Taulukko 14: Muutosperusteisten mallien regressioanalyysien yhteenveto
5.4 Ohlsonin malli muutosperusteiset muuttujat
Regressiomalleissa M12 ja M13 testattiin liikearvon ja modifioidun Ohlsonin mallin selittävyyttä osakkeen hinnan muutokseen. Mallissa M12 vastemuuttujan muutosta selitettiin saman tilikauden tunnuslukujen muutoksella. Malli M13 taas on viivästetty malli, jossa testattiin aikaisemman tilikauden tunnuslukujen selitysvoimaa vastemuuttujan muutokselle. Selittävien muuttujien lisäksi mallei-hin on lisätty kontrollimuuttujiksi CR, ROE ja TOTDEP. Regressiot toteutettiin pakottavalla menetelmällä ja lähtöoletuksena mallien odotetaan selittävän osak-keen hinnan muutosta.
Taulukko 13: Muutosperusteisten mallien regressioanalyysien yhteenveto
Testauksen mukaan molempien mallien selitysvoima jäi heikoksi. Prosen-tuaalisiin nettomuutoksiin perustuva malli M12 selitti 11,9 prosenttia osakkeen hinnan muutoksesta F (7,372) = 8,305. p<.0005 Viivästetyn mallin selitysaste oli matalampi, 7,34 prosenttia F (7, 304) = 4,566 p <.0005. Keskivirhe molemmissa malleissa oli noin 0,30. Molempien mallien selitysasteiden perusteella ei voida poissulkea sattuman vaikutusta muuttujien välisiin yhteyksiin.
Taulukko 14: M12 ja M13 Coefficients R Square
Adjusted R Square
Std. Error of the
Estimate F Change df1 df2
Sig. F Change
M12: 0,135 0,119 0,305 8,305 7 372 <.0005
M13 0,095 0,074 0,308 4,566 7 304 <.0005
Coefficients
Model
Coefficients
Beta t Sig Tolerance VIF
M12 (Constant) 3,045 0,002
Bvchange 0,101 2,054 0,041 0,971 1,030
NIchange 0,061 1,263 0,207 0,990 1,010
GWILLchange 0,085 1,75 0,081 0,992 1,008
TGILchange -0,014 -0,29 0,772 0,998 1,002
CR 0,011 0,212 0,832 0,872 1,147
ROE 0,257 5,158 <0,005 0,933 1,071
TOTDEB -0,141 -2,717 0,007 0,862 1,161
M13 (Constant) 1,676 0,095
BV delayed 0,061 1,068 0,286 0,914 1,095
NI delayed -0,081 -1,475 0,141 0,985 1,016
GWILL delayed -0,014 -0,254 0,800 0,995 1,005
TGIL delayed 0,026 0,468 0,640 0,994 1,006
CR 0,059 1,017 0,310 0,890 1,124
ROE 0,231 4,050 <0,005 0,914 1,095
TOTDEB -0,081 -1,310 0,191 0,773 1,294
T-testin perusteella voidaan todeta, etteivät selittävät muuttujat juuri selitä osak-keen hinnan muutosta tilikautena, tai seuraavana tilikautena. Tuloksen vahvis-taa myös Spearmanin korrelaatiokerroin, jossa muuttujien välillä ei havaittu kor-relaatiot. Vain kontrollimuuttuja ROE poikkesi merkitsevästi nollasta regressio-kertoimella 0,257 ja 0,231. Muuttujan ROE tulos oli molemmissa malleissa tilas-tollisesti merkitsevä p <0,0005. Muuttujien toleranssit ja VIF-arvot pysyvät vii-tearvojen sisällä, joten muuttujien välisen multikollinearisuuden ei voida olettaa merkittävästi heikentävän regressiomallia.
Tulosten perusteella voidaan todeta, etteivät prosentuaalisiin muutoksiin pe-rustuvat mallit, tai liikearvon tai alaskirjauksen muutokseen pepe-rustuvat muuttu-jat ole hyviä selittämään osakkeen hinnan muutosta. Tuloksia analysoidessa on myös hyvä huomioida, että muutospohjaisessa aineistossa oli aineiston estimoin-nin jälkeen heteroskedastisuutta, eivätkä residuaalit olleet normaalijakautuneet.
