelig ntll perioder. Videre rgumenterer de også for t modellen tr hensyn til mervkstning. For eksempel ved å forklre t en viktig funksjon ved Ohlson-modellen og dens utvidelser er t mervkstningen for et endelig ntll perioder fnges opp v persistensprmeterne på unorml resultt. Brth et l. (200) er enig i kritikken fr Holthusen og Wtts (200) t ingen v verdsettelsesmodellene eksplisitt utleder en optiml regnskpssystem eller behovet for regnskpsinformsjon. Imidlertid utelukker ikke dette nytten v bruk v verdsettelsesmodeller for verdirelevns v ulike regnskpsmessige størrelser eller gi innsikt som er relevnt for stndrdsettere. 6.3 Verdirelevns og income smoothing Income smoothing er som nevnt en rpporteringsstrtegi hvor hensikten er å dempe svingningene i selskpets oppnådde resultter (Ronen & Yri, 2008, s. 335). En rekke studier hr sett på smmenhengen mellom income smoothing og verdirelevns, og særlig om 54

62 selskper som foretr income smoothing hr lvere eller høyere verdirelevns i resulttet. Smmenhengen mellom income smoothing og verdirelevns er viktig både for forskere og regnskpsstndrdsettere, siden det er reltert til det gjentkende spørsmålet i forskningen om hvor mye regnskpsmessig skjønn ledelsen bør h ved regnskpsrpportering (Zrowin, 2002). Hvis ledelsen bruker income smoothing til å gjøre resultter mer informtive innebærer det t regnskpsmessig skjønn er hensiktsmessig (Schipper, 989). En rekke studier bruker begrepet ernings informtiveness (resulttets informsjonsinnhold), men dette kn likestilles med begrepet verdirelevns. Utbredelsen v income smoothing hr blitt dokumentert i flere tiår, men effekten det hr på resulttets verdirelevns er i stor grd ukjent. På den ene siden øker income smoothing resulttets verdirelevns hvis ledelsen bruker income smoothing til å kommunisere sin forventning om fremtidige resultter. På den ndre siden reduserer income smoothing resulttets verdirelevns hvis ledelsen bevisst bruker income smoothing til å forvrenge regnskpstll. Hvilken effekt som er den dominerende er fortstt et spørsmål (Tucker & Zrowin, 2006). Hunt, Moyer og Shevlin (2000) undersøker income smoothing ved å teste verdirelevnsen til ulike kilder som bidrr til income smoothing. Disse kildene er svingninger i kontntstrømmen, svingninger i skjønnsmessige periodiseringer og ikke-skjønnsmessige periodiseringer. Resulttene deres viser t skjønnsmessig periodiseringer, som er en del v income smoothing, bidrr til å øke resulttets verdirelevns. Dette er i smsvr med funnene til Zrowin (2002), som undersøker hvorvidt income smoothing gjør ksjekursen mer informtiv. Hn bruker to mål på income smoothing, den ene er korrelsjonen mellom endring i periodiseringer og kontntstrøm, mens den ndre er spredningen i resulttet sklert på spredningen i kontntstrømmen. Hn finner t ksjekurser i selskper som foretr income smoothing hr høyere informsjonsinnhold om fremtidige resultter og dermed høyere verdirelevns. Ifølge Wrfield, Wild og Wild (995) forsterkes denne effekten jo høyere ndel ksjer ledelsen hr i selskpet. Tucker og Zrowin (2006) tr utgngspunkt i studien til Collins, Kothri, Shnken og Slon (994) og undersøker empirisk hvorvidt income smoothing forbedrer verdirelevnsen v tidligere, nåværende og fremtidige resultter. Dette gjør de ved å undersøke smmenhengen mellom inneværende års ksjevkstning og fremtidig resultt (Future Ernings Response Coeffisient - FERC) for selskper som foretr income smoothing eller ikke. Income smoothing måles som den negtive korrelsjonen mellom et selskps endring i 55

63 skjønnsmessige periodiseringer og forhåndsgitte prognoser for fremtidig resultt. Høyere negtiv korrelsjon vil indikere mer income smoothing. Tucker og Zrowin (2006) finner t resulttet til selskper med mer income smoothing hr mer informsjon om fremtidige resultter, enn resulttet til selskper som hr mindre income smoothing. Studien dokumenterer empirisk t ledelsen bruker skjønn gjennom regnskpsinformsjonen til å vdekke informsjon om fremtidige resultter og kontntstrømmer. Dette er i smsvr med tidligere forskning v Zrowin (2002), som finner t selskper som foretr income smoothing hr både mer verdirelevnte resultter og kontntstrømmer, noe som tyder på t income smoothing fører til mer informtive regnskper. Tidligere forskning som ser på forholdet mellom income smoothing og verdirelevns viser tvetydige resultter. Imidlertid er forskningen i fvør v t income smoothing øker verdirelevnsen hvis ledelsen bruker skjønn til å formidle informsjon om fremtidige resultter. 6.4 Verdirelevns og resulttkvlitet Verdirelevns og resulttkvlitet kn ses på som to sentrle tilnærminger for å måle regnskpskvlitet. Verdirelevns tester smmenhengen mellom regnskpsstørrelser og ksjekurser, mens måling v resulttkvlitet gjøres for å finne grd v regnskpsmessig støy i resulttet. Studier som ser på forholdet mellom verdirelevns og income smoothing viser tvetydige resultter om hvordn income smoothing påvirker resulttets verdirelevns. Bever (2002) hevder t ernings mngement kn forbedre eller forverre kvliteten på resulttet. Income smoothing som er en del v ernings mngement kn dermed også forbedre eller forverre kvliteten på resulttet. Teoretisk sett burde ssosisjonen mellom selskpsverdi og resultt være sterkere jo høyere kvliteten på resulttet er. Michelson et l. (2000) viser t selskper som foretr income smoothing i visse tilfeller hr høyere ksjevkstning enn selskper som ikke foretr income smoothing. Mens i ndre tilfeller hr selskper som foretr income smoothing lvere ksjevkstning enn selskper som ikke foretr income smoothing (Michelson et l., 995). En mulig forklring på dette kn være t selskper som foretr income smoothing hr høyere ksjevkstning når resulttet er v høy kvlitet. Det er ikke gitt t lvere vribilitet i resulttet medfører høyere resulttkvlitet. Dette innebærer t nlytikere og investorer bør vurdere både om selskpet foretr income smoothing og kvliteten på resulttet ved en verdsettelse v selskpet (Bo & Bo, 2004). 56

64 7 HYPOTESER Utbredelsen v income smoothing hr blitt dokumentert i flere tiår. Likevel er det fortstt uenighet om effekten det hr på resulttets verdirelevns (Tucker & Zrowin, 2006). Ved gjennomgngen v forskningslitterturen hr vi lært t income smoothing hr både negtive og positive undertoner. Det vil si t income smoothing utføres enten til ) å villede en eller flere interessentgrupper ved å utrbeide et regnskp som ikke reflekterer økonomisk substns, eller til 2) å opplyse en eller flere interessentgrupper bedre enn regnskpsreguleringen foreskriver ved å utrbeide regnskp som gir relevnt og pålitelig informsjon om økonomisk substns (Bkss & Stenheim, 205, s. 394). Av den grunn kn income smoothing h negtive og positive effekter på rpporteringen. Negtiv income smoothing vil som regel være opportunistisk i den forstnd t ledelsen oppnår fordeler ved å rpportere resultt som er forventet å villede en eller flere interessentgrupper. Dette vil være i tilfeller hvor ledelsen for eksempel justerer regnskpsmessig resultt for å urettmessig påvirke utfllet v vlønningskontrkter som enten direkte eller indirekte er bestemt v dette resulttet. I litterturen ser vi ofte definisjoner v income smoothing som hr klre refernser til symmetrisk informsjon. I prksis vil noen sitte med mer og bedre informsjon enn ndre. Som oftest sitter ledelsen med mest og best informsjon om selskpet. Ved å utføre income smoothing kn ledelsen utnytte denne informsjonssymmetrien på bekostning v ndre. En slik rpporteringsstrtegi skper støy i regnskpet og forringer beslutningsnytten til regnskpsinformsjonen. Dersom income smoothing fører til upålitelig regnskpsinformsjon og kpitlmrkedet er effisient nok til å fnge det opp, vil dette redusere verdirelevnsen til resulttet. Christensen, Hoyt og Pterson (999) sine funn støtter hypotesen om t opportunistisk income smoothing er ssosiert med et mindre informtivt resultt, målt som lvere ERC. Denne smmenhengen gjelder også når de kontrollerer for usikkerhet. Positiv income smoothing kn imidlertid bidr til mer og bedre informsjon. Med mer og bedre informsjon menes informsjon som gir et bedre beslutningsgrunnlg og/eller en bedre vbildning v økonomisk substns enn det regnskpsreguleringen legger opp til. Ledelsen kn for eksempel h insentiver til å signlisere sine privte forventninger til ndre interessenter. Denne formen for income smoothing er ikke-opportunistisk og kn bidr til å øke verdirelevnsen til resulttet. 57

65 Flere forskere hr påvist t selskper som foretr income smoothing hr større verdirelevns enn tilsvrende selskper som ikke gjør det (Bo & Bo, 2004; Michelson et l., 2000). På bkgrunn v oppsummeringen v tidligere forskning på income smoothing og verdirelevns, ntr vi t verdirelevnsen til resulttet er høyere i selskper som foretr income smoothing enn i selskper som ikke foretr income smoothing. H: Verdirelevnsen til resulttet er høyere for selskper som foretr income smoothing enn for selskper som ikke foretr income smoothing. Regnskpsinformsjonen som selskpene rpporterer benyttes blnt nnet til å verdsette selskpet. Kvliteten på regnskpet, herunder resulttet, er en viktig del v grunnlget for denne verdsettelsen. Hypotesen om effisiente mrkeder tilsier t ll informsjon som kn si noe om fremtidige resultter gjenspeiles i ksjekursen. Verdirelevnsen til resulttet er høy i den grd informsjonen i årsregnskpet om periodens resultt gir et godt grunnlg for å predikere fremtidige resultter. Et selskp som ngir forventninger om konkrete resulttstørrelser hr åpenbrt gitt informsjon om selskpets fremtidsutsikter. Fremtidsutsikter kn være knyttet blnt nnet til mrkedsndeler, netto slg, mrginer, fortjeneste per ksje og informsjon om lngsiktige målsetninger. Går selskpet godt vil investorer være med på oppturen for å kunne t del i gevinsten. Går det dårlig vil investorer ikke være med på denne nedturen. Investorer hr derfor et behov for best mulig informsjon om selskpet, slik t de kn vurdere risikoen nøye før de tr et vlg. Høy resulttkvlitet bør derfor ligge til grunn for eventuelle uttlelser om fremtiden. Kvliteten på resultt vil videre være høy i den grd det er frvær v estimeringsfeil i periodiseringene. Periodiseringene bseres på ntkelser og estimter som korrigeres i fremtidige regnskp (dersom de er feil). Estimeringsfeil og de påfølgende korreksjonene reduserer nytten v periodiseringer. Dette svekker kvliteten på periodiseringer og øker regnskpsmessig støy. Dette vil i sin tur føre til en svkere smmenheng mellom resultt og ksjekurs. På bkgrunn v dette er det rimelig å nt t jo høyere periodiseringskvliteten er, desto høyere vil verdirelevnsen til resulttet være. Hypotese 2: Verdirelevnsen til resulttet er høyere i selskper som hr høy periodiseringskvlitet enn i selskper som hr lv periodiseringskvlitet. 58

66 En rekke empiriske studier v income smoothing og resulttkvlitet retter fokuset mot ksjevkstning og regnskpsmessig resultt over tid. Noen studier viser klre tendenser mot smmenhengen mellom ksjevkstning og regnskpsmessig resultt øker betydelig over lnge tidsintervller, smmenlignet med observsjoner gjort for korte intervller (Eston, Hrris, & Ohlson, 992). Income smoothing er en rpporteringsstrtegi som utføres over tid. Selskper som rpporterer jevn resulttvekst, prises med en premie, og størrelsen på denne premien øker med lengden på den uvbrutte vekstperioden (Brth et l., 999). På bkgrunn v dette er det rimelig å nt t verdirelevnsen til resulttet er høyere i selskper med jevne resultter enn ndre selskper. Andre studier hr kommet frem til t resulttets evne til å forklre vrisjonen i ksjevkstning hr begrenset nytte. Lev (989) refererer til resultter som viser t regnskpsmessig resultt kun forklrer mellom 5-0% v ksjevkstning. Hn rgumenterer for t grunnen til den lve forklringsevnen er den generelt lve kvliteten på resulttet. Det er derfor grunn til å tro t selskper som hr jevne resultter hr høy resulttkvlitet. Selskper med jevne resultter og med høy resulttkvlitet forventes å fortsette å h stbile resultter inn i fremtiden og verdsettes dermed høyere enn ndre selskper. På bkgrunn v gjennomgng v tidligere forskning mener vi t det er forsvrlig å nt t verdirelevnsen til resulttet er høyere i selskper som foretr income smoothing og hr høy resulttkvlitet enn i ndre selskper. Hypotese 3: Verdirelevnsen til resulttet i selskper som foretr income smoothing og hr høy resulttkvlitet, er høyere enn for ndre selskper. 59

67 8 METODE I dette kpittelet vil vi presentere den metodiske tilnærmingen som er benyttet for å besvre problemstillingen i studien. Vi vil strte med å presentere de ulike tilnærmingene for å måle verdirelevns, income smoothing og resulttkvlitet. Deretter redegjør vi for en modertornlyse og vslutter med å presentere de modellene vi velger å bruke i vår studie, smt redegjøre for dtinnsmlingen og utvlget vårt. 8. Verdirelevns En verdirelevnsstudie må bestå v to elementer: ) en benchmrk som er ment å reflektere økonomisk substns, for eksempel ksjekurs eller ksjevkstning og 2) en modell som spesifiserer smmenhengen mellom ulike regnskpsstørrelser og benchmrk (Brth, 2000). For å kunne undersøke smmenhengen mellom et selskps virkelig verdi og ulike regnskpsstørrelser, må en først opersjonlisere begrepet "virkelig verdi". Aksjekurser reflekterer de smlede forventingene til investorer og dermed bør mrkedsverdi nts å være virkelig verdi. Videre må en h en verdsettelsesmodell som kobler ksjekursen, ltså mrkedsverdien, til ulike regnskpsstørrelser som det nts t investorer verdsetter (Brth, 2000). Ved verdsetting v en ksje vil det rsjonelle være å sette ksjens verdi lik forventet nåverdi v fremtidig ksjevkstning. Imidlertid er det vnskelig å vite hv fremtidig ksjevkstning vil være, men verdsettelsesmodeller kn gi oss en ntydning på forventet nåverdi v fremtidig ksjevkstning på bkgrunn v llerede kjent regnskpsinformsjon. Det er i hovedsk tre verdsettingsmodeller som er blitt brukt som grunnlg for regresjonsmodeller i verdirelevnsstudier: ) resulttmodellen (Miller & Modiglini, 966), 2) blnsemodellen (Brth, 99; Lndsmn, 986) og 3) Felthm-Ohlson-modellen (Felthm & Ohlson, 995). Vi vil nå gjennomgå de mest brukte verdsettingsmodellene innen verdirelevnsforskningen. Vi vil også se på hvorfor og hvordn en bør kontrollere for størrelseseffekter i regresjonsnlyser. Til slutt vil vi se på bruken v R2 innen verdirelevnsforskningen og knytte verdirelevns opp mot mrkedseffisiens. 8.. Verdsettelsesmodeller Resulttmodellen I resulttmodellen kn mrkedsverdien til et selskp uttrykkes som regnskpsmessig resultt dividert på diskonteringsrenten: 60

68 MVt X*t hvor MVt Mrkedsverdien ved tidspunkt t. X*t Nettoresultt for periode t. r Diskonteringsrenten. Dersom det eksisterer risiko og investorer er risikoverse, må diskonteringsrenten være risikojustert. len er enkel å bruke, men bygger på en del strenge forutsetninger, bl.. perfekte og komplette kpitlmrkeder, konstnt diskonteringsrente på tvers v selskper og over tid, og det forutsettes heller ingen vekst. Resulttet utbetles hvert år som vkstning og tilsvrer endring i nåverdi. I tillegg forutsettes det t resulttet enten er permnent eller følger en rndom wlk. I sistnevnte forventes neste års resultt å være lik årets resultt pluss et normlfordelt feilledd, ε. Alle disse forutsetningene vil i større eller mindre grd være brutt. Mrkeder er ikke perfekte og komplette, og de siste tiårene er det rpportert funn som viser t i prksis vil ikke mrkeder være mer enn hlvsterkt effisient. Diskonteringsrenten vil ikke være konstnt og vil vvike på tvers v selskper og tid, for eksempel som følge v risiko. Resulttet vil heller ikke være permnent og vil ikke følge en rndom wlk. Typisk vil resulttet bestå v en rekke vedvrende og mindre vedvrende inntekter og kostnder. I tillegg måler ikke resulttet endring i nåverdi. En kn si t modellen bygger på urelistiske strenge forutsetninger, men til tross for dette blir modellen mye brukt for å utlede regresjonsmodeller innen verdirelevnsforskning (Brth, 2000). Blnsemodellen Blnsemodellen uttrykker mrkedsverdien v egenkpitlen som differnsen mellom mrkedsverdien v eiendelene og mrkedsverdien v gjelden: MVEt MVA*t MVL*t hvor MVEt Mrkedsverdien v egenkpitl ved tidspunkt t. MVA*t Mrkedsverdien v eiendeler ved tidspunkt t. MVL*t Mrkedsverdien v forpliktelsene ved tidspunkt t. Tnken bk blnsemodellen er t verdien v et selskp skl være lik nåverdien v fremtidige kontntstrømmer generert v eiendelene. I likhet med resulttmodellen, er blnsemodellen enkel og bygger på urelistiske strenge forutsetninger, bl.. perfekte og komplette mrkeder. 6

69 Det forutsettes også t lle eiendeler og forpliktelser innregnes, inkludert immterielle eiendeler og usikre forpliktelser. Disse forutsetningene er også i større eller mindre grd brutt. Som nevnt er ikke mrkeder perfekte og komplette, og ikke lle eiendeler og forpliktelser innregnes på blnsen. I tillegg innregnes de færreste eiendeler og forpliktelser til mrkedsverdi, d det sjelden eksisterer sikre observerbre mrkedsverdier. De fleste forutsetningene er ltså brutt, men til tross for dette blir blnsemodellen mye brukt i verdirelevnsforskning (Brth, 2000). Felthm-Ohlson-modellen Felthm-Ohlson-modellen (995), også klt residul income-modellen, er den mest brukte modellen innen verdirelevnsforskning (Brth, 2000). len er en omskrevet dividendemodell og måler verdien v egenkpitlen som blnseført verdi med tillegg for nåverdien v merinntjening (residul income). Det siste innebærer resultt utover det forventede resultt. len uttrykkes som følger: hvor MVt Mrkedsverdien v egenkpitl ved tidspunkt t. Yt Bokført verdi v egenkpitl ved tidspunkt t. Yt Bokført verdi v egenkpitl ved tidspunkt t-. Xt Unorml resultt i periode t. Xt Nettoresultt i periode t. Rk Diskonteringsfktoren, ett pluss diskonteringsrenten. I likhet med resulttmodellen og blnsemodellen, bygger Felthm-Ohlson-modellen på forutsetningen om perfekte og komplette mrkeder, i tillegg til t kongruensprinsippet er ivrettt (clen surplus ccounting). Kongruensprinsippet innebærer t lle endringer fr inngående blnse til utgående blnse skl fremkomme i regnskpsmessig resultt. På den måten vil lle endringer i egenkpitl, med unntk v kpitlinnskudd og -uttk, være ført over regnskpsmessig resultt. len bygger også på forutsetning om estimter på fremtidig merinntjening. Disse estimtene, og estimter om fremtidig dividende, vil være krevende å fremskffe og ikke særlig relistiske. For å kunne bruke modellen i prksis utvidet Ohlson (995) modellen for å kunne estimere fremtidig merinntjening ved å inkludere forutsetninger for hvordn regnskpsmessig resultt 62

70 og unorml inntjening utvikler seg over tid. Blnt nnet forutsetter Ohlson-modellen t merinntjening følger en utoregressiv prosess, dvs. årets merinntjening forutsettes å påvirke neste års merinntjening og neste års merinntjening forutsettes å påvirke merinntjening i året etter osv., men denne effekten vil konvergere mot null. I tillegg åpner hn også for nnen ikke-regnskpsmessig informsjon som kn være med på å forklre mrkedsverdien. Hn forutsetter t disse også følger en utoregressiv prosess. Disse forutsetningene betegnes som informtion dynmics og med bkgrunn i disse utledet Ohlson (995) følgende modell: Hvor ϕ er en funksjon v diskonteringsfktoren og v er nnen informsjon (restledd). k er en funksjon v diskonteringsfktoren og vrigheten v unorml inntjening, og bestemmer vektingen v bokført verdi v egenkpitl (BVE) og regnskpsmessig resultt (NI). k vil vriere på tvers v selskper og tid, dermed vil vektingen v BVE og NI være forskjellig på tvers v selskpene (Brth, 2000). Mrkedsverdien til egenkpitlen kn dermed ses som et vektet gjennomsnitt v egenkpitl og resultt i Ohlson-modellen. Fordelen med Ohlson-modellen er t den gir riktig estimt på selskpsverdi uvhengig v de regnskpsmessige løsninger som er vlgt. Dette skyldes t modellen bserer verdsettingen på kjente regnskpsstørrelser (bokført egenkpitl og resulttet). Brth (2000) identifiserer fire fordeler ved den utvidede Ohlson-modellen: ) modellen spesifiserer hvordn en kn estimere selskpsverdi på bkgrunn v regnskpsstørrelser (i stedet for å stole på mrkedsverdier), 2) tidligere forskning hr vist t mrkedet ikke fullt ut er effisient og med Ohlson-modellen kn en teste hvorvidt ksjene er under- eller overpriset som følge v informsjonssymmetri, 3) modellen gjør det mulig å skpe en direkte smmenheng mellom regnskpsnlyse og verdsetting og 4) modellen hr skpt betydelig interesse blnt regnskpsforskere og blir kontinuerlig testet og utvidet. Verdsettelsesmodellene som hr blitt gjennomgått i dette delkpittelet dnner grunnlget for regresjonsmodeller som brukes i verdirelevnsforskning. Regresjonsmodeller undersøker smmenhengen mellom ksjekurser eller ksjevkstning og regnskpsinformsjon direkte, og kn derfor måle verdirelevns. Vi vil komme nærmere inn på de ulike regresjonsmodeller i neste delkpittel Regresjonsmodeller I denne studien ønsker vi undersøke hvordn income smoothing og resulttkvlitet påvirker verdirelevnsen til regnskpsmessig resultt. Dette kn blnt nnet gjøres ved å se på 63

71 forklringskrften i en regresjonsnlyse. Det er særlig to sett v regresjoner som er ktuelle: ) price-book-ernings regresjon og 2) return-ernings regresjon. Disse regresjonsmodellene skl vi beskrive i det følgende. Price-book-ernings regresjon (price-level-modell) En v de mest kjente regresjonsmodellene i verdirelevnsforskning er price-erningsregresjon, også omtlt price-level-modell fordi ksjekurs er den vhengige vribelen. Regresjonen tester smmenhengen mellom ulike regnskpsvribler og ksjekurs. Regresjonen er spesifisert per ksje siden vriblene i regresjonen skleres med ntll ksjer (Beislnd, 2008). Vi vil se nærmere på skleffekter i delkpittel Price-ernings regresjonen kn uttrykkes som følger: Pi,t α0 α Xi,t εi,t hvor Pi,t Aksjekurs på for selskp i, tidspunkt t. Xi,t Resultt per ksje for selskp i, periode t. εi,t Feilledd for selskp i, tidspunkt t. Regresjonskoeffisienten, α, viser hvorvidt endring i ksjekurs smsvrer med endring i resultt per ksje (Stenheim, 202). Residulen, εi,t, representerer vviket mellom fktisk ksjekurs og predikert ksjekurs, ved hjelp v regnskpsmessig resulttet. Forklringskrften, R2, forteller i hvilken grd regnskpsmessig resultt per ksje kn forklre vrisjonen i ksjekursen, på tvers v selskper og over tid. Regnskpsmessig resultt er verdirelevnt hvis regresjonskoeffisienten, α, er signifiknt forskjellig fr null og med predikert fortegn, gitt t mn legger informsjonsperspektivet til grunn. Dersom mn legger måleperspektivet til grunn, vil predikert koeffisient være r, hvor r er diskonteringsrenten (Kothri, 200). Hvis smmenhengen mellom ksjekurs og regnskpsmessig resultt er signifiknt (og med predikert fortegn), vil det gi støtte for t regnskpsmessig resultt til en viss grd gir pålitelig informsjon. I en price-book regresjon nlyseres smmenhengen mellom mrkedsverdien til egenkpitlen og den bokførte verdien til egenkpitlen. Price-book regresjonen kn uttrykkes som følger: Pi,t α0 αbvsi,t εi,t hvor 64

72 Pi,t Aksjekurs til selskp i, på tidspunkt t. BVSi,t Bokført verdi per ksje til selskp i, i periode t. εi,t Feilledd for selskp i, i periode t. Regresjonene bygger på regresjonsforutsetningene (Berry, 993), i tillegg til informtion dynmics og perfekte og komplette mrkeder. På bkgrunn v residul income-modellen, viser Ohlson-modellen t ksjekurs kn estimeres som en funksjon v bokført verdi v egenkpitl og resultt. Regnskpsmessig resultt blir d inkludert som en vribel i modellen og vi får en price-book-ernings-modell: Pi,t α0 αbvsi,t α2epsi,t εi,t hvor Pi,t Aksjekurs for selskp i, på tidspunkt t. BVSi,t Bokført verdi per ksje for selskp i, i periode t. EPSi,t Resultt per ksje for selskp i, i periode t. εi,t Feilledd for selskp i, i periode t. Return-ernings-modell (price-chnge-modell) De regresjonene som er gjennomgått tr utgngspunkt i verdsettelse v egenkpitlen til et selskp. Dette er et viktig punkt for investorer ved kjøp og slg v ksjer. Når en investor derimot hr investert i en ksje, eller i en portefølje v ksjer, er det ikke verdsettelse v egenkpitlen som er i fokus, men vkstning på denne egenkpitlen (Beislnd, 2009). Priceernings modellen kn enkelt utvides til return-ernings modell. I en return-ernings-modell (også omtlt price-chnge-modell) er ksjevkstning den vhengige vribelen, mens regnskpsmessig resultt er den uvhengige vribelen. len kn uttrykkes som følger: Ri,t β0 βxi,t εi,t hvor Ri,t Aksjevkstning for selskp i, på tidspunkt t. Xi,t Resultt for selskp i, i periode t (sklert v ksjekursen ved tidspunkt t-). εi,t Feilledd for selskp i, i periode t. Regresjonen måler hvorvidt regnskpsmessig resultt er ssosiert med ksjevkstning. Regnskpsmessig resultt er verdirelevnt hvis regresjonskoeffisienten, β, er signifiknt forskjellig fr null og med predikert fortegn. Hvis lle endringer i egenkpitlen føres over 65

73 regnskpsmessig resultt (unnttt kpitlendringer), vil vi h clen-surplus-ccounting. Regnskpsmessig resultt vil d tilsvre endring i egenkpitlen, justert for kpitlendringer. Regresjonsmodellene gjennomgått i dette delkpittelet tr utgngspunkt i ggregerte regnskpsstørrelser (regnskpsmessig resultt og bokført egenkpitl), men det er også mulig å gjennomføre regresjonsnlyser på disggregerte regnskpsstørrelser, for eksempel goodwill. I vår studie er ggregerte regnskpsstørrelser mest relevnt, siden vi skl nlysere verdirelevnsen til regnskpsmessig resultt og ikke hvor verdirelevnte de ulike postene i regnskpet er Price-book-ernings-modell vs. return-ernings-modell Som beskrevet tidligere kn en i verdirelevnsstudier velge mellom en price-book-erningsmodell (price-level-studier) eller en return-ernings-modell (price-chnge-studier). Det er viktig å kunne skille mellom disse to tilnærmingene og vite hvilken en bør velge. Dersom modellene feilspesifiseres, kn det medføre t en trekker feil konklusjoner på bkgrunn v nlysen (Beislnd, 2009). Price-book-ernings-modellen hr ksjekurs som den vhengige vribelen, mens return-ernings-modellen ser på prisendring og hr ksjevkstning som den vhengige vribelen. Begge modellene tr utgngspunkt i en verdsettelsesmodell der pris er nåverdien v fremtidige kontntstrømmer. Hvilken tilnærming en bør velge vhenger v hv en ønsker å finne ut med regresjonsnlysen. For eksempel burde en bruke price-book-ernings-modell dersom en er interessert å vite hv som reflekteres i mrkedsverdien til et selskp. Hvis en vil undersøke hv som er reflektert i verdiendringer over en spesifikk tidsperiode, er return-ernings-modell å foretrekke. Brth et l. (200, s. 95) beskriver forskjellen mellom de to tilnærmingene som følger: "The key distinction between vlue relevnce studies exmining price levels nd those exmining price chnge, is tht the former re interested in determining wht is reflected in firm vlue nd the ltter re interested in determing wht is reflected in chnges in vlue over specific period of time." Lndsmn og Mgliolo (988) rgumenterer for t det ikke finnes et endelig svr på hvilken modell en bør velge når mn skl undersøke smmenhengen mellom regnskpsstørrelser og ksjekurs. De rgumenterer også for t beslutningen om å velge mellom en price-level-modell eller en return-ernings-modell bør være en funksjon v det økonomiske forholdet mellom regnskpsstørrelser, ksjekurs og potensielle problemer forårsket v brudd på OLSforutsetningene. 66

74 Kothri og Zimmermn (995) tester i sin studie de økonomiske og sttistiske egenskpene til price-level-modeller og return-ernings-modeller. De finner t price-level-modeller og returnernings-modeller hr både styrker og svkheter. Videre finner de t return-ernings-modeller er foretrukket fremfor price-level-modeller siden førstnevnte hr færre økonometriske problemer. For eksempel forutsetter price-level-modellen t fremtidig resultt er uvhengig v nåværende resultt (rndom wlk). Price-level-modellen utelter en korrelert vribel og dette reduserer forklringskrften til modellen. De finner derimot t price-level-modellen hr bedre økonometriske egenskper. Dette skyldes t estimtene til koeffisienten i price-level-modellen hr mindre målefeil enn koeffisientene til return-ernings-modellen. Målefeilene kommer v t inneværende resultt i return-ernings-modellen består v både en forventet og en ikkeforventet komponent. Hvis forutstt mrkedseffisiens, vil den forventede komponenten være irrelevnt når en skl forklre nåværende vkstning fordi den er llerede kjent og priset i mrkedet. Den forventede komponenten vil derfor ikke være relevnt for å forklre inneværende vkstning. Kothri og Zimmermn (995) mener det er den forventede komponenten som fører til systemtiske målefeil i koeffisienten til den uvhengige vribelen. Kothri og Zimmermn (995) tester også sttistiske egenskper knyttet til heteroskedstisitet. De finner t price-level-modellen hyppigere forkster hypotesen om heteroskedstisitet enn return-ernings-modellen. Heteroskedstisitet viser hvorvidt spredning for ulike verdier v de uvhengige vriblene vrierer i modellen, bl.. som følge v størrelseseffekter. Ved bruk v price-level-modellen bør en derfor være forsiktig med å trekke sttistiske konklusjoner. Avslutningsvis nbefler Kothri og Zimmermn (995) bruke begge modellene, siden både price-level-modellen og return-ernings-modellen hr sine svkheter. Bruk v begge modellene kn gi mer overbevisende resultter. Vi vil derfor bruke begge modellene i denne studien Skleffekter Ifølge Brth og Clinch (2009) kn en ved mrkedsbsert regnskpsforskning, og spesielt ved verdirelevnsforskning, møte på utfordringer med hensyn til størrelseseffekter på tvers v selskper, dvs. sklproblemer. Store selskper vil oftest h større verdier for hver vribel enn små selskper og det er derfor viktig å eliminere slike skleffekter. Skleffekter medfører t en ikke kn trekke like sikre konklusjoner, men det er ikke gitt t disse effektene leder til feil konklusjoner. Det er hovedskelig to tilnærminger som benyttes for å håndtere skleffekter. Den første tilnærmingen er å sklere modellen med et mål som reflekterer størrelse, mens den ndre tilnærmingen er å inkludere en uvhengig vribel som er ment å kontrollere for størrelse. 67

75 Det er imidlertid ikke helt enighet om hv vriblene skl skleres med. I price-level-modeller er det vnlig å sklere vriblene med ntll ksjer eller regnskpsmessig verdi v totle eiendeler, mens i return-ernings-modeller er det vnlig å sklere med mrkedsverdien til totle eiendeler. Brth og Clinch (2009) rgumenterer for t ntll ksjer ikke er en god nok skleringsmetode i price-level-modeller, pg. vrisjonen i selskpers ksjekurser. De foreslår derfor bokført verdi på egenkpitl som en skleringsfktor. Videre er det ifølge Brown, Lo & Lys (999; referert i Beislnd, 2008) mrkedsverdien v egenkpitlen på slutten v året som er den beste skleringsmetoden. De rgumenterer for dette ved å hevde t ved å bruke bokført verdi på egenkpitl som en skleringsmetode gjør t modellen blir vnskeligere å tolke. Siden en vil h en modell der konstntleddet blir endret til den inverse verdien v bokført egenkpitl og et nytt konstntledd oppstår. I stedet for å sklere vriblene kn mn heller inkludere en størrelse-proxy, for eksempel bokført verdi på egenkpitlen, som en uvhengig vribel i modellen. Ifølge Brth og Kllpur (996) er dette en effektiv måte for å redusere heteroskedstisiteten. Brth og Clinch (2009) viser t det er vnskelig å vdekke skleffekter, noe som innebærer t mn kn h skleffekter i nlysen uten å vite det. Med utgngspunkt i Ohlson-modellen tester Brth og Clinch (2009) ulike skleringsmetoder og til tross for sine svkheter viser de t det mest effektive er å sklere med ntll ksjer Bruken v R2 Skleffekter vil også kunne påvirke tolkningen v forklringskrften, R2. I en regresjonsnlyse er forklringskrften, R2, et mål på hvor stor ndel v vrinsen i den vhengige vribelen er forklrt v den eller de uvhengige vriblene. I en verdirelevnsregresjon vil forklringskrften, R2, dermed være et mål på hvor mye v vrisjonen i ksjekursen/ksjevkstningen som kn forklres v regnskpsstørrelsene i modellen. R2 er derfor et mål på verdirelevns (Beislnd, 2008). Imidlertid kn R2 påvirkes v skleffekter og dermed gi feilktige resultter. Brown, Lo og Lys (999) undersøker hvordn skleffekter påvirker regresjonens R2. De undersøker smmenligningen v R2 over tid og viser t størrelse er en multipliktiv skleffekt, som påvirker både den vhengige vribelen og de uvhengige vriblene. Dette medfører t store skleffekter gir høyere R2 og små skleffekter gir lvere R2, siden skleffekter bidrr til mer (eller mindre) vrisjon i de observerte vriblene smmenlignet med den virkelige vrisjonen. Brown et l. (999) mener t løsningen på dette problemet er sklering ved bruk v en skl-proxy og dette skl sørge for t R2 ikke blir påvirket v spuriøse korrelsjoner forårsket v størrelse. Å trekke 68

