Käyttöpääoman hallinnan yhteys pienten ja keskisuurten yritysten kannattavuuteen finanssikriisin aikana

KÄYTTÖPÄÄOMAN HALLINNAN YHTEYS PIENTEN JA KESKISUURTEN YRITYSTEN KANNATTAVUUTEEN FINANSSIKRIISIN AIKANA Jyväskylän yliopisto Kauppakorkeakoulu Pro gradu -tutkielma 2024 Tekijä: Tuomas Niiranen Oppiaine: Laskentatoimi Ohjaaja: Antti Rautiainen TIIVISTELMÄ Tekijä Tuomas Niiranen Työn nimi Käyttöpääoman hallinnan yhteys pienten ja keskisuurten yritysten kannattavuuteen finanssikriisin aikana Oppiaine Laskentatoimi Työn laji Pro gradu -tutkielma Aika (pvm.) 3.6.2024 Sivumäärä 87 Tiivistelmä – Abstract Käyttöpääoman hallintaa on tutkittu jo usean vuosikymmenen ajan keskittyen pääasiassa suuriin yhtiöihin. Tämän lisäksi tutkitut ajanjaksot ovat olleet erinäisten talouskriisien ulkopuolella. Tällä pro gradu -tutkielmalla pyritään täyttämään edellä mainittuja aukkoja käyttöpääoman hallinnan tutkimuksessa. Tutkielmassa analysoidaan pienten ja keskisuurten yritysten käyttöpääoman hallinnan yhteyttä kannattavuuteen sekä nettokauppasyklin pituuteen vaikuttavia tekijöitä finanssikriisin aikana Suomessa. Käyttöpääomalla tarkoitetaan liiketoiminnan sitomia lyhytaikaisia varoja ja velkoja. Käyttöpääoman hallinnalla pyritään ylläpitämään operatiivista liiketoimintaa sekä vapauttamaan liiketoiminnan sitomia varoja muihin yrityksen arvoa lisääviin hankkeisiin. Käyttöpääoman hallinnan tulisi siten minimoida riskit ja maksimoida likviditeetti ja kannattavuus. Tutkimusote on kvantitatiivinen ja tutkimus toteutettiin suomalaisten pkyritysten tilinpäätöstiedoista kootulla paneeliaineistolla. Finanssikriisin vaikutusten havaitsemiseksi aineisto koottiin ajanjaksolta 2006–2011. Käyttöpääoman hallintaa mitattiin nettokauppasyklillä ja kannattavuutta kokonaispääoman tuottoasteella. Aineistoa analysoitiin lineaarisella regressioanalyysillä. Tutkimustulokset indikoivat, että nettokauppasyklin ja kokonaispääoman tuottoasteen välillä olisi negatiivinen yhteys ajanjaksolla 2006–2011. Tutkimustulokset antavat myös viitteitä siitä, että nettokauppasyklin pituuteen vaikuttaisivat suhteellinen velkaantuneisuusaste, liikevaihdon kasvu, yrityksen koko, aineellisten hyödykkeiden suhteellinen määrä sekä käyttökateprosentti. Asiasanat Käyttöpääoman hallinta, kannattavuus, finanssikriisi Säilytyspaikka Jyväskylän yliopiston kirjasto 3 4 KUVIOT Kuvio 1. Liiketoimintasykli ja käyttöpääoma (Schwartzman, 2013). ................... 18 Kuvio 2. Bruttokansantuotteen vuosimuutos-% Suomessa 2005–2022 (Tilastokeskus, 2021). .................................................................................................. 36 Kuvio 3. Suomen rahalaitosten euromääräiset lainat euroalueen yrityksille (Suomen Pankki, 2024). ............................................................................................... 53 Kuvio 4. Regressiomallin A sirontakuvio regressiomallin standardoiduista ennustetuista arvoista ja residuaaleista 2006–2011. ................................................ 56 Kuvio 5. Regressiomallin A histogrammi regressiomallin standardoiduista residuaaleista 2006–2011. ............................................................................................ 58 Kuvio 6. Regressiomallin A kvantiilikuvio regressiomallin standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2006–2011. ........................................................................................................................................ 58 Kuvio 7. Sirontakuvio regressiomallin A standardoiduista ennustetuista arvoista ja residuaaleista 2006–2007. ........................................................................................ 82 Kuvio 8. Sirontakuvio regressiomallin A standardoiduista ennustetuista arvoista ja residuaaleista 2008–2009. ........................................................................................ 82 Kuvio 9. Sirontakuvio regressiomallin A standardoiduista ennustetuista arvoista ja residuaaleista 2010–2011. ........................................................................................ 82 Kuvio 10. Histogrammi regressiomallin A standardoiduista residuaaleista 2006– 2007. ............................................................................................................................... 83 Kuvio 11. Histogrammi regressiomallin A standardoiduista residuaaleista 2008– 2009. ............................................................................................................................... 83 Kuvio 12. Histogrammi regressiomallin A standardoiduista residuaaleista 2010– 2011. ............................................................................................................................... 83 Kuvio 13. Kvantiilikuvio regressiomallin A standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2006–2007. ................. 84 Kuvio 14. Kvantiilikuvio regressiomallin A standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2008–2009. ................. 84 Kuvio 15. Kvantiilikuvio regressiomallin A standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2010–2011. ................. 84 Kuvio 16. Sirontakuvio regressiomallin B standardoiduista ennustetuista arvoista ja residuaaleista 2006–2007. ......................................................................... 85 Kuvio 17. Sirontakuvio regressiomallin B standardoiduista ennustetuista arvoista ja residuaaleista 2008–2009. ......................................................................... 85 Kuvio 18. Sirontakuvio regressiomallin B standardoiduista ennustetuista arvoista ja residuaaleista 2010–2011. ......................................................................... 85 Kuvio 19. Histogrammi regressiomallin B standardoiduista residuaaleista 2006– 2007. ............................................................................................................................... 86 Kuvio 20. Histogrammi regressiomallin B standardoiduista residuaaleista 2008– 2009. ............................................................................................................................... 86 Kuvio 21. Histogrammi regressiomallin B standardoiduista residuaaleista 2010– 2011. ............................................................................................................................... 86 5 Kuvio 22. Kvantiilikuvio regressiomallin B standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2006–2007. ................. 87 Kuvio 23. Kvantiilikuvio regressiomallin B standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2008–2009. ................. 87 Kuvio 24. Kvantiilikuvio regressiomallin B standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2010–2011. ................. 87 6 TAULUKOT Taulukko 1. Yhteenveto käyttöpääoman hallinnan strategioista (Van Horne & Wachowicz, 2004). ....................................................................................................... 25 Taulukko 2. Otoksen kymmenen lukumäärältään suurinta toimialaa. ............... 36 Taulukko 3. Otoksen toimialojen tilastolliset tunnusluvut. .................................. 36 Taulukko 4. Tilastolliset tunnusluvut 2006–2011. ................................................... 37 Taulukko 5. Yhtiön kokoa ja suhteellista käyttöpääoman tasoa kuvaavat tilastolliset tunnusluvut 2006–2007. .......................................................................... 38 Taulukko 6. Yhtiön kokoa ja suhteellista käyttöpääoman tasoa kuvaavat tilastolliset tunnusluvut 2008–2009. .......................................................................... 38 Taulukko 7. Yhtiön kokoa ja suhteellista käyttöpääoman tasoa kuvaavat tilastolliset tunnusluvut 2010–2011. .......................................................................... 38 Taulukko 8. Tutkimusmuuttujien tilastolliset tunnusluvut 2006–2011. .............. 49 Taulukko 9. Tutkimusmuuttujien tilastolliset tunnusluvut 2006–2007. .............. 50 Taulukko 10. Tutkimusmuuttujien tilastolliset tunnusluvut 2008–2009. ............ 50 Taulukko 11. Tutkimusmuuttujien tilastolliset tunnusluvut 2010–2011. ............ 50 Taulukko 12. Korrelaatiomatriisi 2006–2011. .......................................................... 51 Taulukko 13. Korrelaatiomatriisi 2006–2007. .......................................................... 52 Taulukko 14. Korrelaatiomatriisi 2008–2009. .......................................................... 52 Taulukko 15. Korrelaatiomatriisi 2010–2011. .......................................................... 52 Taulukko 16. Regressiomallin A VIF-kertoimet ajanjaksoittain. .......................... 55 Taulukko 17. Regressiomallin A residuaalien tilastolliset tunnusluvut ajanjaksoittain. .............................................................................................................. 56 Taulukko 18. Regressiomallin A Durbin-Watsonin testin tulokset ajanjaksoittain. ........................................................................................................................................ 57 Taulukko 19. Regressiomallin A Cookin etäisyysmittarin tulokset. .................... 59 Taulukko 20. Regressiomallin B Cookin etäisyysmittarin tulokset...................... 60 Taulukko 21. Regressiomallin A pätevyyden tunnusluvut................................... 61 Taulukko 22. Regressiomallin A regressioanalyysin tulokset ajanjaksoittain. ... 62 Taulukko 23. Regressiomallin B pätevyyden tunnusluvut. .................................. 64 Taulukko 24. Regressiomallin B regressioanalyysin tulokset ajanjaksoittain. ... 65 7 SISÄLLYS TIIVISTELMÄ ................................................................................................................ 2 KUVIOT .......................................................................................................................... 4 TAULUKOT ................................................................................................................... 6 1 JOHDANTO .......................................................................................................... 9 1.1 Tutkimuksen taustaa .................................................................................. 9 1.2 Tutkimusongelma, tutkimuskysymykset ja tutkimuksen rajaus ...... 10 2 KÄYTTÖPÄÄOMAN HALLINTA ................................................................. 12 2.1 Yleisesti käyttöpääoman hallinnasta ..................................................... 12 2.2 Myyntisaamisten hallinta ........................................................................ 13 2.3 Ostovelkojen hallinta ................................................................................ 15 2.4 Varastonhallinta ........................................................................................ 16 2.5 Kassanhallinta ........................................................................................... 17 2.6 Operatiivinen käyttöpääoma ja toimintasykli ...................................... 17 2.7 Käyttöpääoman hallinnan mittarit ......................................................... 19 3 KÄYTTÖPÄÄOMAN ARVORELEVANSSI .................................................. 21 3.1 Kirjanpitotiedon arvorelevanssi ............................................................. 21 3.2 Käyttöpääoman hallinnan yhteys yrityksen arvoon ........................... 23 3.3 Kannattavuuden ja riskin välinen kompromissi .................................. 24 3.4 Rahoitusrajoitteiden vaikutus käyttöpääoman hallintaan ................. 25 3.5 Optimaalinen käyttöpääoma .................................................................. 27 3.6 Käyttöpääoman hallinta pk-yrityksissä................................................. 28 4 TALOUSKRIISIEN VAIKUTUS KÄYTTÖPÄÄOMAN HALLINTAAN .. 30 4.1 Finanssikriisi .............................................................................................. 30 4.2 Markkinoiden heikentynyt likviditeetti ................................................ 32 4.3 Käyttöpääoman sopeuttaminen finanssikriisin aikana ....................... 33 5 AINEISTO JA MENETELMÄ ........................................................................... 35 5.1 Aineisto ...................................................................................................... 35 5.2 Tutkimusmenetelmä ................................................................................ 38 5.2.1 Pearsonin korrelaatiokerroin ....................................................... 39 5.2.2 Yleisesti lineaarisesta regressiomallista ..................................... 40 5.2.3 Lineaarisen regressiomallin oletukset ja niiden testaaminen . 42 5.3 Hypoteesit .................................................................................................. 45 6 TUTKIMUKSEN TULOKSET ........................................................................... 49 6.1 Kuvaileva tilastoanalyysi ......................................................................... 49 6.2 Korrelaatioanalyysin tulokset ................................................................. 51 8 6.3 Regressioanalyysin tulokset .................................................................... 54 6.3.1 Lineaarisen regression oletuksien testaaminen ........................ 55 6.3.2 Havaittujen poikkeamien vaikutus regressioanalyysin tuloksiin ......................................................................................... 60 6.3.3 Regressiomallin A regressioanalyysin tulokset ........................ 61 6.3.4 Regressiomallin B regressioanalyysin tulokset ........................ 64 7 JOHTOPÄÄTÖKSET JA ARVIOINTI ............................................................. 68 7.1 Johtopäätökset ........................................................................................... 68 7.2 Tutkimuksen arviointi ja jatkotutkimusaiheet ..................................... 71 LÄHTEET ..................................................................................................................... 73 LIITE 1 REGRESSIOMALLIN A SIRONTAKUVIOT ............................................. 82 LIITE 2 REGRESSIOMALLIN A HISTOGRAMMIT .............................................. 