Aineiston laadulla voi olla täten vaikutusta tutkimuksen tulokseen ja sen luotet-tavuuteen. Liikearvon alaskirjauksella ei havaittu yhteyttä osakkeen hinnan muutokseen, joten nollahypoteesi jää myös mallien M12 ja M13 perusteella voi-maan. Muuttujana liikearvon alaskirjauksen prosentuaalinen muutos on myös haastava, sillä alaskirjausta ei välttämättä toteuteta vuosittain. Mikäli alaskir-jausta ei ole toistettu seuraavana vuonna, on kyseisen tilikauden muutos prosen-tuaalisesti korkea, mikä aiheuttaa vinoutunutta otantaa.
6 JOHTOPÄÄTÖKSET JA ARVIOINTI
Tutkimuksessa käsiteltiin IFRS 3- standardin mukaisen liikearvon käsittelyn ar-vorelevanssia sijoittajille suomalaisissa pörssiyhtiöissä. Tutkimuskysymykseen Onko IFRS 3 mukainen liikearvo sijoittajalle arvorelevantti? haettiin vastausta lineaa-risella regressioanalyysilla ja Spearmanin korrelaatiokertoimella. Tutkimuksessa hyödynnettiin modifioitua Ohlsonin mallia, jossa liikearvoa ja sen alaskirjausta kuvaavat tunnusluvut oli erotettu kirjanpitoarvosta ja yrityksen tuotoista.
Osakekohtaisiin muuttujiin perustuvassa ja koko aineiston kattavassa mal-lissa M1 liikearvon alaskirjauksella ja yhtiön markkina-arvolla havaittiin tilastol-lisesti merkitsevä, negatiivinen yhteys. Vuosittainen paneeliaineisto (regressio-mallit M2-M11) antoi osin vastaavia tuloksia; Liikearvon alaskirjauksella havait-tiin negatiivinen yhteys osakkeen hintaan, mutta tulos oli tilastollisesti melkein merkitsevä vain malleissa M4 ja M11. Liikearvon nettomäärällä havaittiin tilas-tollisesti merkitsevä, positiivinen yhteys markkina-arvoon kaikissa osakeperus-teisissa malleissa. Havaintoa tukee myös Spearmanin korrelaatiokertoimella ha-vaittu positiivinen korrelaatio liikearvon nettomäärän ja osakkeen markkinahin-nan välillä. Vaikka liikearvolla havaittiin tilastollisesti merkitsevä yhteys mark-kina-arvoon, sekä liikearvon alaskirjauksella melkein merkitsevä yhteys, mal-leista ei välttämättä voida tehdä täysin luotettavia johtopäätöksiä. Tutkimuk-sessa myös havaittiin, että mallin M1 ja paneeliaineiston perusteella yhtiön kir-janpitoarvo ja tuotot selittivät osakkeen hinnan muutosta liikearvon nettomäärää ja alaskirjausta paremmin.
Osakeperusteisten mallien lisäksi tutkimuksessa muodostettiin kaksi muu-tosperusteista mallia. Mallissa M12 osakkeen hinnan muutosta pyrittiin selittä-mään selittävien muuttujien muutoksella. Toisessa muutosperusteisessa mallissa M13 tutkittiin mallin mahdollista viivästettyä vaikutusta.
Mallien M12 ja M13 perusteella selittävillä muuttujilla ei havaittu tilastolli-sesti merkitsevää yhteyttä osakkeen hinnan muutokseen. Mallissa M12 muuttu-jista vain kontrollimuuttuja ROE:lla havaittiin tilastollisesti merkitsevä yhteys osakkeen hinnan muutokseen. Molemmissa malleissa selitysaste jäi kuitenkin heikoksi (M12= 11,7% M13 7,34%), minkä perusteella malleista ei voida tehdä luotettavia johtopäätöksiä.
Vaikka tutkimus osin vahvisti aikaisempaa tutkimusta liikearvon arvorele-vanttiudesta, ei liikearvoa tai sen alaskirjausta voi pitää kuitenkaan erityisen te-hokkaana osakkeen hinnan selittäjänä. Markkinoiden seuratessa yrityksen rapor-tointia, voi olla aiheellista kysyä, onko tieto tulevaisuuden tuottojen alentumi-sesta mahdollisesti ollut havaittavissa kenties aiemmin jo muista yritykseen liit-tyvistä tunnusluvuista, jolloin liikearvon korjattu arvio on mahdollisesti jo lei-vottu hintaan ennen alaskirjausilmoituksen antamista? Tätä osin tukee se, että tuottojen ja kirjanpitoarvon regressiokertoimet olivat liikearvoa kuvaavia muut-tujia korkeammat.
