MODELLEN VOOR SUCCES & FALING EN DE KWALITEIT VAN DE GERAPPORTEERDE JAARREKENINGGEGEVENS

Transcriptie

1 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR MODELLEN VOOR SUCCES & FALING EN DE KWALITEIT VAN DE GERAPPORTEERDE JAARREKENINGGEGEVENS Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Sarah Van Damme An Van Geyseghem onder leiding van Prof. dr. Heidi Vander Bauwhede

2

3 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR MODELLEN VOOR SUCCES & FALING EN DE KWALITEIT VAN DE GERAPPORTEERDE JAARREKENINGGEGEVENS Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Sarah Van Damme An Van Geyseghem onder leiding van Prof. dr. Heidi Vander Bauwhede

4 PERMISSION Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Sarah Van Damme An Van Geyseghem

5 WOORD VOORAF Graag wensen we alle personen te bedanken die ons, zowel rechtsreeks als onrechtstreeks, bijgestaan hebben bij het tot stand brengen van onze masterproef. In de eerste plaats wensen we onze promotor prof. dr. Heidi Vander Bauwhede te bedanken om ons doorheen de masterproef te begeleiden, alsook om ons de mogelijkheid te bieden om aan dit verrijkend onderzoek deel te nemen. Daarnaast richten wij ook graag een dankwoord aan prof. dr. Patrick Van Kenhove en Hendrik Slabbinck die ons geholpen hebben met betrekking tot statistische vragen. Daarnaast danken wij ook graag Giovanni Pannier en Jeroen Suply voor het nalezen van ons eindwerk. Verder mogen onze vrienden medestudenten niet in ons dankwoord ontbreken. Ook zij hebben ons suggesties gegeven omtrent de inhoud en vormgeving van onze masterproef. Daarnaast hebben ze voor de nodige ontspannende momenten gezorgd, alsook oppeppende woorden wanneer het wat minder ging. Tot slot, en zeker niet in het minst, wensen we onze ouders te bedanken voor hun morele en financiële steun, niet alleen tijdens het schrijven van onze masterproef, maar tijdens onze volledige studiecarrière. Sarah Van Damme An Van Geyseghem I

6 INHOUDSOPGAVE GEBRUIKTE AFKORTINGEN... IV LIJST VAN TABELLEN... V A. INLEIDING... 1 B. LITERATUURSTUDIE Kwaliteit van het resultaatcijfer (earnings quality) Resultaatsturing (algemeen) Boekhoudkundige resultaatsturing (accrual earnings management) Reële resultaatsturing (real earnings management) Twee tegengestelde drijfveren voor resultaatsturing Resultaatsturing bij ondernemingen in financiële moeilijkheden Algemeen Neerwaartse resultaatsturing Opwaartse resultaatsturing Op- en neerwaartse resultaatststuring Ex-post gefaalde ondernemingen Falingspredictiemodellen Algemeen De kwaliteit van de jaarrekeninggegevens als verklarende variabele in bestaande falingspredictiemodellen Variabelenselectie De kwaliteit van de jaarrekeninggegevens als extra verklarende variabele Onderzoeksvraag C. EMPIRISCH ONDERZOEK Onderzoeksopzet Gegevensverzameling en toegepaste definities Populatie Bewerking populatie en steekproeftrekking Onderzoeksmethodologie Onderzocht falingspredictiemodel: logitmodel drie jaar voor faling van Ooghe, Joos & De Vos ( 91) Toegepast discretionair accrualmodel ter evaluatie van de kwaliteit van de jaarrekeninggegevens Resultaten Descriptieve statistieken en univariate teststatistieken Beschrijving volledige dataset en steekproef Beschrijving variabelen opgenomen in het logistisch regressiemodel Testen van de onderzoeksvraag Analyse van de variabelen Prestatie van het model Additionele controletesten II

7 4. Robuustheidstest (robustness check) Bespreking van het model van Dechow & Dichev (2002) Resultaten Beschrijving variabele kwaliteit van het resultaatcijfer Testen van de onderzoeksvraag Vergelijking van Defond & Park (2001) en Dechow & Dichev (2002) D. ALGEMEEN BESLUIT LIJST VAN GERAADPLEEGDE WERKEN... VII BIJLAGEN III

8 GEBRUIKTE AFKORTINGEN BVBA: Besloten Vennootschap met Beperkte Aansprakelijkheid CFO: Chief financial officer (financieel bestuurder) Com. V: Commanditaire Vennootschap CV: Coöperatieve Vennootschap GAAP: Generally Accepted Accounting Principles KMO: kleine en middelgrote ondernemingen NBB: Nationale Bank van België NV: Naamloze Vennootschap OJD(91): logitmodellen van Ooghe, Joos & De Vos ( 91) voor volledige en verkorte jaarrekeningen OJD(91)-model(3JVF): logitmodel drie jaar voor faling van Ooghe, Joos & De Vos ( 91) voor volledige en verkorte jaarrekeningen OV(82): lineaire modellen Ooghe-Verbaere( 82) voor volledige jaarrekeningen ROA: return on assets (rendement van het totale vermogen) ROE: return on equity (rendement van het eigen vermogen) RSZ: Rijksdienst voor Sociale Zekerheid IV

9 LIJST VAN TABELLEN Tabel 1: Eigenschappen van het totaal der activa 2003 en 2004 (falende en lopende ondernemingen) Tabel 2: Vergelijking richting van de beïnvloeding van het resultaatcijfer (aantal falende versus lopende ondernemingen) Tabel 3: Eigenschappen van de schaalvariabelen opgenomen in het logistisch regressiemodel (falende en lopende ondernemingen) Tabel 4: Eigenschappen van de nominale variabele opgenomen in het logistisch regressiemodel (falende en lopende ondernemingen) Tabel 5: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (falende en lopende ondernemingen) Tabel 6: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (ondernemingen met het verkort en volledig schematype ) Tabel 7: Correlatiematrix voor variabelen opgenomen in het logistisch regressiemodel Tabel 8: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel Tabel 9: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel (stepwise method) Tabel 10: Classificatietabel van het logistisch regressiemodel zonder variabele kwaliteit van het resultaatcijfer Tabel 11: Classificatietabel van het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Tabel 12: Classificatietabel van het nulmodel van het logistisch regressiemodel Tabel 13: Nagelkerke R² van het logistisch regressiemodel zonder en met variabele 'kwaliteit van het resultaatcijfer' Tabel 14: Omnibus test ter vergelijking (van de prestatie) van het nulmodel en het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Tabel 15: Eigenschappen van de variabele kwaliteit van het resultaatcijfer berekend op basis van omzet versus brutomarge Tabel 16: Eigenschappen van de schaalvariabelen opgenomen in het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) (falende en lopende ondernemingen) Tabel 17: Eigenschappen van de nominale variabele opgenomen in het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) (falende en lopende ondernemingen) 36 Tabel 18: Correlatiematrix voor variabelen opgenomen in het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) Tabel 19: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel Tabel 20: Nagelkerke R² en adjusted count R² van het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) V

10 Tabel 21: Omnibus test ter vergelijking (van de prestatie) van het nulmodel en logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer (met variabele lengte tussen afsluitingsen publicatiedatum ) Tabel 22: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (falende en lopende ondernemingen) Tabel 23: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (ondernemingen met verkort en volledig schematype) Tabel 24: Vergelijking richting van de beïnvloeding van het resultaatcijfer (aantal falende versus lopende ondernemingen) Tabel 25: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel Tabel 26: Correlatiematrix voor variabelen opgenomen in het logistisch regressiemodel Tabel 27: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel (stepwise method) Tabel 28: Classificatietabel van het logistisch regressiemodel zonder variabele kwaliteit van het resultaatcijfer Tabel 29: Classificatietabel van het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Tabel 30: Nagelkerke R² van het logistisch regressiemodel zonder en met variabele 'kwaliteit van het resultaatcijfer' Tabel 31: Omnibus test ter vergelijking (van de prestatie) van het nulmodel en het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Tabel 32: Centrale maten van de variabele kwaliteit van het resultaatcijfer (berekend met het model van Defond & Park (2001) versus Dechow en Dichev (2002)) VI

11 A. INLEIDING In het verleden hebben verscheidene frauduleuze boekhoudkundige praktijken van ondernemingen enorm veel stakeholders getroffen. Enron, WorldCom, Satyam en ook het Belgische Lernout & Hauspie zijn maar enkele ondernemingen die gekend staan als boekhoudkundige schandalen. Daarnaast kan een onderneming door het toepassen van de aanwezige flexibiliteit binnen de boekhoudkundige verslaggevingsregels verscheidene belanghebbenden misleiden. Dit bevestigt dat er meer aandacht gevestigd moet worden op de kwalitatieve aspecten van de financiële rapportering. Bovendien is het mogelijk dat een onderneming die kampt met financiële problemen erin slaagt om deze slechte financiële situatie te verbergen door het toepassen van boekhoudkundige technieken. Hierdoor blijven financiële problemen mogelijks verborgen voor buitenstaanders en kan een onverwacht faillissement het gevolg zijn. Falingspredictiemodellen worden gebruikt om faillissementen vroegtijdig te detecteren. Deze modellen hebben als doel de waarschijnlijkheid te voorspellen 1 of een onderneming binnen een bepaalde tijdsperiode al dan niet zal falen. Een correcte schatting van de falingskans is van groot belang voor verscheidene belanghebbenden. Zo kunnen kredietverstrekkers deze modellen gebruiken om de kredietwaardigheid van een onderneming te beoordelen. Daarnaast hebben deze een groot nut voor investeerders in risicodragend kapitaal, om onder andere op basis van de geschatte falingskans te beslissen of ze al dan niet hun kapitaal willen beleggen in de aandelen van een onderneming. Een andere belanghebbende partij betreft de groep van bedrijfsrevisoren. Zij dienen namelijk de ondernemingscontinuïteit te beoordelen. Toch hebben niet alleen externe partijen baat bij een betrouwbaar falingspredictiemodel. Ook managers hebben er belang bij zo snel mogelijk een indicatie te krijgen van een gestegen falingskans wanneer dit zich voordoet. De bestaande falingspredictiemodellen kunnen geen volledige garantie geven dat de voorspelling sluitend is. Zo zijn er tal van factoren die de goede werking en betrouwbaarheid van falingspredictiemodellen kunnen aantasten. Eén van de factoren die een invloed kan hebben op de prestatie van falingspredictiemodellen wordt in deze studie onderzocht, namelijk de kwaliteit van het gerapporteerd resultaatcijfer. Het nakend faillissement van een onderneming kan namelijk een aanleiding zijn om het resultaatcijfer te sturen. Deze masterproef heeft tot doel te onderzoeken of de prestatie van een bestaand predictiemodel verbeterd kan worden door een maatstaf voor de kwaliteit van het resultaat expliciet in rekening te brengen. Ter evaluatie van de prestatieverbetering worden verscheidene maatstaven gebruikt. Dit wordt getest in een context van Belgische, nietbeursgenoteerde ondernemingen. Deze studie is als volgt onderverdeeld. In het eerste deel wordt de literatuurstudie besproken, waarin eerst een afbakening wordt gegeven van enkele begrippen die gerelateerd zijn aan de kwaliteit van het resultaatcijfer en resultaatsturing. Vervolgens wordt in dit deel een overzicht gegeven van auteurs 1 Er wordt gebruik gemaakt van het woord voorspellen aangezien het onderzoek toegepast wordt op een falingspredictiemodel op middellange termijn (infra, p 25). 1

12 die de relatie nagaan tussen resultaatsturing en de financiële toestand van ondernemingen, alsook een kort overzicht van de verschillende soorten falingspredictiemodellen en literatuur die suggereert dat resultaatsturing een bijdrage aan falingspredictie kan leveren. In het tweede deel wordt een beschrijving gegeven van het uitgevoerd empirisch onderzoek, waarbij naast het onderzoeksopzet, de onderzoeksmethode en de resultaten ook een robuustheidstest beschreven wordt. Tenslotte wordt een algemeen besluit van het onderzoek gegeven. 2

13 B. LITERATUURSTUDIE 1. Kwaliteit van het resultaatcijfer (earnings quality) De kwaliteit van het resultaatcijfer kan op basis van verschillende criteria en maatstaven beoordeeld worden. Dechow, Ge & Schrand (2010) definiëren earnings quality als volgt: Higher quality earnings provide more information about the features of a firm s financial performance that are relevant to a specific decision made by a specific decision-maker (Dechow et al., 2010, pg. 1). Een beoordeling van earnings quality is dus afhankelijk van de beslissingscontext. In dit onderzoek is ervoor geopteerd om de kwaliteit van het resultaatcijfer te evalueren door na te gaan in welke mate het resultaat gestuurd wordt. Meer specifiek is gekozen om boekhoudkundige resultaatsturing na te gaan, wat betekent dat de resultaatsturing geschat wordt op basis van de discretionaire (of abnormale) accruals in de jaarrekeninggegevens (infra, p.4). Deze keuze is ingegeven door bestaande literatuur (Dechow et al.,2010) inzake de evaluatie van de kwaliteit van het resultaat. Dechow, et al. (2010) bieden een overzicht van de in de literatuur bestaande methoden om de kwaliteit van het resultaat te beoordelen en het overgrote deel van de studies die ze in hun overzicht opnemen meten de kwaliteit van het resultaat aan de hand van discretionaire accruals Resultaatsturing (algemeen) Over het algemeen wordt aangenomen dat er inzake de toepassing van de verslaggevingsregels enige flexibiliteit bestaat, waardoor voor een onderneming de mogelijkheid bestaat om het resultaat in een gewenste richting te sturen. Toch is er geen eenduidigheid over de definitie van resultaatsturing (earnings management). Een zeer algemene en in de literatuur vaak gebruikte definitie van resultaatsturing is deze van Healy & Wahlen (1999): Earnings management occurs when managers use judgement 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 practices (Healy & Wahlen, 1999, pg. 368). De literatuur definieert resultaatsturing (of resultaatmanagement ) en frauduleuze financiële rapportering (of fraude ) als subonderdelen van resultaatmanipulatie ( earnings manipulation ) (Rosner, 2003). Beide termen verwijzen naar technieken die managers kunnen gebruiken om een bepaald gerapporteerd resultaat te bekomen, maar in geval van resultaatsturing worden de Generally Accepted Accounting Principles (of GAAP) niet overtreden, terwijl dit bij fraude wel het geval is. Toch is het moeilijk om een strikt onderscheid te maken tussen beide begrippen. In de literatuur refereert men voor de twijfelgevallen naar de grijze zone ( gray area ) (Levitt, 1998). Een jaarrekening bevindt zich in deze zone wanneer het niet duidelijk is of de jaarrekening beïnvloed is door het toepassen van frauduleuze technieken of enkel door het aanwenden van de aanwezige flexibiliteit in de verslaggevingsregels. 3

14 Zoals reeds vermeld wordt resultaatsturing in deze studie gemeten aan de hand van discretionaire (of abnormale) accruals (supra, p.3), wat in de literatuur over het algemeen aanzien wordt als resultaatsturing binnen de regels van GAAP (Rosner, 2003). Er kan daarom vermeld worden dat dit onderzoek zich focust op resultaatsturing binnen de richtlijnen voor de verslaggeving en niet op resultaatsturing door het plegen van inbreuken op de richtlijnen (wat in de literatuur vaak aangeduid wordt als resultaatmanipulatie (Vander Bauwhede, 2003)) Boekhoudkundige resultaatsturing (accrual earnings management) Boekhoudkundige winst kan opgedeeld worden in twee componenten, namelijk operationele kasstromen en accruals. Wanneer managers het resultaat sturen zal dit eerder gebeuren met de accrual component dan met de kasstroomcomponent van het resultaat (Beneish, 2001). Het toepassen van boekhoudkundige resultaatsturing betekent dat met behulp van accruals het resultaat van de ene periode naar de andere verschoven wordt (Healy, 1985). Elke onderneming heeft een bepaald verwacht niveau van accruals. Dit niveau wordt bepaald op basis van de schaal waarop deze onderneming opereert, de waarde van de activa of de evolutie van de activiteiten van de onderneming. Dit zijn de niet-discretionaire accruals. Discretionaire (of abnormale) accruals daarentegen zijn het resultaat van managementbeslissingen en kunnen dus als resultaatsturing bestempeld worden (Vander Bauwhede, 2003) 2. Een groot deel van de studies naar resultaatsturing focussen op het detecteren van deze discretionaire accruals (Roychowdhury, 2006). Hoewel dit deel van de totale accruals niet door het effectief behaalde resultaat veroorzaakt wordt, bestaat er geen zekerheid over de grootte van dit gedeelte. Het discretionaire deel van de totale accruals is dus niet meteen te observeren in de jaarrekeninginformatie. Er is met andere woorden onzekerheid over de grootte van het deel van de totale accruals dat verklaard kan worden door resultaatsturing. Dit impliceert dat er geen eenduidige opsplitsing mogelijk is van het discretionaire en niet-discretionaire gedeelte van de accruals. In de literatuur bestaan dan ook diverse modellen om het discretionaire deel van de totale accruals te schatten 3. In het empirisch onderzoek van deze studie zal gebruik gemaakt worden van het model van Defond & Park (2001) om boekhoudkundige resultaatsturing te meten (infra, p.21) Reële resultaatsturing (real earnings management) In deel 1.2. wordt resultaatsturing op basis van accruals beschreven als een financieel rapporteringsfenomeen, namelijk het sturen van het resultaat via boekhoudkundige beslissingen. Een andere resultaatsturende methode is deze waarbij het management het resultaat stuurt via de timing van investeringen of financieringsbeslissingen, waardoor de kasstromen gewijzigd worden. Deze vorm van resultaatsturing betreft dus het doelbewust plannen van economische activiteiten teneinde de 2 We dienen echter op te merken dat sommige auteurs doelbewust de term discretionair vermijden omdat deze term verwijst naar een doelbewuste tussenkomst van het management. Toch kan het gebeuren dat het management een verkeerde voorstelling weergeeft van de realiteit. Aangezien deze onbewuste resultaatsturing ook vervat zit in discretionaire accrualmodellen verkiezen sommige auteurs de term abnormaal boven discretionair (Dechow et al., 2010; Defond & Park, 2001). 3 Voor een (recent) overzicht van de bestaande modellen zie Kothari, Leone & Wasley (2005) en Dechow, Sloan & Sweeney (1995). 4

15 financiële resultaten te beïnvloeden en wordt in de literatuur aangeduid als reële resultaatsturing. Aangezien in de bestaande literatuur met betrekking tot resultaatsturing echter gefocust wordt op discretionaire accruals voor het meten van resultaatsturing (Roychowdhury, 2006) is het aangewezen om in deze studie de resultaatsturing te meten met behulp van accruals (en wordt reële resultaatsturing buiten beschouwing gelaten) Twee tegengestelde drijfveren voor resultaatsturing Managers kunnen resultaatsturing als een hulpmiddel aanzien om een realistischer beeld van de financiële situatie te bieden (information perspective) of net omgekeerd, om ze beter of slechter voor te stellen dan dat ze in werkelijkheid is (contracting perspective). Aan de basis van deze laatste drijfveer kunnen twee redenen liggen. Enerzijds kan resultaatsturing toegepast worden met het oog op waardemaximalisatie van de volledige onderneming (efficiency perspective). Anderzijds kan een manager geneigd zijn het resultaat te sturen in het eigenbelang van een bepaalde belanghebbende (stakeholder) (vaak het management) ten koste van andere belanghebbenden (opportunistic perspective) (Holthausen, 1989). In de literatuur bestaat geen eensgezindheid over de aanwezigheid van deze twee drijfveren. Eén van de auteurs die de idee verwerpt dat het resultaat gestuurd wordt omwille van de contracting perspective is Subramanyam (1996). Hij toont namelijk aan dat de resultaatsturende manager als voornaamste doel het verhogen van de informatiewaarde van de jaarrekening heeft en niet het beter willen voorstellen van de cijfers dan in werkelijkheid behaald is. Uit zijn onderzoek blijkt dat positieve discretionaire accruals doorgaans stijgende toekomstige winstgevendheid van de onderneming voorspellen. Deze accruals zijn namelijk positief gerelateerd aan veranderingen in de prijs per aandeel en worden gebruikt om zowel toekomstige kasstromen als veranderingen in huidige en toekomstige dividenden te voorspellen. Daarnaast wordt de voorspelbaarheid en persistentie van het resultaat verbeterd indien accruals gebruikt worden om de informatiewaarde van de jaarrekeninggegevens te verhogen. Hieruit kan geconcludeerd worden dat het zo realistisch mogelijk weergeven van de financiële situatie de onderneming in de toekomst ten goede zal komen. Het bestaan van de andere resultaatsturende drijfveer (namelijk de contracting perspective) werd reeds aangehaald in het onderzoek van Watts & Zimmerman (1986) die het toepassen van resultaatverhogende procedures definiëren als het overbrengen van inkomsten uit het toekomstige boekjaar naar het huidige (Watts & Zimmerman, 1986, pg. 216). Zij concluderen dat binnen de contracting perspective het opportunistisch denken van een manager (namelijk de opportunistic perspective) onterecht als voornaamste motivatie voor positieve resultaatsturing wordt aanzien 4. Volgens Watts & Zimmerman (1986) is de efficiency perspective daarentegen, namelijk het willen creëren van een meerwaarde voor meerdere belanghebbenden en niet voor één specifieke belanghebbende, een belangrijkere motivatie. Er wordt aangetoond dat bij een hogere ratio schulden 4 Het opportunistisch handelen van een manager kan ook resulteren in neerwaartse resultaatsturing, waardoor er negatieve accruals ontstaan. Echter, in het onderzoek van Watts & Zimmerman (1986) is enkel sprake van opwaartse resultaatsturing. 5

