Styrker og svakheter ved analysen

En klar styrke ved analysen er at den baserer seg på et stort antall observasjoner. Totalt er det hentet inn data for 1 396 selskaper. Det høye antallet observasjoner er avgjørende for å finne statistisk signifikante sammenhenger i regresjonsanalysen. En lignende studie (Demaria og Dufour, 2007) som baserte seg på observasjoner fra 120 franske selskaper, fant ingen signifikante sammenhenger. Vårt datasett inkluderer samtlige selskaper på børsen i Oslo og London. Dette medfører at det, sett bort fra ekskludering av manglende verdier, ikke er noen utvalgsrisiko for observasjonene fra disse kapitalmarkedene. I Frankrike består utvalget av tre indekser for store og middels store selskaper. Det er usikkert om disse gir et representativt bilde av Frankrikes samlede populasjon av børsnoterte selskaper som rapporterer etter IFRS.

At vi ikke har inkludert forholdsvis like mange små selskaper i Paris som for de andre børsene, kan for eksempel føre til at sammenhengen mellom størrelse på selskap og bruk av virkelig verdi blir skjev. Dette kommer av at selskaper i Frankrike bruker virkelig verdi i mindre grad, samtidig som samtlige selskaper som det er hentet inn data fra, har en relativt stor markedsverdi. Denne svakheten ble testet ved å ekskludere franske selskaper fra analysen (se figur 8 i appendikset). Dette førte ikke til vesentlige endringer i resultatene.

63 Som nevnt i kapittel 2 tilhører England, i motsetning til Frankrike og Norge, den kontinentale regnskapstradisjonen. Før overgangen til IFRS var kun historisk kost tillat for ikke-finansielle eiendeler i Frankrike og Norge. Ved å inkludere kapitalmarkeder med ulike regnskaps-tradisjoner kan vi belyse mulige sammenhenger mellom forskjeller i institusjonelle faktorer.

Utvalget består imidlertid kun av selskaper som er noterte på tre ulike børser. Det gir derfor ikke et komplett bilde av regnskapspraksis for alle selskaper som rapporterer etter IFRS.

Alle franske selskaper som kun rapporterer på fransk, er blitt ekskludert fra datasettet. Det kan hende at resultatene i den deskriptive statistikken og i regresjonen ville vært forskjellige dersom disse selskapene ikke ble ekskludert. Fransk regnskapstradisjon er, som nevnt, mer konservativ med bruken av virkelig verdi. Det er mulig at selskapene som velger kun å rapportere på fransk, er særlig konservative i utformingen av regnskapet.

Nøkkeltallene vi har brukt som uavhengige variabler, ble hentet inn fra Bloomberg. Det er ikke utført noen kvalitetssikring av informasjonen fra terminalen. Bloomberg er imidlertid en anerkjent leverandør av regnskapsinformasjon. Derfor anser vi risikoen for feil i nøkkeltallene som lav. Selskaper hvor Bloomberg ikke kan generere nøkkeltall er blitt ekskludert fra datasettet. Det kan naturligvis tenkes at denne typen selskaper avviker fra et representativt utvalg av populasjonen, og at ekskluderingen av disse fører til en mindre nøyaktig regresjonsmodell.

Som det er gjort rede for ovenfor ble det manuelt gjennomgått 1 649 årsrapporter. 253 selskaper ble manuelt ekskludert fra datasettet fordi de enten benyttet seg av GAAP, årsrapporten var utilgjengelig eller skrevet på fransk. Tastefeil og andre menneskelige feil kan føre til at enkelte av registreringene og enkelte av ekskluderingene ikke ble gjort rett.

I regresjonsanalysen er alle nøkkeltallene stilt på lik linje med hverandre, uavhengig av hvilket land selskapet opererer i. Det kan tenkes at forskjellige nøkkeltall har forskjellig korrelasjon med bruken av virkelig verdi i England, Frankrike og Norge. Inkludering av alle nøkkeltallene i samme kategori kan derfor skjule enkelte sammenhenger i regresjons-modellen.

Logistisk regresjon krever flere observasjoner enn minste kvadraters metode for å danne en robust modell. At en modell er robust vil si at det er liten risiko for at resultatene blir misvisende. Pampels (2010) noe konservative formel for antall observasjoner i en logistisk regresjonsmodell angir som nevnt 1 200 observasjoner for IAS 16 og 171 observasjoner for

64 IAS 40 (dersom regresjonen har seks uavhengige variabler). Som det framgår av figur 4 og 5 i appendikset, ligger antall observasjoner hovedsakelig på akseptable nivåer for regresjonene til IAS 16 og IAS 40, med unntak av regresjonene som inneholder nøkkeltallet P/E.

En svakhet ved forklaringsvariablene er at bruken av virkelig verdi etter IAS 16, IAS 38 og IAS 40 hovedsakelig er hentet inn fra årsrapporter for regnskapsåret 2013, mens nøkkeltallene er hentet inn fra delårsrapporter publisert i 2014 (med unntak av markedsverdier som er fra februar 2015). Årsaken til at de fleste dataene vi hentet inn om bruken av virkelig verdi var fra årsrapporter for regnskapsåret 2013, var at datainnsamlingen ble gjort på et tidlig stadium av utredningen hvor kun et fåtall selskaper hadde utgitt årsrapport for 2014. Selv om den valgte målemodellen i regnskapet skal brukes konsistent, kan det hende at noen har endret regnskapsprinsippene mellom de to siste regnskapsperiodene. Dermed kan nøkkeltallene fra 2014 være dårligere egnet til å forklare bruken av virkelig verdi for selskaper i 2013. Vi antar likevel at eventuelle endringer i regnskapsprinsipper ikke påvirker analysen i vesentlig grad. Det er kostbart å endre regnskapsprinsipper. I tillegg skal et selskap kun endre regnskapsprinsippene når det er pålagt av IFRS eller når regnskapsinformasjonen blir mer pålitelig og relevant av endringen (IAS 8.14).

4.7 Oppsummering

Denne utredningen følger en hypotetisk-deduktiv metode som innebærer at forventninger testes mot observasjoner. Mer presist kan utredningen klassifiseres som positiv regnskapsforskning. Dataene til den empiriske analysen ble hentet inn manuelt for bruken av virkelig verdi og automatisk via Bloomberg for selskapers nøkkeltall. En styrke ved metoden er det store utvalget av selskaper. Selskaper som ikke rapporterte etter IFRS eller som rapporterte på et annet språk enn norsk og engelsk er blitt ekskludert fra datasettet. I tillegg er enkelte selskaper som manglet nøkkeltall i Bloomberg ekskludert fra regresjonene. Dette kan gjøre utvalget mindre representativt for kapitalmarkedene vi studerer. I det neste kapitlet kommer en oppsummering og analyse av resultatene fra regresjonsanalysen. Vi ser også på om resultatene bekrefter eller avkrefter de normative hypotesene som ble presentert i kapittel 3.

65