Tutkimuksen tulosten yleistämiseen ja soveltamiseen liittyy rajoituksia. Ai-neiston estimoinnin ja vastemuuttujan muunnoksen jälkeen aineistossa oli ha-vaittavissa edelleen heteroskedastisuutta. Tutkimusaineisto koostui yhteensä 911 havainnosta kymmenen vuoden ajalta, joten heteroskedastisuuden ei nähdä johtuvan liian pienestä otoskoosta. Tutkimusaineistoon sisältyy kuitenkin eriko-koisia yhtiöitä, joiden välillä voi esiintyä suurta vaihtelua tunnusluvuissa. Hete-roskedastisuutta voisi mahdollisesti häiventää lohkomalla aineistoa toimialakoh-taisesti tai yrityskoon mukaan. Osakeperusteisesta mallista johdetut muutospe-rusteiset muuttujat voivat olla liian pitkälle muokattuja, jonka vuoksi yhteyttä osakkeen hintaan ei yksinkertaisesti ole.
Tilikaudella suoritetun alaskirjauksen yhteys tilinpäätöshetken markkina-arvoon voi olla periodina myös liian pitkä. Random walk-teorian mukaisesti osak-keen arvon heijastaessa aina sen hetken informaatiota, tulisi liikearvon alaskir-jauksen arvorelevanssia ja alaskirjausinformaation hyödynnettävyyttä tutkia ly-hyellä aikavälillä, 1-3 päivää alaskirjausilmoituksen jälkeen tarkempien johto-päätösten tekemiseksi.
Tutkimuksen tulos vahvistaa osin aikaisempia tutkimuksia liikearvon ar-vorelevanssista. Liikearvon nettomäärän ja osakkeen hinnan positiivinen yhteys kertoo, että liikearvo kuvastaa tulevaisuuden tuottoerien odotuksia, joita sijoitta-jat huomioivat hinnoittelupäätöksessä. Alaskirjauksen ja osakkeen hinnan teyttä ei voitu täysin vahvistaa, mutta tutkimus antoi viitteitä mahdollisesta yh-teydestä markkina-arvoon. Tutkimuksessa ei saatu näyttö liikearvon alaskirjauk-sen mahdollisesta viivästetystä vaikutuksesta.
Voi olla, että Schatt (2016) mukaisesti alaskirjauksen arvorelevanssiin vai-kuttavat alaskirjauksesta annettavan tiedon sisältö ja sijoittajien odotukset mah-dollisesta alaskirjauksesta. Mikäli alaskirjausilmoitus ei tuo uutta tietoa markki-noille, tai mikäli alaskirjaus on odotettu, eivät sijoittajat korvaa arviotaan yhtiön arvosta. Tätä vahvistaisiva myös aikaisemmat havainnot (esim. Hayn & Hughes 2016; Sapkauskiene 2016: Li & Sloan 2017) siitä, että alaskirjauksia suoritettaisiin myös jäljessä, minkä myötä alaskirjauksesta annettu tieto olisi ollut jo aiemmin havaittavissa muista tietolähteistä.
Oletukset liikearvon nykyisestä käsittelystä ja alaskirjauksesta annetun tie-don laadusta, luotettavuudesta ja relevanttiudesta ovat ongelmallisia, eikä kaik-kia mahdollisia muuttujia voida täysin operationalisoida tutkimuksessa. Tutki-mus kuitenkin tarjoaa todisteita siitä, että IFRS-standardien mukainen käsittely heijastuu yhtiön markkina-arvoon, minkä perusteella monien tilinpäätöstietojen voidaan olettaa antavan jossain määrin relevanttia tietoa sijoittajalle.
LÄHTEET
AbuGhazaleh, N. M., Al-Hares, O., & Roberts, C., 2011. Accounting discretion in goodwill impairments: UK evidence. Journal of International Financial Management & Accounting 22(3), 165-204.