76 slutninger bsert hovedskelig på R2 hr blitt kritisert fr flere hold og mnge studier hr derfor brukt ndre metoder som mål på verdirelevns enn R2, for eksempel regresjonens residuler med kontroll for ikke-lineære skleffekter (Gu, 2007). I tillegg hr flere økonometriske studier konkludert med t forklringskrften, R2, fr to regresjoner med ulike vhengige vribler ikke kn smmenlignes. Selv ved smmenlikningen v to regresjoner med det smme utvlget bør en være forsiktig med tolkningen v R2. For eksempel kn ikke R2 fr log-trnsformerte dt smmenlignes med R2 fr den utrnsformerte dt (Gu, 2007; Hyshi, 2000) Verdirelevns og mrkedseffisiens Teorien om mrkedseffisiens står sentrlt i verdirelevnsforskning. I verdirelevnsstudier brukes mrkedsverdi som en estimt på virkelig verdi, dvs. t mn ntr t mrkedsverdi reflekterer virkelig verdi. Dette forutsetter t mrkedet er rimelig effisient, men det er imidlertid diskusjon om mrkedet er effisient og om verdirelevnsstudier trenger å forutsette effisiens. Som nevnt i delkpittel 2. kn mrkedseffisiens deles i tre nivåer: svk, hlvsterk og sterk (Fm, 970). Svk effisiens innebærer t prisen reflekterer ll informsjon som ligger i ksjens tidligere prisutvikling. Hlvsterk effisiens innebærer t prisen reflekterer ll tilgjengelig informsjon om selskpet. Sterk effisiens innebærer t prisen reflekterer ll informsjon, også privt informsjon. I prksis vil ksjemrkedet ikke være mer enn hlvsterk effisient. Dette gjelder først og fremst for de ledende børsmrkedene (NYSE, NASDAQ, LSE ect.). Oslo Børs er ventet å være mindre effisient (Stenheim, 205). Dette skyldes muligens t olje- og energisektoren utgjør nesten hlvprten v mrkedsverdiene på Oslo Børs. Det er påvist en korrelsjon mellom oljepris og ksjevkstning på Oslo Børs, d børsen regerer på svingninger i oljemrkedet. Noen strekker seg så lngt som å hevde t Oslo Børs er en ren oljebørs. Ifølge Holthusen og Wtts (200) må verdirelevnsforskning på bygge på forutsetning om t kpitlmrkedet er rimelig effisient. De mener t hvis kpitlmrkedet ikke er effisient vil ksjeverdier ikke være gode benchmrk. I motsetning til Holthusen og Wtts (200), mener Brth et l. (200) t det ikke er nødvendig å forutsette effisiens, men kun t ksjekursen reflekterer informsjon som nses å være relevnt for investorer. Forutsetningen om mrkedseffisiens er problemtisk, for eksempel er det de siste tiårene rpportert flere funn som viser t ksjemrkedet ikke er effisient og ikke en gng hlvsterkt effisient. 69

77 Hvis ksjekursen ikke er effisient, kn det være vesentlig vvik mellom ksjekursen og ksjens fundmentle verdi. En ssosisjon mellom regnskpet og en potensielt feilpriset ksje vil ikke gi noen nyttig informsjon om regnskpets beslutningsnytte (Holthusen & Wtts, 200). Dersom en er v den oppftning t ksjemrkedet ikke kn brukes som benchmrk i verdirelevnsstudier på grunn v t ksjemrkedet ikke er effisient, må mn finne ndre benchmrk. Lee (200) foreslår for eksempel bruk v estimter på fundmentlverdi som benchmrk, men det er vnskelig å se t dette eller ndre benchmrk kn være bedre benchmrk på verdi/vkstning enn ksjekurs/ksjevkstning. Det er lite trolig t finnes mrkeder som er mer effisiente enn ksjemrkedet. I lle fll ikke mrkeder som priser/verdsetter selskper. Dette er trolig grunnen til ksjekurser er den mest brukte benchmrken innen verdirelevnsstudier. 8.2 Income smoothing Det eksisterer ikke en direkte modell som vdekker income smoothing (Dechow et l., 200) eller en universell modell som skiller mellom reell og regnskpsmessig income smoothing. Den internsjonle regnskpslitterturen foreslår ulike mål på income smoothing. I det følgende presenteres fire ulike tilnærminger til income smoothing: resulttvribilitet, frekvensfordelinger, ggregerte periodiseringer og spesifikke periodiseringer Resulttvribilitet I regnskpslitterturen benyttes resulttvribilitet for måling v både income smoothing og resulttkvlitet. Som tidligere nevnt er det ikke entydig tolkning v resulttvribilitet. Brth et l. (2008) mener t lv resulttvribilitet er et resultt v opportunistisk income smoothing, mens Schipper og Vincent (2003) og Frncis et l. (2008) mener t lv resulttvribilitet er et godt mål på høy resulttkvlitet (jf. kpittel. 5.2). Dette kn være årsken til t mnge studier om income smoothing v nyere dto ikke bruker resulttvribilitet som mål på resulttkvlitet. Dette er ikke overrskende siden like nlyser v det smme dtmterilet vil kunne føre til to helt ulike konklusjoner vhengig v om en er enig i Brth et l. (2008) sin tolkning eller Frncis et l. (2008) sin tolkning. I det følgende vil vi se på to lterntive mål på income smoothing. Vrisjon i driftsresultt i forhold til driftsinntekter Ideen om å smmenligne vrisjonen i resulttet i forhold til driftsinntekter stmmer fr Imhoff (98) og er knskje det mest brukte mål på income smoothing. Imhoff (98) hevder t det å skpe driftsinntekter er en reell økonomisk ktivitet. Således kn reell income smoothing være reflektert i driftsinntekter, mens regnskpsmessig income smoothing kn ikke 70

78 være reflektert i driftsinntekter. Dette innebærer t vrisjonen i resultt vil være lvere enn vrisjon i driftsinntekter hos selskper som foretr regnskpsmessig income smoothing. Vrisjonskoeffisienten til driftsresulttet ses i forhold til vrisjonskoeffisienten til driftsinntekter. Vrisjonskoeffisienten for driftsresultt regnes ut ved å dividere stndrdvviket fr endring i driftsresultt på tidspunkt t og t- på gjennomsnittlig driftsresultt. Vrisjonskoeffisienten for driftsinntekter regnes ut ved å dividere stndrdvviket fr endring i driftsinntekter på tidspunkt t og t- på gjennomsnittlig driftsinntekter. Dersom vrisjonskoeffisienten for driftsresultt i et selskp er lvere enn vrisjonskoeffisienten for driftsinntekter, betyr dette t selskpet foretr income smoothing: hvor Stndrdvviket fr endring i driftsresultt i for selskp i. Stndrdvviket fr endring i driftsinntekter for selskp i. Gjennomsnittlig driftsresultt for selskp i. Gjennomsnittlig driftsinntekter for selskp i. Vrisjonskoeffisienten til driftsresultt for selskp i. Vrisjonskoeffisienten til driftsinntekter for selskp i. Vrisjon i driftsresultt i forhold til kontntstrømmer Brth et l. (2008) måler resulttvribilitet med vrisjonen i endring v driftsresultt reltivt sett i forhold til vrisjonen til endring kontntstrøm. Målet forsøker å fnge opp i hvilket grd ledelsen reduserer vribiliteten i driftsresulttet ved bruk v periodiseringer. Tilsvrende mål brukes i studien til Burgsthler, Hil og Leuz (2006), hvor den blir beregnet som stndrdvviket fr driftsresultt dividert på stndrdvviket fr kontntstrøm fr drift. Både driftsresultt og kontntstrøm fr drift skleres med IB totle eiendeler. Denne multipliseres med - slik t høyere verdier representerer større grd v income smoothing: 7

79 hvor Stndrdvviket fr driftsresultt for selskp i. Stndrdvviket fr kontntstrøm fr drift for selskp i Frekvensfordelinger Frekvensfordelingsmetoden er mye brukt til å vdekke resulttjustering for å nå visse mål (benchmrks) (Aker, 2005). De tre mest vnlige mål er overskudd, resulttvekst og små positive forveningsvvik, jf. kpittel Forskere som tr utgngspunkt i denne metoden leter etter skjevheter i frekvensfordelingen, der selskper som hr en unorml lv ndel små underskudd og en større ndel små overskudd betrktes som smoothers. Fordelen ved denne metoden er t en slipper å estimere skjønnsmessige periodiseringer for å vdekke utbredelsen v income smoothing. Metoden hr flere ulemper d den ikke fnger income smoothing eller hvilke spesifikke metoder som hr vært benyttet. Dessuten krever denne metoden til dels store utvlg. Frekvensfordelingsmetoden synes videre å ignorere det forhold t selskpene kn sette inn "spretiltk" for å unngå t selskpet ender med underskudd. Med slike spretiltk menes for eksempel t de nstte går (midlertidig) ned i lønn. Således kn det være nturlig t mindre ntll selskper enn det en ville forvente ut fr en jevn frekvensfordeling h et lite underskudd. Dette gjelder i særlig grd små- og mellomstore privte selskper som hr større grd v fleksibilitet med hensyn til kostnder og kostndsbesprelser. Det kn dermed være grunn til å stille spørsmål om denne tilnærmingen er like ktuell for studier som fokuserer på børsnoterte selskper. Videre blir frekvensfordelingsmetoden i stor grd benyttet v forskere som legger til grunn t income smoothing er et opportunistisk rpporteringsstrtegi som svekker kvliteten på resulttet (Brth et l., 2008; Lng et l., 2003) Aggregerte periodiseringer Målingen v income smoothing hr i stor grd blitt utført ved å se på forholdet mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer. Jones-modellen og den modifiserte Jones-modellen er brukt til dette formålet. Fordelen med disse modellene er t disse gjør et forsøk på å splitte totle periodiseringer i skjønnsmessige og ikke-skjønnsmessige periodiseringer. I det følgende skl vi presentere den modifiserte Jones-modellen foreslått v Dechow, Slon og Sweeney (995), siden den hr en sterkere forklringskrft i tilfeller hvor 72

80 ledelsen justerer inntekter gjennom feil rpportering v netto kundefordringer (Leuz, Nnd, & Wysocki, 2003; Tucker & Zrowin, 2006). Forholdet mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer Jones-modellen, foreslått v Jones (99), forklrer ikke-skjønnsmessige periodiseringer gjennom endring i slgsinntekter og vrige driftsmidler. Det nts t jo høyere inntekter og vrige driftsmidler er, desto større vil de ikke-skjønnsmessige periodiseringene være. len bygger på forutsetningen om t prmetrene som brukes til å beregne ikkeskjønnsmessige periodiseringer er konstnte og t inntektene er ikke-skjønnsmessige, dvs. t de ikke blir justert fr ledelsens side. Periodiseringer utover ikke-skjønnsmessige periodiseringer nses som skjønnsmessige periodiseringer. Dersom deler v inntekten likevel blir justert fr ledelsens side, vil Jones-modellen overse den delen v det justerte resulttet ved estimeringen v skjønnsmessige periodiseringer. Det betyr t skjønnsmessige periodiseringer vil bli underestimert siden resulttet nedjusteres ved bruk v periodiseringer som påvirker inntektene. For å hindre denne underestimeringen hr Dechow et l. (995) modifisert Jonesmodellen ved å trekke fr endring i kundefordringer fr endring i slgsinntekter i vekstleddet. Dette er fordi selskpet kn bruke økt kredittslg til å justere slgsinntektene (Schilit, 2002, s. 62). Den modifiserte Jones-modellen er som følger: hvor, ( ) ( ) Ikke-skjønnsmessige periodiseringer for selskp i, i periode t. Årlig endring i driftsinntekter i selskp i, periode t, sklert med totle eiendeler ved tidspunkt t-. Årlig endring i kundefordringer i selskp i, periode t, sklert med totle eiendeler ved tidspunkt t-. Vrige driftsmidler i selskp i, periode t, sklert med totle eiendeler ved tidspunkt t-. Totle eiendeler for selskp i, i periode t-., Selskpspesifikke prmetre. Som det fremgår v forklringen til de forskjellige elementene, skleres lle leddene med totle eiendeler i perioden t-. Dette gjøres for å få smsvr mellom de ulike leddene for å 73

81 kontrollere for selskpets størrelse. Estimering v de selskpspesifikke prmetrene ( og, ) genereres ved hjelp v følgende regresjon i estimeringsperioden: hvor ( ) ( ) Totle periodiseringer i selskp i, periode t.,, OLS-estimter,,. Siden lle størrelser i regresjonen er kjente størrelser fr regnskpet, kn vi ved hjelp v OLS estimere de selskpsspesifikke prmetrene (, og ). Totle periodiseringer,, er differnsen mellom regnskpsmessig resultt og netto kontntstrøm. Dechow et l. (995) foreslår en lterntiv måte å beregne totle periodiseringer på dersom en ikke hr kontntstrømoppstillingen tilgjengelig: hvor ( ) Endring i omløpsmidler for selskp i, periode t. Endring i kortsiktige gjeld for selskp i, periode t. Endring i kortsiktige rentebærende gjeld for selskp i, periode t. Endring i kontkter og kontntekvivlenter for selskp i, periode t. Avskrivnings og nedrivningskostnder for selskp i, periode t. Skjønnsmessige periodiseringer DAi,t blir dermed beregnet ved hjelp v følgende uttrykk: Smmenhengen mellom DAi,t og NDAi,t nts å være uttrykk for income smoothing. Tucker og Zrowin (2006) hevder t selskper som hr en svk smmenheng mellom DAi,t og NDAi,t, foretr mer income smoothing enn selskper som hr en sterk smmenheng mellom DAi,t og NDAi,t. En svkere smmenheng mellom DAi,t og NDAi,t kn for eksempel skyldes t selskpet foretr income smoothing på grunn v store endringer i resulttet. Dette fører videre til t periodiseringene vrierer mindre fordi selskpets resultter er stbile. 74

82 Guy, Kothri og Wtts (996) tester Jones-modellen og den modifiserte Jones-modellen, og konkluderer med t disse er upresise når de skiller mellom skjønnsmessig og ikkeskjønnsmessige periodiseringer. Å bruke ggregerte periodiseringer til å måle income smoothing kn derfor være omstridt. For å trekke skillet mellom skjønnsmessige og ikkeskjønnsmessige periodiseringer, hr Jones (99) ttt utgngspunkt i regnskpsposter med periodiseringer knyttet til vskrivninger og vrekostnd. I modellen forutsettes det høy korrelsjon mellom slgsinntekter og vrekostnd, og høy korrelsjon mellom vrige driftsmidler og vskrivninger. Jones (99) ntr dermed t periodiseringer knyttet til vrekostnder og vskrivninger er normle i et selskp, og betrkter derfor slike periodiseringer som ikke-skjønnsmessige. I motsetning til Jones (99) påpeker Guy et l. (996) t verdivurdering v vrelger og levetiden til vrige driftsmidler kn være et resultt v subjektive vurderinger som kn påvirkes v ledelsen. Det vil derfor være mulig å bruke periodiseringer til å påvirke regnskpsstørrelser i den retning mn ønsker. Periodiseringene knyttet til vrekostnder og vskrivninger nts dermed å være rimelig skjønnsmessige. På bkgrunn v tidligere funn kn det virke som om skillet mellom skjønnsmessige og ikkeskjønnsmessige periodiseringer er tilfeldige, noe som representerer svkheter ved modellene. Kothri, Leone og Wsley (2005) tester om performnce mtching forbedrer Jones-modellen og den modifiserte Jones-modellen, noe de konkluderer med t det gjør i de ller fleste tilfeller. Målet med perfomnce mtching er å mtche et selskp mot et smmenlignbrt selskp for å undersøke om selskpet hr mer ernings mngement enn kontrollselskpet. På denne måten skl en kunne vdekke income smoothing utover det som er normlt for smme type selskp. Performnce mtching reduserer i stor grd snnsynligheten for type- feil (dvs. feilktig vviser nullhypotesen), men smtidig er det snnsynlig t grden v type-2 feil (dvs. feilktig godtr nullhypotesen) økes. For t denne teknikken skl h en verdi, er ntgelsen t nivået på et selskps periodiseringer henger sterk smmen med selskpets prestsjon og ytelse. Dette innebærer t det smmenlignbre selskpet skl være i smme brnsje og h så lik totlrentbilitet som mulig (Kothri et l., 2005). Siden ntll selskper på Oslo Børs er reltivt lvt i forhold til ndre lnd der tilsvrende studier hr blitt gjennomført blir performnce mtching problemtisk. Det vil derfor være vnskelig å finne et smmenlignbr selskp som tilfredsstiller de overnevnte krvene, og dette kn derfor redusere gjennomslgskrften til modellen. 75

83 8.2.4 Spesifikke periodiseringer En siste tilnærming for å nlysere periodiseringer er å modellere en spesifikk periodiseringspost, som for eksempel nedskrivninger eller vsetninger til tp. McNichols og Wilson (988) er et eksempel på en studie som undersøker vsetning til tp på fordringer i brnsjer der disse vsetningene er vesentlige. Det er ikke helt uproblemtisk å skille mellom skjønnsmessig og ikke-skjønnsmessige periodiseringer (Ronen & Yri, 2008, s. 372) og en bør derfor undersøke periodiseringer i brnsjer der de er spesielt vesentlige. Spesifikke periodiseringer gir dybdeinnsikt i forhold som påvirker periodiseringer. En kn blnt nnet få forståelsen v hv ikke-skjønnsmessige periodiseringer kn være og deretter lettere identifisere skjønnsmessige periodiseringer som nts å være et resultt v ernings mngement. Imidlertid kn nlyse v slike periodiseringer være rbeidskrevende fordi en må sette seg i en brnsje der de periodiseringene er spesielt vesentlige og opprbeide seg kunnskp om brnsjen. I tillegg kn resulttene normlt ikke generliseres fordi studiene må forets på et mindre utvlg eller i en spesifikk brnsje. Siden vi skl undersøke income smoothing på et stort utvlg på tvers v ulike brnsjer, betyr dette t denne tilnærmingen er uktuell for oss. 8.3 Resulttkvlitet I dette delkpittelet vil vi først redegjøre for Dechow og Dichev (2002) modellen som bruker periodiseringskvlitet som mål på resulttkvlitet. Deretter skl vil kort gjennomgå McNichols (2002) sin modifisering v Dechow og Dichev (2002) sin modell. Det finnes også mål som fokuserer på egenskpene til resultt over flere tidsserier (Schipper & Vincent, 2003). Slike mål ser på resulttkvlitet ut fr resulttets stbilitet over tid, dvs. hvorvidt dgens resultt er et godt mål på fremtidig resultt. Jones, Krishnn og Melendrez (2008) tester i hvilken grd de mest nerkjente modeller er i stnd til å påvise estimeringsfeil i periodiseringene. De smmenligner totlt ni modeller, blnt nnet Jones-modellen, den modifiserte Jones-modellen (99), Dechow og Dichev (2002) sin periodiseringsbserte modell og McNichols (2002) sin modifisering v Dechow og Dichev (2002) sin modell. Jones et l. (2008) konkluderer med t v lle modellene som blir testet, er det kun Dechow og Dichev (2002) modellen og McNichols (2002) sin modifisering v Dechow og Dichev (2002) modellen som hr forklringskrft på periodiseringskvlitet Periodiseringskvlitet len til Dechow og Dichev (2002) blir ofte referert til som DD-modellen. De bruker periodiseringskvlitet som mål på resulttkvlitet. Periodiseringskvlitet måles ved å t 76

84 utgngspunkt i totle periodiseringer på tidspunkt t og skille ut de periodiseringene som kn forklres v nturlige opersjonelle sykluser. Inndelingen gjøres på bkgrunn v hvilke type kontntstrøm periodiseringer forklres v. Deres tilnærming til å estimere periodiseringskvlitet bygger på to forskningsretninger. Den ene forskningsretningen ntr t selskper som foretr income smoothing hr høyere korrelsjon mellom periodiseringer og kontntstrøm, og dermed lv korrelsjon mellom resultt og kontntstrøm. Disse undersøker om bruken v periodiseringer er v opportunistisk krkter. Ifølge denne forskningsretningen vil ledelsens intensjoner påvirke omfnget v estimeringsfeil i periodiseringene. Både Jones-modellen og den modifiserte Jones-modellen er mye brukt til dette formålet. Den ndre forskningsretningen ser på rollen til periodiseringer i regnskpet. Dechow (994) legger til grunn t periodiseringens rolle er å jevne ut kontntstrømmen for ustbiliteten som kommer v t kontntstrømmer på kort sikt vhenger v tidspunkt for innbetlinger og utbetlinger. Hun viser t høyere resulttkvlitet resulterer i negtiv korrelsjon mellom periodiseringer og kontntstrøm. Dechow og Dichev (2002) måler kvliteten på periodiseringer og resultt som høy i den grd nåværende rbeidskpitlperiodiseringer blir relisert i forrige periodes (t-), nåværende periodes (t) og neste periodes (t) kontntstrøm. De rgumenterer for t kvliteten på periodiseringene og resulttet reduseres med økte estimeringsfeil i periodiseringene. Periodiseringer krever ntgelser og estimter om fremtidige kontntstrømmer, og dersom disse er feil må de korrigeres i senere perioder. Kvliteten på periodiseringer og resulttet vil derfor reduseres med økte estimeringsfeil i periodiseringer. Når kontntstrømmen oppstår etter t inntekten eller kostnden blir innregnet i resulttet, må ledelsen estimere beløpet som skl motts eller som blir betlt i fremtiden. I den grd den fktiske kontntstrømmen ikke smsvrer med det estimerte beløpet, vil denne periodiseringen inneholde estimeringsfeil som må korrigeres i senere perioder. Således vil både estimeringsfeil og korrigeringen v disse feilene redusere resulttkvliteten. Dechow og Dichev (2002) utvikler følgende modell: hvor Endring i rbeidskpitlperiodiseringer for selskp i, i periode t. Kontntstrøm fr drift forrige periode for selskp i, i periode t. Kontntstrøm fr drift i nåværende periode for selskp i, i periode t. 77

85 Kontntstrøm fr drift i neste periode for selskp i, i periode t. Restledd for selskp i, i periode t. Her er korrelsjonen mellom periodens periodiseringer og kontntstrøm fr forrige periode (CFOi,t-), nåværende periode (CFOi,t) eller neste periodes kontntstrøm (CFOi,t) forventet å være:. Periodisering CFOi,t-: Positivt reltert til foregående periodens kontntstrøm <α <. Noen periodiseringer v kontntstrøm, vil utsette innregningen v kontntstrøm i rpportert resultt. Følgelig vil kontntstrøm fr foregående periode øke periodiseringene nåværende periode. 2. Periodisering CFOi,t: Negtiv reltert til nåværende periodens kontntstrøm < α <. Denne negtive smmenhengen er også bekreftet v blnt nnet Dechow (994) og Dechow, Kothri og Wtts (998). Dersom ndelen v periodiseringer i resulttet er høy, vil ndelen kontntstrøm være lv. Følgelig vil det være en negtiv smmenheng mellom periodiseringer og kontntstrøm. 3. Periodisering CFOi,t: Positivt reltert til fremtidig periodens kontntstrøm α <. Den positive smmenhengen tyder på t periodiseringer inneholder < informsjon om fremtidig kontntstrøm (Brth et l., 200). Dechow og Dichev (2002) sitt mål på estimeringsfeil v periodiseringer er restleddene i selskpspesifikke regresjoner med endring i rbeidskpitl som vhengig vribel og opersjonelle kontntstrømmer for t-, t og t som uvhengige vribler. Restleddene,, representerer periodiseringer som ikke blir gjenspeilet i kontntstrømmen. Stndrdvviket til disse restleddene er hv Dechow og Dichev (2002) bruker som selskpsspesifikke mål på periodiseringskvlitet. Høyere stndrdvvik indikerer lvere kvlitet på periodiseringer, og dermed lvere kvlitet på resulttet. DD-modellen skiller ikke mellom tilsiktede (systemtiske) og utilsiktede (usystemtiske) estimeringsfeil. Dechow og Dichev (2002) hevder t skillet mellom disse ikke er nødvendig d begge feilene gir lvere kvlitet på periodiseringene. Dette er en viktig forskjell fr for eksempel den modifiserte Jones-modellen som hr til hensikt å måle ernings mngement ved å skille mellom tilsiktede og utilsiktede estimeringsfeil. McNichols (2002) kritiserer DDmodellen og tr opp en rekke spørsmål knyttet til modellens evne til å måle periodiseringskvlitet. For det første påpeker hun t stndrdvviket til restleddet reflekterer 78

86 den bsolutte vrisjonen i restleddet og ikke vrisjonen i periodiseringer. Dette innebærer t dersom en holder forklringskrften (R2) til regresjonen konstnt, vil selskper med større vrisjon i periodiseringer h et høyere stndrdvvik på restleddene. Det vil si t selskper med høyere resulttvribilitet nts å h lvere periodiseringskvlitet, selv om selskpene rpporterer på en korrekt måte etter beste evne. Dette er gjerne selskper som opererer i brnsjer preget v stor usikkerhet og ustbilitet. Grden v estimeringsfeil i periodiseringene henger dermed smmen med selskpets omgivelser. Den ndre problemstillingen McNichols (2002) påpeker er t DD-modellen tr ikke hensyn til kontntstrømmer som blir relisert i perioden før t- og i perioden etter t. len forutsetter t lle kontntstrømmer skl være innregnet i resulttet og relisert i kontnter i perioden t-, t eller t. Dette begrenser modellens nvendbrhet til selskper med lnge opersjonelle sykluser. Denne begrensningen gjør t en kn få feil i de uvhengige vriblene, noe som igjen fører til skjevheter i koeffisientene. McNichols (2002) modifiserer DD-modellen ved å inkludere vriblene endring i totle slgsinntekter og endring i vrige driftsmidler, noe vi finner i Jones-modellen. Hun mener t DD-modellen og Jones-modellen er komplementære og bør derfor kombineres. Dette begrunner hun med t restleddet i DD-modellen er signifiknt korrelert med vribelen endring i totle slgsinntekter og t restleddet i Jones-modellen er signifikt korrelert med foregående, nåværende og fremtidige kontntstrøm. Ved å sklere vriblene i modellen med totle eiendeler får en i tillegg ttt hensyn til størrelseseffekter (Frncis et l., 2008) og regresjonen blir som følger: hvor,,,,,, Totle kortsiktige periodiseringer for selskp i, periode t. Gjennomsnittlig verdi v totle eiendeler for selskp i, periode t. Endring i totle slgsinntekter for selskp i, fr periode t- til periode t. Restledd for selskp i, periode t. Regnskpsmessig verdi på vrige driftsmidler for selskp i, periode t. 79

87 McNichols (2002) bruker stndrdvvik til residulen som et omvendt mål på periodiseringskvlitet. Det vil si t jo høyere ndel uforklrt vrins i periodiseringer, desto lvere er kvliteten på periodiseringer. Stndrdvviket øker ved økt vrisjon på residulen og kn derfor være problemtisk å bruke. Dersom residulen er konstnt høy for lle observsjonene i utvlget, vil stndrdvviket være lite siden det kun er vrisjonen i residulene som øker stndrdvviket. Det er imidlertid ikke gitt t vrisjonen i residulen hr større betydning enn størrelsen på residulen, snrere kn størrelsen h mer å si for kvliteten på periodiseringene (Glåen, 200). Det kn dermed være ktuelt å se på regresjonens forklringskrft, R2, smtidig som en ser på stndrdvviket til residulen. Regresjonens forklringskrft sier hvor mye v vrisjonen i de totle kortsiktige periodiseringene som forklres v vrisjon v de uvhengige vriblene. Regresjonens forklringskrft er et mål på den forklrte vrisjonen til den vhengige vribelen, mens regresjonen til residulen måler den uforklrte vrisjonen til den vhengige vribelen. Videre kn forklringskrften også være et indirekte mål på den uforklrte vrisjonen siden - forklrt vrisjon uforklrt vrisjon Problemstillinger knyttet til metodiske tilnærminger I dette delkpittelet skl vi se på tre problemstillinger som McNichols (2000) tr opp i forbindelse med bruk v modeller med ggregerte periodiseringer. Omfnget v periodiseringer i frvær v income smoothing Den første problemstillingen tr for seg omfnget v periodiseringer i frvær v income smoothing. Hovedproblemet med ggregerte periodiseringer er t de ikke klrer å skille mellom periodiseringer som er et resultt v income smoothing fr ledelsens side og periodiseringer som kommer v endring i selskpets økonomiske ytelse (Beneish, 200). Deler v årsken til dette er t det eksisterer lite teori om hvordn periodiseringene er ved frvær v skjønnsmessige vurderinger. Guy et l. (996) tester ulike periodiseringsbserte modeller som brukes for å vdekke ernings mngement, og konkluderer blnt nnet t Jones-modellen, Hely-modellen, DeAngelo-modellen er upresise når de skiller mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer. Det er flere svkheter ved periodiseringsbserte modeller, blnt nnet det upresise skillet mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer Guy et l. (996). Slike svkheter kn føre til t en trekker feil konklusjoner ved å nklge uskyldige selskper for opportunistisk income smoothing (type- feil), smtidig som selskper som foretr opportunistisk income smoothing slipper unn (type-2 feil). 80

88 Siden det er begrenset med teori om hvordn periodiseringer skl være i frvær v income smoothing, brukes det ofte en benchmrk for normle periodiseringer for å måle skjønnsmessige periodiseringer. Begrenset teori på området gjør det vnskelig vite hvilke forhold som gjør t periodiseringer endres. Jones-modellen ntr t periodiseringer endres lineært i forhold til endring i slg, men hvorvidt det fktisk er tilfelle er et fortstt et åpent spørsmål (Michelson et l., 2000). Bll og Shivkumr (2006) ser på det symmetriske forholdet mellom innregningen v slgsinntekter og kostnder. Konservtiv regnskpsføring, representert ved bl.. lveste verdiprinsipp for omløpsmidler og nedskrivning for nleggsmidler, fører til t tp ofte blir innregnet fortløpende, mens slgsinntekter ikke blir innregnet før det er relisert. Forholdet mellom periodiseringer og kontntstrømmer blir derfor ikke-lineært. En del eksisterende periodiseringsmodeller bygger på lineritet. I lineære periodiseringsmodeller vil for eksempel løpende tp bli feiltolket d disse øker voltiliteten i periodiseringene og resultt. Jones-modellen er et eksempel på en slik modell, der løpende tp blir feilktig tolket som dårlig resulttkvlitet. Forholdet mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer Vi hr llerede vært inne på problemstillinger reltert til forholdet mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer i delkpittel Ifølge McNichols (2000) bygger mnge modeller med ggregerte periodiseringer på forutsetningen om t det er en ukorrelert smmenheng mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer. Dette kommer til utrykk ved t modellene først beregner totle periodiseringer og ikke-skjønnsmessige periodiseringer. Deretter beregnes differnsen mellom disse to for å finne skjønnsmessige periodiseringer. Denne tilnærmingen er rimelig i de fleste tilfeller, men det finnes forhold hvor ikke-skjønnsmessige periodiseringer er korrelert med skjønnsmessige periodiseringer. Hely (985) sin studie om terskelbserte bonusutbetlinger er et eksempel på et slikt forhold. Hn finner korrelsjon mellom skjønnsmessige periodiseringer og ikke-skjønnsmessige periodiseringer når det ikke er lineritet i forholdet mellom kompenssjon og ytelse. I perioder hvor resulttet før justeringen er under terskelen for bonusutbetlingen, vil ledelsen h insentiver til nedjustere resulttet for å øke sjnsen for bonus i senere perioder. Hely (985) mener t det i slike tilfeller vil det være en korrelsjon mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer siden smmenhengen mellom kompenssjon og ytelse ikke er lineært. Det vil også være korrelsjon mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer i perioder hvor resulttet er godt over terskelen for bonusutbetlingen siden ledelsen vil h insentiver til å nedjustere resulttet for å gjøre det enklere å oppnå høyere 8

89 bonus i senere perioder. Det vil imidlertid ikke være noen korrelsjon mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer i perioder hvor resulttet før justeringen er lngt under grensen for bonusutbetlingen og det ikke er mulig å justere resulttet tilstrekkelig opp for å oppnå et positivt resultt. Problemstillinger knyttet til estimering Den siste problemstillingen går ut på t estimering v skjønnsmessige periodiseringer i Jonesmodellen og den modifiserte Jones-modellen til Dechow et l. (995) krever t en spesifiserer en estimeringsperiode og en testperiode. Det forutsettes t opportunistisk income smoothing normlt forekommer i testperioden, men ikke i estimeringsperioden. Siden estimeringsperiode er et enkelt regnskpsår og income smoothing er en rpporteringsstrtegi som utføres over en lengre tidsperiode, kn forutsetningen tenkes å være rimelig. Imidlertid finnes det mnge metoder til å utføre income smoothing, jf. kpittel 3.., og income smoothing kn derfor også h blitt utøvet i estimeringsperioden. Kort oppsummert kn vi si t de tilnærmingene som brukes for å måle resulttkvlitet, også kn brukes for å måle income smoothing. Begrepene brukes også om hverndre siden begge går ut på blnt nnet å gjøre det lettere å predikere selskpets fremtidige resultter. Resulttkvlitet kn i likhet med income smoothing også måles gjennom grd v resulttvribilitet, frekvensen v små positive tp og gevinst, skjønnsmessige periodiseringer og ved å nlysere spesifikke periodiseringsposter. 8.4 Modertornlyse I en modertornlyse vil en se på hvorvidt smmenhengen mellom en uvhengig vribel (X) og en vhengig vribel (Y) blir påvirket v en tredje vribel (Z). Dersom smmenhengen mellom X og Y er vhengig v Z, vil Z være en modertor. I denne studien skl vi undersøke om income smoothing og resulttkvlitet er modertorer som påvirker verdirelevnsen til regnskpsmessig resultt for selskper notert på Oslo Børs. Dersom verdirelevnsen til smoothers/non-smoothers eller selskper med lv/høy resulttkvlitet vrierer, vil disse være modertorvribler. Modertorvribler brukes enten ved testing v rutinemessige modererende effekter v vribler (for eksempel selskpslder, brnsje) eller t forskeren tr utgngspunkt i teori for å forme hypoteser om potensielle modertorvribler. Vi hr bsert våre modertorhypoteser på tidligere forskning og d hovedskelig på Bo og Bo (2004) sine studier. 82

90 Modertornlyser skiller seg fr vnlige regresjonsnlyser ved t en i modertornlyse er interessert i å teste interksjoneffekten mellom to eller flere uvhengige vribler. En kn d se om disse vriblene intergerer og gir en nnen effekt på den vhengige vribelen Y enn det de hdde gitt hver for seg. Hvis interksjonen endrer forklringskrften og smtidig er signifiknt, kn en slå fst t en hr en modertor. Modertorvribler testes ved hjelp v MMR4 i SPSS. Dette går ut på t to ulike regresjonslikninger smmenlignes, bsert på OLSregresjon (Aguinis, 2003, s. 8). Med en vhengig vribel (Y) og to uvhengige vribler (X og Z) får vi følgende OLS-regresjon: Y bx b2z ε I denne modellen ser vi kun på de såklte førsteordenseffekter. Dette er effekten de uvhengige vriblene X og Z hr hver for seg på den vhengige vribelen Y. Ved bruk v MMR-modellen kn vi teste om de uvhengige vriblene X og Z intergerer. Dette gjøres ved å lge en ny vribel som er produktet v X og Z. Vi får d følgende regresjon: Y bx b2z b3x * Z ε I denne modellen hr vi to førsteordenseffekter og en interksjonseffekt5. Ved hjelp v en ttest kn vi videre teste om b3 er signifiknt, dvs. om koeffisienten til produktleddet er større enn hv det ville h vært ved en ren tilfeldighet. Det er også mulig å smmenligne endringen i forklringskrften, R2, for de to likningene. På denne måten kn en se om modertoreffekten v X og Z forklrer Y utover kun førsteordenseffekter v X og Z. Oftest hr forskere kun fokusert på økt forklringskrft, R2, fremfor regresjonskoeffisienten til produktleddet, b3. Begrunnelsen for fokuset kun på R2 er t den er en stndrd måleenhet og kn derfor brukes til å smmenligne størrelsen v effekter på tvers v studier og forskningsfelt. Koeffisienten til produktleddet, b3, vil vhenge v de spesifikke måleenhetene som er brukt i de ulike studiene for vriblene X, Y og Z. Dersom det er brukt ulike måleenheter i to forskjellige studier, vil det ikke være mulig å smmenligne modertoreffektene. I tillegg til de åtte forutsetningene for OLS-regresjon, forutsetter MMRmodellen homogenitet i feilvrinsen. Feilvrinsen i den vhengige vribelen, Y, skl være lik på tvers v undergruppene i modertornlysen. Observsjonene for Y bør ltså være likt fordelt rundt regresjonslinjen for de modertorbserte undergruppene (Aguinis, 2003, s. 59). 4 5 Moderted Multiple Regression. Også omtlt som ndreordenseffekter. 83