16 op eigen vermogen een manager eerder geneigd is om boekhoudkundige keuzes te maken waardoor positieve discretionaire accruals ontstaan. Een stijging in de schulden zou namelijk kunnen leiden tot het schenden van clausules verbonden aan een schuldovereenkomst, wat vaak kosten met zich meebrengt. Deze boekhoudkundige beslissingen kunnen deze kosten vermijden. Volgens dit onderzoek maken managers dus wel degelijk gebruik van accruals om het resultaat in het belang van de volledige onderneming te sturen en niet louter in het eigenbelang. 2. Resultaatsturing bij ondernemingen in financiële moeilijkheden 2.1. Algemeen Een rechtstreeks verband tussen resultaatsturing en faling werd in de literatuur amper onderzocht. Er werd daarentegen wel op zoek gegaan naar een relatie tussen resultaatsturing en variabelen die duiden op de aanwezigheid van financiële problemen in de onderneming. Dit wordt in de literatuur omschreven als onderzoek naar het verband tussen het nemen van bepaalde boekhoudkundige beslissingen en ondernemingen met financiële problemen. Deze onderzoeken vormen een aanloop tot het onderwerp van dit onderzoek, namelijk de voorspellende kracht van het gebruik van accruals en het faillissement van de onderneming. Als proxies voor financiële problemen worden over het algemeen de ratio schulden op eigen vermogen (Watts & Zimmerman, 1986) en het schenden van de clausules van een schuldovereenkomst (debt covenant violation) (Healy & Palepu, 1990; Sweeney, 1994; Defond & Jiambalvo, 1994; Jaggi & Lee, 2002) gebruikt. Later onderzoek heeft uitgewezen dat er een positieve relatie bestaat tussen deze twee maatstaven. Zo toonde Dhaliwal (1980) deze relatie onrechtstreeks aan door de link te leggen tussen de kosten volgend uit een aanpassing van de schuldovereenkomst, en een hoge schuldgraad. De resultaten in dit onderzoek tonen aan dat een hogere schuldgraad de kans vergroot dat een onderneming het rapporteren van een dalend resultaat wil vermijden. Bij een hoge schuldgraad bestaat namelijk de kans dat de schuldeisers de schuldovereenkomst zullen herzien, omdat de onderneming de clausules van de schuldovereenkomst dreigt te schenden. Deze herziening brengt zowel rechtstreekse als onrechtstreekse kosten 5 met zich mee. Een expliciet bewijs van deze relatie werd geleverd door Duke & Hunt (1990). In hun onderzoek worden de clausules van schuldovereenkomsten opgedeeld in vier groepen naargelang de clausules betrekking hebben op niet-uitkeerbare winst, de netto-activa, de nettobedrijfskapitaalbehoefte of de schuldgraad. Bij respectievelijk 55%, 18%, 35% en 28% van de ondernemingen zitten deze clausules vervat in hun schuldovereenkomst. Daarenboven toont dit onderzoek een positieve relatie aan tussen de schuldgraad en de overige drie clausules. Onderzoek naar het verband tussen het nemen van bepaalde boekhoudkundige beslissingen en ondernemingen met financiële moeilijkheden biedt geen eenduidig resultaat met betrekking tot de richting van de resultaatsturing. Zowel resultaatverhogende als verlagende methoden worden 5 Zoals een hogere rentevoet (Dhaliwal, 1980). 6

17 toegepast door ondernemingen met financiële problemen. Healy & Palepu (1990) vinden zelfs géén bewijs dat ondernemingen die de clausules van de schuldovereenkomst dreigen te schenden, het resultaat proberen te beïnvloeden. Aan de hand van een vergelijkende studie van de hierna vermelde onderzoeken (infra, p.7) blijkt dat enkele onderliggende factoren een verklaring kunnen bieden voor de uiteenlopende onderzoeksresultaten met betrekking tot resultaatsturing bij ondernemingen in financiële moeilijkheden. Het is namelijk opvallend dat er uiteenlopende samenstellingen worden gebruikt als onderzoeksopzet. Ten eerste bestaat in de literatuur geen eenduidige definitie van ondernemingen in moeilijkheden. Dit resulteert in een uiteenlopend gebruik van de toegepaste definities op basis waarvan de dataset van ondernemingen samengesteld worden. Daarnaast worden uiteenlopende assumpties gemaakt met betrekking tot het tijdstip waarop de redenen van resultaatsturing plaatsvinden (namelijk voor, in of na het jaar waarin de resultaatsturing plaatsvindt). Hierna volgt een driedelig overzicht van onderzoek dat aan het gebruik van accruals respectievelijk een negatieve, een positieve en een gemengde invloed op het resultaat toeschrijft Neerwaartse resultaatsturing DeAngelo, DeAngelo & Skinner (1996) tonen aan dat ondernemingen met financiële problemen neerwaartse resultaatsturing toepassen. Aangehaalde redenen voor deze relatie zijn het naderen van een doorlichting of het afsluiten van nieuwe contracten (bijvoorbeeld met de vakbonden); managers trachten dus niet de slechtere financiële resultaten te verbergen (DeAngelo et al., 1996). In hun onderzoek worden ondernemingen opgenomen die binnen een tijdspanne van zes jaar minstens drie jaar geconfronteerd werden met niet-transitoire verliezen waaruit een daling in dividenden volgde. In dit onderzoeksopzet liggen twee beslissingen aan de basis van het ontstaan van negatieve accruals. Als eerste beslissing wordt een niet-boekhoudkundige beslissing aangehaald, namelijk de effectieve daling van de abnormale voorraad. Een tweede methode is het toepassen van grotere afschrijvingen, wat in dit onderzoek wel als resultaatsturing wordt beschouwd 6. Er dient opgemerkt te worden dat de bevindingen van DeAngelo et al. (1996) omtrent neerwaartse resultaatsturing onderzocht werden in een empirisch opzet waarbij slechts ondernemingen opgenomen werden die niet failliet gegaan zijn. De visie van DeAngelo et al. (1996) is daarom niet toepasbaar op gefaalde ondernemingen. Elliot & Wayne (1988) tonen het bestaan van neerwaartse resultaatsturing aan bij bedrijven die geconfronteerd worden met stijgende schulden en dalende prestaties ten opzichte van hun industrie (berekend op basis van ROA en ROE). Elliot & Wayne (1988) stellen vast dat de ondernemingen gemiddeld drie jaar na deze dalende prestaties grote discretionaire afschrijvingen toepassen om deze 6 In de hierna vermelde onderzoeken (infra, p.7) behoren afschrijvingen niet tot de discretionaire accruals. Ze worden namelijk door managers niet aanzien als een bron van resultaatsturing (Hunt, Moyer & Shevlin (1996)). Aangezien in de onderzoeksmethodologie van dit onderzoek gefocust wordt op het discretionaire gedeelte van de working capital accruals betekent dit dat afschrijvingen (onderdeel van non-working capital accruals ) niet vervat zitten in de gemeten resultaatsturing. 7

18 ratio s opnieuw te laten stijgen. Toch zijn de gevolgen hiervan op de waardering van de ondernemingen, die gebaseerd is op toekomstige kasstromen, niet eenduidig. Het in de toekomst behaalde resultaat zou negatief gerelateerd zijn aan de huidige abnormale accruals (Kallunki & Martikainen, 2003). In overeenstemming met de eerder vermelde definitie van Watts & Zimmerman (1986) (supra, p.5), bewijzen Kallunki & Martikainen (2003) dat wanneer een manager het komende jaar een dalend resultaat verwacht, hij of zij in het huidige jaar negatieve discretionaire accruals gebruikt om het resultaat in dat jaar al negatief te beïnvloeden. Dit heeft als gevolg dat die daling het volgende jaar niet meer moet worden gerapporteerd. Om deze reden zouden discretionaire accruals gezien kunnen worden als een variabele om de toekomstige prestaties te voorspellen. Externen kunnen namelijk in het huidige jaar een beeld krijgen van wat in het toekomstige jaar wordt verwacht door zich op deze accruals te baseren Opwaartse resultaatsturing Bovenstaande resultaten (supra, p.7) worden tegengesproken door onder andere Lilien, Mellman & Pastena (1988), Sweeney (1994) en Defond & Jiambalvo (1994). Deze auteurs nemen positieve (discretionaire) accruals waar bij ondernemingen met financiële problemen. Lilien et al. (1988) gaan het al dan niet succesvol zijn van een onderneming na door een onderneming te evalueren ten opzichte van het marktrendement en bestuderen daarnaast de invloed van accruals gedurende een negental jaar. In dit onderzoek wordt echter geen onderscheid gemaakt tussen discretionaire en niet-discretionaire accruals. Er kan dus geen uitsluitsel gegeven worden over de mate waarin het resultaat gestuurd wordt. Een cross-sectioneel onderzoek werd uitgevoerd door Sweeney (1994). Zij maakt de assumptie dat resultaatsturing en de dreiging van het schenden van clausules van een schuldovereenkomst in hetzelfde jaar plaatsvinden. In tegenstelling tot vorig onderzoek, (onder andere Duke & Hunt, 1990) dat de dreiging van schending schat op basis van de schuldgraad, wordt in haar onderzoek een steekproef gebruikt met ondernemingen die de clausules effectief geschonden hebben. Ook hier werden enkel boekhoudkundige veranderingen in het algemeen onderzocht. Deze keuze wordt beargumenteerd met een verwijzing naar onderzoek dat aantoont dat abnormale accruals moeilijk interpreteerbaar zijn. Zo kan er een invloed zijn van negatieve seriële correlatie (Dechow, 1994) en kunnen veranderingen in accruals het gevolg zijn van veranderingen in de economische activiteit van een bedrijf (Dechow, Sloan & Sweeney, 1996). Ook Defond & Jiambalvo (1994) bewijzen dat ondernemingen in financiële moeilijkheden licht positieve accruals rapporteren. In dit onderzoek gaat het om bedrijven die één jaar na deze rapportering de clausules van een schuldovereenkomst schenden. Over de totale accruals kon geen significant resultaat bewezen worden. Er werd echter wel een significant verband gevonden met betrekking tot de abnormale wijziging in de nettobedrijfskapitaalbehoefte (abnormal working capital accruals) in het jaar waarin de accruals worden gerapporteerd. Deze resultaten zijn tegenstrijdig met onder andere het onderzoek van DeAngelo et al. (1996). Deze tegenstelling kan veroorzaakt worden door de samenstelling van de steekproef. Defond & Jiambalvo (1994) verwijderen namelijk ondernemingen die, binnen de onderzochte tijdspanne, nieuwe managers hebben aangenomen of door auditeuren werden bezocht. Ze argumenteren deze uitsluiting door te vermelden dat een nieuwe manager in het jaar van zijn aanstelling het resultaat slechter wil voorstellen dan het in werkelijkheid 8

19 is. In de praktijk wordt dit idee toegepast door toekomstige kosten reeds in het huidige jaar als kosten te rapporteren. Zo kan de verantwoordelijkheid voor het slechte resultaat nog bij de vorige manager gelegd worden. De andere verklarende factor is dat auditeuren going concern nastreven en hiervoor gebruik maken van accruals. Door het verwijderen van deze ondernemingen, worden twee redenen die DeAngelo et al. (1996) aanhalen, in dit onderzoek buiten beschouwing gelaten. Redenen om het resultaat positief te beïnvloeden zijn onder andere het willen aantrekken van nieuwe externe financiering waaraan lagere kosten verbonden zijn of het gebrekkig toezicht op het management door verscheidene interne en/of externe factoren, bijvoorbeeld de overheid (Dechow, et al., 1996). Daarnaast streeft het management ernaar om een constante stijging in het resultaat te rapporteren omdat de kapitalisatiecoëfficiënt van de resultaten hierdoor hoger is dan wanneer dit stijgend patroon verbroken wordt door een gedaald resultaat, wat zou resulteren in een lagere coëfficiënt (Barth, Elliot & Finn, 1999). Graham, Harvey & Rajgopal (2005) bevestigen dat CFO s menen dat een buitenstaander de prestatie van een onderneming nagaat aan de hand van het bedrijfsresultaat. Het resultaat weinig volatiel maken om het dus makkelijker voorspelbaar te maken is dan ook een aanleiding voor ondernemingen, die wel of niet in moeilijkheden verkeren, om gebruik te maken van accruals. Een reden om net géén stijging in accruals te rapporteren bij financiële moeilijkheden is een nakend faillissement (Smith, Kestel & Robinson, 2001). Tijdens het proces dat hierop volgt zouden deze accruals namelijk in het nadeel van de onderneming werken. Indien het faillissement enkel op langere termijn dreigt (en niet op korte termijn), worden accruals wél gebruikt om het resultaat te beïnvloeden. Of deze beïnvloeding in opwaartse of neerwaartse zin gebeurt, werd in dit onderzoek niet nader onderzocht. De hierboven vermelde voordelen die discretionaire accruals op korte termijn bieden brengen echter lange termijn nadelen met zich mee. Zo zou de toekomstige prijs van aandelen negatief beïnvloed worden door in het huidige jaar het resultaat te sturen met behulp van positieve accruals (Sloan, 1996). Aangezien de huidige (opwaarts gestuurde) winst volledig gebruikt wordt om de toekomstige resultaten te schatten, en bijgevolg ook de waarde van een aandeel, wordt er geen onderscheid gemaakt tussen kasstromen en accruals. Hierdoor zullen de aandelen in de toekomst negatief renderen. Op die manier worden de toekomstige resultaten namelijk hoger ingeschat dan wanneer die geschat zouden worden op basis van de kasstromen. Een ander nadeel op lange termijn is de stijging van de kapitaalkost en de daling van de waarde van het aandeel wanneer de resultaatsturing wordt ontdekt (Dechow et al., 1996). Later onderzoek toont daarentegen aan dat resultaatsturing juist ontstaat omdat managers een daling in de prijs van aandelen, als gevolg van het rapporteren van verlies, willen vermijden. Met behulp van accruals streven ze een constante groei in de resultaten na (Burgstahler & Dichev, 1997) Op- en neerwaartse resultaatsturing Enkele auteurs vinden in hun onderzoek gemengde resultaten met betrekking tot de richting van de resultaatsturing. De boekhoudkundige beslissing van een onderneming om positieve dan wel negatieve accruals te rapporteren, is volgens deze auteurs afhankelijk van specifieke factoren. Zo besluiten Degeorge, Patel & Zeckhauser (1999) dat resultaatsturing het ontstaan van discretionaire accruals met zich meebrengt naar aanleiding van drie drempels en dat de richting van de 9

20 resultaatsturing afhankelijk is van deze drempels. Managers willen namelijk een positief resultaat rapporteren en eisen als extra voorwaarde dat dit resultaat minstens het resultaat van het vorige boekjaar evenaart. Ook willen ze voldoen aan de verwachtingen van analisten, vooral met betrekking tot het voorspelde resultaat. Indien een onderneming één van de drempels net niet haalt, dan resulteert dit in positieve resultaatsturing. (Dit werd reeds aangetoond door Hayn (1995)). Indien de onderneming de drempels ruimschoots haalt, zal er neerwaartse resultaatsturing plaatsvinden, omdat het op die manier voor de onderneming makkelijker is om ook in de toekomst de drempel te kunnen halen. Een andere redenering wordt gevolgd door Ingram & Lee (1997). Zij veronderstellen dat zowel accruals (afschrijvingen buiten beschouwing gelaten) als kasstromen betrouwbare indicatoren zijn van de economische activiteit van een onderneming. In dit onderzoek wordt vastgesteld dat zowel kasstromen als het resultaat een aanduiding geven van de huidige operationele situatie en dat accruals een realistisch toekomstbeeld bieden. Positieve accruals worden namelijk door ondernemingen die een hoge groeipotentie hebben gerapporteerd en vice versa. Dit wordt ook bevestigd door Watts & Zimmerman (1986). Deze resultaten duiden op het belang van accruals om de toekomstige waarde van een onderneming te schatten, wat onrechtstreeks ook tot falingspredictie zou kunnen bijdragen. Jaggi & Lee (2002) tonen aan dat de mate van financiële problemen bepaalt of een onderneming resultaatverhogende of verlagende discretionaire accruals zal rapporteren. Bij tijdelijke problemen zal een onderneming trachten de resultaten beter weer te geven dan ze in werkelijkheid zijn om zo de clausules van de schuldovereenkomst niet te breken. In tijden van grote financiële moeilijkheden wil een onderneming over de clausules van het contract onderhandelen met investeerders. Door negatieve resultaatsturing toe te passen zullen deze clausules voor de onderneming in de toekomst gunstiger en beter haalbaar zijn Ex-post gefaalde ondernemingen In onderzoek dat resultaatsturing bij ex-post gefaalde ondernemingen nagaat worden eveneens gemengde resultaten gerapporteerd. Zo worden er volgens Charitou, Lambertides & Trigeorgis (2007a en 2007b) resultaatstijgende accruals vijf tot en met drie jaar voor het faillissement gerapporteerd. Vooral de drang om op korte termijn te overleven blijkt hierbij een drijvende kracht. In het jaar voor faling daarentegen wordt het resultaat neerwaarts gestuurd. Redenen die hiervoor aangehaald worden zijn: de aanstelling van een nieuw management, een nakend juridisch proces en pogingen om nieuwe contracten met investeerders aan te gaan. García Lara, García Osma & Neophytou (2009) sluiten zich hierbij aan. Volgens hen vangen ondernemingen hun resultaatsturende activiteiten aan vier jaar voor faling en dit met een positief effect op het resultaat. Eén jaar voor faling zijn de mogelijkheden om het resultaat opwaarts te sturen met behulp van accruals uitgeput en vindt een omkering plaats van de voorheen uitgevoerde opwaartse resultaatsturing. Rosner (2003) bevestigt expliciet de bijdrage van discretionaire accruals tot falingspredictie. Ondernemingen die voor het faillissement niet als falend worden geclassificeerd, bleken grotere resultaatstijgende discretionaire accruals gerapporteerd te hebben dan falende ondernemingen die op voorhand wel als falend worden 10

21 geclassificeerd. Laatstgenoemde categorie van gefaalde ondernemingen inflateren het resultaat minder en zullen minder boekhoudkundige resultaatsturing toepassen. De resultaten van dit onderzoek zijn duidelijke argumenten om bij falingspredictie rekening te houden met discretionaire accruals. Door deze variabele in rekening te nemen zou het mogelijk zijn om meer ex-post falende ondernemingen als falend te voorspellen. Het onderzoek van García Lara et al. (2009) sluit zich hierbij aan. In tegenstelling tot ondernemingen met een hoge ex-ante falingskans, die de voorkeur geven aan reële resultaatsturing, passen ondernemingen met een lage ex-ante falingskans voornamelijk resultaatsturing toe met behulp van accruals. 3. Falingspredictiemodellen Algemeen De schattingsmethoden voor falingspredictiemodellen kunnen onderverdeeld worden in vier groepen: klassieke statistische technieken, recursive partitioning analysis (of tree classification), neurale netwerken en genetische algoritmes (Joos, Ooghe & Sierens, 1998). De meest populaire methode is deze die gebruik maakt van de klassieke cross-sectionele statistische technieken. Bij deze techniek is de set van variabelen in de modellen gebaseerd op een statistische analyse van een bepaalde dataset. Vervolgens wordt voor elke variabele een coëfficiënt geschat op basis van een statistische procedure. De klassieke statistische methodologieën zijn univariate analyse, risico-index modellen, multivariate discriminant-analyse en conditionele probabiliteitsmodellen (namelijk logit analyse, probit analyse en het lineaire probabiliteitsmodel)(balcaen & Ooghe, 2006). De statistische technieken die in de voorspelling van faillissementen het meest frequent gebruikt worden zijn multipele lineaire discriminant-analyse (MLDA) en logit analyse (Ooghe, Spaenjers & Vandermoere, 2009). Op basis van financiële ratio s wordt getracht om een onderneming in de toekomst als lopend of falend te classificeren en dit op basis van een onderzochte huidige jaarrekening. Voor elke onderneming wordt een score berekend, waarbij een hogere score op een betere financiële situatie van de onderneming duidt. Op basis van deze score en een afkapwaarde ( cut off value ) kan de kans dat een onderneming in de toekomst zal falen geschat worden. De eerste falingspredictiemodellen werden gedurende de late jaren 1960 ontwikkeld door Beaver (1967) en Altman (1968). Op Belgisch niveau werden in 1982 de eerste falingspredictiemodellen geschat door Ooghe &Verbaere (OV(82)). Deze modellen maken gebruik van multipele discriminantanalyse. Daaropvolgend werd in 1991 een tweede generatie van modellen geschat door Ooghe, Joos & De Vos (OJD(91)). Bij deze modellen wordt logistische regressie gebruikt om faling te voorspellen (Ooghe, Joos & De Bourdeaudhuij, 1995). Het is deze laatstgenoemde die gebruikt zal worden in het empirisch opzet van dit onderzoek 8. 7 Belangrijk is te vermelden dat falingspredictiemodellen beter modellen voor succes en faling genoemd kunnen worden aangezien de modellen niet alleen zwak, maar ook sterk presterende ondernemingen kunnen onderscheiden (Ooghe & Van Wymeersch, 2008). 8 Meer specifiek wordt het onderzoek uitgevoerd op het logitmodel drie jaar voor faling van Ooghe, Joos & De Vos ( 91) voor volledige en verkorte jaarrekeningen. In het vervolg van de tekst wordt naar dit onderzocht falingspredictiemodel verwezen met de afkorting OJD(91)-model(3JVF). 11

