Machtige CEO s bepalen hun eigen beloning. Analyse van de Nederlandse ziekenhuizen

Transcriptie

1 Amsterdam Business School Machtige CEO s bepalen hun eigen beloning Analyse van de Nederlandse ziekenhuizen Name: H.A.M. (Rick) Smulders Student nummer: Date: Aantal woorden: MSc ACC (Accountancy & Control, specialization Control) Faculty of Economics and Business, University of Amsterdam Supervisor 1: ir. drs. A.C.M. de Bakker Supervisor 2: dr. ir. S.P. van Triest

2 Statement of Originality This document is written by student Rick Smulders, who declares to take full responsibility for the contents of this document. I declare that the text and the work presented in this document is original and that no sources other than those mentioned in the text and its references have been used in creating it. The Faculty of Economics and Business is responsible solely for the supervision of completion of the work, not for the contents. 1

3 Voorwoord Voor u ligt mijn afstudeerscriptie waarin onderzocht wordt, wat de invloed is van de macht van de CEO s van Nederlandse ziekenhuizen op de hoogte van de beloning. In dit voorwoord wil ik graag mijn dank uitspreken naar mijn scriptiebegeleider Toon de Bakker, die mij gedurende het hele proces voorzag van zeer kundig commentaar en me op het juiste scriptiepad hield. Tevens wil ik hem bedanken voor zijn optimistische kijk op het scriptieproces en de daarbij horende tijdslijnen. Waar ik soms twijfels had over de haalbaarheid van de deadline, gaf Toon mij telkens opnieuw de juiste motivatie om gestaag door te werken. Het is een zeer leerzaam proces geweest en een mooie afsluiting van de afgelopen tweeëneenhalf jaar, waarin ik met zeer veel plezier de (pre-)master heb gevolgd. Daarnaast wil ik graag van de gelegenheid gebruik maken om mijn dank uit te spreken naar de rest van de gepassioneerde, bekwame docenten waarvan ik tijdens de opleiding colleges heb mogen volgen. In het bijzonder wil ik de heer Roger Pröper bedanken voor het verzorgen van het eerste vak statistiek van de pre-master, waarmee hij iedere twijfel die ik had over de opleiding wegnam. Tevens wil ik mijn medestudenten bedanken voor de opdrachten die wij samen hebben gemaakt, de motiverende woorden tijdens de tentamenweken, de boeiende gesprekken over het vakgebied en de koffie, dit heeft zeker bijgedragen aan het verbreden van mijn kennis. Ik kan concluderend stellen dat ik zeer tevreden ben over de inhoud en de opzet van de studie en raad mensen die er ook interesse in hebben zeker aan het doen. De manier waarop ik naar mijn dagelijkse werkzaamheden en de processen in mijn organisatie kijk, is sterk verbeterd. Ik verwacht dan ook dat ik het studeren zal gaan missen en acht de kans groot dat ik in de toekomst de executive master ga volgen aan de UvA. Dit alles echter pas nadat ik eerst een poosje van mijn vrije weekenden heb genoten. Rick Smulders Utrecht, 24 januari

4 Abstract This thesis research examines CEO compensation in the Dutch hospital market during the period There were 76 hospitals included in this research. The research aims to find an answer to the question whether or not CEO compensation is influenced by the CEO power. To measure CEO power four proxies were defined and tested in four fixed-effects regression models. The first proxy is RatioBord, which determines the effect of the size of the board of directors relative to the size of the supervisory board on the level of CEO compensation. The second proxy tested is RatioExpertise, which represents the relative power of the CEO gained by his titles. The third model is used to test the influence of demographic similarity on CEO compensation. The last proxy is used to test the relation between the tenure of the CEO and CEO compensation. Besides the four proxies several variables were included in the models to control for economic determinants on which the perfect CEO contract should be based. The control variables were divided into four categories, namely; hospital characteristics, CEO characteristic, market factors and hospital performance. The variables for CEO power as well as the control variables were assumed to have a positive influence on CEO compensation. The results didn t show any significant effect of CEO power on the level of CEO compensation. The control variables seemed to have partial significant influence on the CEO compensation. Because of the fact that the variables for CEO power have no influence on CEO compensation, it can be concluded that there is no support found for the research hypothesis. Nevertheless, since the control variables had a relatively small effect on the level of CEO compensation, it is hard to say that there is support for the assumption that CEO s of Dutch hospitals receive compensation packages solely based on the economic determinants of their function. There might be other factors that influence CEO compensation contracts. A few of them are mentioned in the last chapter, but were not tested in this research because of the lack of publicly available data. Further research could focus more on those factors. Keywords: Managerial Power, CEO Compensation, Non-profit, Dutch Hospitals, Agency Theory, Corporate Governance 3

5 Inhoudsopgave 1 Introductie 6 2 Theoretisch kader Corporate Governance Corporate Governance in de zorg Agency Theory Managerial power approach CEO power CEO compensatie Hypothesen 17 3 Onderzoeksmethodiek Het regressiemodel Hypothese 1a Hypothese 1b Hypothese 1c Hypothese 1d Overzicht variabelen 26 4 Data Onderzoekspopulatie Datavergaring Afhankelijke variabele Controlevariabelen Variabelen voor de macht van de CEO Resumé dataherkomst Beschrijvende statistiek Afhankelijke variabelen Controlevariabelen Variabelen voor de macht van de CEO Correlatiematrix Normaliteit van de variabelen 40 5 Resultaten 43 4

6 5.1 Multicollineariteit Toetsen van de Hypotheses Hypothese 1a Hypothese 1b Hypothese 1c Hypothese 1d 51 6 Conclusies Conclusies met betrekking tot de controlevariabelen Conclusies met betrekking tot de variabele RatioBoard Conclusies met betrekking tot de variabele RatioExpertise Conclusies met betrekking tot de variabelen RatioGenderSim en RatioTitelSim Conclusies met betrekking tot de variabele TenureCEO Conclusies met betrekking tot de onderzoeksvraag 57 7 Discussie en beperkingen 59 8 Referenties 63 5

7 1 Introductie De hoogte van CEO beloningen is een veel besproken onderwerp binnen de bestaande literatuur. CEO beloningen kunnen gebruikt worden als een krachtig corporate governance mechanisme om de belangen van de eigenaren van organisaties en het management van die organisaties op een lijn te krijgen (Jensen & Meckling, 1976). Er is echter ook vaak discussie over CEO beloningen. Zo kan de hoogte van de beloning van een CEO ook afhangen van de hoeveelheid macht die deze CEO kan uitoefenen (Bebchuk en Fried, 2003). Mensen die kritisch kijken naar de beloning van CEO s geven vaak aan dat de hoogte niet alleen verband houdt met de economische karakteristieken van de organisatie, wanneer deze wordt vergeleken met andere CEO beloningen in vergelijkbare organisaties. Ook binnen de Nederlandse non-profit sector is de hoogte van de bestuurders een belangrijk onderwerp van gesprek. Er is de laatste jaren veel ophef ontstaan over de hoogte van de beloningen van bestuurders in verschillende non-profit sectoren. In non-profit sectoren ontbreekt de controle door de eigenaren van de organisatie en door de mechanismen van de markt waarin de organisatie zich begeeft (Brickley & Van Horn, 2002). Daarnaast is het, gezien de complexiteit van de organisaties, vaak lastiger de invloed van de manager op de prestaties te meten (Brickley & Van Horn, 2002). Bovenstaande kan leiden tot corporate governance problemen in de zin van agent-principaal conflicten (Jensen & Mecklin, 1979). Agent-principaal conflicten ontstaan wanneer de belangen van de managers niet in lijn zijn met de belangen van de organisatie. Corporate governance binnen non-profit organisaties wordt daardoor dan ook vaak met inmenging van de wetgever bewerkstelligd. Non-profit organisaties worden vaak geassocieerd met excessieve CEO compensatie (Brickley et al, 2010). Wanneer er wordt gezocht op internet naar artikelen uit de populaire media over beloningen binnen de zorg in Nederland, vindt men legio voorbeelden van negatieve berichtgeving over de te hoge beloningen. Tevens blijkt uit een scriptie van Bongers (2013) dat er grote verschillen bestaan tussen de hoogte van de beloningen van CEO s binnen de verschillende Nederlandse ziekenhuizen. Bongers (2013) concludeerde dat deze verschillen niet te verklaren waren door de financiële en/of kwalitatieve prestaties van de ziekenhuizen. Bovenstaande impliceert dat er iets anders aan de hand is. Dit onderzoek richt zich op de vraag of CEO s binnen Nederlandse ziekenhuizen in staat zijn hun beloning positief te beïnvloeden. Het onderzoek bouwt voort op de managerial power approach van Bebchuk en Fried (2013). Bij de managerial power approach wordt er gekeken naar de invloed die de CEO uitoefent op zijn eigen beloning met behulp van zijn macht. 6

8 Deze studie doet onderzoek naar de CEO compensatie binnen Nederlandse ziekenhuizen. Dit draagt bij aan de bestaande literatuur omdat er weinig onderzoek gedaan is naar CEO compensatie binnen ziekenhuizen en de onderzoeken die zijn gedaan, richten zich voornamelijk op Amerikaanse ziekenhuizen (Schaepkens & Speklé, 2014). Amerikaanse ziekenhuizen kunnen zowel for-profit als not-for-profit zijn. Er wordt dan ook vaak gekeken naar de verschillen tussen deze twee groepen (Brickley & Van Horn, 2002). Daarnaast hebben ziekenhuizen in de V.S. vaak een bestuursmodel waarin één groep bestuurders aan het hoofd staat zonder een toezichthouder. In Nederland is het voor ziekenhuizen verplicht een dagelijks bestuur te hebben en daarnaast een Raad van Toezicht, dit is een belangrijk aspect voor corporate governance. De Nederlandse ziekenhuizen zijn een interessante onderzoeksgroep voor dit onderzoeksonderwerp. Bij andere studies naar de invloed van de macht van de CEO op de hoogte van de beloning, wordt vaak gekeken in welke mate de CEO in staat is de performance maatstaven, waarop zijn beloningscontract wordt gebaseerd, positief te beïnvloeden. Binnen Nederlandse ziekenhuizen gelden in grote mate dezelfde doelstellingen gebaseerd op de belangen van de stakeholder, waardoor verwacht kan worden dat er minder grote verschillen zitten in de prestatiebeoordelingen van de CEO s in de zorg. Daarnaast zijn Nederlandse ziekenhuizen verplicht een onafhankelijke Raad van Toezicht te hebben. De mate van onafhankelijkheid van de leden van het bestuur is in veel studies het belangrijkste onderzoeksonderwerp, wanneer er wordt gekeken naar de macht van de CEO. De onderzoeken richten zich dan ook voornamelijk op de situatie zoals die in de Verenigde Staten is met een enkelvoudig bestuur (Cardinaels, 2009). Deze onderzoeksgroep maakt het dus mogelijk om meer focus te leggen op de andere aspecten die de macht van de CEO bepalen, omdat de verhoudingen tussen de Raad van Toezicht en de Raad van Bestuur binnen alle ziekenhuizen min of meer hetzelfde is, waardoor onafhankelijkheid is gewaarborgd. Daarnaast kan worden gesteld dat het hier in zekere mate om een homogene onderzoeksgroep gaat. De homogeniteit van de onderzoeksgroep schept een goed kader voor onderzoek naar de macht van de CEO op de hoogte van zijn beloning omdat veel andere factoren, die ook van invloed kunnen zijn, door de homogeniteit minder zullen verschillen. Daarnaast is er in de literatuur zeer weinig onderzoek te vinden naar de macht van de CEO binnen de non-profit sector. De meeste onderzoeken kijken naar de machtsverdeling tussen de eigenaren en de CEO en hierop zijn dan ook de determinanten van de macht van de CEO gebaseerd. Maatschappelijk gezien kan deze scriptie bijdragen aan de vraag of de per 1 januari 2013 van kracht geworden Wet Normering bezoldiging Topfunctionarissen publieke en semipublieke sector een logische keuze is geweest. Binnen deze wet zijn er strenge eisen gesteld aan de hoogte van de beloningen van bestuurders binnen de zorg. De uitkomsten van dit onderzoek kunnen 7

9 bijdragen aan een beter begrip van de noodzaak van deze wet en kunnen inzicht verschaffen aan landen die een dergelijke wet overwegen. Daarnaast kan het onderzoek wellicht handvatten bieden voor het beantwoorden van de vraag of de wet verder aangescherpt zou moeten worden. De theorie achter dit onderzoek is de Agency Theory van Jensen en Mecklin (1979). Het onderzoek wordt benaderd vanuit de Managerial Power approach. Er wordt gekeken naar de invloed van de macht van de CEO op de hoogte van zijn beloning binnen de Nederlandse ziekenhuizen. Het onderzoek heeft dan ook als doel te onderzoeken of er bewijs kan worden gevonden voor de managerial power theory binnen een homogene onderzoeksgroep in een nonprofit sector en het heeft daarnaast als doel te bepalen in hoeverre CEO s binnen Nederlandse ziekenhuizen hun macht gebruiken om hun beloning positief te beïnvloeden. De onderzoekvraag van dit onderzoek luidt dan ook: In hoeverre wordt de beloning van CEO s binnen Nederlandse ziekenhuizen positief beïnvloed door de macht van de CEO? Het onderzoek wordt uitgevoerd door middel van kwantitatief onderzoek. Nederlandse ziekenhuizen zijn sinds 2005 verplicht te publiceren over de hoogte van de beloningen van hun bestuurders. De benodigde data voor het onderzoek is openbaar en zal verwerkt worden tot een database. De gegevens die de karakteristieken van de macht van de CEO omschrijven, worden tevens uit publieke data gehaald en deze data wordt ook verwerkt in de database. Het onderzoek wordt uitgevoerd in de periode De wet die perk stelt aan de hoogte van de beloning van CEO s in de zorg is aangenomen in 2013, maar CEO s die voor die tijd een lopend arbeidscontract hadden met een hogere beloning, krijgen een transitieperiode van vier jaar om te voldoen aan de wet. Deze periode is hierdoor een geschikte periode om te onderzoeken. Dit onderzoek is verder als volgt opgebouwd; hoofdstuk 2 schetst het theoretisch kader waarin de theorie achter het onderzoek verder wordt uitgediept. Er wordt een link gelegd tussen de agency theory, de managerial power approach en corporate governance. Er wordt specifiek gekeken naar corporate governance binnen Nederlandse zorginstellingen. Daarnaast worden de determinanten voor het bepalen van de macht van de CEO gegeven en wordt het begrip CEO beloning gedefinieerd. Uiteindelijk worden in hoofdstuk 2 de hypotheses geformuleerd. Vervolgens wordt in hoofdstuk 3 de methode van onderzoek beschreven en worden de gebruikte modellen verder toegelicht. In hoofdstuk 4 wordt weergegeven hoe de onderzoekspopulatie is samengesteld en hoe de data wordt verkregen. Vervolgens wordt de data verder geanalyseerd met behulp van beschrijvende statistiek. In hoofdstuk 5 worden de modellen statistisch getoetst middels een regressieanalyse en worden de resultaten besproken. Uit de in hoofdstuk 5 gevonden 8

10 resultaten worden in hoofdstuk 6 conclusies getrokken en wordt er een antwoord gegeven op de onderzoeksvraag. Het onderzoek sluit af met hoofdstuk 7, waarin de beperkingen van dit onderzoek worden besproken en worden er enkele aanbevelingen gedaan voor vervolgonderzoek. 9

11 2 Theoretisch kader In dit hoofdstuk wordt de theorie achter het onderzoek besproken. Er worden verschillende bronnen aangehaald om te komen tot een beter begrip van de relevante aspecten van het onderzoek. In het hoofdstuk wordt begonnen met het begrip corporate governance, om vervolgens specifiek te kijken naar corporate governance binnen de Nederlandse zorgsector. In de paragraaf daarna wordt het begrip agency theory besproken met daaropvolgend een uitleg over de managerial power approach. Vervolgens wordt er gekeken hoe de macht van de CEO bepaald kan worden en wordt het begrip CEO beloning nader toegelicht. Tot slot worden in de laatste paragraaf de hypotheses geformuleerd die getoetst gaan worden in het onderzoek. 2.1 Corporate Governance Corporate governance houdt zich bezig met de vraag hoe eigenaren van organisaties rendement behalen op hun investeringen (Shleifer & Vishny, 1997). De noodzaak van corporate governance is gebaseerd op het principe dat wanneer er een scheiding is tussen de eigenaren en de managers van een organisatie, de managers de mogelijkheid hebben zichzelf te verrijken. De eigenaren van de organisatie betalen de kosten van deze verrijking (Larcker & Tayan, 2011), dit wordt vaak aangeduid met agency problemen (Jensen & Mecling, 1976). Schleifer & Vishny (1997) zien Corporate governance als een oplossing voor agency problemen. Een systeem voor corporate governance zorgt ervoor dat de doelstellingen van de eigenaren en het management op één lijn komen te liggen (Lin & Hwang, 2010). Lin & Hwang (2010) stellen in hun paper dat een goede corporate governance structuur ervoor zorgt dat het management de bronnen van de organisatie gebruikt op een manier die het meest gunstig is voor de eigenaren. Wanneer er daarentegen een zwakke corporate governance structuur is, kan dit leiden tot meer agency problemen. Corporate governance wordt door Larcker & Tayan (2011) in het kort omschreven als een totaal aan controlemechanismen dat een organisatie gebruikt om te voorkomen dat een zelfzuchtige manager activiteiten onderneemt die schadelijk kunnen zijn voor de eigenaren of stakeholders van de organisatie. Naast de aandeelhouders van organisaties zijn er meerdere personen of instanties die belang hebben bij het goed presteren van een organisatie. Hierbij moet gedacht worden aan afnemers, werknemers, vreemd-vermogensverschaffers, belangenorganisaties en eenieder die een relatie heeft met de organisatie, deze groepen samen worden de stakeholders genoemd. De stakeholders van organisaties hebben vaak verschillende belangen die met elkaar in conflict kunnen staan, maar ze hebben ook vaak het gezamenlijke belang van het voortbestaan van de organisatie. 10