91 Vi skiller mellom tre typer modertorvribler, vhengig v om vribelen enten modererer formen og/eller styrken på forholdet mellom en uvhengig og en vhengig vribel (Shrm, Durnd, & Gur-Arie, 98). De tre typene er puremodertor, kvsimodertor og homologizer. Puremodertor er en modertor som kun påvirker formen på smmenhengen mellom den uvhengige og den vhengige vribelen. Her hr modertoren en signifiknt interksjonseffekt med den uvhengige, men ikke med den vhengige vribelen. Kvsimodertor påvirker både formen og smmenhengen mellom den uvhengige og den vhengige vribelen (såklt synergi), smt den vhengige vribelen direkte. Her hr modertoren en signifiknt interksjonseffekt med den uvhengige vribelen, smt t den hr en signifiknt smmenheng med den vhengige vribelen. Homologizer er en modertor som påvirker styrken på smmenhengen mellom den uvhengige og den vhengige vribelen, men hr ingen signifiknt interksjonseffekt med den uvhengige vribelen. Den hr heller ingen signifiknt smmenheng med den uvhengige eller den vhengige vribelen. 8.5 Forskningsdesign I dette delkpittelet vil vi presentere de modellene vi hr vlgt for å kunne teste våre hypoteser, smt redegjøre kort for dtinnsmlingen og utvlget for hver v modellene. Vi velger å benytte en modertornlyse, hvor vi er interessert å se hvorvidt verdirelevnsen til regnskpsmessig resultt endres v modertorene income smoothing og resulttkvlitet. Tidligere forskning tyder på t disse to vriblene hr en modererende effekt på verdirelevnsen til regnskpsmessig resultt. Vi legger oss tett opp til tidligere brukte mål innen forskning på income smoothing (Albrecht & Richrdson, 990; Imhoff, 98), periodiseringskvlitet (Dechow & Dichev, 2002; McNichols, 2002) og verdirelevns (Brth et l., 200; Brth & Clinch, 2009; Brth et l., 999; Kothri & Zimmermn, 995) ler I det følgende presenteres våre vlgte modeller Income smoothing Av mngel på gode modeller som skiller mellom reell og regnskpsmessig income smoothing, hr målingen v income smoothing i stor grd blitt utført ved å se på vribiliteten i resulttet. Ideen er å smmenligne vrisjon i resulttet i forhold til vrisjon i slgsinntekter. Dette er et mål som blir mye brukt i de mest nerkjente studier på income smoothing, forutstt t slgsinntekter er en reell økonomisk ktivitet. Dette innebærer t regnskpsmessig income smoothing ikke kn være reflektert i slgsinntekter. For å klssifisere selskper i ktegoriene 84

92 smoothers og non-smoothers, vil det derfor være rimelig å se på vrisjonen i resultt i forhold til vrisjonen i slgsinntekter. Dersom vrisjonskoeffisienten for endring i driftsresultt er lvere enn vrisjonskoeffisienten i endring i slgsinntekter, indikerer dette på income smoothing. Et selskp foretr income smoothing dersom: hvor Stndrdvviket fr endring i driftsresultt i for selskp i. Stndrdvviket fr endring i slgsinntekter for selskp i. Gjennomsnittlig driftsresultt for selskp i. Gjennomsnittlig slgsinntekter for selskp i. Vrisjonskoeffisienten til driftsresultt for selskp i. Vrisjonskoeffisienten til slgsinntekter for selskp i. Periodiseringskvlitet Forskningen på income smoothing og resulttkvlitet er omfttende og nesten uten unntk brukes enten Jones-modellen (Jones, 99) eller den modifiserte Jones-modellen til Dechow et l. (995). I tillegg er det utviklet en rekke vrinter med modifiseringer og utvidelser v Jones-modellen. Likevel vil vi benytte den modifiserte DD-modellen til McNichols (2002) for å teste periodiseringskvlitet. Denne modellen inkluderer endring i slg og regnskpsmessig verdi på vrige driftsmidler og kn derfor sies å være en kombinsjon v både Jones-modellen og DD-modellen til Dechow og Dichev (2002). Den modifiserte DD-modellen hr fått empirisk støtte i en rekke studier. Jones et l. (2008) er et eksempel. De tester flere periodiseringsbserte modeller og konkluderer med t Dechow og Dichev (2002) sin modell og den modifiserte DD-modellen til McNichols (2002) hr størst forklringskrft på periodiseringskvlitet. len vi skl bruke for å teste periodiseringskvliteten er som følger:,,,,,, 85

93 hvor Totle kortsiktige periodiseringer for selskp i, i periode t. Gjennomsnittlig verdi v totle eiendeler for selskp i, i periode t. Endring i totle slgsinntekter for selskp i, fr periode t- til periode t. Restledd for selskp i, i periode t. Regnskpsmessig verdi på vrige driftsmidler for selskp i, i periode t. Til tross for t Bo og Bo (2004) bruker Slon (996) sin tilnærming ved måling v resulttkvlitet, mener vi t den modifiserte DD-modellen vil gi en mer presis indiksjon på resulttkvlitet. Slon (996) sin tilnærming ser på hvor stbilt et regnskpsmessig resultt er når periodiseringskomponenten og kontntstrømkomponenten v resulttet vrierer i størrelse. Denne tilnærmingen forutsetter t mengden periodiseringer i resulttet øker vrisjonen. En kn derfor sette spørsmålstegn ved om det er mengden periodiseringer eller kvliteten på disse som skper voltilitet i resulttet. Vi ntr t den modifiserte DD-modellen, foreslått v McNichols (2002), for øyeblikket er den beste v de tilgjengelige modellene som tr hensyn til slike effekter Verdirelevns Bo og Bo (2004) benytter en price-level-modell og en price-chnge-modell i sin studie for å teste om verdirelevnsen til resulttet til selskper som foretr income smoothing er forskjellig fr selskper som ikke foretr income smoothing. Tilsvrende gjør de for selskper som hr høy og lv resulttkvlitet, og til slutt tester de verdirelevnsen til resulttet for lle fire grupper, lngs dimensjonene income smoothing og resulttkvlitet: ) qulity og smoothers, 2) qulity og non-smoothers, 3) non-qulity og smoothers og 4) non-qulity og non-smoothers. Vi skl velge smme fremgngsmåte i vår studie, men i motsetning til Bo og Bo (2004) benytter vi i tillegg en price-book-modell for å teste våre hypoteser. Videre velger vi å sklere vriblene i våre price-level-modeller (ksjekurs, resultt og bokført egenkpitl) med ntll ksjer. Dette for å minske effekten v mulige skleffekter (Brth & Clinch, 2009). Hypotese For å teste om verdirelevnsen til rpportert resultt er høyere for selskper som foretr income smoothing smmenlignet med selskper som ikke foretr income smoothing, benytter vi price-ernings, price-book og price-chnge-modellen. Vi skl utvide modellene med en indiktorvribel, som tr verdien for selskper som foretr income smoothing og 0 for selskper som ikke foretr income smoothing. Tidligere studier hr vist t en indiktorvribel 86

94 kn inngå i både level- og chnge-nlyser. Dette for å kunne nlysere endringene mellom price-ernings-multiplen mellom to grupper (Brth et l., 999). Rsjonlet for en slik fremgngsmåte er som følger: for gruppe (smoothers) vil [ [ [ ]. ] ], hvor E er forventningsverdien. For gruppe 2 (non-smoothers) vil [ [ Forskjellen mellom de to gruppene er dermed representert ved ] ]. Hvis er positiv og signifiknt, kn en konkludere med t price-ernings-multiplen og dermed verdirelevnsen til resulttet, er høyere for gruppe enn gruppe 2. Hvis er negtiv og signifiknt, kn en konkludere med t price-ernings-multiplen og dermed verdirelevnsen til resulttet, er lvere for gruppe enn for gruppe 2. Tidligere forskning viser også t kontrollvribler bør inngå i både level- og chnge-nlyser. Dette for å kunne kontrollere om det er ndre vribler som kn påvirke price-erningsmultiplen (Brth et l., 999). Størrelse (målt som totle eiendeler), gjeldsgrd (målt som gjeld/egenkpitl) og dummyvribler for år 200, 20 og 202 er inkludert i denne studien som kontrollvribler. Dummyvribelen for år vil t verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Vi skl benytte oss v en MMR-modell for å kunne teste på våre hypoteser. Dette er en metode hvor en smmenligner to regresjonslikninger med hverndre. Den første likningen vil bestå v lle førsteordenseffektene, mens den ndre likningen består v både førsteordens- og ndreordenseffektene. Vi får dermed følgende regresjonsmodeller: Price-ernings regresjonsmodell : Price-ernings regresjonsmodell 2: hvor εi,t. εi,t. Pi,t Aksjekurs for selskp i, på tidspunkt t. Ei,t Resultt per ksje for selskp i, i periode t. DSi,t Income smoothing for selskp i, i periode t. Dummyvribel som tr verdien for smoothers og 0 for non-smoothers. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. 87

95 Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Feilledd for selskp i, i periode t. Price-book regresjonsmodell : Price-book regresjonsmodell 2: hvor Pi,t εi,t. εi,t. Aksjekurs for selskp i, på tidspunkt t. BVSi,t Bokført verdi per ksje for selskp i, i periode t. DSi,t Income smoothing for selskp i, i periode t. Dummyvribel som tr verdien for smoothers og 0 for non-smoothers. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Feilledd for selskp i, i periode t. Price-chnge regresjonsmodell : Price-chnge regresjonsmodell 2: hvor εi,t εi,t. PCi,t Endring i ksjekurs for selskp i, på tidspunkt t. ECi,t Endring i resultt per ksje for selskp i, i periode t. DSi,t Income smoothing for selskp i, i periode t. Dummyvribel som tr verdien for smoothers og 0 for non-smoothers. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. 88

96 Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Feilledd for selskp i, i periode t. Hypotese 2 I hypotese 2 skl vi teste hvorvidt verdirelevnsen til resulttet er høyere for selskper som hr høy resulttkvlitet smmenlignet med selskper som hr lv resulttkvlitet. Fremgngsmåten her vil være lik som i hypotese, men her vil indiktorvribelen t verdien for selskper med høy resulttkvlitet og 0 for selskper med lv resulttkvlitet. Vi får d følgende regresjoner: Price-ernings regresjonsmodell 3: Price-ernings regresjonsmodell 4: hvor εi,t. Pi,t Aksjekurs for selskp i, på tidspunkt t. Ei,t Resultt per ksje for selskp i, i periode t. DQi,t εi,t. Resulttkvlitet for selskp i, i periode t. Dummyvribel som tr verdien for høy resulttkvlitet og 0 for lv resulttkvlitet. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Feilledd for selskp i, i periode t. Price-book regresjonsmodell 3: Price-book regresjonsmodell 4: εi,t. εi,t. 89

97 hvor Pi,t Aksjekurs for selskp i, på tidspunkt t. BVSi,t Bokført verdi per ksje for selskp i, i periode t. DSi,t Income smoothing for selskp i, i periode t. Dummyvribel som tr verdien for smoothers og 0 for non-smoothers. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Feilledd for selskp i, i periode t. Price-chnge regresjonsmodell 3: Price-chnge regresjonsmodell 4: εi,t. hvor PCi,t Endring i ksjekurs i tidspunkt t for selskp i. ECi,t Endring i resultt per ksje i periode t for selskp i DQi,t εi,t. Resulttkvlitet for selskp i, i periode t. Dummyvribel som tr verdien for høy resulttkvlitet og 0 for lv resulttkvlitet. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. Feilledd for selskp i, i periode t. Hypotese 3 I hypotese 3 skl vi teste om verdirelevnsen til resulttet i selskper som foretr income smoothing og hr høy resulttkvlitet er høyere enn for ndre selskper. I smsvr med Bo og Bo (2004) vil vi med to dimensjoner (income smoothing og resulttkvlitet) også ende 90

98 opp med fire grupper (smoothers qulity, non-smoothers qulity, smoothers non-qulity og non-smoothers non-qulity). For å kunne nlysere fire grupper er det nødvendig med tre indiktorvribler. Regresjonen kn bli presentert som følger: hvor ( ) ( ) ( D Verdien for gruppe og verdien 0 for ndre grupper. D2 Verdien for gruppe 2 og verdien 0 for ndre grupper. D3 Verdien for gruppe 3 og verdien 0 for ndre grupper. ) εi,t. Begrunnelsen for bruk v tre indiktorvribler er som følger(bo & Bo, 2004): gruppe 4 er bsegruppen, dvs. [ [ ] representert ved ]. Hvis [ ]. [ ], hvor E er forventningsverdien. For gruppe vil Forskjellen mellom gruppe 4 og gruppe er dermed er positiv og signifiknt, kn en konkludere med t price- ernings-multiplen og dermed verdirelevnsen til resulttet, for gruppe er høyere enn den for gruppe 4. Hvis derimot er negtiv og signifiknt, kn en konkludere med t price- ernings-multiplen er lvere for gruppe enn for gruppe 4. For gruppe 2 vil [ Hvis [ ]. ] Forskjellen mellom gruppe 4 og gruppe 2 er dermed representert ved. er positiv og signifiknt, kn en dermed konkludere med t price-ernings-multiplen og dermed verdirelevnsen til resulttet, for gruppe 2 er høyere enn den for gruppe 4. Hvis derimot er negtiv og signifiknt, kn en konkludere med t price-ernings-multiplen er lvere for gruppe 2 enn for gruppe 4. For gruppe 3 vil [ ] Forskjellen mellom er gruppe 4 og gruppe 3 er dermed representert ved [. Hvis ]. er positiv og signifiknt, kn en konkludere med t price-ernings-multiplen og dermed verdirelevnsen til resulttet, for gruppe 3 er høyere enn den for gruppe 4. Hvis derimot er negtiv og signifiknt, kn en konkludere med t price-ernings-multiplen er lvere for gruppe 3 enn for gruppe 4. 9

99 Med tre indiktorvribler og to kontrollvribler får vi følgende regresjoner: Price-ernings regresjonsmodell 5 (gruppe 4 bsegruppe): ( ) ( ) εi,t. ( ) ( ) ( ) ( ) Price-ernings regresjonsmodell 6 (gruppe 3 bsegruppe): ( ) ( ) εi,t. Price-ernings regresjonsmodell 7 (gruppe 2 bsegruppe):. ( ) ( ) εi,t. Price-ernings regresjonsmodell 8 (gruppe bsegruppe): hvor ( ) ( ) εi,t. Pi,t Aksjekurs for selskp i, på tidspunkt t. Ei,t Resultt per ksje for selskp i, i periode t. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. G Dummyvribel som tr verdien for selskper som smoother og hr høy resulttkvlitet, og verdien 0 ellers. G2 Dummyvribel som tr verdien for selskper som ikke smoother og hr høy resulttkvlitet, og verdien 0 ellers. G3 Dummyvribel som tr verdien for selskper som smoother og hr lv resulttkvlitet, og verdien 0 ellers. G4 Dummyvribel som tr verdien for selskper som ikke smoother og hr lv resulttkvlitet, og verdien 0 ellers. Feilledd for selskp i, i periode t. 92

100 Price-book regresjonsmodell 5 (gruppe 4 bsegruppe): ( ) ( ) Price-book regresjonsmodell 6 (gruppe 3 bsegruppe): ( ) ( ) Price-book regresjonsmodell 7 (gruppe 2 bsegruppe): ( ) ( Price-book regresjonsmodell 8 (gruppe bsegruppe): hvor Pi,t ( ) ( ( ( ) εi,t. εi,t. ) ) ( εi,t. ) ) ( ) εi,t. Aksjekurs for selskp i, på tidspunkt t. BVSi,t Bokført verdi per ksje for selskp i, i periode t. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. G Dummyvribel som tr verdien for selskper som smoother og hr høy resulttkvlitet, og verdien 0 ellers. G2 Dummyvribel som tr verdien for selskper som ikke smoother og hr høy resulttkvlitet, og verdien 0 ellers. G3 Dummyvribel som tr verdien for selskper som smoother og hr lv resulttkvlitet, og verdien 0 ellers. G4 Dummyvribel som tr verdien for selskper som ikke smoother og hr lv resulttkvlitet, og verdien 0 ellers. Feilledd i for selskp i, periode t. 93

101 Price-chnge regresjonsmodell 5 (gruppe 4 bsegruppe): ( ) ( ( ) ( ) ( Price-chnge regresjonsmodell 7 (gruppe 2 bsegruppe): ( Price-chnge regresjonsmodell 8 (gruppe bsegruppe): hvor ( ) ( ) ( εi,t. ) ) ( ) ) ( εi,t. ) ( ) Price-chnge regresjonsmodell 6 (gruppe 3 bsegruppe): PCi,t Aksjekurs i tidspunkt t for selskp i. ECi,t Resultt per ksje i periode t for selskp i ) εi,t. εi,t. DETEi,t Gjeldsgrd for selskp i, i periode t. TAi,t Totle eiendeler for selskp i, i periode t. Yxxx Dummyvribel for år xxx. Tr verdien for 200 og 0 for de ndre årene. Andre dummyvribler for år er tilsvrende definert. G Dummyvribel som tr verdien for selskper som smoother og hr høy resulttkvlitet, og verdien 0 ellers. G2 Dummyvribel som tr verdien for selskper som ikke smoother og hr høy resulttkvlitet, og verdien 0 ellers. G3 Dummyvribel som tr verdien for selskper som smoother og hr lv resulttkvlitet, og verdien 0 ellers. G4 Dummyvribel som tr verdien for selskper som ikke smoother og hr lv resulttkvlitet, og verdien 0 ellers. Feilledd for selskp i, i periode t. 94

102 Price-ernings regresjonsmodellene til 8, price-book regresjonsmodellene til 8 og pricechnge regresjonsmodellene til 8 vil bli brukt til å teste våre hypoteser. Imidlertid vil ndre tilnærminger (f.eks. splittvribel) bli brukt til å kunne bekrefte eller vkrefte funnene vi kommer frem til gjennom testingen v regresjonsmodellene. Disse tilnærmingene vil d bli presentert fortløpende Dtinnsmling og utvlg For å kunne utføre nlysene hr vi vært vhengig v å få tilgng til mrkedsdt og regnskpsdt for norske børsnoterte selskper i perioden Både mrkedsdtene og regnskpsdtene er innhentet fr dtbsen Amdeus6, de ktuelle selskpenes årsregnskper, Proff Forvlt7 og Oslo Børs. Informsjon fr Oslo Børs sine nettsider8 brukt for å identifisere lle selskper som hr vært notert i perioden I de følgende vsnittene vil vi forklre fremgngsmåten og prosessen i dtinnsmlingen for income smoothing, resulttkvlitet og verdirelevns Income Smoothing For å måle income smoothing trenger vi kun regnskpsinformsjon. Her må vi imidlertid h informsjon om selskpenes driftsresultt og slgsinntekter for åtte smmenhengende år ( ). I smsvr med Imhoff (98) bruker vi driftsresultt før nedskrivning, d income smoothing skjer gjerne i driftspostene. I motsetning til Imhoff (98) bruker vi sum slgsinntekter og ikke sum driftsinntekter, d sistnevnte omftter ndre inntekter, f.eks leieinntekter eller gevinst på slg v nleggsmskiner. Andre driftsinntekter er en uspesifisert mengde som kn inneholde en rekke elementer som kn slå uheldig ut ved testing v income smoothing. Dette gir oss sju observsjoner for beregning v stndrdvvik og gjennomsnitt (8-)9. Siden selskpene i utvlget vårt må h ll informsjon tilgjengelig for årene hr utvlget blitt redusert i forhold til ntll børsnoterte selskper per Vi endte derfor opp med et utvlg på 95 selskper. Vi måtte ekskludere selskpet Wenthworth Resources fr utvlget siden vi hdde problemer med å finne årsregnskpene for dette selskpet. Vi ekskluderte også bnker siden disse hr en nnen regnskpsoppstilling enn ndre selskper og regnskpstllene er derfor ikke smmenlignbre. Vårt endelige utvlg i forhold til ntll selskper notert på Oslo Børs er vist i tbellen under: 6 Regnskpsdtbse ved NHH Siden endringen beregnes fr år til år. 7 95

103 Antll børsnoterte Utvlget Utvlget i prosent v selskper ntll børsnoterte Antll selskper 98 Antll årsobservsjoner selskper 92 46,46 % 736 Dette gir oss 460 årsobservsjoner for dummyvribelen income smoothing, hvor 220 hr verdien (smoothers) og 240 hr verdien 0 (non-smoothers). Det er dermed 44 selskper som er klssifisert som smoothers og 48 som er klssifisert som non-smoothers Resulttkvlitet len som tester periodiseringskvlitet trenger også kun regnskpsinformsjon. Her er vi vhengig v informsjon om selskpenes kontntstrøm fr drift for tre smmenhengende år ( ). I tillegg til disse årene trengs kontntstrøm fr drift året før og året etter, det vil si regnskpsinformsjon for totlt fem smmenhengende år. Observsjoner for de ulike vriblene i periodiseringsmodellen henter vi fr årsregnskpet for det ktuelle året. Videre benytter vi smme fremgngsmåte som for income smoothing og splitter utvlget i to grupper, selskper som hr god periodiseringskvlitet (qulity) og selskper som hr dårlig periodiseringskvlitet (non-qulity). Antll qulity og non-qulity selskper sett i forhold til ntll noterte selskper på Oslo Børs i perioden er oppsummert i tbellen under. Antll børsnoterte Utvlget Utvlget i prosent v Antll selskper ntll børsnoterte årsobservsjoner Antll selskper 98 selskper 92 46,46 % 276 Av disse 276 årsobservsjonene hr 40 verdien 0 (lv resulttkvlitet) og 36 hr verdien (høy resulttkvlitet) Verdirelevns Verdirelevnsmodellen vår er bsert både på mrkedsdt og regnskpsdt. Mrkedsdt utgjør den vhengige vribelen ksjepris og denne informsjonen er hentet inn fr nettsidene til Oslo Børs. Regnskpsdt utgjør kilden til de ndre vriblene og her hr vi brukt årsregnskper, Amdeus og forvlt.no for å smle inn dt. På tidspunktet for dtinnsmling (februr/mrs) vr ikke årsregnskpene for 204 for lle selskper publisert. Vi velger dermed å se på årene 2009 til 203. Dette smsvrer også med vribelen income smoothing og periodiseringskvlitet, hvor 203 også er det siste året som vi hr hentet inn dt for. 96

104 Videre er ksjekursen justert for events og dividende. Events er hendelser som påvirker ksjekursen uten t de hr et reelt økonomisk innhold, for eksempel ksjesplitt eller ksjekonsolidering. Dette er hendelser hvor ntll ksjer enten økes eller reduseres, uten t selskpets underliggende økonomiske forhold endres. Dividende legges til ksjekursen slik t mn kn beregne riktig ksjevkstning for perioden. Ved utvlg v selskper for verdirelevnsmodellen hr vi ttt utgngspunkt i de smme 92 selskpene som ble klssifisert som enten smoothers eller non-smoothers, siden vi ønsker å teste effekten income smoothing hr på resulttets verdirelevns. Forutsetningen for utvlget er dermed t selskpet må h vært notert på Oslo Børs åtte år eller lengre. Vårt endelige utvlg i forhold til ntll selskper notert på Oslo Børs er vist i tbellen under: Antll børsnoterte Utvlget Utvlget i prosent v Utvlget i prosent v selskper ntll børsnoterte ntll børsnoterte selskper selskper 46,46 % Antll selskper Som det fremkommer v tbellen, er det 460 årsoberservsjoner for vriblene Pris (ksjepris) og EPS (resultt per ksje). Imidlertid vil ntll årsobservsjoner for vriblene i price-chnge-modellen være noe lvere smmenlignet med price-ernings og price-bookmodellene. Dette skyldes t den vhengige vribelen i price-chnge-modellen, Price_Chnge, måles som følger: (Prist - Prist-) / Prist-. Vi hr dermed ingen dt for den vhengige vribelen, Price_Chnge, for år Tilsvrende vil det også være for den uvhengige vribelen i price-chnge-modellen, Ernings_Chnge, som måles som følger: (Eerningst - Eerningst-) / Prist-. Antll årsobservsjoner i price-chnge-modellen vil dermed være 368 (4 år * 92 selskper). 97

105 9 ANALYSE OG RESULTATER I dette kpittelet vil vi presentere studiens nlyse og resultter. Først vil vi redegjøre for studiens vribler og hvordn disse er beregnet. Deretter presenterer vi deskriptiv sttistikk for de ulike modellene. Videre vil vi presentere resulttene v selve modelltestingen og nlysere våre funn. Til slutt vil vi diskutere regresjonsforutsetningene og om disse er ivrettt i våre regresjoner. 9. Studiens vribler I dette delkpittelet vil vi presentere studiens vribler og forklre kort hvordn disse er beregnet. 9.. Income smoothing Vribelen income smoothing er en modertor i denne studien og dtene for denne vribelen er smlet inn seprt i et eget Excel-dokument. Her er vrisjonskoeffisienten for både sum slgsinntekter og driftsresultt beregnet. Et selskp som foretr income smoothing hr fått verdien (dvs. smoothing (dvs. ). ) og verdien 0 hvis selskpet ikke foretr income 9..2 Resulttkvlitet Vribelen resulttkvlitet er også en modertor i denne studien. Vribelen er estimert ved hjelp v periodiseringsmodellen til McNichols (2002). Residulene i modellen til McNichols (2002) brukes som mål på periodiseringskvlitet. Tnken er t en større residul indikerer t selskpet hr lvere periodiseringskvlitet det ktuelle året i forhold til hele modellen. Lvere kvlitet på periodiseringer kn dermed tolkes som lvere kvlitet på resulttet. Ved klssifisering v lv eller høy resulttkvlitet hr vi kjørt deskriptiv sttistikk på McNichols-residulene og funnet medin-verdien. Deretter hr vi klssifisert McNichols residulene mellom Q3 og Q (interqurtile rnge) som de med høy resulttkvlitet (verdien ), mens residulene utenfor dette området er klssifisert som de med lv resulttkvlitet (verdien 0). Klssifiseringen er illustrert i fordelingen under: Figur 9.: Interqurtile rnge 98

106 9..3 Verdirelevns Den vhengige vribelen i vår price-ernings og price-book-modell er ksjekurs, mens den vhengige vribelen i vår price-chnge-modell er endringen i pris sklert med fjorårets pris20. Ved testing v verdirelevns er det vnlig å benytte et etterslep i ksjekursen. Vi velger å hente ksjekursen (Pricei,t) tre måneder etter regnskpsårets slutt (3.03) og smmenholde denne mot regnskpsmessig resultt (EPSi,t). Dette for å kunne være sikker på t ll regnskpsinformsjon er reflektert i ksjekursen. Vi velger å sklere den vhengige vribelen (Pricei,t) og de uvhengige vriblene (EPSi,t og BVSi,t) med ntll utestående ksjer. Dette er i tråd med nbeflingen til Brth og Clinch (2009) som finner t det er mest effektivt å sklere med ntll ksjer. Skleringen skl minimere størrelseseffekter som kommer v forskjeller mellom store og små selskper Kontrollvribler Gjeld Denne vribelen er bsert på regnskpsinformsjon fr forvlt.no og de ulike selskpenes årsregnskpene. Vribelen måler forholdet mellom gjeld og egenkpitl2. Denne vribelen er kun en kontrollvribel i våre hypoteser. Størrelse Tidligere forskning (Wtts & Zimmermn, 990) viser t store selskper hr insentiver til å foret income smoothing, enten for å ikke signlisere monopoltilstnder (store positive resultter) eller for å ikke signlisere krisetilstnder (store negtive resultter).tidligere forskning viser også t store selskper hr ingen fordeler ved å jevne ut resulttene siden store selskper er underlgt mer grnskning v offentlige orgner og llmenheten (Albrecht & Richrdson, 990). Størrelse kn derfor være positivt eller negtivt ssosiert med income smoothing. Vi følger Bo og Bo (2004) og måler størrelse som totle eiendeler, og inkluderer den som en kontrollvribel. År Tidligere forskning viser også t det er år-til-år vrisjoner når årlige regresjoner utføres (Bo & Bo, 2004). Dummyvribler for år er derfor også inkludert i våre regresjoner ((Pt Pt-)/Pt-)) Forholdet måles som gjeld/egenkpitl. 99

107 9.2 Deskriptiv sttistikk I dette delkpittelet vil vi presentere deskriptiv sttistikk for våre vribler. Deskriptiv sttistikk beskriver fordelingen til hver v vriblene ved å presentere resultter for beliggenhetsmål og spredningsmål. Vi hr ikke fjernet noen uteliggere i utvlgene for deskriptiv sttistikk, så utvlget er ikke "trimmet" Periodiseringskvlitetsmodellen Tbellen under viser deskriptiv sttistikk for periodiseringskvlitetsmodellen: Tbell 9.: Deskriptiv sttistikk for periodiseringskvlitetsmodellen Gjennomsnitt Medin Minimum Mksimum.kvrtil 3.kvrtil Stndrdvvik TCA_skli,t 0,0740 0, ,08965, , ,0006 0,7269 CFOt-_skli,t 0, , ,45883, ,0733 0,72 0,2220 CFOt_skli,t 0,0734 0, ,7925, ,0928 0,70 0,22399 CFOt_skli,t 0, , ,74604,9586 0,0606 0,2087 0,2234 ΔREV_skli,t 0,0270 0,0733 -,744 3,9034-0,0405 0, ,3485 PPE_skli,t 0,9885 0, ,5426 0, , ,8887 N TCA_skli,t er totle kortsiktige periodiseringer sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift i forrige periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift inneværende periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift neste periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. ΔREV_skli,t er endring i totle slgsinntekter fr periode t- til periode t sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. PPE_skli,t er bokført verdi vrige driftsmidler sklert med gjennomsnittlig totle eiendeler i periode t for selskp i, i periode t. Av tbell 9. kn vi se t gjennomsnittsverdiene til lle vriblene smmenfller i noe grd med medinverdiene. For vribelen vrige driftsmidler (PPP_skli,t) er gjennomsnittsverdien betydelig høyere enn medinverdien. Det eksisterer noen høye verdier i vribelen PPP_skli,t som trekker gjennomsnittet opp i forhold medinen. Videre ser vi t stndrdvviket til vribelen PPP_skli,t er også betydelig høyere enn for ndre vribler. Tbell 9.2: Korrelsjonsnlyse for periodiseringskvlitetsmodellen TCA_skli,t CFOt-_skli,t CFOt_skli,t CFOt_skli,t ΔREV_skli,t PPE_skli,t TCA_skli,t CFOt-_skli,t 0,046 CFOt_skli,t -0,358** 0,448** CFOt_skli,t -0,047 0,539** 0,72** ΔREV_skli,t -0,246** 0,333** 0,296** 0,372** PPE_skli,t 0,254** 0,007 0,039 0,026-0,08 TCA_skli,t er totle kortsiktige periodiseringer sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt-_skli,t er kontntstrøm fr drift i forrige periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift inneværende periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift neste periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. ΔREV_skli,t er endring i totle slgsinntekter fr periode t- til periode t sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. PPE_skli,t er bokført verdi vrige driftsmidler sklert med gjennomsnittlig totle eiendeler i periode t for selskp i, i periode t. **. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). Tbell 9.2 viser en bivrit korrelsjonsnlyse for vriblene i periodiseringskvlitetsmodellen. Korrelsjonsnlysen viser t de fleste vriblene er 00

108 korrelerte med hverndre. De høyeste korrelsjonene får vi imidlertid mellom kontntstrømvriblene. Dette er nturlig siden en god (dårlig) kontntstrøm fr tidligere perioder øker snnsynligheten for en god (dårlig) kontntstrøm de kommende periodene. Dette kn for eksempel skyldes t selskper som klrer å skpe gode kontntstrømmer hr større snnsynlighet for å gjent dette enn de som produserer svke kontntstrømmer. Dette kn også skyldes t selskper besitter meget god kompetnse på sine områder, smt t de hr mer midler til å skpe nye kontntstrømmer ved å investere i nye lønnsomme prosjekter Verdirelevns Deskriptiv sttistikk for verdirelevnsmodellen vil bli presentert i tre ulike tbeller. Tbell 9.3 viser deskriptiv sttistikk for hele utvlget, tbell 9.4 deler utvlget i smoothers og nonsmoothers, mens tbell 9.6 deler utvlget i qulity og non-qulity. Vi hr ikke fjernet uteliggere ved beregning v deskriptiv sttistikk. Tbell 9.3: Deskriptiv sttistikk for verdirelevnsmodellen for hele utvlget N Gjennomsnitt Medin Minimum Mksimum. kvrtil 3. kvrtil Stndrdvvik Pricei,t ,52 27,80 0,60 740,00 8,00 99,00 82,49 EPSi,t 459 5,25 0,70-0,82 54,82-0,40 6,870 9,0 BVSi,t ,9 20, 0 324,95 4,68 73, 42,0 Price_Chngei,t 364 0,056 0,0043-0,9489 3,467-0,207 0,987 0,996 EPS_Chngei,t 364 0, ,355 6,60-0,0523 0,0558 0,6057 Gjeldsgrdi,t 458,92,24 0, ,300 0,648 2,085 3,47 Totle Eiendeleri,t* Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chnge i,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. Av tbell 9.3 kn vi se t vriblene Pricei,t, EPSi,t og BVSi,t hr vvik fr en symmetrisk fordeling og d særlig EPSi,t. Her er gjennomsnittlig verdi nesten åtte gnger23 større enn medinverdien. Dette skyldes t enkelte selskper hr høye verdier som trekker gjennomsnittet opp. Gjennomsnittet og medinen er derfor svært forskjellige, noe som tyder på t vi hr en symmetrisk fordeling. Stndrdvviket viser i hvilken grd observsjoner vviker fr gjennomsnittsverdien. Et lvt stndrdvvik viser t observsjonene er konsentrert rundt gjennomsnittet, mens et stort stndrdvvik viser t de vviker fr gjennomsnittet. Vi ser t stndrdvviket for ksjekurs, resultt og bokført egenkpitl hr en stor spredning. Dette bekrefter t det eksisterer noen høye verdier som trekker gjennomsnittet opp. Etter en smmenligning med ndre I millioner. 5,25 / 0,70 7,5 0