Ball, Ray. 2006. International Financial Reporting Standards (IFRS): pros and cons for investors. Accounting and Business Research, 36:sup1, 5-27
Ball, Ray. 2016. IFRS – 10 years later. Accounting and Business Research, 46:5 545-571
Ball, R. & Brown, P. 1968. An Empirical evaluation of accounting income num-bers. Journal of Accounting Research 6:2, 159–178.
Barth, M., Beaver, W., & Landsman, W.2001. The relevance of the value relevance literature for financial accounting standard setting: another view. Journal of accounting and economics, 31(1-3), 77-104.
Beatty, A., & Weber, J. 2006. Accounting discretion in fair value estimates: An examination of SFAS 142 goodwill impairments. Journal of Accounting Re-search, 44(2), 257-288.
Bugeja, M., & Gallery, N. 2006. Is older goodwill value relevant? Accounting and Finance, 46(4), 519.
Camodeca, R., Almici, A., & Bernardi, M. 2013. Goodwill impairment testing un-der IFRS before and after the financial crisis: evidence from the UK large listed companies. Problems and perspectives in management, 11(3), 17-23.
Dahmash, F., Durand, R., & Watson, J. 2009. The value relevance and reliability of reported goodwill and identifiable intangible assets. The British Account-ing Review 41(2), 120-137.
Fama, E. 1970. Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance 25:2, 383-417.
Fernandes, J., Gonçalves, C., Guerreiro, C., & Pereira, L. 2016. Impairment losses:
causes and impacts. Revista Brasileira de Gestão de Negócios, 18(60), 305-318.
Finanssivalvonta, Raportti IFRS-valvonnasta toimintavuodelta 2013. [viitattu 22.4.2019 ]. https://www.finanssivalvonta.fi/tiedotteet-ja-julkaisut/verk- kouutiset/2014/raportti-ifrs-valvonnasta-2013-rahoitusinstrumenttistan-dardien-noudattamisen-valvonta-laajaa/
Glaum, M., Schmidt, P., Street, D. & Vogel, S., 2012. Compliance with IFRS 3- and IAS 36-required disclosures across 17 European countries: company- and country-level determinants. Accounting and Business Research, 43(3), 163-204.
Hall, S. C., 2002. Goodwill reporting. Journal of Financial Service Professionals, 56(1), 10-12.
Hamberg, M., Paananen, M., & Novak, J. 2011. The adoption of IFRS 3: The effects of managerial discretion and stock market reactions. European Accounting Review, 20(2), 263-288.
Harrington, J. P., Nunes, C. & Roland, G., 2010. Goodwill impairment study.
Morristown, N.J.: Financial Executives Research Foundation.
Hayn, C., & Hughes, P., 2006. Leading Indicators of Goodwill Impairment.
Journal of Accounting, Auditing and Finance, Vol. 21, Issue 3, 223-265
Henning, S., Lewis, B., & Shaw, W. 2000. Valuation of the components of pur-chased goodwill. Journal of Accounting Research, 38(2), 375-386.
IASB, 2010. Conceptual Framework for Financial Reporting 2010. [viitattu 30.30.
2019]. https://library.croneri.co.uk/cch_uk/iast/miscconceptualfram-201009
IASB, 2015. Post-implementation Review of IFRS 3 Business Combinations. [vii-tattu 19.6.2018]. https://www.ifrs.org/-/media/project/pir-ifrs-3/pub-lished-documents/pir-ifrs-3-report-feedback-statement.pdf
IFRS Foundation 2016. IFRS: Konsolidoitu versio : 1.1.2016 voimassa olevat vaa-timukset. Helsinki: ST-Akatemia
Jennings, R., Robinson, J., Thompson, R. B., & Duvall, L. 1996. The relation be-tween accounting goodwill numbers and equity values. Journal of Business Finance & Accounting, 23(4), 513-533.
Jennings, R., LeClere, M., & Thompson, R. 2001. Goodwill amortization and the usefulness of earnings. Financial Analysts Journal, 57(5), 20-28.
Volume 23 No. 4 , 513-534.
Johnson, L., and K. Petrone. 1998. Is goodwill an asset? Accounting Horizons 12, 293–303.
Jokivuori, P., & Hietala, R. 2015. Määrällisiä tarinoita: Monimuuttujamenetel-mien käyttö ja tulkinta. Jyväskylä: Docendo.
Kargin, S., 2013. The impact of IFRS on the value relevance of accounting infor-mation: Evidence from Turkish firms. International Journal of Economics and Finance 5(4), 71.