12 In Nederland is corporate governance sinds 1997 een onderdeel om rekening mee te houden voor organisaties. Er werd toen door de commissie Peters een rapport gepubliceerd met daarin 40 principes voor beursgenoteerde ondernemingen, die moesten leiden tot meer transparantie en meer zeggenschap voor de aandeelhouders. Nadat echter uit onderzoek bleek dat de vrijblijvende principes uit het rapport tot onvoldoende resultaat leidden (De Jong & Roosenboom, 2002), is sinds 2004 de Nederlandse corporate governance code, ook wel bekend als de code Tabaksblad, van kracht geworden (Rijksoverheid, 2013). De richtlijnen binnen deze code werden voor beursgenoteerde organisaties verplicht. Mochten ze er toch van willen afwijken, dan dient dit expliciet vermeld te worden in hun verantwoording. Het Nederlandse corporate governance systeem stelt een tweelaags bestuursmodel verplicht, dit willen zeggen dan een organisatie geleid wordt door de Raad van Bestuur (RvB) en deze wordt gecontroleerd door de Raad van Commissarissen (RvC) (Rijksoverheid, 2013). De Nederlandse corporate governance code is in 2008 geactualiseerd door de Commissie Frijns. Een paar principes van de Nederlandse corporate governance code zijn verankerd in de wet. Daarnaast zijn binnen de code principes vastgelegd over de hoogte van de bezoldiging van de leden van de Raad van Bestuur en er is vastgelegd dat de wijze van bepaling voldoende inzichtelijk dient te zijn (Rijksoverheid, 2013). De Monitoring Commissie Corporate Governance stelt echter in 2011 vast dat de systematiek in algemene zin nog onvoldoende inzichtelijk is (Monitoring Commissie Corporate Governance, 2011) Corporate Governance in de zorg De zorgsector in Nederland heeft haar eigen corporate governance code, genaamd de Zorgbrede Governance Code 2010 (Brancheorganisaties Zorg, 2010). De Zorgbrede Governance Code 2005 was sinds 2006 van kracht (Brancheorganisaties Zorg, 2010). Daarnaast heeft sinds 2008 de Nederlandse Federatie van Universitaire Medicentra (NFU) haar eigen governance code, genaamd de Governancecode s UMC s (NFU, 2010). Deze code is gebaseerd op de principes in de Zorgbrede Governance Code (Brancheorganisaties Zorg, 2010). De Zorgbrede Governance Code is in 2010 herzien. Voor de code van de Nederlandse Federatie van Universitaire Medicentra geldt, evenals voor de Zorgbrede Governance Code, dat de zorginstellingen moeten voldoen aan de principes of duidelijk moeten publiceren over de afwijkingen. In januari 2009 volgde 90% van de zorgorganisaties de code ( ), latere cijfers zijn niet bekend. Binnen de Zorgbrede Governance Code wordt nadrukkelijk onderscheid gemaakt tussen de Raad van Toezicht (RvT) en de Raad van Bestuur (RvB). Nederlandse ziekenhuizen zijn hierdoor verplicht een tweeledig bestuursorgaan te hebben. De Raad van Bestuur is verantwoordelijk voor 11

13 het dagelijks bestuur van de organisatie en staat onder toezicht van de Raad van Toezicht. De Raad van Toezicht is verantwoordelijk voor het aanstellen van de bestuursleden. In de Zorgbrede Governance Code zijn tevens richtlijnen omschreven voor de samenstelling van de Raad van Toezicht. De leden van de Raad van Toezicht dienen op meerdere vlakken deskundig te zijn en mogen geen persoonlijke binding hebben met de zorginstelling. Tevens staat in de Zorgbrede Governance Code vermeld dat de Raad van Bestuur verplicht is te rapporteren over de hoogte van bezoldiging van de bestuursleden. De hoogte van de bezoldiging dient volgens de Zorgbrede Governance Code in lijn te zijn met de complexiteit van de werkzaamheden van het bestuur en hoog genoeg om goede managers aan te trekken, maar moet passen binnen de maatschappelijk geaccepteerde kaders. Doordat er de laatste jaren veel ophef is ontstaan over de bezoldiging van topfunctionarissen binnen de (semi-)publieke sector en dus ook binnen de zorgsector, heeft de wetgever als reactie daarop een nieuwe wet gemaakt. In deze wet worden de beloningen van topfunctionarissen in de zorg gemaximaliseerd. De Wet Normering bezoldiging Topfunctionarissen publieke en semipublieke sector (WNT) is sinds 1 januari 2013 geldig (Rijksoverheid, 2013). Deze wet schrijft voor dat bestuurders in de zorg in 2015 niet meer mogen verdienen dan 100% van het ministersalaris. Daarnaast is het verboden bonussen of andere variabele beloningen te betalen. Bestuurders die een lopend arbeidscontract hadden voor 1 januari 2013 met een beloning hoger dan de gestelde norm, mogen deze beloning gedurende vier jaar behouden. Daarna geldt er een transitieperiode van drie jaar (Rijksoverheid, 2013). Voor bestuurders aangesteld na 1 januari 2013 is deze wet direct van kracht. Voor de zorgsector gelden aanvullende regelingen op de wet. Zo worden er voor de zorginstellingen verschillende beloningsmaxima ingesteld, gebaseerd op de complexiteit van de organisatie, waarbij de aard van de functie van de CEO gewaardeerd kan worden in verschillende klassen. 2.2 Agency Theory Wanneer er wordt gekeken naar CEO beloning binnen organisaties, is de Agency Theory van Jensen en Meckling (1976) een veel gebruikte theorie. De theorie heeft als beginpunt dat de eigenaren van de organisatie (principaal genoemd in de theorie) en het management (agent genoemd in de theorie) bestaan uit verschillende personen of entiteiten. De agency theory is gebaseerd op twee aannames: er bestaat tegenstrijdigheid tussen de belangen van de agent (management) en die van de principaal (de eigenaren) en er is informatieasymmetrie tussen de agent en de principaal (Eisenhardt, 1989). Jensen en Meckling (1976) geven in hun theorie aan dat er een verschil bestaat tussen de doelen van de eigenaren en de doelen van het management. Dit 12

14 verschil in doelen is gebaseerd op het principe van nuts-maximalisatie, waarbij alle partijen op zoek zijn naar een manier om zoveel mogelijk beter te worden van de organisatie. De eigenaren hebben als doel hun aandeel in de organisatie zoveel mogelijk te laten renderen, terwijl het management als doel heeft zichzelf zoveel mogelijk te verrijken met gebruik van de bronnen van de organisatie. Informatieasymmetrie ontstaat wanneer de managers (agent) meer weten over hun handelen en capaciteiten dan bekend is bij de eigenaren (principaal). Om het verschil in doelstellingen te verkleinen is het volgens Jensen en Meckling (1976) zinvol om het management (de agent) te motiveren om te handelen in lijn met de doelstellingen van de eigenaren. Het management wordt gemotiveerd om deze doelstellingen te behalen door ze te belonen wanneer ze deze behalen. Deze contracten kosten de organisatie echter wel extra geld, dit worden agency costs genoemd. Agewcy costs bestaan tevens uit de kosten die gemaakt worden voor het monitoren van het management. Uiteindelijk blijft er altijd een bepaald restverlies over als gevolg van de scheiding tussen eigenaar en management (Jensen en Meckling, 1976). In de ideale wereld wordt er een contract gesloten tussen de principaal en de agent waarin de agency costs zoveel mogelijk worden geminimaliseerd. Zoals hierboven beschreven is het uitgangspunt van de Agency Theory de scheiding tussen eigenaren en bestuur van organisaties. Binnen non-profit instellingen spreekt men echter niet over eigenaren van de organisatie. Toch hebben ook non-profit ziekenhuizen te maken met Agent- Principaal problemen (Herzlinger, 1996). Het bestuur van de non-profit organisatie neemt namelijk besluiten over geld dat niet van hen is, maar wordt verschaft door derden. Hierdoor kan worden gesteld dat het bestuur van een non-profit organisatie in de verleiding kan komen het geld te gebruiken op een manier die voor henzelf gunstig is, maar niet in het belang is van de organisatie. Binnen de non-profit sector kunnen de stakeholders worden gezien als principaal (Eecklo et al., 2007). De stakeholders hebben echter veel minder informatie over het bestuur van de organisatie dan de aandeelhouders en daarnaast ontbreekt de marktwerking. Om dit probleem te verkleinen is het dus belangrijk dat er een Raad van Toezicht wordt ingesteld. Hermalin en Weisback (2003) geven aan dat het toezichthoudende orgaan een belangrijke functie heeft bij het verkleinen van agency problemen. In de vorige paragraaf is benoemd dat deze in de Zorgbrede Governance Code 2010 verplicht is gesteld. De Raad van Toezicht kan optreden als vertegenwoordiger van de principaal in non-profit instellingen en de belangen van de stakeholders vertegenwoordigen Managerial power approach In 2002 zijn Bebchuk, Fried en Walker dieper ingegaan op de Agency Theory. Zij geven in hun onderzoek aan dat de agency theory vanuit een andere invalshoek benaderd kan worden en zij noemen dit de managerial power benadering. Hun managerial power benadering gaat uit van 13

15 dezelfde onderliggende principes als de agency theory. Zij concluderen in hun onderzoek dat CEO s een grote mate van invloed hebben op de hoogte van hun beloning. Bebchuk en Fried (2003) concluderen dat de beloning van bestuurders niet alleen gezien wordt als een oplossing voor het agent-principaal probleem, maar ook zelf bijdraagt aan dit probleem. Zij geven aan dat managers een grote mate van macht kunnen hebben binnen organisaties en dat zij daarmee in staat zijn hun beloning positief te beïnvloeden. Dit blijkt volgens hen uit het feit dat de beloningen van CEO s soms hoger zijn dan wat er verwacht zou kunnen worden op basis van de karakteristieken van de functie. De macht van de CEO is volgens hun afhankelijk van de structuur van het bestuursorgaan en de eigendomsstructuur. Ryan en Wiggins (2004) concluderen in hun onderzoek dat de hoogte van de beloning van een CEO meer gezien kan worden als het resultaat van de onderhandelingen tussen het dagelijks bestuur en de Raad van Commissarissen en zij geven aan dat de macht van het management een determinant is van de hoogte van de compensatie. Degene met de meeste macht van beide partijen heeft de meeste invloed op de hoogte van de beloning. Lambert et al. (1993) concluderen in hun onderzoek tevens dat er een positieve associatie is tussen de macht van de CEO en de hoogte van de beloning. Ook Grinstein en Hribar (2004) vinden in hun onderzoek naar CEO compensatie bij grote fusie- en overnamedeals dat de macht van de CEO een positieve relatie heeft met de hoogte van de beloning van de CEO. Bebchuck en Fried (2003) tonen daarnaast aan dat er een maximum zit op de hoogte van de beloning van de CEO en daarmee op zijn mogelijkheid deze te beïnvloeden. Dit maximum wordt veroorzaakt door de outrage constraint, waarmee zij bedoelen dat de beloning gelimiteerd is tot de hoogte die de maatschappij acceptabel acht. Wat aangeeft dat de publieke opinie van invloed is op de hoogte van CEO beloningen. 2.3 CEO power De managerial power benadering laat zien dat machtige CEO s in staat zijn de hoogte van hun beloning positief te beïnvloeden. Binnen de literatuur is er dan ook veel geschreven over de macht van een CEO. Een belangrijk onderdeel van de macht van de CEO hangt samen met de structuur van de bestuursorganen binnen de organisatie. Core et al. (1999) vinden in hun onderzoek dat de grootte van het bestuursorgaan van een organisatie van invloed is op de hoogte van de beloning van een CEO. Zij concluderen tevens dat de bestuursstructuur een pijler is voor goede of slechte corporate governance en vinden een samenhang tussen slechte corporate governance en een hogere CEO beloning. Daily en Johnson (1997) geven aan dat de macht van een CEO samenhangt met de macht die deze heeft over de overige bestuurders. Een andere maatstaaf voor macht is de 14

16 on- of interafhankelijkheid van de overige bestuursleden (Daily en Dalton, 1994; Zajac & Westphal, 1995). Bestuursleden zijn interafhankelijk wanneer deze zijn aangesteld nadat de CEO in dienst trad. CEO s zijn vaak betrokken bij het aanstellen van overige bestuurders en hierdoor zullen de overige bestuurders een bepaalde mate van loyaliteit naar de CEO hebben wanneer zij onder zijn bewind zijn aangesteld. Dit zorgt voor een hogere macht bij de CEO (Daily en Johnson, 1997). Bovenstaande bevindingen gaan echter vaak uit van een enkelvoudig bestuursorgaan, waarin het toezichthoudende orgaan en het bestuurlijke orgaan zijn verenigd in een bestuur. Deze enkelvoudige bestuursorganen komen voornamelijk voor in de Angelsaksische landen. Zoals omschreven in de eerder besproken Zorgbrede Governance Code 2010, zijn Nederlandse ziekenhuizen verplicht om een tweeledig bestuursorgaan te hebben. Voor het bepalen van de macht van de CEO binnen deze bestuursorganen gelden dus andere determinanten. De onafhankelijkheid van het toezichthoudende orgaan binnen de Nederlandse ziekenhuizen is voldoende gewaarborgd, gezien de scheiding tussen RvT en RvB (Cardinaels, 2009; Schaepkens en Speklé, 2014). De grootte van de RvT kan echter wel van invloed zijn op de governance binnen non-profit organisaties en dus op de macht van de CEO. Aggerwal et al. (2012) geven aan dat in een non-profit organisatie een grotere RvT zinvol kan zijn, omdat deze beter in staat is de belangen van de verschillende stakeholders te waarborgen. De grootte van de RvB ten opzichte van de RvT is een maatstaaf voor de relatieve macht die het dagelijks bestuur heeft over de RvT en dus op de macht van de CEO (Cardinaels, 2009; Schaepkens & Speklé, 2014). Een andere pijler voor macht, die Daily en Johnson (1997) benoemen in hun onderzoek, is de mate van prestige van de CEO. Een CEO met een bepaalde mate van belangrijkheid heeft meer aanzien en daardoor meer macht. Cardinaels (2009) en Schaepkens en Speklé (2014) zien in hun onderzoek de expertise van de RvT als middel om de macht van de CEO te beperken. Zij geven aan dat een RvT met meer expertise beter in staat is toezicht te houden op het dagelijks bestuur. Zij meten expertise door te kijken naar het aantal titels dat aanwezig is binnen de Raad van Toezicht. De mate van prestige van de CEO wordt in het onderzoek van Daily en Johnson (1997) bepaald aan de hand van het aantal titels van de CEO, dit kan ook omschreven worden als de expertise van de CEO. Bij de bepaling van de macht van de CEO kan dus een vergelijking worden gemaakt tussen de expertise van de CEO en de expertise van de RvT. Waarin een relatief hogere expertise bij de CEO ten opzichte van de RvT kan leiden tot meer macht. De hoogte van de beloning van de CEO is volgens onderzoek van Zajac en Westphal (1995) positief geassocieerd met de gelijkheid van de bestuursleden. Met de gelijkheid van 15