109 vhndlinger på verdirelevns, ser vi t våre forskjeller er noe mindre. Vi vil derfor ikke fjerne uteliggere. Deskriptiv sttistikk for hele utvlget sier ikke særlig mye, men presenterer kun fordelingen til hvert enkelt vribel. Det er derimot mer interessnt å smmenligne gjennomsnittsverdier for to ulike utvlg. Tbell 9.4: Deskriptiv sttistikk for verdirelevnsmodellen for non-smoothers og Smoothers Non-smoothers N Gjennomsnitt Medin Minimum Mksimum. kvrtil 3. kvrtil Stndrdvvik Pricei,t ,2 3,9 0,6 325,30 6, ,55 EPSi,t 239 4,84 0,84-0,82 54,82-0,5 6,83 9,67 BVSi,t ,49 8,66 0,00 78,58 5,025 70,52 83,56 Price_Chngei,t 88 0,947 0,0388-0,9205 3,467-0,897 0,206,2084 EPS_Chngei,t 88 0,9 0,0050-2,355 6,60-0,0405 0,0643 0,7685 Gjeldsgrdi,t 239 2,0,305 0, ,52 0,538 2,207 3,3 Totle Eiendeleri,t , Smoothers Pricei,t ,59 23,73, ,0 5,2 253,22 EPSi,t 220 5,70 0,685-46, ,287 7,0 8,49 BVSi,t ,77 2,72 0, ,95 4,069 75,06 85, Price_Chngei,t 76 0,004-0,077 2,6846 0,004-0,2298 0,936 0,498 EPS_Chngei,t 76 0,00-0,006 2,7042 0,00-0,0673 0,0454 0,3503 Gjeldsgrdi,t 220,80,9 0, ,30 0,72,87 3,53 Totle Eiendeleri,t , Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chnge i,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. Ved å kjøre en split-vrible24 i SPSS først og deretter deskriptiv sttistikk for smoothers og non-smoothers får vi en del interessnte funn. Av tbell 9.4 ser vi t det er stor forskjell mellom gjennomsnittlig ksjekurs (Pricei,t) hos smoothers og non-smoothers. Smoothers er priset 40 kroner høyere enn selskper som ikke smoother, noe som utgjør en forskjell på nesten 70 %. Vi ser videre t smoothers hr en høyere gjennomsnittlig resultt per ksje (EPSi,t) og bokført egenkpitl per ksje (BVSi,t). Forskjellen er derimot mye større i gjennomsnittlig BVS enn gjennomsnittlige EPSi,t. Forskjellen her utgjør nesten 23 kr, noe som tilsvrer 40 %. De største forskjellene mellom gjennomsnittene finner vi imidlertid i pricechnge-vriblene. Gjennomsnittlig Price_Chngei,t hos non-smoothers er nesten 7 gnger høyere enn gjennomsnittlig Price-Chngei,t hos smoothers. Den største forskjellen finner vi i EPS_Chngei,t. Her hr non-smoothers over 00 gnger større gjennomsnitt enn smoothers. Her eksisterer det noen meget høye verdier som drr gjennomsnittet opp. Vi ser også t det er forskjeller i gjennomsnittlig gjeldsgrd og totle eiendeler, men her er det kun forskjellen i gjennomsnittlige totle eiendeler som kn sies å være v en viss størrelse. Smoothers hr i gjennomsnitt 2 millirder kr mer i totle eiendeler enn non-smoothers. 24 Splittvribel deler dtsettet i to utvlg: smoothers og non-smoothers. 02

110 Imidlertid er det ikke nok å se på forskjellene mellom gjennomsnittsverdiene, mn må også teste for om disse forskjellene er signifiknte. Dette gjøres ved å teste gjennomsnittsverdiene mot hverndre i en t-test25. Her vil vi få p-verdier som vil vise om forskjellene er signifiknte eller ikke-signifiknte. Tbell 9.5: p-vlues of Comprisons of mens non-smoothers vs. Smoothers p-vlues of Comprisons of Mens non-smoothers vs. Smoothers Pricei,t EPSi,t BVSi,t Price_Chngei,t 0,974 EPS_Chngei,t 0,97 Gjeldsgrdi,t 0.80 Totle Eiendeleri,t 0,959 Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chngei,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeler i,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. Vi kn se v tbellen over t det er kun forskjellene i gjennomsnittsverdiene for Pricei,t og BVSi,t som er signifiknte. Dette indikerer t smoothers prises høyere og hr høyere bokført egenkpitl. Tbell 9.6: Deskriptiv sttistikk for verdirelevnsmodellen for non-qulity og Qulity Non-qulity N Gjennomsnitt Medin Minimum Mksimum. kvrtil 3. kvrtil Stndrdvvik Pricei,t 40 49,22 28,85 0,6 30,93 9, ,84 EPSi,t 40,4,67-0,82 67,98-0,4 7,86 4,47 BVSi,t 39 38,83 9,99 0,00 278,42 5,04 75,09 56,5 Price_Chngei,t 37-0,006-0,028-0,948 6,60-0,2450 0,587 0,4543 EPS_Chngei,t 37 0,083-0,00-2,35 25,595-0,055 0,054 0,798 Gjeldsgrdi,t 39,98,23 0,030 25,5 0,644 2,3 3,42 Totle Eiendeleri,t , Qulity Pricei,t 36 05,08 40,77 0,7 740,55 28,30 249,77 EPSi,t 36 7,98,355-40, ,225 8,082 23,72 BVSi,t 36 88,52 40,96 0, ,77 6,77 88,33 88,66 Price_Chngei,t 36-0,0495-0,0332-0,79 0,99-0,2375-0,0635 0,2790 EPS_Chngei,t 36-0,044-0,009 -,733 0,98 0,93 0,0445 0,240 Gjeldsgrdi,t 36,78,263 0,0807 6,5 0,80,938 2,33 Totle Eiendeleri,t Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chnge i,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. Vi kjører også en splittvribel for å kunne smmenligne forskjellene mellom non-qulity og qulity. Funnene her kn sies å være mer interessnte enn funnene for non-smoothers vs. smoothers. Vi ser v tbell 9.6 t det er store forskjeller i gjennomsnittlig Pricei,t. Her er 25 På engelsk: p-vlues of Comprisons of Mens. 03

111 selskper som hr høy resulttkvlitet priset 56 kroner høyere enn selskper som ikke hr høy resulttkvlitet. Dette utgjør en forskjell på nesten 3 %. Vi ser videre t selskper som hr høy resulttkvlitet hr en høyere gjennomsnittlig resultt per ksje (EPSi,t) og bokført egenkpitl per ksje (BVSi,t). Forskjellen er derimot mye større i gjennomsnittlig EPSi,t enn i gjennomsnittlige BVSi,t. Forskjellen her utgjør nesten 7 kr, noe som tilsvrer 465 %. Det er også forskjell i price-chnge-vriblene når vi splitter utvlget mellom non-qulity og qulity. Selskper med høy resulttkvlitet hr i snitt høyere Price_Chngei,t (ksjevkstning) enn selskper med lv resulttkvlitet. Derimot hr selskper med lv resulttkvlitet høyere EPS_Chngei,t (endring i resultt per ksje) enn selskper som hr høy resulttkvlitet. Vi ser også t det er forskjeller i gjennomsnittlig gjeldsgrd og totle eiendeler, men her er det kun forskjellen i gjennomsnittlige totle eiendeler som kn sies å være v en viss størrelse. Selskper med høy resulttkvlitet hr i gjennomsnitt 27 millirder kr mer i totle eiendeler. Disse funnene tyder på t resulttkvlitet utgjør en større forskjell enn om et selskp foretr income smoothing eller ikke. Tbell 9.7: p-vlues of Comprisons of mens non-qulity vs. Qulity p-vlues of Comprisons of Mens non-qulity vs. Qulity Pricei,t EPSi,t BVSi,t 0.00 Price_Chngei,t 0,828 EPS_Chngei,t 0,92 Gjeldsgrdi,t Totle Eiendeleri,t Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chnge i,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. I likhet med non-smoothers vs. smoothers er det også viktig å sjekke om forskjellene i gjennomsnittsverdiene mellom non-qulity og qulity er signifiknte. Av tbellen over ser vi t gjennomsnittsverdiene for de fleste vribler er signifiknte på 0,0-nivå, bortsett fr pricechnge-vriblene og gjeldsgrd. De signifiknte forskjellene indikerer dermed t selskper som hr høy resulttkvlitet i gjennomsnitt prises høyere, hr høyere resultt per ksje, høyere bokført egenkpitl per ksje og høyere totle eiendeler. Det vil også være interessnt å smmenligne gjennomsnittsverdiene for de ulike vriblene på tvers v lle fire grupper (Gsmoothers og qulity, G2non-smoothers og qulity, G3smoothers og non-qulity og G4non-smoothers og non-qulity). I den første gruppen er det 66 vlide observsjoner, i den ndre gruppen er det 70 observsjoner, i den tredje gruppen 04

112 er det 66 observsjoner, mens det i den fjerde og siste gruppen er det 75 observsjoner. Pverdiene for de ulike gjennomsnittene er oppsummert i tbellen under: Tbell 9.8: p-vlues of Comprisons of mens for fire grupper p-vlues of Comprisons of Mens G vs. G2 G vs. G3 G vs. G4 G2 vs. G3 G2 vs. G4 G3 vs. G4 Pricei,t EPSi,t BVSi,t Price_Chngei,t ,039 0,008 0,058 EPS_Chngei,t 0,806 0,940 0,096 0,659 0,064 0,049 Gjeldsgrdi,t Totle Eiendeleri,t , Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chnge i,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og non-qulity. Av tbell 9.8 ser vi t det er flest signifiknte forskjeller mellom gruppe (smoothers og qulity) og gruppe 4 (non-smoothers og non-qulity). Dette funnet synes å være intuitiv. Gruppe og gruppe 4 representerer to motsetninger, hvor gruppe både smoother og hr høy resulttkvlitet, mens gruppe 4 smoother og hr lv resulttkvlitet. Det forventes dermed flest signifiknte forskjeller mellom disse gruppene. Minst signifiknte forskjeller finner vi mellom gruppe 2 og gruppe 3. Dette synes også å være intuitiv. Gruppe 2 og gruppe 3 kn sies å være delvis like grupper, hvor gruppe 2 ikke smoother, men hr høy resulttkvlitet, mens gruppe 3 smoother, men hr lv resulttkvlitet. Det forventes dermed minst signifiknte forskjeller mellom disse gruppene. Tbell 9.9: Korrelsjonsnlyse for verdirelevnsmodellen for hele utvlget Pricei,t EPSi,t BVSi,t Price_ EPS_ Chngei,t Chngei,t Pricei,t EPSi,t 0,60** BVSi,t 0,903** 0,602** Price_Chngei,t -0,007 0,034 0,033 EPS_Chngei,t -0,039 0,098-0,030 0,239** Gjeldi,t -0,05-0,098* -0,070 0,50** 0,05 Gjeldi,t Totle Eiendeleri,t Totle 0,082 0,07* 0,063-0,03-0,025-0,09 Eiendeleri,t Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chngei,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeler i,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. **. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet) *. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). 05

113 I tbell 9.9 gjengir vi en bivrit korrelsjonsnlyse mellom vriblene i verdirelevnsmodellen. I dette vsnittet vil vi kun kommentere korrelsjoner mellom den vhengige vribelen, de uvhengige vriblene og kontrollvriblene. De øvrige korrelsjonene (interksjonsleddene og kontrollvribler for år) hr størst betydning for regresjonsforutsetninger og vil ikke bli rpportert eller kommentert. Vi ser v korrelsjonstbellen t både resultt per ksje (0,60) og bokført egenkpitl per ksje (0,903) er positivt signifiknt korrelert med ksjekursen. Bokført egenkpitl per ksje er den vribelen som korrelerer høyest med ksjekursen. Dette er rimelig siden ksjekursen er forventet å reflektere mye v informsjonen som er i bokført egenkpitl. Vi ser også t gjeld er negtivt korrelert med vriblene i price-ernings og price-book-modellen, men det er kun korrelsjonen med resultt per ksje som er signifiknt. Vriblene i price-chnge-modellen korrelerer signifiknt kun med hverndre (0,239) og gjeld (0,50). Det første synes å være rimelig siden vriblene i price-chnge-modellen måler endring i ksjevkstning og resultt per ksje. I en Person-korrelsjonsnlyse undersøkes den lineære smmenhengen mellom to vribler, mens det i en lineær regresjonsnlyse undersøkes den lineære smmenhengen mellom den vhengige og den uvhengige vribelen, kontrollert for effekten v de øvrige uvhengige vriblene i modellen. En regresjonsnlyse er derfor bedre egnet til å vurdere smmenhenger enn en korrelsjonsnlyse (Sndvik, 203). Tbell 9.0: Korrelsjonsnlyse for verdirelevnsmodellen for non-smoothers og Smoothers Pricei,t EPSi,t BVSi,t Price_Chngei,t EPS_Chngei,t Gjeldi,t Totle Eiendeleri,t -0,04-0,022-0,046-0,025-0,036-0,033 Pricei,t 0,367** 0,532** 0,006 0,043-0,0 EPSi,t 0,90** 0,726** 0,076 0,425** -0,040 BVSi,t 0,989** 0,873** 0,04 0,72* -0,059 Price_Chngei,t -0,007 0,00-0,02 0,266** 0,29*** EPS_Chngei,t -0,008 0,007-0,008 0,009 0,49* Gjeldi,t -0,036-0,030-0,039 0,063-0,7 Totle Eiendeleri,t -0,075-0,055-0,084 0,02-0,00 0,006 Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chnge i,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. Til venstre og fet skrift smoothers, til høyre og kursiv skrift non-smoothers **. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). I tbell 9.0 hr vi delt utvlget i non-smoothers og smoothers. Dermed hr vi to ulike sett v Person-korrelsjoner. Vi ser t smoothers hr en høyere signifiknt korrelsjon mellom ksjekurs og resultt per ksje (0,90>0,367), og ksjekurs og bokført egenkpitl per ksje (0,989>0,532). Korrelsjonen mellom ksjevkstning og endring i resultt per ksje er positiv både for smoothers og non-smoothers, men kun signifiknt for sistnevnte. I tillegg er 06

114 denne korrelsjonen høyere for non-smoothers enn for hele utvlget (0,266>0,239). Dette funnet tyder på t selskper som ikke foretr income smoothing hr en sterkere positiv smmenheng mellom endring i resultt og ksjevkstning. Vi ser også t gjeld er negtivt korrelert med de fleste vriblene, bortsett fr vriblene i price-chnge-modellen. Her er den signifiknt positiv korrelert med gjeld for non-smoothers, henholdsvis 0,29 for Price_Chngei,t og 0,49 for EPS_Chngei,t. Dette tyder på t selskper med høy gjeldsgrd hr større endring i resultt og ksjevkstning. Tbell 9.: Korrelsjonsnlyse for verdirelevnsmodellen for non-qulity og Qulity Pricei,t EPSi,t BVSi,t Price_Chngei,t EPS_Chngei,t Gjeldi,t Pricei,t 0,328** 0,53** -0,00-0,03-0,072 Totle Eiendeleri,t -0,06 0,329** 0,095 0,432** -0,032 0,008 0,076 0,3-0,092-0,095-0,048 0,9* 0,065 0,38-0,050 EPSi,t 0,976** BVSi,t 0,994** 0,98** Price_Chngei,t 0,033 0,038 0,03 EPS_Chngei,t 0,03 0,027 0,03-0,099 Gjeldi,t -0,049-0,049-0,050-0,93* -0,98* Totle Eiendeleri,t -0,049-0,044-0,053 0,062 0,038-0,048-0,030 Pricei,t er ksjekurs tre måneder etter regnskpsårets slutt for selskp i, på tidspunkt t. EPS i,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode. Price_Chngei,t er ksjevkstning sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. Gjeldsgrdi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. Til venstre og fet skrift qulity, til høyre og kursiv skrift non-qulity **. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). I tbell 9. hr vi smme fremgngsmåte som i tbell 9.0, men her er utvlget delt etter non-qulity vs. non-qulity. Som ved smoothers vs. non-smoothers er det også store forskjeller mellom qulity vs. non-qulity. Vi ser t selskper med høy resulttkvlitet hr en høyere signifiknt korrelsjon mellom ksjekurs og resultt per ksje (0,976>0,328), og ksjekurs og bokført egenkpitl per ksje (0,994>0,53). Vi ser også t gjeld er negtivt korrelert med lle vriblene for selskper med høy resulttkvlitet, men kun signifiknt for vriblene Price_Chngei,t og EPS_Chngei,t. For selskper med lv resulttkvlitet er gjeld kun signifiknt korrelert med Price_Chngei,t (0,9). 9.3 ltesting Her presenteres resulttene våre fr regresjonsmodellene. Vedlgt finnes fullstendig utskrift for lle tester i SPSS Periodiseringskvlitet For å teste periodiseringskvlitet hr vi kjørt en regresjonsnlyse i henhold til McNichols (2002). Regresjonen skiller ut ulike regnskpsstørrelser for å se i hvor stor grd de forklrer vrisjon i den vhengige vribelen, TCA (totle kortsiktige periodiseringer). 07

115 Tbell 9.2: Koeffisienter periodiseringskvlitetsmodellen Ustndrdiserte Koeffisienter Stndrdiserte Koeffisienter B Std. Error Bet (Konstnt) CFOt-_skli,t CFOt_skli,t CFOt_skli,t ΔREV_skli,t PPE_skli,t 0,07 0,67-0,524 0,39-0,45 0,02 0,009 0,046 0,054 0,058 0,029 0,002 0,25-0,679 0,42-0,265 0,263 t-verdi. 7,784 3,658-9,767 5,505-4,985 5,420 p-verdi Justert R 0,353. Avhengig Vribel: TCA_skli,t. TCA_skli,t er totle kortsiktige periodiseringer sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift i forrige periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift inneværende periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. CFOt_skli,t er kontntstrøm fr drift neste periode sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. ΔREV_skli,t er endring i totle slgsinntekter fr periode t- til periode t sklert med gjennomsnittlig totle eiendeler for selskp i, i periode t. PPE_skli,t er bokført verdi vrige driftsmidler sklert med gjennomsnittlig totle eiendeler i periode t for selskp i, i periode t. Det er forventet t kortsiktige periodiseringer er positivt ssosiert26 kontntstrøm fr drift. Dette synes å være rimelig siden noen periodiseringer vil utsette innregningen v kontntstrøm som et element i regnskpsmessig resultt. Som et resultt v dette er det forventet t en del v fjorårets kontntstrøm inngår som periodiseringer det påfølgende året, for eksempel tilfeller v kjøp og betling v vrer i periode t- (vrekjøp) eller slg v vrer i periode t- (vrekostnd). Derimot er kortsiktige periodiseringer forventet å være negtivt ssosiert27 med inneværende års kontntstrøm fr drift. Regnskpsmessig resultt består v kontntstrøm og netto periodiseringer. Hvis kontntstrømkomponenten er høy, vil periodiseringskomponenten være tilsvrende lv (forutstt smme resultt). Kortsiktige periodiseringer er derimot forventet å være positivt ssosiert28 med neste års kontntstrøm fr drift. Denne smmenhengen synes også å være intuitiv. Hvis de kortsiktige periodiseringene øker, er det også forventet t den opersjonelle kontntstrømmen øker det påfølgende året (Stenheim, 205). len hr en gnske så høy forklringskrft, men McNichols (2002) og Frncis et l. (2008) ser imidlertid ikke kun på forklringskrften når de skl nlysere periodiseringskvliteten. De ser også på vrinsen til residulen til den vhengige vribelen, TCA. For hver observsjon vil en kunne observere en residul som vil tilsvre vstnden mellom den observerte verdien og den estimerte regresjonslinjen. Residulene fr denne regresjonsmodellen vil være den endringen i rbeidskpitlen som ikke kn forklres v 26 0 < CFOt- <. - < CFOt < < CFOt <

116 fjorårets, inneværende års eller neste års opersjonelle kontntstrøm, og vil kunne tolkes som estimeringsfeil, dvs. lvere periodiseringskvlitet (Stenheim, 205). Siden vi kun bruker periodiseringskvlitetmodellen til å klssifisere selskper som enten de med høy resulttkvlitet (qulity) eller lv (non-qulity) resulttkvlitet, vil vi ikke gå nærmere inn på periodiseringskvlitetsmodellen. Dette er beskrevet nærmere i delkpittel Verdirelevns For å teste verdirelevns benytter vi price-ernings-modellen, price-book-modellen og pricechnge-modellen. Vi vil i det følgende presentere våre resultter for hver hypotese for de tre ulike modellene våre i en og smme tbell. Regresjonene kjøres med både førsteordenseffekt og interksjonseffektene. Vi vil hovedskelig kommentere fortegnet til regresjonskoeffisientene, størrelsen på regresjonskoeffisientene, modellens forklringskrft og p-verdiene til disse regresjonskoeffisientene ved nlyse v resulttene Hypotese I tbell 9.3 presenteres resulttene for price-ernings, price-book og price-chngeregresjonene for selskper som foretr income smoothing og selskper som ikke foretr income smoothing. 09

117 Tbell 9.3: Price-ernings, price-book og price-chnge-regresjon - non-smoothers vs. Smoothers Price-ernings Price-book Price-chnge -8-6 Konstntledd 4,764*0,040*0 0,04 (0,985) (0,228) (0,723) EPSi,t 0,73 (0,873) BVSi,t 0,25 (0)*** EPS_Chngei,t 0,09 (0,24) DSi,t x EPSi,t 0,89 (0)*** DSi,t x BVSi,t,254 (0)*** DSi,t x EPS_Chngei,t 0,039 (0,785) EPSi,t x DETEi,t -0,336 (0,683) BVSi,t x DETEi,t -0,38 (0)*** EPS_Chngei,t x DETEi,t -0,025 (0,004)*** -0 EPSi,t x TAi,t 4,902*0 (0,07)** - BVSi,t x TAi,t 4,052*0 (0)*** -3 EPS_Chngei,t x TAi,t,2*0 (0,977) ,94*0 9,349*0 0,037 (0,257) (0,440) (0,499) ,802*0,505*0-0,57 (0,272) (0,2) (0,004)*** 2 Justert R 0,95 0,990 0,07 For price-ernings-regresjonen og price-book-regresjonen er ksjekurs tre måneder etter regnskpsårets den vhengige vribelen. For price-chnge-regresjonen er ksjevkstning sklert med ksjekurs på tidspunkt t- den vhengige vriblen. EPSi,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. DSi,t er en indiktor vribel, dvs. DS for smoothers og DS 0 for non-smoothers. DETEi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. 200 og 20 er dummyvribler for år, dvs. 200 for 200 og for 20 og 202. p-verdier er i prentes. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Ut fr tbellen over ser vi t regresjonskoeffisienten til indiktorvribelen er signifiknt og positiv ssosiert med ksjekurs. Dette tyder på t resulttet til smoothers hr høyere verdirelevns enn resulttet til non-smoothers. Koeffisienten til indiktorvribelen er betydelig høyere enn koeffisienten for resultt per ksje. Den store forskjellen mellom koeffisientene kn muligens forklre hvorfor koeffisienten for resultt per ksje er ikkesignifiknt. Den reltivt høye koeffisienten til indiktorvribelen medfører t koeffisienten og signifiknsnivået til resultt per ksje svekkes betydelig. Assosisjonen mellom totle eiendeler og ksjekurs er derimot signifiknt og positivt. Dette synes å være rimelig siden ksjekurs er forventet å reflektere mye v informsjonen som er i bokført egenkpitl. Videre 0

118 ser vi t det ikke er noe forskjell mellom de ulike årene når årlige regresjoner utføres. Vi ser også t price-ernings-modellen hr meget høy forklringskrft, men denne er imidlertid litt lvere enn forklringskrften for price-book-modellen. I price-book-modellen finner vi tilsvrende resultter som i price-ernings-modellen. Regresjonskoeffisienten for bokført egenkpitl per ksje er signifiknt positiv ssosiert med ksjekurs. Det smme er regresjonskoeffisienten til indiktorvribelen, men denne er imidlertid mye høyere enn regresjonskoeffisienten til bokført egenkpitl per ksje. Dette tyder på t resulttet per ksje til smoothers hr høyere verdirelevns enn resulttet til nonsmoothers. Vi ser også t gjeld er signifiknt negtivt ssosiert med ksjekurs, noe som tyder på t selskper med høy gjeldsgrd prises lvere. I likhet med gjeldsgrd, er totle eiendeler signifiknt ssosiert med ksjekurs, men fortegnet på koeffisienten er derimot positiv. Videre ser vi t det ikke er noe forskjell mellom de ulike årene hvis årlige regresjoner hdde vært kjørt. I motsetning til price-ernings og price-book-regresjonene, er resulttene i price-chngeregresjonen noe problemtiske. Koeffisientene for både endring i resultt per ksje og indiktorvribelen er positive, hvor førstnevnte er større enn sistnevnte, men begge er imidlertid ikke-signifiknte. Vi ser også t gjeld er signifiknt negtivt ssosiert med ksjevkstning. Dette tyder på t selskper med lv gjeldsgrd hr noe lvere ksjevkstning enn selskper med høy gjeldsgrd. Videre ser vi t det er årlige forskjeller i price-chnge-regresjonen, hvor 20 er signifiknt negtivt ssosiert med ksjevkstning. Price-chnge-modellen hr reltivt sett en lv forklringskrft. Dette synes å være rimelig, siden ksjekursen i en price-level-modell reflekterer den kumultive effekten v informsjon fr nåværende og tidligere resultter, mens ksjevkstningen i en price-chnge-modell reflekterer kun effekten v årets endring i resultt. Vi skl i det følgende teste price-ernings-modellen seprt for non-smoothers og smoothers. Problemer som kn oppstå når mn splitter et utvlg er t mn ikke lltid hr muligheten til å dele utvlget i to like deler eller hr nok observsjoner i hver gruppe. Disse problemene vil ikke gjelde for oss siden våre grupper for smoothers og non-smoothers er reltivt like store.

119 Tbell 9.4: Splittvribel for price-ernings-regresjon Non-Smoothers Smoothers 2 Justert R 0,3 0,82 EPSi,t -koeffisienten 0,327 4,06 p-verdi 0*** 0*** N Avhengig vribel: Pricei,t. Uvhengig vribel: EPSi,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Tbell 9.4 viser resulttene for price-ernings-modellen kjørt seprt for non-smoothers og smoothers. Vi ser t resulttet per ksje hos smoothers er betydelig mer verdirelevnt enn resulttet per ksje hos non-smoothers. I tillegg er regresjonskoeffisienten til resultt per ksje hos smoothers betydelig høyere enn regresjonskoeffisienten til resultt per ksje hos nonsmoothers. Begge disse er koeffisientene er signifiknte. Resulttene i tbellen tyder på t resulttet per ksje hos smoothers er mer verdirelevnt enn resulttet per ksje hos nonsmoothers. Tbell 9.5: Splittvribel for price-book-regresjon 2 Justert R BVSi,t -koeffisienten p-verdi Non-Smoothers 0,280 0,059 0*** Smoothers 0,979,356 0*** N Avhengig vribel: Pricei,t. Uvhengig vribel: BVSi,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Resulttene fr splittvribel for price-book-modellen smsvrer med resulttene fr splittvribel for price-ernings-modellen. Tbell 9.5 viser t verdirelevnsen til bokført egenkpitl per ksje er betydelig høyere hos smoothers enn non-smoothers. I tillegg er regresjonskoeffisienten for bokført egenkpitl per ksje større for smoothers enn nonsmoothers. Koeffisienten til bokført egenkpitl per ksje er signifiknt, både for smoothers og non-smoothers. Dette tyder på t bokført egenkpitl per ksje er mer verdirelevnt for smoothers enn non-smoothers. 2

120 Tbell 9.6: Splittvribel for price-chnge-regresjon Non-Smoothers Smoothers 2 Justert R 0,066-0,006 EPS_Chngei,t 0,48 0,0 koeffisienten p-verdi 0*** 0,904 N Avhengig vribel: Price_Chngei,t. Uvhengig vribel: Eps_Chngei,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Splittvribel for price-chnge-modellen viser noe blndede resultter. Vi ser fr tbell 9.6 t endring i resulttet (sklert med ksjekurs for periode t-) for smoothers hr ingen verdirelevns. Videre ser vi t regresjonskoeffisienten for endring i resulttet per ksje er betydelig høyere og signifiknt for non-smoothers enn for smoothers. Dette funnet er til dels problemtisk siden det ikke stemmer overens med tidligere funn i price-ernings og pricebook-modellen. En mulig forklring på dette kn være t de selskpene som smoother eller hr lv resulttkvlitet simpelthen hr lvere systemtisk risiko og dermed lvere ksjevkstning. Vi ntr dermed t risiko er en viktig driver for ksjevkstning og tror t den signifiknte smmenhengen mellom endring i resultt per ksje og ksjevkstning vil ikke være der hvis vi inkluderer gjeldsgrd som en kontrollvribel. Tbell 9.7: Splittvribel for price-chnge-regresjon med gjeldsgrd som kontrollvribel Non-Smoothers Smoothers 0,05-0,0 0,04 0,092 (0,2) (0,53) -0,029-0,028 (0,004)*** (0,439) N Avhengig vribel: Price_Chngei,t. Uvhengig vribel: Eps_Chngei,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). 2 Justert R EPS_Chngei,t koeffisienten Gjeldi,t Ved å inkludere gjeld som kontrollvribel i price-chnge-regresjonen får vi noe mer tilfredsstillende resultter. Endring i resulttet per ksje for smoothers er fortstt ikke verdirelevnt og regresjonskoeffisienten til endring i resultt per ksje for non-smoothers er fortstt høyere enn regresjonskoeffisienten til endring i resulttet per ksje for smoothers. Imidlertid hr koeffisienten for endring i resulttet per ksje for non-smoothers mistet sin signifikns som følge v t vi hr inkludert gjeldsgrd som kontrollvribel. Gjeldsgrd er som forventet signifiknt negtivt ssosiert med ksjevkstning. 3

121 Hypotese 2 I tbell 9.8 presenteres resulttene for price-ernings, price-book og price-chngeregresjonene for selskper som hr høy resulttkvlitet og selskper som hr lv resulttkvlitet. Tbell 9.8: Price-ernings, price-book og price-chnge-regresjon - non-qulity vs. Qulity Price-ernings Price-book Price-chnge -6-6 Konstntledd,99*0 -,53*0 0,04 (0,34) (0,74) (0,7) EPSi,t -0,508 (0,59) BVSi,t 0,428 (0)*** EPS_Chngei,t 0,099 (0,086)* DQi,t x EPSi,t 20,502 (0)*** DQi,t x BVSi,t,065 (0)*** DQi,t x EPS_Chngei,t -0,075 (0,600) EPSi,t x DETEi,t -0,905 (0,55) BVSi,t x DETEi,t -0,272 (0)*** EPS_Chngei,t x DETEi,t -0,025 (0,004)*** -0 EPSi,t x TAi,t -8,968*0 (0)*** - BVSi,t x TAi,t 2,77*0 (0,003)*** -2 EPS_Chngei,t x TAi,t 050*0 (0,784) ,446*0,79*0 0,033 (0,75) (0,27) (0,548) ,994*0 2,283*0-0,59 (0,454) (0,4) (0,004)*** 2 Justert R 0,949 0,983 0,072 For price-ernings-regresjonen og price-book-regresjonen er ksjekurs tre måneder etter regnskpsårets den vhengige vribelen. For price-chnge-regresjonen er ksjevkstning sklert med ksjekurs på tidspunkt t- den vhengige vribelen. EPSi,t er resultt per ksje for selskp i, i periode t. BVSi,t er bokført egenkpitl per ksje for selskp i, i periode t. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. DQi,t er en indiktor vribel, dvs. DS for qulity og DS 0 for non-qulity. DETEi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. 200 og 20 er dummyvribler for år, dvs. 200 for 200 og for 20 og 202. p-verdier er i prentes. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Regresjonskoeffisienten til indiktorvribelen er signifiknt og positiv ssosiert med ksjekurs. Dette tyder på t resulttet per ksje til selskper som hr høy resulttkvlitet hr høyere verdirelevns enn resulttet per ksje til selskper med lv resulttkvlitet. Videre er koeffisienten til indiktorvribelen betydelig høyere enn koeffisienten for resulttet per ksje. Den store forskjellen mellom koeffisientene kn muligens forklre hvorfor 4

122 koeffisienten for resulttet per ksje er negtiv og ikke-signifiknt. Den reltivt høye koeffisienten til indiktorvribelen medfører t koeffisienten og signifiknssnnsynligheten til resulttet per ksje svekkes betydelig. Assosisjonen mellom totle eiendeler og ksjekurs er signifiknt negtivt. Dette kn skyldes t store selskper forventes å h stbilt lve fremtidige kontntstrømmer og dermed en lvere ksjekurs (som er nåverdien v fremtidige kontntstrømmer). Mens mindre selskper (i vekst) forventes å h høye fremtidige kontntstrømmer og dermed en høyere ksjekurs. Videre ser vi t det ikke er noe systemtiske forskjeller imellom det enkelte år. Vi ser også t price-ernings-modellen hr meget høy forklringskrft, men denne er imidlertid litt lvere enn forklringskrften for price-bookmodellen. I price-book-modellen finner vi tilsvrende resultter som i price-ernings-modellen. Regresjonskoeffisienten for bokført på egenkpitl per ksje er signifiknt positiv ssosiert med ksjekurs. Det smme er regresjonskoeffisienten til indiktorvribelen, men denne er imidlertid noe høyere enn regresjonskoeffisienten for bokført egenkpitl per ksje. Dette tyder på t bokført egenkpitl per ksje hr høyere verdirelevns hos selskper med høy resulttkvlitet enn bokført egenkpitl per ksje hos selskper med lv resulttkvlitet. Vi ser også t gjeldsgrd er signifiknt negtivt ssosiert med ksjekurs, noe som tyder på t selskper med høy gjeldsgrd prises lvere. I likhet med gjeldsgrd, er totle eiendeler signifiknt ssosiert med ksjekurs, men fortegnet på koeffisienten er derimot positiv. Videre ser vi t det ikke er noe systemtiske forskjeller imellom det enkelte år. I likhet med resulttene for price-chnge-regresjonen for smoothers vs. non-smoothers er resulttene også her noe problemtiske. Regresjonskoeffisienten for endring i resulttet per ksje er positiv, mens regresjonskoeffisienten for indiktorvribelen er negtiv. Det er imidlertid kun den førstnevnte som er signifiknt. Vi ser også t gjeldsgrd er signifiknt negtivt ssosiert med ksjevkstning. Dette tyder på t selskper med lv gjeldsgrd hr noe lvere ksjevkstning enn selskper med høy gjeldsgrd. Vi ser også t det er årlige forskjeller i price-chnge-regresjonen, hvor 20 er signifiknt negtivt ssosiert med ksjevkstning. Price-chnge-modellen hr reltivt sett en lv forklringskrft. Vi skl i det følgende teste price-ernings-modellen seprt for selskper med høy resulttkvlitet og selskper med lv resulttkvlitet. 5

123 Tbell 9.9: Splittvribel for price-ernings-regresjon 2 Justert R Non-Qulity Qulity 0,0 0,952 EPSi,t - Koeffisient -,52 3,760 p-verdi 0*** 0*** N Avhengig vribel: Pricei,t. Uvhengig vribel: EPSi,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Tbell 9.9 viser t resulttet per ksje er betydelig mer verdirelevnt for selskper med høy resulttkvlitet enn selskper med lv resulttkvlitet. I tillegg er regresjonskoeffisienten til resulttet per ksje hos selskper med høy resulttkvlitet betydelig høyere enn regresjonskoeffisienten til resulttet per ksje hos selskper med lv resulttkvlitet. Begge disse koeffisientene er signifiknte. Disse resulttene tyder på t resulttet per ksje i selskper med høy resulttkvlitet er mer verdirelevnt enn resulttet per ksje i selskper med lv resulttkvlitet. Tbell 9.20: Splittvribel for price-book-regresjon Non-Qulity 2 Justert R 0,277 BVSi,t - Koeffisient 0,269 p-verdi 0*** N 39 Avhengig vribel: Pricei,t. Uvhengig vribel: BVSi,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Qulity 0,987,352 0*** 36 Resulttene våre fr splittvribel for price-book-modellen smsvrer med resulttene våre fr splittvribel for price-ernings-modellen. Tbellen over viser t verdirelevnsen til bokført egenkpitl per ksje er betydelig høyere i selskper med høy resulttkvlitet enn i selskper med lv resulttkvlitet. Vi ser også t regresjonskoeffisienten til bokført egenkpitl per ksje er også høyere for selskper med høy resulttkvlitet enn regresjonskoeffisienten til bokført egenkpitl per ksje for selskper med lv resulttkvlitet. Begge disse koeffisientene er signifiknte. Dette tyder på t bokført egenkpitl per ksje er mer verdirelevnt i selskper med høy resulttkvlitet enn i selskper med lv resulttkvlitet. 6