83 LIITE 3 REGRESSIOMALLIN A KVANTIILIKUVIOT .......................................... 84 LIITE 4 REGRESSIOMALLIN B SIRONTAKUVIOT ............................................. 85 LIITE 5 REGRESSIOMALLIN B HISTOGRAMMIT ............................................... 86 LIITE 6 REGRESSIOMALLIN B KVANTIILIKUVIOT .......................................... 87 9 1.1 Tutkimuksen taustaa Alkaen Ballin ja Brownin (1968) tutkimuksesta, kirjallisuudessa on laajasti tutkittu osakkeen arvon ja eri kirjanpitoerien välistä assosiaatiota (Barth ym., 2001; Holthausen & Watts, 2001). Aiemmissa tutkimuksissa on tutkittu muun muassa tilikauden tuloksen (Lev & Zarow, 1999), oman pääoman (Ohlson, 1995), aineettoman omaisuuden (Core ym., 2003) sekä monen muun kirjanpitoerän yhteyttä osakkeen arvoon (Barth ym., 2023). Yleisesti edellä mainittuja yrityksen arvon ja kirjanpitotiedon välistä yhteyttä tutkivia tutkimuksia kutsutaan kirjanpitotiedon arvorelevanssin tutkimukseksi. Yksi kirjanpitotiedon arvorelevanssin tutkimukseen kytkeytyvä kirjanpitoerä on käyttöpääoma, joka voidaan laskea kirjanpidosta vähentämällä lyhytaikaisten velkojen määrä lyhytaikaisista varoista (Filbeck & Krueger, 2005). Käyttöpääoman hallintaa käsittelevissä tutkimuksissa on kuitenkin pääsääntöisesti tutkittu operatiivista käyttöpääomaa, joka koostuu vaihto-omaisuudesta, myyntisaamisista ja ostoveloista. Käyttöpääoman hallinnan ja kannattavuuden välistä yhteyttä on tutkittu laajasti jo usean vuosikymmenen ajan keskittyen pääasiassa suuriin yhtiöihin (esim. Pass & Pike, 1984; Shin & Soenen, 1998; Deloof, 2003; Nobanee, 2009; Sen & Oruc, 2009; Gill ym., 2010). Tutkimusta on kuitenkin tehty vain vähän pk-yrityksien käyttöpääoman hallinnan yhteydestä kannattavuuteen, mikä on yllättävää, koska pk-yritykset muodostavat taloudellisen kehityksen tukipilarin useimmissa maissa (Beaver & Prince, 2004; Abor & Quartey, 2010). Esimerkiksi Suomessa pk-yrityksissä työskentelee noin puolet koko työvoimasta (Tilastokeskus, 2022). Kirjallisuudessa esitetään, että käyttöpääoman hallinnan merkitys olisi suurempi pk-yrityksille kuin suurille yrityksille. Väitteet perustuvat siihen, että pkyrityksillä on suhteellisesti enemmän lyhytaikaisia varoja kuin suurilla yrityksillä (García-Teruelin & Martínez-Solanon, 2007), vähemmän likviditeettiä, epävakaammat kassavirrat ja suurempi riippuvuus lyhytaikaisista veloista (Peel ym., 2000) sekä heikompi ulkoisen rahoituksen saatavuus (Fazzari & Petersen, 1993; 1 JOHDANTO 16 ostovelkojen kiertoajasta ei ilmene kuinka paljon ostovelkoihin sisältyy jo erääntyneitä laskuja. 𝑂𝑠𝑡𝑜𝑣𝑒𝑙𝑘𝑜𝑗𝑒𝑛 𝑘𝑖𝑒𝑟𝑡𝑜𝑎𝑖𝑘𝑎 =𝐴𝑗𝑎𝑛𝑗𝑎𝑘𝑠𝑜 (𝑝𝑣) × 𝑂𝑠𝑡𝑜𝑣𝑒𝑙𝑎𝑡 Myytyjen tuotteiden kustannus (COGS) Deloof (2003), Padachi (2006), García-Teruel & Martínez-Solano (2007), Nobanee (2009) ja Falope ja Ajilore (2009) havaitsivat kaikki negatiivisen yhteyden ostovelkojen kiertoajan ja yrityksen taloudellisen suorituskyvyn välille. Sen ja Oruc (2009) sekä Raheman ym. (2010) saivat vastakkaisia tuloksia verrattuna aiempiin tutkimuksiin ja havaitsivat positiivisen yhteyden ostovelkojen kiertoajan ja taloudellisen suorituskyvyn välille. Afrifa ym. (2016) havaitsivat tutkimuksessaan, että ostovelkojen kiertoajan ja yrityksen taloudellisen suorituskyvyn välillä olisi konkaaviyhteys. 2.4 Varastonhallinta Mikrotalousteoriassa esitetään useita syitä varastojen ylläpitämiseksi. Ensinnäkin varastoja pidetään välttämättömänä edellytyksenä tuotannolle. Varastoja ylläpitämällä voidaan tehostaa tuotannon aikataulusta, säätää tuotannon tasoa myyntimäärien vaihdellessa, minimoida myynnin menetykset välttämällä varastojen loppuunmyynnin, spekuloida hintamuutoksia tai suojautua niitä vastaan, vähentää hankintamenoja ostamalla suuria hankintaeriä kerralla ja lyhentää toimitusaikoja. (Blinder & Maccini, 1991.) Lisäksi Schiff ja Lieber (1974) väittävät, että suuremmat varastot omaavat yritykset tarjoavat parempaa palvelua asiakkailleen ja välttävät korkeita tuotantokustannuksia, jotka johtuvat korkeasta tuotannon vaihtelusta. Varastoihin sijoittaminen voi myös vaikuttaa negatiivisesti yrityksen arvoon. Suuremmat varastot lisäävät ylläpitämisja hallinnointikustannuksia, joihin sisältyy esimerkiksi varaston vuokra, vartiointikustannukset, vakuutusja turvallisuuskulut, jotka vaihtelevat varaston koon mukaan (Kim & Chung, 1990). Lisäksi korkeampi varaston taso sitoo yrityksen pääomaa, joka yrityksen on rahoitettava, josta aiheutuu rahoituskustannuksia sekä vaihtoehtoiskustannuksia (Kieschnick ym., 2013). Varastonhallintaa mitataan yleisesti varaston kiertoajalla. Varaston kiertoaika estimoi, kuinka monta päivää tavara keskimäärin viipyy yrityksen varastossa ennen kuin se myydään. Pitkät varaston kiertoajat voivat indikoida tehottomasta varastonhallinnasta sekä toisaalta epäkurantista varastosta. Varaston kiertoaika =𝐴𝑗𝑎𝑛𝑗𝑎𝑘𝑠𝑜 (𝑝𝑣) × Varasto Myytyjen tuotteiden kustannus (COGS) Aiemmissa empiirissä tutkimuksissa on havaittu negatiivinen yhteys varaston kiertoajan ja yrityksen taloudellisen suorituskyvyn välille. (Deloof 2003; 17 Raheman & Nasr, 2007; Falope & Ajilore, 2009). Vastakkaisia tuloksia sai Nobanee (2009), joka havaitsi positiivisen yhteyden varaston kiertoajan ja yrityksen taloudellisen suorituskyvyn välille. Afrifa ym. (2016) havaitsivat tutkimuksessaan, että varaston kiertoajan ja yrityksen taloudellisen suorituskyvyn välillä olisi konkaaviyhteys. 2.5 Kassanhallinta Rahoituskäyttöpääoma sisältää käyttöpääoman erät, jotka eivät ole sidottu operatiiviseen käyttöpääomaan, esim. käteisvarat (Fleuriet ym., 1978). Rahat ja lyhytaikaiset sijoitukset edustavat käteistä ja kaikkia käteiseksi muutettavissa olevia arvopapereita. Yritykset pitävät rahaa ja lyhytaikaisia sijoituksia monista syistä, esimerkiksi muuttuvien tuotantopanosten päivittäisten maksujen helpottamiseksi (Christiano & Eichenbaum, 1992; Deloof, 2003; Gill & Shah, 2012), toimimaan puskureina, jotta yritykset voivat varautua negatiivisilta kassavirtaiskuilta (Opler ym., 1999; Ferreira & Vilela, 2004; Bates ym., 2009), auttamaan yrityksiä hyödyntämään sijoitusmahdollisuudet (Kiyotaki & Moore, 2012), sekä kassavarat voivat parantaa kannattavuutta vähentämällä ulkoisen pääoman hankkimiskustannuksia (Greenwald ym., 1984) tai auttamaan niitä verohallinnassaan (Foley ym., 2007). Aiempien tutkimuksien mukaan yrityskohtaisilla tekijöillä on vaikutus yhtiöiden ylläpitämiin kassavaroihin. Oplerin ym. (1999) ja Kim ym. (1998) empiiristen tutkimusten mukaan suuremmat yhtiöt pitävät suhteellisesti pienempiä kassavaroja kuin pienemmät yritykset. Samaisten tutkimusten mukaan yritykset, joilla on suurempi kasvupotentiaali ja riskisemmät kassavirrat ylläpitävät suurempia kassavaroja. Mitä suurempi kassavarojen suhteellinen osuus on, sitä pienempi riski yrityksellä on ajautua kassakriisiin (Raheman ym., 2010). Kusnadin (2011) mukaan ylimääräiset käteisvarat voivat kuitenkin olla huonon kassanhallinnan sivutuote. 2.6 Operatiivinen käyttöpääoma ja toimintasykli Operatiivinen käyttöpääoma koostuu vaihto-omaisuudesta, myyntisaamisista ja ostoveloista (Knauer & Wöhrmann, 2013). Yritysten operatiivista käyttöpääomaa koskevia päätöksiä kuvataan kirjallisuudessa usein lyhytaikaisina taloudellisina päätöksinä. Tällaiset käsitykset johtuvat lyhytaikaisista toimintasykleistä, jotka liittyvät operatiivisen käyttöpääoman komponentteihin: myyntisaamiset, vaihtoomaisuus ja ostovelat. Monilla yrityksillä nämä komponentit kiertävät useita kertoja tilikauden aikana. (Cauchan, 2019.) Päivittäinen liiketoiminta sitoo yrityksien pääomaa eri liiketoiminnan vaiheissa. Schwartzmanin (2013) esittämässä kuviossa (Kuvio 1) on esitetty 18 käyttöpääoman komponenttien vuorovaikutus sekä niiden ajallinen rajoittuminen yksinkertaisessa sesonkiluontoisessa liiketoiminnassa. Kuvio 1. Liiketoimintasykli ja käyttöpääoma (Schwartzman, 2013). Kuviossa on jaettu liiketoimintasykli neljään vaiheeseen. Tuotannon käynnistämiseksi (t-3) yrityksen on sidottava varoja tuotannon tarpeisiin kuten raaka-aineisiin ja työvoimaan. Yritys voi rahoittaa nämä hankinnat likvideistä varoista ja/tai kauppaluotolla, jolloin yrityksellä kertyy velkaa taseelle ostovelkoihin. Valmistuotteiden valmistuessa (t-2) varallisuus sitoutuu varastoihin. Ajanhetkellä t-1 yritys alkaa myymään valmistuotteita, joita yhtiö voi myydä käteiskauppana tai myöntää ostajalle kauppaluottoa, jolloin suoritteen ja maksusuoritteen välille muodostuu viive, joka sitoo varallisuutta yhtiön taseelle myyntisaamisiin. Ajanhetkellä t yrityksellä on mahdollisuus jakaa kassavirtoja osakkeenomistajille osinkoina, käyttää kertyneitä varoja velkojen lyhentämiseen tai sijoittaa varoja pitkän aikavälin investointeihin. Yritys voi myös päättää säilyttää osan kassavirroista tulevaa käyttöä varten, mikä on houkutteleva vaihtoehto, jos ulkoista rahoitusta on kallista hankkia. Schwartzmanin esittämässä kaaviossa korostuu käyttöpääoman komponenttien välinen aikarajoite (eng. lead-lag) sekä käteisvarojen ennakkoedellytys (eng. cash-in-advance) liiketoimintasyklin eri vaiheille. Liiketoimintasyklissä aikarajoite voi muodostaa pullonkaulan, jossa prosessin seuraava vaihe joutuu odottamaan edellisen vaiheen valmistumista, esimerkiksi myyntiä voi rajoittaa loppuunmyyty varasto. Vastaavasti myyntisaamiset ja varastot voivat sitoa varoja, jotka ovat ennakkoedellytyksenä tuotantoprosessin tuotantopanosten hankkimiselle tai velkojen maksuvelvoitteiden täyttämiseksi. Käyttöpääoman hallinnan päätavoitteena pidetäänkin optimaalisen tasapainon ylläpitämistä kunkin käyttöpääoman komponentin välillä. (Schiff & Lieber, 1974; Pogue ym., 1983; Kim & Chung, 1990) 19 2.7 Käyttöpääoman hallinnan mittarit Käyttöpääoman hallinnan mittareina käytetään yleisesti toimintasykliä (eng. operating cycle), käyttöpääomasykliä (eng. cash conversion cycle, CCC), painotettua käyttöpääomasykliä (eng. weighted cash conversion cycle, WCCC) ja nettokauppasykliä (eng. net trade cycle, NTC). Toimintasykli on aika, joka kuuluu yrityksellä raaka-aineiden hankinnasta, siihen hetkeen, kun yritys saa maksusuoritteet myydyistä valmistuotteista. Vaikka toimintasykli huomioi rahavirrat, jotka muodostuvat myyntisaamisista ja varastoista, se jättää huomioimatta ostovelkojen rahavirrat. (Nobanee, 2009.) Richards ja Laughlinin (1980) mukaan käyttöpääomasykli huomioi kaikki olevannaiset rahavirrat, jotka muodostuvat yrityksen liiketoiminnasta. Käyttöpääomasykli (CCC) lasketaan vähentämällä varastojen (ITID) ja myyntisaamisten kiertoajasta (ACP) ostovelkojen kiertoaika (APP). 𝐶𝐶𝐶=𝐼𝑇𝐼𝐷+𝐴𝐶𝑃−𝐴𝑃𝑃 Käyttöpääomasykli estimoi aikaa, joka kuluu raaka-aineostojen maksamisesta siihen hetkeen, kun yritys saa maksun valmistuotteista. (Nobanee, 2009.) Mitä pidempi käyttöpääomasykli on, sitä enemmän aikaa yrityksellä kuluu rahan generoimiseksi liiketoiminnasta. Raddatzin (2006) mukaan pitkä käyttöpääomasykli indikoi, että yrityksellä on tehoton kassanhallinta ja mahdollisesti tarve ulkoiselle rahoitukselle. Mittarina käyttöpääomasykli keskittyy ainoastaan aikaan, jolloin yrityksen varat ovat sidottuina käyttöpääomasyklissä. Käyttöpääomasyklissä ei siten ole huomioituna sidottujen varojen määrää, jotka ovat sidottuina yrityksen liiketoimintaan tuotteiden liikkuessa läpi toimintasyklin. (Nobanee, 2009.) Gentry ym. (1990) kehittivät painotetun käyttöpääomasyklin (WCCC), joka ottaa huomioon sekä kassavirtojen ajoituksen kuin myös varojen määrän, jotka sitoutuvat toimintasyklin eri vaiheisiin. WCCC mittaa painotettujen päivien lukumäärää, joina varat ovat sidottuina myyntisaamisiin, varastoihin ja ostovelkoihin, josta on vähennetty niiden päivien painotettu lukumäärä, joina käteismaksujen suorittamista on lykätty. WCCC:n laskeminen on monimutkaisempaa ja sen laskemiseksi on jaettava varasto kolmeen osaan: raaka-aineisiin, keskeneräisiin tuotteisiin ja valmistuotteisiin, jonka vuoksi sen hyödyntäminen on rajoitetumpaa yrityksen ulkopuolisille tutkijoille (Shin & Soenen, 1998). Shin ja Soenen (1998) ehdottavat nettokauppasykliä (NTC) vaihtoehtoiseksi tavaksi mitata käyttöpääoman hallintaa. Heidän mukaansa NTC tuottaa pohjimmiltaan vastaavia tuloksia kuin CCC ja WCCC, ilman toisistaan erillisten kiertoaikojen laskentaa. Nettokauppasykli ilmaisee myyntipäivien määrän, joina yrityksen on rahoitettava käyttöpääomaa ceteris paribus -ehdoin. (Nobanee, 2009.) 𝑁𝑇𝐶 =(𝑉𝑎𝑟𝑎𝑠𝑡𝑜+𝑀𝑦𝑦𝑛𝑡𝑖𝑠𝑎𝑎𝑚𝑖𝑠𝑒𝑡−𝑂𝑠𝑡𝑜𝑣𝑒𝑙𝑎𝑡) × 𝐴𝑗𝑎𝑛𝑗𝑎𝑘𝑠𝑜 (𝑝𝑣) 𝐿𝑖𝑖𝑘𝑒𝑣𝑎𝑖ℎ𝑡𝑜 20 Vaikka toimintasykli, käyttöpääomasykli, painotettu käyttöpääomasykli ja nettokauppasykli ovat tehokkaita mittareita käyttöpääoman hallinnalle ja likviditeetille, ne eivät ota huomioon myyntisaamisten, vaihto-omaisuuden ja ostovelkojen optimaalista määrää (Nobanee, 2009). 