22 3.2. De kwaliteit van de jaarrekeninggegevens als verklarende variabele in bestaande falingspredictiemodellen Variabelenselectie Eén van de tekortkomingen van falingspredictiemodellen heeft betrekking op de variabelenselectie (Balcaen & Ooghe, 2006). Het overgrote deel van de statistische falingspredictiemodellen komen tot stand door een variabelenselectie gebaseerd op een empirische analyse. Men start met een uitgebreide, initiële set van variabelen, die vaak willekeurig gekozen wordt op basis van hun populariteit in de literatuur en hun voorspellende succes in voorgaand onderzoek (Balcaen & Ooghe, 2006). Gezien de beperkte literatuur waarin de associatie tussen falingspredictie en resultaatsturing aangehaald wordt is het niet verwonderlijk dat resultaatsturing nog niet in rekening genomen werd in de variabelenset van een falingspredictiemodel De kwaliteit van de jaarrekeninggegevens als extra verklarende variabele De klassieke statistische falingspredictiemodellen zijn gebaseerd op financiële ratio s. Onderzoekers veronderstellen hierbij impliciet dat de jaarrekeninggegevens een waarheidsgetrouw beeld geven van de financiële situatie van de onderneming (Balcaen & Ooghe, 2006). Toch kan bij ondernemingen met financiële moeilijkheden en gefaalde ondernemingen het tegenovergestelde verwacht worden (supra, p.6) Daarnaast tonen García Lara et al. (2009) aan dat genomen beslissingen op basis van een gestuurd resultaat niet meer betrouwbaar zijn, waaruit besloten kan worden dat, in geval van resultaatsturing, de jaarrekeninginformatie geen werkelijkheidsgetrouw beeld geeft. Het resultaat van ondernemingen die aan resultaatsturing doen wordt wel degelijk aanzien als een resultaat van lagere kwaliteit (Frankel, Johnson & Nelson, 2002) Naast het feit dat er uitgebreide literatuur bestaat die aantoont dat bedrijven in financiële moeilijkheden motieven hebben om het resultaat te sturen (supra, p.6), halen slechts enkele auteurs aan dat het in rekening nemen van resultaatsturing bestaande falingspredictiemodellen mogelijks kan verbeteren. Toch kan aangenomen worden dat er een redelijke kans bestaat dat resultaatsturing één van de mogelijke oorzaken is van de instabiliteit en de verminderde accuraatheid van falingspredictiemodellen. Enkele auteurs (Abad, Arquero & Jiménez, 2007; García Lara et al.,2009; Rosner,2003; Kallunki & Martikainen, 2003) halen namelijk de mogelijke bijdrage van resultaatsturing tot falingspredictie aan. Abad et al. (2007) halen aan dat het niet werkelijkheidsgetrouw weergeven van boekhoudkundige informatie door bedrijven in financiële moeilijkheden een factor kan zijn die de instabiliteit van de modellen en de vermindering in hun voorspellende accuraatheid verklaart. Vorig onderzoek van Abad, Arquero & Jiménez (2003) heeft namelijk aangetoond dat de betrouwbaarheid van de boekhoudkundige gegevens die gebruikt worden in falingspredictiemodellen, van groot belang zijn. 12

23 De resultaten van het onderzoek van García Lara et al. (2009) en Rosner (2003) (supra, p.10) inzake de opwaartse resultaatsturing voor faling van ondernemingen, die ex-ante niet als falend worden aanzien, zijn cruciaal voor het verbeteren van de falingspredictiemodellen. Omdat succesvolle resultaatsturing de classificatieprestatie van falingspredictiemodellen kan aantasten, halen deze auteurs het belang aan van verder onderzoek inzake deze problematiek. Het lijkt hen daarom aangewezen om bij falingspredictie expliciet rekening te houden met deze resultaatsturing (García Lara et al.,2009). Ook Rosner (2003) suggereert dat accruals een bijdrage kunnen leveren aan falingspredictie. Andere auteurs die het niveau van resultaatsturing aanhalen als de te onderzoeken verklarende variabele bij falingspredictie zijn Kallunki & Martikainen (2003). In hun studie wordt aangetoond dat bij ondernemingen de mate van de huidige resultaatsturing gebruikt kan worden om de toekomstige winstgevendheid te voorspellen. Gezien deze bevindingen menen ze dat het interessant kan zijn om na te gaan of falingspredictie verbetert door het niveau van resultaatsturing in rekening te nemen. Over het algemeen vertrekt de literatuur van het uitgangspunt dat bedrijven het resultaatcijfer sturen omdat ze in financiële moeilijkheden verkeren. Resultaatsturing is hierbij de afhankelijke variabele en financiële moeilijkheden de onafhankelijke variabele. Het doel van dit onderzoek is net omgekeerd, namelijk nagaan of toegepaste resultaatsturing het faillissement van ondernemingen kan voorspellen. Abad et al. (2007), García Lara et al. (2009), Rosner (2003) en Kallunki & Martikainen (2003) bevestigen de noodzaak van onderzoek naar deze omgekeerde werkwijze, maar leveren geen resultaten/bewijs van deze relatie. Janes (2003) daarentegen heeft deze omgekeerde werkwijze reeds toegepast in een studie waarin hij aantoont dat ondernemingen met extreme absolute accruals, relatief bekeken ten opzichte van resultaat, eerder financiële moeilijkheden zullen ervaren dan ondernemingen met een normaal niveau van accruals. Janes (2003) haalt expliciet aan dat de totale accruals extra informatie bieden die bruikbaar is voor het voorspellen van financiële moeilijkheden. Er dient echter opgemerkt te worden dat in het onderzoek van Janes (2003) geen onderscheid gemaakt wordt tussen het discretionaire en niet-discretionaire deel van de totale accruals, waardoor er geen conclusies getrokken kunnen worden over het verband tussen de mate van resultaatsturing en het voorspellen van financiële moeilijkheden. 4. Onderzoeksvraag Een model voor succes en faling heeft tot doel om ex-ante zoveel mogelijk ondernemingen correct als lopend of falend te classificeren. Aangezien de prestatie van deze falingspredictiemodellen via verschillende methoden geëvalueerd kan worden, wordt in dit onderzoek de prestatie nagegaan op basis van vijf maatstaven (infra, p 29). Dit onderzoek tracht na te gaan of de prestatie van een bestaand falingspredictiemodel verbetert indien de kwaliteit van het resultaatcijfer expliciet in rekening genomen wordt. Gezien in de literatuur geen eensgezindheid bestaat over de richting van de beïnvloeding van het resultaatcijfer bij 13

24 ondernemingen in financiële moeilijkheden (supra, p.6) lijkt het aangewezen om na te gaan in welke mate het resultaat beïnvloedt wordt, ongeacht of deze het resultaat positief of negatief beïnvloedt. Specifiek betekent dit dat deze studie onderzoekt of de prestatie van een bestaand falingspredictiemodel verbetert indien een extra variabele, die de kwaliteit van het resultaatcijfer meet, opgenomen wordt. Zo wordt onderzocht of de kwaliteit van de jaarrekeninggegevens kan bijdragen tot het voorspellen van de financiële toestand van een onderneming. Dit betekent dat de volgende onderzoeksvraag geformuleerd kan worden: Kent een model voor succes en faling een prestatieverbetering indien een maatstaf voor de kwaliteit van het resultaatcijfer in rekening genomen wordt? 14

25 C. EMPIRISCH ONDERZOEK 1. Onderzoeksopzet 1.1. Gegevensverzameling en toegepaste definities De data voor dit onderzoek is samengesteld met behulp van de DVD Bel-first september 2010, die ontworpen wordt door Bureau van Dijk Electronic Publishing, en met behulp van de door de Balanscentrale van de Nationale Bank van België (NBB) ter beschikking gestelde informatie. Het onderzoek is beperkt tot ondernemingen waarvoor jaarrekeninginformatie beschikbaar is op de Belfirst DVD. Om de kwaliteit van een falingspredicitiemodel te garanderen, dienen enkele begrippen precies afgelijnd te worden. Zo moet nauwkeurig bepaald worden wat verstaan wordt onder een falende en een lopende onderneming. Deze twee subgroepen worden in dit onderzoek bepaald aan de hand van juridische criteria. De juridische definitie van gefaalde ondernemingen is de in de literatuur meest gebruikte methode voor deze indeling, voornamelijk omdat het een objectieve maatstaf is. Juridisch bestaat de subgroep van falende ondernemingen zowel uit ondernemingen die failliet verklaard werden als ondernemingen die een aanvraag tot concordaat hebben ingediend. 9 Zo worden in dit onderzoek volgende definities toegepast 10 : Falende ondernemingen: Ondernemingen die het faillissement hebben aangevraagd, de faillissementsprocedure hebben afgerond of een aanvraag tot concordaat hebben ingediend. De falende ondernemingen betreffen ondernemingen die zich in de periode 01/01/ /12/2007 in één van bovenstaande situaties bevinden. Lopende onderneming: Ondernemingen die zich, minstens tot en met het tweede boekjaar na de selectie, niet in één van de volgende juridische situaties bevinden (Ooghe & Van Wymeersch, 2008): - Stopzetting van activiteit - Van rechtswege ontbinding door verloop van termijn - Vervroegde ontbinding vereffening - Fusie - Fusie door overname 9 Op 9 februari 2009 werd de wet met betrekking tot de continuïteit van de ondernemingen hervormd. Deze wet vervangt de wet van 17 juli 1997 betreffende het gerechtelijke akkoord en de eraan gekoppelde reparatiewet van 4 september Gezien in dit onderzoek ondernemingen gebruikt worden die in het boekjaar 2007 een gerechtelijk akkoord aangevraagd hebben, wordt nog niet gewerkt met de nieuwe wet met betrekking tot de continuïteit van de ondernemingen. (Graydon Belgium, 2009). 10 In wat volgt wordt met de termen lopende onderneming en falende onderneming telkens verwezen naar ondernemingen die voldoen aan de vermelde definities. 15

26 - Splitsing - Sluiting van faillissement of van vereffening - Faillissement - Andere solvabiliteitsvoorvallen: o Opschorting o Vernietigd dossier o Vereniging van alle aandelen in één hand De lopende ondernemingen zijn dus gezonde ondernemingen met een actief statuut zonder specifieke rechtstoestand. Deze nauwkeurige definiëring van de lopende onderneming zorgt ervoor dat enkel zuiver lopende ondernemingen geselecteerd worden voor het onderzoek. Er wordt beter met zuiver lopende ondernemingen gewerkt omdat de reële economische situatie van de uitgesloten types niet altijd duidelijk is (Ooghe, Joos & De Vos, 1993). Bovendien is er als voorwaarde gesteld dat een geselecteerde lopende onderneming minstens twee jaar na het boekjaar van selectie (namelijk 2007; supra, p.15) nog lopend moet zijn. Gezien deze laatste criteria is er dus nood aan jaarrekeninginformatie van het boekjaar 2009 teneinde de lopende subgroep te kunnen identificeren. Aangezien er slechts jaarrekeninginformatie tot en met boekjaar 2009 beschikbaar is op de meest recente DVD Bel-first september 2010, impliceert dit dat om falingspredictie uit te voeren in het jaar 2007, de meest recente data die voorhanden zijn op deze DVD, gebruikt worden voor het onderzoek. Een economische recessie kan een grote impact hebben op de prestatie van ondernemingen. Men kan verwachten dat deze economische factoren een invloed hebben op de keuze van het management met betrekking tot de boekhoudstrategie, die het gebruik van discretionaire accruals bepaalt (Smith et al., 2001). Aangezien zo recent mogelijke data onderzocht wordt en er gewerkt wordt met een falingspredictiemodel drie jaar voor faling betekent dit dat er jaarrekeninginformatie nodig is vanaf boekjaar Daarnaast wordt als extra controle gesteld dat lopende ondernemingen twee jaar na hun selectie nog steeds lopend moeten zijn. Hierdoor is er jaarrekeninginformatie nodig uit het tijdsframe Om deze redenen en om de invloed van de economische recessie van het jaar 2002 en 2009 zo goed als mogelijk uit te sluiten, lijkt boekjaar 2007 als te onderzoeken boekjaar een aangewezen keuze Populatie De populatie bestaat uit jaarrekeningen van Belgische, niet-beursgenoteerde ondernemingen met een niet-geconsolideerde jaarrekening. Het aantal Belgische, beursgenoteerde ondernemingen is gering en slechts weinig beursgenoteerde ondernemingen falen aangezien zij aan strenge criteria moeten voldoen om toegelaten te worden op de beurs. Het toepassen van de studie op beursgenoteerde 11 Voor de berekening van de discretionaire accruals is namelijk nood aan jaarrekeninginformatie van vijf jaar voor faling (infra, p.21 & p.38). 16

27 bedrijven zou resulteren in een te kleine dataset (vooral een te kleine falende subgroep) 12 en zou mogelijks de representativiteit aantasten en aldus vertekende resultaten opleveren. Bovendien vormen de niet-beursgenoteerde ondernemingen meestal het voorwerp van de Belgische falingspredictiemodellen (Siau, 2009). Gezien in dit onderzoek met een Belgisch falingspredictiemodel gewerkt wordt, werd daarom beslist om de populatie te beperken tot Belgische, niet-beursgenoteerde ondernemingen. De voor dit onderzoek gehanteerde populatie van ondernemingen bestaat uit alle ondernemingen 13 die onderworpen zijn aan de Belgische wetgeving en die de vorm hebben aangenomen van een naamloze vennootschap (NV), een besloten vennootschap met beperkte aansprakelijkheid (BVBA), een coöperatieve vennootschap (CV) of een commanditaire vennootschap (Com. V) (Ooghe et al., 1993). De toevoeging van een variabele die de kwaliteit van het resultaatcijfer nagaat in een falingspredictiemodel creëert een nood aan jaarrekeninginformatie van uiteenlopende jaren. Hierdoor wordt de populatie beperkt tot ondernemingen waarvoor jaarrekeninginformatie beschikbaar was voor alle nodige jaartallen. Openbare instellingen en bedrijven onderworpen aan een buitenlandse wetgeving zijn niet inbegrepen in de populatie. Voorgaand onderzoek (Ooghe et al., 1993) heeft aangetoond dat de opname van deze ondernemingen misclassificaties kan veroorzaken. Tenslotte worden bepaalde sectoren uit de analyse verwijderd gezien het industrieën betreffen met speciale karakteristieken waarbij financiële moeilijkheden zelden tot een faillissement leiden. Het betreffen de sectoren Openbaar bestuur en defensie; verplichte sociale verzekeringen, Onderwijs en Extra territoriale organisaties en lichamen (Ooghe et al., 2009). Daarnaast zitten ook holdings en ondernemingen die tot de financiële- en verzekeringssector 14 behoren, niet vervat in de populatie (Ooghe et al., 1993). In bijlage 1 zijn de NACE-Bel-2008 sectorcodes die niet in de populatie vervat zitten, opgelijst. Na het verwijderen van alle ondernemingen die voldoen aan bovenstaande kenmerken, wordt een falende populatie van ondernemingen bekomen en een lopende populatie van ondernemingen. De populatie bestaat overwegend uit ondernemingen met jaarrekeningen neergelegd volgens het verkorte schematype (namelijk ondernemingen met een jaarrekening neergelegd volgens het verkorte schematype tegenover ondernemingen volgens het volledige 12 De DVD Bel-first september 2010 bevat slechts 213 beursgenoteerde ondernemingen. Indien alle nodige selectiecriteria (tabel 2) toegepast worden, blijven slechts 145 lopende ondernemingen en 1 falende onderneming over. 13 Verenigingen worden niet opgenomen in het onderzoek. 14 De selectie van ondernemingen die behoren tot de financiële sector is gemaakt op basis van volgende NACE- Bel 2008 codes die het totaal van niet financiële ondernemingen aanduidt: 0 tot 6 - ( ) + 7 -(75) + 80 tot ( ) (Nationale Bank van België, 2008). (Via deze werkwijze worden de rubrieken Onderwijs, Extra territoriale organisaties en lichamen reeds uit de populatie verwijderd. ) 17

28 schematype) 15. Alle hierboven besproken criteria om de populatie te bekomen, worden in bijlage 2 weergegeven, samen met het aantal ondernemingen Bewerking populatie en steekproeftrekking Ondernemingen waarvan minstens één benodigd boekjaar betrekking heeft op meer of minder dan 12 maanden worden uit de populatie geweerd. Vervolgens worden ondernemingen verwijderd die bepaalde gegevens, nodig om variabelen te berekenen, niet beschikbaar stellen. Aangezien multivariate schattingstechnieken optimaal functioneren bij multivariaat normaal verdeelde variabelen, werden in dit onderzoek alle waarnemingen die voor een bepaalde variabele uit het oorspronkelijke falingspredictiemodel meer dan drie standaardafwijkingen van het rekenkundig gemiddelde liggen, verwijderd uit de steekproef. Via deze truncation -methode worden uitschieters verwijderd om de (univariate) verdelingen normaler te maken (Ooghe & Van Wymeersch, 2008; Ooghe et al., 1993). Voor de variabele die de kwaliteit van het resultaatcijfer nagaat, wordt gewerkt met de techniek winsorising. Dit betekent dat aan de waarden van de variabele discretionaire accruals gedeeld door het totaal der activa van het begin van het boekjaar die kleiner dan -1 of groter dan +1 zijn, respectievelijk de waarden -0,999 en 0,999 gegeven worden. Gezien het grote aantal ondernemingen waarbij deze waarden niet tussen -1 en 1 liggen is er niet geopteerd om deze observaties te verwijderen. Dit zou immers leiden tot een te grote reductie van de dataset (namelijk een reductie van ondernemingen). Deze werkwijze is consistent met Francis & Yu (2009). Tenslotte worden de ondernemingen verwijderd waarbij een ontbrekende waarde ontstaat door een deling door nul. In bijlage 3 worden de hierboven besproken criteria samen met het aantal ondernemingen die hieraan voldoen, weergegeven 16. Om naar de resterende ondernemingen die hieraan voldoen te verwijzen wordt in deze studie de term volledige dataset gebruikt. Vervolgens wordt uit de volledige dataset een steekproef getrokken. In voorgaand onderzoek wordt over het algemeen een steekproef samengesteld waarbij de lopende subgroep ongeveer drie keer groter is dan de falende subgroep (zie onder andere Ooghe, et al., 1993; Ooghe & Van Wymeersch, 2008; Ooghe et al., 2009; Ooghe et al.,1995). Om consistent te zijn met bestaande literatuur met betrekking tot het onderzochte falingspredictiemodel, wordt met een gelijkaardige proportie lopende versus falende ondernemingen gewerkt. Om de representativiteit van de steekproef te behouden worden de steekproeven at random samengesteld en niet via de paarsgewijze selectie (matching). Het toepassen van paarsgewijze selectie zou betekenen dat in dit onderzoek eerst een steekproef van falende ondernemingen wordt geselecteerd en daarna een groep lopende ondernemingen die dezelfde kenmerken heeft als de falende ondernemingen. Een probleem bij deze techniek is dat de 15 In het vervolg van dit onderzoek worden ondernemingen met jaarrekeningen gerapporteerd volgens het volledige dan wel verkorte schema, aangeduid met de term ondernemingen met een verkort, respectievelijk volledig, schematype. Bijlage 4 geeft de wettelijke criteria voor de neerlegging van de jaarrekening volgens verkort en volledig schematype weer. 16 Deze stappen impliceren dat het percentage van de gefaalde ondernemingen ongeveer gehalveerd wordt ten opzichte van het percentage van falende ondernemingen in de populatie (namelijk een daling van 1,03% naar 0,51%). 18