124 Tbell 9.2: Splittvribel for price-chnge-regresjon Non-Qulity 2 Justert R -0,005 EPS_Chngei,t - Koeffisient -0,027 p-verdi 0,575 N 37 Avhengig vribel: Price_Chngei,t. Uvhengig vribel: Eps_Chngei,t. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Qulity 0,002-0,4 0, Splittvribel for price-chnge-modellen viser noe tvetydige resultter. Blnt nnet er regresjonskoeffisienten til endring i resulttet per ksje negtiv, både for selskper med lv resulttkvlitet og selskper med høy resulttkvlitet. Disse er imidlertid ikke-signifiknte. Forklringskrften for begge gruppene er også tilnærmet lik null Hypotese 3 I tbell 9.22 presenteres resulttene for price-ernings-regresjonene for våre fire test-grupper: G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og non-qulity. Tbell 9.22: Price-ernings-regresjoner Bsegruppe: G4 Konstntledd EPSi,t G x EPSi,t -6,525*0 (0,396),26 (0,52) 8,897 (0)*** 23,069 (0,008)*** -0,896 (0)*** G3 G2-6,525*0 (0,396) -9,777 (0)*** 29,793 (0)*** 33,966 (0)*** G -6,525*0 (0,396) 24,95 (0,006)*** -4,72 (0,608) -6,525*0 (0,396) 20,023 (0)*** 4,72 (0,608) G3 x EPSi,t -33,966-29,793 (0)*** (0)*** G4 x EPSi,t 0,896-23,069-8,897 (0)*** (0)*** (0)*** DETEi,t x EPSi,t -0,893-0,893-0,893-0,893 (0,35) (0,35) (0,35) (0,35) TAi,t x EPSi,t -9,022*0-9,022*0-9,022*0-9,022*0 (0)*** (0)*** (0)*** (0)*** ,247*0,247*0,247*0,247*0 (0,960) (0,960) (0,960) (0,960) ,33*0 2,33*0 2,33*0 2,33*0 (0,352) (0,352) (0,352) (0,352) 2 Justert R 0,956 0,956 0,956 0,956 For price-ernings-regresjonen er ksjekurs tre måneder etter regnskpsårets slutt den vhengige vribelen. EPS i,t er resultt per ksje for selskp i, i periode t. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og non-qulity. DETEi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. 200 og 20 er dummyvribler for år, dvs. 200 for 200 og for 20 og 202. p-verdier er i prentes. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). G2 x EPSi,t 7

125 De fire price-ernings-regresjonene bruker henholdsvis gruppe 4, gruppe 3, gruppe 2 og gruppe som bsegruppe. Rsjonlen for en slik fremgngsmåte er beskrevet i delkpittel Den første regresjonen med gruppe 4 som bsegruppe, viser t resulttet per ksje er positivt ssosiert med ksjekurs, men denne smmenhengen er ikke-signifiknt. Alle tre grupper hr signifiknte koeffisienter, hvor gruppe 2 hr den høyeste koeffisienten, mens gruppe 3 hr den lveste koeffisienten. Den ndre regresjonen med gruppe 3 som bsegruppe, viser t resulttet per ksje er signifiknt negtivt ssosiert med ksjekurs. Alle tre grupper hr signifiknte koeffisienter, hvor gruppe 2 hr den høyeste koeffisienten, mens gruppe 3 hr den lveste koeffisienten. Den tredje regresjonen med gruppe 2 som bsegruppe, viser t resulttet er signifiknt positivt ssosiert med ksjekurs. Det er kun gruppe 3 og gruppe 4 som hr signifiknte koeffisienter, hvor gruppe 2 hr den høyeste koeffisienten, mens gruppe 3 hr den lveste koeffisienten. Den fjerde regresjonen med gruppe som bsegruppe, viser t resulttet per ksje er signifiknt positivt ssosiert med ksjekurs. Det er kun gruppe 3 og gruppe 4 som hr signifiknte koeffisienter, hvor gruppe hr den høyeste koeffisienten, mens gruppe 3 hr den lveste koeffisienten. Vi ser videre t både gjeldsgrd og totle eiendeler er negtivt ssosiert med ksjekurs for lle fire regresjoner, men det er kun totle eiendeler som er signifiknt. Videre ser vi t det ikke er noe systemtiske forskjeller ett år til et nnet. Vi ser også t modellens forklringskrft er meget høy for lle fire regresjoner. Vi skl i det følgende teste price-ernings-modellen seprt for lle fire grupper. Som nevnt tidligere kn en støte på problemer når mn splitter et utvlg i flere grupper. Vi ser v tbell 9.23 t vi får noe lve observsjoner i hver gruppe (G66, G2 66, G3 70 og G4 73). Siden vi får signifiknte koeffisienter for lle fire grupper, kn vi konkludere med t det likevel ikke er et så stort problem. Tbell 9.23: Splittvribel Price-ernings-regresjoner Gruppe 4 Gruppe 3 Gruppe 2 Gruppe 2 Justert R 0,062 0,059 0,849 0,95 EPSi,t - Koeffisient 0,70,757 0,99 3,725 p-verdi 0,09** 0,024** 0*** 0*** N Avhengig vribel: Pricei,t. Uvhengig vribel: EPSi,t. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og nonqulity. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). 8

126 Av tbell 9.23 ser vi t koeffisientene til resultt per ksje for lle fire grupper er signifiknt positive. Vi ser også t gruppe og gruppe 2 skiller seg betrktelig ut fr gruppe 3 og gruppe 4. Gruppe og gruppe 2 hr henholdsvis den høyeste og nest høyeste forklringskrften og koeffisienten til resultt per ksje. Gruppe 3 hr den lveste forklringskrften, mens gruppe 4 hr den lveste koeffisienten til resultt per ksje. Disse resulttene tyder på t smoothers med høy resulttkvlitet prises høyest på Oslo Børs, mens non-smoothers med lv resulttkvlitet prises lvest. Videre ser vi også t gruppe 2 (non-smoothers med høy resulttkvlitet) hr høyere forklringskrft og koeffisienten til resultt per ksje enn gruppe 3 (smoothers med lv resulttkvlitet). Dette tyder på t resulttkvlitet hr en større betydning på resulttets verdirelevns enn v income smoothing. Dette funnet er i smsvr med Bo og Bo (2004). Lvere vribilitet i resulttet grnterer ikke høyere verdirelevns på resulttet. Tbell 9.24: Price-book-regresjoner Bsegruppe: G4 Konstntledd BVSi,t G x BVSi,t G2 x BVSi,t G3 x BVSi,t -7-8,663*0 (0,302) 0,243 (0)***,383 (0)*** 0,562 (0,08)*,057 (0)*** G4 x BVS i,t DETEi,t x BVSi,t TAi,t x BVSi,t Justert R -0,378 (0)*** - 2,487*0 (0)*** -7 7,94*0 (0,500) -6,585*0 (0,74) 0,990 G3 G2-7 -8,663*0 (0,302),300 (0)*** 0,326 (0)*** -0,495 (0,26) -,057 (0)*** -0,378 (0)*** - 2,487*0 (0)*** -7 7,94*0 (0,500) -6,585*0 (0,74) 0,990 G -7-8,663*0 (0,302) 0,805 (0,03)** 0,822 (0,009)*** 0,495 (0,26) -0,562 (0,08)* -0,378 (0)*** - 2,487*0 (0)*** -7 7,94*0 (0,500) -6,585*0 (0,74) 0, ,663*0 (0,302),626 (0)*** -0,822 (0,009)*** -0,326 (0)*** -,383 (0)*** -0,378 (0)*** - 2,487*0 (0)*** -7 7,94*0 (0,500) -6,585*0 (0,74) 0,990 For price-book-regresjonen er ksjekurs tre måneder etter regnskpsårets slutt den vhengige vribelen. BVSi,t er bokført egenkpitl per ksje. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 nonsmoothers og non-qulity. DETEi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeler i,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. 200 og 20 er dummyvribler for år, dvs. 200 for 200 og for 20 og 202. p-verdier er i prentes. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). De fire price-book-regresjonene bruker henholdsvis gruppe 4, gruppe 3, gruppe 2 og gruppe som bsegruppe. Den første regresjonen med gruppe 4 som bsegruppe, viser t bokført egenkpitl per ksje er signifiknt positivt ssosiert med ksjekurs. Alle tre grupper hr signifiknte koeffisienter, hvor gruppe hr den høyeste koeffisienten, mens gruppe 4 hr den 9

127 lveste koeffisienten. Den ndre regresjonen med gruppe 3 som bsegruppe, viser t bokført egenkpitl per ksje er signifiknt positivt ssosiert med ksjekurs. Det er kun gruppe og gruppe 4 som hr signifiknte koeffisienter, hvor gruppe hr den høyeste koeffisienten, mens gruppe 4 hr den lveste koeffisienten. Den tredje regresjonen med gruppe 2 som bsegruppe, viser t bokført egenkpitl per ksje er signifiknt positivt ssosiert med ksjekurs. Det er kun gruppe og gruppe 4 som hr signifiknte koeffisienter, hvor gruppe 2 hr den høyeste koeffisienten, mens gruppe 4 hr den lveste koeffisienten. Den fjerde regresjonen med gruppe som bsegruppe, viser t bokført egenkpitl per ksje er signifiknt positivt ssosiert med ksjekurs. Alle tre grupper hr signifiknte koeffisienter, hvor gruppe hr den høyeste koeffisienten, mens gruppe 4 hr den lveste koeffisienten. Vi ser også t både gjeldsgrd og totle eiendeler er signifiknt ssosiert med ksjekurs for lle fire regresjoner, hvor fortegnet til førstnevnte er negtiv, mens fortegnet til sistnevnte er positiv. Videre ser vi t det ikke er noe systemtiske forskjeller fr ett år til et nnet. Vi ser også t modellens forklringskrft er meget høy for lle fire regresjoner. Tbell 9.25: Splittvribel Price-book-regresjoner 2 Justert R BVSi,t - Koeffisient p-verdi N Gruppe 4 0,375 Gruppe 3 0,838 Gruppe 2 0,988 Gruppe 0,987 0,044 0,562,034,355 0*** 0*** 0*** 0*** Avhengig vribel: Pricei,t. Uvhengig vribel: BVSi,t. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og nonqulity. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Av tbell 9.25 ser vi t koeffisientene til bokført egenkpitl per ksje for lle fire grupper er signifiknt positive. Vi ser også t gruppe 4 skiller seg betrktelig fr de ndre gruppene. Gruppe 2 og gruppe hr henholdsvis den høyeste og nest høyeste forklringskrften, mens gruppe hr den høyeste koeffisienten til bokført egenkpitl per ksje. Gruppe 4 hr både den lveste forklringskrften og koeffisienten til bokført egenkpitl per ksje. Disse resulttene tyder på t smoothers med høy resulttkvlitet prises høyest på Oslo Børs, mens non-smoothers med lv resulttkvlitet prises lvest. Videre ser vi også t gruppe 2 (nonsmoothers med høy resulttkvlitet) hr høyere forklringskrft og koeffisienten til bokført egenkpitl per ksje enn gruppe 3 (smoothers med lv resulttkvlitet). Dette tyder på t v resulttkvlitet hr en større betydning på resulttets verdirelevns enn v income smoothing. Lvere vribilitet i resulttet grnterer dermed ikke smoothers høyere 20

128 verdirelevns på bokført egenkpitl per ksje. Disse funnene er i smsvr med våre funn for price-ernings-regresjoner. Tbell 9.26: Price-chnge-regresjoner Bsegruppe: G4 Konstntledd EPS_Chngei,t G x EPS_Chngei,t G2 x EPS_Chngei,t G3 x EPS_Chngei,t 0,09 (0,63) 0,088 (0,40) -0,8 (0,553) 0,03 (0,945) 0,86 (0,333) G4 x EPS_Chngei,t DETEi,t x EPS_Chngei,t TAi,t x EPS_Chngei,t Justert R -0,025 (0,006)*** -3-5,386*0 (0,896) 0,032 (0,555) -0,64 (0,003)*** 0,069 G3 G2 G 0,09 (0,63) 0,273 (0,45) -0,304 (0,244) -0,72 (0,494) 0,09 (0,63) 0,0 (0,62) -0,3 (0,69) 0,09 (0,63) -0,030 (0,879) -0,86 (0,333) -0,025 (0,006)*** -3-5,386*0 (0,896) 0,032 (0,555) -0,64 (0,003)*** 0,069 0,72 (0,494) -0,03 (0,945) -0,025 (0,006)*** -3-5,386*0 (0,896) 0,032 (0,555) -0,64 (0,003)*** 0,069 0,3 (0,69) 0,304 (0,244) 0,8 (0,553) -0,025 (0,006)*** -3-5,386*0 (0,896) 0,032 (0,555) -0,64 (0,003)*** 0,069 For price-chnge-regresjonen er ksjevkstning den vhengige vribelen. EPS_Chngei,t er endring i resultt per ksje sklert med ksjekurs på tidspunkt t- for selskp i, i periode t. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og non-qulity. DETEi,t er forholdet mellom gjeld og egenkpitl for selskp i, i periode t. Totle Eiendeleri,t er totl egenkpitl pluss totl gjeld for selskp i, i periode t. 200 og 20 er dummyvribler for år, dvs. 200 for 200 og for 20 og 202. p-verdier er i prentes. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). De fire price-chnge-regresjonene bruker henholdsvis gruppe 4, gruppe 3, gruppe 2 og gruppe som bsegruppe. Den første regresjonen med gruppe 4 som bsegruppe, viser t endring resulttet per ksje er positivt ssosiert med ksjevkstning. Gruppe 3 hr den høyeste koeffisienten, mens gruppe hr den lveste koeffisienten. Imidlertid hr ingen v gruppene signifiknte koeffisienter. Den ndre regresjonen med gruppe 3 som bsegruppe, viser t endring resultt per ksje er positivt ssosiert med ksjevkstning. Gruppe 3 hr den høyeste koeffisienten, mens gruppe hr den lveste koeffisienten. Imidlertid hr ingen v gruppene signifiknte koeffisienter. Den tredje regresjonen med gruppe 2 som bsegruppe, viser t endring i resultt per ksje er positivt ssosiert med ksjevkstning. Gruppe 3 hr den høyeste koeffisienten, mens gruppe hr den lveste koeffisienten. Imidlertid hr ingen v gruppene signifiknte koeffisienter. Den fjerde regresjonen med gruppe som bsegruppe, viser t endring i resultt per ksje er positivt ssosiert med ksjevkstning. Gruppe 3 hr i likhet med de tre foregående regresjoner den høyeste koeffisienten, mens gruppe hr den 2

129 lveste koeffisienten. Imidlertid hr ingen v gruppene signifiknte koeffisienter. Vi ser også t både gjeldsgrd og totle eiendeler er negtivt ssosiert med ksjevkstning for lle fire regresjoner, hvor kun gjeldsgrd er signifiknt. Videre er koeffisientene for 200 positivt, men ikke-signifiknt, mens den er negtiv og signifiknt for 20. Dette tyder på t det er systemtiske forskjeller mellom det enkelte år. Vi ser også t modellens forklringskrft er noe lv for lle fire regresjoner. Tbell 9.27: Splittvribel Price-chnge-regresjoner Gruppe 4-0,004 Gruppe 3-0,006 Gruppe 2-0,008 Gruppe -0,005 EPS_Chngei,t - Koeffisient -0,050 0,3-0,093-0,24 p-verdi 0,392 0,427 0,489 0, Justert R N Avhengig vribel: Price_Chngei,t. Uvhengig vribel: EPS_Chngei,t. G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og nonqulity. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Av tbell 9.27 ser vi t koeffisientene til endring i resultt per ksje er negtiv for lle grupper, bortsett fr gruppe 2. Gruppe 2 hr dermed den høyeste koeffisienten, mens gruppe hr den lveste koeffisienten. Imidlertid er ingen v disse koeffisientene signifiknte. Vi ser også t gruppene hr forklringskrft tilnærmet lik null. Tbell 9.28: Test for rngering Gjennomsnittlig price-ernings rngering Gjennomsnittlig price-book rngering Gjennomsnittlig price-chnge rngering Gjennomsnittlig price-ernings og price-book rngering Gjennomsnittlig price-ernings, price-book og price-chnge rngering 5 2,333 2,46 2,96 3,333 0, Gruppe,750,250 4,500 Gruppe 2, ,25 Gruppe 3 4 2,250 2,500 3,25 Gruppe ,500 Kendll`s 0, ,002 0,05 Coefficient of concordnce Friedmn 6,092 0,394,496 99,484 45,042 ANOVA chi(0,07) (0,94) (0,683) (0)*** (0)*** squre G smoothers og qulity, G2 non-smoothers og qulity, G3 smoothers og non-qulity og G4 non-smoothers og nonqulity. ***. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). **. Signifiknt forskjellig fr 0 på et 0.05 nivå (2-hlet). *. Signifiknt forskjellig fr 0 på et 0.0 nivå (2-hlet). Tbell 9.28 viser gjennomsnittlig rngering for price-ernings, price-book og price-chngeregresjonene, i henholdsvis kolonne, 2 og 3. Kolonne 4 viser gjennomsnittlig rngering for price-ernings og price-book-regresjonene, mens kolonne 5 viser den totle rngeringen for 22

130 lle tre regresjonene. Rngering for price-ernings-regresjonene viser t koeffisienten til resultt per ksje for gruppe 2 er gjennomsnittlig høyest, mens den er lvest for gruppe 3. Rngering for price-book-regresjonene viser t koeffisienten til bokført egenkpitl per ksje er høyest for gruppe, mens den er lvest for gruppe 4. Rngering for price-chngeregresjonene viser noe tvetydige resultter. Her er gruppe 3 rngert høyest, mens gruppe er rngert lvest. Gjennomsnittlig totl rngering viser t gruppe er rngert høyest, mens gruppe 4 er rngert lvest. Vi ser v kolonne 4 t våre funn forsterkes når vi ekskluderer rngeringene fr price-chnge-regresjonene i totl gjennomsnittlig rngering. Disse funnene er konsistente med funnene til Bo og Bo (2004) som også hr en tilsvrende rngering v gruppene. Vi hr også beregnet Kendll`s coefficient of concordnce29 og Friedmn ANOVA chi-squres for å kunne smmenligne rngeringene v de ulike gruppene for price-ernings, price-book og price-chnge-regresjonene. Kendll`s W er en ikke-prmetrisk test som brukes til å vurdere om det er smstemmighet mellom ulike grupper v smme utvlg. Kendll s W vrierer fr 0 til, hvor er fullstendig smstemmighet og 0 er fullstendig usmstemmighet. Friedmn ANOVA chi-squre er også en ikke-prmetrisk test og brukes til å detektere forskjeller mellom ulike grupper. Vi ser v tbell 9.28 t Kendll`s W er tilnærmet null i kolonne, 2 og 3, mens den er noe høyere i kolonne 4 og 5. Dette skyldes t verdiene Kendll`s W for hver regresjon er beregnet seprt, der kolonne 5 representerer gjennomsnittet for verdiene i kolonne, 2 og 3. Hver gruppe representerer sine egne observsjoner (For Gruppe står verdiene for smoothers og for qulity, for Gruppe 2 står verdiene 0 for smoothers og for qulity, for Gruppe 3 står verdiene for smoothers og 0 for qulity og for Gruppe 4 står verdiene 0 for smoothers og 0 for qulity). Ved utregning v Kendll`s W for to ulike sett v regresjoner i smme dtsett, vil det være ulike grupper som kn h en viss grd v smstemmighet (f.eks smstemmighet mellom smoothers og qulity i price-erningsregresjonen og smoothers og qulity i price-book-regresjonen). Det forventes derfor en viss grd v smstemmighet mellom de ulike gjennomsnittlige rngeringene på tvers v priceernings, price-book og price-chnge-regresjoner. Videre ser vi v tbell 9.28 t chi-squre-verdiene for kolonne, 2 og 3 er lve og ikkesignifiknte. Dette synes å være rimelig siden de gjennomsnittlige rngeringer er beregnet seprt for de ulike regresjonene. Her vil det være mindre forskjeller i gjennomsnittlige 29 Også omtlt som Kendll`s W. 23

131 verdier mellom de ulike gruppene. Vi ser også t chi-squre-verdiene for kolonne 4 og 5 er høye og signifiknte. Dette synes også å være rimelig, siden de gjennomsnittlige rngeringer er beregnet smlet for de ulike regresjonene. Her vil det kunne større forskjeller i gjennomsnittlige verdier mellom de ulike gruppene. 9.4 Regresjonsforutsetninger I dette delkpittelet vil vi redegjøre for de åtte regresjonsforutsetningene presentert v Berry (993, s. 2) og drøfte hvorvidt de er oppfylt i regresjonsmodellene brukt i denne studien. De første sju forutsetningene omtles som en del v Guss-Mrkov-teoremet. Guss-Mrkovteoremet sier t OLS gir de beste estimtene for regresjonskoeffisientene og konstntleddet når de sju forutsetningene er oppfylt. Disse sju forutsetningene og forutsetningen om normlfordelte residuler gjennomgås v Berry (993). Er disse åtte forutsetningene oppfylt hr en BLUE-estimter (best liner unbised estimtor). Her betyr "best" estimter med lvere vrins, det vil si lvere usikkerhet. I tillegg vil vi t for oss forutsetning for Moderted Multiple Regression (MMR) Regresjonsforutsetning # "All independent vribles (X, X2,, Xk) re quntittive or dichotomous, nd the dependent vrible, Y, is quntittive, continuous, nd unbounded. Moreover, ll vribles re mesured without error." (Berry, 993, s. 2) Uvhengige vriblene, X, X2,, Xk, er enten kvntittive eller dikotome, mens den vhengige vribelen, Y, er kvntittiv, kontinuerlig og nturlig. I tillegg er lle vriblene uten målefeil. Kvntittive vribler er vribler med en numerisk verdi som kn rngeres på en skl med lik vstnd mellom de ulike verdiene. Dikotome vribler (todelt) er vribler som tr verdi 0 eller, for eksempel mnn/kvinne, j/nei osv. Dikotome vribler spesifiseres ofte som dummyvribler. Slike vribler vslører forskjeller mellom grupper, men uten å si noe om årsken til disse forskjellene. Det er uproblemtisk å bruke dikotome vribler som uvhengige vribeler i OLS-regresjoner. Dikotome vribler kn imidlertid ikke brukes som vhengige vribler i OLS-regresjoner. D må det gjøres en Logit- eller Probit-regresjon. En kontinuerlig vribel hr det høyeste målnivået og er ikke begrenset, for eksempel omsetning, lder osv. Vriblene i våre modeller er kvntittive, kontinuerlig eller dikotome. 24

132 En vribels observerte verdi, Ii, er en funksjon v vribelens snne verdi, Ti, og målefeil, vi (Berry, 993, s. 49). Ii f (Ti, vi) Målefeil kn være både systemtiske og usystemtiske (tilfeldige). Mn hr systemtiske målefeil dersom vribelen måler ndre forhold enn det den er tiltenkt å måle. Effekten vribelen X hr på vribelen Y vil dermed være bised (skjev) og dette vil redusere vliditeten. Dette kn enten være en funksjon v de vriblene som blir målt, eller t det skyldes ndre vribler. En måte å vliditetsteste dtmterilet på er å gjennomføre en fktornlyse. En vil d sjekke for konvergent og divergent vliditet. I vår studie måler vi ikke det bkenforliggende begrepet med et sett v indiktorer (målemodell), men kun ved hjelp v et enkelt vribel. Fktornlyse vil dermed ikke være relevnt for oss. Det eneste vlideringskriteriet i vår studie er fce-vlidity. Fce-vlidity hndler om i hvilken grd målene vi bruker representerer begrepet vi ønsker å måle, som i vårt tilfelle er verdirelevns, income smoothing og resulttkvlitet. Dette er diskutert i forbindelse med vlg v modeller. Usystemtisk målefeil i den vhengige vribelen vil medføre t feilleddet vil være ukorrelert med vrinsens snne verdi. Forklringskrften, R2, vil bli påvirket. Lv relibilitet vil uttrykke usystemtisk målefeil siden det vil være stor spredning i respons på smme begrep. Høy relibilitet vil uttrykke lite eller ingen usystemtiske målefeil. Ved usystemtiske målefeil i de uvhengige vriblene vil regresjonskoeffisienten være bised, men fortstt effisient (svkt). Hvor bised regresjonskoeffisienten er vil være en funksjon v størrelsen på målefeilene og korrelsjonen mellom de uvhengige vriblene. Kildene til våre dt i denne studien er sikker og nøyktig, men det er likevel fre for målefeil d noen v våre vribler ikke kn måles direkte. Både income smoothing og resulttkvlitet er ikke direkte observerbre vribler. I tillegg brukes mål på income smoothing også som et mål på resulttkvlitet (Schipper & Vincent, 2003). Det er også problemtisk å vurdere intensjonen bk income smoothing. I tillegg er det vnskelig å skille mellom regnskpsmessig income smoothing og reell income smoothing. Imidlertid er målene vi bruker nvendt i tidligere studier og disse målene hr vist seg å være vlide. Vi vil derfor konkludere med t regresjonsforutsetning er oppfylt i våre regresjoner. 25

133 9.4.2 Regresjonsforutsetning #2 "All independent vribles hve nonzero vrince (i.e., ech independent vrible hs some vrition in vlue)." (Berry, 993, s. 2) Uten vrisjon i de uvhengige vriblene vil det ikke være mulig å gjennomføre en regresjonsnlyse. Dersom vrinsen i de uvhengige vriblene er lik null vil koeffisienten også være lik null. Det vil derfor være umulig å estimere regresjonskoeffisientene. For å kunne estimere en smmenheng mellom de uvhengige vriblene og den vhengige vribelen må de uvhengige vriblene vriere, dvs. de må h minst to verdier. For å undersøke hvorvidt en vribel hr vrins forskjellig fr null nlyserer mn deskriptiv sttistikk for vriblene. Alle våre vribler hr minimum to verdier. Denne forutsetningene er derfor tilfredsstilt for lle de uvhengige vriblene og interksjonsleddene Regresjonsforutsetning #3 "There is not perfect multicollinerity (i.e., there is no exct liner reltionship between two or more of the independent vribles)." (Berry, 993, s. 2) Det skl ikke være perfekt multikollineritet (perfekt lineær smmenheng) mellom to eller flere uvhengige vribler. Dette innebærer t en uvhengig vribel er en funksjon v en nnen uvhengig vribel. Ved multikollineritet mellom to eller flere vribler vil verdien på en vribel vriere med verdien på en nnen vribel. Det vil dermed være umulig å øke verdien på den ene vribelen smtidig som den ndre vribelen holdes konstnt. En kn d heller ikke isolere effekten fr den enkelte uvhengige vribelen og dens bidrg i regresjonen. Hvis det eksisterer multikollineritet, kn det føre til koeffisienter med store stndrdfeil, noe som vil vnskeliggjøre estimering v koeffisientene. Dette kn videre føre til t koeffisientene blir ikke-signifiknte siden stndrdfeilen inngår i beregningen v t-verdien for regresjonskoeffisienten (Gujrti, 995, s. 327). Et nnet kjennetegn på multikollineritet er t modellen hr høy forklringskrft, men få signifiknte koeffisienter. Dersom forutsetningen om multikollineritet ikke er oppfylt, vil det innebære t flere vribler måler det smme. OLS vil d h problemer med å identifisere de uvhengige vriblenes individuelle effekt på den vhengige vribelen. Imidlertid er det sjelden t en opplever perfekt multikollineritet og i de tilfellene det skjer vil det som oftest skyldes en feil fr forskeren sin side, for eksempel dårlig 26

134 dtinnsmlingsmetode, begrensinger i modellen eller dtmterilet. Multikollineritet kn også skyldes t forskeren lger en dummyvribel for lle verdiene til en vribel på nominlnivå, for eksempel omsetning, brnsje osv. For å unngå multikollineritet må ntll dummyvribler være minst en mindre enn ntll verdier for vribelen. Dette er den såklte dummyvribel-trp. Størrelsen på utvlget kn også føre til multikollineritet, hvis estimtene er for små til å kunne bli estimert. For å undersøke om vi hr multikollineritet gjennomføres først en korrelsjonsnlyse. Krvet til korrelsjon mellom de uvhengige vriblene er t Person-korrelsjonen skl være mindre enn 0,8 (bsoluttverdi) ved utvlg større enn N 200 og mindre enn 0,6 (bsoluttverdi) ved mindre utvlg (Sndvik, 203). I en korrelsjonsnlyse undersøkes korrelsjonen mellom to vribler v gngen. Dersom en vribel korrelerer med flere v de uvhengige vriblene, vil ikke dette gi utslg i en korrelsjonsnlyse. Dermed må vi gjennomføre en Tolernce/VIF-test (Vrince Infltion Fctor), som er en sttistisk test på multikollineritet. Vribelens Tolernce-verdi er - R2 og VIF er /Tolernce. Tolernce ngir perfekt korrelsjon når verdien er lik 0, og ingen korrelsjon når verdien er lik. Verdier under 0,, eller verdier som skiller seg ut betydelig fr resten, bør undersøkes nærmere. Dersom VIF er lik tilsier det t det ikke eksisterer multikollineritet, men dersom VIF er over 0 eksisterer det betydelig multikollineritet (Sndvik, 203). For å vgrense omfnget v nlysen v multikollineritet, vil vi ikke kommentere korrelsjonen mellom interksjonsleddene30. Vi vil kun kommentere korrelsjonen mellom de uvhengige vriblene (EPSi,t, BVSi,t og EPS_Chngei,t) og kontrollvriblene (Gjeldsgrdi,t og Totle Eiendeleri,t). Korrelsjonsnlysen (tbell 9.9) viser t resultt per ksje hr en Person-korrelsjon med bokført egenkpitl per ksje på 0,602. Dette er den høyeste korrelsjonen mellom de uvhengige vriblene og kontrollvriblene, og er innenfor krvet på <0,8. Vi ser også t resultt per ksje korrelerer med lle de ndre vriblene. Vi får derimot problemtiske resultter med tnke på multikollineritet når vi gjennomfører price-ernings og price-book-regresjonene. For price-chnge-regresjonene får vi imidlertid noe tilfredsstillende resultter, bortsett fr når vi bruker gruppe 3, gruppe 2 og gruppe som bsegruppe. Ved disse regresjonene hr interksjonsleddene EPS_Chnge * Qulity Smoothers og EPS_Chnge * nonqulity nonsmoothers høye VIF-verdier, på henholdsvis 24, 28, 27 og 22, 23, 24. Dette indikerer t disse to interksjonsleddene i stor grd måler det 30 Her er det en del høye korrelsjoner. 27

135 smme og t informsjonsverdien til modellen ikke vil reduseres betydelig ved å utelte en v disse vriblene fr modellen. VIF-verdiene er noe mer ekstreme ved price-ernings og price-book-regresjonene. Her finner vi VIF-verdier oppe i 50-tllet. Dette er en sterk indiksjon på t det er problemer med multikollineritet i flere v price-ernings og price-book-regresjonene. For å løse problemet med høye VIF-verdier hr vi gjennomsnittsenterert interksjonsleddene, men dette hr gitt lite positiv effekt. Det er imidlertid en diskusjon i metodelitterturen om multikollineritet er et stort problem eller ikke (Berry, 993, s. 24). Forutsetningen for regresjonsforutsetningen som gjelder multikollineritet sier ikke t det skl være frvær v multikollineritet, bre t det skl være mindre enn perfekt multikollineritet, dvs. frvær v perfekt multikollineritet. Dette krvet er derfor ikke like strengt som for eksempel forutsetningen om homoskedstisitet (regresjonsforutsetning 6). Høy korrelsjon fører normlt til høy stndrdfeil og dermed lv t-verdi og følgelig ikkesignifiknte resultter. I vår studie hr vi likevel signifiknte resultter, både i price-ernings og price-book-regresjonene. Dette tyder på t det likevel ikke er et så stort problem, i lle fll ikke så stort t resulttene blir påvirket i vesentlig grd. Siden våre regresjonsmodeller er gnske sterkt teoretisk fundert, kn vi ikke utelte noen vribler og dermed fjerne problemet med multikollineritet. Vi vil dermed konkludere med t forutsetning 3 om multikollineritet til dels er brutt, men siden vi hr signifiknte koeffisienter i de fleste v våre price-ernings og price-book-regresjoner er det likevel ikke et så stort problem Regresjonsforutsetning #4 "At ech set of vlues for the k independent vribles, (Xj, X2j,, Xkj), E(εj Xj, X2j,, Xkj) 0 (i.e., the men vlue of the error term is zero)." (Berry, 993, s. 2) I regresjonsforutsetning 4 skl mn vurdere fordelingen til residulene. Forutsetningen sier t gjennomsnittet v feilleddene skl være lik 0. Dette betyr t snittet for feiltermen skl ligge lngs regresjonslinjen (for hver verdi v X skl det være like mnge observsjoner over som under regresjonslinjen). Feiltermen kn forklres som forskjellen mellom de observerte verdiene v den vhengige vribelen og de estimerte verdiene v den vhengige vribelen. Hvis feiltermen er systemtisk forskjellig fr null vil konstntleddet være bised. En feilterm forskjellig fr null er en indiksjon på t en vribel som korrelerer med en eller flere v de uvhengige vriblene er uteltt fr regresjonen. Konsekvensen v dette kn være t 28

136 regresjonskoeffisientene blir bised. Hvis dette er tilfellet, kn ikke regresjonsmodellene betegnes som lineære, men som ikke-lineære. Vi undersøker denne forutsetningen ved hjelp v P-plot i SPSS. For t feiltermen skl være null, må vstnden mellom residulene og regresjonslinjen være lik både over og under regresjonslinjen. De fleste v våre vribler ser ut til å være lineære, til dels bortsett fr vribelen bokført egenkpitl per ksje og interksjonsleddene med denne vribelen. Siden vribelen bokført egenkpitl per ksje (og interksjonsleddene med denne vribelen) ikke inneholder negtive observsjoner, er et lterntiv å trnsformere vriblene ved hjelp v lntrnsformsjon3. Dette vil imidlertid føre til t kvdrtleddene inkluderes og vil trolig forverre problemet vi hr med multikollineritet. Vi vil dermed fortsette med de eksisterende vriblene vi hr for price-book-modellen Regresjonsforutsetning #5 "For ech Xi, COV (Xij, εj) 0 (i.e., ech independent vrible is uncorrelted with the error term)." (Berry, 993, s. 2) Regresjonsforutsetning 5 innebærer t lle de uvhengige vriblene skl være ukorrelerte med ndre vribler som ikke er inkludert i modellen og som påvirker Y, dvs. feilleddet εi,t. Feilleddet er restleddet og forteller oss hvor mye v vrisjonen i den vhengige vribelen som ikke er forklrt v de uvhengige vriblene i modellen. Konsekvensene v brudd på forutsetning 5 blir t modellen gir feil resultter og en kn trekke konklusjoner på feil grunnlg ved t regresjonskoeffisienten blir for høy (spuriøs effekt) eller for lv og med feil fortegn (mskert effekt). Førstnevnte skyldes t relevnte vribler er uteltt, mens sistnevnte skyldes t irrelevnte vribler er inkludert. Ifølge Thrne (2003) er dette den viktigste regresjonsforutsetningen, men smtidig nesten umulig å teste. En kn ikke med sikkerhet si t de uvhengige vriblene i modellen er ukorrelerte med ndre vribler som ikke er inkludert i modellen. En måte å unngå å utelte viktige vribler fr modellen er å h en nøye prosess før dtinnsmlingen, for å kunne finne om det finnes mulige kontrollvribler som bør inkluderes i modellen. Det er derfor viktig i denne forutsetningen å teste for korrelsjoner. I smsvr med Bo og Bo (2004) vil vi inkludere kontrollvribler for størrelse og gjeld i lle våre regresjoner. Vi hr også testet for 3 Et lterntiv til ln-trnsformsjon kn være polynomisk trnsformering. 29