21 3.1 Kirjanpitotiedon arvorelevanssi Alkaen Ballin ja Brownin (1968) tutkimuksesta, kirjallisuudessa on laajasti tutkittu osakkeen arvon ja kirjanpitoerien välistä assosiaatiota, sen määrittämiseksi, heijastavatko kirjanpidon erät tietoa, jota sijoittajat käyttävät yrityksen oman pääoman arvostamiseksi (Barth ym., 2001; Holthausen & Watts, 2001). Vaikka näissä tutkimuksissa ei ole pyritty selvittämään, käyttävätkö sijoittajat suoranaisesti kirjanpitotietoa yrityksen arvostamiseen, Barth ym. (2001) selvittävät, että arvorelevanssin tutkimus tarjoaa syvällistä tietoa standardien asettajille, keskittyen kahteen päämäärään, jotka ovat johdettu Financial Accounting Standards Boardin (2010) käsitteellisestä viitekehyksestä. Ensimmäinen taloudellisen tiedon raportoinnille määritelty päämäärä on tuottaa informaatiota yrityksen ulkopuolisille pääomasijoittajille päätöksentekoa varten. Toisena päämääränä ovat arvorelevantit yhteistestit, joilla testataan kirjanpitoerien relevanssia ja todenmukaisuutta, jotka ovat kaksi perusarvoa hyödyllisen tiedon laadullisille ominaisuuksille. (Barth ym., 2023.) Osakkeen arvoon rajatun arvorelevanssin ohella voidaan tarkastella myös relevanssia yleisemmin, muun muassa sitä, ovatko laskentatoimen erät relevantteja päätöksenteolle tai pystytäänkö niillä selittämään eri ilmiöitä. Useat tutkimukset tarkastelevat kirjanpitoerien arvorelevanssin trendejä arvioidakseen, onko tilinpäätöksiin sisällytetty tieto menettämässä merkityksensä. Tämän kirjallisuuden varhaisimmat tutkimukset keskittyivät pelkästään kirjanpidon tulokseen. Näissä tutkimuksissa on havaittu, että kirjanpidon arvorelevanssi on vähentynyt kahdesta pääsyystä. Ensimmäinen on uuden talouden nousu, jossa tulevaisuuden voitot riippuvat merkittävästi aineettomaan pääomaan tehdyistä investoinneista. Tällaiset investoinnit kirjataan tyypillisesti kuluksi toteutumishetkellä, vaikka ne tuottavat tuloa pidemmällä aikavälillä. (Barth ym., 2023.) Lev ja Zarow (1999) havaitsivat heikon assosiaation osakkeen hinnan ja kirjanpidon tuloksen välille yhtiöissä, joissa oli enemmän aineetonta omaisuutta, ja määrittelivät tämän johtuvan kulujen ja tuottojen ajallisesta 3 KÄYTTÖPÄÄOMAN ARVORELEVANSSI 22 kohdistumisesta. Yhdenmukaisen ajoituksellisen eron havaitsivat Dichev ja Tang (2008) liikevaihdon ja kulujen korrelaation madaltumisesta. Donelsonin ym. (2011) sekä Srivastavan (2014) mukaan tämä selittyisi talouden muutoksilla, jossa yhä useamman uuden yrityksen liiketoimintamallit perustuvat aineettomaan omaisuuteen. Toisena selityksenä kirjanpidon tuloksen arvorelevanssin vähentymiselle on tappiollisten yritysten lisääntyminen. Collins ym. (1999) havaitsivat, että kirjanpidon tulos on vähemmän arvorelevantti kyseisille yrityksille. (Barth ym., 2023.) Ohlsonin (1995) todettua, että kirjanpidon tulos ei ole ainut kirjanpidon erä, joka on relevantti arvonmäärityksen kannalta, tutkimuksissa on tarkasteltu oman pääoman arvorelevanssia. Nämä tutkimukset viittaavat siihen, että teknologiayritysten ja tappiollisten yritysten arvoa voisi selittää kirjanpidon tuloksen arvorelevanssin vähentyminen ja vastaavasti oman pääoman arvorelevanssin kasvu. (Barth ym., 2023) Tämä johtuu siitä, että oman pääoman kirjanpitoarvo auttaa arvioimaan tulevaisuuden epänormaaleja tuottoja ja heijastaa tappiollisten yrityksien luopumisoptiota (eng. abandoment option). (Barth ym., 1998; Collins ym., 1999) Ennustetun mukaisesti Collins ym. (1997) sekä Francis ja Schipper (1999) havaitsivat, että kirjanpidon tuloksen arvorelevanssin vähentymistä kompensoi oman pääoman arvorelevanssin kasvu. Brown ym. (1999) havaitsivat kirjanpidon tuloksen arvorelevanssin vähentyneen ja oman pääoman arvorelevanssin kasvaneen 1950-luvun lopulta 1990-luvulle, mutta havaitsivat näiden yhdistetyn arvorelevanssin (eng. combined value relevance) vähentyneen sisällytettyä skaalavaikutuksen kontrollit. Vastaavasti Lev ja Zarow (1999) ja Balachandran ja Mohanram (2011) havaitsivat yhdistetyn arvorelevanssin vähentyneen 1970-luvun lopulta 2000-luvun alkuun. (Barth ym., 2023.) Myöhemmissä tutkimuksissa on sisällytetty arvorelevanssiin muita kirjanpidon eriä, mutta havaittu niiden yhdistetyn arvorelevanssin vähentyneen (Barth ym., 2023). Core ym. (2003) havaitsivat, että kirjanpidon tuloksen, oman pääoman sekä neljän aineettomaan omaisuuteen ja kasvumahdollisuuksiin liittyvien kirjanpidon erien: tutkimus & kehitys, markkinointikulut, pääomamenot ja liikevaihdon kasvu; arvorelevanssin olevan pienempi vuosina 1996–1999 kuin mitä se oli vuosina 1975–1995. Lev ja Gu (2016) vastaavasti havaitsivat, että kirjanpidon tuloksen, oman pääoman, varojen, liikevaihdon, myytyjen tavaroiden hankintamenon ja myynti-, yleisja hallinnollisten kustannuksien yhdistetty arvorelevanssi on vähentynyt vuodesta 1950 vuoteen 2013. (Barth ym., 2023.) Barth ym. (2023) tutkivat kirjanpidon erien arvorelevanssia kahdeksallatoista kirjanpitoerällä, jotka he jakoivat viiteen kategoriaan: kirjanpidon tulos ja oma pääoma, aineeton omaisuus, kasvumahdollisuudet, vaihtoehtoiset suorituskykymittarit ja muut. Tutkimuksessaan he havaitsivat, että kirjanpidon tuloksesta on tullut vähemmän arvorelevantti ja oman pääoman arvorelevanssi on kasvanut. Vastoin aiempia tutkimuksia, he eivät havainneet kirjanpitoerien yhdistetyn arvorelevanssin vähentyneen, joka selittyisi aineettoman omaisuuden, kasvumahdollisuuksien ja vaihtoehtoisten suorituskykymittareiden arvorelevanssin kasvusta. 23 3.2 Käyttöpääoman hallinnan yhteys yrityksen arvoon Käyttöpääoman hallinnan tehokkuus perustuu periaatteeseen, jossa operatiiviseen liiketoimintaan sitoutuneita käteisvaroja kerätään mahdollisimman nopeasti ja käteismaksuja suoritetaan mahdollisimman hitaasti (Nobanee, 2009). Suurimmassa osassa empiirisistä tutkimuksista on käytetty käyttöpääomatai nettokauppasykliä käyttöpääoman hallinnan tehokkuuden mittana. Lyhyemmät käyttöpääomaja nettokauppasyklit indikoivat, että yritys hallinnoi ja prosessoi varastoja tehokkaammin, kerää maksusuoritteita saamisistaan nopeammin ja suorittaa maksusuoritteita toimittajille hitaammin. Mitä pidempiä nämä syklit ovat, sitä enemmän yrityksen on sidottava varoja käyttöpääoman rahoittamiseen. Käyttöpääoman tehokkaalla hallinnalla pyritään minimoimaan investoinnit käyttöpääomaan ja vähentämään varojen tarvetta käyttöpääoman rahoittamiseen. Tällä tavoin se lisää käyttöpääomasijoituksen tuottoa ja mahdollistaa korkeammista lainakustannuksista selviämisen. (Dhole ym., 2019.) Käyttöpääomasyklin lyhentäminen voi toisaalta heikentää yrityksen kannattavuutta; varaston kiertoajan lyhentäminen voi aiheuttaa varaston loppuunmyynnin, myyntisaamisten kiertoajan lyhentäminen voi aiheuttaa hyvien luottoasiakkaiden menetyksen ja ostovelkojen kiertoajan pidentäminen voi vahingoittaa yrityksen luottomainetta. Lyhyillä käyttöpääoman muuntojaksoilla on siten assosiaatio korkeisiin vaihtoehtoiskustannuksiin ja pidemmillä muuntojaksoilla on assosiaatio korkeampiin kantokustannuksiin. (Nobanee, 2009.) Suurimmassa osassa empiirisistä tutkimuksista on havaittu negatiivinen yhteys käyttöpääoman ja yrityksen arvon tai taloudellisen suorituskyvyn välille. (ks. esim., De Almeida & Eid, 2014; Kieschnick ym., 2013; García-Teruel & Martinez-Solano, 2007; Deloof, 2003; Wang, 2002; Shin & Soenen, 1998; Pais & Gama, 2015) Näiden näkemysten mukaan, koska käyttöpääoma on tärkeä operatiivisen kassavirran komponentti ja operatiivinen kassavirta on osa vapaan kassavirran estimaattia, niin siten tehokas käyttöpääoman hallinta olisi arvorelevanttia mille tahansa yhtiölle (De Almeida & Eid, 2014). Vastakkaisia tuloksia ovat saaneet Padachi (2006), Sen ja Oruc (2009) ja Raheman ym. (2010), jotka havaitsivat käyttöpääomasyklin ja taloudellisen suorituskyvyn välille positiivisen yhteyden. Shin ja Soenen (1998) tutkivat kannattavuuden mittareiden ja nettokauppasyklin välistä yhteyttä. Heidän mukaansa, yritykset, jotka hallinnoivat käyttöpääomaa tehokkaammin (lyhyempi nettokauppasykli), omaavat korkeammat operatiiviset kassavirrat ja ovat siten potentiaalisesti arvokkaampia. Deloof (2003) analysoi suuria belgialaisia yhtiöitä vuodesta 1992 vuoteen 1996. Tutkimuksen mukaan kyseiset yritykset voisivat parantaa kannattavuuttaan madaltamalla myyntisaamisten ja varaston tasoa. Kieschnick ym. (2011) hyödynsivät Faulkenderin ja Wangin (2006) kehittämää metodologiaa, joka oli ensimmäinen tutkimus, joka osoitti käyttöpääoman hallinnan ja yrityksen arvon välisen yhteyden yhdysvaltalaisista yrityksistä muodostetusta otoksesta. Käyttäen yhdysvaltalaisten yritysten tilinpäätöstietoja ja osaketuottoja vuodesta 1990 vuoteen 2006, Kieschnick ym. (2011) havaitsivat 24 todistusaineistoa seuraaville väittämille: (i) käyttöpääomaan sijoitettu dollari on keskimäärin vähemmän arvokkaampi kuin käteisenä pidetty dollari; (ii) keskimäärin, käyttöpääomaan lisää sijoitettu dollari heikentää yrityksen arvoa; (iii) käyttöpääomaan sijoitetun lisädollarin arvoon vaikuttaa merkittävästi tulevaisuuden myyntiennusteet; ja (iv) ulkoinen rahoitus, konkurssiriski ja yrityksen velkataakka merkittävästi vaikuttavat käyttöpääomaan tehtyjen lisäsijoitusten omistaja-arvoon. Autukaite ja Molay (2011) hyödynsivät myös Faulkenderin ja Wangin (2006) kehittämää metodologiaa ja lisäsivät Kieschnick ym. (2011) käyttämään malliin lisää käyttöpääomaan liittyviä muuttujia tutkiakseen käyttöpääoman yhteyttä yrityksen arvoon. Havaintoaineistona he käyttivät ranskalaisten yhtiöiden tilinpäätöstietoja ja osaketuottoja vuodesta 2003 vuoteen 2009, ja tekivät seuraavat johtopäätökset: (i) sijoittajat arvostavat yhden käteisvarana pidetyn euron alle yhden euron; (ii) käyttöpääomaan lisää sijoitettu euro arvostetaan alle yhden euron; (iii) ja sitä, että käteiseen tai käyttöpääomaan sijoitetun euron arvo on alle yhden euron, selittää pääasiassa yrityksen rahoitusrakenne. Yrityksen päätarkoitus on kasvattaa sen markkina-arvoa (Sen & Oruc, 2009). Käyttöpääoman hallinta vaikuttaa yrityksen kannattavuuteen, riskiin ja siten sen arvoon (Smith, 1980). Näin ollen tehokas käyttöpääoman hallinta olisi avainasemassa minkä tahansa yhtiön kokonaisstrategian laadinnassa markkina-arvon kasvattamiseksi. (Howorth & Westhead, 2003; Deloof, 2003; Afza & Nazir, 2007) Yrityksen menestys on siten riippuvainen yrityksen kyvystä hallita tehokkaasti myyntisaamisia, vaihto-omaisuutta ja ostovelkoja (Filbeck & Krueger, 2005). 3.3 Kannattavuuden ja riskin välinen kompromissi Yhtenä käyttöpääoman hallinnan tärkeänä näkökulmana pidetään kannattavuuden ja riskin välistä kompromissia (Smith, 1980; Shin & Soenen, 1998, Deloof, 2003; Aktas ym., 2015; Kaushik & Chauhan, 2019; Raheman & Nasr, 2007). Pääomarakenne, investoinnit, osinkopolitiikka ja yrityksen arvon määrittäminen ovat yrityksen päätöksenteon alaisia, kun taas käyttöpääoman hallinta on seurausta neuvotteluista asiakkaiden ja toimittajien kanssa sekä varastonhallinnasta. Käyttöpääomasyklin pituus heijastaa siten yritysten valintoja investoida varastoihin, myöntää kauppaluottoja asiakkaille ja neuvotella toimittajilta saatavista kauppaluotoista. (Filbeck & Krueger, 2005.) Yrityksen ylläpitämä käyttöpääoman taso indikoi, kuinka paljon yritys on halukas ottamaan riskiä kannettavakseen. Filbeckin ja Kruegerin (2005) mukaan käyttöpääoman hallinnan käytännöt eroavat yrityksissä toimialoittain ja myös muuttuvat ajan myötä. Heidän mukaansa tätä voi selittää makroekonomiset tekijät kuten korkojen, innovaation ja kilpailun muutokset. Käyttöpääoman ollessa joustava omaisuuserä, sitä hallinnoimalla yritykset voivat sopeutua toimintaympäristön muutoksiin (Sen & Oruc, 2009). Yleisesti, yritys voi esimerkiksi päättää harjoittaa aggressiivista strategiaa vähentämällä käyttöpääomaan tehtäviä investointeja tai vaihtoehtoisesti ottaa käyttöön konservatiivisen strategian, jonka 25 tarkoituksena on lisätä käyttöpääomaan tehtäviä investointeja. (García-Teruel & Martínez-Solano, 2007; Tauringana & Afrifa, 2013) Aggressiivinen käyttöpääoman hallinta puoltaa lyhytaikaisten varojen minimointia pyrkimyksenä parantaa kannattavuutta, kun taas konservatiivinen käyttöpääoman hallinta puoltaa lyhytaikaisten varojen suhteellisen osuuden kasvattamista likviditeetin parantamiseksi. (Van Horne & Wachowicz, 2004; Filbeck ym., 2017). Seuraavassa taulukossa on esitetty käyttöpääoman hallinnan strategioiden suhde likviditeettiin, kannattavuuteen ja riskiin. Taulukko 1. Yhteenveto käyttöpääoman hallinnan strategioista (Van Horne & Wachowicz, 2004). Strategia Likviditeetti Kannattavuus Riski Konservatiivinen Korkea Matala Matala Keskiverto Keskiverto Keskiverto Keskiverto Aggressiivinen Matala Korkea Korkea Baños-Caballero ym. (2010) mukaan, yritykset, joilla on paremmat kasvumahdollisuudet ja suurempi kannattavuus, harjoittavat aggressiivista käyttöpääoman hallinnan strategiaa. Baños-Caballero ym. (2014) tutkimuksen mukaan käyttöpääomaan tehtävien investointien minimointi johtaa parempaan tulokseen, koska rahoituksen puute on yleistä ja erityisesti ulkoinen rahoitus on kallista. Tämän ajattelun mukaisesti Autukaite ja Molay (2011) toteavat, että yritykset voivat vähentää riippuvuuttaan ulkopuolisesta rahoituksesta, alentaa rahoituskustannuksiaan ja nauttia taloudellisesta joustavuudesta käyttöpääoman tehokkaalla hallinnalla. He väittävät myös, että tehokas käyttöpääoman hallinta pienentää yrityksen riskiä, mikä houkuttelee halvempaa rahoitusta sekä osakkeenomistajilta että lainanantajilta. Ganesanin (2007) mukaan käyttöpääoman vähentäminen pienentää rahoitustarvetta sekä pääoman kustannusta, mikä lisää osakkeenomistajien käytettävissä olevaa rahaa. Muu todistusaineisto viittaa siihen, että kassavirran parantuminen lisää investointeja käyttöpääomaan (Chiou ym., 2006; Hill ym., 2010). 3.4 Rahoitusrajoitteiden vaikutus käyttöpääoman hallintaan Modiglianin ja Millerin (1958) mukaan täydellisillä pääomamarkkinoilla yritykset saavat aina ulkoista rahoitusta, jonka takia rahoituksen saaminen ei riipu yrityksen sisäisestä pääomasta. Pääomamarkkinoita pidetään kuitenkin epätäydellisinä johtuen epäsymmetrisestä informaatiosta (eng. assymetric information) ja agenttikustannuksista (eng. agency cost), jotka lisäävät ulkoisen rahoituksen kustannuksia verrattuna sisäiseen rahoitukseen (Jensen & Meckling, 1976; Greenwald ym., 1984; Myers & Majluf, 1984). Toimeksiantosuhteella tarkoitetaan sopimusta, jossa yksi tai useampi päämies palkkaa toisen henkilön (agentin) suorittamaan joitain tehtäviä heidän 32 laukaisi globaalin paniikin rahoitusmarkkinoille. Sijoittajat alkoivat nostamaan varojansa pankeista ja sijoitusrahastoista ympäri maailman, koska tietoa ei ollut siitä, mitkä rahoituslaitokset olivat altistuneet subprime-lainoille ja mitkä niistä ajautuisivat seuraavana konkurssiin. Paniikin myötä, rahoitusmarkkinat ajautuivat tilaan, jossa kaikki pyrkivät myymään omistuksiaan samaan aikaan ja useat rahoituslaitokset, jotka pyrkivät samaan rahoitusta eivät sitä kyenneet enää saamaan. Heikontuneen taloustilanteen vuoksi yritykset alkoivat vähentämään investointejaan ja kotitaloudet kulutustaan. Tämän seurauksena Yhdysvallat ja monet muut taloudet ajautuivat syvään taantumaan. (Reserve Bank of Australia, 2024.) Yhdysvalloista alkunsa saaneen finanssikriisin vaikutukset ulottuivat myös Suomeen. Suurimmat vaikutukset nähtiin vuonna 2009, jolloin Suomen bruttokansantuote laski -8,1 % (Tilastokeskus, 2021) ja suomalaisten rahalaitosten euromääräiset lainat euroalueen yrityksille laskivat -4,76 % (Suomen Pankki, 2024). 