Kauppalehti 8.6.2016. Pörssiyhtiöiden liikearvoissa piilee riskejä [viitattu 28.5.2018]. https://www.kauppalehti.fi/uutiset/porssiyhtioiden-liik-earvoissa-piilee-riskeja/WCwHqeJX
Khanagha, J. 2011. Value relevance of accounting information in the United Arab Emirates. International Journal of Economics and Financial Issues, 1(2), 33-45
Lapointe-Antunes, P., Cormier, D., & Magnan, M. 2009. Value relevance and timeliness of transitional goodwill-impairment losses: Evidence from Can-ada. The International Journal of Accounting, 44(1), 56-78.
Li, K. K., & Sloan, R. G., 2017. Has goodwill accounting gone bad? Review of Ac-counting Studies 22(2), 964-1003.
Metsämuuronen, J. 2011. Tutkimuksen tekemisen perusteet
ihmistieteissä. Gummerus ja Booky.fi. Jyväskylän yliopisto, e-kirja, opiske-lijalaitos, https://jykdok.linneanet.fi/vwebv/holdingsInfo?bibId=1183030.
Mueller, D., & Supina, D. 2002. Goodwill capital. Small Business Economics, 19(3), 233-253.
Nethercott, L., & Hanlon, D. 2002. When is goodwill not goodwill? the account-ing and taxation implications. Australian Accountaccount-ing Review, 12(1), 55-63.
Ohlson, J. 1995. Earnings, book values, and dividends in equity valuation. Con-temporary accounting research, 11(2), 661-687.
Paananen, M. 2008. Fair value accounting for goodwill under IFRS: An explora-tory study of the comparability in France, Germany, and the United King-dom.
Pajunen, K., & Saastamoinen, J. 2013. Do auditors perceive that there exists earn-ings management in goodwill accounting under IFRS? Finnish evidence.
Managerial Auditing Journal, 28(3), 245-260.
Pajunen, K., Saastamoinen, J., & Ojala, H. 2013. Financial analysts’ perceptions of goodwill accounting under IFRS. Working paper.
Perera, R. A. A. S., & Thrikawala, S. S. 2010. An Empirical Study Of The Relevance Of Accounting Information On Investor’ Decisions.
Ramanna, K., & Watts, R. L. 2012. Evidence on the use of unverifiable estimates in required goodwill impairment. Review of Accounting Studies 17(4), 749-780.
Rees, L., Gill, S. and Gore, R. 1996. An investigation of asset write-downs and concurrent abnormal accruals. Journal of Accounting Research, Vol. 34: pp.
157–169.
Schatt A., Doukakis, L., Bessieux-Ollier, C., & Walliser, E. 2016 Do Goodwill Im-pairments by European Firms Provide Useful Information to Investors?, Ac-counting in Europe, 13:3, 307-327
Sapkauskiene, A., Leitoniene, S., & Vainiusiene, E. 2016. Disclosure of goodwill impairment in the baltic states. Inzineriné Ekonomika 27(4), 417-429.
Suadiye, G. 2012. Value Relevance of Book Value & Earnings Under the Local GAAP and IFRS: Evidence from Turkey. Ege Academic Review, 12(3) Tsalavoutas, I., & Dionysiou, D. 2014. Value relevance of IFRS mandatory
disclo-sure requirements. Journal of Applied Accounting Research, 15(1), 22-42.
Tabachnick, B. & Fidell, L. 2013. Using multivariate statistics. 6th ed. Boston:
Pearson Education.
Telia Ab tilinpäätös 2017. [Viitattu 28.5.2018].
https://www.teliacompany.com/globalassets/telia-company/docu- ments/reports/2017/annual-report/annual-and-sustainability-report-2017---telia-company.pdf
Tollington, T. 1998. Separating the brand asset from the goodwill asset. Journal of Product & Brand Management, 7(4), 291-304.
Vaihekoski, Mika. Rahoitusalan Sovellukset Ja Excel. Helsinki: WSOY 2016.
Vanza, S., Wells, P., & Wright, A. 2018. Do asset impairments and the associated disclosures resolve uncertainty about future returns and reduce infor-mation asymmetry?. Journal of Contemporary Accounting & Economics, 14(1), 22-40.