137 vekst (målt som endring i totle eiendeler / totle eiendeler t-) som en lterntiv kontrollvribel, men denne vr ikke-signifiknt i de ller fleste regresjoner Regresjonsforutsetning #6 "For ech set of vlues for the k independent vribles, (Xj, X2j,, Xkj), VAR(εj Xj, X2j,, Xkj) σ2, where σ2 is constnt (i.e., the conditionl vrince of the error term is constnt); this is known s the ssumption of homoscedsticity." (Berry, 993, s. 2) Homoskedstisitet innebærer t for hver enkelt uvhengig vribel er vrisjonen til feilleddet, εi,t, konstnt for lle verdier v den vhengige vribelen. Dersom observsjonene vrierer for ulike verdier v de vhengige vriblene, klles det for heteroskedstisitet. Heteroskedstisitet kn komme v måleunøyktighet ved enkelte verdier v X og/eller mngel på kontrollvribler. Sistnevnte vil innebærer t korrelerte vribler er uteltt fr modellen som trekker observsjonene i en eller nnen retning. Dersom heteroskedstisitet skyldes målefeil, hr ikke dette noen følger for estimtet på koeffisienten, men det hr følger for estimering v stndrdfeilen. Dette gir konsekvenser for testobservtoren. En kn dermed stå i fre for å forkste snne hypoteser. Ved mngel på kontrollvribler kn det gi feil i både koeffisientene og testobservtoren. Homoskedstisitet/heteroskedstisitet kn vdekkes ved bruk v sctterplot (spredningsplot) i SPSS. Dette er et digrm som viser verdien v to vribler fr et dtsett. Sctterplot er en visuell "test" v forutsetningen og dette preges nturligvis v skjønn. En kn lterntivt bruke en White-test. Dette er imidlertid en tidskrevende prosess siden det krever en del mnuell regning, spesielt ved bruk v flere modeller. Vi velger derfor å bruke sctterplot for å vdekke om forutsetning 6 er oppfylt. I vår price-ernings og price-book-regresjon ser vi t vribelen EPSi,t og BVSi,t, og interksjonsleddene med disse vriblene hr en ntydning til heteroskedstisitet. Her er det større spredning for de høyeste verdiene v både EPSi,t og BVSi,t. Det er i tillegg en stor forskjell mellom de lveste og de høyeste verdiene. Det ser dermed ut til t regresjonsforutsetning 6 ikke er oppfylt. Det er ikke en enkel oppgve å korrigere for heteroskedstisitet. Som nevnt kn en benytte en White-test, trnsformere vriblene eller benytte seg v estimeringsmetoden GLS32. I denne studien skyldes brudd på forutsetning 6 hovedskelig visse ekstreme verdier i vårt dtsett for price-ernings og price-book-modellen. 32 Generlized Lest Squres. 30

138 Ved fjerning v disse verdiene får noe mer tilfredsstillende sctterplots33. Imidlertid får vi noe lvere verdier på flere v koeffisientene i price-ernings og price-book-regresjonene, men disse er fortstt signifiknte og med riktig fortegn34. Vi kn dermed konkludere med t brudd på forutsetning 6 likevel ikke er et stort problem i våre nlyser Regresjonsforutsetning #7 "For ny two observtions, (Xj, X2j,, Xkj) nd (Xh, X2h,, Xkh), COV(εj, εh) 0 (i.e., error terms for different observtions re uncorrelted); this ssumption is known s lck of utocorreltion." (Berry, 993, s. 2) Regresjonsforutsetning 7 tr for seg utokorrelsjon. Feiltermene for to eller flere observsjoner skl være ukorrelerte, dvs. frvær v utokorrelsjon. Autokorrelsjon er en problemstilling som mn kn møte på ved bruk v tidsseriedt i såklte pnelstudier. Dtsettet vårt består v regnskpsdt og børsdt over flere år for 92 ulike selskper og det kn krkteriseres som pneldt. Krvet om frvær v utokorrelsjon må derfor være oppfylt i denne studien. For å teste dtsettet vårt for utokorrelsjon bruker vi Durbin-Wtson-testen. En DurbinWtson-verdi vil lltid være mellom 0 og 4, hvor verdien 2 tilsier t det er ingen utokorrelsjon i dtsettet (Gujrti & Porter, 2009). Det betyr v vi som en tommelfingerregel godkjenner verdier nære 2. Dette innebærer dermed en viss grd v skjønn. Hvis en ønsker å være helt presis, kn en regne ut øvre og nedre grenseverdier som er nøyktig for det utvlget mn hr i det enkelte modell. Våre Durbin-Wtson-verdier35 ser ut til å være tilfredsstillende for de fleste v våre priceernings, price-book og price-chnge-regresjonene. Den er noe høy i price-book-regresjonene for hypotese 2 og hypotese 3. Det er imidlertid ikke overrskende t mn skulle finne utokorrelsjon i en pnelstudie med flere år med regnskps- og børsdt. I tilfeller hvor mrkedet verdsetter selskper høyere enn det regnskpsverdier skulle tilsi, er det nturlig t verdsettingen også er høy de kommende årene. Vi kn dermed konkludere med t forutsetning 7 er tilfredsstilt i våre regresjoner Regresjonsforutsetning #8 33 Se side 5 i vedlegg. Se side i vedlegg. 35 Se side i vedlegg. 34 3

139 "At ech set of vlues for the k independent vribles, εj is normlly distributed." (Berry, 993, s. 2) Den siste forutsetningen innebærer t for hvert sett v verdier for k uvhengige vribler skl feilleddet εi,t være normlfordelt. Dette er nødvendig ved små utvlg for å kunne rettferdiggjøre sttistiske tester v modellen. Dette kommer v t ved små utvlg er det normlfordelte restledd som gjør t en kn forutsette t utvlgsfordelingen til koeffisientestimtene er normlfordelte. Ved store utvlg sikres normlfordelte restledd gjennom sentrlgrenseteoremet. Teoremet sier t en sum v uvhengige og identisk fordelte tilfeldige vribler går mot en normlfordeling når ntllet går mot uendelig. Konsekvensene v brudd på forutsetning 8 er dermed ikke vgjørende for modeller med store utvlg (Thrne, 2003). For modeller med mindre utvlg er konsekvensene v brudd på forutsetningen 8 redusert effisiens, dvs. t stndrdfeilen øker og en kn stå i fre for å forkste snne hypoteser. Brudd kn også påvirke estimtetet på koeffisientene og kn dermed føre til bised koeffisienter. For å vdekke brudd på forutsetning 8 kn en teste om vriblene er normltfordelte, siden normlfordelte restledd er en forutsetning for normlfordelte vribler. Fordelingen til vriblene uttrykkes gjennom skewness (skjevhet) og kurtosis (spisshet). Skewness vil si t kurven får en stor "hle" enten til venstre eller høyre, men kurtosis vil si t observsjonene er smlet rundt forventningsverdien og kurven blir spiss. Skewness og kurtosis bør ideelt sett være lik 0 (Sndvik, 203), men dette vil oftest være vnskelig å tilfredsstille. Brudd på førstnevnte er mindre lvorlige enn brudd på sistnevnte. Ved brudd bør en vurdere å utelte vribler dersom de hr liten betydning for modellen. I tillegg til å sjekke om vriblene er normlfordelte bør en også foret en uteliggernlyse, for å identifisere ekstreme verdier i dtsettet. En ekstremverdi vil si en observsjon med en stndrdvvik større enn tre (Sndvik, 203). Disse observsjonene vviker vesentlig fr hovedtendensen i relsjonen mellom uvhengig og vhengig vribel. Ekstreme observsjoner kn påvirke prmeterne, tverdien, stndrdfeilen og forklringskrften, R2. Før vi begynte med nlysen vlgte vi å ikke fjerne uteliggere på grunn v få observsjoner i hver gruppe36. Etter den første nlysen v skewness og kurtosis ser vi t flere v våre vribler hr verdier som er lngt over krvet. Problemet er størst for kurtosis og særlig for 36 Gruppene smoothers og qulity, non-smoothers og qulity, smoothers og non-qulity, og non-smoothers og non-qulity. 32

140 vriblene Price_Chngei,t, EPS_Sklerti,t og Price_Sklerti,t37. Dette kn løses ved å kjøre en robusthetstest hvor vi fjerner de 5 % høyeste og lveste observsjonene for lle vriblene. Vi t problemet med skewness og kurtosis er redusert krftig etter en 5 % "trimming". Nå hr lle vriblene en fordeling som er i henhold til normen. De nye regresjonsnlysene viser imidlertid t det å fjerne høye og lve verdier gir gnske store utslg for våre regresjoner. Blnt nnet hr flere v interksjonsleddene nå ikkesignifiknte koeffisienter. Dette kn skyldes både t vi hr fjernet ekstreme verdier og/eller t det er for få observsjoner i hver gruppe. Likevel velger vi å ikke trimme vårt opprinnelig utvlg v tre grunner: ) modellene våre hr signifiknte koeffisienter og høy forklringskrft, 2) vi ville h fått for få observsjoner i flere v interksjonsleddene og 3) problemet er størst med kurtosis, og krvet til kurtosis er ikke like kritisk som krvet til skewness. Vi konkluderer dermed med t forutsetning 8 til dels er brutt i våre regresjoner, men t det likevel ikke er et stort problem for våre funn Forutsetning for MMR Homogeniety of error vrince ssumption. (Aguinis, 2003, s. 42) Dette er en grunnleggende, men ofte ignorert forutsetning for MMR-modeller. Forutsetningen går ut på t feilvrinsen må være lik på tvers v de modertorbserte undergruppene, ltså interksjonsleddene. Dette kn uttrykkes som følger: (-p2xyi) hvor p2xyi Vrinsen i den vhengige vribelen. Korrelsjonen mellom den vhengige og uvhengige vriblene i hver v de modertorbserte undergruppene. Forskjellen mellom forutsetning 9 om homogenitet og forutsetning 6 om homoskedstisitet er t homoskedstisitet ser på konstnt fordeling v residuler i de individuelle observsjoner, mens homogenitet i feilvrinsen ser på om fordelingen v residuler er lik på tvers v 37 Se side 6 i vedlegg. 33

141 undergruppene. Dersom denne forutsetningen er brutt hr vi heterogenitet i feilvrinsen i undergruppene, noe som kn medføre feilktige konklusjoner (Aguinis, 2003, s. 63). En rekke studier påpeker med t Brtlett`s M-test er den beste sttistiske testen for å vdekke brudd på MMR-forutsetningen (DeShon & Alexnder, 996; referert i Aguinis, 2003, s. 54). Problemet ved denne testen er t den påvirkes v i hvilken grd vriblene er normlfordelte. Ved vvik fr normlitet kn testen vise brudd på MMR-forutsetningen, selv om dette ikke er tilfelle. Vi konkluderte i regresjonsforutsetning 8 t flere v våre vribler vviker i stor grd fr normlitet. Som følge v dette kn Brtletts`s M-test være lite pålitelig for utvlget vårt. Som et lterntiv kn en bruke tommelfingerregelen, utviklet v DeShon og Alexnder (996), som en indiksjon på om det er brudd på forutsetningen. Tommelfingerregelen sier t feilvrinsen i den ene undergruppen bør ikke være større enn,5 gnger feilvrinsen i den ndre undergruppen. Imidlertid er dette kun en tommelfingerregel og vil følgelig ikke fungere like godt for ulike dtsett. Siden begge disse metodene hr sine svkheter, nbefler Aguinis (2003, s. 55) å bruke begge metodene og smmenligne resulttene fr disse for å kunne vdekke et eventuelt brudd på forutsetning 6. Ved brudd på forutsetning 6 vil det bety t en muligens hr flske modertorer. Risikoen for dette er imidlertid mindre når en hr tilnærmet like mnge observsjoner i hver v undergruppene. Våre modertorvribler hr tilnærmet like mnge observsjoner i smtlige undergrupper. Dette tilsier t forutsetningen er tilfredsstilt for lle våre modertorer. Siden vi hr begrensede ressurser og tid, vil vi utelukke ALTMMR38 og Brtlett`s M-test. 38 Nettbsert dtprogrm for å teste forutsetning for MMR. Dette progrmmet er ikke tilgjengelig lenger. 34

142 9.5 Smmendrg v resultter I dette delkpittelet vil vi oppsummere studiens resultter. Hypotese Våre resultter for hypotese viser t verdirelevnsen til resulttet og bokført egenkpitl er høyere for selskper som foretr income smoothing enn hos selskper som ikke foretr income smoothing. Ved bruk v price-ernings og price-book-regresjonen finner vi t selskper som foretr income smoothing hr høyere signifiknte koeffisienter, for henholdsvis resultt og bokført egenkpitl (tbell 9.3). Vi finner derimot ikke støtte for disse funnene ved bruk v price-chnge-modellen. Her er verdirelevnsen til resultt lvere hos selskper som foretr income smoothing enn hos selskper som ikke foretr income smoothing, men dette funnet er imidlertid ikke-signifiknt. Koeffisienten til gjeldsgrd er negtiv for lle regresjoner, men kun signifiknt for price-book og price-chnge-regresjonen. Videre finner vi en positiv smmenheng mellom størrelse og ksjekurs. Denne smmenhengen er imidlertid kun signifiknt for price-ernings og price-book-regresjonen. Funnene i price-ernings og price-book-regresjonene støttes v resulttene i splittvribel for price-ernings og price-book-modellen (tbell 9.4 og tbell 9.5). Her deles utvlget i to grupper, non-smoothers og smoothers. Selskper som foretr income smoothing hr en betydelig høyere koeffisient for resultt og bokført egenkpitl enn selskper som ikke foretr income smoothing. Forklringskrften, R2, er også betydelig høyere for selskper som foretr income smoothing. Splittvribel for price-chnge-modellen viser noe tvetydige resultter. Selskper som ikke foretr income smoothing hr en høyere og signifiknt koeffisient for endring i resultt enn selskper som foretr income smoothing. Dette strider med våre funn i price-ernings og price-book-regresjonen. P-verdier for smmenligning v gjennomsnittsverdier viser også noen interessnte funn, bl.. hr selskper som foretr income smoothing høyere ksjekurs, bokført egenkpitl og resultt enn selskper som ikke foretr income smoothing (tbell 9.4). Det er imidlertid kun de to førstnevnte som hr signifiknte pverdier (tbell 9.5). Støttes: Verdirelevnsen til resulttet er høyere for selskper som foretr income smoothing enn for selskper som ikke foretr income smoothing. 35

143 Hypotese 2 Våre resultter for hypotese 2 viser t verdirelevnsen til resulttet og bokført egenkpitl er høyere for selskper som hr høy resulttkvlitet enn selskper som hr lv resulttkvlitet. Ved bruk v price-ernings og price-book-regresjonen finner vi t selskper som hr høy resulttkvlitet hr høyere koeffisienter, for henholdsvis resultt og bokført egenkpitl (tbell 9.8). Disse koeffisientene er i tillegg signifiknte. Vi finner derimot ikke støtte for disse funnene ved bruk v price-chnge-modellen. Koeffisienten til gjeldsgrd er negtiv for lle regresjoner, men kun signifiknt for price-book og price-chnge-regresjonen. Videre finner vi en positiv smmenheng mellom størrelse og ksjekurs for price-book og price-chngeregresjonene, men denne smmenhengen er kun signifiknt for price-book-regresjonen. Imidlertid finner vi noe tvetydig resultt for smmenhengen mellom størrelse og ksjekurs i price-ernings-regresjonene. Her er smmenhengen signifiknt negtiv. Funnene i price-ernings og price-book-regresjonene støttes v resulttene i splittvribel for price-ernings og price-book-regresjon (tbell 9.9 og tbell 9.20). Utvlget deles også her i to grupper: selskper med høy resulttkvlitet og selskper med lv resulttkvlitet. Selskper med høy resulttkvlitet hr en betydelig høyere koeffisient for resultt og bokført egenkpitl enn selskper som hr lv resulttkvlitet. Forklringskrften, R2, er også betydelig høyere for selskper som hr høy resulttkvlitet enn selskper som hr lv resulttkvlitet. Splittvribel for price-chnge-modellen viser ikke-signifiknte funn. P-verdier for smmenligning v gjennomsnittsverdier viser også noen interessnte funn, bl.. hr selskper med høy resulttkvlitet høyere ksjekurs, resultt per ksje, bokført egenkpitl og totle eiendeler enn selskper som hr lv resulttkvlitet (tbell 9.6). Alle disse hr signifiknte p-verdier (tbell 9.7). Støttes: Verdirelevnsen til resulttet er høyere i selskper som hr høy resulttkvlitet enn i selskper som hr lv resulttkvlitet. 36

144 Hypotese 3 For å kunne teste hypotese 3 hr vi i våre price-ernings, price-book og price-chngeregresjoner brukt en bsegruppe i hver v de fire ulike regresjonene (gruppe 4 som bsegruppe i regresjon, gruppe 3 som bsegruppe i regresjon 2, gruppe 2 som bsegruppe i regresjon 3 og gruppe som bsegruppe i regresjon 4). Smlet sett viser resulttene for hypotese 3 t verdirelevnsen til resulttet og bokført egenkpitl for selskper som foretr income smoothing og hr høy resulttkvlitet er høyere enn for ndre selskper. Priceernings-regresjonene (9.22) viser t selskper som ikke foretr income smoothing og hr høy resulttkvlitet hr den høyeste koeffisienten for resultt i tre v fire regresjoner, mens selskper som foretr income smoothing og hr lv resulttkvlitet hr den lveste koeffisienten for resultt i lle fire regresjoner. Alle disse koeffisientene er signifiknte. Vi finner også t koeffisientene til gjeldsgrd og størrelse hr negtiv fortegn, men det er imidlertid kun sistnevnte som er signifiknt. Videre ser vi t det ikke er noe systemtiske forskjeller ett år til et nnet. Price-book-regresjonene (9.24) viser t selskper som foretr income smoothing og hr høy resulttkvlitet hr den høyeste koeffisienten til bokført egenkpitl i tre v fire regresjoner, mens selskper som ikke foretr income smoothing og hr lv resulttkvlitet hr den lveste koeffisienten til bokført egenkpitl i tre v fire regresjoner. Alle disse koeffisientene er signifiknte. Vi finner også t koeffisienten til gjeldsgrd hr et negtivt fortegn, mens koeffisienten for størrelse hr et positivt fortegn. Begge disse koeffisientene er signifiknte. Videre ser vi t det ikke er noe systemtiske forskjeller ett år til et nnet. Price-chnge-regresjonen (tbell 9.26) viser noe tvetydige resultter i forhold til price-ernings og price-book-regresjonene. Her er det selskper som foretr income smoothing og hr lv resulttkvlitet som hr den høyeste koeffisienten for endring i resultt i lle fire regresjoner, mens selskper som foretr income smoothing og hr høy resulttkvlitet hr den lveste koeffisienten for endring i resultt i lle fire regresjoner. Imidlertid er ingen v disse koeffisientene signifiknte. Videre finner vi t både gjeldsgrd og størrelse hr en negtiv smmenheng med ksjevkstning, men det er imidlertid kun førstnevnte som er signifiknt. Vi ser også t det er årlige forskjeller i price-chngeregresjonen, hvor 20 er signifiknt negtivt ssosiert med ksjevkstning Funnene for price-ernings og price-book-regresjonene støttes v resulttene i splittvribel for price-ernings og price-book-modellen. Splittvribel for price-ernings-modellen viser t selskper som foretr income smoothing og hr høy resulttkvlitet hr den høyeste koeffisienten for resulttet, mens selskper som ikke foretr income smoothing og hr lv 37

145 resulttkvlitet hr den lveste koeffisienten til resulttet (tbell 9.23). Koeffisientene for smtlige fire grupper er signifiknte. Vi finner tilsvrende resultter for splittvribel for price-book-modellen. Her hr selskper som foretr income smoothing og hr høy resulttkvlitet den høyeste koeffisienten for bokført egenkpitl, mens selskper som ikke foretr income smoothing og hr lv resulttkvlitet hr den lveste koeffisienten for bokført egenkpitl (tbell 9.25). Koeffisientene for smtlige grupper er signifiknte. Splittvribel for price-chnge-modellen viser fortstt tvetydige resultter. Selskper som foretr income smoothing og hr lv resulttkvlitet hr den høyeste koeffisienten for endring i resultt, mens selskper som foretr income smoothing og hr høy resulttkvlitet hr den lveste koeffisienten for endring i resultt (tbell 9.27). Koeffisientene for smtlige grupper er ikkesignifiknte. P-verdier for smmenligning v gjennomsnittsverdier for fire grupper viser også noen interessnte funn, bl.. hr selskper som foretr income smoothing og hr høy resulttkvlitet høyere ksjekurs, resultt per ksje og bokført egenkpitl enn ndre selskper. Disse forskjellene er signifiknte i forhold til gruppe 4 (tbell 9.8). Vi finner også t selskper som ikke foretr income smoothing og hr lv resulttkvlitet hr lvere ksjekurs og resultt per ksje enn ndre selskper. Disse forskjellene er signifiknte i forhold til gruppe og 3. Forskjellene er derimot minst og ikke-signifiknte mellom gruppe 2 og gruppe 3. Gjennomsnittlig totl rngering (tbell 9.28) viser t selskper som foretr income smoothing og hr høy resulttkvlitet er rngert høyest, mens selskper som ikke foretr income smoothing og hr lv resulttkvlitet er rngert lvest. Disse funnene forsterkes når vi ekskluderer rngeringene fr price-chnge-regresjonene i totl gjennomsnittlig rngering. Dette er i smsvr med funnene til Bo og Bo (2004), som også hr en tilsvrende rngering v gruppene. Støttes: Verdirelevnsen til resulttet for selskper som foretr income smoothing og hr høy resulttkvlitet, er høyere enn for ndre selskper. 38

146 0 DISKUSJON OG KONKLUSJON I dette kpittelet skl vi presentere metodiske og prktiske impliksjoner med vår studie, smt studiens bidrg. 0. Metodiske impliksjoner Det er flere metodiske impliksjoner ved vår studie. Blnt nnet er ikke utvlget i denne studien vlgt tilfeldig39. Utvlget for income smoothing måtte tilfredsstille et viktig kriterium. Kriteriet er t vi måtte h regnskpsdt for åtte smmenhengende år og dette medførte t selskper som er notert på Oslo Børs etter 2006 ble ekskludert fr vår studie. Dermed kn oppgvens konklusjoner ikke trekkes for selskper notert på Oslo Børs etter Siden vi heller ikke hr inkludert selskper som hr gått v Oslo Børs i utvlgsperioden kn det føre til survivorship bis, ltså skjevheter i utvlget. Regnskpsinformsjonen er hentet fr de smme kildene (Amdeus, Forvlt.no og årsregnskper) i denne studien, men det er likevel forskjeller i hvor grundige eller detljerte selskper er når de rpporterer. Blnt nnet er det flere selskper som ikke oppgir resultt per ksje eller kssekreditt i sine årsregnskp. Selv om vi hr hentet dt fr pålitelige kilder må vi nt t det kn være feil i denne. I motsetning til periodiseringskvlitetsmodellen, forutsetter vårt mål på income smoothing t et selskp klssifiseres som enten smoothers eller non-smoothers for hele utvlgsperioden. Dette innebærer dermed t et selskps observsjoner for hele utvlgsperioden enten får verdien eller 0 for vribelen income smoothing. Det kn imidlertid settes spørsmåltegn ved om mn kn trekke konklusjoner om income smoothing på bkgrunn v en slik "pooled" klssifisering. Videre hr vi vlgt en tilnærming som ser på resulttvribilitet som et mål på income smoothing. Smme tilnærmingen brukes også for å måle resulttkvlitet. Dette kn derfor ses på som et motstridende metodisk vlg. Imidlertid er det en rekke nerkjente studier40 som legger til grunn t lvere vribilitet i resulttet gir en indiksjon på income smoothing. Videre kn resulttvribilitet forstyrres v t resulttvribiliteten vrierer på bkgrunn v forhold som ikke hr smmenheng med income smoothing. Resulttvribiliteten til ulike selskper vil i stor grd vhenge v hvert enkelt selskps strtegi og mrkedsforhold. For eksempel vil en strtegi som innebærer å h lv driftsrisiko ved å stse på lngsiktige Dette er drøftet nærmere i delkpittel Bl.. Albrecht & Richrdson (990); Michelson et l. (995 & 2000) og Bo & Bo (2004). 39

147 leveringsvtler kunne gi jevne resultter over tid. Således vil mrkeder med stbile mrkedsforhold også kunne gi jevne resultter. Resulttvribilitet som mål på income smoothing og resulttkvlitet blir brukt i studier som er publisert i noen v de mest nerkjente tidsskrifter for regnskpsforskning. Det kn synes å være litt merkelig t det fortstt er uklrhet om hvordn vrisjon i resulttet skl tolkes og t det heller ikke eksisterer en universell modell som skiller mellom reell og regnskpsmessig income smoothing. Vår opprinnelig verdirelevnsmodell for price-ernings, price-book og price-chngeregresjonen hr totlt 275 observsjoner. Dette kn ifølge Thrne (2003) sies å være et tilfredsstillende ntll observsjoner. Imidlertid får vi en del lvere ntll observsjoner når vi splitter utvlget i enten smoothers/non-smoothers og qulity/non-qulity, men ntllet er fortstt tilfredsstillende. Når vi derimot splitter utvlget i fire grupper lngs dimensjonene smoothers/non-smoothers og qulity/non-qulity, får vi til dels et lvt ntll observsjoner (mellom 66 og 73). Vi hr også vdekket brudd på flere v regresjonsforutsetningene i vår studie. I regresjonsforutsetning 3 om multikollineritet så vi t flere v interksjonsleddene hdde meget høye korrelsjonsverdier. Vi så også t noen v interksjonsleddene hdde meget høye VIF-verdier. Vi kunne ikke uteltte disse interksjonsleddene, siden de utgjør en viktig del v modellene våre. Imidlertid hdde disse interksjonsleddene signifiknte koeffisienter, noe som tyder på t det likevel ikke er et så stort problem. I regresjonsforutsetning 4 om residulfordeling så vi t vribelen bokført egenkpitl og interksjonsleddene med denne vribelen vr ikke-lineære. Vi vurderte å ln-trnsformere disse vriblene, men inkludering v kvdrtleddene ville trolig forverre problemet vi hr med multikollineritet. I regresjonsforutsetning 6 om homoskedstisitet så vi t vriblene resultt, bokført egenkpitl og interksjonsleddene med disse vriblene hdde en ntydning til heteroskedstisitet. Ved fjerning v ekstreme verdier fikk vi noe mer tilfredsstillende sctterplots. Dette førte til noe lvere verdier på flere v våre koeffisienter, men disse vr fortstt signifiknte og med predikert fortegn. I regresjonsforutsetning 8 om normlfordeling så vi t vriblene våre hdde høye verdier for skewness og kurtosis. Etter en 5 % trimming4 v observsjonene fikk vi tilfredsstillende verdier på skewness og kurtosis. Imidlertid fikk dette store utslg for våre regresjonskoeffisienter. Vi vlgte derfor å beholde våre opprinnelige resultter. 4 Også omtlt som robusthets-test. 40

148 0.2 Prktiske impliksjoner Våre funn tyder på t selskper som foretr income smoothing eller hr høy resulttkvlitet hr høyere verdirelevns enn selskper som ikke foretr income smoothing eller hr lv resulttkvlitet. Høyere verdirelevns innebærer t regnskpsstørrelser i større grd kn brukes som beslutningsgrunnlg for investorer når de skl vurdere kjøp eller slg v ksjer. I smsvr med tidligere forskning på området finner vi også t selskper som foretr income smoothing hr mer verdirelevnte resultter. Dette tyder på t income smoothing fører til mer informtive regnskper. Det vil dermed være enklere for investorer å vgjøre om hn eller hun skl investere i et selskp med en større ssosisjon mellom regnskpsstørrelser og ksjekurs. Dette vil videre resultere i t selskper som hr høy verdirelevns vil være mer ettertrktet på Oslo Børs, siden disse hr lvere informsjonsrisiko (Frncis et l., 2004). Det er imidlertid viktig å spesifisere t selskper med høy verdirelevns ikke nødvendigvis hr høyere selskpsverdi. Verdirelevnsmodeller hr som mål å kun undersøke om regnskpet gir informsjon som kn være relevnt for verdsetting. Den viktigste impliksjonen med våre funn er t denne informsjon kn brukes til å vurdere regnskpskvliteten på regnskpene som presenteres blnt børsnoterte selskper på Oslo Børs. Generelt vil det være vnskelig å vurdere regnskpskvliteten fordi mn som regnskpsbruker sitter med lite informsjon om selskpet, herunder også kvliteten på den informsjonen som presenteres i regnskpet (Stenheim, 205). På den måten er en gjerne på jkt etter indiktorer som kn si noe om hvorvidt et selskp hr høy eller lv regnskpskvlitetet. Våre funn tyder på t smoothing fører til høyere regnskpskvlitet. Income smoothing kn derfor brukes som en slik kvlitetsindiktor. 4

149 0.3 Studiens bidrg Hensikten med denne studien hr vært å undersøke om income smoothing og resulttkvlitet øker eller reduserer regnskpets42 verdirelevns. Selv om det er forsket mye på verdirelevns, income smoothing og resulttkvlitet, er det få studier som hr knyttet disse forskningsretningene smmen. Det finnes noen få internsjonle studier som hr undersøkt denne smmenhengen, men oss bekjent er det ingen studier som hr undersøkt denne smmenhengen på norske dt. Vi kjenner heller ikke til noen studier som tester verdirelevnsen til regnskpet lngs dimensjonene income smoothing og resulttkvlitet. Vi mener t vår studie kn h en viss interesse for stndrdsettere og regnskpsbrukere. Vår studies hovedbidrg er å gi regnskpsbrukerne et verktøy for å identifisere selskper med ulik grd v verdirelevnte regnskp. Våre funn tyder på t selskper som foretr income smoothing eller hr høy resulttkvlitet hr mer verdirelevnte regnskp. Videre tyder våre funn på t selskper som foretr income smoothing og hr høy resulttkvlitet hr mer verdirelevnte regnskp enn ndre selskper. 42 Gjennom regnskpsstørrelsene resultt, bokført egenkpitl og endring i resultt. 42

150 FORSLAG TIL VIDERE FORSKNING Det eksisterer mnge interessnte vinklinger mn kn t innen verdirelevnsforskningen. I denne studien hr vi undersøkt effekten v income smoothing og resulttkvlitet på resulttets verdirelevns. Siden dette er den første studien v sitt slg i Norge er det rom for forbedringer. Det er en del spekter ved denne studien som ville vært interessnt å se nærmere på, men også ting som kunne h vært gjort nnerledes. For eksempel vil det vært interessnt å sett nærmere på et større dtsett enn det Oslo Børs representerer. Herunder kunne mn også ttt for seg flere år i undersøkelsen. Det ville også h vært interessnt å gjennomføre en liknende undersøkelse i ndre lnd. På en slik måte vil mn kunne få testet om studiens resultter gjelder for børsnoterte selskper i ndre lnd, f.eks Sverige eller Dnmrk. Vi hr i denne studien kun brukt resulttvribilitet som et mål på income smoothing. En mulig utvidelse v denne studien kn være å benytte flere mål og dermed få et mer nøyktig klssifisering v smoothers og non-smoothers. Eksempler på ndre mål på income smoothing er frekvensfordelingen, forholdet mellom skjønnsmessige og ikke-skjønnsmessige periodiseringer (Jones-modellen) og tendensen til å unngå små tp. Det vil også være interessnt å utvide denne studien med et utvlg for perioden før innføring v IFRS. En vil d kunne si noe om innføring v IFRS hr bidrtt til høyere verdirelevns for selskper som foretr income smoothing og/eller hr høy resulttkvlitet. Tidligere studier hr vist t innføring v IFRS hr htt signifiknte forskjeller på verdirelevnsen til resulttet og bokført egenkpitl. En nnen interessnt retning er å rette fokus mot ndre regnskpsstørrelser enn resultt og egenkpitl. Det ville vært interessnt å se nærmere på kontntstrømmen, d denne hr blitt påvist jevnet ut, spesielt i større selskper (Ronen & Sdn, 98; Truemn & Titmn, 988). Her kunne mn også rettet fokus mot finnskrisen i Mn ville d testet for i hvilken grd kontntstrømmen påvirker verdirelevnsen til resultt til børsnoterte selskper før og etter finnskrisen. I motsetning til price-ernings og price-book-modellen, fikk vi noe tvetydige resultter i price-chnge-modellen, men disse vr ikke-signifiknte. En mulig utvidelse v denne studien kn være å benytte price-chnge-modellen med flere observsjoner og ndre kontrollvribler. Fremtidige utvidelser v denne studien bør først og fremst fokusere på å bekrefte eller eventuelt vkrefte våre funn, både gjennom ndre mål og metodiske tilnærminger. 43

151 2 REFERANSER Aker, H. (2005). Fiskeoppdrett og verdsettelse: en nlyse v resulttjustering og modeller for identifiksjon v slik ktivitet. Aboody, D., Hughes, J., & Liu, J. (2002). Mesuring vlue relevnce in (possibly) inefficient mrket. Journl of Accounting Reserch, 40(4), Aguinis, H. (2003). Regression nlysis for ctegoricl modertors: Guilford Press. Albrecht, W., Albrecht, C., Albrecht, C., & Zimbelmn, M. (20). Frud Exmintion: Cengge Lerning. Albrecht, W. D., & Richrdson, F. M. (990). Income smoothing by economy sector. Journl of Business Finnce & Accounting, 7(5), Alchin, A. A. (950). Uncertinty, evolution, nd economic theory. The Journl of Politicl Economy, Amir, E. (993). The mrket vlution of ccounting informtion: The cse of postretirement benefits other thn pensions. Accounting Review, Bkss, K. M., & Stenheim, T. (205). Regnskpsteori. Oslo: Cppelen Dmm kdemisk. Bll, R., & Brown, P. (968). An empiricl evlution of ccounting income numbers. Journl of ccounting reserch, Bll, R., & Shivkumr, L. (2006). The role of ccruls in symmetriclly timely gin nd loss recognition. Journl of ccounting reserch, 44(2), Bo, B. H., & Bo, D. H. (2004). Income smoothing, ernings qulity nd firm vlution. Journl of Business Finnce & Accounting, 3, Brth, M. E. (99). Reltive mesurement errors mong lterntive pension sset nd libility mesures. Accounting Review, Brth, M. E.. Vlutio sed ou ti g reser h: I pli tio s for fi il reporti g d opportunities for future reserch. Accounting & Finnce, 40(), Brth, M. E., Bever, W. H., & Lndsmn, W. R. (200). The relevnce of the vlue relevnce literture for finncil ccounting stndrd setting: nother view. Journl of ccounting nd economics, 3(), Brth, M. E., & Cli h, G.. le effe ts i pitl rkets sed ou ti g reser h. Journl of Business Finnce & Accounting, 36, Brth, M. E., Elliott, J. A., & Finn, M. W. (999). Mrket rewrds ssocited with ptterns of incresing ernings. Journl of Accounting Reserch, Brth, M. E., & Kllpur, S. (996). The Effects of Cross e tio l le Differe es o egressio Results in Empiricl Accounting Reserch*. Contemporry Accounting Reserch, 3(2), Brth, M. E., Lndsmn, W. R., & Lng, M. H. (2008). Interntionl ccounting stndrds nd ccounting qulity. Journl of ccounting reserch, 46(3), Brth, M. E., & McNichols, M. F. (994). Estimtion nd mrket vlution of environmentl libilities relting to superfund sites. Journl of Accounting Reserch, Brton, J. (200). Does the use of finncil derivtives ffect ernings mngement decisions? The Accounting Review, 76(), -26. Bever, W. H. (968). The informtion content of nnul ernings nnouncements. Journl of ccounting reserch, Bever, W. H. (2002). Perspectives on recent cpitl mrket reserch. Accounting Review, Bever, W. H., & Dukes, R. E. (973). Interperiod tx lloction nd δ-deprecition methods: Some empiricl results. Accounting Review, Beislnd, L. A. (2008). Essys on the vlue relevnce of ccounting informtion. Beislnd, L. A. (2009). A review of the vlue relevnce literture. The Open Business Journl, 2(), 727. Beislnd, L. A. (200). Is the Vlue Relevnce of Accounting Informtion Consistently Underestimted? 44