4.2 Markkinoiden heikentynyt likviditeetti Aiempien tutkimusten mukaan, kun pankkilainaa ei ole tarjolla, kauppaluottoa usein käytetään pankkilainojen substituuttina (ks. esim. Petersen & Rajan, 1997; Nilsen, 2002; Fisman & Love, 2003; Wilner, 2000). Nämä näkemykset perustuvat lainojen uudelleenjakamisen teoriaan, jonka mukaan yritykset, joilla on parempi pääsy eri rahoituslähteisiin, jakavat saamaansa luottoa kauppaluoton muodossa heikommassa asemassa oleville yrityksille. (Meltzer, 1960; Petersen & Rajan, 1997; Nilsen, 2002) Edellä mainitun kirjallisuuden perusteella voitaisiin olettaa, että talouskriisin aikana, kun pankkien luotonanto vähentyy, kauppaluotosta tulisi suhteellisesti tärkeämpi rahoituksen lähde ja sen seurauksena kauppaluottojen määrän tulisi lisääntyä (Love ym., 2007). Love ym. (2007) tutkivat kehittyvien talouksien vaihtoehtoisten rahoituslähteiden käyttöä 1990-luvun Aasian talouskriisin aikaan. Tutkimuksessaan he havaitsivat kauppaluottojen määrän kasvaneen heti kriisin iskettyä, jota seurasi jyrkkä kauppaluottojen määrän supistuminen. Love ym. (2007) arvelevat, että kauppaluottojen määrän tilapäinen kasvu heti talouskriisin puhjettua johtuisi kumuloituneista maksamattomista kauppaluotoista ja nopea myyntisaamisten määrän supistuminen toimittajien tekemistä alaskirjauksista sekä ostajien maksujen suorittamisen jatkamisesta. Ennen kriisin alkua, yritykset, joilla oli suhteellisesti korkea määrä lyhytaikaista velkaa toimivat merkittävinä kauppaluoton tarjoajina markkinoilla. Kriisin käynnistyttyä samaiset yhtiöt merkittävästi vähensivät kauppaluottojen tarjontaa ja alkoivat itse tukeutumaan kauppaluottoon rahoituksen lähteenä. Love ym. (2007) arvelevat, että luottojen uudelleenjakamisen vaikutus heikkeni talouskriisin aikaan rahoituksen tarjonnan kuihtumisen vuoksi. Talouskriisin aikana rahoituslähteitä oli niukasti, sijoittajien vetäessä rahansa markkinoilta ja pankkien supistaessa lainojen tarjontaa. Potentiaalisten rahoituslähteiden kuihtuessa, ei siten kauppaluottojen muodossa tapahtuvaa lainojen uudelleenjakoa päässyt tapahtumaan samassa määrin. Tutkimuksessaan 33 he myös havaitsivat, että yritykset, joilla oli parempi likviditeetti (korkeammat kassavarat tai operatiiviset kassavirrat), tarjosivat enemmän kauppaluottoa asiakkailleen ja hyödynsivät vähemmän toimittajien myöntämää kauppaluottoa. Kestens ym. (2012) tutkivat luottojen uudelleenjakamisvaikutusta 2008 vuoden finanssikriisin aikana belgialaisilla listaamattomilla yhtiöillä. Tutkimuksen mukaan myyntisaamisten ja ostovelkojen taso pieneni finanssikriisin aikana. Erityisesti yritykset, joilla oli enemmän lyhytaikaista pankkilainaa kriisiä edeltävänä aikana, saivat heikommin uusittua lyhytaikaisia lainojaan sekä saivat vähemmän kauppaluottoa toimittajilta. Kestens ym. (2012) arvelevat tämän johtuneen kyseisten yrityksien kasvaneesta luottotappioriskistä. Sen sijaan, yritykset, jotka kykenivät saamaan lyhytaikaista pankkilainaa, myönsivät enemmän kauppaluottoa asiakkailleen. Kuitenkin tämä uudelleenjakamisvaikutus oli heikompi kuin kriisiä edeltävänä aikana. Yleisesti finanssikriisi vaikutti negatiivisesti yritysten kannattavuuteen, mutta vaikutus oli heikompi niiden yrityksien osalta, joiden myyntisaamisten määrä kasvoi kriisivuosina verrattuna kriisiä edeltävään aikaan. Vastakkaisesti, yritysten, joiden ostovelkojen määrä kasvoi verrattuna kriisiä edeltävään aikaan, kokivat suuremman kannattavuuden heikkenemisen finanssikriisin aikana. 4.3 Käyttöpääoman sopeuttaminen finanssikriisin aikana Yritysten kohdatessa talouskriisejä, yritykset pyrkivät sopeutumaan näihin äkillisiin shokkeihin erilaisin toimenpitein. Näihin toimenpiteisiin sisältyy kauppaluottoehtojen sopeuttaminen, kuten maksusuorituksen maksuajan pidentäminen tai kauppaluoton määrän kasvattaminen. Ceteris paribus -ehdoin, nämä sopeutumistoimenpiteet kasvattavat yrityksen toimittajalta saadun lainan määrää. Nämä mukautukset ovat siten taloudellisia toimenpiteitä, joilla yritykset sopeutuvat äkillisiin shokkeihin, joita voidaan kollektiivisesti kutsua kauppaluoton taloudellisiksi ajureiksi. Toisaalta yritykset voivat haluta käyttää reaalisia toimenpiteitä, kuten vähentää ostojen määrän volyymiä tai neuvotella hintoja alaspäin. Reaaliset toimenpiteet vähentävät maksettavan kauppaluoton määrää, vaikka kauppaluottojen ehdot eivät muutu. Näitä toimenpiteitä voidaan kutsua reaalisiksi kauppaluoton ajureiksi. (Tsuruta & Uchida, 2013.) Suurimmaksi osaksi yritykset rahoittavat ylimääräistä käyttöpääomaa käytettävissä olevilla rahoituslähteillä. Jos yritykset ovat rahoitusrajoitteisia, ylimääräisen käyttöpääoman kantaminen voi heikentää yrityksen tulosta, koska yritysten on käytettävä suhteellisen kalliita rahoituslähteitä sen rahoittamiseksi. (Tsuruta, 2019.) Tsuruta ja Uschida (2013) tutkivat toimenpiteitä, joita japanilaiset yritykset hyödynsivät sopeutuakseen kauppaluoton shokkeihin finanssikriisin aikana vuosina 2008–2009. Finanssikriisin aikana käyttöpääoman taso kasvoi seuraavista syistä: (i) myynnin nopean laskun myötä varastojen tasot kasvoivat; (ii) useiden yrityksien asiakkaat ajautuivat taloudellisiin vaikeuksiin ja alkoivat viivästyttämään maksuja tavaroiden ja palveluiden hankinnoista, jotka kasvattivat myyntisaamisten tasoa; (iii) myynnin vähentymisen myötä yritykset vähensivät 34 tavaroiden ja palveluiden ostoja, jonka vuoksi ostovelkojen taso laski. Tsurutan ja Uschidan mukaan kriisin aikaisia käyttöpääoman muutoksia selittävät taloudelliset sekä reaaliset toimenpiteet, joista suurimmalle osalle yrityksistä vahvempi vaikutus oli reaalisilla toimenpiteillä. Tsuruta (2019) tutki japanilaisten yhtiöiden käyttöpääoman muutosnopeutta sekä optimaalisen tason ylittävän käyttöpääoman määrän ja yrityksen taloudellisen suorituskyvyn välistä suhdetta finanssikriisin aikana. Tutkimuksessaan Tsuruta käytti aineistona japanilaisten yhtiöiden kvartaaliraportteja. Tutkimuksen tuloksien mukaan, kriisin puhjettua vuonna 2008 käyttöpääoman muutosnopeus oli hitaampaa verrattuna kriisiä edeltävään aikaan ja ylimääräisen käyttöpääoman määrä kasvoi. Lisäksi tutkimuksessa havaittiin negatiivinen yhteys ylimääräisen käyttöpääoman ja kannattavuuden välille, implikoiden, että ylimääräisen käyttöpääoman kantaminen heikentäisi yrityksien kannattavuutta. Kuitenkin käyttöpääoman hitaampi muutosnopeus ja negatiiviset vaikutukset käyttöpääomaan eivät olleet merkittäviä vuoden 2009 lopulla, ehdottaen, että kriisin aiheuttamat negatiiviset vaikutukset käyttöpääomaan lakkasivat noin vuosi kriisin alkamisen jälkeen. 35 5.1 Aineisto Tutkimuksessa käytettävä aineisto koostuu suomalaisten pienten ja keskisuurten yritysten tilinpäätöstiedoista, koska aiemmassa kirjallisuudessa esitetään, että käyttöpääoman hallinnan merkitys olisi suurempi pk-yrityksille kuin suurille yrityksille. Väitteet perustuvat siihen, että pk-yrityksillä on suhteellisesti enemmän lyhytaikaisia varoja kuin suurilla yrityksillä (García-Teruelin & MartínezSolanon, 2007), vähemmän likviditeettiä, epävakaammat kassavirrat ja suurempi riippuvuus lyhytaikaisista veloista (Peel ym., 2000) sekä heikompi ulkoisen rahoituksen saatavuus (Fazzari & Petersen, 1993; Petersen & Rajan, 1997; Whited, 1992). Aineisto on koottu Voitto+ -tietokannasta vuosilta 2006–2011. Aineistoon on valikoitu ne yhtiöt, jotka täyttävät tilastokeskuksen pk-yrityksen määritelmän. Tilastokeskuksen määritelmän mukaan yritys luokitellaan pk-yritykseksi, kun sen 1) palveluksessa on vähemmän kuin 250 työntekijää, ja 2) sen vuosiliikevaihto on enintään 50 miljoonaa euroa, tai 3) sen taseen loppusumma on enintään 43 miljoonaa euroa (Tilastokeskus, 2024a). Mikroyritykset, eli alle 10 työntekijän ja maksimissaan 2 miljoonan euron liikevaihdon tai taseen loppusumman yritykset (Tilastokeskus, 2024b) on rajattu tutkimusaineiston ulkopuolelle. Aikaisemman kirjallisuuden tavoin (Petersen & Rajan, 1997; Kestens ym., 2012), toimialoista on jätetty niiden vähäisen käyttöpääoman merkityksen vuoksi pois 1) maatalous, metsätalous ja kalatalous, 2) sähkö-, kaasuja lämpöhuolto, jäähdytysliiketoiminta, 3) vesihuolto, viemärija jätevesihuolto, jätehuolto ja muu ympäristön puhtaanapito, 4) rahoitusja vakuutustoiminta ja 5) kiinteistöalan toiminta. Vertailukelpoisuuden parantamiseksi edellä mainitusta aineistosta on valittu tutkimusaineistoon ne yhtiöt, joiden tilikausi on kalenterivuosi ja joilta on tilinpäätöstiedot saatavilla vuosilta 2006–2011. Aineisto koostuu 225 eri NACEtoimialaluokituksen omaavasta yhtiöstä. Taulukossa 2 on esitetty kymmenen lukumäärältään suurinta toimialaa ja taulukossa 3 on esitetty otokseen sisältyvien yhtiöiden toimialaluokituksien tilastolliset tunnusluvut. 5 AINEISTO JA MENETELMÄ 36 Taulukko 2. Otoksen kymmenen lukumäärältään suurinta toimialaa. Otokseen sisältyvien yhtiöiden toimiala Yhtiöiden lkm. Muiden koneiden, laitteiden ja tarvikkeiden tukkukauppa 36 Asuinja muiden rakennusten rakentaminen 24 Metallirakenteiden ja niiden osien valmistus 17 Muiden metallituotteiden valmistus 17 Tieliikenteen tavarakuljetus 16 Insinööripalvelut ja niihin liittyvä tekninen konsultointi 15 Henkilöautojen ja kevyiden moottoriajoneuvojen kauppa 14 Muiden muovituotteiden valmistus 14 Muiden rakennuspuusepäntuotteiden valmistus 14 Sähköasennus 14 Taulukko 3. Otoksen toimialojen tilastolliset tunnusluvut. Pienin Suurin Keskiarvo Mediaani Keskihajonta N 1 36 3,24 2 4,31 225 Tarkasteltava ajanjakso 2006–2011 on jaettu aikaan ennen finanssikriisiä 2006– 2007, finanssikriisin aikaan 2008–2009 ja finanssikriisin jälkeiseen aikaan 2010– 2011. Finanssikriisin aikana käsitetään 2008–2009 ajanjaksoa, koska 2008 vuoden aikana finanssikriisi alkoi kärjistyä johtaen suurien rahoitusalan yrityksien kuten Lehman Brothersin konkurssiin. Tilastokeskuksen tietojen mukaan kuitenkin suurin vaikutus Suomen bruttokansantuotteeseen koettiin vuonna 2009, jolloin Suomen BKT:n vuosimuutos-% oli -8,1 %. Kuvio 2. Bruttokansantuotteen vuosimuutos-% Suomessa 2005–2022 (Tilastokeskus, 2021). Lopulliseen aineistoon jäi 729 yrityksen tilinpäätöstiedot. Yritysvuosia aineistossa on 4374. Taulukossa 4 on esitetty otokseen sisältyvien yhtiöiden kokoa, ja -10 -8 -6 -4 -2 0 2 4 6 BKT:n vuosimuutos-% 37 käyttöpääoman komponenttien suhteellisia osuuksia kuvaavat tunnusluvut ajanjaksolta 2006–2011. Myyntisaamisten, varastojen ja ostovelkojen suhteelliset prosenttiosuudet taseen loppusummasta ovat aiempien tutkimusten tasolla (ks. esim. Rajan & Zingales, 1995; Cuñat, 2007). Taulukko 4. Tilastolliset tunnusluvut 2006–2011. missä RV = liikevaihto tEUR BS = taseen loppusumma tEUR P = henkilöstön lukumäärä AR% = myyntisaamisten suhteellinen osuus taseen loppusummasta INV% = varaston suhteellinen osuus taseen loppusummasta AP% = ostovelkojen suhteellinen osuus taseen loppusummasta Taulukoissa 5–7 on esitetty tilastollisia tunnuslukuja ajanjaksoilta 2006–2007, 2008–2009 ja 2010–2011. Tarkasteltavien kausien välillä ei ole keskiluvuista havaittavissa merkittäviä muutoksia liikevaihdon tai henkilöstömäärän osalta, johon vaikuttaa luonnollisesti aineiston rajaus. Myyntisaamisten ja ostovelkojen suhteellisten osuuksien keskiluvuissa on havaittavissa parin prosenttiyksikön lasku finanssikriisin ajalta verrattuna vertailukausiin. Varastojen suhteellisen osuuden osalta ei ole havaittavissa merkittäviä muutoksia keskiluvuissa kausien välillä. Käyttöpääoman suhteellisen osuuden keskiarvo taseen loppusummasta on likimain sama kaikkina ajanjaksoina (2006–2007; 30,99 %; 2008–2009; 30,64 %; 2010–2011; 30,73 %). Taseen loppusumman voidaan havaita keskija hajontalukujen perusteella kasvaneen finanssikriisin edetessä, mikä myös tarkoittaa sitä, että euromääräisesti käyttöpääoman määrä on kasvanut. 38 Taulukko 5. Yhtiön kokoa ja suhteellista käyttöpääoman tasoa kuvaavat tilastolliset tunnusluvut 2006–2007. Taulukko 6. Yhtiön kokoa ja suhteellista käyttöpääoman tasoa kuvaavat tilastolliset tunnusluvut 2008–2009. Taulukko 7. Yhtiön kokoa ja suhteellista käyttöpääoman tasoa kuvaavat tilastolliset tunnusluvut 2010–2011. 5.2 Tutkimusmenetelmä Empiirinen osuus on jaettu aikaisempien tutkimuksien mukaisesti kahteen osaan. Ensin testataan muodostettujen muuttujien keskinäistä lineaarista riippuvuutta Pearsonin korrelaatioanalyysillä. Toisessa osassa suoritetaan lineaarinen regressioanalyysi, jolla tutkitaan muodostettujen muuttujien välisiä yhteyksiä kahden 39 eri regressiomallin avulla. Regressiokertoimien estimointi tehdään pienimmän neliösumman menetelmällä (PNS) (eng. ordinary least squares, OLS). 5.2.1 Pearsonin korrelaatiokerroin Havaintoaineistoa tutkitaan ensin korrelaatioanalyysilla. Tilastollisessa tutkimuksessa yleisin tapa operationalisoida kahden muuttujan välinen yhteys on laskea niiden tilastollinen assosiaatio. Käsite korrelaatio tarkoittaa assosiaation yhtä erikoistapausta: lineaarista assosiaatiota. Pearsonin korrelaatio on yksi lineaarisen assosiaation erikoistapaus: standardoiduille muuttujille laskettu lineaarinen assosiaatio. Yksi yleisimpiä tilastollisia assosiaatiota on lineaarinen korrelaatiokerroin, joka kuvaa kahden mittaustuloksen välisen lineaarisen yhteyden vahvuutta. (Ketokivi, 2015, s. 69–70.) Tilastollista assosiaatiota käytettäessä on otettava huomioon neljä tärkeää näkökohtaa. Ensinnäkin assosiaation vahvuus ei kerro muuttujien vahvuudesta teorian tai käytännön merkittävyyden näkökulmasta. Kahden muuttujan vahva lineaarinen (tai minkä tahansa muotoinen) assosiaatio kertoo ainoastaan yhteyden muodosta, ei sen merkittävyydestä. Huomio on erityisen tärkeä käytettäessä Pearsonin korrelaatiokerrointa: 𝑟= ∑(𝑥𝑖−𝑥)∙(𝑦𝑖−𝑦) 𝑛 𝑖=1 √∑(𝑥𝑖−𝑥) 𝑛 𝑖=1 2∙√∑(𝑦𝑖−𝑦) 𝑛 𝑖=1 2 Kaava tiivistää mahdollisesti hyvin monimutkaisen assosiaation ja suuren määrän informaatiota yhdeksi lukuarvoksi. Olennaisin seuraamus tästä on se, että yhden ja saman korrelaatiokertoimen arvon voi tuottaa käytännössä ääretön määrä erilaisia assosiaatioita. Laskutoimituksen lopputulos on korrelaatiokerroin, joka saa arvon r = ±1 muuttujien assosiaation ollessa täydellisen (positiivisen tai negatiivisen) lineaarinen. Korrelaatio kerroin r = 0 tarkoittaa lineaarisen assosiaation täydellistä puuttumista. Pearsonin korrelaatiokerroin mittaa siis assosiaation lineaarisuuden vahvuutta. (Ketokivi, 2015, s. 71.) Kolmanneksi tilastollisten yhteyksien laskennassa sovelletaan usein tilastollisen merkitsevyyden (eng. statistical significance) käsitettä. Assosiaatio mittaustulosten x ja y välillä on tilastollisesti merkitsevä silloin, kun sen voidaan aineiston perusteella päätellä poikkeavan nollasta. Tilastollisen merkitsevyyden kasvaminen tarkoittaa, että assosiaatio näkyy aineistossa yhä selvemmin. (Ketokivi, 2015, s. 73.) Neljänneksi tilastolliseen merkitsevyyteen liittyy olennaisesti tilastollisen voiman (eng. statistical power) käsite. Tilastollisessa analyysissa on tilastollista voimaa sitä enemmän, mitä heikompia tilastollisia yhteyksiä tai pienempiä eroja analyysissa pystytään havaitsemaan. Keskeisin tilastolliseen voimaan vaikuttava tekijä on otoskoko: mitä suurempi otoskoko, sitä enemmän tilastollista voimaa analyysissä on. (Ketokivi, 2015, s. 73.) 