17 bestuursleden bedoelen zij dat het bestuur van een organisatie uit demografisch gelijken bestaat, dit kan ook worden omschreven als een lage mate van diversiteit in het bestuur. Deze bevindingen zouden ook kunnen gelden voor Nederlandse ziekenhuizen. Wanneer de CEO van een ziekenhuis meer demografische gelijkheid heeft met zijn toezichthouders, kan dit zorgen voor meer macht van de CEO. Kosnik (1990) concludeert dat diversiteit in het bestuur de prestaties van een organisatie bevorderen en legt de link met een hogere mate van onafhankelijkheid van de toezichthouden bestuursleden bij meer diversiteit. Kosnik (1990) geeft aan dat dit komt doordat meer diversiteit zorgt voor meer verschillende perspectieven, waardoor minder kortzichtigheid ontstaat en hierdoor is er een betere evaluatie van het bestuur. Daarnaast geven Zajac en Westphal (1995) aan dat de lengte van het dienstverband van invloed is op de hoeveelheid macht van de CEO. Zij geven aan dat naarmate een CEO langer in functie is, zijn invloed op de beslissingen die de RvT neemt groter wordt. Pfeffer (1981) geeft aan dat naarmate een CEO langer in dienst is, zijn macht toeneemt omdat de leden in het bestuur loyaler worden naar de CEO, dit kan zowel gelden voor leden van de Raad van Toezicht als leden van de Raad van Bestuur. Daarnaast neemt de macht van de CEO toe naarmate deze langer in dienst is, omdat de lengte van het dienstverband bij kan dragen aan informatieasymetrie. CEO s die langer in dienst zijn, raken beter bekend met de informatieystemen en kunnen hierdoor meer sturing geven aan de informatie die richting de Raad van Toezicht gaat (Coughlan and Schmidt, 1985). 2.4 CEO compensatie Zoals eerder aangegeven zijn Nederlandse ziekenhuizen verplicht te publiceren over de hoogte van de bezoldigingen van hun topfunctionarissen en deze data is publiekelijk beschikbaar. In dit onderzoek wordt gekeken naar de totale beloning van de CEO. De totale beloning is onderverdeeld in drie onderdelen. Hierin wordt dezelfde wijze van bepaling gebruikt als in de onderzoeken van Cardinaels (2009) en Schaepkens en Speklé (2014). Het eerste onderdeel van de beloning van de CEO is het basissalaris, ook wel het vaste salaris genoemd. Het basissalaris is het vaststaande deel van de beloning van de CEO en wordt maandelijks betaald gedurende het gehele jaar. Het vaste salaris wordt jaarlijks gecorrigeerd voor de inflatie en kan daarnaast jaarlijks wijzigen op basis van behaalde prestaties in het voorgaande jaar of op basis van vooraf gemaakte afspraken. Het tweede onderdeel van de beloning van de CEO is het variabele gedeelte. Het variabele gedeelte is een beloning op basis van de prestaties van de CEO in het afgelopen jaar en is vaak een percentage van het vaste salaris. Het derde onderdeel van de beloning van CEO s in de zorg bestaat uit de overige beloningen. Hieronder wordt verstaan 16

18 niet-monetaire ontvangsten, de toegestane persoonlijke uitgave door de CEO en de bijdrage aan het pensioenfonds. 2.5 Hypothesen De centrale onderzoeksvraag in deze scriptie is: In hoeverre wordt de beloning van CEO s binnen Nederlandse ziekenhuizen positief beïnvloed door de macht van de CEO? Zoals in dit hoofdstuk is te lezen omvat deze onderzoeksvraag een breed theoretisch kader. Om de onderzoeksvraag verder te specificeren wordt deze uitgewerkt in een aantal (deel)hypotheses. Uit de literatuurstudie in dit hoofdstuk is naar voren gekomen dat er aanwijzingen zijn dat beloningscontracten van CEO s niet altijd in lijn zijn met wat logisch zou zijn, kijkend naar de economische determinanten. De managerial approach laat zien dat machtige CEO s wellicht in staat kunnen zijn hun beloning positief te beïnvloeden (Bechuck et al., 2002; Bechuck & Fried, 2003). De hypothese die hieruit geformuleerd wordt is: H1: Machtige CEO s van Nederlandse ziekenhuizen zijn in staat hun beloning positief te beïnvloeden De macht van de CEO is echter niet direct te meten. Om toch te kunnen bepalen wat de invloed van de macht van de CEO is, is een viertal proxies gedefinieerd. Per proxy wordt een deelhypothese geformuleerd, welke in de volgende alinea s worden besproken. Eerder in dit hoofdstuk is tevens naar voren gekomen dat de grootte van de RvB ten opzichte van de RvT, van invloed is op de macht van de CEO en dus op de mogelijkheid zijn beloning positief te beïnvloeden. Een grotere RvT ten opzichte van de RvB zorgt voor een betere governance en daardoor voor minder macht bij de CEO. Door dit om te draaien kan gesteld worden dat de grootte van de RvB ten opzichte van de grootte van de RvT positief van invloed is op de macht van de CEO. Hieruit kan de eerste deelhypothese geformuleerd worden. H1a: Het aantal leden in de RvB ten opzichte van het aantal leden in de RvT is positief geassocieerd met de hoogte van de beloning van CEO s binnen Nederlandse ziekenhuizen Daarnaast is de veronderstelling getrokken uit het onderzoek van Daily & Johnson (1997) en uit de onderzoeken van Cardinaels (2009) en Schaepkens en Speklé (2014), dat de hoeveelheid expertise van de CEO ten opzichte van de expertise van de RvT van invloed is op de hoogte van de beloning. De twede deelhypothese luidt hierom als volgt: 17

19 H1b: De expertise van de CEO ten opzichte van de expertise van de RvT is positief geassocieerd met de hoogte van de beloning van CEO s binnen Nederlandse ziekenhuizen Zajac en Westphal (1995) gaven in hun onderzoek aan dat de mate van demografische gelijkheid positief geassocieerd is met de hoogte van de beloning. Hieruit kan worden afgeleid dat wanneer er een hogere mate van gelijkheid heerst tussen de CEO en de RvT, dit zal leiden tot meer macht van de CEO. De deelhypothese die hieruit voortkomt, is: H1c: De mate van demografische gelijkheid tussen de CEO en de RvT is positief geassocieerd met de hoogte van de beloning van CEO s binnen Nederlandse ziekenhuizen Uit het onderzoek van Zajac en Westphal (1995) bleek tevens dat de lengte van het dienstverband van invloed is op de hoogte van de beloning van de CEO. De lengte van het dienstverband van de CEO, heeft tevens een positieve invloed op de macht van de CEO, omdat CEO s die langer in dienst zijn, beter in staat zijn de informatie richting de Raad van Toezicht te beïnvloeden (Coughlan & Schmidt, 1985). Daaraast worden de overige bestuurders loyaler naar de CEO, wat ook zorgt voor meer macht (Pfeffer, 1981). Hieruit is de volgende deelhypothese geformuleerd: H1d: De lengte van het dienstverband van de CEO is positief geassocieerd met de hoogte van de beloning van CEO s binnen Nederlandse ziekenhuizen In het volgende hoofdstuk wordt beschreven via welke methodiek de bovenstaande deelhypotheses worden getoetst en wat de statistische modellen zijn achter de toetsen. 18

20 3 Onderzoeksmethodiek Om de geformuleerde hypothesen te toetsen en daarmee de onderzoeksvraag te beantwoorden, wordt gebruik gemaakt van kwantitatief onderzoek. De gebruikte methode is een regressieanalyse. Er wordt gekeken of er een verband bestaat tussen de macht van de CEO en de hoogte van de beloning. De vier deelhypothesen worden getoetst met vier statistische modellen, waarin per deelhypothese naar een bepaalde variabele wordt gekeken, deze worden in de komende paragrafen verder toegelicht. Op basis van het vorige hoofdstuk kan resumerend gesteld worden dat de onderzoeksvraag als volgt is geoperationaliseerd (weergegeven in het framework van Libby (1981)): Figuur 1: Onderzoeksvraag in het framework van Libby (1981) 3.1 Het regressiemodel Als basis voor de statistische modellen wordt het model van Core et al. (1999) gebruikt, hierin worden de onderzoeken van Cardinaels (2009) en Schaepkens en Speklé (2014) gevolgd. Core et al. (1999) formuleerde als nulhypothese in hun onderzoek, dat eigenaren van organisaties een beloningscontract met CEO s afsluiten, waarin CEO s optimaal gemotiveerd worden om te handelen op een wijze die het beste is voor de organisatie en die wordt gebaseerd op organisatiespecifieke eigenschappen, zoals de grootte, de prestaties van de organisatie, het risico van het bedrijf en de groeimogelijkheden. Voor dit onderzoek is een aangepast model van Core et al. (1999) als basis gebruikt, omdat dit onderzoek wordt gedaan in een non-profit sector. Daarnaast is het onderzoek van Core et al. (1999) uitgevoerd in de Verenigde Staten, waar scheiding tussen een Raad van Bestuur en een Raad van Toezicht niet gebruikelijk is. In de Nederlandse ziekenhuizensector is deze scheiding verplicht. Core et al. (1999) geven in hun onderzoek een aantal economische determinanten waarop een beloningscontract zou moeten zijn gebaseerd. 19

21 Cardinaels (2009) en Schaepkens en Speklé (2014) gebruiken in hun onderzoeken eveneens het model van Core et al. (1999) als basis voor het bepalen van de economische determinanten die van invloed zijn op de hoogte van de beloning van de CEO. Cardinaels (2009) geeft aan dat deze onder te verdelen zijn in vier categorieën, namelijk: determinanten voor karakteristieken van het ziekenhuis, determinanten voor karakteristieken van de CEO, determinanten voor de marktfactoren en determinanten voor de prestaties van het ziekenhuis. Het model bevat een aantal variabelen die de economische determinanten van de functie represteren. In de Zorgbrede Governance Code (2010) staat tevens expliciet vermeld dat de beloning van bestuurders binnen de zorg in lijn moet zijn met de karakteristieken van de functie en hoog genoeg om goede bestuurders aan te trekken. Het model dat dient als basis voor het toetsen van de hypotheses kan als volgt worden weergegeven: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 D_Location i,t + β 4 DAcademic i,t + β 5 DCEOExtern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + ε i,t TotComp i,t : totale compensatie CEO LogNumBeds i,t : logaritme van aantal bedden DVeelSpec i,t : dummy veel of weinig/gemiddeld aantal specialismen DLocation i,t : dummy wel of niet stedelijke provincie DAcademic i,t : dummy wel of niet academisch DCEO_Extern i,t : dummy wel of niet extern ingehuurde CEO DCEO_Exit i,t : dummy wel of niet volledige jaar CEO ΔROTA i,t : verandering ROTA in jaar t-1 Δlaborprod i,t : verandering arbeidsproductiviteit in jaar t-1 i : code ziekenhuis t : jaar De afhankelijke variabele in het regressiemodel is de totale compensatie van de CEO. Deze wordt gedefinieerd als TotComp i,t. De totale compensatie van de CEO bestaat uit het vaste salaris, de variabele beloning en de overige beloningen. De eerste controlevariabele uit het regressiemodel is de grootte van het ziekenhuis, gemeten door te kijken naar het aantal bedden. Deze variabele is gedefinieerd als LogNumbeds i,t. Er wordt gekeken naar de logaritme van het aantal bedden, dit is overeenkomstig met het onderzoek van Cardinaels (2009). De tweede controlevariabele is een dummyvariabele voor aantal specialismen binnen een ziekenhuis (DVeelSpec i,t ). Volgens Core et al. (1999) is de complexiteit van de functie een determinant voor de hoogte van de beloning van de CEO. Binnen de Nederlandse ziekenhuizen kan het aantal specialismen gezien worden als een determinant voor de mate van complexiteit van de functie (Cardinaels, 2009). Er is gekozen voor een dummyvariabele waarbij onderscheid 20

22 gemaakt wordt tussen weinig/gemiddeld aantal specialismen en veel specialismen. Ziekenhuizen met veel specialismen worden ook wel Top-clinical ziekenhuizen genoemd. De derde controlevariabele houdt verband met de marktfactoren die van invloed zijn op het betreffende ziekenhuis. De marktfactoren die van invloed zijn op een ziekenhuis, kunnen worden bepaald door te kijken naar de locatie van het ziekenhuis (Cardinaels, 2009; Schaepkens & Speklé, 2014). Eerdere onderzoeken laten zien dat de markt voor Nederlandse ziekenhuizen is onder te verdelen in twee demografische gebieden; de stedelijke provincies en de overige provincies (Cardinaels, 2009; Schaepkens & Speklé, 2014). Binnen het regressiemodel wordt er een dummyvariabele opgenomen voor het wel of niet stedelijk zijn. De eerder genoemde invloed van de complexiteit van de functie op de hoogte van de beloning van de CEO (Core et al., 1999), houdt tevens verband met het feit of een ziekenhuis een academische status heeft, wat inhoudt dat er ook een universitaire opleiding gevold kan worden en wetenschappelijk onderzoek wordt gedaan (Cardinaels, 2009; Schaepkens & Speklé, 2014). Deze controlevariabele is toegevoegd aan het model door een dummyvariabele te creëren voor het wel of niet zijn van een academisch ziekenhuis ( DAcademic i,t ). Er is gekozen voor deze dummyvariabele, omdat er een verschil kan bestaan tussen de doelstellingen van een academisch ziekenhuis en de doelstellingen van een algemeen ziekenhuis, wat van invloed kan zijn op prestatiebepaling waarop het beloningcontract van de CEO wordt gebaseerd. In het model wordt ook een dummyvariabele meegenomen voor het al dan niet zijn van een extern ingehuurde CEO. Extern ingehuurde CEO s dragen een hoger arbeidsrisico, omdat ze geen vaste aanstelling hebben. Voor dit risico verlangen zij een risicopremie, waardoor hun beloning hoger zal zijn dan die van een CEO met een vast dienstverband (Cardinaels, 2009). Daarnaast wordt er een controlevariabele meegenomen voor CEO s die gedurende het jaar uit dienst treden, dit kan van invloed zijn op de hoogte van de beloning. De laatste controlevariabelen die zijn toegevoegd aan het model, zijn de controlevariabelen voor de prestaties van het ziekenhuis. Uit het model van Core et al. (1999) blijkt dat de prestaties van een onderneming een belangrijke determinant zijn voor de hoogte van de beloning van de CEO. De prestaties van een ziekenhuis kunnen worden gemeten aan de hand van financiële en kwalitatieve prestatie-indicatoren, waarbij de kwalitatieve prestaties een belangrijk onderdeel vormen van de doelstellingen van een ziekenhuis. Er is in dit onderzoek echter geen variabele opgenomen voor de bepaling van de kwalitatieve prestaties. De enige vergelijkbare, beschikbare data over de kwalitatieve prestaties van Nederlandse ziekenhuizen voor de onderzoeksperiode, is de jaarlijkse Ziekenhuizen Top-100 van het Algemeen Dagblad. Na research op internet bleek 21

23 echter dat de criteria jaarlijks verschillen en er veel discussie is over de methode van het onderzoek, waardoor er geen vergelijking gemaakt kan worden tussen de verschillende jaren. Er is daarom gekozen om de prestaties enkel te bepalen op basis van financiële gegevens. Cardinaels (2009) gebruikt in zijn onderzoek de omzetgroei van het voorgaande jaar als prestatiemaatstaaf. Het onderzoek van Cardinaels (2009) kijkt echter naar het jaar Sinds 2005 is de financiële situatie van ziekenhuizen sterk veranderd. Schaepkens en Speklé (2014) hebben in hun onderzoek de financiële prestaties van ziekenhuizen als afhankelijke variabele gebruikt. In dit onderzoek worden de financiële prestaties echter als onafhankelijke controlevariabele gebruikt. De methode die Schaepkens en Speklé (2014) hebben gebruikt om de financiële prestaties van een ziekenhuis te meten, is ook toe te passen in dit onderzoek. Er worden in dit onderzoek twee variabelen voor financiële prestaties meegenomen. Schaepkens en Speklé (2014) keken allereerst naar de Return on Total Assets (ROTA). Zij volgen hierin de onderzoeken van Brickley & Van Horn (2002) en Brickley et al. (2010). Ondanks dat het om non-profit ziekenhuizen gaat wordt er toch een kleine winst waargenomen bij verschillende ziekenhuizen (Schaepkens en Speklé, 2014). De ROTA wordt berekend door de inkomsten voor aftrek van rente en belastingen te delen door het totaal aan activa van het ziekenhuis. Deze methode heeft als belangrijk voordeel dat er niet wordt gekeken naar de hoogte van de financiële lasten. Ziekenhuizen in Nederland zijn non-profit instellingen en worden daardoor niet geacht winst te maken waarmee ze hun eigen vermogen kunnen verhogen. Ze zijn over het algemeen dus grotendeels gefinancierd met vreemd vermogen. De hoogte van de beloning van een CEO in een bepaald jaar, is afhankelijk van de stijging van de prestaties in het voorgaande jaar. Er wordt bij de bepaling van deze variabele daarom gekeken naar het verschil tussen de ROTA in jaar t-1 en de ROTA in jaar t-2. De variabele voor de prestatie van het ziekenhuis kan hierdoor als volgt worden bepaald: ΔROTA i,t 1 = ROTA i,t 1 ROTA i,t 2, waarbij de ROTA als volgt wordt berekend: ROTA i,t = EBIT i,t TotNetAs i,t ROTA i,t : Return on Total Assets EBIT i,t : Earnings Before Interest & Taxes TotNetAs i,t : Totaal aan activa i : code ziekenhuis t : jaar Een andere indicator voor het meten van de financiële prestaties van ziekenhuizen die Schaepkens en Speklé (2014) geven, is de mate van productiviteit. Zij definiëren dit als arbeidsproductiviteit en bedoelen hiermee het vermogen van een ziekenhuis om de potentiële productiviteit van het personeel te benutten. Zij geven aan dat gemiddeld 70% van de totale kosten van een ziekenhuis bestaat uit personeel. Deze maatstaaf moet de toegenomen noodzaak voor 22