29 mogelijkheid bestaat dat de gebruikte criteria, op basis waarvan de matching gebeurt 17, verklarende variabelen zijn voor het faillissement (Ooghe et al., 1995). Daarnaast bestaat er geen theoretische leidraad die bepaalt welke criteria gekozen dienen te worden om de matching uit te voeren (Ooghe et al., 1993). Bovendien is multivariate matching moeilijk uit te voeren en is de kans klein dat de lopende steekproef representatief is voor de lopende subpopulatie omdat de lopende steekproef samengesteld is op basis van karakteristieken van gefaalde ondernemingen (Eisenbeis, 1977; Taffler, 1983; Ooghe et al., 1993). Tenslotte is de at random steekproeftrekking consistent met de werkwijze van Ooghe, Joos en De Vos ( 91) (Ooghe & Van Wymeersch, 2008). De steekproeftrekking resulteert in een steekproef bestaande uit 800 gefaalde en lopende ondernemingen (zie bijlage 3). 2. Onderzoeksmethodologie 2.1. Onderzocht falingspredictiemodel: logitmodel drie jaar voor faling van Ooghe, Joos & De Vos ( 91) In dit onderzoek is ervoor geopteerd om een basismodel te gebruiken dat zo dicht mogelijk aanleunt bij een bestaand Belgisch falingspredictiemodel, namelijk het logitmodel drie jaar voor faling van Ooghe, Joos & De Vos voor volledige en verkorte jaarrekeningen ( 91) (OJD(91)-model(3JVF)). Het toepassen van het onderzoek op een Belgisch falingspredictiemodel lijkt aangewezen omwille van een drietal redenen. Ten eerste toont het onderzoek van Ooghe & Balcaen (2007) aan dat andere internationale modellen niet noodzakelijk betere resultaten opleveren dan de Belgische falingspredictiemodellen. Daarnaast vormen, in tegenstelling tot de Amerikaanse falingspredictiemodellen, vooral de niet-beursgenoteerde ondernemingen het voorwerp van de Belgische falingspredictiemodellen. Ten slotte kunnen, gezien de verschillen in structuur en inhoud van een Belgische en Amerikaanse jaarrekening, in Belgische modellen specifieke Belgische gegevens opgenomen worden, zoals de schulden ten aanzien van de RSZ. Binnen de groep van Belgische falingspredictiemodellen zijn OV(82) en OJD(91) de meest geciteerde modellen in de literatuur. Ooghe et al.(1995) menen dat de modellen OJD(91), die gebruik maken van logistische regressie, een betere prestatie opleveren dan de modellen OV(82), die de discriminantanalyse toepassen. Zo menen Ooghe et al. (1995) dat bij de opstelling van OJD (91) de variabelenselectie op een betere manier werd uitgevoerd. Daarnaast werden de modellen OV(82) geschat op basis van een populatie bestaande uit ondernemingen met het volledige schematype, terwijl in deze masterproef zowel ondernemingen met het volledige als verkorte schematype gebruikt worden. Het lijkt daarom aangewezen om gebruik te maken van het falingspredictiemodel OJD(91). 17 De matching gebeurt over het algemeen op basis van een criterium zoals industrie of grootte van de onderneming. 19

30 Ooghe, Joos & De Vos ( 91) hebben zowel een korte termijn falingspredictiemodel (namelijk één jaar voor faling, OJD(91)-model(1JVF)) als een falingspredictiemodel op middellange termijn (namelijk drie jaar voor faling, OJD(91)-model(3JVF)) ontwikkeld. In dit onderzoek is ervoor geopteerd om het laatstgenoemde model te gebruiken. Deze keuze is ingegeven omwille van verschillende redenen. Ondanks het feit dat ondernemingen wettelijk verplicht zijn om elk jaar de jaarrekening neer te leggen 18, zijn er vaak ondernemingen in moeilijkheden die enkele jaren voor het faillissement de jaarrekening niet meer neerleggen. Gezien korte termijn modellen hier sterker onder lijden, is het gebruik van een model op middellange termijn aangewezen. Ten tweede zijn de prestatieverschillen met betrekking tot de industrie, de grootte en het schematype van de ondernemingen, kleiner bij het OJD(91)-model(1JVF) in vergelijking met OJD(91)-model(3JVF). Dit betekent dat de falende ondernemingen drie jaar voor faling ongeveer dezelfde financiële karakteristieken vertoont, onafhankelijk van de grootte en het schematype van de onderneming en de industrie waartoe ze behoren. De verschillen met betrekking tot de drie karakteristieken nemen echter toe naarmate de faling dichterbij komt (Ooghe, Camerlynck & Balcaen, 2003). Een andere reden wordt ingegeven door de bevindingen van García Lara et al. (2009). Bij het gebruik van een falingspredictiemodel drie jaar voor faling wordt impliciet verondersteld dat ondernemingen in moeilijkheden drie jaar voor faling het resultaat sturen. Het onderzoek van García Lara et al. (2009) ondervindt dat het resultaat met accruals gestuurd wordt vanaf het vierde jaar voor faling en dat bij vele ondernemingen de mogelijkheden van resultaatsturing met accruals reeds één jaar voor faling uitgeput zijn. Op dat moment wordt overgegaan tot reële resultaatsturing en wordt de positieve resultaatsturing met accruals uit het verleden teniet gedaan door het ontstaan van negatieve accruals. Aangezien resultaatsturing in dit onderzoek geschat wordt op basis van accruals lijkt het niet aangewezen om te werken met het OJD(91)-model(1JVF). In het OJD(91)-model(3JVF) zijn zes ratio s opgenomen. In bijlage 5 is de berekeningswijze van deze ratio s weergegeven, alsook de boekhoudkundige codes en de verwachte tekens van de regressiecoëfficiënten. De tekens van de coëfficiënten van deze variabelen zijn op die manier bepaald dat er een positief verband is tussen de score en de overlevingskans van de onderneming. Een positief teken van de coëfficiënt van een variabele duidt dus op een grotere kans op succes bij een hoge waarde van de ratio, terwijl een negatief teken op een grotere falingskans duidt bij een hoge ratiowaarde. De variabele vervallen belastingschulden en vervallen schulden ten aanzien van de RSZ 19 is een nominale variabele, terwijl de overige variabelen interval-geschaald zijn. Het aantal dagen tussen de afsluiting en publicatie van de jaarrekening is één van de variabelen van het OJD(91)-model(3JVF). Om deze variabele te berekenen dient per onderneming de 18 Art. 98 : De jaarrekening moet door toedoen van de bestuurders of zaakvoerders worden neergelegd bij de Nationale Bank van België. Deze neerlegging geschiedt binnen dertig dagen nadat de jaarrekening is goedgekeurd, en ten laatste zeven maanden na de datum van afsluiting van het boekjaar. Indien de jaarrekening niet werd neergelegd zoals bepaald in het tweede lid, wordt de door derden geleden schade, behoudens tegenbewijs, geacht voort te vloeien uit dit verzuim. (Art 98, Wetboek van vennootschappen, Gewijzigd bij art. 172 W. 8 april 2003 (B.S. 17.IV.2003, ed.1)). 19 In wat volgt wordt de variabele vervallen belastingsschulden en vervallen schulden ten aanzien van de RSZ aangeduid met de term vervallen schulden. 20

31 publicatiedatum van de jaarrekening gekend te zijn. Dit is echter een gegeven dat niet opgenomen is in de Bel-first database. Gezien de grootte van de steekproef en de opgelegde tijdsbeperking is het praktisch niet haalbaar om deze variabele per onderneming handmatig op te zoeken in de balanscentrale van de NBB. Daarom werd besloten om deze variabele weg te laten uit het oorspronkelijk falingspredictiemodel. Aangezien het niet de bedoeling is het originele model te valideren, maar om de vergelijking te maken tussen een model en hetzelfde model waarbij resultaatsturing in rekening genomen wordt, is dit geen al te grote beperking van het onderzoek. Toch is op basis van een verkleinde steekproef een controle uitgevoerd om na te gaan in welke mate de resultaten vertekend zijn door het uitsluiten van deze variabele (infra, p. 34) Toegepast discretionair accrualmodel ter evaluatie van de kwaliteit van de jaarrekeninggegevens Gezien de onderzoeksvraag toegepast wordt op een falingspredictiemodel 20, impliceert dit dat de veronderstelling gemaakt dient te worden dat er resultaatsturing plaatsvindt op het moment van de voorspelling. Onderzoek van Charitou et al. (2007a), Rosner (2003) en García Lara et al. (2009) toont aan dat deze veronderstelling gegrond is. De totale accruals kunnen opgedeeld worden in current accruals en non-current accruals of met andere woorden in working capital accruals en non working capital accruals. De working capital accruals zijn eerder vatbaar voor resultaatsturing dan nonworking capital accruals (Defond & Jiambalvo, 1994; Xie, Davidson & DaDalt, 2003). In dit onderzoek wordt daarom gefocust op de working capital accruals, wat gelijk is aan de wijziging in de nettobedrijfskapitaalbehoefte. Het nettobedrijfskapitaal is de vlottende activa die overblijft wanneer aan het vreemd vermogen op korte termijn voldaan wordt. Een deel van de vlottende activa wordt spontaan gefinancierd door nietfinanciële schulden op korte termijn. Het tekort aan spontane financiering van de vlottende bedrijfsactiva is de nettobedrijfskapitaalbehoefte. Wanneer het verschil van de nettobedrijfskapitaalbehoefte tussen het begin en einde van het boekjaar berekend wordt, bekomt men de wijziging in nettobedrijfskapitaalbehoefte (Ooghe & Van Wymeersch, 2008). Een zeer gebruiksvriendelijk model om de discretionaire accruals te schatten is dat van Defond & Park (2001). Recente studies (bijvoorbeeld Carey & Simnett, 2006) maken gebruik van dit model. In het model van Defond & Park (2001) worden de abnormale accruals gedefinieerd als het verschil tussen de gerapporteerde nettobedrijfskapitaalbehoefte en de nettobedrijfskapitaalbehoefte, dat nodig is om het niveau van de huidige verkopen 21 te ondersteunen. Dit verschil is het deel van de wijziging in nettobedrijfskapitaalbehoefte dat onwaarschijnlijk ondersteund zal worden in de toekomst en 20 De keuze van een falingspedictiemodel op middellange termijn wordt ingegeven door verscheidene redenen (supra, p.20). 21 Defond & Park (2001) meten de verkopen op basis van de gerapporteerde omzet. Aangezien de omzet een facultatieve vermelding is voor ondernemingen met het verkorte schematype zijn er weinig ondernemingen die de omzet rapporteren (infra, p.33). Als alternatief wordt brutomarge gebruikt om de verkopen te benaderen. 21

32 waarvan dus verwacht kan worden dat er in de toekomst een tegenovergestelde boeking zal plaatsvinden 22. ANBKB t = NBKB t [ (NBKB t-1 / Brutomarge t-1 ) * Brutomarge t ] (1) Met: ANBKB: abnormale wijziging in de nettobedrijfskapitaalbehoefte (abnormal working capital accruals) NBKB: (niet-kas) nettobedrijfskapitaalbehoefte ((noncash) working capital) = (vlottende activa liquide middelen geldbeleggingen) (schulden op ten hoogste één jaar schulden op meer dan een jaar, die binnen het jaar vervallen financiële schulden op korte termijn) Brutomarge =omzet handelsgoederen, grond- en hulpstoffen en diensten en diverse goederen t-1: vorig boekjaar (=boekjaar 2006) t: huidig boekjaar ( =boekjaar 2007) Vervolgens wordt de uitkomst in vergelijking (1) gedeeld door het totaal der activa van het begin van boekjaar 2004 en wordt hiervan de absolute genomen. Tenslotte wordt winsorising (supra, p.18) toegepast. In het empirisch onderzoek wordt naar deze waarden verwezen met de term kwaliteit van het resultaatcijfer. Een hogere waarde van deze variabele duidt op een grotere mate van resultaatsturing met accruals, op een lagere kwaliteit van de accruals en op een lagere kwaliteit van het resultaatcijfer. 3. Resultaten 3.1. Descriptieve statistieken en univariate teststatistieken Beschrijving volledige dataset en steekproef. Eerst wordt nagegaan of de falende en lopende subgroep in de steekproef de verdelingen met betrekking tot schematype, sector en rechtsvorm van de volledige dataset respecteert. Vervolgens wordt nagegaan of de grootte van de ondernemingen (gemeten op basis van totaal der activa) en de richting van de beïnvloeding van het resultaatcijfer tussen falende en lopende ondernemingen in de steekproef significant verschillen. De samenstelling van de volledige dataset op basis van het schematype is waar te nemen in bijlage 6. De totale groep ondernemingen met het verkorte schema is ongeveer 20 keer groter dan het aantal ondernemingen met een volledig schematype. De meerderheid van de gepubliceerde jaarrekeningen 22 Accruals bieden de mogelijkheid om het resultaat van een boekjaar naar een ander boekjaar te verschuiven. Indien er in het huidige boekjaar een overboeking plaatsvindt, dan zal dit in de toekomst verminderd moeten worden met behulp van een tegenboeking (vice versa voor een overboeking). 23 De significantie van de verschillen wordt in dit onderzoek getest op basis van het 5%-significantieniveau, tenzij anders vermeld. 22

33 is gerapporteerd volgens het verkorte schema, waardoor besloten kan worden dat het falingspredictiemodel vooral van toepassing is op KMO s. De falende subgroep bestaat uit 97,5% ondernemingen met het verkort schematype en 2,5% met het volledig schematype. Voor de lopende subgroep is dit respectievelijk 95,2% en 4,8%. De samenstelling op basis van het schematype van de getrokken steekproef is weergegeven in bijlage 7. Het aantal ondernemingen met een verkort schematype is ongeveer 23 keer meer vertegenwoordigd dan ondernemingen met een volledig schematype. Deze proportie is in lijn met deze van de volledige dataset. Aangezien alle falende ondernemingen uit de volledige dataset behouden worden in de steekproef, is de verdeling met betrekking tot de schematypes in de falende subgroep dezelfde als in de volledige dataset. De lopende subgroep bestaat uit 95,4% ondernemingen met het volledige schematype en 4,6% met het verkorte schematype, wat opnieuw in lijn is met de volledige dataset. Er kan dus besloten worden dat de steekproef de originele verdeling met betrekking tot het schematype goed benadert. Bijlage 8 en 9 tonen de verdeling van de ondernemingen per sector (respectievelijk van de volledige dataset en de steekproef). De sectoren Bouwnijverheid, Groot- en detailhandel & reparatie van auto's en motorfietsen en Vrije beroepen en wetenschappelijke en technische activiteiten zijn het meest vertegenwoordigd met een totaal van 58,5% en 57,3%, respectievelijk in de volledige dataset en de steekproef. De samenstelling met betrekking tot de rechtsvorm is weergegeven in bijlage 10 en 11 (respectievelijk van de volledige dataset en steekproef). BVBA s representeren in de volledige dataset en steekproef meer dan 50% van de ondernemingen (respectievelijk 56,2 % en 60,4%), gevolgd door NV s (respectievelijk 38,3% en 35%). CV s vertegenwoordigen een minderheid (respectievelijk 4,7% en 4,3%). De Com. V vertegenwoordigen minder dan 1% in de volledige dataset en de steekproef. De steekproef blijkt opnieuw een goede weergave te zijn van de volledige dataset. Tabel 1 beschrijft het totaal der activa, zowel van het boekjaar 2004 als Om na te gaan of het totaal der activa van lopende en falende ondernemingen in de steekproef significant van elkaar verschillen, wordt een niet-parametrische test (waarbij geen normaalverdeling vereist is) uitgevoerd. Uit de test opgenomen in bijlage 12 blijkt namelijk dat het totaal der activa van 2003 en van 2004 niet normaal verdeeld zijn. Bij wijze van controle worden de grafische plots 24 in bijlage 13 en 14 geïnterpreteerd. Ook hieruit blijkt dat de variabelen niet normaal verdeeld zijn waardoor een nietparametrische test aangewezen is. Uit deze tests (bijlage 15) blijkt dat op basis van de medianen, falende ondernemingen significant groter zijn dan lopende ondernemingen, gemeten op basis van het totaal der activa. 24 Deze grafische plot geeft een grafische indicatie van de verdeling van de variabele. Het histogram in de plot geeft de verdeling van de variabele weer, terwijl de curve de normaalverdeling weergeeft. 23

34 Tabel 1: Eigenschappen van het totaal der activa 2003 en 2004 (falende en lopende ondernemingen) Falende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Totaal der activa (2003) Totaal der activa (2004) Lopende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Totaal der activa (2003) Totaal der activa (2004) Tabel 2 vergelijkt het aantal lopende en falende ondernemingen die positieve, negatieve of geen discretionaire accruals rapporteren. Hieruit blijkt dat de meerderheid van de falende ondernemingen (namelijk 52,9%) het resultaatcijfer neerwaarts stuurt, terwijl de meerderheid van de lopende ondernemingen (namelijk 51,8%) opwaartse resultaatsturing toepast. Een Chi-kwadraat-test (bijlage 16) toont aan dat significant meer falende ondernemingen het resultaat neerwaarts sturen dan opwaarts. Bij de lopende ondernemingen wordt het omgekeerde vastgesteld. De waarde van de Cramer s V (bijlage 16) geeft een indicatie van de sterkte van deze significante verschillen (Janssens, Wijnen, De Pelsmacker & Van Kenhove, 2008). De lage waarde van Cramer s V (0,047) duidt aan dat deze verschillen zwak zijn. Tabel 2: Vergelijking richting van de beïnvloeding van het resultaatcijfer (aantal falende versus lopende ondernemingen) Richting beïnvloeding van het resultaatcijfer Falende ondernemingen Lopende ondernemingen Totaal Aantal Rij% Kolom% Tabel % Aantal Rij % Kolom % Tabel % Aantal Tabel% Geen beïnvloeding 0,0%,0%,0% 5 100,0%,2%,2% 5,2% Neerwaartse beïnvloeding Opwaartse beïnvloeding ,8% 52,9% 13,2% ,2% 48,0% 36,0% ,3% ,3% 47,1% 11,8% ,7% 51,8% 38,8% ,6% Beschrijving variabelen opgenomen in het logistisch regressiemodel De logistische regressie, die toegepast wordt op de ondernemingen in de steekproef, wordt uitgevoerd op basis van zes onafhankelijke variabelen: vijf variabelen van het oorspronkelijk OJD(91)- model(3jvf) (bijlage 5) en de variabele kwaliteit van het resultaatcijfer (berekend op basis van het 24

35 model van Defond en Park, 2001) (infra, p.27). In bijlage 17 worden de eigenschappen van de benodigde gegevens voor de berekening van de variabele kwaliteit van het resultaatcijfer beschreven. De eigenschappen van de onafhankelijke variabelen die opgenomen worden in het logistisch regressiemodel, zijn per subgroep (namelijk falend en lopend) weergegeven in tabel 3 en 4. Tabel 3: Eigenschappen van de schaalvariabelen opgenomen in het logistisch regressiemodel (falende en lopende ondernemingen) Falende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Gecumuleerde historische rendabiliteit Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -3,08 27,30-638,25 -,58 -,08,06 10,15 -,07 1,48-22,55 -,09,03,13 14,15,00,03,00,00,00,00,40 2,53 16,13-6,86,72,92 1,19 353,09,32,33,00,07,18,43 1,00 Lopende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Gecumuleerde historische rendabiliteit Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -,37 12,55-513,99 -,09,10,32 260,24,06,96-24,94 -,01,08,16 27,59,01,03,00,00,00,00,42,94 9,21-134,45,38,66,87 404,98,23,29,00,04,11,28 1,00 25

36 Tabel 4: Eigenschappen van de nominale variabele opgenomen in het logistisch regressiemodel (falende en lopende ondernemingen) Falende ondernemingen Lopende ondernemingen Vervallen schulden Ondernemingen zonder vervallen schulden Ondernemingen met vervallen schulden Aantal Rij % Kolom % Aantal Rij % Kolom % ,8% 84,0% ,2% 94,8% ,8% 16,0% ,2% 5,2% Het is aangewezen om na te gaan of de variabelen normaal verdeeld zijn alvorens te testen of verschillen in centrale waarden tussen falende en lopende ondernemingen significant zijn. Uit de Kolmogorov-Smirnov-test (bijlage 18) blijkt dat de schaalvariabelen die opgenomen worden in het falingspredictiemodel niet normaal verdeeld zijn 25. Op basis van deze test kan besloten worden dat bij de univariate teststatistieken de niet-parametrische testen aangewezen zijn. Echter, grafisch (bijlage 19, 20, 21, 22 en 23) lijken de schaalvariabelen uit het origineel OJD(91)-model(3JVF) wel normaal verdeeld. Deze plots suggereren dat, bij wijze van extra controle, de interpretatie van de parametrische testen bij deze variabelen geoorloofd is. De variabele kwaliteit van het resultaatcijfer daarentegen lijkt ook op basis van de grafische test niet normaal verdeeld te zijn. Om deze reden worden voor deze variabele in het vervolg van deze studie enkel de niet-parametrische testen geïnterpreteerd. Tabel 5 toont aan dat, op basis van de mediaan, falende ondernemingen meer resultaatsturing toepassen dan lopende ondernemingen en dus een lagere kwaliteit van het resultaatcijfer hebben. De niet-parametrische significantietest (bijlage 24) bevestigt dat het verschil in mediaan van de mate van resultaatsturing tussen falende en lopende ondernemingen, significant is. Tabel 5: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (falende en lopende ondernemingen) Falende ondernemingen Gemiddelde Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,32,33,00,07,18,43 1,00 Lopende ondernemingen Gemiddelde Standaardafwijking Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,23,29,00,04,11,28 1,00 25 Aangezien de variabele vervallen schulden een nominale variabele is, is de normaliteitstest niet van toepassing. 26

