Economische beslissingen bij de beïnvloeding van het winstcijfer door Nederlandse vennootschappen.

Transcriptie

1 Economische beslissingen bij de beïnvloeding van het winstcijfer door Nederlandse vennootschappen. Masterscriptie Accountancy & Management Control Universiteit van Tilburg Naam: Remco (R.G.G.) Timmer ANR: s Begeleider: Drs. E.J.E.M. Houben Onderzoeksgebied: Financial Accounting Datum: 15 juni 2007

2

3 Dit onderzoek kijkt naar de economische beslissingen die managers kunnen nemen bij de beïnvloeding van hun winstcijfer. De winstcijfers worden vaak mooier voorgedaan dan de werkelijkheid door ze naar boven af te ronden. In dit onderzoek is er echter ook te zien dat ondernemingen er baat bij kunnen hebben om hun winstcijfer slechter voor te doen dan de werkelijkheid. In dit geval wordt het winstcijfer juist naar beneden afgerond. Uit dit onderzoek komt naar voren dat in Nederland de kapitaalintensiteit van de onderneming en de mate waarin gebruik wordt gemaakt van contracten met betrekking tot het vreemd vermogen omstandigheden zijn die worden meegenomen bij de beïnvloeding van het winstcijfer. Onderzoek naar de beslissingen die achter de in dit onderzoek gezochte afrondingsstrategie liggen is tot op heden nooit uitgevoerd wat dit onderzoek wetenschappelijk relevant maakt. Ook is dit onderzoek maatschappelijk relevant te noemen. Uit dit onderzoek komt namelijk naar voren dat managers van ondernemingen spelen met hun winstcijfers om zo een voor hen zo gunstig mogelijk winstcijfer te presenteren. Hiermee proberen zij het gedrag van verschillende stakeholders van de onderneming te beïnvloeden. 1. Inleiding 1 Als je tegenwoordig in wat voor winkel dan ook loopt, zie je vaak dat er vreemde prijzen op de prijskaartjes staan. Zo kun je bijvoorbeeld in een supermarkt een pot jam kopen voor 2,99 of in een elektronicazaak een computer voor 999 of een stereotoren voor 199. Waarom kost bijvoorbeeld deze stereotoren niet gewoon 200? Om tot een antwoord op deze vraag te komen moet onder andere het onderzoek van Brenner & Brenner (1982) in ogenschouw worden genomen. Zij laten in hun onderzoek zien dat deze prijzen te maken hebben met het gelimiteerde geheugen van de mens. Doordat mensen niet alles precies kunnen onthouden zullen zij alleen de meest belangrijke gegevens opslaan in hun geheugen. Verscheidene andere studies (bijvoorbeeld Rosch, 1975; Hinrichs, Berie & Mosell, 1982; Poltrock & Schwartz, 1984) laten zien dat mensen bij getallen die uit meerdere cijfers bestaan refereren naar veelvouden van tien. Deze referentiepunten zijn ronde getallen en voldoen aan de formule Nx10 k-1 (waarin N staat voor het cijfer op de eerste positie van links van een getal en k voor het aantal cijfers waaruit dit getal bestaat). In het bovenstaande voorbeeld van de stereotoren is hierdoor te verwachten dat mensen de prijs 199 zullen afronden naar een dergelijk referentiepunt. Het meest voor de hand liggende referentiepunt zal 200 zijn. Dit impliceert echter dat het niet uitmaakt welke van de twee prijzen voor de stereo gevraagd wordt. De interpretatie van de prijs zal voor de consument namelijk voor beide prijzen 200 zijn. In het eerder genoemde onderzoek van Brenner & Brenner (1982) is echter te zien dat er een verschillende nadruk wordt gelegd op de cijfers in een getal. De meeste nadruk zal gelegd worden op het meest linkse cijfer in een getal en hoe verder een cijfer naar rechts staat in een getal hoe minder nadruk er op dit cijfer gelegd zal worden. Carslaw (1988) trekt hieruit de conclusie dat mensen bij de prijs 199 eerder geneigd zullen zijn naar beneden af te ronden tot 190 dan naar boven tot 200. Op deze manier blijven de cijfers waar de meeste nadruk op is gelegd intact. Het afronden naar 190 is daardoor een stuk eenvoudiger dan het afronden naar 200. Dit betekent dat mensen een prijs van 199 als 190 interpreteren, terwijl zij een prijs van 200 gewoon als 200 zien. Doordat er vervolgens door de mensen weer de meeste nadruk gelegd wordt op het eerste cijfer vanaf links, zullen zij een prijs van 199 als veel lager ervaren dan een prijs van 200 (Gabor & Granger, 1964; Schindler & Kirby, 1997; Stiving & Winer, 1997). 1 Het eerste gedeelte van deze inleiding is ontleend aan: Timmer, R.G.G., Het afronden door Nederlandse vennootschappen van hun winstcijfer tot net boven een referentiepunt Nx10 k-1. Bachelorscriptie Universiteit van Tilburg. Deze scriptie is te raadplegen via de link:

4 Dit heeft tot gevolg dat consumenten eerder de stereotoren zullen kopen (Schindler & Kibarian, 1996). En dat is natuurlijk precies wat de managers van de winkels graag zien. Voor managers van een onderneming zijn echter redenen te bedenken om met hun winstcijfer precies het tegenovergestelde effect te creëren; om te zorgen dat hun winstcijfer niet zo laag mogelijk, maar juist zo hoog mogelijk wordt geïnterpreteerd. Als dit inderdaad het geval is, zullen zij een winst met een zo hoog mogelijk cijfer in de eerste positie van links naar buiten willen brengen 2. Het gevolg hiervan is namelijk dat deze winst als significant hoger wordt beoordeeld dan een winst die een cijfer in de eerste positie van links heeft die één eenheid lager is. Een van de redenen voor managers om te besluiten om een winstcijfer naar buiten te brengen dat net boven een punt gelijk aan Nx10 k-1 ligt, is het aantrekkelijker willen zijn voor potentiële investeerders. Als bereikt wordt dat potentiële investeerders meer geïnteresseerd raken in hun bedrijf, zal er door hen eerder geld in worden gestoken. Dit impliceert dat managers geneigd zullen zijn om door het toepassen van earnings management 3 hun winstcijfer naar boven af te ronden totdat dit winstcijfer net boven een getal gelijk aan Nx10 k-1 komt te liggen. Verscheidene onderzoeken (onder andere Carslaw (1988) en Thomas (1989)) 4 hebben gekeken naar bovengenoemd afrondingsgedrag bij ondernemingen. Carslaw (1988) heeft dit afrondingsgedrag aangetoond voor ondernemingen uit Nieuw Zeeland en Thomas (1989) voor Amerikaanse ondernemingen. Timmer (2006) heeft laten zien dat ook Nederlandse vennootschappen de neiging hebben om hun winstcijfer af te ronden tot net boven een punt gelijk aan Nx10 k-1. Ondanks bovenstaande onderzoeken, zijn er toch ook redenen te bedenken voor managers om het winstcijfer van hun onderneming juist zo laag mogelijk te laten lijken. Zo laten Othman & Zeghal (2006) zien dat hoe groter de onderneming is, hoe meer er de neiging bestaat tot het drukken van het winstcijfer. Ook Hagerman & Zmijewski (1979, 1981) hebben aangetoond dat er een relatie bestaat tussen de grootte van een onderneming en het lager laten lijken van het winstcijfer. Zij verklaren dit door de politieke kosten die een hoog winstcijfer met zich meebrengt. Als een onderneming namelijk een hoge winst laat zien, wordt dit als abnormaal 2 Hierbij moet worden opgemerkt dat het aantal cijfers voor de komma waaruit het winstcijfer bestaat (k) vóór de hoogte van het cijfer op de eerste positie van links gaat. Bedrijven zullen dus liever een winst naar buiten brengen van bijvoorbeeld 1000 dan een winst van 999, terwijl het cijfer op de eerste positie van links lager is bij 1000 dan bij In de bestaande literatuur zijn er vele definities terug te vinden voor het begrip earnings management. Beneish (2001) geeft de volgende drie definities: Managing earnings is the process of taking deliberate steps within the constraints of Generally Accepted Accounting Principles to bring about a desired level of reported earnings. (Davidson, Stickney and Weil, 1987) Managing earnings is a purposeful intervention in the external financial reporting process, with the intent of obtaining some private gain (as opposed to say, merely facilitating the neutral operation of the process). A minor extension of this definition would encompass real earnings management, accomplished by timing investment or financing decisions to alter reported earnings or some subset of it. (Schipper, 1989) Earnings Management occurs when managers use judgment in financial reporting and in structuring transactions to alter financial reports to either mislead some stakeholders about the underlying economic performance of the company or to influence contractual outcomes that depend on reported accounting numbers. (Healey & Wahlen, 1999) Vooral de eerste en derde definitie laten zien wat er in dit onderzoek bedoeld wordt met earnings management. 4 Zie voor een volledig overzicht van deze literatuur: Timmer, R.G.G., Het afronden door Nederlandse vennootschappen van hun winstcijfer tot net boven een referentiepunt Nx10 k-1. Bachelorscriptie Universiteit van Tilburg. Deze scriptie is te raadplegen via de link:

5 ervaren. Mensen willen dan graag dat alles beter verdeeld wordt over de gehele bevolking. Een mogelijk gevolg hiervan is dat ondernemingen in de toekomst bijvoorbeeld hogere belastingtarieven moeten gaan betalen. Om dit te voorkomen zullen ondernemingen dus liever niet willen opvallen met hun winstcijfer. Voor kleinere ondernemingen speelt dit minder, omdat zij sowieso minder opvallend zijn voor de buitenwereld (zij komen bijvoorbeeld niet in de media met hun jaarlijkse winstcijfer in tegenstelling tot de grote bedrijven zoals Koninklijke Olie, Unilever of Philips). Omdat er verschillende redenen zijn te bedenken om het winstcijfer groter dan wel kleiner voor te doen, is er in dit onderzoek gekeken naar een aantal redenen die managers van Nederlandse ondernemingen hebben om hun winstcijfer te beïnvloeden. Als een onderneming haar winstcijfer net boven (onder) een referentiepunt gelijk aan Nx10 k-1 publiceert, zal het cijfer op de tweede positie vanaf links van dit winstcijfer een 0 (9) zijn. In dit onderzoek is daarom gekeken naar de verdeling van het tweede cijfer vanaf links van het winstcijfer. Als ondernemingen de neiging hebben om hun winstcijfers zo hoog mogelijk voor te laten doen, zullen er dus minder winstcijfers naar buiten worden gebracht met als tweede cijfer een 9, dan dat verwacht kan worden door kansrekening. Hierbij moet echter wel rekening worden gehouden met de bevindingen van Newcomb (1881) en Benford (1938). Zij laten zien dat de verdeling van onder andere het tweede cijfer in een getal niet zo is als te verwachten door kansrekening. Het is dus niet zo dat als je een willekeurig getal uit wat voor bron dan ook pakt dat de kans op bijvoorbeeld een 9 als tweede cijfer in dat getal precies 1/10 is. Uit de wet van Benford 5 is af te leiden 6 dat de kans op y als tweede cijfer van een getal gelijk is aan: 9 y+1 y (Log 10 (x+ ---) Log 10 (x+ --)) X= In dit onderzoek is er voor een aantal redenen die managers van een onderneming kunnen hebben om hun winstcijfer te beïnvloeden gekeken of de kans op een 9 op de tweede positie vanaf links van het winstcijfer toe- dan wel afneemt. De resultaten van het onderzoek laten zien dat de verdeling van het cijfer op de tweede positie vanaf links van het totaal aantal bestudeerde winstcijfers afwijkt van de verdeling zoals te verwachten is met behulp van de wet van Benford. Bij opsplitsing in de in dit onderzoek bestudeerde economische beslissingen zijn er echter veel minder sporen van het in dit onderzoek gezochte afrondingsgedrag waar te nemen. Alleen de kapitaalintensiteit van de onderneming en de mate waarin een onderneming gebruik maakt van contracten met betrekking tot het vreemd vermogen vertonen in dit onderzoek een relatie met de kans op een 9 op de tweede positie van links van het winstcijfer. De relatie van de kapitaalintensiteit van de onderneming is bovendien marginaal. Het vervolg van dit onderzoek is als volgt gestructureerd. In hoofdstuk 2 wordt de voorgaande literatuur beschreven, waarna in hoofdstuk 3 het in dit onderzoek onderzochte model gegeven wordt. In hoofdstuk 4 worden vervolgens de hypotheses gegeven en in hoofdstuk 5 is de gebruikte methode van onderzoek terug te vinden. De resultaten van het onderzoek worden in hoofdstuk 6 gepresenteerd. In hoofdstuk 7 wordt afgesloten met de conclusies. 5 Zie voor een uitgebreide beschrijving van de wet van Benford : Timmer, R.G.G., Het afronden door Nederlandse vennootschappen van hun winstcijfer tot net boven een referentiepunt Nx10 k-1. Bachelorscriptie Universiteit van Tilburg. Deze scriptie is te raadplegen via de link: 6 Zie voor deze afleiding: Thomas, J.K., Unusual patterns in reported earnings. The Accounting Review (54-4), pp