24 efficiëntie en kostenbewustheid binnen de Nederlandse ziekenhuizensector dekken en wordt berekend door de totale omzet te delen door het totaal aan personele lasten (Schaepkens en Speklé, 2014). In het regressiemodel is het verschil in arbeidsproductiviteit in jaar t-1 ten opzichte van jaar t-2 meegenomen en deze wordt als volgt berekend: Δlaborprod i,t 1 = laborprod i,t 1 laborprod i,t 2 De arbeidsproductiviteit (laborprod) kan als volgt berekend worden: laborprod i,t = total_revenue i,t labor_costs i,t, laborprod i,t total_revenue i,t labor_costs i,t i t : arbeidsproductiviteit : totale omzet : totale personele lasten : code ziekenhuis : jaar Uit eerdere onderzoeken bleek echter ook dat niet alle variatie in beloningen te verklaren is door het verschil in karakteristieken van de functie. In het vorige hoofdstuk zijn vier deelhypotheses geformuleerd. Deze vier deelhypotheses kunnen getoetst worden door per hypothese een of twee variabelen toe te voegen aan het regressiemodel. In de volgende deelparagrafen wordt de toetsing van deze deelhypotheses verder uitgewerkt Hypothese 1a Door hypothese 1a tot en met 1d te toetsen, kan er per determinant voor de macht van de CEO de invloed op de hoogte van de beloning worden bepaald. Uiteindelijke kan hypothese 1 beantwoord worden door te kijken naar deelhypotheses 1a tot en met 1d. Bij hypothese 1a wordt ervan uitgegaan dat het aantal leden van de Raad van Bestuur ten opzichte van het aantal leden van de Raad van Toezicht positief geassocieerd is met de beloning van de CEO. De deelhypothese wordt getoetst met een lineair regressiemodel. Door te kijken naar de significantie van de β-coëfficiënt kan bepaald worden of de variabele RatioBoard i,t significant van invloed is op de hoogte van de beloning van de CEO. De verhouding tussen het aantal leden van de RvB en het aantal leden van de RvT wordt als volgt berekend: RatioBoard i,t = NumRvB i,t NumRvT i,t RatioBoard i,t NumRvB i,t NumRvT i,t i t Uit deze formule komt een positief getal wat de verhouding tussen het aantal leden van de RvB en het aantal leden van de RvT weergeeft. De regressievergelijking om hypothese 1a te toetsen, kan als volgt worden weergegeven: : verhouding aantal leden RvB t.o.v. aantal leden RvT : aantal leden RvB : aantal leden RvT : code ziekenhuis : jaar 23

25 TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + β 4 DAcademic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 RatioBoard i,t + ε i,t Hypothese 1b Hypothese 1b kan getoetst worden door te kijken of de expertise van de CEO ten opzichte van de expertise van de RvT positief geassocieerd is met de totale beloning en wordt tevens getoetst met een lineair regressiemodel. Bij het bepalen van de expertise van de CEO wordt gekeken naar het aantal titels van de CEO ten opzichte van het aantal titels van de RvT. Er wordt hierbij gekeken naar het totaal aantal titels dat de RvT heeft, zonder te kijken naar het aantal leden van de RvT, omdat het aantal kennisgebieden dat aanwezig is binnen de RvT van invloed is op de kwaliteit van het toezicht (Cardinaels, 2009; Schaepkens & Speklé, 2014). De variabele voor het bepalen van de expertise van de CEO wordt als volgt berekend: RatioExpertise i,t = TitelsCEO i,t TitelsRvT i,t TotComp i,t = RatioExpertise i,t TitelsCEO i,t TitelsRvT i,t i t : verhouding aantal titels CEO t.o.v. aantal titels RvT : aantal titels CEO : aantal titels RvT : code ziekenhuis : jaar De regressievergelijking om hypothese 1b te toetsen, wordt hieronder weergegeven: α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + β 4 DAcademic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 RatioExpertise i,t + ε i,t Hypothese 1c Hypothese 1c wordt getoetst door te kijken naar de mate van demografische gelijkheid tussen de CEO en de leden van de RvT. Er wordt bepaald of de demografische gelijkheid significant van invloed is op de hoogte van de beloning van de CEO. Uit eerder onderzoek is gebleken dat de hoeveelheid macht van de CEO afhangt van de demografische gelijkheid tussen de RvT en de CEO (Zajac & Westphal, 1995). Demografische gelijkheid kan op een groot aantal vlakken bestaan, waaronder gelijkheid in geslacht, gelijkheid in leeftijd, gelijkheid in hoogstgenoten opleding, gelijkheid in arbeidsverleden en ethnische gelijkheid (Zajac & Westphal, 1995). Gezien de beschikbaarheid van de data en de haalbaarheid van dit onderzoek, is het echter alleen mogelijk om te kijken naar twee punten. Allereerst wordt gekeken naar de overeenkomsten in geslacht tussen de CEO en de leden van de RvT. Deze wordt bepaald door te kijken naar de verhouding tussen het aantal leden van de RvT met hetzelfde geslacht als de CEO ten opzichte van het totaal aantal leden van de RvT en wordt weergegeven met de variabele RatioGender i,t, die als volgt berekend: 24

26 RatioGender i,t = GenderSim i,t NumRvT i,t RatioGender i,t : verhouding leden RvT met zelfde geslacht als CEO t.o.v. aantal leden RvT GenderSim i,t : aantal leden RvT met zelfde geslacht als CEO NumRvT i,t : aantal leden RvT i : code ziekenhuis t : jaar Daarnaast kan gesteld worden dat er demografische gelijkheid bestaat tussen de CEO en een lid van de RvT wanneer deze dezelfde achtergrond hebben. Deze gelijkenis in achtergrond zou kunnen ontstaan doordat ze dezelfde studie hebben genoten of op dezelfde universiteit hebben gezeten. Het betrouwbaar verzamelen van deze data is echter niet haalbaar gebleken. Als proxy hiervoor wordt gekeken naar de overeenkomst tussen de titels van de CEO en de titels van de leden van de RvT. Wanneer een CEO overeenkomstige titels heeft met een lid van de RvT, kan tot op zekere hoogte gesteld worden dat ze dezelfde achtergrond hebben. De variabele in het regressiemodel voor deze proxy is RatioTitelSim i,t en wordt als volgt berekend: RatioTitelSim i,t = TitelSim i,t NumRvT i,t RatioTitelSim i,t : verhouding leden RvT met dezelfde titel als de CEO t.o.v. aantal leden RvT TitelSim i,t : aantal overeenkomstige titel(s) van leden van de RvT en de CEO NumRvT i,t : aantal leden RvT i : code ziekenhuis t : jaar Deelhypothese 1c wordt ook met een lineair regressiemodel getoetst. De regressievergelijking om hypothese 1c te toetsen is als volgt: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + β 4 DAcademic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 RatioGender i,t + β 10 RatioTitelSim i,t + ε i,t Hypothese 1d Hypothese 1d wordt getoetst door te kijken naar de lengte van het dienstverband van de CEO. Uit eerder onderzoek blijkt dat CEO s die langer in dienst zijn bij een organisatie meer invloed kunnen uitoefen op de RvT en daardoor beter in staat zijn tot het gebruiken van bronnen van de organisatie voor hun persoonlijk nut. De lengte van het dienstverband van de CEO wordt weergegeven in jaren, waarbij niet wordt afgerond naar hele jaren. In het onderzoek wordt deze variabele weergegeven als TenureCEO i,t. De regressievergelijking om hypothese 1d te toetsen kan als volgt worden weergegeven: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + β 4 DAcademic i,t + β 5 D_Extern i,t + β 6 D_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 TenureCEO i,t + ε i,t 25

27 3.2 Overzicht variabelen In de voorgaande paragrafen is beschreven welke variabelen gebruikt worden in het regressiemodel en hoe ze worden bepaald. Hieronder volgt een tabel met daarin een schematische weergave van alle variabelen. In het volgende hoofdstuk wordt nader toegelicht wat de onderzoekspopulatie is, hoe de benodigde data voor de toetsen wordt verkregen en wordt de data verder geanalyseerd. Tabel 1: overzicht variabelen Afhankelijke variabelen: TotComp i,t Controlevariabelen: LogNumbeds i,t DVeelSpec i,t D_Location i,t D_Academic i,t DCEO_Extern i,t DCEO_Exit i,t ΔROTA i,t Δlaborprod i,t CEO macht: RatioBoard i,t RatioExpertise i,t RatioGender i,t RatioTitelSim i,t TenureCEO i,t Totale compensatie CEO (Vast salaris + variabele beloning+ overige beloning) logaritme van aantal bedden in ziekenhuis dummyvariabele voor het aantal specialismen in ziekenhuis, waarbij 1= veel specialismen, 0=weinig/gemiddeld aantal specialismen. dummyvariabele voor wel of geen stedelijke provincie, waar 1=stedelijke provincie, 0=overige provincies dummyvariabele voor wel of geen academisch ziekenhuis zijn, waarbij 1=Academisch 0=Top- Clinical/regulier ziekenhuis dummyvariabele voor wel of niet extern ingehuurde CEO, waarbij 1=ingehuurd 0=vast dienstverband dummyvariabele voor wel of niet volledig jaar in dienst, waarbij 1=niet volledig 0=wel volledig prestatie ziekenhuis bepaald aan de hand van het verschil in de return on total assets berekend met de formule: ΔROTA i,t 1 = ROTA i,t 1 ROTA i,t 2 Return on Total Assets berekend door het resultaat voor rente en belastingen te delen door het totaal aan activa. Formule: ROTA i,t = EBIT i,t TotNetAs i,t prestatie ziekenhuis bepaald aan de hand van het verschil in arbeidsproductiviteit berekend met de formule: Δlaborprod i,t 1 = laborprod i,t 1 laborprod i,t 2 de arbeidsproductiviteit kan berekend worden door de omzet te delen door de personele lasten: laborprod i,t = total_revenue i,t labor_costs i,t, hoeveelheid leden RvB ten opzichte van aantal leden RvT: NumRvB i,t NumRvT i,t = aantal leden RvB aantal leden RvT hoeveelheid titels CEO ten opzichte van totaal aantal titels RvT TitelsCEO i,t TitelsRvT i,t = aantal titels CEO aantal titels RvT aantal leden RvT met hetzelfde geslacht als de CEO ten opzichte van het totaal aantal leden RvT GenderSim i,t NumRvT i,t = aantal leden RvT met zelfde geslacht CEO aantal leden RvT aantal leden RvT met dezelfde titel als de CEO ten opzichte van het totaal aantal leden RvT TitelSim i,t NumRvT i,t = aantal leden RvT met dezelfde titel als CEO aantal leden RvT Lengte van het dienstverband van de CEO (uitgedrukt in jaren, zonder afronding) i,t i= code ziekenhuis t= jaar (2006,2007,2008,2009,2010,2011,2012,2013,2014) 26

28 4 Data 4.1 Onderzoekspopulatie De onderzoekspopulatie waarbinnen het onderzoek wordt uitgevoerd bestaat uit de Nederlandse ziekenhuizen. Nederlandse ziekenhuizen zijn onder te verdelen in twee categorieën: algemene ziekenhuizen en academische ziekenhuizen. Er wordt onderzoek gedaan naar de periode Echter, omdat er wordt gekeken naar de beloning van CEO, is er ook data nodig uit de jaren 2006 en Het beloningscontract van een CEO is namelijk afhankelijk van zijn prestaties in het voorgaande jaar. Het totaal aantal ziekenhuizen heeft zich in die periode als volgt ontwikkeld: Tabel 2: ontwikkeling aantal ziekenhuizen in de periode Jaar: Algemene ziekenhuizen Academische ziekenhuizen Totaal: De Wet Normering bezoldiging Topfunctionarissen publieke en semipublieke sector is sinds 1 januari 2013 van kracht. Voor CEO s die op 1 januari 2013 al in dienst waren en een hogere beloning ontvingen dan wat de wet voorschrijft, geldt dat zij de eerste vier jaar deze beloning mogen behouden. Daarna geldt een transitieperiode van drie jaar. In het onderzoek is alleen gekeken naar CEO s die al voor 2013 in dienst waren, hierdoor zijn 10 waarnemingen afgevallen. Daarnaast zijn er in de onderzoeksperiode een aantal fusies geweest, waardoor het aantal ziekenhuizen dat is meegenomen in dit onderzoek, als volgt is verdeeld over de jaren: Tabel 3: aantallen ziekenhuizen in de dataset Jaar: Algemene ziekenhuizen Academische ziekenhuizen Totaal: De namen van deze ziekenhuizen zijn te vinden in bijlage Datavergaring Om de onderzoeksvraag te toetsen, is in het vorige hoofdstuk een aantal regressiemodellen gegeven waarin een aantal variabelen is gedefinieerd. De benodigde data voor de variabelen wordt gehaald uit publiekelijk beschikbare bronnen. In de volgende alinea s wordt per variabele duidelijk waar de data precies vandaan gehaald wordt. 27

29 4.2.1 Afhankelijke variabele Ziekenhuizen zijn sinds 2005 verplicht te rapporteren over de hoogte van de beloning van de CEO s. Zij dienen dit in de vullen op een DigiMV-document. Op de DigiMV-documenten is de beloning van de bestuursvoorzitters opgesplitst in een vaste beloning, een variabele beloning en overige beloningen zoals de bijdrage aan het pensioen en de onkostenvergoedingen. De data voor de afhankelijke variabelen wordt handmatig verzameld en grotendeels gehaald uit de DigiMVdocumenten. Er bleek echter dat niet voor alle gevallen een DigiMV-document beschikbaar is op de website. Daarnaast komt het voor dat het document wel beschikbaar is, maar niet volledig is ingevuld. Om de ontbrekende data te verzamelen is er gebruik gemaakt van de jaarverslagen van de verschillende ziekenhuizen, deze zijn ook te downloaden vanaf de website De totale compensatie van de CEO wordt bepaald door het vaste salaris, de overige beloningen en de eventuele bonus bij elkaar op te tellen. In het geval dat een CEO slechts voor een bepaald diensttijdpercentage werkt, wordt zijn/haar beloning omgerekend naar een fulltime dienstverband. Wanneer een CEO gedurende het jaar uit dienst treedt, wordt zijn/haar beloning opnieuw berekend alsof hij/zij het hele jaar in dienst zou zijn geweest. Hierbij wordt er vanuit gegaan dat het uit dienst treden geen invloed heeft op de afspraken in zijn lopende beloningscontract. Er wordt per jaar alleen gekeken naar de CEO die per het begin van dat jaar in dienst was. CEO s die later in dat jaar in dienst komen, worden eventueel in het daaropvolgende jaar meegenomen in het onderzoek, mits zij dan nog in dienst zijn. Op de formulieren wordt ook een eventuele ontslagvergoeding gemeld, deze wordt echter niet meegenomen in de berekening voor de hoogte van de beloning. De totale (omgerekende) compensatie wordt op het prijspeil van 2014 gebracht door te corrigeren voor inflatie, voor de inflatiecijfers wordt als bron de website gebruikt Controlevariabelen De grootte van het ziekenhuis wordt gemeten aan de hand van het aantal bedden. Het aantal bedden wordt gegeven in de jaarverslagen van het betreffende ziekenhuis. In de regressieanalyse wordt de logaritme van het aantal bedden meegenomen, deze wordt berekend op basis van de gegevens uit de jaarverslagen. De complexiteit van de functie wordt bepaald aan de hand van het aantal specialismen binnen het ziekenhuis. Het aantal specialismen per ziekenhuis kan gevonden in de DigiMVdocumenten van de ziekenhuizen. In dit document geeft een ziekenhuis per specialismen aan of het aanwezig is binnen het ziekenhuis. Tot 2012 waren er 35 verschillende specialismen waarover 28

30 ziekenhuizen konden rapporteren. Vanaf 2012 zijn dit er 28 geworden. Van deze 28 specialismen zijn er 27 waarover zowel voor als na 2012 gerapporteerd wordt. Een nieuw specialisme waarover sinds 2012 gerapporteerd wordt, is klinische geriatrie. Klinische geriatrie was voor die tijd onderdeel van de verschillende specialismen. Uit diverse onderzoeken is echter gebleken dat oudere patiënten baat hebben bij een direct contact met een geriater. Daarnaast neemt door de vergrijzing de behoefte aan geriaters sterk toe (Huisman & Zanen, 2005). Voor de vergelijkbaarheid van de data uit de verschillende jaren wordt echter alleen gekeken naar de 27 specialismen waarover in alle jaren wordt gerapporteerd. Uit deze data wordt een dummyvariabele gecreëerd waarbij wordt gecontroleerd voor ziekenhuizen met veel specialismen en ziekenhuizen met weinig/gemiddeld aantal specialismen. In het volgende hoofdstuk wordt nader toegelicht bij welke grens wordt gesproken van veel specialismen. Daarnaast wordt er in het onderzoek onderscheid gemaakt tussen ziekenhuizen die gelegen zijn in een stedelijke provincie en ziekenhuizen die een ligging hebben in de overige provincies. Nederland bestaat uit 12 provincies en de markt voor ziekenhuizen is op te delen in zes stedelijke en zes overige provincies. Deze verdeling is gemaakt omdat dit van invloed is op de kansen en bedreigingen van de markt waarbinnen het ziekenhuis opereert en dus de complexiteit van de functie, alsmede de onderlinge concurrentie bij het aantrekken van goede CEO s. Het onderzoek van Cardinaels (2009) en Schaepkens & Speklé (2014) wordt hierin gevolgd. De stedelijke provincies bestaan uit; Noord-Holland, Zuid-Holland, Utrecht, Limburg, Noord-Brabant en Gelderland. Verder is er een dummy meegenomen in het model voor het al dan niet zijn van een academisch ziekenhuis. In Nederland zijn acht academische ziekenhuizen, waarvan de namen te vinden zijn in bijlage 1. Academische ziekenhuizen hebben naast een zorgverlenende functie ook een onderwijzende en wetenschappelijke functie. Wanneer een CEO extern wordt ingehuurd verlangt hij over het algemeen een hogere beloning dan wanneer hij vast in dienst zou zijn. De aard van het dienstverband van de CEO kan gehaald worden uit de DigiMV-documenten op de website De data wordt handmatig verzameld en toegevoegd aan de database. Daar waar deze documenten ontbreken of niet de benodigde gegevens bevatten, wordt gebruik gemaakt van het jaarverslag. In de DigiMV-documenten wordt tevens vermeld hoe lang een CEO in het betreffende jaar in functie is geweest. Deze data wordt gebruikt voor de dummyvariabele die controleert voor het al dan niet gedurende het hele jaar in dienst zijn van de CEO. Voor deze data geldt ook, dat wanneer de DigiMV-documenten niet volstaan, deze data wordt gehaald uit de jaarverslagen. 29