152 Beislnd, L. A., & Knivsflå, K. H. (203). Hve IFRS chnged how stock prices re ssocited with ernings nd book vlues? Evidence from Norwy. Review of Accounting nd Finnce, 4(). Beneish, M. D. (200). Ernings mngement: A perspective. Mngeril Finnce, 27(2), 3-7. Bernrd, V. L., & Skinner, D. J. (996). Wht motivtes mngers' choice of discretionry ccruls? Journl of Accounting nd Economics, 22(), Berry, W. D. (993). Understnding regression ssumptions (B. 92): Sge. Brown, S., Lo, K., & Lys, T. (999). Use of R 2 in ccounting reserch: mesuring chnges in vlue relevnce over the lst four decdes. Journl of Accounting nd Economics, 28(2), Burgsthler, D. C., Hil, L., & Leuz, C. (2006). The importnce of reporting incentives: ernings mngement in Europen privte nd public firms. The ccounting review, 8(5), Cheng, Q., & Wrfield, T. D. (2005). Equity incentives nd ernings mngement. The Accounting Review, 80(2), Choo, F., & T, K.. A A eri Dre theor of orporte e e uti e Frud. Accounting Forum, 3(2), doi: Christensen, T. E., Hoyt, R. E., & Pterson, J. S. (999). Ex nte incentives for ernings mngement nd the informtiveness of ernings. Journl of Business Finnce & Accounting, 26, 832. Christie, A. A., & Zimmermn, J. L. (994). Efficient nd opportunistic choices of ccounting procedures: Corporte control contests. Accounting Review, Chung, R., Firth, M., & Kim, J.-B. (2005). Ernings mngement, surplus free csh flow, nd externl monitoring. Journl of Business Reserch, 58(6), Collins, D. W., Kothri, S., Shnken, J., & Slon, R. G. (994). Lck of timeliness nd noise s explntions for the low contemporneuos return-ernings ssocition. Journl of Accounting nd Economics, 8(3), Crig, D., Johnson, G., & Joy, M. (987). Accounting methods nd P/E rtios. Finncil Anlysts Journl, 43(2), Dechow, P., Ge, W., & Schrnd, C. (200). Understnding ernings qulity: A review of the proxies, their determinnts nd their consequences. Journl of Accounting nd Economics, 50(2), Dechow, P. M. (994). Accounting ernings nd csh flows s mesures of firm performnce: The role of ccounting ccruls. Journl of ccounting nd economics, 8(), Dechow, P. M., & Dichev, I. D. (2002). The qulity of ccruls nd ernings: The role of ccrul estimtion errors. The ccounting review, 77(s-), Dechow, P. M., Kothri, S. P., & Wtts, R. L. (998). The reltion between ernings nd csh flows. Journl of ccounting nd Economics, 25(2), Dechow, P. M., Slon, R. G., & Sweeney, A. P. (995). Detecting ernings mngement. Accounting Review, DeFond, M. L., & Jimblvo, J. (994). Debt covennt violtion nd mnipultion of ccruls. Journl of ccounting nd economics, 7(), DeShon, R. P., & Alexnder, R. A. (996). Alterntive procedures for testing regression slope homogeneity when group error vrinces re unequl. Psychologicl Methods, (3), 26. Dyrnes, S., & Pettersen, I. (202). Justerte resultter: veien til bedre resulttkvlitet? Eston, P. D., Hrris, T. S., & Ohlson, J. A. (992). Aggregte ccounting ernings cn explin most of security returns: The cse of long return intervls. Journl of Accounting nd Economics, 5(2), Fm, E. F. (970). Efficient cpitl mrkets: A review of theory nd empiricl work*. The journl of Finnce, 25(2), Fm, E. F., & Jensen, M. C. (983). Seprtion of ownership nd control. Journl of lw nd economics, FASB. (978). Objectives of Finncul Reporting by Business Enterprises. Sttement of Finncil Accounting Concepts. 45

153 Felthm, G. A., & Ohlson, J. A. (995). Vlution nd clen surplus ccounting for operting nd finncil ctivities*. Contemporry ccounting reserch, (2), Foster, G. (977). Qurterly ccounting dt: Time-series properties nd predictive-bility results. Accounting Review, -2. Frncis, J., LFond, R., Olsson, P. M., & Schipper, K. (2004). Costs of equity nd ernings ttributes. The Accounting Review, 79(4), Frncis, J., Nnd, D., & Olsson, P. (2008). Voluntry disclosure, ernings qulity, nd cost of cpitl. Journl of ccounting reserch, 46(), Frncis, J., & Schipper, K. (999). Hve finncil sttements lost their relevnce? Journl of ccounting Reserch, Fudenberg, D., & Tirole, J. (995). A theory of income nd dividend smoothing bsed on incumbency rents. Journl of Politicl economy, Glåen, A. S., Tonny. (200). Differences in ccounting qulity between Norwegin GAAP nd IFRS. Gver, J. J., Gver, K. M., & Austin, J. R. (995). Additionl evidence on bonus plns nd income mngement. Journl of ccounting nd Economics, 9(), Giroux, G. (2004). Detecting ernings mngement: John Wiley & Sons Incorported. Gjerde, Ø., Knivsflå, K., & Sættem, F. (2008). The vlue-relevnce of dopting IFRS: Evidence from 45 NGAAP resttements. Journl of Interntionl Accounting, Auditing nd Txtion, 7(2), 922. Gjerde, Ø., Knivsflå, K., & Sættem, F. (20). The vlue relevnce of finncil reporting in Norwy Scndinvin Journl of Mngement, 27(), Gjesdl, F. (2003). Resulttkvlitet nno Prktisk økonomi & finns,, Goel, A. M., & Thkor, A. V. (2003). Why Do Firms Smooth Ernings? [Article]. Journl of Business, 76(), Grhm, J. R., Hrvey, C. R., & Rjgopl, S. (2005). The economic implictions of corporte finncil reporting. Journl of Accounting nd Economics, 40( 3), doi: Gu, ).. A ross s ple I o pr ilit of s d Additio l E ide e o Vlue ele e Chnges Over Time. Journl of Business Finnce & Accounting, 34, Guy, W. R., Kothri, S., & Wtts, R. L. (996). A mrket-bsed evlution of discretionry-ccrul models. Simon School of Business Working Pper FR, Guidry, F., J Leone, A., & Rock, S. (999). Ernings-bsed bonus plns nd ernings mngement by business-unit mngers. Journl of Accounting nd Economics, 26(), Gujrti, D. N. (995). Bsic econometrics, 3rd. Interntionl Edition,(McGrw Hill, USA). Gujrti, D. N., & Porter, D. (2009). Bsic Econometrics Mc Grw-Hill Interntionl Edition. Hyshi, F. (2000). Econometrics: Princeton University Press Princeton, NJ. Hely, P. M. (985). The effect of bonus schemes on ccounting decisions. Journl of Accounting nd Economics, 7( 3), doi: Holthusen, R. W., & Wtts, R. L. (200). The relevnce of the vlue-relevnce literture for finncil ccounting stndrd setting. Journl of ccounting nd economics, 3(), Hunt, A., Moyer, S., & Shevlin, T. (2000). Ernings voltility, ernings mngement, nd equity vlue. Unpublished working pper. University of Wshington. IASB. (200). The Conseptul Frmework for Finncil Reporting 200. Interntionl Accounting Stndrds Bord. Imhoff, E. A. (98). Income smoothing: n nlysis of criticl issues. Jensen, M. C., & Meckling, W. H. (976). Theory of the firm: Mngeril behvior, gency costs nd ownership structure. Journl of finncil economics, 3(4), Jones, J. J. (99). Ernings mngement during import relief investigtions. Journl of ccounting reserch, Jones, K. L., Krishnn, G. V., & Melendrez, K. D. (2008). Do s of Discretionry Accruls Detect Actul Cses of Frudulent nd Restted Ernings? An Empiricl Anlysis*. Contemporry Accounting Reserch, 25(2),

154 Kinney, W. R., Mrtin, R. D., & Mrtin, R. (994). Does uditing reduce bis in finncil reporting? A review of udit-relted djustment studies. Auditing, 3(), Kothri, S. (200). Cpitl mrkets reserch in ccounting. Journl of ccounting nd economics, 3(), Kothri, S. P., Leone, A. J., & Wsley, C. E. (2005). Performnce mtched discretionry ccrul mesures. Journl of ccounting nd economics, 39(), Kothri, S. P., & Zimmermn, J. L. (995). Price nd return models. Journl of Accounting nd economics, 20(2), Kristoffersen, T. (2008). Regnskpsteori : med introduksjon til internsjonle regnskpsstndrder (IFRS). Bergen: Fgbokforl. Kvifte, S. S., & Johnsen, A. (2008). Konseptuelle rmmeverk for regnskp: Oslo: Den norske Revisorforening. Kvifte, S. S., Kvl, E., & Gjesdl, F. (2006). Internsjonle regnskpsstndrder. Oslo: Cppelen kdemisk forl. Ldegård, G., & Vbo, S. I. (20). Ledelse, styring og verdier. Mgm-Tidsskrift for økonomi og ledelse, 7(). Lndsmn, W. (986). An empiricl investigtion of pension fund property rights. Accounting Review, Lndsmn, W. R., & Mgliolo, J. (988). Cross-sectionl cpitl mrket reserch nd model specifiction. Accounting Review, L g, M., ed, J.., & Yet, M. H.. Ho represe tti e re fir s tht re ross listed i the united sttes? An nlysis of ccounting qulity. Journl of Accounting Reserch, 4(2), Lngli, J. C. (2005). Regnskpskvlitet-om hvordn regnskpsmessig støy svekker kvliteten på regnskpsinformsjon. Prktisk økonomi & finns, 22(0), Lee, C. M. (200). Mrket efficiency nd ccounti g reser h: dis ussio of pitl rket reser h i ou ti g P Kothri. Journl of Accounting nd Economics, 3(), Leuz, C., Nnd, D., & Wysocki, P. D. (2003). Ernings mngement nd investor protection: n interntionl comprison. Journl of finncil economics, 69(3), Lev, B. (989). On the usefulness of ernings nd ernings reserch: Lessons nd directions from two decdes of empiricl reserch. Journl of ccounting reserch, Lim, K. P., & Brooks, R. (20). The evolution of stock mrket efficiency over time: survey of the empiricl literture. Journl of Economic Surveys, 25(), McNichols, M., & Wilson, G. P. (988). Evidence of ernings mngement from the provision for bd debts. Journl of ccounting reserch, -3. McNichols, M. F. (2000). Reserch design issues in ernings mngement studies. Journl of ccounting nd public policy, 9(4), McNichols, M. F. (2002). Discussion of the qulity of ccruls nd ernings: The role of ccrul estimtion errors. The ccounting review, 77(s-), Michelson, S. E., Jordn-Wgner, J., & Wootton, C. W. (2000). The reltionship between the smoothing of reported income nd risk-djusted returns. Journl of Economics nd Finnce, 24(2), Mi helso,. E., Jord Wg er, J., & Wootto, C. W.. A rket sed l sis of i o e smoothing. Journl of Business Finnce & Accounting, 22(8), Miller, M. H., & Modiglini, F. (966). Some estimtes of the cost of cpitl to the electric utility industry, The Americn Economic Review, Myers, J. N., Myers, L. A., & Skinner, D. J. (2007). Ernings momentum nd ernings mngement. Journl of Accounting, Auditing & Finnce, 22(2), Ohlson, J. A. (995). Ernings, book vlues, nd dividends in equity vlution*. Contemporry ccounting reserch, (2), Plepu, K. G., Hely, P. M., & Bernrd, V. L. (2000). Business Anlysis & Vlution, 2. Aufl., SouthWestern College Publishing, Cincinnti. 47

155 Ronen, J., & Sdn, S. (98). Smoothing Income Numbers: Objectives, Mens And Implictions (Addison-Wesley Pperbck Series In Accounting) Author: Josh. Ronen, J., & Yri, V. (2008). Ernings mngement: emerging insights in theory, prctice, nd reserch (B. 3): Springer. Sndvik, K. (203). Forelesningsnotter. Schilit, H. M. (2002). Finncil shennigns, 2. Aufl., New York. Schipper, K. (989). Commentry on ernings mngement. Accounting horizons, 3(4), Schipper, K., & Vincent, L. (2003). Ernings qulity. Accounting horizons, 7, 97. Schjølberg, O., & Stenheim, T. (20). IFRS 2 - ksjebsert vlønning og bruk v verdsettingsmodeller. Scott, W. R. (20). Finncil Accounting Theory: Person Cnd. SEC. (200). Concept Relese on Equity Mrket Structure.. Shrm, S., Durnd, R. M., & Gur-Arie, O. (98). Identifiction nd nlysis of modertor vribles. Journl of mrketing reserch, Skinner, D. J., & Slon, R. G. (2002). Ernings surprises, growth expecttions, nd stock returns or don't let n ernings torpedo sink your portfolio. Review of ccounting studies, 7(2-3), Slon, R. (996). Do Stock Prices Fully Reflect Informtion in Accruls nd Csh Flows bout Future Ernings?(Digest Summry). Accounting review, 7(3), Stenheim, T. (200). Konservtiv regnskpsrpportering et forltt prinsipp? Prktisk økonomi & finns, 27 ER(0). Stenheim, T. (202). Decision usefulness of goodwill reported under IFRS: Copenhgen Business SchoolCopenhgen Business School, Institut for Regnskb og RevisionDeprtment of Accounting nd Auditing. Stenheim, T. (205). Forelesningsnotter. Stenheim, T., & Blkstd, L. (2007). Regnskpsregulering: Offentlig regulering eller mrkedsløsning? Mgm-Tidsskrift for økonomi og ledelse, 0(6), Stenheim, T., & Blkstd, L. (202). Regnskpsmnipulering definisjon, forutsetninger og incentiver. Stenheim, T., & Mdsen, D. Ø. (204). Regnskpsbserte vlønningskontrkter med vekt på målkongruens. Prktisk økonomi & finns(02), Sturt, I. (20). Auditing nd Assurnce Services: An Applied Approch: McGrw-Hill Eduction. Subrmnym, K. R. (996). The pricing of discretionry ccruls. Journl of Accounting nd Economics, 22( 3), doi: Thrne, C. (2003). Regresjonsnlyse i prksis. Kristinsnd S: Høyskoleforlget. Truemn, B., & Titmn, S. (988). An Explntion for Accounting Income Smoothing. [Article]. Journl of Accounting Reserch, 26(3), Tucker, J. W., & Zrowin, P. A. (2006). Does income smoothing improve ernings informtiveness? The Accounting Review, 8(), Wrfield, T. D., Wild, J. J., & Wild, K. L. (995). Mngeril ownership, ccounting choices, nd informtiveness of ernings. Journl of ccounting nd economics, 20(), 6-9. Wtts, R. L., & Zimmermn, J. L. (986). Positive ccounting theory. Wtts, R. L., & Zimmermn, J. L. (990). Positive ccounting theory: ten yer perspective. Accounting review, W tt, A.. Wht fi il d o fi il i for tio o i t gi les is lue rele t? A review of the evidence. Accounting nd business Reserch, 38(3), Yen, G., & Lee, C.-f. (2008). Efficient mrket hypothesis (EMH): pst, present nd future. Review of Pcific Bsin Finncil Mrkets nd Policies, (02), Zrowin, P. (2002). Does income smoothing mke stock prices more informtive? New York University Stern School of Business. 48

156 3 VEDLEGG DESKRIPTIV STATISTIKK Deskriptiv sttistikk for hele utvlget Deskriptiv sttistikk for non-smoothers og smoothers Deskriptiv sttistikk for non-qulity og qulity Deskriptiv sttistikk for lle 4 grupper Korrelsjonsnlyse Hele utvlget Korrelsjonsnlyse - Non-smoothers Korrelsjonsnlyse - Smoothers Korrelsjonsnlyse - Non-qulity Korrelsjonsnlyse - Qulity PRICE-EARNINGS-MODELL H Ernings H2 Ernings H3 Ernings H: Splittvribel H2: Splittvribel H3: Splittvribel PRICE-BOOK-MODELL H Book H2 Book H3 Book H: Splittvribel H2: Splittvribel H3: Splittvribel PRICE-CHANGE-MODELL H Chnge H2 Chnge H3 Chnge H: Splittvribel H2: Splittvribel H3: Splittvribel TEST FOR RANKS Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Price-ernings)) Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Price-book) Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Price-chnge) Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Ernings & Book) Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Overll) PERIODISERINGSKVALITETMODELLEN Deskriptiv sttistikk Korrelsjonsnlyse McNichols regression REGRESJONSFORUTSETNINGER Regresjonsforutsetning 2 Regresjonsforutsetning 3 Regresjonsforutsetning 4 Regresjonsforutsetning 6 Regresjonsforutsetning 7 Regresjonsforutsetning

157 DESKRIPTIV STATISTIKK VERDIRELEVANS Deskriptiv sttistikk for hele utvlget Descriptive Sttistics Pris EPS BVS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler N Minimum,600-0,82,00 -,9489-2,355, ,00 Vlid N (listwise) 363 Mximum 740,00 54,82 324,95 3,467 6,60 46, , 00 Men 78,5895 5, ,979,05645,0620, ,9 209 Std. Devition 82,6990 9, ,067,996599, , , Sttistics Pris N Vlid 75 Gjeldsgr d Sum eiendeler ,750 20,3, , , 4,6894 -, ,052356, ,0 27,6620,750 20,3, , , 990 6, ,42,98733, , ,6620 Percentile 25 s 50 Price_Chng Eps_Chng e e BVS 458 Missing Medin EPS 7,9000 -,3925 Deskriptiv sttistikk for non-smoothers og smoothers Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 238,6 325,30 59,706 65,68982 EPS 238-0,82 54,82 4,8890 9,70838 BVS 238,00 78,58 54, ,56328 Price_Chnge 88 -,9205 3,467,94739, Eps_Chnge 88-2,355 6,60,943, Gjeldsgrd 238, ,5200 2, ,30909 Sum eiendeler , , Vlid N (listwise) 87. Smoothers_D,00 3

158 Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 220,22 740,00 99, ,22985 EPS ,64 45,00 5,706 8,49924 BVS 220,02 324,95 76,776 85,783 Price_Chnge 76 -,9489 2,6846,00477,49856 Eps_Chnge 76 -,738 2,7042,0089, Gjeldsgrd 220, ,3000, , Sum eiendeler , ,4 Vlid N (listwise) 76. Smoothers_D,00 Sttistics Price_Chng Pris N Vlid EPS BVS e Sum Eps_Chnge Gjeldsgrd eiendeler ,0950,8400 8,6695,038863,005044, , Percentiles 25 6,493 -,500 5,0252 -, ,040588, , 50 3,0950,8400 8,6695,038863,005044, ,6250 6, ,525,20639, , Missing Medin. Smoothers_D,00 Sttistics Price_Chng Pris N Vlid EPS BVS e Sum Eps_Chnge Gjeldsgrd eiendeler ,7302,6850 2,7235 -, ,00672, , Percentiles 25 9,06 -,2875 4,0700 -, ,067383, , ,7302,6850 2,7235 -, ,00672, , 75 5,2000 7,000 75,063,93688, Missing Medin, Smoothers_D,00 4

159 Deskriptiv sttistikk for non-qulity og qulity Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 39,6 30,94 49, ,09378 EPS 39-0,82 67,98,4622 4,52276 BVS 39,00 278,43 38, ,5576 Price_Chnge 37 -,9489 2,243 -,006289, Eps_Chnge 37-2,355 6,60,0836, Gjeldsgrd 39,030 25,595, , Sum eiendeler , ,3 Vlid N (listwise) 36 Men Std. Devition. Qulity_D,00 Descriptive Sttistics N Minimum Mximum Pris 36,7 740,00 05, ,776 EPS 36-40,66 45,00 7, ,72297 BVS 36,4 324,78 88,529 88,66395 Price_Chnge 36 -,79,99 -,04957, Eps_Chnge 36 -,733,98 -,04452, Gjeldsgrd 36,0807 6,55, , Sum eiendeler , , Vlid N (listwise) 36. Qulity_D,00 Sttistics Price_Chng Pris N Vlid EPS BVS e Sum Eps_Chnge Gjeldsgrd eiendeler ,000,300 2,8408 -, ,00927, , Percentiles 25 5,7456 -,6900 2,5864 -, ,055374, ,0 50 7,000,300 2,8408 -, ,00927, , ,600 52,2833,5870, Missing Medin 2, Qulity_D,00 5

160 Sttistics Price_Chng Pris N Vlid EPS BVS e Sum Eps_Chnge Gjeldsgrd eiendeler Medin 40,7740, ,9627 -, ,00983, , Percentiles 25,5500 -,2250 6,778 -, ,06354, , 50 40,7740, ,9627 -, ,00983, , 75 28,3000 8, ,3359,9365, Missing, Qulity_D,00 Deskriptiv sttistikk for lle 4 grupper Gruppe 4 Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 73,6 243,00 48, ,76740 EPS 73-0,82 67,98,830 8,40523 BVS 73,00 278,43 4, ,05980 Price_Chnge 7 -,9205 2,243,070573, Eps_Chnge 7-2,355 6,60,80558, Gjeldsgrd 73, ,595 2, , Sum eiendeler , ,6 Vlid N (listwise) 70. Smoothers_D,00, Qulity_D,00 Sttistics Pris N Vlid BVS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ,000,38,2768,040000,002667, , ,6500 -,7700 2,982 -,2739 -,052747, , ,000,38,2768,040000,002667, , ,5000 3, ,4366,3882, , ,0 Missing Medin Percentiles EPS. Smoothers_D,00, Qulity_D,00 6

161 Gruppe 3 Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 70,7 250,00 66, ,9823 EPS 70-4,63 24,48 6, ,97968 BVS 70,72 350,9 59,8249 7,364 Price_Chnge 70 -,79,99 -,029339,27360 Eps_Chnge 70 -,733,98 -,03479, Gjeldsgrd 70,590 6,37,7363 2, Sum eiendeler , , Vlid N (listwise) 70. Smoothers_D,00, Qulity_D,00 Sttistics Pris N Vlid BVS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ,9900,200 44,3595 -, ,004527, ,0 25 9,6250 -,525 8,7607 -, ,059968, , ,9900,200 44,3595 -, ,004527, , ,2500 7, ,554,30678, , , Missing Medin Percentiles EPS. Smoothers_D,00, Qulity_D,00 Gruppe 2 Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 66,45 30,94 49,8838 7,07908 EPS 66-9,30 37,30 2,63 8,467 BVS 66,04 8,74 35,380 47,03688 Price_Chnge 66 -,9489,848 -,088973, Eps_Chnge 66 -,80,47 -,02708, Gjeldsgrd 66,030 9,549577, Sum eiendeler , ,5 Vlid N (listwise) 66. Smoothers_D,00, Qulity_D,00 7

162 Sttistics Pris N Vlid EPS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ,4000,50 6,9652 -, ,004500, , ,9600 -,6738 2,5050 -, ,072030, , ,4000,50 6,9652 -, ,004500, , ,6000 3, ,5596,083752, , , Missing Medin Percentiles BVS. Smoothers_D,00, Qulity_D,00 Gruppe Descriptive Sttistics N Minimum Mximum Men Std. Devition Pris 66,49 740,00 45, ,86668 EPS 66-40,66 45,00 9,853 26,43437 BVS 66,4 324,78 8, ,3227 Price_Chnge 66 -,7039,8490 -,07029, Eps_Chnge 66 -,063,7944,00647, Gjeldsgrd 66,0807 6,55, , Sum eiendeler , ,8 Vlid N (listwise) 66. Smoothers_D,00, Qulity_D,00 Sttistics Pris N Vlid BVS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ,500, ,0905 -,03332,002053, ,0 25 9,732 -,0225 5,900 -, ,065595, , ,500, ,0905 -,03332,002053, , ,3750 0,550 07,304,08324,04295, , Missing Medin Percentiles EPS. Smoothers_D,00, Qulity_D,00 8

163 Korrelsjonsnlyse Hele utvlget Correltions Pris Pris Person Correltion EPS (2-tiled) N EPS BVS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler Person Correltion 458,60 ** BVS Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ** -,007 -,039 -,05,082,889,46,279, **,034,098 -,098 *,520,06,036,022,60 **,903,602,07 * (2-tiled) N ** ** -,033 -,030 -,070,063,527,570,37, ** ** -,03,004,798 Person Correltion,903,602 (2-tiled) N Person Correltion 458 -,007,034 -,033 (2-tiled),889,520,527 N **,05 -,025,329,634 Person Correltion,50 -,039,098 -,030 (2-tiled),46,06,570 N ,05 -,098 * -,070 **,05 -,09 (2-tiled),279,036,37,004,329 N Person Correltion,082,07 *,063 -,03 -,025 -,09 (2-tiled),079,022,79,798,634,692 N Person Correltion,239,239,50, **. Correltion is significnt t the 0.0 level (2-tiled). *. Correltion is significnt t the 0.05 level (2-tiled). 9

164 Korrelsjonsnlyse - Non-smoothers Correltions Pris_sklert Pris_sklert Person Correltion EPS_sklert (2-tiled) N EPS_sklert BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler Person Correltion 238,367 ** BVS_sklert,043 -,0 -,04,939,559,093, **,076 ** -,040 -,022,302,537, ,04,72 * -,059 -,046,576,09,365, ** ** -,025,003, * -,036,042,62 N ** **,532 Eps_Chnge Gjeldsgrd Sum eiendeler,006 (2-tiled) Person Correltion Price_Chnge **,367 **,726 (2-tiled) N ,532, ,425 Person Correltion,006,076,04 (2-tiled),939,302,576 N Person Correltion,043 ** * ** (2-tiled),559,09 N ** * -,033 Person Correltion,425,72,266,49 -,040 -,059 (2-tiled),093,537,365,003,042 N ,04 -,022 -,046 -,025 -,036 -,033,,740,485,737,62, (2-tiled) N **. Correltion is significnt t the 0.0 level (2-tiled). *. Correltion is significnt t the 0.05 level (2-tiled).. Smoothers_D,00,49,29 -,0 Person Correltion,29,266,

165 Korrelsjonsnlyse - Smoothers Correltions Pris_sklert Pris_sklert Person Correltion EPS_sklert (2-tiled) N EPS_sklert BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler Person Correltion 220,90 ** BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ** -,007 -,008 -,036 -,075,93,97,595, **,00,007 -,030 -,055,989,924,660,43,90 **,989,873 (2-tiled) N ** ** -,02 -,008 -,039 -,084,875,92,569,27 Person Correltion,989,873 (2-tiled) N ,007,00 -,02,009,063,02 (2-tiled),93,989,875,904,403,874 N ,008,007 -,008,009 -,7 -,00 (2-tiled),97,924,92,904,22,893 N ,036 -,030 -,039,063 -,7,006 (2-tiled),595,660,569,403,22 N ,075 -,055 -,084,02 -,00,006,265,43,27,874,893, Person Correltion Person Correltion Person Correltion Person Correltion (2-tiled) N **. Correltion is significnt t the 0.0 level (2-tiled).. Smoothers_D,00,

166 Korrelsjonsnlyse - Non-qulity Correltions Pris_sklert Pris_sklert Person Correltion EPS_sklert (2-tiled) N EPS_sklert BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler Person Correltion 39 -,328 ** BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler ** -,00 -,03 -,072 -,06,989,88,399, **,095 ** -,032,008,267,706,925 -,328 **,53,329,432 (2-tiled) N ** **,076,3 -,092 -,095,376,89,285, ,048,9 *,065,575,026,450 Person Correltion,53,329 (2-tiled) N Person Correltion 39 -,00,095,076 (2-tiled),989,267,376 N ,03 **,3 -,048,38 -,050,09,565 Person Correltion,432 (2-tiled),88,89,575 N *,38 -,048 Person Correltion -,072 -,032 -,092,9 (2-tiled),399,706,285,026,09 N ,06,008 -,095,065 -,050 -,048,474,925,264,450,565, Person Correltion (2-tiled) N **. Correltion is significnt t the 0.0 level (2-tiled). *. Correltion is significnt t the 0.05 level (2-tiled).. Qulity_D,00,

167 Korrelsjonsnlyse - Qulity Correltions Pris_sklert Pris_sklert Person Correltion EPS_sklert (2-tiled) N EPS_sklert BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler Person Correltion 36,976 ** BVS_sklert Price_Chnge Eps_Chnge Gjeldsgrd Sum eiendeler **,033,03 -,049 -,049,699,883,57, **,038,027 -,049 -,044,66,759,574,6,976 **,994,98 (2-tiled) N ** **,03,03 -,050 -,053,720,882,560, ,099 -,93 *,062,253,024, *,038,02,657 Person Correltion,994,98 (2-tiled) N Person Correltion,033,038,03 (2-tiled),699,66,720 N Person Correltion,03,027,03 -,099 (2-tiled),883,759,882,253 N * * -,030 Person Correltion -,049 -,049 -,050 -,93 (2-tiled),57,574,560,024,02 N ,049 -,044 -,053,062,038 -,030,570,6,536,472,657, Person Correltion (2-tiled) N **. Correltion is significnt t the 0.0 level (2-tiled). *. Correltion is significnt t the 0.05 level (2-tiled).. Qulity_D,00 -,98 -,98,

168 PRICE-EARNINGS -MODELL Summry Adjusted R Std. Error of the R R Squre Squre Estimte,86,74, Predictors: (Constnt), EPS_sklert Regression Residul Totl Sum of Squres ANOVA df Men Squre F 303,577 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), EPS_sklert. Stndrdized Bet Unstndrdized B Std. Error (Constnt) 2,59E-6 EPS_sklert 2,86 Dependent Vrible: Pris_sklert,355 t,86,340,8 36,05 H Ernings: Summry Adjusted R Std. Error of the R R Squre Squre Estimte,957,96, Predictors: (Constnt), 20, Ind_onlyIS, 200, Ind_Gjeld, EPS_sklert, Ind_SumEiendeler Regression Residul Totl Sum of Squres ANOVA df 6 Men Squre F 489,508 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, Ind_onlyIS, 200, Ind_Gjeld, EPS_sklert, Ind_SumEiendeler Unstndrdized B Std. Error (Constnt) 4,764E-8 EPS_sklert,73 Ind_onlyIS 0,89 Ind_Gjeld -,336 Ind_SumEiendeler 4,902E ,94E ,802E-6. Dependent Vrible: Pris_sklert,08,43,823 Stndrdized Bet,03,770 -,028,206,023,023 t,09,985,60 7,563 -,408 2,392,37,0,873,683,07,257,272 4

169 H2 Ernings: Summry Adjusted R Std. Error of the R R Squre Squre Estimte,975,950, Predictors: (Constnt), 20, Ind_Gjeld, 200, Ind_SumEiendeler, EPS_sklert, Ind_onlyEQ Regression Residul Totl Sum of Squres ANOVA df 6 Men Squre F 857,420 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, Ind_Gjeld, 200, Ind_SumEiendeler, EPS_sklert, Ind_onlyEQ Unstndrdized B Std. Error (Constnt),99E-6 EPS_sklert -,508 Ind_onlyEQ 20,505 Ind_Gjeld -,905 Ind_SumEiendeler -8,968E ,446E-7 20,994E-6. Dependent Vrible: Pris_sklert,786,223,635 Stndrdized Bet -,037,448 -,074 -,376,005,02 t,009,34 -,646 6,768 -,427-4,834,38,750,59,55,75,454 H3 Ernings: Gruppe 4 Bsegruppe b Summry Adjusted R Std. Error of the R R Squre Squre Estimte,978,957, Predictors: (Constnt), Ind_nonEQ_IS, Ind_EQ_IS, Ind_EQ_nonIS, 20, 200, Ind_Gjeld, EPS_sklert, Ind_SumEiendeler b. Dependent Vrible: Pris_sklert Regression Residul Totl Sum of Squres ANOVA df 8 Men Squre F 737,4 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), Ind_nonEQ_IS, Ind_EQ_IS, Ind_EQ_nonIS, 20, 200, Ind_Gjeld, EPS_sklert, Ind_SumEiendeler 5

170 Unstndrdized B Std. Error (Constnt),525E-6 EPS_sklert,26 Ind_EQ_IS 8,897 Ind_EQ_nonIS 23,074 Ind_nonEQ_IS -0,898 Ind_Gjeld -,893 Ind_SumEiendeler -9,022E-0 200,247E ,33E-6. Dependent Vrible: Pris_sklert,782,255 8,603,746,595 Stndrdized Bet,083,335,040 -,087 -,073 -,378,00,04 t,85,396,44 5,057 2,682-6,243 -,502-4,734,050,934,5,008,34,960,35 Gruppe 3 Bsegruppe b Summry Adjusted R Std. Error of the R R Squre Squre Estimte,978,957, Predictors: (Constnt), 20, Ind_Gjeld, Ind_EQ_nonIS, Ind_nonEQ_nonIS, 200, Ind_SumEiendeler, EPS_sklert, Ind_EQ_IS b. Dependent Vrible: Pris_sklert Regression Residul Totl Sum of Squres ANOVA df 8 Men Squre F 737,4 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, Ind_Gjeld, Ind_EQ_nonIS, Ind_nonEQ_nonIS, 200, Ind_SumEiendeler, EPS_sklert, Ind_EQ_IS Unstndrdized B Std. Error (Constnt),525E-6 EPS_sklert -9,772 Ind_EQ_IS 29,795 Ind_EQ_nonIS 33,972 Ind_nonEQ_nonIS 0,898 Ind_Gjeld -,893 Ind_SumEiendeler -9,022E-0 200,247E ,33E-6. Dependent Vrible: Pris_sklert,660,896 8,72,746,595 Stndrdized Bet -,79 2,05,059,206 -,073 -,378,00,04 t,85,396-5,887 5,73 3,899 6,243 -,502-4,734,050,934,34,960,35 6

171 Gruppe 2 Bsegruppe Summry Adjusted R Std. Error of the R R Squre Squre Estimte,978,957, Predictors: (Constnt), 20, Ind_nonEQ_IS, Ind_EQ_IS, Ind_nonEQ_nonIS, 200, Ind_Gjeld, Ind_SumEiendeler, EPS_sklert Regression Residul Totl Sum of Squres ANOVA df 8 Men Squre F 737,4 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, Ind_nonEQ_IS, Ind_EQ_IS, Ind_nonEQ_nonIS, 200, Ind_Gjeld, Ind_SumEiendeler, EPS_sklert Unstndrdized B Std. Error (Constnt),525E-6 EPS_sklert 24,20 Ind_EQ_IS -4,77 Ind_nonEQ_IS -33,972 Ind_nonEQ_nonIS -23,074 Ind_Gjeld -,893 Ind_SumEiendeler -9,022E-0 200,247E ,33E-6. Dependent Vrible: Pris_sklert 8,633 8,00 8,72 8,603,595 Stndrdized Bet,780 -,295 -,270 -,437 -,073 -,378,00,04 t,85,396 2,803 -,56-3,899-2,682 -,502-4,734,050,934,005,607,008,34,960,35 Gruppe Bsegruppe Summry Adjusted R Std. Error of the R R Squre Squre Estimte,978,957, Predictors: (Constnt), 20, Ind_nonEQ_IS, Ind_SumEiendeler, Ind_nonEQ_nonIS, Ind_EQ_nonIS, 200, Ind_Gjeld, EPS_sklert Regression Residul Totl Sum of Squres ANOVA df 8 Men Squre F 737,4 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, Ind_nonEQ_IS, Ind_SumEiendeler, Ind_nonEQ_nonIS, Ind_EQ_nonIS, 200, Ind_Gjeld, EPS_sklert 7