37 Daarnaast valt uit tabel 6 af te leiden dat ondernemingen met het volledige schematype het resultaat minder sturen dan ondernemingen met het verkorte schematype. Het verschil in mediaan is hier opnieuw significant (bijlage 25). Tabel 6: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (ondernemingen met het verkort en volledig schematype ) Verkort schematype Gemiddelde Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,25,30,00,04,12,32 1,00 Volledig schematype Gemiddelde Standaardafwijking Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,17,22,00,04,09,22 1,00 Om per schaalvariabele die opgenomen wordt in de logistische regressie na te gaan of de mediaan van de falende en lopende ondernemingen significant van elkaar verschillen, wordt de Mann-Whitney U-test uitgevoerd. Op basis van bijlage 26 kan bij elke variabele vastgesteld worden dat de mediaan van de falende en lopende subgroep significant verschilt. Het verschil tussen de medianen van de variabele sterkte van de groepsbinding is echter slechts significant op het 10%-significantieniveau, terwijl het verschil bij de andere variabelen significant is op het 5%-significantieniveau. Ter controle wordt met een T-test de significantie nagegaan van het verschil in het gemiddelde van de twee subgroepen. Dit verschil blijkt bij elke variabele minder significant dan het verschil in medianen, met zelfs een niet-significant verschil bij de variabele sterkte van de groepsbinding. De nominale variabele vervallen schulden vereist als significantietest de Chi-kwadraat-test (bijlage 27). Hieruit blijkt dat significant meer falende ondernemingen vervallen schulden ten aanzien van de fiscus en de RSZ hebben in vergelijking met het aantal lopende ondernemingen Testen van de onderzoeksvraag Analyse van de variabelen Omdat logistische regressie gevoelig is aan multicollineariteit (Ooghe et al.,1993; Doumpos & Zopoudinis, 1999; Ooghe, De Vos & De Bourdeaudhuij,1994) wordt een test uitgevoerd om de correlatie na te gaan tussen de variabelen die opgenomen worden in het falingspredictiemodel. Uit tabel 7 blijkt dat de variabelen gecumuleerde historische rendabiliteit en algemene schuldgraad sterk gecorreleerd zijn met elkaar. De resultaten met betrekking tot de correlatie tussen de variabelen hebben een gevolg op de interpreteerbaarheid van de regressiecoëfficiënten van de variabelen (infra, p.28). 27

38 Tabel 7: Correlatiematrix voor variabelen opgenomen in het logistisch regressiemodel Gecumuleerde historische rendabiliteit Vervallen schulden Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer Gecumuleerde historische rendabiliteit 1,000 -,200 -,102 -,012,963,033 Vervallen schulden -,200 1,000 -,052 -,108 -,202 -,611 Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -,102 -,052 1,000 -,001 -,062,047 -,012 -,108 -,001 1,000 -,010,025,963 -,202 -,062 -,010 1,000 -,006,033 -,611,047,025 -,006 1,000 In tabel 8 worden de regressiecoëfficiënten en de significantiewaarde van de variabelen in het logistisch regressiemodel weergegeven. Op basis van deze resultaten kan besloten worden dat de variabele kwaliteit van het resultaatcijfer een significante bijdrage levert aan het model. Echter, de variabelen zelffinanciering van de investeringen, sterkte van de groepsbinding en algemene schuldgraad zijn niet significant. De variabele gecumuleerde historische rendabiliteit is slechts significant op het 10% significantieniveau. Hoge correlatie kan een reden zijn die leidt tot het niet significant zijn van de variabelen. Vier van de vijf variabelen hebben een regressiecoëfficiënt met hetzelfde teken als de voorspelde invloedsrichting van het oorspronkelijk OJD(91)-model(3JVF) (Ooghe & Van Wymeersch, 2008). Enkel de variabele algemene schuldgraad heeft een tegengesteld teken ten opzichte van het verwachte teken. Dit kan opnieuw te wijten zijn aan de hoge correlatie met de variabele gecumuleerde historische rendabiliteit. Gezien dit model lijdt onder een zekere mate van multicollineariteit (supra, p.27), kunnen de tekens van de coëfficiënten uit tabel 8 niet correct geïnterpreteerd worden. 28

39 Tabel 8: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel Coëfficiënt P-waarde Verwacht teken Gecumuleerde historische rendabiliteit,025,083*** + Vervallen schulden -1,426,000* - Zelffinanciering van de investeringen,054,203 + Sterkte van de groepsbinding 1,018,455 + Algemene schuldgraad,026,187 - Kwaliteit van het resultaatcijfer -,823,000* - * Significant op het 1% significantieniveau *** Significant op het 10% significantieniveau Om toch een besluit te kunnen trekken omtrent het teken van de regressiecoëfficiënt van de variabele kwaliteit van het resultaatcijfer werd de logistische regressie opnieuw uitgevoerd, weliswaar met een andere methode, namelijk de stepwise method. Deze methode gaat per variabele na of deze significant is. Indien de variabele significant is, dan wordt deze opgenomen in het model en vice versa. Tabel 9 geeft de regressiecoëfficiënten weer die bekomen worden met deze tweede methode. De variabelen van het oorspronkelijke OJD(91)-model(3JVF) die weerhouden werden hebben de verwachte invloedsrichting. Het negatieve teken van de variabele kwaliteit van het resultaatcijfer duidt aan dat een grotere mate van resultaatsturing (en dus een lagere kwaliteit van het resultaatcijfer) een hogere falingskans met zich meebrengt. Tabel 9: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel (stepwise method) Coëfficiënt P-waarde Verwacht teken Gecumuleerde historische rendabiliteit,009,036** + Vervallen schulden -11,453,000* - Kwaliteit van het resultaatcijfer -,834,000* - * Significant op het 1% significantieniveau ** Significant op het 5% significantieniveau Prestatie van het model Vervolgens wordt de prestatie van het classificatiemodel geanalyseerd, wat in de literatuur de goodness-of-fit genoemd wordt Ooghe, Camerlynck & Balcaen, 2003). Het doel van dit onderzoek is het testen of de prestatie van een falingspredictiemodel verhoogt indien er een extra variabele opgenomen wordt die de mate van resultaatsturing meet. Dit betekent dat iedere toegepaste prestatiemaatstaf (performance measure) tussen beide modellen (namelijk het model zonder en met de extra variabele) vergeleken zal worden. 29

40 Een eerste prestatiemaatstaf is de classificatieregel. Gezien falingspredictiemodellen het correct classificeren van een onderneming in de falende of lopende groep tot doel hebben, wordt deze maatstaf vaak toegepast wordt bij de evaluatie van de prestatie van deze modellen. De classificatieregel brengt namelijk op basis van een score en een afkappunt 26 elke onderneming onder in één groep. In dit onderzoek wijst een lage score van een onderneming op een hoge falingskans. Een onderneming met een hoge falingskans, wordt daarom ondergebracht in de falende groep indien de score lager is dan het afkappunt. Indien de score van een onderneming hoger is dan het afkappunt, wordt deze ondergebracht in de lopende groep van ondernemingen. Er kunnen echter twee types van misclassificaties gemaakt worden. Enerzijds is er de type I-classificatiefout waarbij een gefaalde onderneming als een lopende wordt geclassificeerd. Dit stelt het kredietrisico voor. Anderzijds is er de type II-classificatiefout waarbij een lopende onderneming als een gefaalde wordt geclassificeerd. Deze fout stelt het commerciële risico voor (Ooghe et al., 2009). Uit de vergelijking van de classificatietabellen van de logistische regressie zonder en met de variabele kwaliteit van het resultaatcijfer (respectievelijk tabel 10 en 11) blijkt dat de type I-classificatiefout gereduceerd wordt met een aantal van 86 ondernemingen en dat de type II-classificatiefout toeneemt met 79 ondernemingen indien de extra variabele kwaliteit van het resultaatcijfer opgenomen wordt. Het opnemen van de variabele kwaliteit van het resultaatcijfer impliceert dat zeven ondernemingen meer correct geclassificeerd worden in vergelijking met het originele falingspredictiemodel. Vervolgens wordt de prestatie van het model geëvalueerd op basis van de R² maatstaf. Verschillende maatstaven van het R²-type zijn mogelijk, maar de count R² is de meest geschikte (Ooghe, Camerlynck & Balcaen, 2003). Deze maatstaf is gebaseerd op de classificatieregel en wordt berekend op basis van het aantal correct en foutief geclassificeerde ondernemingen. De count R² stijgt van 75,5% 27 naar 75,8% 28 indien de variabele kwaliteit van het resultaatcijfer opgenomen wordt. Dit is waar te nemen in tabel 10 en In dit onderzoek is het toegepaste afkappunt 0,5. 27 De berekening van de count R² van het model zonder de variabele kwaliteit van het resultaatcijfer : ( ) / ( ) 28 De berekening van de count R² van het model met de variabele kwaliteit van het resultaatcijfer : ( ) / ( ) 30

41 Tabel 10: Classificatietabel van het logistisch regressiemodel zonder variabele kwaliteit van het resultaatcijfer Voorspeld Falende ondernemingen Lopende ondernemingen Percentage correct Geobserveerd Falende ondernemingen ,6 Lopende ondernemingen ,2 Algemeen classificatiepercentage (= count R² ) 75,5 Afkappunt: 0,5 Tabel 11: Classificatietabel van het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Voorspeld Falende ondernemingen Lopende ondernemingen Percentage correct Geobserveerd Falende ondernemingen ,4 Lopende ondernemingen ,9 Algemeen classificatiepercentage (= count R² ) 75,8 Afkappunt: 0,5 Toch kan de interpretatie van de count R² misleidend zijn. Op basis van een binair model is het namelijk mogelijk om, zonder kennis van de onafhankelijke variabelen, minstens 50% van de ondernemingen correct te classificeren door ze in de groep onder te brengen die de meeste ondernemingen bevat (wat in dit onderzoek de lopende subgroep is) (Janssens et al., 2008). In dit onderzoek vertegenwoordigt de lopende subgroep 75% van de volledige steekproef, waardoor de toewijzing van alle ondernemingen aan de lopende subgroep leidt tot een correcte classificatie van 75% van de ondernemingen. Om deze reden resulteert het totaal percentage correct geclassificeerde ondernemingen in het nulmodel 29 in 75% (tabel 12). De count R² van de falingspredictiemodellen zonder en met de variabele kwaliteit van het resultaatcijfer dienen daarom met voorzichtigheid geïnterpreteerd worden. 29 Het nulmodel is het logistisch regressiemodel zonder onafhankelijke variabelen. 31

42 Tabel 12: Classificatietabel van het nulmodel van het logistisch regressiemodel Voorspeld Falende ondernemingen Lopende ondernemingen Percentage correct Geobserveerd Falende ondernemingen 0 800,0 Lopende ondernemingen ,0 Algemeen classificatiepercentage (= count R² ) 75,0 Afkappunt: 0,5 Om foutieve conclusies te vermijden is het aan te raden om de adjusted count R² te interpreteren. Deze corrigeert de count R² met het grootste rijtotaal. De adjusted count R² van het model zonder de variabele kwaliteit van het resultaatcijfer is 2,1% 30 waaruit besloten kan worden dat dit model, in vergelijking met het nulmodel, de classificatiefout met 2,1% doet dalen. Het model met de extra variabele reduceert de classificatiefout daarentegen met 3,0% 31 in vergelijking met het nulmodel. Ook op basis van de adjusted count R² kan dus besloten worden dat de prestatie van het falingspredictiemodel toeneemt door het opnemen van de extra variabele (de adjusted count R² neemt namelijk toe met 0,9%). Een andere R²-maatstaf ter evaluatie van een logistisch regressiemodel is de Nagelkerke R². Op basis van de Nagelkerke R² kan, in overeenstemming met de andere prestatiemaatstaven, besloten worden dat de prestatie toeneemt indien de variabele kwaliteit van het resultaatcijfer opgenomen wordt. Er is namelijk een stijging van de Nagelkerke R² van 1,2% waar te nemen (tabel 13). Dit betekent dat door het opnemen van de variabele kwaliteit van het resultaatcijfer de verklaring van de variantie van de afhankelijke variabele door de onafhankelijke variabelen, met 1,2% toeneemt. Tabel 13: Nagelkerke R² van het logistisch regressiemodel zonder en met variabele 'kwaliteit van het resultaatcijfer' Nagelkerke R² Model zonder variabele kwaliteit van het resultaatcijfer 34,1% Model met variabele kwaliteit van het resultaatcijfer 35,3% Een laatste evaluatie van de prestatie van het model gebeurt aan de hand van de Omnibus test. De Chi-kwadraat-waarde weergegeven in de Omnibus test in tabel 14, geeft de verbetering (positief getal) of verslechtering (negatief getal) weer van het geteste model in vergelijking met een model dat een of 30 De berekening van de adjusted count R² van het model zonder de variabele kwaliteit van het resultaatcijfer : ( ) / ( ) 31 De berekening van de adjusted count R² van het model met de variabele kwaliteit van het resultaatcijfer : ( ) / ( ) 32

43 meerdere variabelen minder heeft. In dit onderzoek betekent dit dat de vergelijking wordt gemaakt tussen het model met en zonder de variabele kwaliteit van het resultaatcijfer. De Chi-kwadraatwaarde duidt op een verbetering die bovendien significant is. Ook uit deze test kan besloten worden dat de toevoeging van de variabele kwaliteit van het resultaatcijfer de prestatie van het model verhoogt. Tabel 14: Omnibus test ter vergelijking (van de prestatie) van het nulmodel en het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Chi-kwadraat Chi-kwadraat P-waarde 40,445,000* * Significant op het 1% significantieniveau Additionele controletesten Er dient opgemerkt te worden dat het oorspronkelijk model van Defond & Park (2001) gebruik maakt van de variabele omzet in plaats van de brutomarge (zie vergelijking (1)). Omzet (70) en handelsgoederen, grond- en hulpstoffen; diensten en diverse goederen (60/61) zijn facultatieve vermeldingen voor ondernemingen met het verkorte schematype. Aangezien ondernemingen met ontbrekende gegevens niet opgenomen worden in de dataset, zou gebruik van de rubriek omzet impliceren dat de originele dataset noodgedwongen gereduceerd wordt met ongeveer 61,7% 32 ten opzichte van de gebruikte dataset. Om deze reden werd in het model van Defond & Park (2001) de brutomarge gebruikt ter benadering van de omzet. Om na te gaan of het gebruik van de brutomarge in plaats van de omzet een invloed heeft op de berekening van de kwaliteit van het resultaatcijfer, wordt een eerste additionele controletest uitgevoerd. Deze test vereist een nieuwe steekproef die samengesteld is uit ondernemingen met het volledige schematype 33. Deze verkleinde steekproef is samengesteld uit alle falende ondernemingen met het volledige schematype. In overeenstemming met de hiervoor gebruikte werkwijze (supra, p.18) worden drie keer zoveel lopende als falende ondernemingen at random geselecteerd. Gezien er 20 falende ondernemingen met volledig schematype beschikbaar zijn in de volledige dataset, wordt een lopende subgroep bekomen bestaande uit 60 ondernemingen. In tabel 15 worden de eigenschappen van de variabele kwaliteit van het resultaatcijfer, berekend op basis van de brutomarge, vergeleken met de eigenschappen indien de berekening gemaakt wordt met de omzet. Uit bijlage 28 kan besloten worden dat de mediaan van de variabele kwaliteit van het resultaatcijfer berekend op basis van de brutomarge, niet significant verschilt van de mediaan van deze variabele berekend op basis van de omzet. 32 De volledige dataset zou gereduceerd worden tot ondernemingen (meer specifiek 340 falende en lopende ondernemingen). Gezien de toegepaste werkwijze waarbij de lopende steekproef samengesteld wordt op basis van het aantal falende ondernemingen, zou dit resulteren in een veel kleinere steekproef (namelijk een steekproef van ondernemingen). 33 Gezien ondernemingen met het volledige schematype verplicht zijn om de rubrieken omzet en handelsgoederen, grond- en hulpstoffen; diensten en diverse goederen te publiceren werd de controletest uitgevoerd op deze ondernemingen. 33

44 Tabel 15: Eigenschappen van de variabele kwaliteit van het resultaatcijfer berekend op basis van omzet versus brutomarge Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer (berekend op basis van de brutomarge) Kwaliteit van het resultaatcijfer (berekend op basis van de omzet),17,24,00,03,08,19 1,00,13,15,00,03,08,17,69 Deze extra controletest suggereert dat de resultaten niet vertekend zijn door het gebruik van brutomarge in plaats van de omzet bij de berekening van de kwaliteit van het resultaatcijfer. Toch dient deze controletest met enige voorzichtigheid geïnterpreteerd te worden gezien deze uitgevoerd is op een zeer kleine dataset. Een logistische regressie vereist een minimumaantal van 5 observaties per onafhankelijke variabele. Het gewenste aantal om de resultaten te kunnen veralgemenen is echter 15 à 20 observaties per onafhankelijke variabele (Hair, Black, Babin, Anderson & Thatham, 2005). Dit betekent dat, om de resultaten te kunnen veralgemenen, het gewenste aantal ondernemingen 90 à 120 is. Dit vereist een groter aantal ondernemingen dan het aantal dat voorhanden is in deze steekproef. Een tweede controle die aangewezen is om uit te voeren op het gevoerde onderzoek heeft betrekking op het uitsluiten van de variabele lengte tussen afsluitings- en publicatiedatum in de logistische regressie. Dit kan leiden tot een vertekening van de resultaten. Het is namelijk mogelijk dat deze variabele sterk gecorreleerd is met de variabele kwaliteit van het resultaatcijfer waardoor de kans bestaat dat er verkeerdelijk geconcludeerd wordt dat de prestatie van het model (zonder de variabele lengte tussen afsluitings- en publicatiedatum ) stijgt door de opname van de variabele kwaliteit van het resultaatcijfer. Om de invloed van deze vertekening zo goed als mogelijk na te gaan werd een extra controle uitgevoerd op een kleine dataset waarbij de variabele lengte tussen afsluitings- en publicatiedatum wel opgenomen wordt in het falingspredictiemodel. Deze extra steekproef is samengesteld op basis van een at random steekproef van 10% lopende en 10% falende ondernemingen uit de oorspronkelijke steekproef. Vervolgens wordt het gegeven publicatiedatum van de jaarrekening per onderneming handmatig opgezocht in de Balanscentrale van de NBB. Vervolgens wordt de variabele lengte tussen afsluitings- en publicatiedatum berekend en worden ondernemingen verwijderd waarvoor de waarde van deze variabele meer dan drie standaardafwijkingen van het gemiddelde verwijderd liggen. Dit resulteert in een steekproef van 302 ondernemingen. Tabel 16 en 17 geven de eigenschappen weer van de variabelen van de logistische regressie in de falende en lopende subgroep. Uit de normaliteitstest (bijlage 29) blijkt dat de variabele lengte tussen afsluitings- en publicatiedatum niet normaal verdeeld is. Bij de univariate teststatistieken zal bijgevolg (telkens) de niet-parametrische test uitgevoerd worden. Bijlage 30 geeft grafisch de verdeling van 34

45 deze variabele weer waaruit echter afgeleid kan worden dat deze variabele de normaalverdeling (dicht) benadert. Het lijkt dus geoorloofd om ter controle een parametrische test te interpreteren. Uit bijlage 31 valt af te lezen dat de mediaan van de variabele lengte tussen afsluitings- en publicatiedatum significant verschilt tussen de lopende en falende ondernemingen. Hieruit kan besloten worden dat het aantal dagen tussen de afsluiting en publicatie van de jaarrekening groter is bij de falende ondernemingen dan bij lopende. Op basis van de parametrische test kan dezelfde conclusie getrokken worden (bijlage 31). Tabel 16: Eigenschappen van de schaalvariabelen opgenomen in het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) (falende en lopende ondernemingen) Falende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Gecumuleerde historische rendabiliteit Lengte tussen afsluitings- en publicatiedatum Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -1,14 5,18-45,04 -,49 -,14,05,74 260,80 137,64 138,00 185,00 215,00 272,00 859,00,01,46-1,81 -,06,04,13 2,33,01,04,00,00,00,00,21 1,40 2,52,00,69,94 1,23 21,85,34,36,00,06,17,55 1,00 35

46 Lopende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Gecumuleerde historische rendabiliteit Lengte tussen afsluitings- en publicatiedatum Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -2,48 34,25-513,99 -,07,11,32,98 211,49 84,11 54,00 173,00 196,00 240,00 951,00 -,07 2,08-24,94,03,10,18 2,40,00,03,00,00,00,00,26 2,52 26,85,00,38,66,87 404,98,19,26,00,03,08,23 1,00 Tabel 17: Eigenschappen van de nominale variabele opgenomen in het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) (falende en lopende ondernemingen) Falende ondernemingen Lopende ondernemingen Vervallen schulden Ondernemingen zonder vervallen schulden Ondernemingen met vervallen schulden Aantal Rij % Kolom % Aantal Rij % Kolom % ,8% 84,0% ,2% 94,8% ,8% 16,0% ,2% 5,2% Tabel 18 toont aan dat de variabelen lengte tussen afsluitings- en publicatiedatum en kwaliteit van het resultaatcijfer weinig gecorreleerd zijn. Er kan dus gesuggereerd worden dat de prestatiestijging van het falingspredictiemodel door toevoeging van de variabele kwaliteit van het resultaatcijfer niet teniet gedaan zal worden door het opnemen van de variabele lengte tussen afsluitings- en publicatiedatum. 36