31 Bij het bepalen van de prestaties van het ziekenhuis wordt gekeken naar de financiële prestaties. De financiële prestaties van het ziekenhuis worden bepaald met twee variabelen. De eerste variabele kijkt naar het verschil in return on total assets (ROTA) van het voorgaande jaar ten opzichte van het jaar daarvoor. De ROTA wordt berekend door het bedrijfsresultaat voor rente en belasting te delen door het totaal aan activa van het ziekenhuis. De gegevens die nodig zijn om dit te berekenen, zijn: het bedrijfsresultaat voor rente en belasting en de waarde van het totaal aan activa op balansdatum. Het bedrijfsresultaat voor rente en belasting wordt gehaald uit de winst- en verliesrekening van de ziekenhuizen en de waarde van het totaal aan activa uit de balans, beide zijn te vinden in de jaarrekening van de ziekenhuizen. De jaarrekeningen van de ziekenhuizen zijn te downloaden op de website Wanneer er bijvoorbeeld wordt gekeken naar de beloning van de CEO s in 2008, zijn ook gegevens nodig uit het jaar 2006 en De tweede variabele voor het bepalen van de financiële prestaties is de arbeidsproductiviteit. Hiermee wordt bedoeld de totale omzet gedeeld door het totaal aan personele lasten. Aangezien het beloningscontract van een CEO gebaseerd is op de prestaties in het voorgaande jaar, wordt hierbij ook gekeken naar de verandering van de arbeidsproductiviteit in het voorgaande jaar ten opzichte van het jaar daarvoor. Om de invloed op het beloningscontract van 2007 te bepalen, wordt er dus gekeken naar het jaar 2005 en De totale omzet en de totale personele lasten kunnen worden gehaald uit de winst- en verliesrekeningen van de ziekenhuizen die te vinden zijn in de jaarrekening. De jaarrekeningen kunnen worden gedownload op de website Variabelen voor de macht van de CEO De eerste variabele voor het bepalen van de macht van de CEO houdt verband met de verhouding tussen het aantal leden binnen de Raad van Bestuur ten opzichte van het aantal leden binnen de Raad van Toezicht. Nederlandse ziekenhuizen zijn sinds 2005 verplicht te rapporteren over de bestuursleden en de leden in de Raad van Toezicht. Uit deze gegevens kan dus gehaald worden wat de verhouding is tussen het aantal leden in de Raad van Bestuur en het aantal leden in de Raad van Toezicht. Deze data is te vinden in de jaarverslagen van de verschillende ziekenhuizen. Een andere pijler voor het bepalen van de macht van de CEO is de expertise van de CEO ten opzichte van de expertise van de leden van de Raad van Toezicht. De expertise is geoperationaliseerd door te kijken naar het aantal titels. De namen van de leden van de Raad van Toezicht alsmede de naam van de CEO zijn weergegeven in de jaarverslagen en hierdoor ook het aantal titels. In het onderzoek wordt onderscheid gemaakt tussen de volgende titels; mr., ir., Msc, 30

32 drs., ing., dr., prof., RA/RC, MBA/MHA. Hierbij worden de titels dr., MBA/MHA en RA/RC gezien als twee titels, omdat hiervoor eerst de titel Msc of drs. behaald moet zijn. Wanneer een lid van de Raad van Toezicht of de CEO in het jaarverslag echter met de titels RA/RC of MBA/MHA en drs./msc vermeld staat, dan wordt dit gezien als twee titels in het totaal in plaats van drie. De data wordt handmatig geteld en verwerkt in de database. Het totaal aantal titels van de CEO wordt gedeeld door het totaal aantal titels van de RvT. Er wordt naar het totaal gekeken, omdat het hier gaat om de totaal aanwezige expertise binnen de RvT. De demografische gelijkheid wordt bepaald door te kijken naar twee criteria. Het eerste criterium is het aantal leden in de Raad van Toezicht met hetzelfde geslacht als de CEO. Hierbij wordt gekeken naar de verhouding tussen leden met een overeenkomstig geslacht en het totaal aantal leden van de RvT. De data voor deze variabele wordt gehaald uit de jaarverslagen van de verschillende ziekenhuizen. Het tweede criterium is een proxy voor een overeenkomstige achtergrond tussen de leden van de RvT en de CEO, waarbij wordt gekeken naar het totaal aantal leden met dezelfde titel(s) als de CEO, waarbij iedere overeenkomstige titel als 1 geteld wordt. De titels van de leden van de Raad van Toezicht en de CEO zijn verzameld voor het bepalen van de expertise van de CEO, de data voor deze variabele kan uit dezelfde brondata worden gehaald. Andere data voor het bepalen van de demografische gelijkheid, zoals bijvoorbeeld de leeftijd en nationaliteit bleek onvoldoende openbaar beschikbaar. De laatste variabele uit het regressiemodel voor het bepalen van de macht van de CEO is de lengte van het dienstverband van de CEO en wordt gegeven door het verschil in jaren te bepalen tussen de indiensttredingsdatum van de CEO en 1 januari van het jaar van onderzoek. De data wordt gegeven in jaren, waarbij niet wordt afgerond. De data voor deze variabele wordt eveneens gehaald uit de jaarverslagen van de ziekenhuizen. Er is alleen gekeken naar CEO s die voor in dienst waren, hierdoor zijn 10 waarnemingen afgevallen. 31

33 4.3 Resumé dataherkomst Zoals hierboven is de te lezen, wordt de data gehaald uit de DigiMV-documten, de jaarrekeningen en de jaarverslagen van de ziekenhuizen en handmatig verwerkt tot een database. In tabel 3 volgt een schematische weergave van de benodigde data per variabele die worden getoetst in de statistische modellen. Wanneer de variabele berekend wordt uit onderliggende variabelen, wordt ook voor deze data de bron weergeven. Tabel 4: Beschrijving van de variabelen en de bron van de data Variabele: Data: Bron van de data: Afhankelijke variabelen: 1. Totaal salaris (TotComp i,t ) vooraf vastgestelde vaste salaris + Variabele deel van het salaris + Overige beloning van CEO = Totale compensatie weergeven in EURO. Controlevariabelen: 2. Aantal bedden (LogNumbeds i,t ) 3. Aantal specialismen (DVeelSpec i,t ) 4. Locatie (DLocation i,t ) 5. academisch ziekenhuis (DAcademic i,t ) 6. extern ingehuurde CEO (DCEO_Extern i,t ) 7. uitdiensttredende CEO (DCEO_Exit i,t ) 8. verschil Return on Total assets (ΔROTA i,t 1 ) ROTA = - EBIT / - Total Net Assets 9. verschil arbeidsproductiviteit (Δlaborprod i,t 1 ) laborprod = - Omzet / - Personele lasten Aantal bedden in het ziekenhuis Aantal specialismen ziekenhuis 1: NH, ZH, UT, NB, LB, GE 0: ZL, FR, GR, OV, DR, FR 1: Academisch 0: overige ziekenhuizen 1: extern ingehuurde CEO 0: vast dienstverband 1: uit dienst tredend in jaar t 0: volledige jaar in dienst verschil ROTA t-1 en t-2 - wist voor rente en belastingen / - totale balanswaarde activa verschil laborprod t-1 en t-2 - totale omzet boekjaar / - totale personele lasten DigiMV-documenten jaarverslagen ziekenhuizen DigiMV-documenten DigiMV-documenten jaarverslagen jaarverslagen DigiMV-documenten jaarverslagen DigiMV-documenten jaarverslagen berekend met data jaarrekeningen jaarrekeningen berekend met data jaarrekeningen jaarrekeningen Macht van de CEO: 10. Aantal leden RvB t.o.v. Aantal leden RvT (RatioBoard i,t ) 11. Relatieve hoeveelheid expertise CEO (RatioExpertise i,t ) 12. Gelijkheid in geslacht RvT en CEO ( RatioGender i,t ) 13. Gelijkheid in titel RvT en CEO (RatioTitelSim i,t ) 14. Lengte dienstverband CEO (TenureCEO i,t ) - aantal leden RvB / - aantal leden RvT - aantal titels CEO / - aantal titels RvT - zelfde geslacht als CEO / - aantal leden RvT - zelfde titel als CEO/ - aantal leden RvT - lengte dienstverband CEO berekend met data uit jaarverslagen berekend met data uit jaarverslagen berekend met data uit jaarverslagen berekend met data uit jaarverslagen berekend met data uit jaarverslagen 32

34 4.4 Beschrijvende statistiek In deze paragraaf wordt de in de vorige paragraaf beschreven data verder geanalyseerd. In de volgende subparagrafen wordt met behulp van beschrijvende statistiek dieper in gegaan op de data. Allereerst worden de afhankelijke variabelen besproken, daarna de controlevariabelen en vervolgens de variabelen voor het bepalen van de macht van de CEO. Er wordt per variabele gekeken om hoeveel waarnemingen het gaat, wat de gemiddelde waarneming is, wat de standaardafwijking is en wat de minima en maxima zijn. De volgende paragraaf toont een correlatiematrix om te bepalen of er een indicatie is voor multicollineariteit. In de paragraaf daarna wordt gekeken of de variabelen normaal verdeeld zijn Afhankelijke variabelen Het salaris van een CEO binnen Nederlandse ziekenhuizen kan worden verdeeld in drie onderdelen, namelijk: het vaste salaris, de bonus en de overige beloningen. Onder de overige beloningen vallen bijvoorbeeld de bijdrage aan het pensioenfonds en de onkostenvergoedingen. In het onderzoek wordt alleen gekeken naar de beloningen van CEO s die voor 2013 in functie waren, hierdoor zijn 10 waarnemingen afgevallen. In het totaal wordt er in dit onderzoek gekeken naar 522 waarnemingen (n=522). De genoemde bedragen zijn gecorrigeerd voor inflatie en op het prijspeil van 2014 gebracht. De gemiddelde totale beloning van de onderzoeksgroep is , waarbij de laagste waarneming een totale beloning heeft van en de hoogste De hoogste beloning is gegeven aan een extern ingehuurde CEO en is een vast bedrag voor zijn diensten. In de dataset is sprake van 67 waarnemingen waarbij een CEO extern is ingehuurd. Wanneer er een vergelijking gemaakt wordt tussen extern ingehuurde CEO s en CEO s met een vast dienst verband, worden de volgende gemiddelden gevonden: CEO s met een vast dienstverband verdienen gemiddeld (n=460), terwijl CEO s die extern worden ingehuurd een gemiddelde beloning hebben van (n=67). De maximale beloning die een CEO met een vast dienstverband heeft ontvangen is In de onderzoekspopulatie zijn 39 waarnemingen waarbij een bonus is uitgekeerd. Het betrof hier in alle gevallen CEO s met een vaste aanstelling. De gemiddelde hoogte van de bonus is , waarbij de hoogste bonus bedroeg en de laagste Het gemiddelde van de overige beloningen van alle CEO s is , waarbij de maximale waarde is en de laagste 0. De hoogste waarde bij extern ingehuurde CEO s is De opbouw van de gemiddelde jaarlijkse beloning van de CEO s van Nederlandse ziekenhuizen kan als volgt worden weergegeven in een grafiek. Hierbij is een vergelijking gemaakt tussen de verschillende jaren. 33

35 Figuur 2: opbouw gemiddelde beloningen CEO's verdeeld in jaren (prijspeil: 2014) Bonus: Overige: Vast salaris: In de volgende tabel worden de statistische kenmerken van de verschillende componenten van de beloning van de CEO weergegeven. Er wordt onderscheid gemaakt tussen extern ingehuurde CEO s en CEO s met een vaste aanstelling. In de onderste regels wordt weergegeven wat de gemiddelde bonus is van CEO s die een bonus ontvangen. Per variabele worden tevens de minima en maxima gegeven alsmede de standaard deviatie. Tabel 5: Verdeling compensatie CEO's Vaste salaris Overige beloning Bonus Totale Compensatie Totaal (n=522) Gemiddelde Std. Deviatie Minimum Maximum CEO's in dienst (n= 455) Gemiddelde Std. Deviatie Minimum Maximum Externe CEO's (n=67) Gemiddelde Std. Deviatie Minimum Maximum CEO s met bonus (n=39) Gemiddelde Std. Deviatie Minimum Maximum

36 4.4.2 Controlevariabelen De eerste controlevariabele die wordt meegenomen in de regressiemodellen is de controlevariabele LogNumBeds i,t, die als determinant geldt voor de grootte van het ziekenhuis. Er wordt gekeken naar de logaritme van het aantal bedden in een ziekenhuis. Het gemiddelde aantal bedden in de Nederlandse ziekenhuizen is 515,45 met een maximum aantal van 1320 (Erasmus MC) en een minimum waarneming van 140 (CuraMare in 2008). In het totaal zijn er gemiddeld ongeveer bedden in alle ziekenhuizen in de dataset. De tweede controlevariabele is de variabele DVeelSpec i,t waarmee de complexiteit van de functie van de CEO wordt uitgedrukt. Er wordt gewerkt met een dummyvariabele waarbij 1 staat voor veel specialismen en 0 voor weinig/gemiddeld. Het gemiddelde aantal specialismen van Nederlandse ziekenhuizen is 23,39 met als maximum 27, wat tevens het hoogst haalbare is en als minimum 16 (Pantein in 2014). Een ziekenhuis wordt gezien als een ziekenhuis met veel specialismen als het meer dan 25 specialismen heeft. Deze grens is gesteld door te kijken naar de bovenste 25% van de onderzochte ziekenhuizen. De bovenste 28% (vanaf 72%) van de ziekenhuizen heeft meer dan 25 specialismen, wat neer komt op een gemiddelde van 22,85 ziekenhuizen met meer dan 25 specialismen per jaar, dit komt omdat er ziekenhuizen zijn die bijvoorbeeld in een jaar 24 specialismen hebben en in het volgende jaar 25. Bij de academische medicentra zijn in alle observaties 26 of 27 specialismen aanwezig. De derde controlevariabele is DLocation i,t, deze controlevariabele representeert de marktfactoren van het ziekenhuis. Er wordt onderscheid gemaakt tussen stedelijke en overige provincies, waarbij het in beide gevallen om zes provincies gaat. Binnen de onderzoeksgroep zijn 61 ziekenhuizen gelegen in de stedelijke provincies en 15 in de overige, wat neer komt op een verdeling van respectievelijk één ziekenhuis per en inwoners, wanneer de ziekenhuizen in de dataset de enige ziekenhuizen in Nederland zouden zijn. Kijkend naar het aantal bedden kan gesteld worden dat er in de stedelijke provincies per 419 inwoners een ziekenhuisbed beschikbaar is en in de overige provincies per 415 inwoners, kijkend naar de ziekenhuizen opgenomen in dit onderzoek. De vierde en vijfde controlevariabelen zijn dummyvariabelen voor extern ingehuurde CEO s en CEO s die gedurende het jaar uit dienst treden. In de vorige paragraaf is naar voren gekomen dat er verschillen bestaan tussen de gemiddelde beloning van CEO s in vaste dienst en CEO s die extern worden ingehuurd. Binnen de onderzoeksgroep waren 67 waarnemingen waarbij er een extern ingehuurde CEO was. Daarnaast is er in 16 gevallen een CEO waargenomen die gedurende het jaar uit dienst trad. 35