6 2. Literatuuroverzicht Er is naar mijn weten nog nooit onderzoek gedaan naar de economische beslissingen van managers bij het afronden van hun winstcijfer rondom een referentiepunt gelijk aan Nx10 k-1. Wel is er in de literatuur veel geschreven over de economische beslissingen die managers nemen bij het beïnvloeden van hun winstcijfer op wat voor punt dan ook. Omdat het te verwachten is dat veel van deze economische beslissingen overeenkomen met de economische beslissingen van managers bij het afronden van hun winstcijfer rondom een referentiepunt gelijk aan Nx10 k-1, zal deze literatuur dan ook als achtergrond worden meegenomen in dit onderzoek. De verschillende economische beslissingen die in eerdere onderzoeken naar voren zijn gekomen zullen verdeeld worden in de volgende vier groepen: Kapitaalmarkt Contracten Politieke kosten Overig De bedoeling van dit onderzoek is te kijken welke van deze economische beslissingen door managers worden genomen bij de beïnvloeding van hun winstcijfer rondom een referentiepunt gelijk aan Nx10 k Kapitaalmarkt Er zijn verschillende onderzoeken gedaan naar de economische beslissingen die ten grondslag liggen aan de beïnvloeding van het winstcijfer ten tijde van de uitgifte van aandelen van het bedrijf. Deze onderzoeken zijn op te splitsen in twee groepen. De ene groep kijkt naar de eerste plaatsing van aandelen op de beurs, de beursintroductie, terwijl de tweede groep tussentijdse aandelenuitgiftes bestudeert. Friedlan (1994), Teoh, Welch & Wong (1998) en Teoh, Wong & Rao (1998) komen tot de conclusie dat er maatregelen worden genomen om het winstcijfer te laten stijgen ten tijde van de beursintroductie van de onderneming. De aandelen zullen hierdoor duurder verkocht kunnen worden, waardoor de onderneming meer geld tot haar beschikking krijgt. Voor de tussentijdse aandelenuitgiftes geldt uiteraard hetzelfde. Ook hier zal de onderneming de aandelen zo duur mogelijk willen verkopen om zo meer geld binnen te halen. Verscheidene onderzoeken (onder andere Ragan (1998); Teoh, Welch & Wong (1998); Erickson & Wang (1999) en Shivakumar (2000)) laten dan ook zien dat ook ten tijde van tussentijdse aandelenuitgiftes het winstcijfer positief beïnvloed wordt. Othman & Zeghal (2006) onderzoeken voor zowel Franse als Canadese ondernemingen of het winstcijfer beïnvloed wordt ten tijde van een aandelenuitgifte. Zij maken echter geen onderscheid tussen een beursintroductie en een tussentijdse aandelenuitgifte, maar nemen een variabele op in hun model voor beide soorten uitgiften tezamen. Voor de Canadese ondernemingen die door hen bestudeerd worden is te zeggen dat het winstcijfer ten tijde van een aandelenuitgifte positief beïnvloed wordt. Deze conclusie is echter niet te trekken voor de door hen bestudeerde Franse ondernemingen. In hun onderzoek kijken Othman & Zeghal ook naar de beurs waar deze aandelen worden verkocht. Zij veronderstellen dat wanneer een onderneming haar aandelen op een buitenlandse beurs plaatst dat dit een grotere transparantheid van de onderneming met zich mee zou moeten brengen. Managers zullen minder mogelijkheden hebben om hun winstcijfer

7 te beïnvloeden en de verwachting is daardoor ook dat de winstcijfers zowel minder positief als minder negatief beïnvloed zullen worden. Uit hun onderzoek blijkt echter dat dit niet het geval is en dat het voor de beïnvloeding van het winstcijfer niet uitmaakt op wat voor beurs de aandelen van de onderneming geplaatst worden. Wel maakt het uit aan wie de aandelen worden verkocht. Dhaliwal, Salamon & Smith (1982) laten namelijk zien dat als het percentage van de aandelen dat in bezit is van de managers van die onderneming stijgt, dat dan de neiging om het winstcijfer hoger te laten lijken dan de werkelijkheid afneemt. In het eerder besproken onderzoek van Othman & Zeghal wordt deze relatie ook gevonden voor de Canadese ondernemingen. Een verklaring voor deze relatie is dat managers normaliter de neiging hebben om het winstcijfer mooier te laten lijken dan de werkelijkheid om zo een signaal af te geven aan de aandeelhouders dat het management goed werk levert. Hierdoor zullen de aandeelhouders minder snel geneigd zijn het management uit te kopen of een vijandige overname toe te laten. Naarmate de managers zelf meer aandelen in handen hebben, zullen de overige aandeelhouders minder stemrecht hebben voor de beslissing over bijvoorbeeld een eventuele vijandige overname. De managers hoeven dan dus ook in mindere mate een goed signaal naar buiten te brengen. Een laatste economische beslissing met betrekking tot de kapitaalmarkt die ten grondslag kan liggen aan het beïnvloeden van het winstcijfer wordt gevormd door de voorspellingen over het winstcijfer die gedaan worden door bijvoorbeeld analisten en managers. Burgstahler & Eames (1998), Kasznik (1999) en Degeorge, Patel & Zeckhauser (1999) tonen aan dat als de onderneming een voorspelling niet dreigt te halen dat er dan maatregelen worden genomen om het winstcijfer te laten stijgen om zo toch de voorspelling te halen. Als verklaring wordt hiervoor gegeven dat managers een negatieve reactie van de markt willen voorkomen. Als de onderneming namelijk de voorspelling niet kan waarmaken zal dit een tegenvaller zijn voor de markt. Hierdoor zullen de aandelenprijzen dalen en dat is iets wat het management van de onderneming natuurlijk niet graag ziet gebeuren. 2.2 Contracten Een tweede groep met economische beslissingen die ten grondslag kunnen liggen aan de beïnvloeding van het winstcijfer wordt gevormd door twee verschillende soorten contracten, namelijk de contracten met betrekking tot het vreemd vermogen en de contracten voor de beloning van de managers. Bij de contracten voor het vreemd vermogen wordt er vaak gebruik gemaakt van convenanten. Bedrijven moeten zodanige ratio s kunnen laten zien dat de financier bereid is de lening te verstrekken. Mocht een onderneming tijdens de looptijd van de lening aan (één van) deze ratio s niet kunnen voldoen dan geldt er vaak de verplichting tot het onmiddellijk terug betalen van de lening. Om dit te voorkomen zullen ondernemingen goede ratio s naar buiten willen brengen. Aangezien deze ratio s vaak gebaseerd zijn op de winst van de onderneming, zullen ondernemingen daardoor hun winst zo hoog mogelijk voor willen doen. Verschillende onderzoeken (waaronder Dhaliwal (1980); Zmijewski & Hagerman (1981); Press & Weintrop (1990); Duke & Hunt (1990); Sweeney (1994); DeFond & Jiambalvo (1994) en Othman & Zeghal (2006)) hebben laten zien dat in verscheidene landen inderdaad de neiging bestaat tot het positief beïnvloeden van het winstcijfer als er veel gebruik wordt gemaakt van vreemd vermogen. Toch zijn er ook onderzoeken aan te wijzen waarin dit verband niet aangetoond kon worden (Holthausen (1981); Healy & Palepu (1990) en DeAngelo, DeAngelo & Skinner (1994)). Bij de aanwezigheid van contracten voor de beloning van de managers is er ook de neiging om het winstcijfer zo hoog mogelijk voor te laten doen. Deze contracten zijn namelijk vaak