47 Tabel 18: Correlatiematrix voor variabelen opgenomen in het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) Gecumuleerde Lengte tussen Zelffinanciering Sterkte van Kwaliteit van historische afsluitings- en Vervallen van de de Algemene het rendabiliteit publicatiedatum schulden investeringen groepsbinding schuldgraad resultaatcijfer Gecumuleerde historische rendabiliteit Lengte tussen afsluitings- en publicatiedatum Vervallen schulden Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer 1,000 -,243,005 -,773 -,030,995,141 -,243 1,000 -,788,242 -,054 -,238 -,291,005 -,788 1,000 -,087 -,056 -,001 -,126 -,773,242 -,087 1,000,019 -,744 -,046 -,030 -,054 -,056,019 1,000 -,030,090,995 -,238 -,001 -,744 -,030 1,000,135,141 -,291 -,126 -,046,090,135 1,000 Vervolgens wordt de onderzoeksvraag opnieuw getest, weliswaar op de verkleinde steekproef (waarbij de variabele lengte tussen afsluitings- en publicatiedatum opgenomen wordt in het model). Tabel 19 geeft de coëfficiënten van de variabelen van het opgestelde falingspredictiemodel weer. De variabele kwaliteit van het resultaatcijfer is ook in dit model significant. Tabel 19: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel Coëfficiënt P-waarde Verwacht teken Gecumuleerde historische rendabiliteit,031,741 + Lengte tussen afsluitings- en publicatiedatum,000,871 - Vervallen schulden 1,470,000* + Zelffinanciering van de investeringen -,078,597 + Sterkte van de groepsbinding -3,225,384 + Algemene schuldgraad,042,714 - Kwaliteit van het resultaatcijfer -1,460,001* - * Significant op het 1% significantieniveau 37

48 De adjusted count R² stijgt met 2,0% wanneer de variabele kwaliteit van het resultaatcijfer opgenomen wordt. Ook de Nagelkerke R² kent een stijging, namelijk 3,8% (tabel 20). Tabel 20: Nagelkerke R² en adjusted count R² van het logistisch regressiemodel (met variabele lengte tussen afsluitings- en publicatiedatum ) Adjusted count R² Nagelkerke R² Model zonder variabele kwaliteit van het resultaatcijfer -1,7% 30,9% Model met variabele kwaliteit van het resultaatcijfer 0,3% 34,7% De Omnibus test (tabel 21) geeft eveneens aan dat de prestatie van het falingspredictiemodel verbetert door toevoeging van de variabele kwaliteit van het resultaatcijfer. Tabel 21: Omnibus test ter vergelijking (van de prestatie) van het nulmodel en logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer (met variabele lengte tussen afsluitings- en publicatiedatum ) Chi-kwadraat Chi-kwadraat P-waarde 11,195,001* * Significant op het 1% significantieniveau Uit de resultaten van deze controletest kan besloten worden dat ook bij opname van de variabele lengte tussen afsluitings- en publicatiedatum in het model de variabele kwaliteit van het resultaatcijfer een meerwaarde biedt voor het falingspredicitiemodel. Er kan gesuggereerd worden dat er geen grote vertekening van de resultaten is door het weglaten van de variabele lengte tussen afsluitings- en publicatiedatum uit het OJD(91)-model(3JVF). 4. Robuustheidstest (robustness check) Bij wijze van additionele controle van de resultaten wordt de onderzoeksvraag opnieuw onderzocht waarbij de variabele kwaliteit van het resultaatcijfer niet berekend wordt op basis van het model van Defond & Park (2001) maar op basis van het model van Dechow & Dichev (2002) Bespreking van het model van Dechow & Dichev (2002) De redenering van Dechow & Dichev (2002) vertrekt van het algemeen uitgangspunt dat accruals gebruikt worden om een resultaatcijfer te bekomen dat de prestaties van de onderneming beter weergeeft dan wanneer louter de kasstromen gerapporteerd worden. Op die manier worden opbrengsten en kosten gerapporteerd in het jaar waarop ze betrekking hebben. Bij een onjuiste inschatting van de nodige aanpassingen om het behaalde resultaat te weerspiegelen zijn de accruals echter niet correct en is er afbreuk van de kwaliteit van het huidige resultaat. Daarenboven dient deze fout in het toekomstige resultaat gecorrigeerd te worden met behulp van accruals. In discretionaire 38

49 accrualmodellen vertrekt men van de veronderstelling dat deze inschattingsfout bewust ontstaat door beslissingen van het management. Dechow & Dichev (2002) vertrekken daarentegen van een meer omvattende oorzaak van deze inschattingsfout. Deze bestaat volgens hen zelfs in geval van afwezigheid van opzettelijke resultaatsturing met behulp van accruals, omdat deze fout ook gerelateerd is aan bedrijfs- en industriespecifieke kenmerken. De kwaliteit van de accruals (waarbij een hoge kwaliteit gelijk is aan een zo correct mogelijke inschatting en/of correctie van de accruals) wordt per bedrijf empirisch onderzocht door na te gaan in welke mate de wijziging in nettobedrijfskapitaalbehoefte weergegeven wordt in de operationele kasstromen. De mate waarin deze wijziging in nettobedrijfskapitaalbehoefte verkeerdelijk geschat en/of gecorrigeerd wordt is de residuterm van vergelijking (2). Deze residuterm zorgt ervoor dat de gelijkheid tussen de wijziging in nettobedrijfskapitaalbehoefte en de operationele kasstromen waarop deze accruals betrekking hebben, voldaan is 34. De residuterm is met andere woorden een maatstaf voor de kwaliteit van de accruals. Praktisch gezien wordt er gebruik gemaakt van bedrijfsspecifieke lineaire regressies om de maatstaf voor de kwaliteit van de accruals te bekomen: NBK t = b 0 +b 1 * OKS t-1 +b 2 * OKS t + b 3 OKS t+1 + ε t (2) Met: NBK: wijziging in nettobedrijfskapitaalbehoefte (working capital accruals) =( vlottende activa liquide middelen geldbeleggingen) ( schulden op ten hoogste één jaar schulden op meer dan een jaar, die binnen het jaar vervallen financiële schulden op korte termijn) OKS: operationele kasstromen =winst van het boekjaar na belastingen totale accruals Totale accruals =( vlottende activa liquide middelen geldbeleggingen) ( schulden op ten hoogste één jaar schulden op meer dan een jaar, die binnen het jaar vervallen financiële schulden op korte termijn) afschrijvingen 34 Er dient opgemerkt te worden dat de operationele kasstromen van vorig, huidig en volgend boekjaar meer omvatten dan louter het deel van deze kasstromen dat betrekking heeft op de huidige wijziging in nettobedrijfskaptaalbehoefte. Gezien het niet mogelijk is om dit deel van de operationele kasstromen te meten gebruiken Dechow & Dichev (2002) de totale operationele kasstromen. Dit betekent dat de onafhankelijke variabelen in vergelijking (2) meetfouten bevatten. 39

50 t-1: vorig boekjaar (=boekjaar 2006) t: huidig boekjaar ( = boekjaar 2007) t+1: volgend boekjaar (=boekjaar 2008) Het model focust op de wijziging in nettobedrijfskapitaalbehoefte omdat de kasstroomrealisaties die hieraan gerelateerd zijn, meestal binnen hetzelfde jaar plaatsvinden. Er wordt met andere woorden enkel rekening gehouden met de korte termijn accruals (current accruals). De fout die gemeten wordt, is niet gerelateerd aan de kasstromen en bevat zowel fouten in schattingen als in correcties van deze schattingen. Het residu dat bekomen wordt is de maatstaf van de kwaliteit van de accruals en dus van de kwaliteit van het resultaatcijfer. Dechow & Dichev (2002) voeren bedrijfsspecifieke regressies uit op bedrijven waarvan minstens acht boekjaren beschikbaar zijn. De standaardafwijking van de residu s in vergelijking (2) is een maatstaf voor de bedrijfsspecifieke kwaliteit van de accruals. Hoe hoger deze standaardafwijking, hoe lager de kwaliteit. Een alternatief dat Dechow en Dichev (2002) bieden indien niet met tijdreeksgegevens wordt gewerkt is het gebruik van de absolute waarde van het residu. Gezien dit onderzoek de kwaliteit van de accruals slechts in één boekjaar schat, wordt deze laatste werkwijze toegepast. Vervolgens worden de residu s gedeeld door het totaal der activa van het begin van het boekjaar 2004 en wordt op de absolute waarden van de residu s winsorising (supra, p.18) toegepast. Op die manier wordt aldus de variabele kwaliteit van het resultaatcijfer bekomen. Hoe hoger de waarde van deze variabele, hoe slechter de kwaliteit van het resultaatcijfer Resultaten Het doel van deze robuustheidstest houdt in dat de resultaten waarbij de kwaliteit van het resultaatcijfer berekend wordt op basis van het model van Defond & Park (2001) vergeleken met de resultaten indien de berekening gebeurt op basis van het model van Dechow & Dichev (2002). Wanneer daarentegen verschillende conclusies getrokken kunnen worden, dan wordt dit expliciet vermeld. In het eerst deel wordt een beschrijving gegeven van de variabele kwaliteit van het resultaatcijfer, berekend op basis van het model van Dechow & Dichev (2002). Vervolgens wordt de onderzoeksvraag onderzocht. Tot slot wordt een vergelijking gemaakt tussen de resultaten die bekomen worden op basis van de twee toegepaste modellen ter evaluatie van de kwaliteit van het resultaatcijfer Beschrijving variabele kwaliteit van het resultaatcijfer In bijlage 32 wordt een beschrijving gegeven van de eigenschappen van de nodige gegevens voor de berekening van de variabele kwaliteit van het resultaatcijfer op basis van Dechow & Dichev (2002). Uit de normaliteitstest opgenomen in bijlage 33 blijkt dat de variabelen, opgenomen in de lineaire regressie (zie vergelijking (2)), niet normaal verdeeld zijn. Wanneer echter de normaliteit grafisch nagegaan wordt (bijlage 34, 35, 36 en 37), kan besloten worden dat de variabelen naar een normale 40

51 verdeling neigen, waardoor gesuggereerd kan worden dat het geoorloofd is om een lineaire regressie uit te voeren met deze variabelen. In tabel 22 zijn de eigenschappen van de variabele kwaliteit van het resultaatcijfer opgenomen. Falende ondernemingen hebben een slechtere kwaliteit van het resultaatcijfer in vergelijking met lopende ondernemingen. Aangezien zowel op basis van de normaliteitstest (bijlage 38) als de grafische plot (bijlage 39) de variabele kwaliteit van het resultaatcijfer niet normaal verdeeld is, worden enkel niet-parametrische testen uitgevoerd ter evaluatie van de significantie van het verschil. De significantietest (bijlage 40) bevestigt dat de mediaan van beide groepen significant van elkaar verschilt. Op basis van de mediaan kan dus besloten worden dat falende ondernemingen een slechtere kwaliteit van het resultaatcijfer hebben in vergelijking met de lopende ondernemingen. Tabel 22: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (falende en lopende ondernemingen) Falende ondernemingen Gemiddelde Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,27,30,00,05,14,37 1,00 Lopende ondernemingen Gemiddelde Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,19,27,00,03,08,20 1,00 Tabel 23 toont aan dat ondernemingen met het verkorte schematype een betere kwaliteit van het resultaatcijfer hebben. Bovendien is het verschil in mediaan tussen ondernemingen met een verkort dan wel volledig schematype significant (bijlage 41). Tabel 23: Eigenschappen van de variabele kwaliteit van het resultaatcijfer (ondernemingen met verkort en volledig schematype) Verkort schematype Gemiddelde Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,23,25,00,03,10,21 1,00 Volledig schematype Gemiddelde Standaardafwijking Standaardafwijking Standaardafwijking Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Kwaliteit van het resultaatcijfer,92,26,05,83 1,00 1,00 1,00 41

52 Vooraleer overgegaan wordt naar het testen van de onderzoeksvraag, wordt nagegaan of de meerderheid van de ondernemingen, respectievelijk van de lopende en falende subgroep, het resultaat positief dan wel negatief beïnvloedt. Tabel 24 toont aan dat zowel de meerderheid van de falende als van de lopende ondernemingen (respectievelijk 71,0% en 65,9%) het resultaat negatief beïnvloedt. Een Chi-kwadraat-test (bijlage 42) toont aan dat het aantal falende ondernemingen die het resultaat negatief beïnvloedt, wel degelijk significant verschilt van het aantal falende ondernemingen die het resultaat positief beïnvloedt. Dezelfde conclusie kan getrokken worden bij de lopende ondernemingen. De lage waarde van de Cramer s V (0,047) duidt echter aan dat dit verschil zwak is. Tabel 24: Vergelijking richting van de beïnvloeding van het resultaatcijfer (aantal falende versus lopende ondernemingen) Richting beïnvloeding van het resultaatcijfer Neerwaartse beïnvloeding Opwaartse beïnvloeding Falende ondernemingen Lopende ondernemingen Totaal Aantal Rij% Kolom% Tabel % Aantal Rij % Kolom % Tabel % Aantal Tabel% ,4% 71,0% 17,8% ,6% 65,9% 49,4% ,2% ,1% 29,0% 7,3% ,9% 34,1% 25,6% ,8% Testen van de onderzoeksvraag Vervolgens kan met behulp van de logistische regressie de onderzoeksvraag getest worden. Tabel 25 toont aan dat de variabele kwaliteit van het resultaatcijfer een significante bijdrage levert aan het model. Tabel 25: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel Coëfficiënt P-waarde Verwacht teken Gecumuleerde historische rendabiliteit,022,104 + Vervallen schulden 1,368,000* + Zelffinanciering van de investeringen,043,288 + Sterkte van de groepsbinding 2,438,085*** + Algemene schuldgraad,022,248 - Kwaliteit van het resultaatcijfer -,741,000* - * Significant op het 1% significantieniveau *** Significant op het 10% significantieniveau In tabel 26 is de correlatiematrix voor de variabelen van het logistisch regressiemodel opgenomen. Opnieuw blijken de variabelen gecumuleerde historische rendabiliteit en algemene schuldgraad hoog gecorreleerde variabelen te zijn. 42

53 Tabel 26: Correlatiematrix voor variabelen opgenomen in het logistisch regressiemodel Gecumuleerde historische rendabiliteit Vervallen schulden Zelffinanciering van Sterkte van de de investeringen groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer Gecumuleerde historische rendabiliteit 1,000 -,220 -,108 -,027,959,081 Vervallen schulden -,220 1,000 -,081,001 -,223 -,565 Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -,108 -,081 1,000 -,021 -,070,111 -,027,001 -,021 1,000 -,017 -,174,959 -,223 -,070 -,017 1,000,034,081 -,565,111 -,174,034 1,000 Voor de interpretatie van de tekens van de regressie coëfficiënten wordt daarom opnieuw de stepwise methode uitgevoerd (tabel27). De stepwise methode toont dat de variabele kwaliteit van het resultaatcijfer een negatieve regressiecoëfficiënt heeft (tabel 27). Dit teken duidt aan dat een slechtere kwaliteit van het resultaatcijfer een hogere falingskans met zich meebrengt. Tabel 27: Regressiecoëfficiënten, p-waarden en verwachte tekens voor de variabelen opgenomen in het logistisch regressiemodel (stepwise method) Coëfficiënt P-waarde Verwacht teken Gecumuleerde historische rendabiliteit,009,104 + Vervallen schulden 1,390,000* + Kwaliteit van het resultaatcijfer -,717,000* - * Significant op het 1% significantieniveau Ter evaluatie van de prestatie van het model worden de classificatietabellen op basis van de logistische regressie met en zonder de variabele kwaliteit van het resultaatcijfer vergeleken (tabel 28 en 29). Door de opname van de extra variabele wordt één onderneming meer correct geclassificeerd. Dit resulteert in een stijging van de count R² van 0,1% (van 75,5% naar 75,6%). De adjusted count R² stijgt met 0,12% (van 2,13% naar 2,25%). 43

54 Tabel 28: Classificatietabel van het logistisch regressiemodel zonder variabele kwaliteit van het resultaatcijfer Voorspeld Falende ondernemingen Lopende ondernemingen Percentage correct Geobserveerd Falende ondernemingen ,6 Lopende ondernemingen ,2 Algemeen classificatiepercentage (= count R² ) 75,5 Tabel 29: Classificatietabel van het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Voorspeld Falende ondernemingen Lopende ondernemingen Percentage correct Geobserveerd Falende ondernemingen ,4 Lopende ondernemingen ,6 Algemeen classificatiepercentage (= count R² ) 75,6 Wanneer de evaluatie gemaakt wordt op basis van de Nagelkerke R² (tabel 30) kan geconcludeerd worden dat het model meer variantie van de afhankelijke variabele verklaart indien de variabele kwaliteit van het resultaatcijfer opgenomen wordt. De Nagelkerke R² stijgt namelijk met 0,8%. Tabel 30: Nagelkerke R² van het logistisch regressiemodel zonder en met variabele 'kwaliteit van het resultaatcijfer' Nagelkerke R² Model zonder de variabele kwaliteit van het resultaatcijfer 34,1% Model met de variabele kwaliteit van het resultaatcijfer 34,9% Ook de Chi-kwadraat-waarde in de Omnibus test toont dat de opname van de variabele kwaliteit van het resultaatcijfer resulteert in een betere prestatie van het falingspredictiemodel (tabel 31). 44

55 Tabel 31: Omnibus test ter vergelijking (van de prestatie) van het nulmodel en het logistisch regressiemodel met variabele kwaliteit van het resultaatcijfer Chi-kwadraat Chi-kwadraat P-waarde 27,325,000* * Significant op het 1% significantieniveau Vergelijking van Defond & Park (2001) en Dechow & Dichev (2002) Hoewel zowel het model van Defond & Park (2001) als het model van Dechow & Dichev (2002) de kwaliteit van het resultaatcijfer schatten, zijn er toch enkele verschillen waar te nemen. Zo kan bij de resultaten, waarbij de berekening van de variabele kwaliteit van het resultaatcijfer gebeurt op basis van model van Dechow & Dichev (2002), besloten worden dat ondernemingen met het volledig schematype het resultaat meer beïnvloeden dan ondernemingen met het verkort schematype. Daarnaast kan geconcludeerd wordend dat zowel de meerderheid van de lopende als falende ondernemingen het resultaat neerwaarts beïnvloeden. Deze conclusies zijn niet in overeenstemming met de resultaten wanneer de variabele kwaliteit van het resultaatcijfer geschat wordt met model van Defond & Park (2001). Wanneer de vergelijking wordt gemaakt met betrekking tot de onderzoeksvraag, kan over het algemeen besloten worden dat, onafhankelijk of de variabele kwaliteit van het resultaatcijfer geschat wordt op basis van het model van Defond & Park (2001) of het model van Dechow & Dichev (2002), de resultaten met betrekking tot de prestatie van het model gelijklopend zijn. Via beide berekeningswijzen resulteert de opname van de extra variabele namelijk in een stijging van alle prestatiemaatstaven. Echter, indien de berekening met het model van Dechow & Dichev (2002) uitgevoerd wordt, is de prestatiestijging steeds minder groot. Als expliciete vergelijkingstest van de twee modellen wordt de variabele kwaliteit van het resultaatcijfer, berekend op basis van de verschillende modellen, vergeleken. Op basis van het model van Defond & Park (2001) blijkt de kwaliteit van het resultaatcijfer beter te zijn dan op basis van het model van Dechow & Dichev (2002) (tabel 32). Uit bijlage 43 kan besloten worden dat het verschil in mediaan tussen de variabelen berekend op basis van één van de twee modellen significant is. De Pearson correlatie-coëfficiënt (bijlage 44) duidt echter aan dat de twee berekeningswijzen significant met elkaar gecorreleerd zijn, al duidt de lage correlatiewaarde (0,414) aan dat deze correlatie niet sterk is. Er kan dus besloten worden dat beide berekeningswijzen elkaar benaderen, maar dat ze toch verschillende aspecten omvatten. 45

56 Tabel 32: Centrale maten van de variabele kwaliteit van het resultaatcijfer (berekend met het model van Defond & Park (2001) versus Dechow en Dichev (2002)) Gemiddelde Mediaan Kwaliteit van het resultaatcijfer berekend op basis van het model van Defond & Park (2001) Kwaliteit van het resultaatcijfer berekend op basis van het model van Dechow & Dichte (2002),21,09,25,12 46