40 5.2.2 Yleisesti lineaarisesta regressiomallista Lineaariset assosiaatiot ovat yleisimpiä tutkijoiden tarkastelemia assosiaatioiden muotoja, mutta assosiaatioiden tarkastelu ei rajoitu kahden muuttujan välisen lineaarisen korrelaation analyysiin. Useamman kuin kahden muuttujan tilastollisia assosiaatioita tutkittaessa siirrytään useimmiten regressioanalyysiin. Regressioanalyysin avulla voidaan tutkia useiden tekijöiden samanaikaista tilastollista yhteyttä mielenkiinnon kohteena olevaan muuttujaan. Regressioanalyysilla voidaan helposti tarkastella myös epälineaarisia yhteyksiä ja useamman muuttujan yhteisvaikutuksia. (Ketokivi, 2015, s. 74.) Matemaattisesta näkökulmasta regressioanalyysin päämäärä on selitettävän muuttujan y selittäminen selittävän muuttujan x avulla. Selittävien x-muuttujien varianssit ovat tyypillisesti tarkastelun ulkopuolella, ja niillä on ainoastaan välillinen rooli y:n varianssin selittämisessä. Näihin variansseihin on kuitenkin syytä kiinnittää huomiota erityisesti ei-kokeellisia aineistoja analysoitaessa: xmuuttujien keskinäiset tilastolliset assosiaatiot saattavat vaikeuttaa regressioanalyysin päättelyä. Kokeellisessa tutkimuksessa selittävien muuttujien väliset korrelaatiot eivät muodostu ongelmaksi, koska x-muuttujien arvoja voidaan koetilanteessa manipuloida niin, että kollineaarisuutta ei pääse syntymään. (Ketokivi, 2015, s. 109.) Klassinen lineaarinen regressiomalli soveltuu käytettäväksi, jos selitettäviä ja selittäviä muuttujia on molempia yksi, molemmat muuttujat ovat jatkuvia ja yhteyden oletetaan olevan lineaarinen. Yhden selittävän muuttujan regressioyhtälö on: 𝑦= 𝛽0+𝛽1𝑥+𝜀𝑦 Parametri β1 kuvaa x:n ja y:n välistä lineaarista yhteyttä, eli tämä yksinkertaisin regressioanalyysin muoto on hyvin lähellä korrelaatiokertoimen laskemista: x:n ja y:n lineaarinen korrelaatiokerroin on β1:n, x:n varianssin ja εy:n varianssin funktio. Jos selittäviä muuttujia on kaksi, regressioyhtälö on muotoa: 𝑦= 𝛽0+𝛽1𝑥1+𝛽2𝑥2+𝜀𝑦 Tässä tapauksessa x1:n ja y:n osakorrelaation (eng. part correlation) on β1:n ja εy:n funktio. Useamman selittävän muuttujan regressiomallissa tarkastellaan siis xja y-muuttujien välisiä osakorrelaatioita: β1 on muuttujan x1 vaikutus muuttujaan y sen jälkeen, kun muuttujan x2 vaikutus on otettu huomioon eli kontrolloitu. (Ketokivi, 2015, s. 114.) Erityisesti ei-kokeellisten aineistojen kohdalla selittävät muuttujat korreloivat toistensa kanssa. Tästä käytetään nimitystä kollineaarisuus. (Ketokivi, 2015, s. 121.) Kollineaarisuuden kasvaessa β-parametrin estimointiin käyttökelpoisen informaation määrä pienenee, estimaatin keskivirhe kasvaa ja estimaatista tulee epätarkka. Estimaatti on kuitenkin harhaton eli se ei ole vääristynyt tai virheellinen, ainoastaan epätarkka. Kollineaarisuus vaikuttaa samalla tavoin kuin pieni otoskoko: se ei vääristä tuloksia, mutta tekee niistä epätarkkoja ja tilastollisia 41 hypoteeseja testattaessa konservatiivisia nollahypoteesin suhteen. (Ketokivi, 2015, s. 122.) Selittävien muuttujien korrelaation ollessa tasan yksi, kyseisten muuttujien parametrien estimointi on mahdotonta (Ketokivi, 2015, s. 121). Kollineaarisuus on harvoin ongelma hyvin suurissa otoksissa (tuhansia havaintoyksiköitä), koska niissä on otoskoon suuruuden takia käytettävissä enemmän informaatiota parametrien estimointiin. (Ketokivi, 2015, s. 123). Estimaatti on sitä parempi mitä tehokkaampi se on, eli mitä pienempi estimaatin keskivirhe (ja parametrin arvolle laskettu luottamusväli) on. Selittävän muuttujan xi regressiokertoimen βi pienimmän neliösumman estimaattorin varianssi määräytyy seuraavasti (esim. Stone, 1945): 𝑉𝑎𝑟 𝛽 󰆹𝑖𝑂𝐿𝑆 =1 𝑁−𝑝−1∙𝑉𝑎𝑟 𝑦 𝑉𝑎𝑟 𝑥𝑖∙1−𝑅𝑦 2 1−𝑅𝑥𝑖 2 missä N = otoskoko p = estimoitavien β-parametrien määrä R2y = mallin selitysaste (prosenttiosuus y-muuttujan varianssista, joka selittyy x-muuttujista muodostetulla regressiofunktiolla) R2xi = sellaisen mallin selitysaste, jossa xi on selitettävänä muuttujana ja muut x-muuttujat selittävinä muuttujina. Tämä kaava kertoo, että PNS-estimaatit ovat sitä tehokkaampia mitä (1) suurempi otoskoko on (ensimmäisen termin nimittäjä eli N – p – 1 on suuri) (2) pienempi estimoitavien β-parametrien määrä on (ensimmäinen termin nimittäjä on tällöin suuri, joskin suurella otoskoolla yhden parametrin lisäyksen vaikutus on marginaalinen) (3) pienempi y:n varianssi on (toisen termin osoittaja on pieni) (4) suurempi xi:n varianssi on (toisen termin nimittäjä on suuri) (5) korkeampi mallin selitysaste on (kolmannen termin osoittaja on pieni) (6) alhaisempi x-muuttujien kollineaarisuus on (kolmannen termin nimittäjä on suuri). (Ketokivi, 2015, s. 124.) Havaintoaineistoissa myös mallin selittäviin muuttujiin vaikuttaa eri mekanismien kautta suuri määrä muuttujia. Kokeellisessa tutkimuksessa yksittäisten tekijöiden vaikutus voidaan eristää empiiriseen tarkasteluun vakioimalla koetilanteessa muiden muuttujien mahdollinen vaikutus. Ei-kokeellisessa tutkimuksessa samanlaista vakiointia ei voida tehdä. Tällöin malleihin pyritään lisäämään muitakin y-muuttujaan vaikuttavia muuttujia kuin tutkimuksen kohteena olevat xmuuttujat. Tämä voidaan tehdä osana regressioanalyysia. Jos kontrollimuuttuja puuttuu regressiomallista, β-parametrin estimointiin käytetään koko x:n ja y:n kovarianssia: yhteinen varianssi luetaan siis kokonaisuudessaan x-muuttujan selitysvoimaksi. Sikäli kuin osa tästä yhteisestä varianssista on jonkin mallista puuttuvan tekijän vaikutusta, x-muuttujan vaikutuksesta tehtävä johtopäätös 48 missä ROAit = kokonaispääoman tuottoaste yrityksellä i ajankohdalla t NTCit = nettokauppasykli yrityksellä i ajankohdalla t GROWTHit = liikevaihdon muutosprosentti yrityksellä i ajankohdalla t OCFit = käyttökateprosentti yrityksellä i ajankohdalla t DEBTit = suhteellinen velkaantuneisuusaste yrityksellä i ajankohdalla t SIZEit = yrityksen koko yrityksellä i ajankohdalla t TAit = aineellisten hyödykkeiden suhteellinen osuus yrityksellä i ajankohdalla t ε = virhetermi β = regressiokerroin Regressiomalli B Lisäksi tutkitaan regressioyhtälöä, jossa selitettävänä muuttujana on nettokauppasykli ja selittävinä muuttujina kokonaispääoman tuottoaste, liikevaihdon muutosprosentti, käyttökateprosentti, suhteellinen velkaantuneisuusaste, yrityksen koko ja aineellisten hyödykkeiden suhteellinen osuus. Muutoin malli on sama verrattuna edellä esitettyyn regressiomalliin A, mutta nettokauppasyklin ja kokonaispääoman tuottoasteen paikat ovat vaihdettu regressioyhtälössä. 𝑁𝑇𝐶𝑖𝑡 =𝛽0 +𝛽1𝑅𝑂𝐴𝑖𝑡 +𝛽2𝐺𝑅𝑂𝑊𝑇𝐻𝑖𝑡 +𝛽3𝑂𝐶𝐹𝑖𝑡 +𝛽4𝐷𝐸𝐵𝑇𝑖𝑡 +𝛽5𝑆𝐼𝑍𝐸𝑖𝑡 +𝛽6𝑇𝐴𝑖𝑡 +𝜀𝑖𝑡 missä ROAit = kokonaispääoman tuottoaste yrityksellä i ajankohdalla t NTCit = nettokauppasykli yrityksellä i ajankohdalla t GROWTHit = liikevaihdon muutosprosentti yrityksellä i ajankohdalla t OCFit = käyttökateprosentti yrityksellä i ajankohdalla t DEBTit = suhteellinen velkaantuneisuusaste yrityksellä i ajankohdalla t SIZEit = yrityksen koko yrityksellä i ajankohdalla t TAit = aineellisten hyödykkeiden suhteellinen osuus yrityksellä i ajankohdalla t ε = virhetermi β = regressiokerroin 49 Tässä luvussa käydään tutkimuksen empiiriset tulokset läpi. Havaintoaineistoa tutkitaan ensin yleisesti kuvailevalla tilastoanalyysillä, jonka jälkeen käydään läpi korrelaatioja regressioanalyysin tulokset. Viimeisessä luvussa on esitetty tuloksien pohjalta johtopäätökset ja tutkimuksen yhteenveto. Tutkimus toteutettiin kokonaisuudessaan SPSS-ohjelmistolla. 6.1 Kuvaileva tilastoanalyysi Taulukossa 8 on esitetty tutkimusmuuttujien tilastolliset tunnusluvut koko tarkasteltavalta ajanjaksolta 2006–2011 sekä taulukoissa 9–11 on esitetty vastaavat tilastolliset tunnusluvut poikkileikkauksittain 2006–2007, 2008–2009 ja 2010–2011. Taulukosta 8 voidaan havaita, että suomalaisilla pienillä ja keskisuurilla yrityksillä on mennyt verrattain hyvin ottaen huomioon poikkeukselliset markkinaolosuhteet. Kokonaispääoman tuottoasteen mediaani on 9,2 %, joka on hyvällä tasolla. Liikevaihdon muutosprosentin mediaani on 5,4 %, jonka mukaan yhtiöt ovat kyenneet keskimäärin kasvattamaan liikevaihtoa ajanjaksolla 2006–2011. Myöskään suhteellinen velkaantuneisuusaste ei ole hälyttävällä tasolla, sen mediaanin ollessa 26,6 %. Hajontaluvuista voidaan havaita, että yhtiöiden välillä on ollut merkittävästi vaihtelua kannattavuuden ja vakavaraisuuden osalta. Taulukko 8. Tutkimusmuuttujien tilastolliset tunnusluvut 2006–2011. 6 TUTKIMUKSEN TULOKSET 50 missä ROA = kokonaispääoman tuottoaste (%) NTC = nettokauppasykli (pv) GROWTH = liikevaihdon muutosprosentti (%) OCF = käyttökateprosentti (%) DEBT = suhteellinen velkaantuneisuusaste (%) SIZE = luonnollinen logaritmimuunnos taseen loppusummasta TA = aineellisten hyödykkeiden suhteellinen osuus (%) Taulukko 9. Tutkimusmuuttujien tilastolliset tunnusluvut 2006–2007. Taulukko 10. Tutkimusmuuttujien tilastolliset tunnusluvut 2008–2009. Taulukko 11. Tutkimusmuuttujien tilastolliset tunnusluvut 2010–2011. Taulukoiden 9–11 keskija hajontaluvuista tarkasteltuna voidaan havaita, että kokonaispääoman tuottoaste heikkeni finanssikriisin aikana, sen saadessa kuitenkin heikoimmat havaintoarvot finanssikriisin jälkeisenä aikana. Nettokauppasyklin pituuden keskiluvuista on havaittavissa, että finanssikriisin aikana sen pituus kasvoi ja se jatkoi kasvamistaan finanssikriisin jälkeenkin. Liikevaihdon 51 muutosprosentin keskiluvuista voidaan havaita, että finanssikriisin aikana liikevaihto keskimäärin laski, kun se vertailukausina 2006–2007 ja 2010–2011 kasvoi. Käyttökateprosentti on suurimmillaan aikana ennen finanssikriisiä, ja keskisekä hajontalukujen perusteella se heikkeni finanssikriisin aikana ja pysyi samalla tasolla finanssikriisin jälkeen. Suhteellisen velkaantuneisuusasteen tai yrityksen koon keskija hajontaluvuista tarkastellen ei ole havaittavissa merkittäviä eroja kausien välillä. Aineellisten hyödykkeiden suhteellisissa osuuksissa voidaan havaita lievää laskua finanssikriisin edetessä. 6.2 Korrelaatioanalyysin tulokset Regressioanalyysin estimaatin tarkkuuteen voi vaikuttaa multikollineaarisuus. Multikollineaarisuuden ongelman havaitsemiseksi aineistoa tutkitaan ennen regressioanalyysiä korrelaatioanalyysillä. Multikollineaarisuus voi muodostua ongelmaksi, jos selittävien muuttujien keskinäinen korrelaatio on suuri. Fieldin (2005) mukaan multikollineaarisuus muodostuu ongelmaksi, kun korrelaatiokerroin ylittää arvon 0,80. Taulukoista 12–15 voidaan havaita, että tässä tutkimuksessa multikollineaarisuus ei muodosta ongelmaa, sillä selittävien muuttujien välillä ei ole havaittavissa voimakasta keskinäistä korrelaatiota. Kuitenkaan mitään tarkkaa raja-arvoa ei ole olemassa, joka indikoisi, milloin multikollineaarisuus aiheuttaisi mallin kannalta ongelmia. Tämän vuoksi multikollineaarisuutta tutkitaan lisäksi regressioanalyysin yhteydessä VIF-kertoimen avulla. Korrelaationanalyysin avulla tutkitaan lisäksi aiemmassa kirjallisuudessa esitettyjä muuttujien välisiä yhteyksiä. Korrelaatiokertoimista ei voida vetää tarkempia johtopäätöksiä muuttujien välisestä kausaliteetista, tätä tutkitaan lähemmin regressioanalyysin yhteydessä. Taulukoissa 12–15 on esitetty korrelaatioanalyysin tulokset ajanjaksoilta 2006–2011, 2006–2007, 2008–2009 ja 2010–2011. Taulukko 12. Korrelaatiomatriisi 2006–2011. missä ROA = kokonaispääoman tuottoaste (%) 52 NTC = nettokauppasykli (pv) GROWTH = liikevaihdon muutosprosentti (%) OCF = käyttökateprosentti (%) DEBT = suhteellinen velkaantuneisuusaste (%) SIZE = luonnollinen logaritmi taseen loppusummasta TA = aineellisten hyödykkeiden suhteellinen osuus (%) Taulukko 13. Korrelaatiomatriisi 2006–2007. Taulukko 14. Korrelaatiomatriisi 2008–2009. Taulukko 15. Korrelaatiomatriisi 2010–2011. 