8 opgebouwd uit een standaard vast salaris en een variabel salaris. Het variabele salaris is vaak afhankelijk van enkele accounting ratio s zoals ROE 7 en ROA 8. Doordat deze ratio s stijgen als de winst stijgt, zal de totale beloning van de managers ook stijgen als de winst stijgt. De managers zullen daardoor dus de winst zo hoog mogelijk voor willen doen. In veel onderzoeken (onder andere Hagerman & Zmijewski (1979); Zmijewski & Hagerman (1981); Healy (1985); DeAngelo (1988); Dechow & Sloan (1991); Holthausen, Larcker & Sloan (1995); Guidry, Leone & Rock (1999) en Bergstresser & Philippon (2006)) wordt deze positieve beïnvloeding van het winstcijfer bij aanwezigheid van beloningscontracten voor het management ook inderdaad gevonden. 2.3 Politieke kosten Een volgende groep onderzoeken heeft gekeken naar de invloed van politieke kosten op de beïnvloeding van het winstcijfer. Deze politieke kosten komen op vijf verschillende manieren naar voren. Ten eerste hebben grote ondernemingen de neiging om het winstcijfer te drukken (Hagerman & Zmijewski (1979); Zmijewski & Hagerman (1981); Zimmerman (1983); Liberty & Zimmerman (1986); Makar & Alam (1998) en Othman & Zeghal (2006)). Een verklaring hiervoor is dat als een onderneming een hoge winst laat zien dit als abnormaal wordt ervaren en mensen graag willen dat alles beter verdeeld wordt over de gehele bevolking. Een gevolg hiervan is dat ondernemingen in de toekomst dan bijvoorbeeld hogere belastingtarieven moeten gaan betalen. Om dit te voorkomen zullen ondernemingen dus liever niet willen opvallen met hun winstcijfer. Voor kleinere ondernemingen speelt dit minder, omdat zij sowieso minder opvallend zijn voor de buitenwereld (zij komen bijvoorbeeld niet in de media met hun jaarlijkse winstcijfer in tegenstelling tot de grote bedrijven zoals Koninklijke Olie, Unilever of Philips). Een tweede vorm van politieke kosten is terug te vinden bij kapitaalintensieve ondernemingen (Hagerman & Zmijewski (1979)). Ondernemingen die kapitaalintensief zijn nemen namelijk niet de opportunity kosten van dit kapitaal mee in het berekenen van hun winstcijfer. Zij zullen dan ook, gemiddeld, een hoger winstcijfer rapporteren dan een arbeidsintensieve onderneming, zelfs al is de economische winst van deze ondernemingen gelijk. Ook dit lijkt weer abnormaal en om dezelfde redenen gegeven voor grotere ondernemingen, zullen ook kapitaalintensievere ondernemingen liever een winstcijfer publiceren dat minder hoog lijkt dan het is. In het onderzoek van Zmijewski & Hagerman (1981) is echter geen verband gevonden tussen de kapitaalintensiteit van een onderneming en de neiging om het winstcijfer negatief te beïnvloeden. Een derde manier waarop de politieke kosten naar voren komen is via het risico dat de onderneming loopt (Hagerman & Zmijewski (1979)). Als het risico van een onderneming groter is dan het gemiddelde van de markt, zal de variabiliteit van het winstcijfer van deze onderneming ook groter zijn. Van tijd tot tijd zal deze onderneming dan ook hogere winsten laten zien dan de rest van de markt. Dit lijkt ook weer abnormaal en om onder andere hogere belastingtarieven voor de toekomst te ontlopen, zullen ondernemingen met een hoog risico liever een winstcijfer publiceren dat minder hoog lijkt dan de werkelijkheid. Zmijewski & Hagerman (1981) vinden echter, in tegenstelling tot hun eerdere onderzoek, geen verband 7 ROE is de afkorting van Return On Equity. Deze ratio wordt berekend door het netto resultaat te delen door het Eigen Vermogen. 8 ROA is de afkorting van Return On Assets. Deze ratio wordt berekend door het netto resultaat te delen door de vaste activa.

9 tussen de hoogte van het risico dat een onderneming loopt en de neiging om het winstcijfer te drukken. Een vierde vorm van politieke kosten komt naar voren tijdens politieke inspecties (onder andere Jones (1991); Cahan (1992); Cahan, Chavis & Elmendorf (1997); Key (1997) en Han & Wang (1998)). Key (1997) bestudeert de kabeltelevisie industrie en komt tot de conclusie dat tijdens periodes waarin de industrie door middel van politieke inspecties in de gaten wordt gehouden, de ondernemingen ervoor zorgen dat hun winstcijfer er minder goed uitziet dan de werkelijkheid. Op deze manier hopen de ondernemingen dat de industrie als minder winstgevend wordt gezien en er bijvoorbeeld geen hogere belastingtarieven voor de toekomst voor de industrie zullen volgen. Een vijfde en laatste manier waarop de politieke kosten naar voren komen is door middel van de concurrentie in een bepaalde industrie. Hagerman & Zmijewski hebben zowel in hun onderzoek uit 1979 als hun onderzoek uit 1981 laten zien dat hoe lager de concurrentie in een bepaalde industrie is, hoe meer de ondernemingen in deze industrie de neiging hebben om hun winstcijfer lager voor te doen dan de werkelijkheid. Zij geven hiervoor twee verklaringen. De eerste is weer de hierboven al vaker genoemde voorkoming van toekomstige hogere belastingtarieven. Als een onderneming namelijk een monopoly op een markt heeft, dan hebben zij de mogelijkheid tot abnormale winsten. Om dit tegen te gaan kan de overheid beslissen tot een hoger belastingtarief om alles beter over de gehele bevolking te verdelen. De tweede verklaring heeft ook te maken met eventuele abnormale winsten. Mansfield (1962) heeft aangetoond dat er een positieve relatie bestaat tussen de totale winst van een industrie en het aantal toetredende ondernemingen tot die industrie. Hagerman & Zmijewski trekken hieruit de conclusie dat ondernemingen de neiging hebben om hun winstcijfer te drukken om zo minder bedrijven toe te laten treden tot hun industrie. Toetredende ondernemingen verkleinen namelijk, volgens hen, de mogelijkheid voor bestaande ondernemingen om te groeien of om hogere winsten te behalen. 2.4 Overig In deze laatste groep worden nog drie economische beslissingen behandeld die niet, of niet duidelijk, aan een van de voorgaande groepen toe te wijzen zijn. De eerste wordt gegeven door Othman & Zeghal (2006). Zij hebben gekeken of bedrijven die een hoog effectief belastingtarief hebben eerder geneigd zijn om het winstcijfer negatief te beïnvloeden dan bedrijven met een minder hoog effectief belastingtarief en komen inderdaad tot die conclusie. De verklaring die zij hiervoor geven is dat het met een hoger belastingtarief meer oplevert om je winstcijfer te drukken dan met een minder hoog belastingtarief. Een volgende economische beslissing die ten grondslag kan liggen aan de beïnvloeding van het winstcijfer is de kwaliteit van de controlerende accountant van de onderneming. Ondernemingen die gecontroleerd worden door een van de zogeheten Big Four 9 accountantskantoren hebben doorgaans een winstcijfer dat minder beïnvloed is dan ondernemingen die niet door een van deze accountantskantoren worden gecontroleerd (Davidson & Neu (1993); Becker, DeFond, Jiambalvo & Subramanyam (1998); DeFond & Subramanyam (1998) en Francis, Maydew & Sparks (1999)). Dit komt omdat de Big Four accountantskantoren als meer deskundig en onafhankelijk worden gezien en daardoor een hogere kwaliteit kunnen leveren dan accountantskantoren die niet behoren tot de Big Four (Nichols & Smith (1983); Simunic & Stein (1987); Palmrose (1988); Francis & Wilson (1988); DeFond & Jiambalvo (1991 en 1993) en DeFond (1992)). 9 Dit zijn de vier grotere accountantskantoren, te heten KPMG, Deloitte, PricewaterhouseCoopers en Ernst & Young.

