Aanvullend onderzoek

Door een robuustheidscontrole uit te voeren, wil ik onderzoeken hoe bepaalde schattingen van de kernregressiecoëfficiënt zich gedragen wanneer de regressiespecificatie wordt gewijzigd door sommige ingrediënten aan te passen. De robuustheidscontrole fungeert als aanvullend onderzoek. Het toont de gevoeligheid van empirische resultaten voor geloofwaardige veranderingen in de modelspecificatie. De interesse is of de onderzoeksuitkomsten gelijk zijn aan die van hypothese twee wanneer er gemiddelden genomen worden over de afgelopen 3, 5 en 7 jaren. Vanwege invloeden op economische situaties kunnen gemiddelden de uitslagen ondersteunen, een afwijking tonen of een tegendeel bewijzen. Slechts kijken naar een voorgaand jaar kan mogelijk een beperkte weergave van de werkelijke situatie zijn, hetgeen desastreuze gevolgen kan hebben op de kwaliteit van investeringsbeslissingen. Het is derhalve raadzaam, ondernemingsperformance over meerdere jaren te analyseren, om redelijk betrouwbare voorspellingen te kunnen doen!

TABEL 12

Beschrijvende statistieken

Variabel N Minimum Maximum Mean Std. Deviation

MVPS_3 1963 0 824,734 48,183 106,867 MVPS_5 1473 0 789,016 48,432 105,515 MVPS_7 983 0 767,418 48,147 104,060 BVPS_3 1962 -8,40 1024,150 30,386 77,985 BVPS_5 1472 -4,14 853,531 30,646 76,686 BVPS_7 982 -3,08 686,960 30,489 74,848 CEPS_3 1962 -447,88 114,566 0,174 19,663 CEPS_5 1472 -365,88 69,554 0,243 18,345 CEPS_7 982 -320,65 52,393 0,223 17,976 RDPS_3 1962 0 95,167 1,608 6,877 RDPS_5 1472 0 85,261 1,658 6,912 RDPS_7 982 0 75,010 1,642 6,751 DGR_3 1686 0 1,000 0,400 0,490 DGR_5 1271 0 1,000 0,400 0,489 DGR_7 832 0 1,000 0,350 0,477 DIA_3 2035 0 95,167 0,833 4,599 DIA_5 1790 0 85,261 0,682 4,028 DIA_7 1530 0 74,200 0,433 3,055 SAL_3 1968 0 1899,120 71,261 180,799 SAL_5 1476 0 1621,557 72,225 179,901 SAL_7 984 0 1507,428 71,851 177,410 TURN_3 1962 0 7,099 0,776 0,641 TURN_5 1472 0 6,929 0,783 0,622 TURN_7 982 0 4,949 0,780 0,594 Noot:

Deze tabel weergeeft de verschillen in de periode 2015 – 2017 (3 jaren), 2013 – 2017 (5 jaren) en 2011 – 2017 (7 jaren). Iedere variabel wordt aangeduid als “variabel_t” waarvan de t staat voor het aantal jaren waar de variabel bij hoort. Voor de definitie van de term ‘variabel’ verwijs ik naar tabel 9. De variabelen zijn op deze wijze geordend om de verandering per variabel te zien naarmate de beproefde periode in jaren verandert. Voor alle variabelen daalt de steekproefgrootte. Bij variabelen BVPS, EPS en CEPS beweegt het minimum meer richting de 0, het maximum neemt bij alle variabele af met uitzondering van de dummy variabel DGR_t, 1=groei of 0=geen groei.

45

In de tabel is te zien dat naarmate de periode langer wordt de samplegrootte afneemt, er blijven minder observaties over die bruikbaar zijn in het onderzoek. Hierna wordt met periode 1 bedoeld 2015 – 2017, periode 2 bedoeld 2013 – 2017 en periode 3 betekent 2011 – 2017. De oorzaak hiervan is dat naarmate er meer gemiddelde jaren genomen worden er minder gemiddelden als observaties overblijven. Verder, het minimum van alle variabelen blijft 0 met uitzondering van de boekwaarde per aandeel, winst per aandeel en de gecorrigeerde winst per aandeel, waarvan het minimum negatief is. Deze bewegen naarmate de periode langer wordt, meer jaren meegewogen worden in het gemiddelde, omhoog richting de 0. Het maximum van alle variabelen neemt af dat betekent dat er minder hoge waarden in de steekproef zijn naarmate de periode langer wordt, behalve de Dummy variabel, die blijft in alle drie de periode op 1 dat betekent dat er groei is in iedere periode. Het gemiddelde van de variabelen MVPS, BVPS, CEPS, RDPS, SAL en DIA nemen van periode 1 naar periode 2 toe en in periode 3 weer af. Het gemiddelde van de DGR variabele is in periode 1 en 2 gelijk, in periode 3 is het gedaald t.o.v. periode 1 en 2. Het gemiddelde van de interactievariabele DIA neemt naarmate de testperiode langer wordt af. De standaarddeviatie neemt bij elke variabel in de tabel af navenant de periode langer wordt in jaren. Dit impliceert dat de spreiding van de getallen minder uit elkaar liggen wanneer er minder observaties zijn en een lager maximum is.