53 Korrelaatioanalyysin perusteella kokonaispääoman tuottoasteen ja nettokauppasyklin välillä on tilastollisesti erittäin merkitsevä negatiivinen yhteys tarkasteltaessa koko ajanjaksoa 2006–2011. Vastaavanlaisia tuloksia on saatu aiemmissa tutkimuksissa (ks. esim., De Almeida & Eid, 2014; Kieschnick, ym., 2013; GarcíaTeruel & Martinez-Solano, 2007; Deloof, 2003; Wang, 2002; Shin & Soenen, 1998; Pais & Gama, 2015). Tarkasteltaessa poikkileikkauksia, negatiivinen yhteys on tilastollisesti erittäin merkitsevä ainoastaan finanssikriisin ajalta 2008–2009. Suhteellisen velkaantuneisuusasteen ja nettokauppasyklin välille odotettiin aiemman kirjallisuuden (Hillin ym., 2010) perusteella negatiivista yhteyttä. Negatiivinen yhteys havaitaan tarkasteltaessa koko ajanjaksoa 2006–2011, kuitenkaan se ei ole tilastollisesti merkitsevä. Poikkileikkauksien osalta tilastollisesti erittäin merkitsevä negatiivinen yhteys havaitaan finanssikriisiä edeltävältä ajanjaksolta 2006–2007. Muilta poikkileikkauksilta ei ole havaittavissa tilastollisesti merkitseviä yhteyksiä. Asetetut oletukset perustuivat aiempaan tutkimukseen (Hill ym., 2010), jossa tilinpäätösaineisto on kerätty vuosilta 1996–2006. Tulokset eivät siten ole suoraan verrattavissa aiempaan tutkimukseen. Finanssikriisi voi osittain selittää ajanjaksojen 2008–2009 ja 2010–2011 tuloksia, jota analysoidaan tarkemmin regressioanalyysin yhteydessä. Kuviosta 3 voidaan havaita, että finanssikriisin aikana Suomen rahalaitosten yrityslainakanta supistui, jolla voi olla vaikutus suhteellisen velkaantuneisuusasteen ja nettokauppasyklin väliseen havaittuun yhteyteen. Kuvio 3. Suomen rahalaitosten euromääräiset lainat euroalueen yrityksille (Suomen Pankki, 2024). Nettokauppasyklin ja liikevaihdon muutosprosentin välille odotettiin aiemman kirjallisuuden perusteella (Pais & Gama, 2015; Niskanen & Niskanen, 2006) positiivista yhteyttä. Korrelaatioanalyysissä havaitaan ajanjaksolta 2006–2011 erittäin merkitsevä negatiivinen yhteys. Poikkileikkauksien osalta finanssikriisiä edeltävältä ajanjaksolta 2006–2007 havaitaan negatiivinen tilastollisesti ei merkitsevä yhteys, finanssikriisin ajalta 2008–2009 tilastollisesti erittäin merkitsevä negatiivinen yhteys sekä tilastollisesti merkitsevä negatiivinen yhteys ajanjaksolta 54 2010–2011. Mielenkiintoista on se, että ajanjaksolta 2006–2007 ei havaita tilastollisesti merkitsevää yhteyttä nettokauppasyklin ja liikevaihdon muutosprosentin välille, vaikka nettokauppasyklin laskentakaavan perusteella olettaisi, että liikevaihdon muutoksilla olisi suora vaikutus nettokauppasyklin pituuteen. Nettokauppasyklin ja yrityksen koon välinen yhteys vastaa odotettua. Tarkasteltaessa ajanjaksoa 2006–2011 yhteys on positiivinen ja tilastollisesti erittäin merkitsevä. Vertailuajanjaksoilta 2006–2007 sekä 2010–2011 havaitaan positiiviset yhteydet, joiden tilastolliset merkitsevyydet ovat kuitenkin heikot. Finanssikriisin ajalta 2008–2009 havaitaan positiivinen yhteys, joka on tilastollisesti merkitsevä. Vastaavanlaisia tuloksia ovat saaneet Kiechnick ym. (2006) yhdysvaltalaisille yhtiöille, tosin Kiechnickin ym. (2006) tutkimuksessa aineisto on kerätty eri ajanjaksolta. Nettokauppasyklin ja aineellisten hyödykkeiden välinen yhteys vastaa odotettua. Kaikilta tarkastelluilta poikkileikkauksilta havaitaan tilastollisesti erittäin merkitsevä negatiivinen yhteys nettokauppasyklin ja aineellisten hyödykkeiden välille. Fazzarin ja Petersenin (1993) mukaan aineelliset hyödykkeet kilpailevat varoista käyttöpääoman kanssa, kun yrityksillä on rahoitusrajoitteita. Whitedin (1992) mukaan pk-yrityksillä olisi heikompi sisäisen ja ulkoisen rahoituksen saatavuus verrattuna suurempiin yrityksiin. Nettokauppasyklin ja käyttökateprosentin välille odotettiin positiivista yhteyttä. Tarkasteltaessa ajanjaksolta 2006–2011 havaitaan tilastollisesti erittäin merkitsevä negatiivinen yhteys. Finanssikriisiä edeltävältä ajanjaksolta 2006– 2007 havaitaan negatiivinen yhteys, joka ei ole tilastollisesti merkitsevä. Finanssikriisin ajalta 2008–2009 havaitaan negatiivinen yhteys, joka on tilastollisesti erittäin merkitsevä sekä finanssikriisin jälkeiseltä ajanjaksolta 2010–2011 havaitaan negatiivinen yhteys, jonka tilastollinen merkitsevyys on heikko. Vastakkaisia tuloksia ovat saaneet García-Teruel & Martínez-Solano (2010a) ja Niskanen ja Niskanen (2006). Aiemmissa tutkimuksissa ei kuitenkaan ole tutkittu finanssikriisin aikaa, jonka vuoksi ne eivät ole suoraan vertailukelpoisia tähän tutkimukseen. Vastakkaisia tuloksia voi selittää finanssikriisi, jota tarkemmin tutkitaan regressioanalyysin yhteydessä. 6.3 Regressioanalyysin tulokset Tässä kappaleessa käydään läpi regressioanalyysin tulokset. Ennen regressioanalyysin tuloksien läpikäyntiä tutkitaan lineaariselle regressiolle asetettujen oletuksien täyttymistä regressiomallien A ja B osalta, jonka jälkeen analysoidaan niiden vaikutuksia regressioanalyysin tuloksiin. Tämän jälkeen käydään läpi regressioanalyysien tulokset molempien mallien osalta. 55 6.3.1 Lineaarisen regression oletuksien testaaminen Regressiomallin A osalta tutkitaan ensin Gauss-Markovin oletuksien täyttymistä. Regressiomallissa A muodostettiin kokonaispääoman tuottoasteen ja selittävien muuttujien välisten yhteyksien tutkimiseksi seuraava yhtälö: 𝑅𝑂𝐴𝑖𝑡 =𝛽0 +𝛽1𝑁𝑇𝐶𝑖𝑡 +𝛽2𝐺𝑅𝑂𝑊𝑇𝐻𝑖𝑡 +𝛽3𝑂𝐶𝐹𝑖𝑡 +𝛽4𝐷𝐸𝐵𝑇𝑖𝑡 +𝛽5𝑆𝐼𝑍𝐸𝑖𝑡 +𝛽6𝑇𝐴𝑖𝑡 +𝜀𝑖𝑡 missä ROAit = kokonaispääoman tuottoaste yrityksellä i ajankohdalla t NTCit = nettokauppasykli yrityksellä i ajankohdalla t GROWTHit = liikevaihdon muutosprosentti yrityksellä i ajankohdalla t OCFit = käyttökateprosentti yrityksellä i ajankohdalla t DEBTit = suhteellinen velkaantuneisuusaste yrityksellä i ajankohdalla t SIZEit = yrityksen koko yrityksellä i ajankohdalla t TAit = aineellisten hyödykkeiden suhteellinen osuus yrityksellä i ajankohdalla t ε = virhetermi β = regressiokerroin Muuttujat ovat muodostettu pienten ja keskisuurten yhtiöiden tilinpäätöstiedoista, jotka ovat suhdeasteikollisia ja jatkuvia. Selitettävä muuttuja on vaihteluväliltään rajoittamaton ja sen varianssi ei ole nolla. Muuttujat toteuttavat siten Gauss-Markovin ensimmäisen ja toisen oletuksen. Selittäviä muuttujia on tutkittu multikollineaarisuuden ongelman havaitsemiseksi korrelaatioanalyysin yhteydessä. Korrelaatioanalyysissä ei havaittu selittävien muuttujien välille voimakasta keskinäistä korrelaatiota. Multikollineaarisuutta tutkitaan lisäksi VIF-kertoimen avulla. Taulukossa 16 on esitetty VIFkertoimet tarkastelluille ajanjaksoille 2006–2007, 2008–2009, 2010–2011 ja 2006– 2011. Taulukko 16. Regressiomallin A VIF-kertoimet ajanjaksoittain. Selittävien muuttujien VIF-kertoimet saavat arvoja 1,011–1,296 väliltä. VIF-kertoimelle ei ole olemassa yksiselitteistä raja-arvoa, joka kertoisi, milloin multikollineaarisuus on ongelmallista. Yhden yleisesti käytetyn peukalosäännön mukaan ongelmia esiintyy, jos VIF-kertoimen arvo on 10 tai enemmän (Kaakinen & Ellonen, 2021b). Tehtyjen testien perusteella multikollineaarisuus ei aiheuta ongelmia. Selittävät muuttujat toteuttavat siten Gauss-Markovin kolmannen oletuksen. 56 Gauss-Markovin neljännen oletuksen mukaan selittävien muuttujien joukon kaikilla mahdollisilla arvoilla virhetermin keskiarvo on nolla. Yksittäisen havainnon arvon etäisyyttä regressiosuorasta kutsutaan havainnon residuaaliksi (Kaakinen & Elonen, 2021b). Taulukossa 17 on esitetty selittävien muuttujien residuaalien tilastolliset tunnusluvut. Taulukosta voidaan havaita, että residuaalien keskiarvo saa arvon nolla kaikkina tarkasteltuina ajanjaksoina. Gauss-Markovin neljäs oletus on siten voimassa. Taulukko 17. Regressiomallin A residuaalien tilastolliset tunnusluvut ajanjaksoittain. Gauss-Markovin viidennen oletuksen mukaan yksikään selittävä muuttuja ei korreloi virhetermin kanssa. Tämä oletus tarkoittaa sitä, ettei mallista puutu muuttujia, jotka korreloivat merkittävästi sekä selittävien että selitettävän muuttujan kanssa. Tällaisten muuttujien puuttuminen mallista voi vääristää sekä mallin kertoimia että niihin liittyvää tilastollista päättelyä. (Kaakinen & Ellonen, 2021a.) Malliin on sisällytetty kontrollimuuttujia, joiden on aiempien tutkimuksien mukaan havaittu olevan vaikutus kannattavuuden ja käyttöpääoman hallinnan väliseen yhteyteen. Oletetaan siten Gauss-Markovin viidennen oletuksen täyttyvän. Gauss-Markovin kuudennen oletuksen mukaan virhetermin varianssi on sama kaikilla selitettävän muuttujan ennustetuilla arvoilla. Tämä oletus liittyy virhetermin homoskedastisuuteen, jota analysoidaan graafisesti sirontakuvioiden avulla. Kuviossa 4 on esitetty standardoidut residuaalit pystyakselilla ja ennustetut arvot vaaka-akselilla ajanjaksolta 2006–2011. Kuvio 4. Regressiomallin A sirontakuvio regressiomallin standardoiduista ennustetuista arvoista ja residuaaleista 2006–2011. 57 Sirontakuviosta voidaan havaita, että selitettävän muuttujan virhetermin varianssi ei ole sama kaikilla selittävän muuttujan ennustetuilla arvoilla. Sirontakuvion perusteella näyttää siltä, että pisteparvi hajoaa arvojen lähestyessä jakauman ääriarvoja. Varianssin voidaan havaita kasvavan etenkin mallin ennustaessa keskiarvoa suurempia arvoja. Mikäli selittävien muuttujien ja selitettävän muuttujan välinen yhteys olisi epälineaarinen, sirontakuvioon tulisi olla soviteltavissa epälineaarinen käyrä. Sirontakuviosta tarkasteltuna ei kuitenkaan näytä siltä, että kuvioon olisi selkeästi soviteltavissa epälineaarinen käyrä. Liitteessä 1 on esitetty sirontakuviot poikkileikkauksittain ajanjaksoilta 2006–2007, 2008– 2009 ja 2010–2011. Poikkileikkauksittain tarkasteltuna sirontakuviot muistuttavat koko aineistosta laadittua sirontakuviota. Heteroskedastisuus vaikuttaa siten kaikkien poikkileikkauksien tarkasteluun kuta kuinkin samalla tavalla. Heteroskedastisuus ei vaikuta regressiomallin kertoimiin, mutta se vääristää tilastollista päättelyä. Gauss-Markovin kuudes oletus ei täyty. Gauss-Markovin seitsemännen oletuksen mukaan havainnot ovat toisistaan riippumattomia, eli niiden virhetermit eivät korreloi keskenään. Tämä oletus liittyy autokorrelaatioon. Otosta tutkitaan autokorrelaation varalta DurbinWatsonin testillä. Taulukossa 18 on esitetty Durbin-Watsonin testin tulokset poikkileikkauksittain. Durbin-Watsonin testin tuloksista voidaan havaita, että arvot ovat hyvin lähellä arvoa kaksi. Tämä tarkoittaa sitä, että autokorrelaatiosta ei aiheudu tutkimuksen kannalta ongelmia. Gauss-Markovin seitsemäs oletus täyttyy. Taulukko 18. Regressiomallin A Durbin-Watsonin testin tulokset ajanjaksoittain. Estimaatti on sitä parempi mitä tehokkaampi se on, eli mitä pienempi estimaatin keskivirhe ja parametrin arvolle laskettu luottamusväli on (Ketokivi, 2015, s. 124). Gauss-Markovin oletuksien lisäksi on siten syytä tarkastella virhetermin jakaumaa, koska sillä on keskeinen vaikutus estimaatin keskivirheeseen ja parametrin arvolle laskettuun luottamusväliin. Virhetermin jakauman normaalisuutta testataan Kolmogorovin-Smirnovin ja Shapiron-Wilkin testeillä. Molemmissa testeissä nollahypoteesina on oletus, että muuttuja noudattaa normaalijakaumaa. Molemmat testit hylkäävät nollahypoteesin kaikille ajanjaksoille sekä standardoiduilla että standardoimattomilla residuaaleilla. Testeillä on taipumus hylätä normaalijakaumaoletus liian herkästi, mikäli havaintoja on paljon (Metsämuuronen, 2011, s. 645). Tästä syystä tutkitaan jakaumia lisäksi graafisia menetelmiä käyttäen. Kuviossa 5 on esitetty histogrammi regressiomallin standardoiduista residuaaleista verrattuna teoreettiseen normaalijakaumaan ajanjaksolta 2006–2011. 64 omaisuuseriä, jotka ovat välttämättömiä yritysten tavaroiden ja palveluiden tuottamiseksi, mutta toisaalta ne investointeina aiheuttavat yhtiölle kuluja. Regressioanalyysin perusteella aineellisten hyödykkeiden suhteellisen osuuden kasvu heikentää kokonaispääoman tuottoastetta. Verrattaessa kokonaispääoman tuottoasteen ja selittävien muuttujien välisiä yhteyksiä poikkileikkauksittain, voidaan havaita, että selittävien muuttujien vaikutus kokonaispääoman tuottoasteeseen heikkenee johdonmukaisesti finanssikriisin edetessä, joka voidaan havaita regressiokertoimien lähestymisestä arvoa nolla ajan edetessä. Tämä voisi viitata siihen, että jokin mallin ulkopuolinen muuttuja vaikuttaisi kokonaispääoman tuottoasteen ja sitä selittävien muuttujien välisiin yhteyksiin, joka voisi mahdollisesti selittyä finanssikriisin aiheuttamilla poikkeuksellisilla markkinaolosuhteilla. 6.3.4 Regressiomallin B regressioanalyysin tulokset Taulukossa 23 on esitetty regressiomallin B pätevyyttä kuvaavia tunnuslukuja. F-testin tulokset ovat tilastollisesti erittäin merkitseviä kaikille tarkastelluille ajanjaksoille. Eri ajanjaksoille regressiomallin selitysosuus (R2-luku) saa arvoja 0,086–0,120 väliltä. Valitut selittävät muuttujat selittävät selitettävän muuttujan vaihtelusta 8,6–12,0 % riippuen ajanjaksosta. Korjattu R2-luku, jossa on huomioitu selitettävien muuttujien määrä, saa likimain vastaavia arvoja kuin korjaamaton R2-luku. Estimaatin keskivirhe on noin 57. Estimaatin keskivirhettä verrattaessa aiemmin laskettuihin nettokauppasyklin tilastollisiin tunnuslukuihin (Keskiarvo: 68,78; Mediaani: 60,20; Keskihajonta: 59,76; Pienin: - 704,30; Suurin: 734,00) voidaan todeta, että mallin tarkkuus (selitysvoima) on erittäin heikko. Tämä osoittaa, että käytetyillä selittävillä muuttujilla ei pystytä tarkasti ennustamaan nettokauppasyklin pituutta. Lisäksi lineaariselle regressiolle asetetut oletukset eivät kaikilta osin täyttyneet, jotka heikentävät tuloksien luotettavuutta. Taulukossa 24 on esitetty regressioanalyysin selittävät muuttujat, niiden standardoimattomat regressiokertoimet, standardoidut regressiokertoimet, tja p-arvot. Taulukko 23. Regressiomallin B pätevyyden tunnusluvut. 65 Taulukko 24. Regressiomallin B regressioanalyysin tulokset ajanjaksoittain. Nettokauppasyklin ja kokonaispääoman tuottoasteen välille havaitaan kaikilta tarkastelluilta ajanjaksoilta negatiivinen ja tilastollisesti erittäin merkitsevä yhteys. Regressiokerroin saa arvon -0,812 ennen finanssikriisiä, arvon -0,878 finanssikriisin ajalta ja arvon -0,533 finanssikriisin jälkeiseltä ajalta. Regressioanalyysin perusteella kokonaispääoman tuottoasteen kasvaessa yhden prosentin nettokauppasykli lyhenee keskimäärin 0,533–0,878 päivää. Vastaavanlaisia tuloksia on saatu aiemmissa tutkimuksissa (ks. esim., De Almeida & Eid, 2014; Kieschnick ym., 2013; García-Teruel & Martinez-Solano, 2007; Deloof, 2003; Wang, 2002; Shin & Soenen, 1998; Pais & Gama, 2015). Aiemmissa tutkimuksissa ei ole tutkittu finanssikriisin aikaa, mutta tulokset antavat viitteitä siitä, että finanssikriisillä ei ole vaikutusta tämän yhteyden ilmenemiseen. Nettokauppasyklin ja käyttökateprosentin välille havaitaan kaikilta tarkastelluilta ajanjaksoilta tilastollisesti erittäin merkitsevät positiiviset yhteydet. Regressiokerroin saa finanssikriisiä edeltävältä ajalta arvon 1,344, finanssikriisin ajalta arvon 0,846 ja finanssikriisin jälkeiseltä ajalta arvon 0,756. Havaittu yhteys vastaa odotettua. Niskanen ja Niskanen (2006) tutkivat pieniä suomalaisia yhtiöitä ja havaitsivat, että yritykset, joilla oli korkeammat liiketoiminnan kassavirrat, hyödynsivät vähemmän toimittajien kauppaluottoja. Vastaavanlaiset havainnot tekivät García-Teruel & Martínez-Solano (2010a) Yhdistyneessä kuningaskunnassa toimivista keskisuurista yrityksistä. Mielenkiintoista on, että regressiokerroin on lähes kaksinkertainen finanssikriisiä edeltävältä ajalta verrattuna finanssikriisin aikaan ja sen jälkeiseen aikaan. Finanssikriisi on omalta osaltaan voinut 66 vaikuttaa nettokauppasyklin ja käyttökateprosentin väliseen yhteyteen. Aiempien tutkimusten Love ym. (2007) ja Kestens ym. (2012) mukaan luottojen uudelleenjakamisvaikutus on ollut heikompaa talouskriisien aikana kuin talouskriisien ulkopuolella, jonka arvellaan johtuvan kohonneesta luottotappioriskistä. Yhtiöt ovat voineet siten vähentää kauppaluottojen tarjontaa finanssikriisin aikana ja pyrkiä itse tukeutumaan