10 Een derde en laatste variabele die invloed kan hebben op de beslissing om het winstcijfer wel of niet anders voor te doen dan de werkelijkheid is de industrie waarin een onderneming zich bevindt. Watts & Zimmerman (1986), Sidhu & Whittred (2003) en Othman & Zeghal (2006) laten zien dat er verschillen bestaan tussen industrieën als er gekeken wordt naar het al dan niet beïnvloeden van het winstcijfer door ondernemingen in deze industrieën. Een verklaring die hiervoor in deze onderzoeken wordt gegeven is dat er onder andere verschillende regelgeving bestaat voor de verschillende industrieën. Door deze verschillen in de regelgeving is het soms moeilijker om je winstcijfer te beïnvloeden en wordt er vaker vanaf gezien om het winstcijfer ook daadwerkelijk te beïnvloeden.

11 3. Model In het vorige hoofdstuk zijn verschillende economische beslissingen die managers kunnen n bij de beïnvloeding van hun winstcijfer naar voren gekomen. Het is te verwachten dat deze beslissingen grotendeels overeenkomen met de beslissingen die ten grondslag liggen aan de beïnvloeding van het winstcijfer rondom een referentiepunt gelijk aan Nx10 k-1. In dit onderzoek zijn daarom ook de in de voorgaande literatuur vermelde beslissingen onderzocht. Dit is op twee verschillende manieren gedaan. De eerste manier die gebruikt is in dit onderzoek is een zogeheten binary logistic regressie. Bij deze regressie worden alle beslissingen tezamen genomen en wordt er gekeken wat de invloed is van deze beslissingen op de kans op een 9 op de tweede positie van links van het winstcijfer. Om deze regressie uit te kunnen voeren is er een model opgesteld dat afgeleid is van het zogeheten Earnings- Management Motives model (EMM) van Othman & Zeghal (2006). Bij dit EMM model wordt als afhankelijke variabele discretionary accruals genomen. Discretionary accruals wordt hier als een proxy variabele voor earnings management gebruikt. Er wordt hier vanuit gegaan dat het beïnvloeden van winstcijfers gebeurt aan de hand van deze discretionary accruals. In dit onderzoek is er niet specifiek naar de discretionary accruals gekeken. De bedoeling van dit onderzoek is namelijk niet te kijken hoe, maar waarom de winstcijfers door het management beïnvloed worden. Om ook andere manieren van beïnvloeding mee te kunnen nemen is er in dit onderzoek voor gekozen om puur en alleen naar de uitkomst van de beïnvloeding te kijken. De afhankelijke variabele van het model dat in dit onderzoek gebruikt wordt is daarom ook het cijfer op de tweede positie vanaf links. Omdat dit onderzoek zich concentreert op de beïnvloeding rondom een referentiepunt gelijk aan Nx10 k-1 is deze afhankelijke variabele weergegeven door een dummy variabele die 1 bedraagt als het cijfer op de tweede positie vanaf links van het winstcijfer een 9 is en 0 bedraagt als dit cijfer geen 9 is. Op deze manier is er voor alle beslissingen te bekijken wat de invloed van die beslissing is op de kans op een 9 op de tweede positie van links van het winstcijfer. Als onafhankelijke variabelen zijn in dit model de economische beslissingen die managers kunnen nemen bij de beïnvloeding van het winstcijfer genomen. Deze beslissingen zijn uit de eerdere literatuur gehaald en al vermeld in het vorige hoofdstuk. Hierbij moet echter opgemerkt worden dat niet alle hiervoor behandelde beslissingen in het model zijn opgenomen. Voor een aantal beslissingen is er namelijk geen data te downloaden vanaf de database REACH (REview and Analysis of Companies in Holland). Om aan data te komen over bijvoorbeeld het aanwezig zijn van contracten voor beloningen van managers is er in voorgaande literatuur gebruik gemaakt van de jaarrekeningen van de bedrijven. Deze jaarrekeningen worden handmatig doorgelopen om te zien of er al dan niet gebruik van zulk soort contracten wordt gemaakt. Dit was in de voorgaande literatuur vaak mogelijk, omdat er daar gewerkt werd met maximaal 300 bedrijven. In dit onderzoek is er echter gewerkt met steekproeven van 777 tot bedrijven, waardoor het veel tijd zou kosten om deze data te verzamelen. Er is daarom besloten deze data niet te verzamelen en dit open te laten voor verder onderzoek. Om dezelfde reden zijn ook de volgende economische beslissingen niet opgenomen in het in dit onderzoek gebruikte model: Het percentage van de aandelen dat in het bezit is van de managers van het bedrijf Het hebben van een beursintroductie e/o een tussentijdse aandelenuitgifte De neiging om voorspellingen van bijvoorbeeld analisten en managers te behalen Het risico dat de onderneming loopt in vergelijking met het gemiddelde risico in de markt Het al dan niet aanwezig zijn van politieke inspecties

