ANALISI INFERENZIALE

Per testare le ipotesi di partenza viene effettuata, sempre tramite l'utilizzo del software STATA, una regressione di tipo lineare semplice (OLS) per ognuna delle tre variabili dipendenti del modello. Brevemente, la regressione permette di verificare, in base ai dati osservati, se esiste o meno una relazione tra una variabile dipendente Y ed una o più variabili indipendenti X [Piccolo, 2004]. In termini generali, la retta di regressione può essere indicata con la formula:

Nella formula: Y è la variabile dipendente; α è l'intercetta della retta di regressione; β indica i coefficienti delle variabili indipendenti; X sono le variabili indipendenti; ε indica i residui (errori) del modello. Per quanto riguarda il segno che possono assumere i coefficienti, esso può essere positivo o negativo. Se il coefficiente β è positivo significa che la variabile dipendente è legata in modo diretto con la variabile indipendente; se invece è negativo le due variabili sono legate tra loro in modo indiretto.

166 Per verificare che i coefficienti della retta siano significativi bisogna anche considerare il loro livello di significatività, dato dal valore del p-value. Con p<0.01 il coefficiente risulta essere molto significativo, con p<0.05 il coefficiente risulta essere abbastanza significativo, infine con p<0.1 il coefficiente è ancora significativo, ma di poco. Per valori superiori a 0.1 il coefficiente non può essere considerato valido nel modello perché non riesce a catturare la distribuzione dei dati.

Altra cosa da tenere in considerazione in un modello econometrico è il valore di R2, che indica la bontà della retta di regressione. Tale valore può essere compreso tra 0 ed 1, se R2=0 la retta di regressione non ha alcuna capacità di spiegare il modello, se R2=1 la retta spiega perfettamente il modello in quanto passa esattamente per tutti i valori osservati. Questi sono ovviamente i due casi estremi, poiché R2 normalmente è compreso tra 1 e 0, tanto più si avvicina ad 1 migliore sarà il modello [Piccolo, 2004].

Le ipotesi di partenza da verificare si ricordano essere due:

1. Il Report Integrato influisce positivamente sul valore di mercato dell'azienda (misurato dalla Q di Tobin).

2. Il Report Integrato influisce positivamente sulle performance finanziarie contabili dell'azienda (misurate dal ROA e dal ROE).

Di seguito vengono presentati i risultati delle regressioni effettuate.

Q di Tobin e Report Integrato

La prima ipotesi della presente ricerca ha il compito di verificare se esistano o meno delle relazione tra l'utilizzo del Report Integrato, considerando l'utilizzo dei Principi Guida e degli Elementi di Contenuto, ed il valore di mercato dell'azienda. Per analizzare ciò, la retta di regressione assume la seguente formula:

1.

167

Figura 26: Risultati dell'ipotesi 1 (regressione TOBINQ)

Il primo dato da tenere in considerazione è la bontà del modello di regressione, dato dal valore del R2. In questo caso tale valore è pari a 0.22 per cui si può affermare che le variabili indipendenti non permettono di catturare molta della variabilità della dipendente TOBINQ.

Nonostante ciò, si analizzano i risultati della regressione commentando il segno dei coefficienti ed il valore del p-value.

Per quanto riguarda i p-value relativi alle variabili di interesse per la presente ricerca, sono tutti superiori a 0.1, per cui l'utilizzo del Report Integrato non sembra avere alcuna influenza sul valore di mercato dell'azienda. Addirittura, stando ai risultati del modello, maggiore è l'utilizzo dei contenuti e dei principi e minore è il valore della Q di Tobin (il segno dei due coefficienti è entrambi negativo). Il coefficiente della variabile CONT_PRIN_SCORE risulta essere invece positivo per cui un maggiore utilizzo congiunto dei contenuti e dei principi del framework è legato direttamente con l'aumento della Q di Tobin. Purtroppo, anche in questo caso il dato non è significativo nel modello a causa di un p-value=0.335.

Le uniche variabili che influenzano significativamente la TOBINQ sono: negativamente la dimensione dell'azienda (p-value=0.008) e il capital intensity (p-value=0.074); positivamente la crescita delle vendite (p-value=0.008).

La prima ipotesi, in base ai risultati della regressione, è pertanto scartata: il Report Integrato non influisce sul valore di mercato dell'azienda.