kauppaluottoon, huolimatta siitä, kuinka paljon yhtiön liiketoiminta on tuottanut varoja sisäisesti. Mielenkiintoista on myös se, että korrelaatioanalyysi (kappale 6.2) antoi vastakkaisia tuloksia muuttujien väliselle yhteydelle, mutta otettua huomioon kontrollimuuttujat yhteys kääntyi positiiviseksi. Nettokauppasyklin ja yrityksen koon välille havaitaan positiivinen yhteys kaikille tarkasteltaville ajanjaksoille. Finanssikriisiä edeltävältä ajalta havaitaan heikko tilastollinen merkitsevyys regressiokertoimen saadessa arvon 4,231, finanssikriisin ajalta havaitaan tilastollisesti merkitsevä yhteys regressiokertoimen saadessa arvon 5,861 ja finanssikriisin jälkeiseltä ajalta havaitaan tilastollisesti merkitsevä yhteys regressiokertoimen saadessa arvon 5,213. Tulokset vastaavat aiempia tutkimuksia. Kiechnick ym. (2006) havaitsivat yhdysvaltalaisista yhtiöistä koostetusta aineistosta, että käyttöpääomasyklin ja yrityksen koon välillä on positiivinen yhteys. Petersenin ja Rajanin (1997) ja Niskasen ja Niskasen (2006) mukaan yritykset, joilla on parempi pääsy pääomamarkkinoille myöntävät enemmän kauppaluottoja. Whitedin (1992) mukaan suuremmilla yhtiöillä on parempi pääsy sisäiseen ja ulkoiseen rahoitukseen. Tutkimustuloksien perusteella nettokauppasyklin ja yrityksen koon välinen yhteys ilmenee selvemmin ja voimakkaammin finanssikriisin aikana verrattuna vertailuajanjaksoihin. Nettokauppasyklin ja aineellisten hyödykkeiden suhteellisen osuuden välille havaitaan kaikille ajanjaksoille tilastollisesti erittäin merkitsevät negatiiviset yhteydet. Ajalta ennen finanssikriisiä regressiokerroin saa arvon -0,906, finanssikriisin ajalta -0,932 ja finanssikriisin jälkeiseltä ajalta -0,850. Tulokset vastaavat aiempia tutkimuksia. Fazzarin ja Petersenin (1993) mukaan aineelliset hyödykkeet kilpailevat varoista käyttöpääoman kanssa, kun yrityksellä on rahoitusrajoitteita. Whitedin (1992) mukaan pk-yrityksillä olisi heikompi sisäisen ja ulkoisen rahoituksen saatavuus verrattuna suurempiin yrityksiin. Suomen Pankin (2024) julkaisemien tilastojen perusteella suomalaiset rahoituslaitokset vähensivät merkittävästi yrityslainojen määrää finanssikriisin aikana, joka on voinut aiheuttaa pk-yrityksille entistä suurempia rahoitusrajoitteita. Nettokauppasyklin ja liikevaihdon muutosprosentin välille havaitaan finanssikriisiä edeltävältä ajalta positiivinen yhteys, joka ei ole tilastollisesti merkitsevä. Finanssikriisin ajalta havaitaan tilastollisesti erittäin merkitsevä negatiivinen yhteys regressiokertoimen saadessa arvon -0,296 ja finanssikriisin jälkeiseltä ajalta havaitaan tilastollisesti heikosti merkitsevä negatiivinen yhteys regressiokertoimen saadessa arvon -0,111. Aiemman kirjallisuuden perusteella odotettiin positiivista yhteyttä. Paisin ja Gaman (2015) mukaan tuotannon ja myynnin kasvun aikaansaamiseksi tarvitaan korkeampi määrä käyttöpääomaa. Niskasen ja Niskasen (2006) mukaan nopeammin kasvavat yritykset myöntävät enemmän kauppaluottoja kuin yritykset, joilla on hitaampi kasvunopeus. Tulosten 67 perusteella finanssikriisin aikana liikevaihdon kasvaessa yhden prosentin nettokauppasyklin pituus lyheni keskimäärin -0,296 päivää ja finanssikriisin jälkeisenä aikana -0,111 päivää. Havaittu negatiivinen yhteys ei ole yllättävä, sillä ceteris paribus -ehdoin liikevaihdon kasvu lyhentää nettokauppasyklin pituutta. Saatuja tuloksia voi selittää Tsurutan ja Uchidan (2013) tekemät havainnot japanilaisista yhtiöistä finanssikriisin ajalta 2008–2009. Tsuruta ja Uschidan mukaan finanssikriisin aikana käyttöpääoman taso kasvoi seuraavista syistä: (i) myynnin nopean laskun myötä varastojen tasot kasvoivat; (ii) useiden yrityksien asiakkaat ajautuivat taloudellisiin vaikeuksiin ja alkoivat viivästyttämään maksuja tavaroiden ja palveluiden hankinnoista, jotka kasvattivat myyntisaamisten tasoa; (iii) myynnin vähentymisen myötä yritykset vähensivät tavaroiden ja palveluiden ostoja, jonka vuoksi ostovelkojen taso laski. Vastaavanlaiset vaikutukset ovat havaittavissa suomalaisten pk-yrityksien osalta liikevaihdon muutosprosentin muutoksista (kappale 6.1), nettokauppasyklin pituuden muutoksista (kappale 6.1) ja käyttöpääoman määrän muutoksista (kappale 5.1). Tutkimustuloksien perusteella Suomessa olisi havaittavissa vastaavanlaisia vaikutuksia kuin mitä Tsuruta ja Uschida (2013) havaitsivat Japanissa tapahtuneen finanssikriisin aikana. Nettokauppasyklin ja suhteellisen velkaantuneisuusasteen välille havaitaan finanssikriisiä edeltävälle ajanjaksolle negatiivinen yhteys, joka ei ole tilastollisesti merkitsevä. Finanssikriisin ajalta havaitaan tilastollisesti heikosti merkitsevä positiivinen yhteys regressiokertoimen saadessa arvon 0,097 ja finanssikriisin jälkeiseltä ajalta havaitaan tilastollisesti merkitsevä positiivinen yhteys regressiokertoimen saadessa arvon 0,116. Yhteyden oletettiin olevan negatiivinen aiemman kirjallisuuden mukaisesti. Hillin ym. (2010) mukaan taloudellisissa vaikeuksissa olevat yritykset, kasvuyritykset ja yritykset, joilla on heikompi pääsy ulkoiseen rahoitukseen käyttävät aggressiivisemmin käyttöpääomaa. Suhteellinen velkaantuneisuusaste on kuitenkin ongelmallinen mittari, sillä sen lisäksi, että se voi indikoida taloudellisista vaikeuksista, voi se myös indikoida, että yhtiöillä olisi ollut parempi pääsy ulkoiseen rahoitukseen. Kestens ym. (2012) mukaan yritykset, jotka kykenivät saamaan lyhytaikaista pankkilainaa finanssikriisin aikana, myönsivät enemmän kauppaluottoa asiakkailleen. Havaintoaineisto ei kuitenkaan vastaa siihen, miten otoksen yhtiöt saivat pankkilainaa finanssikriisin aikana. Yksiselitteistä tulkintaa havaitusta yhteydestä ei siten voida tehdä aiemman kirjallisuuden ja suoritetun regressioanalyysin perusteella. 68 7.1 Johtopäätökset Tutkimuksen tavoitteena oli analysoida pienten ja keskisuurten yritysten käyttöpääoman hallinnan yhteyttä kannattavuuteen sekä nettokauppasyklin pituuteen vaikuttavia tekijöitä finanssikriisin aikana Suomessa. Tutkimuksen muuttujien valintaan ja muodostamiseen hyödynnettiin aiempia käyttöpääoman hallinnan ja kannattavuuden välistä yhteyttä käsitteleviä tutkimuksia: Deloof, 2003; Padachi, 2006; Baños-Caballero ym., 2010; Raheman ym., 2010; Baños-Caballero ym., 2013; Pais & Gama, 2015. Aiemmissa tutkimuksissa oli analysoitu käyttöpääoman hallinnan ja kannattavuuden välistä yhteyttä erinäisten talouskriisien ulkopuolella. Tutkimusongelmasta voitiin johtaa seuraavat tutkimuskysymykset: 1. Onko pienten ja keskisuurten yrityksien käyttöpääoman hallinnan ja kannattavuuden välille havaittavissa lineaarinen yhteys finanssikriisin aikana Suomessa? 2. Ilmenevätkö aiemmissa tutkimuksissa havaitut nettokauppasyklin pituuteen vaikuttavat tekijät vastaavalla tavalla myös finanssikriisin aikana? Tutkimuksessa finanssikriisi jaettiin kolmeen ajanjaksoon: aikaan ennen finanssikriisiä 2006–2007, finanssikriisin aikaan 2008–2009 ja aikaan finanssikriisin jälkeen 2010–2011. Tutkimuksessa kannattavuuden mittarina käytettiin kokonaispääoman tuottoastetta ja käyttöpääoman hallinnan mittarina nettokauppasyklin pituutta. Toisessa teorialuvussa esitetyn teoreettisen viitekehyksen pohjalta muodostettiin seuraavat hypoteesit: • H1: Nettokauppasyklin ja kokonaispääoman tuottoasteen välillä on negatiivinen yhteys. • H2: Nettokauppasyklin ja suhteellisen velkaantuneisuusasteen välillä on negatiivinen yhteys. 7 JOHTOPÄÄTÖKSET JA ARVIOINTI 69 • H3: Nettokauppasyklin ja liikevaihdon kasvun välillä on positiivinen yhteys. • H4: Nettokauppasyklin ja yrityksen koon välillä on positiivinen yhteys. • H5: Nettokauppasyklin ja aineellisten hyödykkeiden välillä on negatiivinen yhteys. • H6: Nettokauppasyklin ja käyttökateprosentin välillä on positiivinen yhteys. Hypoteesia H1 testattiin regressiomallien A ja B avulla. Molempien mallien osalta regressioanalyysissä havaittiin tilastollisesti merkitsevät negatiiviset yhteydet kokonaispääoman tuottoasteen ja nettokauppasyklin välille kaikille tarkastelluille ajanjaksoille. Tulokset indikoivat, että yritykset voisivat parantaa kannattavuutta lyhentämällä nettokauppasyklin pituutta. Todettakoon, että tutkimustuloksien mukaan nettokauppasyklin lyheneminen ei merkittävästi parantaisi kannattavuutta. Regressioanalyysin tuloksien mukaan nettokauppasyklin lyhentyessä yhden päivän, kokonaispääoman tuottoaste keskimäärin paranisi 0,010–0,022 % ceteris paribus -ehdoin. Vastaavanlaisia tuloksia on saatu aiemmissa tutkimuksissa (ks. esim., De Almeida & Eid, 2014; Kieschnick ym., 2013; García-Teruel & Martinez-Solano, 2007; Deloof, 2003; Wang, 2002; Shin & Soenen, 1998; Pais & Gama, 2015). Aiemmissa tutkimuksissa ei ole tutkittu finanssikriisin aikaa, mutta tutkimustulokset antavat viitteitä siitä, että nettokauppasyklin ja kokonaispääoman tuottoasteen välinen yhteys ilmenisi vastaavalla tavalla myös finanssikriisin aikana. Hypoteeseja H2-H6 testattiin regressiomallin B avulla. Regressioanalyysissä havaittiin hypoteesien H4-H6 mukaiset yhteydet. Tuloksien mukaan nettokauppasyklin pituuteen olisi positiivinen yhteys yrityksen koolla ja käyttökateprosentilla, ja vastaavasti negatiivinen yhteys aineellisten hyödykkeiden suhteellisella osuudella. Tulokset vastaavat aiempien tutkimuksia. Kieschnick ym. (2006) havaitsivat yhdysvaltalaisista yhtiöistä koostetusta aineistosta, että käyttöpääomasyklin ja yrityksen koon välillä on positiivinen yhteys. Fazzarin ja Petersenin (1993) mukaan käyttöpääoma kilpailee varoista aineellisten hyödykkeiden kanssa, kun yrityksellä on rahoitusrajoitteita. Whitedin (1992) mukaan pk-yrityksillä olisi heikompi sisäisen ja ulkoisen rahoituksen saatavuus verrattuna suurempiin yrityksiin. Niskanen ja Niskanen (2006) sekä García-Teruel & MartínezSolano (2010a) havaitsivat tutkimuksissaan, että yritykset, joilla oli korkeammat liiketoiminnan kassavirrat, hyödynsivät vähemmän toimittajien kauppaluottoja. Aiemmissa tutkimuksissa ei ole tutkittu edellä mainittuja yhteyksiä talouskriisien aikana, mutta tuloksien perusteella finanssikriisillä ei näyttäisi olevan vaikutusta edellä mainittujen yhteyksien ilmenemiseen. Nettokauppasyklin ja suhteellisen velkaantuneisuusasteen (H2) välille havaittiin regressioanalyysissä tilastollisesti heikosti merkitsevä positiivinen yhteys finanssikriisin ajanjaksolle 2008–2009 sekä tilastollisesti merkitsevä positiivinen yhteys finanssikriisin jälkeiselle ajanjaksolle 2010–2011. Finanssikriisiä edeltävältä ajanjaksolta 2006–2007 ei havaittu tilastollisesti merkitsevää yhteyttä. Yhteyden oletettiin olevan negatiivinen aiemman kirjallisuuden perusteella. 70 Hillin ym. (2010) mukaan taloudellisissa vaikeuksissa olevat yritykset, kasvuyritykset ja yritykset, joilla on heikompi pääsy ulkoiseen rahoitukseen käyttävät aggressiivisemmin käyttöpääomaa. Suhteellinen velkaantuneisuusaste on kuitenkin ongelmallinen mittari, sillä sen lisäksi, että se voi indikoida taloudellisista vaikeuksista, voi se myös indikoida, että yhtiöillä olisi ollut parempi pääsy ulkoiseen rahoitukseen. Hypoteesin vastaisia tuloksia voisi siten selittää myös Kestens ym. (2012) tekemät havainnot belgialaisista listaamattomista yhtiöistä finanssikriisin ajalta. Tutkimuksen mukaan yritykset, jotka kykenivät saamaan lyhytaikaista pankkilainaa finanssikriisin aikana, myönsivät enemmän kauppaluottoa asiakkailleen. Tutkimusaineisto ei kuitenkaan vastaa siihen, miten otokseen sisältyvät yhtiöt ovat saaneet finanssikriisin aikana pankkilainoja tai millainen on ollut otokseen sisältyvien yhtiöiden rahoitusrakenne. Yksiselitteistä tulkintaa havaitusta yhteydestä ei siten voida tehdä aiemman kirjallisuuden ja suoritetun regressioanalyysin perusteella. Nettokauppasyklin ja liikevaihdon kasvun (H3) välille havaittiin regressioanalyysissä tilastollisesti erittäin merkitsevä negatiivinen yhteys finanssikriisin ajanjaksolle 2008–2009 ja tilastollisesti heikosti merkitsevä negatiivinen yhteys finanssikriisin jälkeiselle ajanjaksolle 2010–2011. Finanssikriisiä edeltävältä ajanjaksolta 2006–2007 ei havaittu tilastollisesti merkitsevää yhteyttä. Aiemman kirjallisuuden perusteella odotettiin positiivista yhteyttä. Paisin ja Gaman (2015) mukaan tuotannon ja myynnin kasvun aikaansaamiseksi tarvitaan korkeampi määrä käyttöpääomaa. Niskasen ja Niskasen (2006) mukaan nopeammin kasvavat yritykset myöntävät enemmän kauppaluottoja kuin yritykset, joilla on hitaampi kasvunopeus. Saatuja tuloksia voi selittää Tsurutan ja Uchidan (2013) tekemät havainnot japanilaisista yhtiöistä finanssikriisin ajalta 2008–2009. Tsuruta ja Uschidan mukaan finanssikriisin aikana käyttöpääoman taso kasvoi seuraavista syistä: (i) myynnin nopean laskun myötä varastojen tasot kasvoivat; (ii) useiden yrityksien asiakkaat ajautuivat taloudellisiin vaikeuksiin ja alkoivat viivästyttämään maksuja tavaroiden ja palveluiden hankinnoista, jotka kasvattivat myyntisaamisten tasoa; (iii) myynnin vähentymisen myötä yritykset vähensivät tavaroiden ja palveluiden ostoja, jonka vuoksi ostovelkojen taso laski. Vastaavanlaiset vaikutukset havaittiin myös tässä tutkimuksessa suomalaisten pkyrityksien tilinpäätöstiedoista koostetusta aineistosta finanssikriisin ajalta. Molempien regressiomallien osalta havaittiin poikkeamia lineaariselle regressiolle asetetuista oletuksista. Residuaalit eivät noudattaneet normaalijakaumaa ja residuaalit olivat heteroskedastisia kaikilla ajanjaksoilla. Virhetermin jakauma on olennainen tilastollisen päättelyn kannalta, mutta sen merkitys on vähäisempi isoilla aineistoilla (Kaakinen & Ellonen, 2021a). Tämän tutkimuksen osalta lineaarisen regression oletuksista poikkeamista kompensoi suuri 4374 havainnosta koostuva havaintoaineisto, jossa poikkeamia havaittiin olevan vähän suhteutettuna koko havaintoaineiston kokoon. Edellä mainituilla seikoilla ei ole vaikutusta estimoituihin regressiokertoimiin, mutta niillä on vaikutus estimaatin keskivirheeseen ja parametrin arvolle laskettuun luottamusväliin. Tämän vuoksi muodostetut regressiomallit eivät sovellu yksittäisen yhtiön kokonaispääoman tuottoasteen tai nettokauppasyklin pituuden ennustamiseen. Regressiomallien 71 avulla voitiin kuitenkin tutkia yleisesti, miten edellä esitettyjen muuttujien väliset yhteydet ilmenivät keskimäärin finanssikriisin aikana. Toisaalta lineaarinen regressio on verrattain vakaa menetelmä silloinkin, kun oletukset eivät kaikilta osin täyty (Kaakinen & Ellonen, 2021a). 