57 D. ALGEMEEN BESLUIT Managers kunnen verscheidene motieven hebben om het resultaat in een bepaalde richting te sturen. In het verleden hebben onverwachte faillissementen van ondernemingen, die het resultaatcijfer beïnvloed hebben, reeds aangetoond dat belang gehecht dient te worden aan het kwalitatieve aspect van de jaarrekening. Deze problematiek doet daarom de vraag rijzen of het in rekening nemen van de kwaliteit van de jaarrekeninggegevens een bijdrage kan leveren tot het voorspellen van een faillissement. De bestaande modellen voor succes en faling zijn gebaseerd op financiële ratio s berekend op basis van jaarrekeninginformatie waarvan impliciet verondersteld wordt een waarheidsgetrouw beeld te bieden van de financiële situatie van een onderneming. Door resultaatsturing toe passen wordt de rapportering van financiële gegevens beïnvloed en de kwaliteit van het resultaatcijfer aangetast. De kans op faling of succes van een onderneming schatten op basis van een falingspredictiemodel zonder na te gaan of de gebruikte gegevens de realiteit weerspiegelen, kan bijgevolg tot verkeerde conclusies leiden. Deze studie heeft als doel na te gaan of de prestatie van een bestaand model ter voorspelling van succes en faling verbetert indien de kwaliteit van het resultaatcijfer in rekening gebracht wordt. Deze kwaliteit wordt in dit onderzoek gemeten aan de hand van de mate waarin de onderneming het resultaat boekhoudkundig stuurt (accrual earnings management). Tot op heden werd in de literatuur enkel gesuggereerd dat het in rekening nemen van de toegepaste resultaatsturing een bijdrage kan leveren tot falingspredictie, terwijl expliciet onderzoek naar dit verband ontbreekt. De resultaten van dit onderzoek bieden daarom een eerste inzicht in de voorspellende kracht van boekhoudkundige resultaatsturing om de falingskans van een onderneming in te schatten. Belgische, niet-beursgenoteerde ondernemingen vormen het voorwerp van deze studie. De onderzoeksvraag wordt toegepast op het logitmodel drie jaar voor faling van Ooghe, Joos & De Vos ( 91) voor volledige en verkorte jaarrekeningen. Om de toegepaste boekhoudkundige resultaatsturing in te schatten wordt het model ontworpen door Defond & Park (2001) toegepast. Ter evaluatie van de robuustheid van het resultaat wordt een ander model gebruikt voor de inschatting van de kwaliteit van het resultaat (meer specifiek het model ontwikkeld door Dechow & Dichev (2002). Vervolgens worden de resultaten op basis van beide modellen vergeleken. De prestatie van een falingspredictiemodel wordt in dit onderzoek nagegaan met vijf prestatiemaatstaven. De vergelijking van de prestatie van het oorspronkelijke model met het model dat de kwaliteit van het resultaatcijfer in rekening neemt, toont aan dat de toevoeging van deze variabele resulteert in een prestatiestijging. Deze prestatiestijging wordt op basis van elke toegepaste prestatiemaatstaven waargenomen. Deze resultaten suggereren daarom dat in verder onderzoek inzake falingspredictiemodellen aandacht gevestigd moet worden op de kwaliteit van de gebruikte jaarrekeninggegevens. 47

58 In deze studie is getracht om de bijdrage van de mate van resultaatsturing als extra verklarende variabele van een falingspredictiemodel zo goed en grondig mogelijk te analyseren. Toch is het uitgevoerde onderzoek onderhevig aan enkele beperkingen. Het is van belang om bij de interpretatie van de resultaten rekening te houden met deze beperkingen. Een eerste beperking heeft te maken met de beschikbaarheid van de jaarrekeninginformatie. Er dient opgemerkt te worden dat sommige ondernemingen in moeilijkheden enkele jaren voor het faillissement hun jaarrekening niet meer neerleggen, ook al is dit wettelijk verplicht. Daarnaast is er voor de berekening van de mate van resultaatsturing op basis van het model van Defond & Park (2001) nood aan de rubriek omzet. Gezien ondernemingen met het verkorte schematype niet verplicht zijn om de omzet te rapporteren zijn er veel ondernemingen die deze niet publiceren. Om deze reden is geopteerd om de brutomarge te gebruiken als benadering voor de omzet. Bovendien beperkt dit onderzoek zich tot ondernemingen waarvoor jaarrekeninginformatie beschikbaar is op de Bel-first DVD. Een andere beperking bij het gebruik van de Bel-first DVD is dat één onafhankelijke variabele van het oorspronkelijke OJD(91)-model(3JVF) niet berekenbaar is omdat de publicatiedatum van de jaarrekening in deze database een ontbrekend gegeven is. De originele logistische regressiecoëfficiënten van het oorspronkelijke OJD(91)-model(3JVF) kunnen niet worden vrijgegeven omwille van een exclusief licentiecontract met informatieleverancier NV Graydon (Ooghe & Van Wymeersch, 2008). Uit een studie van Ooghe & Balcaen (2007) is echter gebleken dat de herschatting van de logistische regressiecoëfficiënten met een andere dataset tot andere resultaten kan leiden. Gezien dit onderzoek niet tot doel heeft om het oorspronkelijke model te evalueren, maar om een prestatievergelijking te maken tussen het oorspronkelijke model en het model waarbij de mate van resultaatsturing in rekening genomen wordt is dit geen al te belangrijke beperking. Daarnaast worden falingspredictiemodellen opgesteld met het oog op het gebruiksgemak voor de uiteindelijke gebruiker. Zo zijn alle variabelen die opgenomen zijn in de originele falingspredictiemodellen van Ooghe, Joos & De Vos ( 91) berekenbaar op basis van één jaarrekening. Echter, wanneer de kwaliteit van het resultaatcijfer als bijkomende verklarende variabele opgenomen wordt, is er nood aan jaarrekeninginformatie van meerdere boekjaren. Dit zorgt voor een vermindering in het gebruiksgemak van het falingspredictiemodel. Daarenboven bemoeilijkt de selectie van twee of meer opeenvolgende jaarrekeningen, die bovendien hetzelfde schematype (volledig of verkort) volgen, ten zeerste de samenstelling van een representatieve steekproef (Ooghe & Van Wymeersch, 2008). Een ander gevolg is dat recent opgerichte ondernemingen niet tot de steekproef behoren. Ook de gebruikte modellen ter evaluatie van de kwaliteit van het resultaatcijfer resulteren in enkele beperkingen van het gevoerde onderzoek. Defond & Park (2001) schatten namelijk de benodigde nettobedrijfskapitaalbehoefte om de huidige verkopen te ondersteunen, op basis van de nettobedrijfskapitaalbehoefte en verkopen van het vorige jaar. Dit impliceert dat Defond & Park (2001) 48

59 veronderstellen dat de jaarrekening in het jaar voor het jaar waarin de kwaliteit van het resultaat geëvalueerd wordt niet onderworpen is aan resultaatsturing. Dit is een zware assumptie die mogelijks tot een verkeerde conclusie kan leiden met betrekking tot de grootte van de discretionaire accruals in het huidige jaar. Het model van Dechow & Dichev (2002) gebruikt de operationele kasstromen van vorig, huidig en volgend boekjaar, terwijl deze meer omvatten dan louter het deel van deze kasstromen dat betrekking heeft op de wijziging in nettobedrijfskapitaalbehoefte. Gezien het niet mogelijk is om dit deel van de operationele kasstromen te meten gebruiken deze auteurs de totale operationele kasstromen. Hierdoor is er een meetfout in de onafhankelijke variabelen en bijgevolg ook in de variabele kwaliteit van het resultaatcijfer. Uitbreiding van het onderzoek met andere maatstaven voor de kwaliteit van het resultaatcijfer kan daarom nog een beter inzicht geven in de onderzochte onderzoeksvraag. De onderzoeksvraag van deze studie werd slechts op één falingspredictiemodel uitgetest. Toekomstig onderzoek kan de onderzoeksopzet daarom uitbreiden naar andere falingspredictiemodellen waardoor een breder inzicht verkregen kan worden in de vooropgestelde onderzoeksvraag. Idealiter start men van een set van variabelen die in de literatuur vaak weerhouden worden ter voorspelling van succes of faling van een onderneming. Zo kan nagegaan worden of de variabele die de kwaliteit van het resultaatcijfer nagaat, weerhouden wordt als een variabele die een significante bijdrage levert aan het falingspredictiemodel. Tenslotte dient opgemerkt te worden dat op basis van de resultaten van dit onderzoek geen uitspraak gedaan kan worden in verband met de externe validiteit. Er wordt namelijk enkel met een schattingssteekproef gewerkt. Om na te gaan of de accuraatheid stijgt bij het opnemen van een variabele die de kwaliteit van het resultaat meet wordt daarom verwezen naar verder onderzoek waarbij zowel gewerkt wordt met een schattingssteekproef als met een valideringssteekproef. 49

60 LIJST VAN GERAADPLEEGDE WERKEN Abad C., Arquero J. L. & Jiménez S. M. (2007) Syndromes leading to failure: an exploratory research, Investment Management and Financial Innovations, 4, p Abad C., Arquero J.L. & Jiménez, S.M. (2003) La calidad de la información contable de las empresas fracasadas (The quality of accounting information of failed firms), Boletín AECA, 62, p Altman E.I. (1968) Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, The Journal of Finance, 23 (4), p Balcaen S. & Ooghe H. (2006) 35 Years of studies on business failure: an overview of the classic statistical methodologies and their related problems, British Accounting Review, 38 (1), p Barth M.E., Elliott J.A. & Finn M.W. (1999) Market rewards associated with patterns of increasing earnings, Journal of Accounting Research, 37 (2), p Beaver W. H. (1967) Financial ratios of predictors of failure, empirical research in accounting: selected studies 1966, Journal of Accounting Research, 4 (suppl.), p Belfirst DVD van Bureau Van Dijk Electronic Publishing (versie september 2010) Beneish M. D. (2001) Earnings management: a perspective, Managerial Finance, 27 (12), p Burgstahler D. & Dichev I. (1997) Earnings management to avoid earnings decreases and losses, Journal of Accounting & Economics, 24 (1), p Carey P. & Simnett, R. (2006) Audit Partner Tenure and Audit Quality, The Accounting Review, 81 (3), p Charitou A., Lambertides N. & Trigeorgis L. (2007a) Managerial discretion in distressed firms, British Accounting Review, 39 (4), p Charitou A., Lambertides N. & Trigeorgis L. (2007b) Earnings behavior of financially distressed firms: The role of institutional ownership, Abacus, 43 (3), p DeAngelo H., DeAngelo L. & Skinner D.J. (1996) Reversal of fortune dividend signaling and the disappearance sustained earnings growth, Journal of Financial Economics, 40 (3), p VII

61 Dechow P.M. (1994) Accounting earnings and cash flows as measures of firm performance: The role of accounting accruals, Journal of Accounting & Economics, 18 (1), p Dechow P.M. & Dichev I.D. (2002) The quality of accruals and earnings: the role of accrual estimation errors, The Accounting Review, 77 (supplement: quality of earnings conference), p Dechow P.M., Ge W. & Schrand C.M. (2010) Understanding earnings quality: A review of the proxies, their determinants and their consequences, Journal of Accounting and Economics, Forthcoming, URL: < (11/05/2011). Dechow P.M., Sloan R.G. & Sweeney A.P. (1995) Detecting earnings management, The Accounting Review, 70 (2), p Dechow P.M., Sloan R.G. & Sweeney A.P. (1996) Causes and consequences of earnings manipulation: An analysis of firms subject to enforcement actions by the SEC, Contemporary Accounting Research, 13 (1), p Defond M.L. & Jiambalvo J. (1994) Debt covenant violation and manipulation of accruals, Journal of Accounting and Economics, 17 (1-2), p DeFond M.L. & Park C.W. (2001) The reversal of abnormal accruals and the market valuation of earnings surprises, The Accounting Review, 76 (3), p Degeorge F., Patel J. & Zeckhauser R. (1999) Earnings management to exceed thresholds, The Journal of Business, 72 (1), p Dhaliwal D.S. (1980) The effect of the firm s capital structure on the choice of accounting methods, The Accounting Review, 55 (1), p Doumpos M. & Zopoudinis C. (1999) A multicriteria discrimination method for the prediction of financial distress: the case of Greece, Multinational Finance Journal, 3 (2), p Duke J.C. & Hunt H. G.III (1990) An empirical examination of debt covenant restrictions and accounting-related debt proxies, Journal of Accounting and Economics, 12 (1-3), p Eisenbeis R. A. (1977) Pitfalls in the application of discriminant analysis in business finance, Journal of Finance, 32, p Elliott J.A. & Wayne H.S. (1988) Write-offs as accounting procedures to manage perceptions, Journal of Accounting Research, 26 (supplement), p VIII

62 Francis J. R. & Yu M. D.(2009) Big 4 office size and audit quality, The Accounting Review, 84 (5), p Frankel R. M., Johnson M.F. & Nelson K.K. (2002) The relation between auditor s fees for non-audit services and earnings management, The Accounting Review, 77 (supplement), p García Lara J.M., García Osma B. & Neophytou E. (2009) Earnings quality in ex-post failed firms, Accounting and Business Research, 39 (2), p Graham J.R., Harvey C.R. & Rajgopal S. (2005) The economic implications of corporate financial reporting, Journal of Accounting & Economics, 40 (1-3), p Graydon Belgium (2009) De evolutie van de faillissementen en gerechtelijke akkoorden in België, p. 181, URL: < (20/05/2011). Hair J., Black W., Babin B., Anderson R. & Thatham R. (2005) Multivariate data analysis, Pearson/Prentice Hall, Upper Saddle River (N.J.), p Hayn C. (1995) The information content of losses, Journal of Accounting and Economics, 20 (2) p Healy M. & Wahlen J. (1999) A review of the earnings management literature and its implications for standard setting, Accounting Horizons, 13 (4), p Healy P. (1985) The effect of bonus schemes on accounting decisions, Journal of Accounting and Economics, 7 (1-3), p Healy P.M. & Palepu K. G.(1990) Effectiveness of accounting-based dividend covenants, Journal of Accounting & Economics, 12, p Holthausen R.W. (1989) Accounting method choice: Opportunistic behavior, efficient contracting and infomation perspectives, Journal of accounting and economics, 12 (1-3), p Hunt A., Moyer S. E. & Shevlin T. (1996) Managing interacting accounting measures to meet multiple objectives: A study of LIFO firms, Journal of Accounting and Economics, 21 (3), p Ingram R.W. & Lee T.A. (1997) Information provided by accrual and cash-flow measures of operating activities, Abacus, 33 (2), p Jaggi B. & Lee P. (2002) Earnings management response to debt covenant violations and debt restructuring, Journal of Accounting, Auditing and Finance, 17, p IX

63 Janes T. D. (2003) Accruals, Financial Distress and Debt Covenants, Phd Dissertation University of Michigan Business School USA, URL:< (11/05/2011). Janssens W., Wijnen K., De Pelsmacker P. & Van Kenhove P. (2008) Marketing Research with SPSS, Prentice Hall Financial Times, Harlow; England; New York, p Joos P., Ooghe H. & Sierens N. (1998) Methodologie bij het opstellen en beoordelen van kredietclassificatiemodellen, Tijdschrift voor Economie en Management, 43 (1), p Kallunki J.P. & Martikainen M. (2003) Earnings management as a predictor of future profitability of Finnish firms, European Accounting Review, 12 (2), p Kothari S.P., Leone A.J. & Wasley C.E. (2005) Performance matched discretionary accrual measures, Journal of Accounting and Economics, 39, p Levitt A. (1998) The numbers game. Speech gegeven op New York University, Center for Law and Business, September 28 URL: < (10/05/2011). Lilien S., Mellman M. & Pastena V. (1988) Accounting changes successful versus unsuccessful firms, The Accounting Review, 63 (4), p Nationale Bank van België, Balanscentrale, Jaarrekeningen online raadplegen, URL: < Nationale Bank van België, NACE-BEL 2008 codes die het totaal van niet financiële ondernemingen aanduidt, 2008, URL: < (15/5/2011). Ooghe H. & Balcaen S. (2007) Are failure prediction models transferable from one country to another? An empirical study using Belgian dataset, Multinational Finance Journal, 11 (1-2), p Ooghe H. & Van Wymeersch C. (2008) Handboek financiële analyse van de onderneming, Intersentia, p Ooghe H., Joos P. & De Bourdeaudhuij C. (1995) Financial distress models in Belgium: The results of a decade of empirical research, The International Journal of Accounting, 30 (3), p X

64 Ooghe H., De Vos D. & De Bourdeaudhuij C. (1994) Towards an improved method of evaluation of financial distress models and presentation of their results, working paper Universiteit Gent- Vakgroep Bedrijfsfinanciering, p Ooghe H., Joos P. & De Vos D., (1993) Risico-indicator voor een onderneming aan de hand van falingspredictiemodellen, Accountancy en Bedrijfskunde Kwartaalschrift, 18 (3), p Ooghe H., Spaenjers C. & Vandermoere P. (2009) Business failure prediction: simple-intuitive models versus statistical models, Journal of Business Strategy, 6 (3-4), p Ooghe H.,Camerlynck J. & Balcaen S. (2003) The Ooghe-Joos-De Vos failure prediction models: a cross-industry validation, Brussels Economic Review, 46 (1), p Rosner R. L. (2003) Earnings manipulation in failing firms, Contemporary Accounting Research, 20 (2), p Roychowdhury S. (2006) Earnings management through real activities manipulation, Accounting and Economics, 42 (3), p Journal of Siau, C. (2009). De opstelling en het gebruik van een falingspredictiemodel, Jaspers, D., Vermoortel, P. (Eds.), Leuven: Peeters, Bedrijf & Taal, Opstellen voor Wilfried Janssens/Business & Language, Essays in the Honour of Wilfried Janssens, p Sloan R.G. (1996) Do stock prices fully reflect information in accruals and cash flows about future earnings?, The Accounting Review, 71 (3), p Smith M., Kestel J. & Robinson P. (2001) Economic recession, corporate distress and income increasing accounting policy choice, Accounting Forum, 25 (4), p Subramanyam K.R. (1996) The pricing of discretionary accruals, Journal of Accounting and Economics, 22 (1-3), p Sweeney A.P. (1994) Debt-covenant violations and managers accounting responses, Journal of Accounting & Economics, 17, p Taffler R. J. (1983) The assessment of company solvency and performance using a statistical model, Accounting and Business Research, 15 (52), p Vander Bauwhede H. (2003) Winstmanagement en kapitaalmarkten: Een overzicht van de academische literatuur, Maandblad voor Accountancy en Bedrijfseconomie, 5, p XI

65 Watts R.L. & Zimmerman J.L. (1986) Positive accounting theory, Englewood Cliffs (N.J.): Prentice-Hall Inc, New Jersey, p Wetboek van vennootschappen, Art 98, Gewijzigd bij art. 172 W. 8april 2003 (B.S. 17.IV.2003, ed.1) Xie B., Davidson W.N. II I& DaDalt P.J. (2003) Earnings management and corporate governance: the role of the board and the audit committee, Journal of Corporate Finance, 9, p XII

66 BIJLAGEN Bijlage 1 Tabel: NACE-Bel-2008 codes en omschrijvingen die niet in de populatie vervat zitten NACE Bel code NACE Bel omschrijving 64 a Financiële instellingen 65 a, c Verzekeringen 66 c Ondersteunende activiteiten voor verzekeringen en pensioenfondsen 75 a Veterinaire diensten 84 a, b Openbaar bestuur en defensie: Verplichte sociale verzekering 85(-855) a, b Onderwijs (m.u.v. Overig onderwijs) 86 a Menselijke gezondheidszorg 87 a Maatschappelijke dienstverlening met huisvesting 88 a Maatschappelijke dienstverlening zonder huisvesting 91 d Bibliotheken, archieven, musea 92 d Loterijen en kansspelen 94 a Verenigingen 98 a Niet-gedefinieerde productie van goederen en diensten door particuliere huishouden voor eigen gebruik 99 a, b Extra territoriale organisaties en lichamen a Financiële sector b Industrieën met speciale karakteristieken waarbij financiële moeilijkheden zelden tot een faillissement leiden c Verzekeringssector d Openbare instellingen 50

67 Bijlage 2 Tabel: Beschrijving van de selectiecriteria van de populatie Falend Selectiecriteria populatie Volledig Verkort schematype schematype Lopend Volledig Verkort schematype schematype Niet-beursgenoteerde, niet geconsolideerde, Belgische ondernemingen Rechtsvorm a Beschikbare boekjaren b Gefaalde ondernemingen in 2007 c Sectorselectie d Falend Lopend Totalen populatie Volledig Verkort Volledig Verkort schematype schematype schematype schematype a De populatie wordt beperkt tot ondernemingen die de vorm aangenomen hebben van een NV, BVBA, CV of Com. V. b Voor beide subgroepen dient er jaarrekeninginformatie beschikbaar te zijn op de Belf-first DVD voor het tijdsframe c Gezien de Bel-first DVD niet over een selectiecriterium beschikt om het jaartal van de rechtstoestand aan te duiden kon pas na de export van de gegevens de falende subgroep beperkt worden tot ondernemingen die tussen de periode van 01/01/ /12/2007 failliet gegaan zijn. d Nace-Bel 2008 sectorcodes die niet in de populatie vervat zitten (zie bijlage 1) 51