37 Om de invloed van de financiële prestaties van een ziekenhuis op de hoogte van de beloning van de CEO te bepalen, is een tweetal variabelen meegenomen die de financiële prestaties weergeven. Er wordt hierbij gekeken naar t-1 en t-2. Omdat er wordt gekeken naar t-1 en t-2 is voor deze variabelen data meegenomen vanaf De eerste variabele is de ROTA. De ROTA wordt berekend door de EBIT (Earnings before Interest and Taxes) te delen door het totaal aan activa per balansdatum. In dit onderzoek wordt hierdoor dus gekeken naar de EBIT en totale activa van de ziekenhuizen in de periode van 2006 tot en met 2013, waardoor er naar een jaar extra wordt gekeken en het aantal waarnemingen n=598 is. De gemiddelde waarde van de totale activa van Nederlandse ziekenhuizen is in de periode van 2006 tot en met met als minimum (Havenziekenhuis) en als maximum (Erasmus MC). De EBIT is in de onderzochte periode gemiddeld met als minimum het negatieve resultaat van (Orbis MC) en als maximum (AMC). De ROTA wordt berekend door de EBIT te delen door het totaal aan activa en heeft een gemiddelde van 0,0348 (n=598), een maximum van 0,12 en een negatief minimum van -0,037. In de totale dataset zijn 19 negatieve ROTA waargenomen. In de statistische modellen wordt gekeken naar het verschil in de ROTA op t-1 en de ROTA op t-2. Het gemiddelde van deze berekening is 0,00178 (n=522) met een minimum van -0,0999 en een maximum van 0,0938. Een tweede variabele om de financiële prestaties van ziekenhuizen te meten, is de variabele Δlaborprod i,t. Ook voor deze variabelen wordt gekeken naar t-1 en t-2, waardoor er wordt gekeken naar de jaren In deze periode is de gemiddelde omzet van Nederlandse ziekenhuizen De hoogste omzet was (Erasmus MC) en de laagste (HavenZiekenhuis). De gemiddelde personele lasten waren waarbij het maximum bedroeg (Erasmus MC) en het minimum (Amstelland). De variabele die de arbeidsproductiviteit meet, wordt berekend door de totale omzet te delen door de totale personele lasten. De gemiddelde waarde van de variabele laborprod is 1,759 waarbij het maximum 2,166 is en het minimum 1,339 (n=598). In de statistische modellen wordt gekeken naar het verschil in laborprod tussen t-1 en t-2, hierbij is een gemiddelde waarde van 0,00991 gevonden, een maximum van 0,399 en een minimum van -0,474. De controlevariabelen worden in de volgende tabel schematisch weergeven. Hierbij worden de minima, maxima, gemiddelden en standaard deviaties gegeven. 36

38 Tabel 6: beschrijvende statistiek controlevariabelen Financiële prestaties: N Minimum Maximum Gemiddelde Std. Deviatie Activa EBIT ROTA 598-0,0366 0,1218 0,0348 0, ΔROTA 522-0,0999 0,0938 0,0018 0,0247 Omzet Perskosten laborprod 598 1,339 2,166 1,756 0,140 - Δlaborprod 522-0,474 0,399 0,010 0,098 Marktfactoren: - Dlocation ,80,398 Complexiteit: - DAcademic ,10,303 Aantal specialismen ,39 2,241 Grootte: - DveelSpec ,31 0,335 Aantal bedden ,74 256,265 - LogNumBeds 522 4,9416 7,185 6,127 0,484 CEO karakteristieken: - DCEO_Exit ,13,335 - DCEO_Extern ,03, Variabelen voor de macht van de CEO Het doel van dit onderzoek is om te bepalen of de macht van de CEO s van Nederlandse ziekenhuizen van invloed is op de hoogte van de beloningen. Om dit te bepalen zijn in de vorige hoofdstukken een aantal determinanten bepaald. In de vorige paragraaf is beschreven hoe de data verzameld wordt, die benodigd is voor deze variabelen. In de volgende alinea s wordt deze data verder geanalyseerd. De eerste variabele voor het bepalen van de macht van de CEO is de verhouding tussen het aantal leden van de Raad van Bestuur en het aantal leden van de Raad van Toezicht. Deze wordt in het regressiemodel weergegeven als RatioBoard i,t. De data voor deze variabelen is uit de jaarverslagen gehaald. In de onderzochte periode hebben de ziekenhuizen gemiddeld 2,45 leden in de Raad van Bestuur en gemiddeld 6,57 leden in de Raad van Toezicht. De grootste Raad van Toezicht heeft 10 leden en de kleinste 3. De grootste Raad van Bestuur bestaat uit 6 leden en de kleinste uit 1. De gemiddelde verhouding tussen het aantal leden in de Raad van Bestuur en het aantal leden in de Raad van Toezicht (RatioBoard i,t ) is 0,387. De tweede variabele voor het bepalen van de macht van de CEO is de verhouding tussen het aantal titels van de CEO en het aantal titels van de Raad van Bestuur. Het gemiddelde aantal titels van de CEO s is 1,51 met als maximum 3 (55 waarnemingen; Prof. dr. ) en minimum van 0. Het gemiddelde totale aantal titels van de Raad van Toezicht is 9,02 waarbij het maximum 17 is 37

39 (Franciscus: 2014) en het minimum 1. Daarnaast heeft de Raad van Toezicht gemiddeld 4,08 unieke titels met een maximum van 7 (Franciscus 2012; drs., dr., Prof., ing., ir., MBA, RA) en een minimum van 1. De gemiddelde verhouding tussen het aantal titels van de CEO en het totale aantal titels van de Raad van Toezicht is 0,20, waarbij het maximum 2 is en het minimum 0. In het onderzoek wordt gekeken naar de demografische gelijkheid tussen de CEO en de leden van de Raad van Toezicht. De vergelijking wordt gemaakt op twee punten. Allereerst wordt er gekeken wat de verhouding is tussen het totaal aantal leden met hetzelfde geslacht als de CEO en het totaal aantal leden van de Raad van Toezicht, deze variabele is in de regressiemodellen gedefinieerd als RatioGender i,t. Het gemiddelde aantal vrouwen in de Raad van Toezicht is 1,66 met een maximum van 5 en een minimum van 0. Het gemiddelde aantal mannen in de Raad van Toezicht is 4,94 met een maximum van 9 en een minimum van 2. De gemiddelde verhouding vrouwen ten opzichte van mannen in de Raad van Toezicht is 0,3854 waarbij de maximale verhouding 1,67 (5/3) en de minimale 0 is. Wanneer gekeken wordt naar leden van de Raad van Toezicht met hetzelfde geslacht als de CEO ten opzichte van het totaal aantal leden van de Raad van Toezicht wordt een gemiddelde verhouding gevonden van 0,71 met een maximum 1 en een minimum van 0, hierbij wordt echter uitgegaan van zowel vrouwelijke als mannelijk CEO s. Wanneer gekeken wordt naar alleen vrouwelijke CEO s is de gemiddelde verhouding 0,24 (n=44) met een maximum van 0,5 en een minimum van 0. Bij een mannelijke CEO is de gemiddelde verhouding 0,75 (n=478) met een maximum van 1 en een minimum van 0,4. Een andere variabele om te kijken naar de demografische gelijkheid is het aantal titels van de leden van de Raad van Toezicht dat overeenkomt met de titels van de CEO. Deze variabele geldt als proxy voor een min of meer overeenkomstige achtergrond. Hierbij wordt iedere overeenkomende titel als 1 geteld, vervolgens wordt het totaal aan overeenkomende titels gedeeld door het aantal leden van de Raad van Toezicht. Gemiddeld heeft de Raad van Toezicht 1,96 overeenkomstige titels met de CEO, hierbij geldt een maximum van 8 (St. Elisabeth 2014; CEO: Prof. dr. en 4 Prof. dr. in RvT) en een minimum van 0. Wanneer gekeken wordt naar de overeenkomstige titels gedeeld door het aantal leden van de RvT, wordt een gemiddelde waarde gevonden van 0,307 met een maximum van 1,33 en een minimum van 0. De laatste variabele die gebruikt wordt om de macht van de CEO te bepalen, wordt bepaald door te kijken naar de lengte van zijn dienstverband en wordt weergegeven als TenureCEO i,t. Binnen de waarnemingen wordt een gemiddeld dienstverband gevonden van 5,12 jaar met een maximum van 28 jaar en een minimum van 0. De standaard deviatie van deze variabele is 4,89. 38

40 In de volgende tabel volgt een overzicht van de waarden die gevonden zijn voor de variabelen voor het bepalen van de macht van de CEO. Per variabelen worden de minima, maxima, gemiddelden en standaard deviaties gegeven. Tabel 7: Beschrijvende statistiek variabelen macht van de CEO N Min. Max. Gem. Std. Dev. RatioBoard NumRvB ,455 0,997 NumRvT ,567 1,313 - RatioBoard ,387 0,179 RatioExpertise TitelsCEO ,506 0,718 Aantal titels RvT ,019 3,164 - RatioExpertise ,200 0,172 Aantal unieke titels RvT ,080 1,334 Demografische gelijheid CEO_Vrouw: ,084 0,278 Aant_V_RvT ,657 0,947 Aant_M_RvT ,900 1,303 Man_VrouwBoard ,7 0,385 0,284 - RatioGenderSim ,706 0,199 TitelsSIM ,964 1,612 - RatioTitelSim ,3 0,307 0,264 Lengte dienstverband - TenureCEO 522 0,0 28,5 5,118 4, Correlatiematrix De methode van onderzoek is een regressieanalyse. Er wordt gekeken naar data van verschillende jaren van dezelfde ziekenhuizen, hierdoor is ervoor gekozen de modellen te toetsen in het programma STATA, dat belangrijke voordelen kent ten opzichte van SPSS wanner het gaat om panel-data. Het uitvoeren van een regressieanalyse is gebaseerd op een aantal aannames. Een van deze aannames is dat er niet te veel multicollineariteit is tussen de verschillende voorspellende variabelen. Om te bepalen of er een indicatie is voor multicolllineariteit, is hieronder een correltatiematrix gegeven, waarvan de waarden zijn bepaald door te kijken naar de Pearson s r correlatiecoëfficiënt. De waarden kunnen verschillen van -1 tot 1. Een waarde van +1 geeft aan dat twee variabelen perfect positief gecorreleerd zijn en een waarde van -1 toont aan dat de variabelen perfect negatief gecorreleerd zijn, waarbij gesteld kan worden dat bij een waarde van 0,4 of hoger wordt uitgegaan van correlatie. Een waarde van 0,7 of meer geeft sterke correlatie weer (Field, 2000). 39

41 Tabel 8: Correlatiematrix variabelen TotComp 1 2. DLocation 0,070 1, DAcademic 0,294 *** 0,055 1, DVeelSpec 0,396 *** 0,039 0,503 *** 1, LogNumBeds 0,504 *** -0,030 0,503 *** 0,622 *** 1, ΔROTA -0,010 0,029 0,007 0,021 *** 0,011 1, Δlaborprod -0,002-0,017-0,004 0,019 0,032 0,267 *** 1, DCEO_Extern 0,255 *** 0,046 0,004-0,021-0,014-0,056-0,004 1, DCEO_Exit 0,310 *** -0,052-0,060 0,002 0,059-0,016 0,010 0,098 ** 1, RatioBoard 0,330 *** 0,030 0,520 *** 0,385 *** 0,468 *** 0,006 0,036 0,081 * 0,003 1, RatioGenderSim -0,008 0,193 *** -0,129 *** -0,122 *** -0,111 *** -0,034-0,024-0,057 0,040 0,014 1, RatioExpertise -0,061-0,049 0,050-0,008-0,021 0,019 0,033-0,073 * -0,019 0,014 0,036 1, RatioTitelSim 0,060-0,004 0,221 *** 0,108 ** 0,217 *** -0,017-0,004-0,017 0,007 0,219 *** -0,011-0,042 1, TenureCEO 0,196 *** -0,156 *** 0,179 *** 0,033 0,053-0,056-0,073 * 0,010-0,151 *** 0,191 *** 0,012 0,003-0,119 *** Zoals te zien is in bovenstaande tabel is de variabele DAcademic middelmatig tot sterk gecorreleerd met drie andere variabelen (DVeelSpec/LogNumBeds/RatioBoard). Tevens is te zien dat het de variabele LogNumBeds gecorreleerd is met de variabelen DveelSpec en Ratioboard. De variabele Ratioboard wordt alleen in het model om hypothese 1a te toetsen meegenomen. Bovenstaande waarden geven een indicatie weer van mulitcollineariteit. Hoe hier verder mee omgegaan wordt, wordt in het volgende hoofdstuk duidelijk. Uit bovenstaande correlatiematrix blijkt tevens dat een groot aantal variabelen een significant effect hebben op de hoogte van de totale compensatie van de CEO s, dit is een belangrijk gegeven, omdat er bij het toetsen van lineaire regressie uitgegaan wordt van een lineair verband. 4.6 Normaliteit van de variabelen Een uitgangspunt bij het uitvoeren van regressieanalyse heeft betrekking op de verdeling van de storingsterm, deze wordt geacht normaal verdeeld te zijn met verwachting 0. Hoewel niet noodzakelijk, is het een gunstige omstandigheid als ook de variabelen normaal verdeeld zijn. De verdeling van de variabelen is getest met de Shapiro-Wilks test. De Shapiro-Wilks test toets of de variabelen een scheve verdelingen hebben. Wanneer er een significante z-waarde wordt gevonden betekent dit dat er ondersteuning is gevonden voor een scheef verdeelde variabele. Hieronder volgt een tabel met de waarden van deze toets. 1 : * Significant bij p<0,01, ** Significant bij p <0,05, *** = Significant bij p <0,01 40

42 Tabel 9: Shapiro-Wilks toets Variabele Obs W V z P>z TotComp *** LogNumBeds *** ΔROTA *** Δlaborprod *** TenureCEO *** RatioBoard *** RatioGenderSim *** RatioExpertise *** RatioTitelSim *** * = significant bij een 0,10 level ** = significant bij een 0,05 level *** = significant bij een 0,01 level In bovenstaande toets is het allereerst belangrijk te kijken naar de W-waarde. De W-waarde geeft een perfect normaal verdeelde variabele weer bij een waarde van 1. Zoals te zien is, is dit bij geen van de variabelen het geval, wel kan van bijna alle variabelen gezegd worden dat deze vrij dicht in de buurt liggen van 1. In de laatste kolom zijn de P-waarden gegeven. Al deze waarden zijn lager dan 0.01, waardoor voor iedere variabele gesteld kan worden dat er ondersteuning is gevonden voor een scheve verdeling bij een significantie level van De meest gebruikte methode om te corrigeren voor niet normaal verdeelde variabelen, is om de variabelen te transformeren naar logaritmische variabelen. De variabelen ΔROTA en Δlaborprod hebben echter een aantal negatieve waarden waardoor deze variabelen niet logaritmisch getransformeerd kunnen worden. Daarnaast heeft de variabele TenureCEO een groot aantal waarden van 0. De waarden van 0 worden voor de transformatie van de variable, gewijzigd van 0 naar 0,1. De variabele RatioTitelSim, RationGenderSim, en RatioExpertise hebben ook een aantal waarden van 0, deze worden ook gewijzigd naar 0,1. Vervolgens worden de variabelen nogmaals getoetst op normaliteit middels de Shapiro-Wilks toets. De gevonden waarden worden weergegeven in onderstaande tabel: 41

43 Tabel 10: Shapiro-Wilks toets getransformeerde variabelen Obs W V z Prob>z LNTotComp *** LNRatioBoard ** LNRatioGenderSim *** LNRatioExpertise *** LNRatioTitelSim *** LNTenureCEO *** * = significant bij een 0,10 level ** = significant bij een 0,05 level *** = significant bij een 0,01 level In bovenstaande tabel is te zien dat het logaritmisch transformeren van de variabelen niet heeft bijgedragen aan het normaliseren van de variabelen. Wel kan worden gesteld dat de P- waarde van LNRatioBoard gunstiger is geworden. Tijdens het toetsen van de hypotheses in het volgende hoofdstuk wordt daarom voor de variabel RatioBoard de logaritmisch getransformeerde gebruikt, de andere variabelen worden ongewijzigd meegenomen in de modellen. 42

44 5 Resultaten In dit hoofdstuk worden de hypotheses met de in hoofdstuk 3 beschreven statistische modellen getoetst. Omdat er wordt gewerkt met panel-data, worden de toetsen uitgevoerd met een fixedeffects lineair regression model in STATA, waarbij voorafgaand aan het toetsen een tijdsvariabele en een panel variabele worden gedefinieerd. 5.1 Multicollineariteit Het betrouwbaar uitvoeren van regressieanalyses is echter alleen mogelijk, wanneer wordt voldaan aan een aantal aannames. In het vorige hoofdstuk is gebleken dat er een indicatie is voor multicollineariteit. Een geschikte grootheid om te toetsen op mulitcollineariteit is de VIF (Variance Inflation Factor). STATA maakt het echter niet mogelijk om te toetsen op VIF-waardes, wanneer er een fixed-effects lineair model wordt getoetst. Om toch iets te kunnen zeggen over de mogelijke multicollineariteit, worden de VIF-waardes bepaald met een toetsing van de modellen middels een meervoudige regressieanalyse. De VIF-waarden van deze toetsen worden in onderstaande tabel gegeven. Tabel 11: VIF-waarden van de variabelen in de verschillende modellen MODEL1 MODEL2 MODEL3 MODEL4 Dacademic DCEO_Exit DCEO_Extern Dlocation DVeelSpec Δlaborprod LogNumBeds ΔROTA LNRatioBoard 1.38 RatioExpertise 1.02 RatioGenderSim 1.08 RatioTitelSim 1.07 TenureCEO 1.10 Zoals hierboven is te zien, zijn alle VIF-waardes kleiner dan 2. Multicollineariteit kan verondersteld worden bij een VIF-waarde hoger dan 10. Hoewel deze VIF-waardes niet afkomstig zijn uit de fixed-effects modellen, kan er met enige voorzichtigheid gesteld worden, dat in geen van de modellen sprake lijkt te zijn van multicollineariteit. De VIF-waardes zijn ruim onder de kritieke waarde van 10. Uit bovenstaande toets wordt geconcludeerd dat er bij het toetsen van de modellen geen variabelen hoeven te worden weggelaten als gevolg van multicollineariteit. 43