LIITE 1: KOOSTE REGRESSIOANALYYSIN TULOKSISTA
R Square
Change F Change df1 df2 Sig. F
Change
M1 ,691a 0,477 0,475 0,9311838
M2 ,738a 0,545 0,522 0,7702249 0,545 23,373 4 78 0
M3 ,697a 0,486 0,459 0,8154839 0,486 18,403 4 78 0
M4 ,785a 0,617 0,597 0,7615176 0,617 31,761 4 79 0
M5 ,733a 0,537 0,514 0,8650719 0,537 22,949 4 79 0
M6 ,728a 0,531 0,508 0,9302724 0,531 23,171 4 82 0
M7 ,661a 0,437 0,411 1,0343524 0,437 16,701 4 86 0
M8 ,649a 0,421 0,395 1,1451236 0,421 15,991 4 88 0
M9 ,721a 0,519 0,499 1,0193017 0,519 25,121 4 93 0
M10 ,732a 0,536 0,516 1,0126602 0,536 27,973 4 97 0
M11 ,702a 0,493 0,473 1,0859129 0,493 24,543 4 101 0
M12 ,368a 0,135 0,119 0,3049707 1,791
M13 ,218b 0,047 0,025 0,3114694 1,712
Change Statistics
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
Change Statistics
58
Square
Regression 711,343 4 177,836 205,092 ,000b
Residual 780,393 900 0,867
Total 1491,736 904
Regression 55,463 4 13,866 23,373 ,000b
Residual 46,273 78 0,593
Total 101,736 82
Regression 48,954 4 12,239 18,403 ,000b
Residual 51,871 78 0,665
Total 100,825 82
Regression 73,674 4 18,419 31,761 ,000b
Residual 45,813 79 0,58
Total 119,487 83
Regression 68,696 4 17,174 22,949 ,000b
Residual 59,12 79 0,748
Total 127,815 83
Regression 80,209 4 20,052 23,171 ,000b
Residual 70,963 82 0,865
Total 151,173 86
Regression 71,471 4 17,868 16,701 ,000b
Residual 92,01 86 1,07
Total 163,481 90
Regression 83,878 4 20,97 15,991 ,000b
Residual 115,395 88 1,311
Total 199,273 92
Regression 104,402 4 26,101 25,121 ,000b
Residual 96,625 93 1,039
Total 201,027 97
Regression 114,743 4 28,686 27,973 ,000b
Residual 99,472 97 1,025
Total 214,215 101
Regression 115,763 4 28,941 24,543 ,000b
Residual 119,1 101 1,179
Total 234,863 105
Regression 5,407 7 0,772 8,305 ,000b
Residual 34,599 372 0,093
Total 40,005 379
Regression 1,468 7 0,21 2,162 ,037c
Residual 29,492 304 0,097
Standardiz ed Coefficient
s
B Std. Error Beta Tolerance VIF
(Constant) 0,736 0,044 16,789 0,000
BV 0,102 0,006 0,391 15,702 0,000 0,94 1,064
NI 0,519 0,038 0,348 13,607 0,000 0,891 1,123
GWILL 0,177 0,013 0,352 13,738 0,000 0,883 1,132
TGIL -0,504 0,125 -0,102 -4,017 0,000 0,902 1,108
(Constant) 0,388 0,124 3,141 0,002
BV 2008 0,113 0,018 0,493 6,34 0,000 0,966 1,035
NI 2008 0,584 0,115 0,411 5,083 0,000 0,891 1,123
GWILL
2008 0,106 0,041 0,227 2,599 0,011 0,765 1,307
TGIL 2008 -0,594 0,469 -0,109 -1,266 0,209 0,786 1,273
(Constant) 0,862 0,13 6,637 0,000
BV 2009 0,118 0,021 0,476 5,746 0,000 0,962 1,039
NI 2009 0,267 0,1 0,22 2,679 0,009 0,978 1,022
GWILL
2009 0,206 0,04 0,419 5,097 0,000 0,978 1,023
TGIL 2009 -0,612 1,186 -0,042 -0,516 0,607 0,986 1,014
(Constant) 0,835 0,126 6,62 0,000