12 Uiteindelijk heeft dit alles geleid tot het volgende model: NEGEN = β 0 + β 1 FOREIGN + β 2 VVCONT + β 3 OMVANG + β 4 KAPINT + β 5 COMP + β 6 EFFBEL + β 7 KWACC + β 8 IND Waarin de afkortingen de volgende betekenis hebben: NEGEN: Dummy variabele, 1 als er sprake is van een 9 op de tweede positie vanaf links van het winstcijfer, anders 0. FOREIGN: Dummy variabele, 1 als er sprake is van een buitenlandse beursnotering, 0 als er alleen sprake is van een binnenlandse beursnotering. VVCONT: Proxy voor het gebruik van contracten met betrekking tot het vreemd vermogen, gemeten door: vreemd vermogen gedeeld door eigen vermogen. OMVANG: Grootte van de onderneming, weergegeven door middel van het balanstotaal. KAPINT: Kapitaalintensiteit van de onderneming, gemeten door: vaste activa gedeeld door omzet. COMP: Proxy voor de competitie binnen de industrie, weergegeven door het percentage van de totale omzet van de industrie behaald door de 8 ondernemingen in die betreffende industrie 10. EFFBEL: Effectieve belastingtarief van de onderneming, gemeten door: inkomstenbelasting gedeeld door winst voor belasting. KWACC: Dummy variabele voor de kwaliteit van de accountant, 1 als er sprake is van een Big Four accountant, anders 0. IND: Verzamelnaam voor de volgende 8 dummies die zijn gebruikt voor het aantonen van de industrie waarin een bedrijf zich bevindt 11 : AGR: Dummy variabele, 1 als het bedrijf behoort tot de Agriculture, Forestry and Fishing industrie, anders 0. MINING: Dummy variabele, 1 als het bedrijf behoort tot de Mining industrie, anders 0. CONST: Dummy variabele, 1 als het bedrijf behoort tot de Construction industrie, anders 0. MAN: Dummy variabele, 1 als het bedrijf behoort tot de Manufacturing industrie, anders 0. TRANS: Dummy variabele, 1 als het bedrijf behoort tot de Transportation, Communication, Electric, Gas and Sanitary services industrie, anders 0. WHLESS: Dummy variabele, 1 als het bedrijf behoort tot de Wholesale trade industrie, anders 0. TRADE: Dummy variabele, 1 als het bedrijf behoort tot de Retail trade industrie, anders 0. SERV: Dummy variabele, 1 als het bedrijf behoort tot de Services industrie, anders 0. Er is bewust voor gekozen om de industrieën Finance, Insurance and Real Estate en Public Administration niet op te nemen in het model. De Finance, Insurance and Real Estate 10 Deze variabele is op dezelfde manier als in Hagerman & Zmijewski (1979, 1981) gedefinieerd 11 De industrienamen behorende bij de SIC (Standard Industrial Classification) codes zijn van nature in het Engels. Hier zijn dan ook deze Engelse namen aangehouden. De afkortingen zijn ontleend aan Othman & Zeghal (2006).

13 industrie heeft namelijk speciale karakteristieken die worden veroorzaakt door de eigen financiële en accounting regels van de industrie. De winstcijfers uit deze industrie zijn daardoor niet te vergelijken met winstcijfers uit andere industrieën (Othman & Zeghal (2006)). Van de Public Administration industrie is afgezien, omdat er van deze industrie te weinig winstcijfers beschikbaar zijn op de database REACH. Aan de hand van de β s van dit model is er per beslissing te zien of deze wel of geen invloed hebben op de kans op een 9 in de tweede positie van het winstcijfer. Verder vertellen de β s of een eventuele invloed positief, dan wel negatief is. De tweede manier om te onderzoeken of er een relatie bestaat tussen de in dit onderzoek bestudeerde economische beslissingen en de kans op een negen op de tweede positie van links van het winstcijfer is de werkwijze die onder andere Carslaw (1988), Thomas (1989) en Timmer (2006) al eerder hebben toegepast. Hier is aan de hand van de χ 2 -statistiek voor elke beslissing apart bekeken of er significante verschillen te vinden zijn in de verwachte totale verdeling van het cijfer op de tweede positie van links van het winstcijfer zoals afgeleid kan worden uit de wet van Benford en de gevonden totale verdeling van deze cijfers. Ook is er door middel van z-statistieken gekeken of er significante afwijkingen zijn te vinden voor alle tien mogelijke cijfers afzonderlijk.

14 4. Hypotheses In dit onderzoek is onderzocht wat de economische beslissingen van managers zijn bij de beïnvloeding van hun winstcijfer rondom een punt gelijk aan Nx10 k-1. Zoals in het literatuuroverzicht al vermeld staat is er naar mijn weten nog nooit onderzoek gedaan naar de beslissingen rondom dit punt. Wel is er onderzoek gedaan naar beslissingen van managers bij de beïnvloeding van het winstcijfer zonder dat er specifiek gekeken is naar de punten gelijk aan Nx10 k-1. Zoals al eerder vermeld is de verwachting dat deze beslissingen min of meer overeen komen. Voor de variabelen FOREIGN en KWACC is er in de eerdere literatuur vermeld dat er de verwachting bestaat dat deze beslissingen de beïnvloeding van het winstcijfer tegengaan. Er wordt verondersteld dat als een bedrijf een notering op een buitenlandse beurs heeft, dat dit een grotere transparantheid met zich meebrengt. Hierdoor zou het management minder mogelijkheden hebben om het winstcijfer te beïnvloeden (Othman & Zeghal (2006)). Ook door het gebruik van een Big Four accountant is het te verwachten dat er zowel een daling voor de positieve als voor de negatieve invloed op de kans op een 9 op de tweede positie van links van het winstcijfer optreedt. Bedrijven die gecontroleerd worden door een Big Four accountant hebben namelijk vaker een winstcijfer dat minder beïnvloed is dan winstcijfers van bedrijven die niet door een Big Four accountant worden gecontroleerd (Davidson & Neu (1993); Becker, DeFond, Jiambalvo & Subramanyam (1998); DeFond & Subramanyam (1998) en Francis, Maydew & Sparks (1999)). De verwachting voor deze twee variabelen is dan ook dat ze geen significante invloed hebben op de kans op een 9 op de tweede positie vanaf links van het winstcijfer. De verdeling van het cijfer op de tweede positie van links van het winstcijfer wordt verwacht aan de hand van deze beslissingen niet significant af te wijken van de verdeling zoals die is te verwachten met behulp van de wet van Benford. Alle overige beslissingen die in het in dit onderzoek gebruikte model opgenomen zijn, kwamen in eerdere onderzoeken vaker wel dan niet naar voren als beslissingen die een significante invloed hebben op de beïnvloeding van het winstcijfer. Hierdoor is de verwachting voor dit onderzoek dat deze onderzochte economische beslissingen wel een significante invloed hebben op de kans op een 9 op de tweede positie van links van een winstcijfer. Aan de hand van deze beslissingen bestaat er dus juist wel de verwachting dat de verdeling van het cijfer op de tweede positie van links van het winstcijfer significant afwijkt van de verdeling zoals die verwacht kan worden met behulp van de wet van Benford. De invloed die een beslissing heeft op de kans op een 9 op de tweede positie van links van een winstcijfer kan zowel positief als negatief zijn. Waarbij met positief wordt bedoeld dat er aan de hand van die beslissing eerder een 9 op de tweede positie van links van het winstcijfer te vinden zal zijn. In tabel 1 is per beslissing van het in dit onderzoek gebruikte model overzichtelijk weergegeven of er een invloed op een 9 op de tweede plaats van het winstcijfer wordt verwacht en zo ja, of deze invloed positief dan wel negatief is. Er wordt hier als uitgangspunt een positief winstcijfer genomen. Voor een negatief winstcijfer, oftewel een verlies, zijn de verwachtingen precies omgekeerd aan de verwachtingen in tabel 1. Hierbij moet nog wel worden opgemerkt dat er geen specifieke verwachting is opgesteld voor de variabele IND. Deze variabele bestaat uit 8 dummies die allemaal een andere industrie vertegenwoordigen. Doordat er in de verschillende industrieën veel verschillende factoren een rol spelen om het winstcijfer al dan niet te beïnvloeden, is het van te voren lastig om een voorspelling te doen over de kans op een 9 in de tweede positie van links van een winstcijfer. Er is daardoor ook besloten om geen verwachting op te stellen voor de variabele IND.