168

Performance Finanziarie e Report Integrato

La seconda ipotesi prende in considerazione la relazione tra l'utilizzo del Report Integrato, considerando l'applicazione dei Principi Guida e degli Elementi di Contenuto, e le performance finanziarie contabili dell'azienda, misurate dalle variabili ROA e ROE. Sono state eseguite pertanto due regressioni lineari, una per ogni variabile dipendente, utilizzando come riferimento le seguenti formule:

2. 3.

Figura 27: Risultati dell'ipotesi 2 (regressione ROA)

In questo caso R2=0.14, valore che risulta essere ancora più basso rispetto al precedente, per cui la regressione non spiega sufficientemente le relazioni esistenti tra le variabili.

In base all'ipotesi che si vuole verificare, anche in questo caso nessuna delle tre variabili CONTENT_SCORE, PRINCIPLES_SCORE e CONT_PRIN_SCORE è sufficientemente significativa per influenzare il valore

169 del ROA. I contenuti dovrebbero essere relazionati positivamente con il ROA, mentre i principi e la variabile che lega contenuti e principi sono relazionati negativamente.

Nel presente modello le variabili in grado di influenzare il ROA, entrambe positivamente, risultano essere solamente la variabile TIPOLOGIA e la variabile SALES_GROWTH.

Si può perciò affermare che il Report Integrato non sembra influenzare in alcun modo i risultati contabili dell'azienda, misurati tramite il ROA.

Figura 28: Risultati dell'ipotesi 2 (regressione ROE)

Infine, l'ultima regressione effettuata, per verificare se il Report Integrato influisce sulle perfomance finanziarie dell'azienda, è quella relativa al ROE. La retta di regressione in questo caso riesce a spiegare discretamente bene il modello, in quanto il valore di R2 è pari a 0.706, valore abbastanza vicino al massimo che è equivalente ad 1.

Anche in questo caso la variabile TIPOLOGIA è in grado di influenzare la variabile dipendente ROE, in modo piuttosto significativo, in quanto il coefficiente ha un valore di p<0.05.

Purtroppo, come nelle altre due regressioni, le variabili che indicano l'uso del Report Integrato non risultano significative a causa dei p-value troppo elevati; dunque, statisticamente, non risulta esserci alcuna relazione tra la rendicontazione integrata e le performance finanziarie contabili aziendali. Il

170 CONTENT_SCORE e il CONT_PRIN_SCORE impattano poi negativamente sul ROE.

In questo modello, oltre alla tipologia di organizzazione aziendale, solamente le variabili SIZE e DE impattano in modo significativo sul ROE, la prima negativamente e la seconda positivamente.

Si può confermare, anche in tale caso, che il Report Integrato non risulta in grado di influenzare i risultati contabili dell'azienda, calcolati mediante il ROE.

In conclusione, anche la seconda ipotesi non è confermata, dal momento che non sussistono relazioni tra l'utilizzo del Report Integrato, considerando la quantità di informazioni divulgate in base ai Principi Guida e agli Elementi di Contenuto, e le performance finanziarie contabili: la rendicontazione integrata non influenza né il ROA né il ROE.

Visti i risultati delle regressioni, e considerando il fatto che la dimensione del campione e del numero di osservazioni è abbastanza ridotta, si è proceduto a ripetere le regressioni lineari diminuendo il numero dei regressori.

In particolare, si è dapprima provato a regredire le variabili dipendenti TOBINQ, ROA e ROE utilizzando come variabili indipendenti, nella regressione, solamente quelle di interesse (CONTENT_SCORE, PRINCIPLES_SCORE e CONT_PRIN_SCORE). Anche in questo caso, sia a causa dei bassi valori di R2 sia a causa dei coefficienti con un p-value tutti superiore a 0.1, il Report Integrato sembra non impattare sulle performance delle aziende.

Altre prove sono state eseguite tenendo fisse, all'interno dei modelli di regressione, le tre variabili indipendenti di interesse e aggiungendo una per volta le variabili indipendenti di controllo. Oltre a questo, sempre mantenendo fisse all'interno dei modelli le tre variabili indipendenti di interesse, si è provato ad aggiungere delle combinazioni di variabili indipendenti di controllo (ad esempio considerando SIZE e DE, TIPOLOGIA e SALES_GROWTH, CAPITAL_INTENSITY e SIZE, ecc.). Infine, un'ultima prova è stata eseguita considerando separatamente le variabili indipendenti di interesse, una per volta,

171 ed aggiungendo tutte le diverse combinazioni di variabili indipendenti di controllo.

In nessun caso, purtroppo, i risultati risultano essere significativi, né per quanto riguarda la bontà dei modelli (valori di R2) né per quanto riguarda la significatività dei coefficienti delle variabili (valori dei p-value).