BV 2010 0,125 0,02 0,442 6,198 0,000 0,953 1,05
NI 2010 0,555 0,105 0,373 5,262 0,000 0,968 1,034
GWILL
2010 0,188 0,032 0,43 5,932 0,000 0,924 1,083
TGIL 2010 -2,049 0,981 -0,152 -2,089 0,040 0,92 1,087
(Constant) 0,604 0,142 4,265 0,000
BV 2011 0,105 0,024 0,372 4,308 0,000 0,784 1,276
NI 2011 0,617 0,156 0,362 3,954 0,000 0,698 1,433
GWILL
2011 0,132 0,04 0,278 3,3 0,001 0,828 1,208
TGIL 2011 -1,205 0,824 -0,114 -1,463 0,147 0,964 1,038
(Constant) 0,475 0,142 3,349 0,001
BV 2012 0,125 0,022 0,441 5,69 0,000 0,951 1,051
NI 2012 0,676 0,147 0,382 4,593 0,000 0,829 1,206
GWILL
2012 0,144 0,044 0,287 3,279 0,002 0,749 1,335
TGIL 2012 -0,395 0,495 -0,065 -0,798 0,427 0,856 1,168
(Constant) 0,718 0,153 4,687 0,000
BV 2013 0,107 0,027 0,358 3,885 0,000 0,771 1,298
NI 2013 0,454 0,145 0,33 3,126 0,002 0,587 1,704
GWILL
2013 0,195 0,047 0,371 4,169 0,000 0,828 1,208
TGIL 2013 -0,41 0,302 -0,139 -1,355 0,179 0,621 1,61
(Constant) 0,539 0,16 3,359 0,001
BV 2014 0,032 0,016 0,169 2,019 0,047 0,939 1,065
NI 2014 1,115 0,19 0,497 5,88 0,000 0,92 1,086
GWILL
2014 0,151 0,052 0,254 2,889 0,005 0,849 1,178
TGIL 2014 0,544 0,603 0,078 0,903 0,369 0,892 1,121
(Constant) 0,592 0,151 3,932 0,000
BV 2015 0,098 0,023 0,329 4,325 0,000 0,894 1,118
NI 2015 0,876 0,148 0,454 5,936 0,000 0,882 1,134
GWILL
2015 0,177 0,043 0,308 4,097 0,000 0,913 1,095
TGIL 2015 -0,137 1,098 -0,009 -0,125 0,901 0,957 1,045
(Constant) 0,652 0,147 4,447 0,000
BV 2016 0,103 0,026 0,321 4,036 0,000 0,756 1,322
NI 2016 0,869 0,177 0,405 4,918 0,000 0,706 1,417
GWILL
2016 0,187 0,043 0,329 4,311 0,000 0,822 1,217
TGIL 2016 -2,003 1,694 -0,084 -1,182 0,240 0,939 1,065
(Constant) 0,745 0,151 4,934 0,000
BV 2017 0,104 0,029 0,316 3,607 0,000 0,653 1,532
NI 2017 0,611 0,167 0,351 3,659 0,000 0,545 1,836
GWILL
2017 0,192 0,048 0,354 4,004 0,000 0,643 1,556
TGIL 2017 -0,537 0,248 -0,178 -2,168 0,032 0,744 1,344
(Constant) 0,129 0,042 3,045 0,002
Bvchange 0,013 0,006 0,101 2,054 0,041 0,971 1,03
Nvchange 0,002 0,002 0,061 1,263 0,207 0,99 1,01
GWILLcha
nge 0,014 0,008 0,085 1,75 0,081 0,992 1,008
TGILchang
e -0,002 0,007 -0,014 -0,29 0,772 0,998 1,002
CR 0,004 0,02 0,011 0,212 0,832 0,872 1,147
ROE 0,229 0,044 0,257 5,158 0,000 0,933 1,071
TOTDEB -0,07 0,026 -0,141 -2,717 0,007 0,862 1,161
(Constant) 0,131 0,046 2,822 0,005
BV delayed 0,005 0,005 0,058 0,985 0,325 0,914 1,095
NV delayed -0,002 0,002 -0,065 -1,149 0,251 0,989 1,011 GWILL
delayed -0,003 0,008 -0,019 -0,342 0,733 0,994 1,006
TGIL
delayed 0,005 0,008 0,033 0,593 0,553 0,995 1,005
CR 0,001 0,021 0,004 0,07 0,945 0,888 1,126
ROE 0,059 0,036 0,094 1,634 0,103 0,953 1,049
TOTDEB -0,067 0,031 -0,136 -2,16 0,032 0,796 1,256
M10