68 Bijlage 3 Tabel: Beschrijving van de bewerkingen op de populatie Falend Lopend Totalen populatie Volledig schematype Verkort schematype Volledig schematype Verkort schematype Boekjaar 12 maand en beschikbaarheid gegevens a Truncation van de variabelen uit het originele OJD(91)-model(3JVF) Ontbrekende waarden wegens deling door nul Falend Lopend Volledige dataset Volledig Verkort Volledig Verkort schematype schematype schematype schematype Falend Lopend At random steekproeftrekking Volledig Verkort Volledig Verkort schematype schematype schematype schematype a: In deze stappen worden ondernemingen verwijderd waarvoor ontbrekende gegevens zijn voor de berekening van de variabelen van het logistisch regressiemodel. 52

69 Bijlage 4 Wettelijke criteria voor de neerlegging van de jaarrekening volgens verkort en volledig schematype Grote ondernemingen zijn verplicht hun jaarrekening op te stellen volgens het volledig jaarrekeningschema indien (art. 15 W. Venn.): -ofwel het jaargemiddelde van het personeelsbestand meer dan 100 bedraagt (ongeacht jaaromzet en balanstotaal); -ofwel minimum twee van de volgende criteria worden overschreden: -jaargemiddelde van het personeelsbestand: 50; -jaaromzet (exclusief btw): euro; -balanstotaal: euro. Kleine niet-genoteerde ondernemingen mogen hun jaarrekening opstellen volgens een verkort jaarrekeningschema indien zij in het laatste en het voorlaatste boekjaar aan bovenvermelde voorwaarden niet voldoen. Bron: (Ooghe & Van Wymeersch, 2008) 53

70 Bijlage 5 Tabel: Beschrijving van de berekeningswijze, de boekhoudkundige codes en het voorspelde teken van de regressiecoëfficiënten van de zes originele ratio s van het OJD(91)-model(3JVF) 1.Gecumuleerde historische rendabiliteit (+) a (reserves + overgedragen winst of verlies) / totaal der (I13I+<14>)/(I10/49I-I492/3) c d passiva exclusief overlopende passiva 2.Lengte tussen afsluitings- en publicatiedatum (-) b Aantal dagen tussen afsluiting en publicatie van de jaarrekening 3.Vervallen schulden ten aanzien van de fiscus en de RSZ (dummy-variabele) (-) Vervallen belastingschulden + vervallen schulden ten aanzien van de RSZ (indien >0 dan 1, zoniet 0) 4.Zelffinanciering van de investeringen (+) (brutoresultaat investeringen in materiële en financiële vaste activa) / totaal der activa 5.Sterkte van de groepsbinding (+) (I9072I+I9076I) Verkort schematype {(<9903>+<65>-I9126I+<631/4>+<635/7>+I8079I- I8089I+I8279I-I8289I+I8475I-I8485I-I9125I) - (I8169I-I8179I+I8229I-I8239I-I8299I+I8309I+I8365I- I8375I+I8425I-I8435I-I8495I+I8505I-<8545>)} / (I20/58I) Volledig schematype {(<9903>+<65>-I9126I+<631/4>+<635/7>+I8071-4I- I8081-4I+I8271-6I-I8281-6I+I8471-3I-I8481-3I+I8601-3I- I8611-3I-I9125I) - (I8161-6I-I8171-6I+I8221-6I-I8231-6I-I8291-6I+I8301-6I+I8361-3I-I8371-3I+I8421-3I-I8431-3I-I8491-3I+I8501-3I-<8541-3>+I8581-3I-I8591-3I)} / (I20/58I) (uitstaande vorderingen op verbonden ondernemingen Verkort schematype + waarborgen toegestaan in hun voordeel + andere (I9291I+I9294I+I9295I)/(I20/58I) betekenisvolle verplichtingen aangegaan in hun Volledig schematype voordeel) / totaal der activa (I9291I+I9381I+I9401I)/(I20/58I) 54

71 6.Algemene schuldgraad (-) Schulden op meer dan en op ten hoogste 1 jaar / totaal der passiva exclusief overlopende passiva (I17I+I42/48I)/(I10/49I-I492/3I) a +: Positieve regressiecoëfficiënt b -: Negatieve regressiecoëfficiënt c < > :Het bedrag (dat zowel positief als negatief kan zijn) moet worden gebruikt d I I : De absolute waarde van het bedrag moet gebruikt worden Bron: (Ooghe &Van Wymeersch, 2008) Bijlage 6 Tabel: Samenstelling op basis van het schematype (volledige dataset) Falende ondernemingen Lopende ondernemingen Totaal Schematype Verkort schematype Volledig schematype Aantal Rij % Kolom % Tabel % Aantal Rij % Kolom % Tabel % Aantal Tabel% 780,5% 97,5%,5% ,5% 95,2% 94,8% ,3% 20,3% 2,5%,0% ,7% 4,8% 4,7% ,7% Bijlage 7 Tabel: Samenstelling op basis van het schematype (steekproef) Falende ondernemingen Lopende ondernemingen Totaal Schematype Verkort schematype Volledig schematype Aantal Rij % Kolom % Tabel% Aantal Rij % Kolom % Tabel % Aantal Tabel% ,4% 97,5% 24,4% ,6% 95,4% 71,5% ,9% 20 15,3% 2,5%,6% ,7% 4,6% 3,5% 131 4,1% 55

72 Bijlage 8 Tabel: Samenstelling op basis van de sector (volledige dataset) Sector NACE-bel code Falende ondernemingen Lopende ondernemingen Totaal Aantal Rij % Kolom % Tabel % Aantal Rij % Kolom % Tabel % Aantal Tabel % Landbouw, bosbouw, visserij ,5% 1,9%,0% ,5% 1,9% 1,9% ,9% Winning van delfstoffen ,0%,0%,0% ,0%,1%,1% 163,1% Industrie ,6% 9,4%,0% ,4% 8,6% 8,5% ,6% Productie en distributie ,3%,1%,0% 77 98,7%,0%,0% 78,0% Distributie van water; afval- en afvalwaterbeheer en sanering ,0%,0%,0% ,0%,2%,2% 356,2% Bouwnijverheid ,7% 18,8%,1% ,3% 14,5% 14,4% ,5% Groot- en detailhandel; reparatie van auto s en motorfietsen ,5% 29,1%,1% ,5% 29,5% 29,3% ,5% Vervoer en opslag ,7% 5,3%,0% ,3% 3,7% 3,7% ,7% Verschaffen van accommodatie en maaltijden ,1% 12,0%,1% ,9% 5,6% 5,6% ,7% Informatie en communicatie ,5% 3,6%,0% ,5% 3,6% 3,5% ,6% Exploitatie van en handel in roerend goed 68 27,2% 3,4%,0% ,8% 10,0% 9,9% ,0% Vrije beroepen en wetenschappelijke en technische activiteiten ,3% 7,9%,0% ,7% 14,5% 14,5% ,5% Administratieve en ondersteunende diensten ,6% 4,8%,0% ,4% 4,4% 4,3% ,4% Onderwijs ,2%,6%,0% ,8%,3%,3% 401,3% Kunst, amusement en recreatie ,3%,9%,0% ,7% 1,3% 1,3% ,3% Overige diensten ,7% 2,4%,0% ,3% 1,8% 1,7% ,8% 56

73 Huishoudens als werkgever; niet gedifferentieerde productie van goederen en diensten voor eigen gebruik ,0%,0%,0% ,0%,0%,0% 18,0% Bijlage 9 Tabel: Samenstelling op basis van de sector (steekproef) Sector NACE-bel code Falende ondernemingen Lopende ondernemingen Totaal Aantal Rij% Kolom% Tabel % Aantal Rij% Kolom % Tabel % Aantal Tabel % Landbouw, bosbouw, visserij ,1% 1,9%,5% 53 77,9% 2,2% 1,7% 68 2,1% Winning van delfstoffen ,0%,0%,0% 4 100,0%,2%,1% 4,1% Industrie ,6% 9,6% 2,3% ,4% 8,4% 6,2% 274 8,6% Productie en distributie ,3%,1%,0% 2 66,7%,1%,1% 3,1% Distributie van water; afval- en afvalwaterbeheer en sanering ,0%,0%,0% 6 100,0%,2%,2% 6,2% Bouwnijverheid ,4% 18,8% 4,7% ,6% 13,7% 10,3% ,9% Groot- en detailhandel; reparatie van auto s en motorfietsen ,7% 29,1% 7,3% ,3% 29,6% 22,3% ,6% Vervoer en opslag ,2% 5,2% 1,3% ,8% 4,2% 3,1% 140 4,4% Verschaffen van accommodatie en maaltijden ,8% 12,0% 3,0% ,2% 5,6% 4,2% 232 7,3% Informatie en communicatie ,4% 3,6%,9% 85 74,6% 3,5% 2,6% 113 3,5% Exploitatie van en handel in roerend goed ,1% 3,4%,8% ,9% 10,0% 7,5% 267 8,3% Vrije beroepen en wetenschappelijke en technische activiteiten ,4% 7,8% 1,9% ,6% 14,4% 10,8% ,8% Administratieve en ondersteunende diensten ,0% 4,7% 1,2% ,0% 4,7% 3,5% 150 4,7% 57

74 Onderwijs ,3%,6%,2% 10 66,7%,4%,3% 15,5% Kunst, amusement en recreatie ,0%,9%,2% 28 80,0% 1,2%,9% 35 1,1% Overige diensten ,7% 2,4%,6% 41 68,3% 1,7% 1,3% 60 1,9% Huishoudens als werkgever; niet gedifferentieerde productie van goederen en diensten voor eigen gebruik ,0%,0%,0% 1 100,0%,0%,0% 1,0% 58

75 Bijlage 10 Tabel: Samenstelling op basis van de rechtsvorm (volledige dataset) Rechtsvorm Falende ondernemingen Lopende ondernemingen Totaal Aantal Rij % Kolom% Tabel% Aantal Rij % Kolom % Tabel % Aantal Tabel % BVBA 524,6% 65,5%,3% ,4% 56,2% 55,9% ,2% NV 246,4% 30,8%,2% ,6% 38,3% 38,1% ,3% CV 30,4% 3,8%,0% ,6% 4,7% 4,6% ,7% Com. V 0,0%,0%,0% ,0%,8%,8% 1.275,8% Bijlage 11 Tabel: Samenstelling op basis van de rechtsvorm (steekproef) Rechtsvorm Falende ondernemingen Lopende ondernemingen Totaal Aantal Rij % Kolom% Tabel% Aantal Rij % Kolom % Tabel % Aantal Tabel % BVBA ,1% 65,5% 16,4% ,9% 58,6% 44,0% ,4% NV ,0% 30,8% 7,7% ,0% 36,4% 27,3% ,0% CV 30 21,7% 3,8%,9% ,3% 4,5% 3,4% 138 4,3% Com. V 0,0%,0%,0% ,0%,5%,3% 11,3% Bijlage 12 Tabel: Kolmogorov-Smirnov normaliteitstest met Lilliefors-correctie: totaal der activa van 2003 en 2004 Kolmogorov-Smirnov-test met Lilliefors-correctie P-waarde Totaal der activa (2003),000* Totaal der activa (2004),000* * Significant op het 1% significantieniveau Bijlage 13 Figuur: Histogram met normaliteitscurve: totaal der activa (2003) 59

76 Bijlage 14 Figuur: Histogram met normaliteitscurve: totaal der activa (2004) Bijlage 15 Tabel: Mann-Whitney U-test voor significantie: mediaan van totaal der activa 2003 en 2004 (falende versus lopende ondernemingen) Falende Mediaan Lopende Mann-Whitney U P-waarde Totaal der activa (2003) ,001* Totaal der activa (2004) ,000* * Significant op het 1% significantieniveau Bijlage 16 Tabel: Chi-kwadraat-test (significantie) en Cramer s V voor de richting van de beïnvloeding van het resultaatcijfer (aantal falende versus lopende ondernemingen) Falende ondernemingen Lopende ondernemingen Richting beïnvloeding resultaatcijfer Geen Opwaarts Geen Neerwaarts Neerwaarts Opwaarts Chi-kwadraat P-waarde Cramer s V Aantal ,029**,047 ** Significant op het 5% significantieniveau 60

77 Bijlage 17 Tabel: Eigenschappen van de gegevens nodig voor de berekening van de variabele kwaliteit van het resultaatcijfer op basis van model van Defond & Park (2001) Falende ondernemingen Gemiddelde Standaard- afwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Nettobedrijfskapitaalbehoefte (2003) Nettobedrijfskapitaalbehoefte (2004) Brutomarge (2003) Brutomarge (2004) , , , , , , , , , , ,00 435, , , , , , , , , , , , , , , , ,00 Discretionaire accruals , , , , , , ,49 (2004) a Discretionaire accruals (2004) / totaal der activa (2003) Discretionaire accruals (2004) / totaal der activa (2003) (na winsorising ) -21,14 567, ,23 -,22 -,02,13 261,19 -,05,46-1,00 -,22 -,02,13 1,00 Kwaliteit van het resultaatcijfer b,32,33,00,07,18,43 1,00 61

78 Gemiddelde Standaard- afwijking Lopende ondernemingen Min 1 ste kwartiel Mediaan 2 de kwartiel Max Nettobedrijfs kapitaalbehoefte (2003) Nettobedrijfskapitaalbehoefte (2004) Brutomarge (2003) Brutomarge (2004) , , , , , , , , , , , , , , , , , , , , , , , , , , , ,00 Discretionaire accruals , , , ,96 339, , ,04 (2004) a Discretionaire accruals (2004) / totaal der activa (2003) Discretionaire accruals (2004) / totaal der activa (2003) (na winsorising ) -2,40 76, ,28 -,09,00,11 787,51,00,36-1,00 -,09,00,11 1,00 Kwaliteit van het resultaatcijfer b,23,29,00,04,11,28 1,00 a Deze waarden zijn de schattingen die bekomen worden op basis van vergelijking (1). b Deze waarden zijn de absolute waarde van de discretionaire accruals van 2004 gedeeld door het totaal der activa van 2003 (na winsorising). 62

79 Bijlage 18 Tabel: Kolmogorov-Smirnov normaliteitstest met Lilliefors-correctie: schaalvariabelen opgenomen in het logistisch regressiemodel Kolmogorov-Smirnov-test met Lilliefors-correctie P-waarde Gecumuleerde historische rendabiliteit,000* Zelffinanciering van de investeringen,000* Sterkte van de groepsbinding,000* Algemene schuldgraad,000* Kwaliteit van het resultaatcijfer,000* * Significant op het 1% significantieniveau Bijlage 19 Figuur: Histogram met normaliteitscurve van de variabele gecumuleerde historische rendabiliteit Bijlage 20 Figuur: Histogram met normaliteitscurve van de variabele zelffinanciering van de investeringen 63

80 Bijlage 21 Figuur: Histogram met normaliteitscurve van de variabele sterkte van de groepsbinding Bijlage 22 Figuur: Histogram met normaliteitscurve van de variabele algemene schuldgraad Bijlage 23 Figuur: Histogram met normaliteitscurve van de variabele kwaliteit van het resultaatcijfer 64

81 Bijlage 24 Tabel: Mann-Whitney U-test voor significantie: mediaan van de kwaliteit van het resultaatcijfer (falende versus lopende ondernemingen) Falende Mediaan Lopende Mann-Whitney U P-waarde Kwaliteit van het resultaatcijfer,18,11,000* * Significant op het 1% significantieniveau Bijlage 25 Tabel: Mann-Whitney U-test voor significantie: mediaan van de kwaliteit van het resultaatcijfer (verkort versus volledig schematype) Mediaan Verkort Volledig schematype schematype Mann-Whitney U P-waarde Kwaliteit van het resultaatcijfer,12,09,010** ** Significant op het 5% significantieniveau Bijlage 26 Tabel: Mann-Whitney U-test en T-test voor significantie: mediaan en gemiddelde van de schaalvariabelen van het logistisch regressiemodel (falende versus lopende ondernemingen) Mediaan Gemiddelde Mann-Whitney U Falende Lopende Falende Lopende P-waarde T-test P-waarde Gecumuleerde historische rendabiliteit Zelffinanciering van de investeringen Sterkte van de groepsbinding Algemene schuldgraad Kwaliteit van het resultaatcijfer -,08,10-3,08 -,37,000*,007*,03,08 -,07,06,000*,015**,00,00,00,01,081***,325,92,66 2,53,94,000*,008*,18,11 NVT NVT,000* NVT * Significant op het 1% significantieniveau ** Significant op het 5% significantieniveau *** Significant op het 10% significantieniveau 65

82 Bijlage 27 Tabel: Chi-kwadraat (significantie) en Cramer s V voor verschillen in aantal van de nominale variabele van het logistisch regressiemodel (falende versus lopende ondernemingen) Aantal Aantal falende lopende Chi-kwadraat Cramer s V Vervallen schulden ondernemingen ondernemingen P-waarde Ondernemingen zonder vervallen schulden ,000*,174 Ondernemingen met vervallen schulden * Significant op het 1% significantieniveau Bijlage 28 Tabel: Wilcoxon rangtekentest (significantie) voor de mediaan van variabele kwaliteit van het resultaatcijfer (berekening op basis van brutomarge versus omzet) Mediaan Wilcoxon rangtekentest P-waarde Kwaliteit van het resultaatcijfer (berekend op basis van de brutomarge) Kwaliteit van het resultaatcijfer (berekend op basis van de omzet),08,08,345 Bijlage 29: Tabel: Kolmogorov-Smirnov normaliteitstest met Lilliefors-correctie: de variabele lengte tussen afsluitings- en publicatiedatum Kolmogorov-Smirnov-test met Lilliefors-correctie P-waarde Lengte tussen afsluitings- en publicatiedatum,000* *Significant op het 1% significantieniveau 66

83 Bijlage 30 Figuur: Histogram met normaliteitscurve van de variabele lengte tussen afsluitings- en publicatiedatum Bijlage 31 Tabel: Mann-Whitney U-test en T-test voor significantie: mediaan en gemiddelde van lengte tussen afsluitings- en publicatiedatum (falende versus lopende ondernemingen) Mediaan Gemiddelde Mann-Whitney U Falende Lopende Falende Lopende P-waarde T-test P-waarde Lengte tussen afsluitings- en publicatiedatum 215,00 196,00 260,80 211,49,000*,003* * Significant op het 1% significantieniveau 67

84 Bijlage 32 Tabel: Eigenschappen van de gegevens nodig voor de berekening van de variabele kwaliteit van het resultaatcijfer op basis van het model van Dechow & Dichev (2002) Falende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Wijziging in werkkapitaal Operationele kasstroom (2005) Operationele kasstroom (2004) Operationele kasstroom (2003) 1.992, , , ,50-931, , ,00 -, , , , , , , , , , , , , , , , , , , , ,00 Berekend residu , , , , , , ,00 Residu / Totaal der activa (2003) Residu/ Totaal der activa (2003) (na winsorising) Kwaliteit van het resultaatcijfer -,38 4,96-52,61 -,34 -,10,02 112,98 -,20,35-1,00 -,34 -,10,02 1,00,27,30,00,05,14,37 1,00 68

85 Lopende ondernemingen Gemiddelde Standaardafwijking Min 1 ste kwartiel Mediaan 3 de kwartiel Max Wijziging in werkkapitaal Operationele kasstroom (2005) Operationele kasstroom (2004) Operationele kasstroom (2003) 9.624, , , ,00 344, , , , , ,00 413, , , , , , ,00 90, , , , , , ,00 139, , , ,00 Berekend residu 2.512, , , , , , ,00 Residu/ Totaal der activa (2003) Residu/ Totaal der activa (2003) (na winsorising) Kwaliteit van het resultaatcijfer -,95 13,58-445,32 -,17 -,04,02 42,54 -,13,31-1,00 -,17 -,04,02 1,00,19,27,00,03,08,20 1,00 Bijlage 33 Tabel: Kolmogorov-Smirnov normaliteitstest met Lilliefors-correctie: variabelen opgenomen in het lineaire regressiemodel Kolmogorov-Smirnov-test met Lilliefors-correctie P-waarde Wijziging in de nettobedrijfskapitaalbehoefte,000* Operationele kasstroom (2005),000* Operationele kasstroom (2004),000* Operationele kasstroom (2003),000* * Significant op het 1% significantieniveau 69

86 Bijlage 34 Figuur: Histogram met normaliteitscurve: wijziging in nettobedrijfskapitaalbehoefte Bijlage 35 Figuur: Histogram met normaliteitscurve: operationele kasstroom 2005 Bijlage 36 Figuur: Histogram met normaliteitscurve: operationele kasstroom

87 Bijlage 37 Figuur: Histogram met normaliteitscurve: operationele kasstroom 2003 Bijlage 38 Tabel: Kolmogorov-Smirnov normaliteitstest met Lilliefors-correctie van de variabele kwaliteit van het resultaatcijfer) Kolmogorov-Smirnov-test met Lilliefors-correctie P-waarde Kwaliteit van het resultaatcijfer,000* * Significant op het 1% significantieniveau Bijlage 39 Figuur: Histogram met normaliteitscurve van de variabele kwaliteit van het resultaatcijfer 71