45 5.2 Toetsen van de Hypotheses In de volgende subparagrafen worden de toetsen uitgevoerd. Er wordt voorafgaand aan het toetsen een voorspelling gedaan over de verwachte richting van de β-coëfficiënten per model. Vervolgens wordt bepaald of de richting inderdaad overeenkomt met de voorspelling en of deze significant is, dit wordt onderzocht met de t-toets. Tevens wordt er gekeken naar de R 2 -waarden, waarmee kan worden aangegeven welk deel van de variantie in de afhankelijke variabele kan worden verklaard door het model. Om te bepalen of het totale model een significante invloed heeft op de afhankelijke variabele wordt de F-toets uitgevoerd. Vervolgens worden de deelhypotheses beantwoord aan het einde van iedere subparagraaf Hypothese 1a Het eerste statistische model dat wordt getoetst, is het model om hypothese 1a te toetsen. De afhankelijke variabele van het model is de variabele TotComp. In het model wordt de invloed van de controlevariabelen uit het in paragraaf 3.1 beschreven basismodel getoetst. Daarnaast wordt de variabele LNRatioBoard i,t meegenomen om te bepalen wat de invloed is van de verhouding van het aantal leden van de RvB ten opzichte van het aantal leden in de RvT op de hoogte van de beloning van de CEO. Het model wordt getoetst met een fixed-effects lineair regressiemodel. De formule van het getoetste model is als volgt: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + β 4 DAcademic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 LNRatioBoard i,t 1 + υ i,t + ε i,t (υ i,t = ziekenhuisspecifieke eigenschappen) Voordat de toets daadwerkelijk wordt uitgevoerd. Wordt er eerst een voorspelling gedaan over de richting van de β-coëfficiënten. Wanneer de β-coëfficiënten een positieve waarde hebben wordt verwacht dat de betreffende onafhanklijke variabelen een positieve invloed hebben op de afhankelijke variabele. Wanneer ze een negatieve waarde hebben, wordt een negatieve invloed op de afhankelijke variabele verwacht. Het model is zo opgesteld, dat voor alle β-coëfficiënten van de controlevariabelen een positief effect op de beloning van de CEO wordt verwacht. De eerste variabele LogNumBeds representeert de grootte van het ziekenhuis. Er wordt een positief effect verwacht van de grootte van het ziekenhuis op de hoogte van de beloning. De tweede controlevariabele DVeelSpec is een dummyvariabele voor veel of gemiddeld/weinig specialismen, waarbij 1 staat voor veel specialismen, waardoor er een positief effect wordt verwacht op de afhankelijke variabele. De dummyvariabele Dlocation geeft aan of een ziekenhuis in de stedelijke 44

46 provincie is gelegen, waarbij 1 staat voor een stedelijke provincie. Ook voor deze dummyvariabele wordt een positief effect verwacht op de afhankelijk. Tevens wordt er voor de dummyvariabele DAcademic een positief effect verwacht op de afhankelijke (1=academisch ziekenhuis), omdat CEO zijn van een academisch ziekenhuis de functie complexer maakt. Voor de dummyvariabelen waarmee wordt gecontroleerd voor het al dan niet extern ingehuurd zijn van de CEO en het al dan niet gedurende het jaar uit dienst treden van de CEO, wordt ook een positieve invloed verwacht op de totale compensatie. Bij deze twee variabele staat 1 respectievelijk voor extern ingehuurd en gedurende het jaar uit dienst getreden. De twee variabelen voor het meten van de financiële prestaties van het ziekenhuis zijn ΔROTA en Δlaborprod. Voor beide variabelen geldt dat er verwacht wordt, dat ze een positieve invloed hebben op de hoogte van de beloning. Bij de β- coëfficiënt van de variabele RatioBoard wordt tevens een positieve invloed verwacht, omdat uit onderzoek is gebleken dat een grotere RvB ten opzichte van de grootte van de RvT zorgt voor meer macht bij de CEO. Hieronder volgt een tabel met de resultaten van de toetsing van het model: Tabel 12: resultaten toetsing model hypothese 1a TotComp Βeta Std. Error t-waarde P>t Dlocation 0,0000 (omitted) Dacademic 0,0000 (omitted) DVeelSpec ,440 0,657 LogNumBeds ,410 0,016 *** ROTA ,270 0,789 laborprod ,300 0,193 DCEO_Extern ,380 0,000 *** DCEO_Exit ,610 0,000 *** LNRatioBoard ,670 0,502 _cons ,120 0,904 (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) Regressieresultaat: R-sq = 0,312 F(7,439) = 28,45 Prob>F = 0,000*** In bovenstaande tabel valt als eerste op dat de variabelen Dlocation en DAcademic door STATA uit het model worden weggelaten. De reden hiervan is dat er een fixed-effects toets is uitgevoerd, waarbij wordt uitgegaan van het feit dat een deel van de variatie in CEO beloningen wordt verklaard door specifieke eigenschappen van de verschillende ziekenhuizen. De variabelen 45

47 DLocation en DAcademic zijn weggelaten omdat ze geen verklarende waarde hebben. De waarde van de variabelen, die controleren voor de locatie en voor het al dan niet zijn van een academisch ziekenhuis, zijn onderdeel van de specifieke eigenschappen van de ziekenhuizen en veranderen niet in de verschillende jaren. Vervolgens wordt gekeken welk deel van de variatie in de beloningen van de CEO s wordt verklaard door het model, hierbij wordt gekeken naar de R 2. De R 2 heeft een waarde van 0,312, wat aangeeft dat 31,2% van de variatie in de CEO beloningen verklaard wordt door het model. De F-waarde van het model is en is significant bij een level van 0,01. Er kan dus geconcludeerd worden dat de variabelen in het model samen een significante invloed hebben op de hoogte van CEO beloningen. Om te bepalen wat de invloed van de onafhankelijke variabelen is, wordt er naar de β-coëfficiënten gekeken, waarbij gezegd kan worden dat alle β- coëfficiënten een positieve waarde hebben, behalve de β-coëfficiënt voor Δlaborprod. Een mogelijke verklaring voor het negatief zijn van de variabele Δlaborprod wordt in het volgende hoofdstuk gegeven. De waarde van β-coëfficiënten heeft echter pas betekenis als dit effect ook significant is. Zoals is te zien in de resultaten hebben de β-coëfficiënten van de variabelen LogNumBeds, DCEO_Extern en DCEO_Exit een significantie invloed op de afhankelijke variabele bij een level van 0,01 (1-tailed). De P-waarde van LogNumBeds is 0,016, maar de toets is 2-tailed uitgevoerd. De β-coëfficiënt van LNRatioBoard heeft een positieve waarde. Deze waarde is echter niet significant. Hieronder volgt een samenvatting van de richtingen van de β-coëfficiënten vergeleken met de verwachtingen. Tabel 13: richting Betà-coefficiënten Voorspellende variabele Verwachte Invloed Getoetste invloed LogNumBeds positief Positief *** DveelSpec positief positief Dlocation positief positief DAcademic positief positief DCEO_Extern positief positief *** DCEO_Exit positief positief *** ΔROTA positief positief Δlaborprod positief Negatief LNRatioBoard positief positief (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) 46

48 De hypothese van deze toets was dat de Ratioboard een positieve invloed heeft op de hoogte van de beloning van de CEO (TotComp). Er kan gesteld worden dat er geen ondersteuning is gevonden voor de deelhypothese 1a Hypothese 1b Het tweede statistische model dat wordt getoetst, is het model om hypothese 1b te toetsen. Hierbij wordt dezelfde afhankelijke variabele gebruikt als in het model om hypothese 1a te toetsen. In dit model worden tevens de controlevariabelen uit het model, beschreven in paragraaf 3.1 gebruikt. Daarnaast wordt de variabele RatioExpertise i,t getoetst, die geldt als proxy voor de macht van de CEO, waarbij wordt gekeken naar de expertise van de CEO ten opzichte van de expertise van de leden van de Raad van Toezicht. Het model wordt getoetst met een fixed-effects lineaire regressieanalyse. De formule van het getoetste model is als volgt: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 D_Location i,t + β 4 D_Academic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 RatioExpertise i,t 1 + υ i,t + ε i,t Ook voor deze toets wordt eerst een voorspelling gedaan over de richting van de β- coëfficiënten. De voorspelling van de β-coëfficiënten van de controlevariabelen is onveranderd in dit model. Bij de β-coëfficiënt van de variabele RatioExpertise wordt een positieve invloed verwacht op de hoogte van de beloning, omdat uit eerdere onderzoeken is gebleken dat de macht van de CEO samenhangt met zijn expertise ten opzichte van de expertise van de Raad van Bestuur. Hieronder volgt een tabel met de resultaten van de toetsing van het model: 47

49 Tabel 14: resultaten toetsing model hypothese 1b TotComp Βeta Std. Error t-waarde P>t Dlocation 0 (omitted) Dacademic 0 (omitted) DVeelSpec ,500 0,619 LogNumBeds ,310 0,021 *** ROTA ,290 0,776 laborprod ,270 0,206 DCEO_Extern ,490 0,000 *** DCEO_Exit ,610 0,000 *** RatioExpertise ,150 0,877 _cons ,200 0,839 (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) Regressieresultaat: R-sq = 0,311 F(7,439) = 28,36 Prob>F = 0.000*** In het bovenstaande model zijn weer de variabelen Dlocation en DAcademic door STATA weggelaten om dezelfde redenen als bij het vorige model. Allereerst wordt gekeken welk deel van de variatie in de beloningen van de CEO s wordt verklaard door dit model, hierbij wordt wederom gekeken naar de R2, die een waarde heeft van 0,311, wat aangeeft dat 31,1% van de variatie in de CEO beloningen verklaard wordt door het model. Hieruit kan geconcludeerd worden dat dit model evenveel variatie in CEO-beloningen verklaard als het model dat getoetst is bij hypothese 1a. De F-waarde van dit model is 28,36 en is significant bij een level van 0,01. De variabelen hebben dus een significante invloed op de hoogte van CEO beloningen. De β-coëfficiënten van de controlevariabelen hebben in model dezelfde richting als in het vorige model, waarbij dus β-coëfficiënt voor Δlaborprod tevens negatief is en de variabelen LogNumBeds, DCEO_Extern en DCEO_Exit een significantie invloed hebben op de afhankelijke variabele bij een level van 0,01 (1-tailed). Wat opvalt is dat de β-coëfficiënt van RatioExpertise een negatieve waarde heeft. Deze waarde is echter niet significant, dus kan de negatieve invloed van RatioExpertise op de beloning van de CEO niet gezien worden als een verband. Hieronder wordt tevens een tabel gegeven met de richtingen van de β-coëfficiënten en deze wordt vergeleken met de verwachtingen. 48

50 Tabel 15: richting Betà-coefficiënten Voorspellende variabele Verwachte Invloed Getoetste invloed LogNumBeds positief positief *** DveelSpec positief positief Dlocation positief positief DAcademic positief positief DCEO_Extern positief positief *** DCEO_Exit positief positief *** ΔROTA positief positief Δlaborprod positief negatief RatioExpertise positief negatief (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) De hypothese van deze toets was, dat de variabele RatioExpertise een positieve invloed heeft op de hoogte van de beloning van de CEO (TotComp). Er is geen significante invloed gevonden van deze variabele op de beloning van de CEO s, dus hypothese 1b wordt verworpen Hypothese 1c Het derde statistische model wordt gebruikt om hypothese 1c te toetsen. Hierbij worden dezelfde afhankelijke variabelen gebruikt als in de eerdere modellen. De controlevariabelen zijn ook in overeenstemming met de eerdere modellen. Daarnaast wordt er gekeken naar de invloed van demografische gelijkheid tussen de CEO en de leden van de RvT op de hoogte van de beloning van de CEO. Dit wordt getoetst door te bepalen wat de invloed is van een tweetal proxies op de hoogte van de beloning. De twee proxies zijn de variabelen RatioGenderSim i,t en RatioTitelSim i,t. Het model wordt getoetst met een fixed-effects lineaire regressieanalyse. De formule van het getoetste model is als volgt: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + β 4 DAcademic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 RatioGenderSim i,t 1 + β 10 RatioTitelSim i,t 1 + υ i,t + ε i,t De voorspelling van de β-coëfficiënten van de controlevariabelen is hetzelfde in dit model als in de andere modellen. Bij de β-coëfficiënt van de variabelen RatioGenderSim en RatioTitelSim wordt een positieve invloed verwacht op de hoogte van de beloning. Uit eerder onderzoek bleek dat demografische gelijkheid tussen de CEO en de RvT leidt tot meer macht van de CEO, 49

51 waardoor een hogere beloning verwacht kan worden. Hieronder volgt een tabel met de resultaten van de toetsing van het model: Tabel 16: resultaten toetsing model hypothese 1c TotComp Βeta Std. Error t-waarde P>t DLocation 0 (omitted) DAcademic 0 (omitted) DVeelSpec ,470 0,640 LogNumBeds ,380 0,018 *** ΔROTA ,340 0,736 Δlaborprod ,250 0,213 DCEO_Extern ,590 0,000 *** DCEO_Exit ,100 0,000 *** RatioGenderSim ,130 0,259 RatioTitelSim ,950 0,340 _cons ,000 0,997 (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) Regressieresultaat: R-sq = 0,316 F(7,439) = 25,23 Prob>F = *** Allereerst wordt ook voor dit model gekeken welk deel van de variatie in de beloningen van de CEO s wordt verklaard door dit model. De R 2 heeft in dit model een waarde heeft van 0,316, dus 31,6% van de variatie in de CEO beloningen wordt verklaard door het model. Deze waarde is ongeveer hetzelfde als de R 2 -waardes in de vorige twee modellen. Het model verklaart dus ongeveer evenveel variatie in CEO-beloningen als de vorige twee modellen die zijn getoetst. De F-waarde van dit model is 25,23 en is significant bij een level van 0,01. De β-coëfficiënten van de controlevariabelen hebben in dit model eveneens dezelfde richting als in de vorige modellen en de variabelen LogNumBeds, DCEO_Extern en DCEO_Exit hebben tevens een significantie invloed op de afhankelijke variabele bij een level van 0,01. De β- coëfficiënten van de variabelen die gelden als proxies voor de demografische gelijkheid hebben beide een positieve waarde, dit komt overeen met de verwachting. Echter, voor geen van deze waarden wordt een signifianctie inlvoed gevonden op de afhankelijke variabele. Hieronder wordt tevens een tabel gegeven met de richtingen van de β-coëfficiënten en deze wordt vergeleken met de verwachtingen. 50

52 Tabel 17: richting Betà-coefficiënten Voorspellende variabele Verwachte Invloed Getoetste invloed LogNumBeds positief positief *** DveelSpec positief positief Dlocation positief positief DAcademic positief positief DCEO_Extern positief positief *** DCEO_Exit positief positief *** ΔROTA positief positief Δlaborprod positief negatief RatioGenderSim positief positief RatioTitelSim positief positief (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) De hypothese van deze toets was, dat de variabele RatioGenderSim en RatioTitelSim een positieve invloed hebben op de hoogte van de beloning van de CEO (TotComp). Er is voor geen van de variabele een significante invloed gevonden op de afhankelijke variabele. Op basis van deze resultaten kan dus gesteld worden dat er geen ondersteuning is gevonden voor deze hypothese Hypothese 1d Het laatste statistische model wordt gebruikt om hypothese 1d te toetsen. Bij hypothese 1d wordt er bepaald of er een positieve invloed kan worden gevonden van de lengte van het dienstverband van de CEO op de hoogte van zijn beloningen. In het model worden dezelfde controlevariabelen gebruikt. De variabele die in het model wordt opgenomen om de invloed van de lengte van het dienstverband te toetsen, is de variabele TenureCEO. Het model wordt tevens getoetst met een fixed-effects lineaire regressieanalyse. De formule van het getoetste model is als volgt: TotComp i,t = α 0 +β 1 LogNumBeds i,t + β 2 DVeelSpec i,t + β 3 DLocation i,t + + β 4 DAcademic i,t + β 5 DCEO_Extern i,t + β 6 DCEO_Exit i,t + β 7 ΔROTA i,t 1 + β 8 Δlaborprod i,t 1 + β 9 LNTenureCEO i,t 1 + υ i,t + ε i,t De voorspelling over de richting van de β-coëfficiënten van de controlevariabelen is hetzelfde in dit model als in de andere modellen. De β-coëfficiënt van de variabele TenureCEO wordt tevens verwacht een positieve waarde te hebben en daardoor een positieve invloed op de hoogte van de beloning. Uit eerder onderzoek bleek dat naarmate CEO s langer in dienst zijn bij een organisatie, zij beter in staat zijn bronnen van de organisatie aan te wenden voor persoonlijk 51