15 Tabel 1: De verwachte invloed op de kans op een 9 op de tweede positie van het winstcijfer Variabele Kans op een 9 op de tweede positie van het winstcijfer Kapitaalmarkt FOREIGN 0 Contracten VVCONT - Politieke kosten OMVANG + KAPINT + COMP + Overig KWACC 0 IND Verschillend per industrie EFFBEL + FOREIGN: Dummy variabele, 1 als er sprake is van een buitenlandse beursnotering, 0 als er alleen sprake is van een binnenlandse beursnotering. VVCONT: Proxy voor het gebruik van contracten met betrekking tot het vreemd vermogen, gemeten door: vreemd vermogen gedeeld door eigen vermogen. OMVANG: Grootte van de onderneming, weergegeven door middel van het balanstotaal. KAPINT: Kapitaalintensiteit van de onderneming, gemeten door: vaste activa gedeeld door omzet. COMP: Proxy voor de competitie binnen de industrie, weergegeven door het percentage van de totale omzet van de industrie behaald door de 8 ondernemingen in die betreffende industrie. KWACC: Dummy variabele voor de kwaliteit van de accountant, 1 als er sprake is van een Big Four accountant, anders 0. IND: Verzamelnaam voor 8 verschillende dummies die zijn gebruikt voor het aantonen van de industrie waarin een bedrijf zich bevindt (zie hoofdstuk 3: model voor de beschrijving van deze 8 dummies) EFFBEL: Effectieve belastingtarief van de onderneming, gemeten door: inkomstenbelasting gedeeld door winst voor belasting. Voor de variabele VVCONT staat in tabel 1 dat er de verwachting bestaat dat dit een negatieve invloed heeft op de kans op een 9 op de tweede positie van links van het winstcijfer. De verwachting is dus dat er minder winstcijfers zullen zijn met een 9 op de tweede positie van links dan dat verwacht kan worden met behulp van de wet van Benford. Een verklaring hiervoor kan gevonden worden in de convenanten die gebruikt worden in de contracten met betrekking tot het vreemd vermogen. Om te kunnen voldoen aan de door de financier opgelegde ratio s is er vaak een zo hoog mogelijk winstcijfer nodig, omdat vele ratio s gebaseerd zijn op dit winstcijfer. Mocht een onderneming dus te maken hebben met contracten met deze convenanten, dan is de verwachting dat de kans op een 9 als tweede cijfer van het winstcijfer voor deze bedrijven kleiner is. Bedrijven zijn dan namelijk eerder geneigd om een winstcijfer te publiceren dat net boven in plaats van net onder een punt gelijk aan Nx10 k-1 ligt. Voor de variabelen die te maken hebben met de politieke kosten van een onderneming (OMVANG, KAPINT en COMP), wordt er verwacht dat ze een positieve invloed hebben op de kans op een 9 op de tweede positie van links van het winstcijfer. Een verklaring die hier in de voorgaande literatuur voor wordt gegeven is het tegengaan van abnormale winsten. Bij een kapitaalintensieve onderneming kunnen er abnormale winsten ontstaan doordat de onderneming niet de opportunity kosten van haar kapitaal meeneemt in het berekenen van de

16 winst (Hagerman & Zmijewski (1979)). Het winstcijfer zal dan hoger uitvallen dan bij een arbeidsintensieve onderneming met dezelfde economische winst. Abnormale winsten zijn voor een onderneming in een industrie met maar weinig concurrentie 12 ook zeer goed mogelijk (Hagerman & Zmijewski (1979); Zmijewski & Hagerman (1981)), omdat hier de verkoopprijzen hoog gehouden kunnen worden. Er zijn immers toch weinig/geen concurrenten die dit afstraffen. Als een onderneming een abnormale winst behaalt zullen vele mensen graag zien dat dit beter verdeeld wordt over de gehele bevolking. Ondernemingen lopen dan het risico om in de toekomst bijvoorbeeld hogere belastingtarieven te moeten betalen. Ondernemingen hebben dus een reden om niet zo op te vallen met hun winstcijfer en zullen daardoor geneigd zijn om een winstcijfer te publiceren dat net onder een punt gelijk aan Nx10 k-1 ligt. Hoe groter de onderneming is hoe sneller zij opvalt met haar winstcijfer. Als de onderneming groter is, zal haar winstcijfer namelijk vaker gepubliceerd worden in bijvoorbeeld de media. Hierdoor is de neiging om een winstcijfer net onder een punt gelijk aan Nx10 k-1 te publiceren voor grotere ondernemingen ook groter (Hagerman & Zmijewski (1979); Zmijewski & Hagerman (1981); Zimmerman (1983); Liberty & Zimmerman (1986); Makar & Alam (1998) en Othman & Zeghal (2006)). Dus hoe groter e/o kapitaalintensiever een onderneming is en hoe minder concurrentie er is in de industrie van de onderneming, hoe groter de kans wordt dat er een 9 op de tweede positie van links van het winstcijfer te vinden is. Ook voor EFFBEL is de verwachting dat dit een positieve invloed heeft op de kans op een 9 op de tweede positie van links van het winstcijfer. Een verklaring die hiervoor wordt gegeven in de voorgaande literatuur is dat het meer oplevert om je winstcijfer te verlagen als je effectieve belastingtarief hoger is (Othman & Zeghal (2006)). Dus hoe hoger het effectieve belastingtarief, hoe meer er de neiging bestaat tot het lager laten zijn van het winstcijfer. De verwachting is hierdoor dat de kans op een 9 op de tweede positie van links van het winstcijfer toeneemt naarmate het effectieve belastingtarief hoger is. 12 Als de variabele COMP toeneemt, betekent dit dat er een groter aandeel van de totale omzet van de industrie behaald wordt door de 8 ondernemingen (qua omzet) van die betreffende industrie. De overige ondernemingen in de industrie zullen dus een minder grote rol spelen in die industrie. Met andere woorden, de concurrentie zal dan lager zijn; er zijn minder bedrijven om rekening mee te houden.