172 Unstndrdized B Std. Error (Constnt),525E-6 EPS_sklert 20,023 Ind_EQ_nonIS 4,77 Ind_nonEQ_IS -29,795 Ind_nonEQ_nonIS -8,897 Ind_Gjeld -,893 Ind_SumEiendeler -9,022E-0 200,247E ,33E-6. Dependent Vrible: Pris_sklert,227 8,00,896,255,595 Stndrdized Bet t,473,007 -,237 -,358 -,073 -,378,00,04,85,396 6,320,56-5,73-5,057 -,502-4,734,050,934,607,34,960,35 H: Splittvribel Non-smoothers Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,367,34, Smoothers_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 36,640 c. Smoothers_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Unstndrdized B Std. Error (Constnt),254E-6 EPS_sklert,327. Smoothers_D 0 b. Dependent Vrible: Pris_sklert,054 Stndrdized Bet,367 t 0,392 6,053 Smoothers Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,90,82, Smoothers_D 0 b. Predictors: (Constnt), EPS_sklert 8

173 ,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 944,538 c. Smoothers_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) 6,7E-6 EPS_sklert 4,06. Smoothers_D 0 b. Dependent Vrible: Pris_sklert,456,90 t,842,067 30,733 H2: Splittvribel Non-qulity Summry Adjusted R Std. Error of the R Squre Squre Estimte,07,0 00 R b,328. Qulity_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 6,467 c. Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Unstndrdized B Std. Error (Constnt) 2,486E-6 EPS_sklert -,52. Qulity_D 0 b. Dependent Vrible: Pris_sklert,375 Stndrdized Bet -,328 t 2,893,004-4,058 9

174 Qulity Summry Adjusted R Std. Error of the R Squre Squre Estimte,952, R b,976. Qulity_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul ANOVA df Sum of Squres Totl Men Squre F 2669,0 c. Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) 2,025E-6 EPS_sklert 3,760. Qulity_D 0 b. Dependent Vrible: Pris_sklert,266,976 t,948,345 5,663 H3: Splittvribel Non-smoothers & non-qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,274,075, Smoothers_D 0, Qulity_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul Totl ANOVA Sum of Squres df 7 72 Men Squre F 5,747 c,09. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Unstndrdized B Std. Error (Constnt),236E-6 EPS_sklert,70. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert Stndrdized Bet,07,274 t 5,977 2,397,09 20

175 Non-smoothers & qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,270,073, Smoothers_D 0, Qulity_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul ANOVA Sum of Squres df Totl Men Squre F 5,33 c,024. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt),065E-6 EPS_sklert,757. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert,76,270 t 5,082 2,309,024 Smoothers & non-qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,923,852, Smoothers_D 0, Qulity_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 367,225 c. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Unstndrdized B Std. Error (Constnt) 2,029E-6 EPS_sklert -0,99. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert Stndrdized Bet,574 -,923 t 2,747,008-9,63 2

176 Smoothers & qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,975,952, Smoothers_D 0, Qulity_D 0 b. Predictors: (Constnt), EPS_sklert,b Regression Residul Sum of Squres Totl ANOVA df Men Squre F 257,330 c. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), EPS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) 4,85E-6 t EPS_sklert 3,725. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert,387,975,940,35 35,459 PRICE-BOOK-MODELL b Summry Adjusted R Std. Error of the R R Squre Squre Estimte,967,935, Predictors: (Constnt), BVS_sklert b. Dependent Vrible: Pris_sklert Regression Residul Totl Sum of Squres ANOVA df Men Squre F 6578,202 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), BVS_sklert Unstndrdized B Std. Error (Constnt) -2,37E-6 BVS_sklert,295. Dependent Vrible: Pris_sklert,06 Stndrdized Bet,967 t -2,447,05 8,06 22

177 H Book: Summry Adjusted R R Squre Squre Std. Error of the Estimte ,995,990, Predictors: (Constnt), 20, BVS_Ind_Gjeld, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_onlyIS R Regression Residul Sum of Squres Totl ANOVA df 6 Men Squre F 439,269 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, BVS_Ind_Gjeld, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_onlyIS Unstndrdized B Std. Error (Constnt) BVS_sklert BVS_Ind_onlyIS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert -,040E-6,25,254 -,38 4,052E- 9,349E-7,505E-6,044,056,048 Stndrdized Bet t,62,926 -,262,7,006,009 -,209,228 4,867 22,507-6,636 6,562,773,255,440,2 H2 Book: Summry Adjusted R R Squre Squre Std. Error of the Estimte ,99,983, Predictors: (Constnt), 20, BVS_Ind_Gjeld, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_onlyEQ R Regression Residul Totl Sum of Squres ANOVA df 6 Men Squre F 2578,532 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, BVS_Ind_Gjeld, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_onlyEQ 23

178 Unstndrdized B Std. Error (Constnt) BVS_sklert BVS_Ind_onlyEQ BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert -,53E-6,428,065 -,272 2,77E-,79E-6 2,283E-6,055,076,064 Stndrdized Bet,323,782 -,224,7,00,04 t -,363,74 7,769 4,057-4,282 3,08,03,476,003,27,4 H3 Book: Bsegruppe Gruppe 4 b Summry Adjusted R Std. Error of the R R Squre Squre Estimte,995,990, Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_EQ_nonIS, BVS_Ind_nonEQ_IS, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_EQ_IS b. Dependent Vrible: Pris_sklert Regression Residul Sum of Squres Totl ANOVA df 8 Men Squre F 3456,507 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_EQ_nonIS, BVS_Ind_nonEQ_IS, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_EQ_IS Unstndrdized B Std. Error (Constnt) BVS_sklert BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert -8,663E-7,243,383,562,057 -,378 2,487E- 7,94E-7,585E-6,043,06,32,075,048 Stndrdized Bet,83,06,0,098 -,3,05,005,009 t -,034,302 5,60 22,54,752 4,77-7,825 3,583,676,364,08,500,74 24

179 Bsegruppe Gruppe 3 b Summry Adjusted R Std. Error of the R R Squre Squre Estimte,995,990, Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_EQ_nonIS, BVS_Ind_nonEQ_nonIS, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_EQ_IS c. Dependent Vrible: Pris_sklert ANOVA df Sum of Squres Regression Residul Totl 8 Men Squre F 3456,507 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_EQ_nonIS, BVS_Ind_nonEQ_nonIS, 200, BVS_Ind_SumEiendeler, BVS_sklert, BVS_Ind_EQ_IS Unstndrdized B Std. Error (Constnt) BVS_sklert BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_nonIS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert -8,663E-7,300,326 -,495 -,057 -,378 2,487E- 7,94E-7,585E-6,074,077,323,075,048 Stndrdized Bet,98,240 -,00 -,78 -,3,05,005,009 t -,034,302 7,472 4,250 -,534-4,77-7,825 3,583,676,364,26,500,74 Bsegruppe Gruppe 2 b Summry Adjusted R R Squre Squre Std. Error of the Estimte ,995,990, Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_nonEQ_IS, BVS_Ind_nonEQ_nonIS, 200, BVS_Ind_SumEiendeler, BVS_Ind_EQ_IS, BVS_sklert b. Dependent Vrible: Pris_sklert R Regression Residul Totl Sum of Squres ANOVA df 8 Men Squre F 3456,507 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_nonEQ_IS, BVS_Ind_nonEQ_nonIS, 200, BVS_Ind_SumEiendeler, BVS_Ind_EQ_IS, BVS_sklert 25

180 Unstndrdized B Std. Error (Constnt) BVS_sklert BVS_Ind_EQ_IS BVS_Ind_nonEQ_IS BVS_Ind_nonEQ_nonIS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert -8,663E-7,805,822,495 -,562 -,378 2,487E- 7,94E-7,585E-6,324,3,323,32,048 Stndrdized Bet,607,603,046 -,094 -,3,05,005,009 t -,034,302 2,487 2,638,534 -,752-7,825 3,583,676,364,03,009,26,08,500,74 Bsegruppe Gruppe b Summry Adjusted R Std. Error of the R R Squre Squre Estimte,995,990, Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_EQ_nonIS, BVS_Ind_nonEQ_IS, BVS_Ind_nonEQ_nonIS, 200, BVS_Ind_SumEiendeler, BVS_sklert b. Dependent Vrible: Pris_sklert Regression Residul Sum of Squres Totl ANOVA df 8 Men Squre F 3456,507 b. Dependent Vrible: Pris_sklert b. Predictors: (Constnt), 20, BVS_Ind_Gjeld, BVS_Ind_EQ_nonIS, BVS_Ind_nonEQ_IS, BVS_Ind_nonEQ_nonIS, 200, BVS_Ind_SumEiendeler, BVS_sklert Unstndrdized B Std. Error (Constnt) BVS_sklert BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS BVS_Ind_nonEQ_nonIS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert -8,663E-7,626 -,822 -,326 -,383 -,378 2,487E- 7,94E-7,585E-6,069,3,077,06,048 Stndrdized Bet,227 -,06 -,030 -,232 -,3,05,005,009 t -,034,302 23,466-2,638-4,250-22,54-7,825 3,583,676,364,009,500,74 26

181 H: Splittvribel Non-smoothers Summry Adjusted R Std. Error of the R Squre Squre Estimte,283, R b,532. Smoothers_D 0 b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 92,957 c. Smoothers_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt),06E-6 BVS_sklert,059. Smoothers_D 0 b. Dependent Vrible: Pris_sklert,006,532 t 9,89 9,64 Smoothers Summry Adjusted R Std. Error of R Squre Squre the Estimte,979, R b,989. Smoothers_D b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl Sum of Squres ANOVA df Men Squre F 099,54 c. Smoothers_D b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert,b Unstndrdized B Std. Error (Constnt) -,730E-6 BVS_sklert,356. Smoothers_D b. Dependent Vrible: Pris_sklert,03 Stndrdized Bet,989 t -,544,24 00,99 27

182 H2: Splittvribel Non-qulity Summry Adjusted R Std. Error of the R Squre Squre Estimte,282, R b,53. Qulity_D 0 b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 53,77 c. Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt),4E-6 BVS_sklert,269. Qulity_D 0 b. Dependent Vrible: Pris_sklert,037,53 t,408,62 7,333 Qulity Summry Adjusted R Std. Error of the R Squre Squre Estimte,987, R b,994. Qulity_D b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl Sum of Squres ANOVA df Men Squre F 0573,479 c. Qulity_D b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert,b Unstndrdized B Std. Error (Constnt) -,695E-6 BVS_sklert,352. Qulity_D b. Dependent Vrible: Pris_sklert,03 Stndrdized Bet,994 t -,542,25 02,827 28

183 H3: Splittvribel Non-smoothers & non-qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,69,384, Smoothers_D 0, Qulity_D 0 b. Predictors: (Constnt), BVS_sklert,b ANOVA Sum of Squres df Men Squre Regression Residul 7 Totl,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) c 72. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert F 44,26,002E-6 BVS_sklert,044. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Pris_sklert,007,69 t 5,786 6,650 Non-smoothers & qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,96,840, Smoothers_D 0, Qulity_D b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl ANOVA Sum of Squres df Men Squre F 356,850 c. Smoothers_D 0, Qulity_D b. Dependent Vrible: Pris_sklert d. Predictors: (Constnt), BVS_sklert,b Unstndrdized B Std. Error (Constnt) 4,23E-7 BVS_sklert,562. Smoothers_D 0, Qulity_D b. Dependent Vrible: Pris_sklert,030 Stndrdized Bet,96 t 4,552 8,890 29

184 Smoothers & non-qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,994,988, Smoothers_D, Qulity_D 0 b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl Sum of Squres ANOVA df Men Squre F 5425,702 c. Smoothers_D, Qulity_D 0 b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) 3,340E-8 BVS_sklert,034. Smoothers_D, Qulity_D 0 b. Dependent Vrible: Pris_sklert,04,994 t,58,875 73,659 Smoothers & qulity Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,994,987, Smoothers_D, Qulity_D b. Predictors: (Constnt), BVS_sklert,b Regression Residul Totl Sum of Squres ANOVA df Men Squre F 5020,096 c. Smoothers_D, Qulity_D b. Dependent Vrible: Pris_sklert c. Predictors: (Constnt), BVS_sklert,b Unstndrdized B Std. Error (Constnt) -2,859E-6 BVS_sklert,355. Smoothers_D, Qulity_D b. Dependent Vrible: Pris_sklert,09 Stndrdized Bet,994 t -,246,27 70,853 30

185 PRICE-CHANGE-MODELL Summry Adjusted R Std. Error of the R R Squre Squre Estimte,239,057,055, Predictors: (Constnt), Eps_Chnge Regression Residul Totl Sum of Squres 7,570 ANOVA df Men Squre 7, , , , F 2,974 b. Dependent Vrible: Price_Chnge b. Predictors: (Constnt), Eps_Chnge Stndrdized Bet Unstndrdized B Std. Error (Constnt),083,047 Eps_Chnge,363. Dependent Vrible: Price_Chnge,077 t,239,764,079 4,688 H Chnge: Summry Adjusted R Std. Error of the R R Squre Squre Estimte,302,09,07, Predictors: (Constnt), 20, Eps_Chnge, C_Ind_SumEiendeler, C_Ind_Only_IS, 200, C_Ind_Gjeld Regression Residul Totl Sum of Squres 3,540 ANOVA df 6 Men Squre,590 35,77 266,32 38, F 4,462 b. Dependent Vrible: Price_Chnge b. Predictors: (Constnt), 20, Eps_Chnge, C_Ind_SumEiendeler, C_Ind_Only_IS, 200, C_Ind_Gjeld Unstndrdized B Std. Error (Constnt) Eps_Chnge C_Ind_Only_IS C_Ind_Gjeld C_Ind_SumEiendeler Dependent Vrible: Price_Chnge,04,038,09,039 -,025,2E-3,037 -,57,059,43,009,054,054 Stndrdized Bet,43,08 -,256,002,046 -,97 t,355,723,54,273-2,875,029,677-2,89,24,785,004,977,499,004 3

186 H2 Chnge: Summry Adjusted R Std. Error of the R R Squre Squre Estimte,304,092,072, Predictors: (Constnt), C_Ind_SumEiendeler, 200, C_Ind_Gjeld, C_Ind_Only_EQ, 20, Eps_Chnge Sum of Squres 3,567 Regression Residul Totl ANOVA df 6 Men Squre,594 35,5 266,32 38, F 4,499 b. Dependent Vrible: Price_Chnge b. Predictors: (Constnt), C_Ind_SumEiendeler, 200, C_Ind_Gjeld, C_Ind_Only_EQ, 20, Eps_Chnge Stndrdized Bet Unstndrdized B Std. Error (Constnt) Eps_Chnge C_Ind_Only_EQ C_Ind_Gjeld C_Ind_SumEiendeler Dependent Vrible: Price_Chnge,04,038,099 -,075 -,025,050E-2,033 -,59,057,43,009,054,054,55 -,034 -,257,07,04 -,99 t,37,7,723 -,524-2,98,275,602-2,95,086,600,004,784,548,004 H3 Chnge: Gruppe 4 Bsegruppe R,30 R Squre,096 Summry Adjusted R Squre Std. Error of the Estimte,069, Predictors: (Constnt), 20, C_Ind_EQ_IS, C_Ind_EQ_nonIS, C_Ind_nonEQ_IS, C_Ind_Gjeld, C_Ind_SumEiendeler, 200, Eps_Chnge Regression Residul Totl ANOVA Sum of Squres df 3, , , Men Squre,465 F 3,509 b,00,33. Dependent Vrible: Price_Chnge b. Predictors: (Constnt), 20, C_Ind_EQ_IS, C_Ind_EQ_nonIS, C_Ind_nonEQ_IS, C_Ind_Gjeld, C_Ind_SumEiendeler, 200, Eps_Chnge 33

187 (Constnt) Unstndrdized Stndrdized B Std. Error Bet t,09,039,48,63 Eps_Chnge,088 C_Ind_EQ_IS -,8 C_Ind_EQ_nonIS,03 C_Ind_nonEQ_IS,86 C_Ind_Gjeld -,025 C_Ind_SumEiendeler -5,386E-3 200, ,64. Dependent Vrible: Price_Chnge,059,98,94,92,009,054,055,38,482,40 -,036 -,594,553,004,069,945,064,969,333 -,250-2,784,006 -,009 -,3,896,040,592,555 -,205-2,986,003 Gruppe 3 Bsegruppe Summry Adjusted R R R Squre Squre Std. Error of the Estimte,30,096,069, Predictors: (Constnt), 20, C_Ind_nonEQ_nonIS, C_Ind_EQ_IS, C_Ind_EQ_nonIS, C_Ind_SumEiendeler, 200, C_Ind_Gjeld, Eps_Chnge Regression Residul Totl ANOVA Sum of Squres df 3, , , Men Squre,465 F 3,509 b,00,33. Dependent Vrible: Price_Chnge b. Predictors: (Constnt), 20, C_Ind_nonEQ_nonIS, C_Ind_EQ_IS, C_Ind_EQ_nonIS, C_Ind_SumEiendeler, 200, C_Ind_Gjeld, Eps_Chnge Unstndrdized B Std. Error (Constnt),09,039 Eps_Chnge,273 C_Ind_EQ_IS -,304 C_Ind_EQ_nonIS -,72 C_Ind_nonEQ_nonIS -,86 C_Ind_Gjeld -,025 C_Ind_SumEiendeler -5,386E-3 200, ,64. Dependent Vrible: Price_Chnge,87,260,252,92,009,054,055 Stndrdized Bet,429 -,093 -,057 -,27 -,250 -,009,040 -,205 t,48,63,463 -,67 -,685 -,969-2,784 -,3,592-2,986,45,244,494,333,006,896,555,003 Gruppe 2 Bsegruppe Summry R R Squre Adjusted R Squre Std. Error of the Estimte,30,096,069, Predictors: (Constnt), 20, C_Ind_nonEQ_nonIS, C_Ind_EQ_IS, C_Ind_nonEQ_IS, C_Ind_SumEiendeler, 200, C_Ind_Gjeld, Eps_Chnge 34

188 Regression Residul ANOVA Sum of Squres df 3,72 8 Totl 34, , Men Squre,465 F 3,509 b,00,33. Dependent Vrible: Price_Chnge b. Predictors: (Constnt), 20, C_Ind_nonEQ_nonIS, C_Ind_EQ_IS, C_Ind_nonEQ_IS, C_Ind_SumEiendeler, 200, C_Ind_Gjeld, Eps_Chnge Unstndrdized B Std. Error (Constnt),09,039 Eps_Chnge,0 C_Ind_EQ_IS -,3 C_Ind_nonEQ_IS,72 C_Ind_nonEQ_nonIS -,03 C_Ind_Gjeld -,025 C_Ind_SumEiendeler -5,386E-3 200, ,64. Dependent Vrible: Price_Chnge,99,263,252,94,009,054,055 Stndrdized Bet t,48,63,59 -,040,059 -,020 -,250 -,009,040 -,205,508 -,499,685 -,069-2,784 -,3,592-2,986,62,69,494,945,006,896,555,003 F 3,509 b,00 Gruppe Bsegruppe Summry Adjusted R Std. Error of the R R Squre Squre Estimte,30,096,069, Predictors: (Constnt), 20, C_Ind_nonEQ_nonIS, C_Ind_EQ_nonIS, C_Ind_nonEQ_IS, C_Ind_SumEiendeler, 200, C_Ind_Gjeld, Eps_Chnge Regression Residul Totl Sum of Squres 3,72 ANOVA df 8 Men Squre,465 34, ,33 38, Dependent Vrible: Price_Chnge b. Predictors: (Constnt), 20, C_Ind_nonEQ_nonIS, C_Ind_EQ_nonIS, C_Ind_nonEQ_IS, C_Ind_SumEiendeler, 200, C_Ind_Gjeld, Eps_Chnge 35

189 Stndrdized Bet Unstndrdized B Std. Error (Constnt),09,039 Eps_Chnge -,030 C_Ind_EQ_nonIS,3 C_Ind_nonEQ_IS,304 C_Ind_nonEQ_nonIS,8 C_Ind_Gjeld -,025 C_Ind_SumEiendeler -5,386E-3 200, ,64. Dependent Vrible: Price_Chnge,97,263,260,98,009,054,055 t,48,63 -,047,043,04,72 -,250 -,009,040 -,205 -,53,499,67,594-2,784 -,3,592-2,986,879,69,244,553,006,896,555,003 F 4,42 c H: Splittvribel Non-smoothers Summry Adjusted R Std. Error of the R Squre Squre Estimte,07,066, R b,266. Smoothers_D 0 b. Predictors: (Constnt), Eps_Chnge,b Regression Residul Totl ANOVA Sum of Squres df 9, , , Men Squre 9,295,364. Smoothers_D 0 b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Unstndrdized B Std. Error (Constnt),45,086 Eps_Chnge,48. Smoothers_D 0 b. Dependent Vrible: Price_Chnge, Stndrdized Bet,266 t,68,094 3,76 Smoothers Summry Adjusted R Std. Error of the R Squre Squre Estimte -,006, R b,009. Smoothers_D b. Predictors: (Constnt), Eps_Chnge 36

190 ,b Regression Residul Totl ANOVA Sum of Squres df,003 30, , Men Squre,003 F c,904,05,77. Smoothers_D b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Stndrdized Bet Unstndrdized B Std. Error (Constnt),00,032 Eps_Chnge,0. Smoothers_D b. Dependent Vrible: Price_Chnge,09 t,009,330,742,2,904 Non-smoothers (med gjeldsgrd som kontrollvribel) Summry Adjusted R Std. Error of the R Squre Squre Estimte,065,05, R b,254. Smoothers_D 0 b. Predictors: (Constnt), C_Ind_Gjeld, Eps_Chnge,b Regression Residul Totl ANOVA Sum of Squres df, , , Men Squre,80 F 4,770 c,00,68. Smoothers_D 0 b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), C_Ind_Gjeld, Eps_Chnge,b Unstndrdized B Std. Error (Constnt),023,035 Eps_Chnge,04 C_Ind_Gjeld -,029. Smoothers_D 0 b. Dependent Vrible: Price_Chnge,067,00 Stndrdized Bet,95 -,366 t,653,55,56-2,932,2,004 Smoothers (med gjeldsgrd som kontrollvribel) Summry Adjusted R Std. Error of the R Squre Squre Estimte,005 -,0, R b,070. Smoothers_D b. Predictors: (Constnt), C_Ind_Gjeld, Eps_Chnge 37

191 ,b Regression Residul Totl ANOVA Sum of Squres df, , ,253 3 Men Squre,032 F,35 c,730,02. Smoothers_D b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), C_Ind_Gjeld, Eps_Chnge,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) -,079,028 Eps_Chnge,092 C_Ind_Gjeld -,028. Smoothers_D b. Dependent Vrible: Price_Chnge,46,036 t -2,837,005,628 -,776,53,439,072 -,089 H2: Splittvribel Non-qulity Summry Adjusted R Std. Error of the R Squre Squre Estimte,002 -,005, R b,048. Qulity_D 0 b. Predictors: (Constnt), Eps_Chnge,b Regression Residul Totl ANOVA Sum of Squres df,065 28, , Men Squre,065 F,35 c,575,207. Qulity_D 0 b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Unstndrdized B Std. Error (Constnt) -,004,039 Eps_Chnge -,027. Qulity_D 0 b. Dependent Vrible: Price_Chnge,049 Stndrdized Bet -,048 t -,02,99 -,562,575 Qulity R b,099. Qulity_D Summry Adjusted R Std. Error of the R Squre Squre Estimte,00,002,

192 b. Predictors: (Constnt), Eps_Chnge,b Regression Residul ANOVA Sum of Squres df,02 Totl 0,4 34 0,53 35 Men Squre,02 F,36 c,253,078. Qulity_D b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) -,05,024 Eps_Chnge -,4. Qulity_D b. Dependent Vrible: Price_Chnge,00 t -,099-2,39,034 -,47,253 H3: Splittvribel Non-smoothers & non-qulity,c Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,03,0 -,004, Smoothers_D 0, Qulity_D 0 b. Predictors: (Constnt), Eps_Chnge c. Dependent Vrible: Price_Chnge,b Regression Residul Totl ANOVA Sum of Squres df,206 9, , Men Squre,206 F,74 c,392,277. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Unstndrdized B Std. Error (Constnt),080,063 Eps_Chnge -,050. Smoothers_D 0, Qulity_D 0 b. Dependent Vrible: Price_Chnge,059 Stndrdized Bet -,03 t,257,23 -,86,392 39

193 Non-smoothers & qulity,c Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,084,007 -,008, Smoothers_D 0, Qulity_D b. Predictors: (Constnt), Eps_Chnge c. Dependent Vrible: Price_Chnge,b Regression Residul ANOVA Sum of Squres df,036 Totl 5, , Men Squre,036 F c,489,484,074. Smoothers_D 0, Qulity_D b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Stndrdized Bet Unstndrdized B Std. Error (Constnt) -,033,033 Eps_Chnge -,093. Smoothers_D 0, Qulity_D b. Dependent Vrible: Price_Chnge,34 t -,084 -,990,326 -,696,489 Smoothers & non-qulity,c Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,099,00 -,006, Smoothers_D, Qulity_D 0 b. Predictors: (Constnt), Eps_Chnge c. Dependent Vrible: Price_Chnge,b Regression Residul Totl ANOVA Sum of Squres df,078 7, ,86 65 Men Squre,078 F c,427,639,22. Smoothers_D, Qulity_D 0 b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Unstndrdized B Std. Error (Constnt) -,086,043 Eps_Chnge,3. Smoothers_D, Qulity_D 0 b. Dependent Vrible: Price_Chnge,64 Stndrdized Bet,099 t -,999,050,799,427 40

194 Smoothers & qulity,c Summry Adjusted R Std. Error of the R R Squre Squre Estimte b,02,00 -,005, Smoothers_D, Qulity_D b. Predictors: (Constnt), Eps_Chnge c. Dependent Vrible: Price_Chnge,b ANOVA Sum of Squres df,056 Regression Residul Totl 5, ,38 65 Men Squre,056 F,675 c,44,083. Smoothers_D, Qulity_D b. Dependent Vrible: Price_Chnge c. Predictors: (Constnt), Eps_Chnge,b Unstndrdized B Std. Error (Constnt) -,070,036 Eps_Chnge -,24. Smoothers_D, Qulity_D b. Dependent Vrible: Price_Chnge,5 Stndrdized Bet -,02 t -,977,052 -,822,44 TEST FOR RANKS Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Price-ernings) Rnks Ind_EQ_IS Ind_EQ_nonIS Ind_nonEQ_IS Ind_nonEQ_nonIS Men Rnk 2,60 2,54 2,43 2,43 Test Sttistics N 276 Kendll's W,007 Chi-Squre 6,092 df 3 Asymp.,07. Kendll's Coefficient of Concordnce Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Price-book) Rnks BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS BVS_Ind_nonEQ_nonIS Men Rnk 2,48 2,5 2,48 2,53 4

195 Test Sttistics N 276 Kendll's W Chi-Squre,394 df 3 Asymp.,94. Kendll's Coefficient of Concordnce Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Price-chnge) Rnks Men Rnk 2,54 2,46 2,47 2,53 C_Ind_EQ_IS C_Ind_EQ_nonIS C_Ind_nonEQ_IS C_Ind_nonEQ_nonIS Test Sttistics N 275 Kendll's W,002 Chi-Squre,496 df 3 Asymp.,683. Kendll's Coefficient of Concordnce Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Ernings & Book) Rnks Men Rnk Ind_EQ_IS Ind_EQ_nonIS Ind_nonEQ_IS Ind_nonEQ_nonIS BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS BVS_Ind_nonEQ_nonIS 4,29 4,9 4,00 3,98 4,87 4,9 4,83 4,92 Test Sttistics N Kendll's W Chi-Squre df Asymp. 276,05 99, Kendll's Coefficient of Concordnce 42

196 Kendell Coefficient of concordnce nd Friedmn ANOVA chi squre (Overll) Rnks Men Rnk Ind_EQ_IS Ind_EQ_nonIS Ind_nonEQ_IS Ind_nonEQ_nonIS C_Ind_EQ_IS 6,50 6,35 6,08 6,07 6,2 5,87 5,86 6,06 7,25 7,32 7,2 7,32 C_Ind_EQ_nonIS C_Ind_nonEQ_IS C_Ind_nonEQ_nonIS BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS BVS_Ind_nonEQ_nonIS Test Sttistics N Kendll's W 275 Chi-Squre,048 45,042 df Asymp.. Kendll's Coefficient of Concordnce PERIODISERINGSKVALITET Deskriptiv sttistikk Descriptive Sttistics TCA_skl CFOt-_skl CFOt_skl CFOt_skl ΔREV_skl PPE_skl N Minimum -, , , , , Mximum, , , , , Men, , , , , , , Vlid N (listwise) 276 Std. Devition, , , , , ,

197 Sttistics TCA_skl N Vlid Missing Medin Percentile s CFOt-_skl CFOt_skl CFOt_skl ΔREV_skl PPE_skl , , , , , , , , , , , , , , , , , , , ,72489,708726, , , Korrelsjonsnlyse TCA_skl Person Correltion (2-tiled) N CFOt-_skl Person Correltion (2-tiled) CFOt_skl N Person Correltion (2-tiled) N CFOt_skl Person Correltion (2-tiled) ΔREV_skl N Person Correltion (2-tiled) PPE_skl N Person Correltion (2-tiled) Correltions TCA_s kl CFOt-_skl CFOt_skl CFOt_skl ΔREV_skl PPE_skl ** ** **,046 -,358 -,047 -,246,254,442, **, **, **, **, **, **, ,007, ,039,59 276,026, ,08, ,046, ** -, ,047, ** -, **, **, **, **, ,007,906,59,670, N 276 **. Correltion is significnt t the 0.0 level (2-tiled). 276 **, **, , **, , , McNichols regression Summry Adjusted R Std. Error of the R R Squre Squre Estimte,604,365,353, Predictors: (Constnt), PPE_skl, CFOt-_skl, ΔREV_skl, CFOt_skl, CFOt_skl Regression Residul Totl Sum of Squres 2,994 ANOVA df 5 Men Squre,599 5, ,09 8, F 3,05 b. Dependent Vrible: TCA_skl b. Predictors: (Constnt), PPE_skl, CFOt-_skl, ΔREV_skl, CFOt_skl, CFOt_skl 44

198 Unstndrdized B Std. Error (Constnt) CFOt-_skl CFOt_skl CFOt_skl ΔREV_skl PPE_skl. Dependent Vrible: TCA_skl,07,009,67 -,524,39 -,45,02,046,054,058,029,002 Stndrdized Bet,25 -,679,42 -,265,263 t 7,784 3,658-9,767 5,505-4,985 5,420 45

199 REGRESJONSFORUTSETNINGER Regresjonsforutsetning 2 Descriptive Sttistics N Std. Devition Vrince Pris , EPS 458 9,2 366 BVS , Pris_sklert EPS_sklert BVS_sklert Price_Chnge 364 0,92 0,85 Eps_Chnge 364 0,6 0,37 Sum eiendeler ,44894E2 Gjeldsgrd 458 3,42,68 Ind_onlyIS Ind_onlyEQ Ind_EQ_IS Ind_EQ_nonIS Ind_nonEQ_IS Ind_nonEQ_nonIS Ind_Gjeld Ind_SumEiendeler ,3 C_Ind_Only_IS 275 0,7 0,030 C_Ind_Only_EQ 275 0,7 0,029 C_Ind_EQ_IS 275 0,2 0,03 C_Ind_EQ_nonIS 275 0,2 0,05 C_Ind_nonEQ_IS 275 0,3 0,07 C_Ind_nonEQ_nonIS 275 0,55 0,30 C_Ind_Gjeld 275 3,82 4,6 C_Ind_SumEiendeler ,85833E9 BVS_Ind_onlyIS BVS_Ind_onlyEQ BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS ,8632E BVS_Ind_nonEQ_nonIS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Vlid N (listwise)

200 Regresjonsforutsetning 3 Correltions EPS EPS Person Correltion BVS BVS Eps_Chnge Gjeldsgrd Sum eiendeler Person Correltion Gjeldsgrd Sum eiendeler,098 -,098,06,036, ** -,030 -,070,063,570,37,79 (2-tiled) N Eps_Chnge **,602,602 *,07 * (2-tiled) N Person Correltion,098 -,030,05 -,025 (2-tiled),06,570,329,634 N * -,070,05 -,09 (2-tiled),036,37,329 N Person Correltion,07 *,063 -,025 -,09 (2-tiled),022,79,634,692 N Person Correltion -,098, **. Correltion is significnt t the 0.0 level (2-tiled). *. Correltion is significnt t the 0.05 level (2-tiled). H Price-ernings: Collinerity Sttistics Tolernce VIF EPS_sklert,049 20,237 Ind_onlyIS,030 33,200 Ind_Gjeld,068 4,707 Ind_SumEiendeler,042 23, ,748,337 20,739,353. Dependent Vrible: Pris_sklert 47

201 Price-book: Collinerity Sttistics Tolernce VIF,034 29,037,023 44,36,025 40,728,056 7,734,742,348,750,334 BVS_sklert BVS_Ind_onlyIS BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert Price-chnge: Eps_Chnge C_Ind_Only_IS C_Ind_Gjeld C_Ind_SumEiendeler Dependent Vrible: Pris_sklert Collinerity Sttistics Tolernce VIF,399 2,507,788,269,432 2,36,840,9,746,340,737,357 H2 Price-ernings: Collinerity Sttistics Tolernce VIF EPS_sklert,055 8,090 Ind_onlyEQ,025 40,384 Ind_Gjeld,068 4,760 Ind_SumEiendeler,03 32, ,742,347 20,739,354. Dependent Vrible: Pris_sklert Price-book: BVS_sklert BVS_Ind_onlyEQ BVS_Ind_Gjeld BVS_Ind_SumEiendeler Dependent Vrible: Pris_sklert Collinerity Sttistics Tolernce VIF,037 27,75,02 48,77,023 43,4,042 23,575,744,345,75,332 48

202 Price-chnge: Collinerity Sttistics Tolernce VIF Eps_Chnge,422 2,367 C_Ind_Only_EQ,825,22 C_Ind_Gjeld,440 2,27 C_Ind_SumEiendeler,857,66 200,737,357 20,734,363. Dependent Vrible: Price_Chnge H3 Price-ernings: Collinerity Sttistics Tolernce VIF Ind_EQ_IS,022 46,37 Ind_EQ_nonIS,725,380 Ind_nonEQ_IS,933,07 Ind_nonEQ_nonIS,740,35 Ind_Gjeld,068 4,760 Ind_SumEiendeler,025 39, ,740,35 20,736,358. Dependent Vrible: Pris_sklert Price-book: BVS_Ind_EQ_IS BVS_Ind_EQ_nonIS BVS_Ind_nonEQ_IS BVS_Ind_nonEQ_nonIS Ind_Gjeld Ind_SumEiendeler Dependent Vrible: Pris_sklert Collinerity Sttistics Tolernce VIF,079 2,680,977,023,964,038,939,065,090,62,062 6,234,743,346,746,340 49

203 Price-chnge: Collinerity Sttistics Tolernce VIF C_Ind_EQ_IS,929,076 C_Ind_EQ_nonIS,798,252 C_Ind_nonEQ_IS,837,95 C_Ind_nonEQ_nonIS,458 2,86 C_Ind_Gjeld,426 2,346 C_Ind_SumEiendeler,743, ,737,357 20,727,375. Dependent Vrible: Price_Chnge Regresjonsforutsetning 4 50

204 Regresjonsforutsetning 6 5

205 Price-ernings-regresjon med uteliggere Price-book-regresjon med uteliggere Price-ernings-regresjon uten uteliggere Price-book-regresjon uten uteliggere Price-chnge-regresjon med uteliggere 52