53 nut, dit komt onder andere tot uiting in de hoogte van de beloning. Hieronder volgt een tabel met de resultaten van de toetsing van het model: Tabel 18: resultaten toetsing model hypothese 1d TotComp Βeta Std. Error t-waarde P>t DLocation 0 (omitted) DAcademic 0 (omitted) DVeelSpec ,430 0,664 LogNumBeds ,440 0,015 *** ΔROTA ,350 0,723 Δlaborprod ,230 0,220 DCEO_Extern ,090 0,000 *** DCEO_Exit ,730 0,000 *** TenureCEO ,400 0,161 * _cons ,040 0,970 (N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) Regressieresultaat: R-sq = 0,311 F(7,439) = 28,76 Prob>F = 0,000 *** De R 2 heeft in dit model een waarde heeft van 0,311, wat aangeeft dat 31,1% van de variatie in de CEO beloningen verklaard wordt door het model, deze waarde is ongeveer gelijk aan de R 2 - waarden uit de vorige modellen. De F-waarde van dit model is 28,76 en is significant bij een level van 0,01. Er is dus significante invloed gevonden van de variabelen op de hoogte van de beloning van CEO s. De β-coëfficiënten van de controlevariabelen hebben in model eveneens dezelfde richting als in de vorige modellen en de variabelen LogNumBeds, DCEO_Extern en DCEO_Exit hebben tevens een significantie invloed hebben op de afhankelijke variabele bij een level van 0,01 (1-tailed). De β-coëfficiënt van de variabele TenureCEO is significant bij een level van 0,10 (1-tailed). De tabel met de verwachting van de richtingen van de β-coëfficiënten en de vergelijking met de verwachtingen, wordt hieronder gegeven. 52

54 Tabel 19: richting Betà-coefficiënten Voorspellende variabele Verwachte Invloed Getoetste invloed LogNumBeds positief positief DveelSpec positief positief Dlocation positief positief DAcademic positief positief DCEO_Extern positief positief *** DCEO_Exit positief positief *** ΔROTA positief positief Δlaborprod positief negatief TenureCEO positief positef * N = 522 groups = 76 ) * = significant bij een 0,10 level (1-tailed) ** = significant bij een 0,05 level (1-tailed) *** = significant bij een 0,01 level (1-tailed) Door bovenstaand model te toetsen is er bepaald of er een positieve invloed van de lengte van het dienstverband op de hoogte van de beloning van de CEO (TotComp) kan worden gevonden. De invloed van de lengte van het dienstverband op de hoogte van de beloning is positief bij een significantie level van 0,10 (1-tailed). Op basis van deze resultaten kan dus met enige voorzichtigheid gesteld worden dat er ondersteuning is gevonden voor deze hypothese. 53

55 6 Conclusies In dit hoofdstuk worden de in hoofdstuk 6 gevonden resultaten verder besproken en worden er conclusies verbonden aan de uitkomsten van de statistische toetsen. Er wordt dieper in gegaan op het beantwoorden van de hypotheses en hoe de resultaten geïntepreteerd kunnen worden. Het hoofdstuk is opgebouwd uit vijf paragrafen. In de eerste paragraaf wordt gekeken naar de resultaten van de controlevariabelen op de totale compensatie van CEO s. In paragraaf 2 tot en met 5 wordt bepaald wat de resultaten zijn van de overige variabelen. In de laatste paragraaf wordt een antwoord gegeven op de onderzoeksvraag. 6.1 Conclusies met betrekking tot de controlevariabelen De controlevariabelen die gebruikt zijn in de modellen om deelhypothese 1a tot en met 1d te toetsen zijn geëxtraheerd uit het model van Core et al. (1999). Hierin zijn de onderzoeken van Cardinaels (2009) en Schaepkens en Speklé (2014) gevolgd. De eerste economische determinant die is meegenomen in dit onderzoek, heeft betrekking op de eigenschappen van het ziekenhuis en is de grootte van het ziekenhuis, gemeten door te kijken naar het aantal bedden. Uit de resultaten van de statistische toetsen uit het vorige hoofdstuk is gebleken dat in alle modellen het aantal bedden in een ziekenhuis, een significantie positieve invloed heeft op de hoogte van de beloning van de CEO bij een level van 0,01 (1-tailed). Naast de grootte van het ziekenhuis zijn er nog twee determinanten getoetst in de modellen die betrekking hebben op de karakteristieken van het ziekenhuis, namelijk; het aantal specialismen en het wel of niet zijn van een academisch ziekenhuis. Voor beide determinanten zijn dummyvariabelen meegenomen in de modellen. Omdat de modellen zijn getoetst met een fixedeffects lineaire regressieanalyse, is de dummyvariabele voor het wel of niet zijn van een academisch ziekenhuis door STATA uit de toetsing gehaald. De variabele is uit de toetsing gehaald omdat deze geen extra verklarende waarde heeft. De invloed van de ziekenhuisspecifieke eigenschappen worden al door STATA getoetst bij een fixed-effects lineaire regressie. De dummyvariabele gaf voor alle jaarmetingen van de verschillende ziekenhuizen dezelfde uitkomst en wordt dus geacht onderdeel te zijn van de ziekenhuisspecifieke eigenschappen. De dummyvariabele die het aantal specialismen representeert heeft in alle getoetste modellen een positieve β-coefficient, maar deze waarde is in geen van de resultaten significant. Er kan dus niet geconcludeerd worden dat er een significant verschil bestaat tussen de hoogte van de beloning van CEO s van academische ziekenhuizen en CEO s van algemene ziekenhuizen. 54

56 Een vierde determinant die is meegenomen in de statistische modellen, heeft betrekking op de marktfactoren van het ziekenhuis. De marktfactoren worden in dit onderzoek bepaald door te kijken naar de locatie van het ziekenhuis, dit is overeenkomstig met de onderzoeken van Cardinaels (2009) en Schaepkens en Speklé (2014). Om dezelfde reden als dat de dummyvariabele voor het zijn van een academisch ziekenhuis uit de toetsing is weggelaten door STATA, is ook de variabele voor de locatie weggelaten. Een andere groep determinanten heeft betrekking op de eigenschappen van de CEO. De eerste van deze twee determinanten is een dummyvariabele voor het wel of niet hebben van een vast dienstverband van de CEO. Uit de toetsing van de modellen blijkt voor alle modellen dat deze variabele een significante invloed heeft op de hoogte van de beloning bij een level van 0.01 (1- tailed). Er is dus een significant verschil gevonden tussen de hoogte van de beloning van CEO s met een vast dienstverband en CEO s die extern worden ingehuurd. Daarnaast is er gekeken naar het gedurende het jaar van onderzoek vertrekken van de CEO, deze variabele is ook gebruikt in het onderzoek van Cardinaels (2009). De totale beloning van de CEO s wordt omgerekend naar een volledig jaar. Er werd verwacht dat de totale beloning voor de CEO s hoger zou zijn. Uit de resultaten van de toetsen in het vorige hoofdstuk blijkt inderdaad dat er een significant verschil is tussen de hoogte van de beloning van CEO s die gedurende het jaar zijn vertrokken en de beloningen van CEO s die het hele jaar in dienst zijn geweest. Deze positieve invloed op de hoogte van de beloning is significant bij een level van 0.01 (1-tailed). De laatste twee controlevariabelen die in de modellen zijn meegenomen, zijn twee variabelen voor het bepalen van de prestaties. Cardinaels (2009) stelt in zijn onderzoek dat de beloning van CEO s vaak gebaseerd wordt op de financiële prestaties in het jaar daarvoor. Schaepkens en Speklé (2014) kijken in hun onderzoek naar de financiële prestaties van ziekenhuizen en bepalen die onder andere aan de hand van de ROTA en de arbeidsproductiviteit (laborprod). In dit onderzoek is gekeken naar de verandering van de ROTA en laborprod tussen jaar t-1 en t-2. De variabele ΔROTA had in alle onderzoeken een postieve β-coefficient. Echter, in geen van de gevonden resultaten was deze waarde significant. De variabele Δlaborprod had een negatieve β-coefficient in de getoetste modellen. Deze waarde was echter ook niet significant. Wel is het opvallend dat er een negatieve β-coefficient is gevonden voor deze variabele, terwijl er een positieve werd verwacht. Een mogelijke verklaring hiervoor zou kunnen zijn, dat wanneer de omzet terugloopt, de personele lasten niet met hetzelfde percentage dalen, omdat men te maken heeft met arbeidscontracten en men niet geneigd zal zijn snel mensen te ontslaan, dit fenomeen wordt ook wel cost stickiness genoemd (Dierynck et al., 2012). Door dit fenomeen wordt er door 55

57 de toezichthouders wellicht niet te veel nadruk gelegd op de variabele laborprod bij het bepalen van de hoogte van de beloning van de CEO s. Uit het niet significant zijn van de β-coefficienten van de twee variabelen voor het bepalen van de financiële prestaties in jaar t-1, kan gesteld worden dat er geen ondersteuning is gevonden voor de veronderstelling, dat ziekenhuizen de beloningscontracten van hun CEO s baseren op de de financiële prestaties in het voorgaande jaar. Dit in tegenstelling tot het onderzoek van Cardinaels (2009) die een matige significante invloed (P>t = 0.10) van de financiële prestaties van het ziekenhuis vond op de hoogte van de beloning. 6.2 Conclusies met betrekking tot de variabele RatioBoard Uit eerdere onderzoeken is gebleken dat de grootte van de Raad van Toezicht ten opzicht van de Raad van Bestuur van invloed is op de macht van de CEO (Aggerwal et al., 2002; Cardinaels, 2009; Schaepkens en Speklé, 2014). In dit onderzoek is gekeken naar de grootte van de RvB ten opzichte van de grootte van de RvT, deze variabele is gedefinieerd als LNRatioBoard. Er werd verondersteld dat deze variabele een positieve invloed zou hebben op de hoogte van de beloningen. Hieruit is deelhypothese 1a geformuleerd en deze is getoetst met het eerste regressiemodel in paragraaf De uitkomst van deze variabele was echter niet significant. Hierdoor is de deelhypothese 1a verworpen. 6.3 Conclusies met betrekking tot de variabele RatioExpertise In het tweede statistische model is getoetst of de expertise van de CEO ten opzichte van de expertise van de RvT positief van invloed is op de hoogte van de beloning van de CEO. Het model is gebruikt om deelhypothese 1b te toetsen. Uit onderzoek van Daily en Johnson (1997) bleek dat de macht van de CEO afhankelijk is van zijn prestige. Om de prestige te meten hebben zij naar het aantal titels van de CEO gekeken. Cardinaels (2009) en Schaepkens en Speklé (2014) hebben in hun onderzoeken de expertise van de RvT gedefinieerd als middel om de macht van de CEO te beperken. In dit onderzoek is gekeken of het aantal titels van de CEO ten opzichte van het aantal titels van de RvT, positief van invloed is op de hoogte van de beloning van de CEO. Om dit te toetsen is in model 2 de variabele RatioExpertise meegenomen. Er bleek echter geen significant verband te bestaan tussen deze variabele en de hoogte van de beloning. Door het ontbreken van dit significante verband, is deelhypothese 1b verworpen. 56

58 6.4 Conclusies met betrekking tot de variabelen RatioGenderSim en RatioTitelSim Het derde model is gebruikt om deelhypothese 1c te toetsen. De deelhypothese was dat de demografische gelijkheid tussen de CEO en de leden van de RvT een positieve invloed heeft op de hoogte van de beloning van de CEO. Deze hypothese is voortgekomen uit onderzoek van Zajac en Westphal (1995), waarin zij concludeerden dat demografische gelijkheid tussen de leden in het bestuur van een organisatie, zorgt voor meer macht van de CEO. De demografische gelijkheid is in dit onderzoek geoperationaliseerd door te kijken naar het aantal leden in de RvT met hetzelfde geslacht als de CEO ten opzichte van het totaal aantal leden in de RvT (RatioGenderSim) en door te kijken naar de overeenkomsten in achtergrond tussen de CEO en de leden in de RvT, waarvoor een vergelijking tussen het aantal overeenkomende titels gold als proxy (RatioTitelSim). Voor beide variabelen is geen significante invloed gevonden op de hoogte van de beloning van de CEO, waardoor deelhypothese 1c is verworpen. 6.5 Conclusies met betrekking tot de variabele TenureCEO Het laatste model is gebruikt om te toetsen of de lengte van het dienstverband van een CEO een positieve invloed heeft op de hoogte van zijn beloning. Om dit te toetsen is in model 4 de variabel TenureCEO meegenomen. Uit de resultaten van de toets bleek dat er, in overeenstemming met eerdere onderzoeken, inderdaad een significante invloed bestaat van de lengte van het dienstverband van de CEO op de hoogte van zijn beloning. Het significantie level is echter wel maar 0,10 (1-tailed), waardoor met enige voorzichtheid gesteld kan worden dat er ondersteuning is gevonden voor deelhypothese 1d. 6.6 Conclusies met betrekking tot de onderzoeksvraag De centrale onderzoeksvraag van dit onderzoek was; in hoeverre wordt de beloning van CEO s binnen Nederlandse ziekenhuizen positief beïnvloed door de macht van de CEO? Om deze onderzoeksvraag te onderzoeken is hypothese 1 geformuleerd. Hypothese 1 luidt; machtige CEO s van Nederlandse ziekenhuizen zijn in staat hun beloning positief te beïnvloeden. Omdat de macht van de CEO niet direct was te meten, is een aantal deelhypotheses geformuleerd. Uit de eerder genoemde resultaten kan geconcludeerd worden dat drie van de vier deelhypotheses zijn verworpen. De laatste deelhypothese was gering significant. Gezien het feit dat er slechts een geringe ondersteuning is gevonden voor één van de vier deelhypotheses, kan er geconcludeerd worden dat er te weinig ondersteuning is gevonden voor hypothese 1, waardoor deze wordt verworpen. Daarentegen blijkt ook niet uit volledig uit de resultaten dat de CEO s een beloning ontvangen in overeenstemming met de economische determinanten, namelijk; de complexiteit van 57

59 de functie en de grootte van het ziekenhuis, de complexiteit van de functie, de prestaties van het ziekenhuis en de marktomstandigheden. Er is niet voor alle controlevariabelen een significante invloed gevonden op de hoogte van de beloning. Er is alleen een significante invloed gevonden op de hoogte van de beloning voor de variabelen; de grootte van het ziekenhuis, een vast dienstverband van de CEO en het gedurende het hele jaar in dienst zijn van de CEO. Uit dit onderzoek kan in ieder geval geconcludeerd worden dat Nederlandse ziekenhuizen de beloning van hun CEO s niet baseren op de financiële prestaties van de organisatie en de complexiteit van de functie. In het volgende hoofdstuk wordt een discussie weergegeven waarin een mogelijke verklaring wordt gegeven voor de geringe significante invloed van de variabelen en worden de beperkingen van dit onderzoek benoemd. 58

60 7 Discussie en beperkingen Uit bovenstaand onderzoek is niet gebleken dat er een significantie invloed is van de macht van de CEO op de hoogte van zijn beloning binnen de Nederlandse ziekenhuizen. Daarnaast kan ook niet zonder meer gezegd worden dat de beloningscontracten van de CEO s gebaseerd worden op de economische determinanten van de functie van de CEO. Het onderzoek kent echter een aantal beperkingen en er zijn enige punten van discussie. Deze worden in dit hoofdstuk besproken. Allereerst is gekeken naar de verdeling van de storingstermen van de vier statistische modellen. De histrogrammen van deze verdelingen zijn in onderstaande figuur weergegeven. Er is voor iedere verdeling van de storingstermen een Shapiro-Wilks toets uitgevoerd, de resultaten zijn tevens weergegeven in de figuur. Figuur 3: Verdeling van de storingsterm (van links naar rechts model 1 t/m 4) Zoals te zien is in bovenstaande histrogrammen is in geen enkel model de storingsterm normaal verdeeld, dit blijkt zowel uit de Shapiro-Wilks toets, als uit de grafische weergave. Aan de rechterzijde van de verdeling is een aantal extreme waarden zichtbaar. Deze waarden worden waarschijnlijk veroorzaakt door een aantal uitbijters in de variabelen. De gebruikte methode fixedeffects lineaire regressieanalyse gaat uit van een normaalverdeling van de storingsterm. Uit bovenstaande blijkt dat dat niet het geval is bij de verschillende modellen. De toetsingsresultaten worden daardoor minder betrouwbaar. Eventuele vervolgonderzoekers wordt aangeraden voorafgaand aan het uitvoeren van de toetsen te controleren op uitbijters, omdat deze een sterke invloed kunnen uitoefenen op de uitkomsten van de toetsen. Om een eerste indicatie te krijgen van het aantal uitbijters, kan een box-plot worden gemaakt. Daarnaast kan een sensitiviteitsanalyse 59