17 5. Methode van onderzoek Om de hiervoor genoemde hypotheses te testen is er gebruik gemaakt van de database REACH. Hier zijn alle beschikbare winstcijfers, voor zowel de winstmaatstaf nettoresultaat als voor resultaat vóór belasting, van het laatste jaar afgehaald 13. Verder zijn, om grotere steekproeven te verkrijgen, ook alle beschikbare winstcijfers voor de jaren verzameld. Voor het jaar 2006 dient opgemerkt te worden dat ten tijde van het uitvoeren van het onderzoek nog niet alle ondernemingen hun jaarrekening openbaar hadden gemaakt. Er is daardoor in dit onderzoek gewerkt met gegevens over 2006 die op 10 mei 2007 beschikbaar waren op de database REACH. Er is bewust gekozen voor winstcijfers vanaf het jaar In de jaren voor 2001 hadden Nederlandse ondernemingen namelijk nog de keuze om hun jaarrekening op te stellen in guldens of in euro s. Nederlandse ondernemingen zijn vanaf 2001 verplicht om alle jaarrekeningen in euro s op te stellen. De jaarrekeningen van voor 2001 zijn in de database REACH allemaal omgerekend van guldens naar euro s. Mochten managers van deze Nederlandse ondernemingen het in dit onderzoek gezochte afrondingsgedrag toegepast hebben in deze jaarrekeningen, dan zal dit niet terug te zien zijn in de omgerekende winstcijfers. De strategie die in dit onderzoek wordt gebruikt om eventueel afrondingsgedrag aan te tonen werkt namelijk alleen maar op winstcijfers uitgedrukt in de munteenheid waarin ze oorspronkelijk werden gerapporteerd. Verder is er, zoals al eerder vermeld, voor gekozen om de winstcijfers van de industrieën Finance, Insurance and Real Estate en Public Administration niet mee te nemen. De Finance, Insurance and Real Estate industrie heeft namelijk speciale karakteristieken die worden veroorzaakt door de eigen financiële en accounting regels van de industrie. Hierdoor zijn de winstcijfers uit deze industrie niet te vergelijken met winstcijfers uit andere industrieën (Othman & Zeghal (2006)). Van de Public Administration industrie is afgezien, omdat er van deze industrie te weinig winstcijfers beschikbaar zijn op de database REACH. De gevonden winstcijfers voor de jaren zijn per winstmaatstaf voor alle jaren bij elkaar gevoegd, terwijl de winstcijfers voor het laatste jaar ook nog apart gehouden zijn. Hierna zijn de winstcijfers die maar uit één cijfer bestonden verwijderd. In dit onderzoek wordt er namelijk alleen onderzoek gedaan naar de cijfers in de tweede positie van links en bij 1-cijferige winstcijfers bestaat deze positie niet. Voor de winstcijfers van het laatste jaar resulteerde dit uiteindelijk voor de winstmaatstaf nettoresultaat in 3978 (3176 positieve en 802 negatieve resultaten) en voor de winstmaatstaf resultaat vóór belasting in 3992 (3215 positieve en 777 negatieve resultaten) waarnemingen. Voor de winstcijfers voor de jaren leidde dit voor de winstmaatstaf netto resultaat tot (14736 positieve en 4019 negatieve resultaten) en voor de winstmaatstaf resultaat vóór belasting tot (14974 positieve en 3831 negatieve resultaten) waarnemingen. Om te onderzoeken of er sprake is van afrondingsgedrag van managers van ondernemingen, zijn deze winstcijfers in dit onderzoek op twee manieren onderzocht. Als eerste is er een zogeheten binary logistic regressie, met behulp van het statistiekprogramma SPSS, uitgevoerd. Bij deze regressie zijn alle economische beslissingen die in het in dit onderzoek opgestelde model zitten, zie hoofdstuk 3, tezamen genomen. Aan de hand van de door SPSS berekende β s wordt er vervolgens gekeken wat de invloed is van deze beslissingen op de kans op een 9 op de tweede positie van links van het winstcijfer. De tweede manier van onderzoeken volgt dezelfde strategie als onder andere Carslaw (1988), Thomas (1989) en Timmer (2006) hebben gebruikt. Dit betekent dat ook in dit onderzoek een 13 Dit zijn de laatst gepubliceerde winstcijfers van de ondernemingen en dit zullen dus voornamelijk winstcijfers van de jaren 2005 en 2006 zijn.

18 vergelijking is gemaakt tussen de gevonden frequenties van cijfers in de tweede positie van links van de winstcijfers en de frequenties zoals die verwacht kunnen worden met behulp van de wet van Benford. Hierdoor zijn ook in dit onderzoek de cijfers op de tweede positie van links van de winstcijfers aan de zogeheten χ 2 -statistiek onderworpen. Met behulp van deze statistiek is er gekeken of er significante verschillen te vinden zijn in de verwachte totale verdeling van deze cijfers zoals afgeleid kan worden uit de wet van Benford en de gevonden totale verdeling van deze cijfers. Ook is er door middel van z-statistieken gekeken of er significante afwijkingen zijn te vinden voor alle tien mogelijke cijfers afzonderlijk.

19 6. Resultaten De resultaten van de onderzoeken zijn in dit hoofdstuk opgedeeld in de twee verschillende gebruikte methodes. In paragraaf 6.1 zullen de resultaten van de binary logistic regressie besproken worden, terwijl paragraaf 6.2 de resultaten van de onderzoeken op de manier van onder andere Carslaw (1988), Thomas (1989) en Timmer (2006) bevat. 6.1 Binary logistic regressie In deze paragraaf zijn de resultaten van de winsten voor de winstmaatstaf nettoresultaat over de jaren weergegeven. De onderzoeken naar de overige combinaties van winstmaatstaf, tijdsinterval en winsten c.q. verliezen leverden soortgelijke resultaten op, waardoor ervoor is gekozen om het bij de behandeling van deze combinatie te houden. In tabel 2 is een verkorte weergave gegeven van de achterwaartse stapsgewijze vorming van het model door SPSS. Dit wil zeggen dat in het begin alle variabelen in het model worden gestopt (stap 1) 14 en dat daarna de minst verklarende variabele uit het model wordt gehaald. Dit blijft zich herhalen totdat alleen nog maar significante variabelen overblijven (stap 8). Tabel 2: Verkorte weergave van de achterwaartse stapsgewijze vorming van het model door SPSS voor de positieve nettoresultaten voor de jaren Stap van de Variabelen β Standaardfout Waldstatistiegraden Vrijheids- Significantie Exp (β) regressie Stap 1 VVCONT,000,000,013 1,910 1,000 OMVANG,000,000,740 1,390 1,000 KAPINT -,012,027,217 1,641,988 COMP 2,199 1,767 1,548 1,213 9,012 KWACC(1),060,104,331 1,565 1,061 IND 5,819 6,444 IND(1),486,401 1,464 1,226 1,625 IND(2) -,249,386,415 1,520,780 IND(3) -,218,179 1,482 1,223,804 IND(4),066,156,178 1,673 1,068 IND(5) -,127,179,505 1,477,881 IND(6),031,129,058 1,809 1,032 EFFBEL -,005,019,070 1,791,995 Constant -2,680,340 62,131 1,000,069 Stap 8 Constant -2,337, ,638 1,000,097 In tabel 2 zijn alleen de eerste en laatste stap weergegeven. Bij stap 8 is te zien dat alle variabelen zijn verwijderd en dat er alleen nog maar een constante bestaat. Dit wil zeggen dat geen van de variabelen significant bijdraagt aan het verklaren van de totstandkoming van de afhankelijke variabele NEGEN. Er kan, met andere woorden, door SPSS geen verklarend model worden gevonden. Een reden die hiervoor kan worden gegeven is dat de hypotheses van dit onderzoek simpelweg niet gesteund worden door de gebruikte data. Om dit verder te onderzoeken is er een correlatiematrix, zie tabel 3, opgesteld. 14 Hierbij moet worden opgemerkt dat wegens te weinig waarden voor de variabele FOREIGN, deze variabele al handmatig verwijderd is en dus niet in stap 1 te zien is.