7.2 Tutkimuksen arviointi ja jatkotutkimusaiheet Käyttöpääomaa ja sen komponentteja on tutkittu jo useamman vuosikymmenen ajan niin yhdessä kuin erikseen. Käyttöpääomaa on tutkittu kannattavuuden, riskin, likviditeetin, rahoituksen, toimialojen kuin myös yleisesti operatiivisen liiketoiminnan ylläpitämisen kannalta vain mainitakseen muutaman. Kuten laajasta käyttöpääoman hallinnan tutkimuksen kirjosta käy ilmi, ei laadituissa regressiomalleissa ole voitu huomioida kaikkia mahdollisia näkökulmia ja tekijöitä. Lisäksi finanssikriisi vaikeutti omalta osaltaan tutkimuksen tuloksien tulkintaa, sillä kannattavuuden ja käyttöpääoman hallinnan välistä yhteyttä ei ole aiemmin tutkittu tässä kontekstissa. Aiempien tutkimuksien siivittämänä tutkimusmenetelmäksi valikoitui lineaarinen regressioanalyysi, jolla pyrittiin tutkimaan käyttöpääoman hallinnan ja kannattavuuden välistä yhteyttä. Käyttöpääoman hallintaa mitattiin nettokauppasyklillä. Nettokauppasykli on yleisesti käytetty mittari käyttöpääoman hallinnan mittaamiselle, mutta sen tietosisältö on hyvin suppea. Käytännössä nettokauppasykli ilmaisee, kuinka monen päivän keskimääräinen myynti on sidottuna käyttöpääomaan. Tutkimustuloksien perusteella ei siten voida väittää, että käyttöpääoman hallinta johtaisi suoraan parempaan kannattavuuteen, sillä tuloksen ja taseen tiedot kertovat vain vähän yhtiön käyttöpääoman hallinnan käytännöistä, lähinnä ainoastaan käyttöpääoman suhteellisista määristä. Lisäksi mittarina nettokauppasykli voi saada saman arvon hyvinkin monilla eri kombinaatioilla, hallinnoi yritys käyttöpääomaa tai ei. Tutkimuksen tulokset antavat kuitenkin viitteitä siitä, että käyttöpääomalla olisi yhteys kannattavuuteen ja siten sitä olisi syytä hallinnoida. Se onko yhteys suora vai epäsuora tai onko näiden muuttujien välillä ylipäätään minkäänlaista syy-seuraussuhdetta, jää tämän tutkimuksen tuloksien valossa epäselväksi. Muuttujien välinen vahva lineaarinen (tai minkä tahansa muotoinen) assosiaatio kertoo ainoastaan yhteyden muodosta, ei sen merkittävyydestä. Assosiaation vahvuus ei siten kerro muuttujien vahvuudesta teorian tai käytännön merkittävyyden näkökulmasta. (Ketokivi, 2015, s. 71.) Tutkimustulokset ovat kuitenkin linjassa aiempiin tutkimuksiin nähden, mikä vahvistaa saatuja tuloksia. Saatujen tutkimustulosten perusteella käyttöpääomalla olisi siten kirjanpitotietona relevanssia. Huolimatta siitä pystytäänkö käyttöpääoman hallinnan ja kannattavuuden välille muodostamaan suoraa syy-seuraussuhdetta, on käyttöpääoman hallinnalla tärkeä rooli operatiivisen liiketoiminnan kannalta, kuten käy ilmi jo tutkielman ensimmäisestä teorialuvusta. Varastojen, myyntisaamisten ja ostovelkojen hallinta kytkeytyy suoraan tuotantoon ja myyntiin kuin myös riskienja 72 kassanhallintaan. Yritysten on siten löydettävä optimaalinen käyttöpääoman taso ylläpitääkseen päivittäistä liiketoimintaa (Bolek, 2013). Tämä pro gradu -tutkielma tarjoaa useita mielenkiintoisia ja ajankohtaisia jatkotutkimusaiheita, joiden avulla voitaisiin ymmärtää paremmin käyttöpääoman hallinnan ja kannattavuuden välistä yhteyttä. Regressioanalyysin avulla tutkittaessa olisi syytä keskittyä kapeampiin tutkimussektoreihin esimerkiksi yksittäisiin toimialoihin, jolloin tulosten perusteella voitaisiin vetää tarkempia johtopäätöksiä. Tässä tutkimuksessa havaittiin, että selittäessä kokonaispääoman tuottoastetta tai nettokauppasyklin pituutta valituilla selittävillä muuttujilla, residuaalit poikkesivat normaalijakaumasta ja virhetermin varianssi oli suurempi etenkin jakauman ääriarvojen osalta. Tämä voisi viitata siihen, että valittujen selittävien muuttujien avulla ei pystyttäisi tarkasti estimoimaan yhtiöiden erittäin hyvää tai huonoa kannattavuutta finanssikriisin aikana. Mielenkiintoista olisi tutkia tarkemmin näitä jakauman ääripäitä ja hakea selityksiä sille, miksi näiden yhtiöiden kannattavuus on erityisen hyvä tai huono talouskriisin aikana ja miten kyseiset yhtiöt ovat hallinnoineet käyttöpääomaa. Kannattavuuden ja käyttöpääoman hallinnan välistä yhteyttä on aiemmissa tutkimuksissa pääasiassa tutkittu käyttäen kvantitatiivisia tutkimusmenetelmiä. Vaihtoehtoisesti kannattavuuden ja käyttöpääoman hallinnan välistä yhteyttä voitaisiin tutkia käyttäen kvalitatiivisia tutkimusmenetelmiä, jolloin voitaisiin saada uutta syvällistä tietoa kannattavuuden ja käyttöpääoman hallinnan välisestä yhteydestä. 73 LÄHTEET Abor, J. & Quartey, P. (2010). Issues in SME development in Ghana and South Africa. International Research Journal of Finance and Economics, 39, 218–228. Afrifa, G.A., Tauringana, V. & Tingbani, I. (2016). Working capital management and performance of listed SMEs. Journal of Small Business & Entrepreneurship, 27(6), 557–578. Afza, T. & Nazir, M.S. (2007). Is it better to be aggressive or conservative in managing working capital? Journal of Quality and Technology Management, 3(2), 11–21. Aktas, N., Croci, E. & Petmezas, D. (2015). Is working capital management valueenhancing? Evidence from firm performance and investments. Journal of Corporate Finance, 30, 98–113. Alma Talent. (2023a). Mitä käyttöpääoma ja käyttöpääomaprosentti tarkoittavat. Haettu 10.4.2024 osoitteesta https://www.almatalent.fi/tunnuslukuopas/tehokkuus/kayttopaaoma-ja-kayttopaaoma-prosentti/. Alma Talent. (2023b). Mitä current ratio tarkoittaa. Haettu 10.4.2024 osoitteesta https://www.almatalent.fi/tunnuslukuopas/maksuvalmius/current-ratio/. Almeida, H. & Campello, M. (2007). Financial constraints, asset tangibility, and corporate investment. Review of Financial Studies, 20(5), 1429–1460. Atkinson, A.A., Kaplan, R.S., Matsumura, E.M. & Young, S.M. (2012). Management Accounting: Information for Decision Making and Strategy Execution (6. painos). Edinburgh: Pearson Education. Atrill, P. (2009). Financial Management for Decision Makers (5. painos). Harlow: Pearson Education. Autukaite, R. & Molay, E. (2011). Cash holdings, working capital and firm value: evidence from France. International Conference of the French Finance Association (AFFI), Ranska, 11.5.2011-13.5.2011. Haettu 15.3.2024 osoitteesta https://ssrn.com/abstract=1836900. Babich, V. & Tang, C.S. (2012). Managing opportunistic supplier product adulteration: Deferred payments, inspection, and combined mechanisms. Manufacturing & Service Operations Management, 14(2), 301–314. Balachandran, S. & Mohanram, P. (2011). Is the decline in value relevance of accounting driven by increased conservatism? Review of Accounting Studies, 16(2), 272–301. Ball, R. & Brown, P. (1968). An empirical evaluation of accounting income numbers. Journal of Accounting Research, 6(2), 159–178. Baños-Caballero, S., García-Teruel, P.J. & Martínez-Solano, P. (2010). Working capital management in SMEs. Accounting and Finance, 50(3), 511–527. Baños-Caballero, S., García-Teruel, P.J. & Martínez-Solano, P. (2013). The speed of adjustment in working capital requirement. The European Journal of Finance, 19(10), 978–992. 80 Raddatz, C. (2006). Liquidity needs and vulnerability to financial underdevelopment. Journal of Financial Economics, 80(3), 677–722. Raheman, A. & Nasr, M. (2007). Working capital management and profitability – case of Pakistani firms. International Review of Business Research Papers, 3(1), 279-300. Raheman, A., Afza, T., Qayyum, A. & Bodla, M.A. (2010). Working capital management and corporate performance of manufacturing sector in Pakistan. International Research Journal of Finance and Economics, 47, 156-169. Rajan, R.G. & Zingales, L. (1995). What do we know about capital structure? Some evidence from international data. The Journal of Finance, 50(5), 1421– 1460. Reserve Bank of Australia. (2024). The Global Financial Crisis. Haettu 4.5.2024 osoitteesta https://www.rba.gov.au/education/resources/explainers/the-global-financial-crisis.html. Richards, D. & Laughlin, J. (1980). A cash conversion cycle approach to liquidity analysis. Financial Management, 9(1), 32-38. Sagner, J. (2014). Working Capital Management: Applications and Case Studies [Ekirja]. John Wiley & Sons, Inc. Schiff, M. & Lieber, Z. (1974). A model for the integration of credit and inventory management. Journal of Finance, 29(1), 133-140. Schwartz, R. (1974). An economic model of trade credit. The Journal of Financial and Quantitative Analysis, 9(4), 643-657. Schwartzman, F. (2013). The business cycle behavior of working capital. Economic Quarterly 99(4), 287-303. Sen, M. & Oruc, E. (2009). Relationship between efficiency level of working capital management and return on total assets is ISE. International journal of Business and Management, 4(10), 109-114. Shin, H. & Soenen, L. (1998). Efficiency of working capital and corporate profitability. Financial Practice and Education, 8(2), 37-45. Shipley, D. & Davis, L. (1991). The role and burden-allocation of credit in distribution channels. Journal of Marketing Channels, 1(1), 3–22. Smith, K. (1980). Profitability versus liquidity trade-offs in working capital management. Smith, K.V. (toim.), Readings on the Management of Working Capital, New York: West Publishing Company, 549-562. Smith, J.K. (1987). Trade credit and informational asymmetry. Journal of Finance, 42(2), 863–872. Stiglitz, J. & Weiss, A. (1981). Credit rationing in markets with imperfect information. American Economic Review, 71(3), 393-410. Stone, R. (1945). The Analysis of Market Demand. Journal of the Royal Statistical Society, 108(3/4), 286-391. Suomen Asiakastieto Oy. (2023). Tunnusluvut. Haettu 30.12.2023 osoitteesta https://www.asiakastieto.fi/voitto/ohje/tunnusluvut.htm. Suomen Pankki. (2024). Suomen rahalaitosten euromääräiset lainat euroalueen yrityksille lainan alkuperäisen maturiteetin mukaan. Haettu 4.2.2024 81 osoitteesta https://www.suomenpankki.fi/fi/Tilastot/rahalaitosten-taselainat-ja-talletukset-ja-korot/taulukot/rati-taulukot-fi/lainat_maturiteeteittain_fi/. Srivastava, A. (2014). Why have measures of earnings quality changed over time? Journal of Accounting and Economics, 57(2–3), 196–217. Tauringana, V. & Afrifa, G.A. (2013). The relative importance of working capital management and its components to SMEs’ profitability. Journal of Small Business and Enterprise Development, 20(3), 453-469. Thornton, D.L. (2021). The financial crisis: What caused it and when and why it ended. Applied Economics, 53(33), 3855–3871. Tilastokeskus. (2021). Suomen virallinen tilasto (SVT): Kansantalouden tilinpito. Helsinki: Tilastokeskus. Haettu 30.12.2023 osoitteesta https://www.stat.fi/til/vtp/2021/vtp_2021_2022-03-15_tau_001_fi.html. Tilastokeskus. (2022). Yritykset henkilöstön suuruusluokan mukaan. Helsinki: Tilastokeskus. Haettu 17.3.2024 osoitteesta https://www.tilastokeskus.fi/tup/suoluk/suoluk_yritykset.html#yritykset-henkiloston-suuruusluokittain. Tilastokeskus. (2024a). Käsitteet. Haettu 24.3.2024 osoitteesta https://www.stat.fi/meta/kas/pk_yritys.html. Tilastokeskus. (2024b). Käsitteet. Haettu 24.3.2024 osoitteesta https://www.stat.fi/meta/kas/mikroyritys.html. Tsuruta, D. & Uchida, H. (2013). Real driver of trade credit [Discussion papers 13-E-037]. Research Institute of Economy, Trade and Industry (RIETI). Tsuruta, D. (2019). Working capital management during the global financial crisis. Evidence from Japan. Japan & The World Economy, 49, 206-219. Van Horne, J.C. & Wachowicz, J.M. (2004). Fundamentals of Financial Management (12. painos). New York: Prentice Hall Publishers. Wang, Y.J. (2002). Liquidity management, operating performance, and corporate value: Evidence from Japan and Taiwan. Journal of Multinational Financial Management, 12(2), 159-169. Whited, T.M. (1992). Debt, liquidity constraints and corporate investment: Evidence from panel data. The Journal of Finance, 47(4), 1425-1460. Wilner, B.S. (2000). The exploitation of relationships in financial distress: The case of trade credit. Journal of Finance, 55(1), 153–178. 82 LIITE 1 REGRESSIOMALLIN A SIRONTAKUVIOT Kuvio 7. Sirontakuvio regressiomallin A standardoiduista ennustetuista arvoista ja residuaaleista 2006–2007. Kuvio 8. Sirontakuvio regressiomallin A standardoiduista ennustetuista arvoista ja residuaaleista 2008–2009. Kuvio 9. Sirontakuvio regressiomallin A standardoiduista ennustetuista arvoista ja residuaaleista 2010–2011. 83 LIITE 2 REGRESSIOMALLIN A HISTOGRAMMIT Kuvio 10. Histogrammi regressiomallin A standardoiduista residuaaleista 2006– 2007. Kuvio 11. Histogrammi regressiomallin A standardoiduista residuaaleista 2008– 2009. Kuvio 12. Histogrammi regressiomallin A standardoiduista residuaaleista 2010– 2011. 84 LIITE 3 REGRESSIOMALLIN A KVANTIILIKUVIOT Kuvio 13. Kvantiilikuvio regressiomallin A standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2006–2007. Kuvio 14. Kvantiilikuvio regressiomallin A standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2008–2009. Kuvio 15. Kvantiilikuvio regressiomallin A standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2010–2011. 85 LIITE 4 REGRESSIOMALLIN B SIRONTAKUVIOT Kuvio 16. Sirontakuvio regressiomallin B standardoiduista ennustetuista arvoista ja residuaaleista 2006–2007. Kuvio 17. Sirontakuvio regressiomallin B standardoiduista ennustetuista arvoista ja residuaaleista 2008–2009. Kuvio 18. Sirontakuvio regressiomallin B standardoiduista ennustetuista arvoista ja residuaaleista 2010–2011. 86 LIITE 5 REGRESSIOMALLIN B HISTOGRAMMIT Kuvio 19. Histogrammi regressiomallin B standardoiduista residuaaleista 2006– 2007. Kuvio 20. Histogrammi regressiomallin B standardoiduista residuaaleista 2008– 2009. Kuvio 21. Histogrammi regressiomallin B standardoiduista residuaaleista 2010– 2011. 87 LIITE 6 REGRESSIOMALLIN B KVANTIILIKUVIOT Kuvio 22. Kvantiilikuvio regressiomallin B standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2006–2007. Kuvio 23. Kvantiilikuvio regressiomallin B standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2008–2009. Kuvio 24. Kvantiilikuvio regressiomallin B standardoitujen residuaalien jakaumasta verrattuna teoreettiseen normaalijakaumaan 2010–2011.