De correlatiematrixen van de variabelen wordt weergegeven in Appendix 3 per periode. De interpretatie staat bij elke tabel vermeld. De correlatiematrix van periode 2015 – 2017, 2013 – 2017 en 2011 – 2017 staan in tabellen 16, 17 en 18.

Meer, in de tabel 13 worden de statistieken en coëfficiënten weergegeven om te meten in hoeverre er veranderingen optreden door het wijzigen van de testperiode en van deze data gemiddelde te nemen. Deze worden vergeleken met de waarde relevantie vereiste van het onderzoek, hypothese 1 en 2.

46

TABEL 13

Statistiek & Coëfficiënten

2015-2017 2013-2017 2011-2017

Coëfficiënten t-stat Sig. Coëfficiënten t-stat Sig. Coëfficiënten t-stat Sig.

INTERCEPT 20,534 6,108*** 0,000 21,483 5,751*** 0,000 19,137 4,216*** 0,000 CEPS -0,342 -3,493*** 0,000 -0,433 -3,570*** 0,000 -0,519 -3,468*** 0,001 BVPS 0,461 11,405*** 0,000 0,349 7,089*** 0,000 0,310 4,873*** 0,000 RDPS -2,474 -5,828*** 0,000 -2,453 -5,283*** 0,000 -2,497 -4,305*** 0,000 DGR -1,917 -0,523 0,601 -0,643 -0,158 0,874 6,812 1,362 0,173 DIA 0,817 1,741* 0,085 0,555 1,033 0,302 -0,116 -0,167 0,867 SAL 0,336 19,458*** 0,000 0,387 18,569*** 0,000 0,414 15,493*** 0,000 TURN -5,062 -1,711* 0,087 -7,646 -2,252* 0,025 -8,536 -1,989** 0,047 N 1686 1271 832 Durbin Watson 0,367 0,438 0,603 Adjusted R2 _{0,605 0,619 0,630} F 369,686*** 295,971*** 203,005*** Sig. 0,000 0,000 0,000 Noot:

In deze tabel worden de statistieken en coëfficiënten weergegeven opgedeeld in de periode 2015 – 2017, 2013 – 2017 en 2011 – 2017. Voor de definities van de variabelen verwijs ik naar de Appendix. De coëfficiënten van variabelen ‘CEPS’, ‘BVPS’, interactie ‘DIA en ‘TURN’ nemen naarmate de periode langer worden af. ‘INTERCEPT’ en ‘RDPS’ neemt toe maar daarna weer licht af. De coëfficiënten van de Dummy ‘DGR’ en ‘SAL’ neemt naarmate de periode langer worden toe, echter is ‘DGR’ in geen periode significant tegenover ‘SAL’ en ‘TURN’ die in elke periode significant zijn. Ook ‘INTERCEPT’, ‘CEPS’, ‘BVPS’ en ‘RDPS’ zijn in iedere periode significant en dus waarde relevant. De interactie variabel ‘DIA’ is alleen in 2015 – 2017 significant op significantieniveau p < 0,1. Durbin Watson en Adj.-R2 _{statistiek nemen naarmate de periode langer worden toe, tegenover de F-statistiek die die kleiner wordt, en}

significant blijft. Het significantieniveau is als volgt ***, **, * als p=0,01, p=0,05 en p=0,10.

In tabel 13 worden de relevante statistieken weergeven om de verschillen tussen de periodes te analyseren. Voor elke statistiek worden de cijfers weergegeven voor de perioden 2011 – 2017, 2013 – 2017 en 2015 – 2017. Het is duidelijk te zien dat het aantal observaties naarmate de periode langer wordt afneemt, eerst vermindert het aantal in periode met ongeveer een kwart t.o.v. periode de periode ervoor en vervolgens vermindert het aantal observaties met een kwart in periode 2 en de helft in periode 3. De Adj.-R2 _{stijgt geleidelijk per periode (0,605), (0,619) en (0,630). Dit} impliceert dat het model elke periode sterker wordt, wat dus inhoudt dat de gemiddelde aandelenkoersen, R&D-uitgaven en andere variabelen steeds meer kracht toevoegen aan het model naargelang het gemiddelde over meer jaren wordt genomen. De Durbin Watson statistiek is ook weergegeven. Deze statistiek geeft de autocorrelatie test in de residuen van een statistische regressieanalyse aan. De Durbin Watson statistiek ligt altijd tussen een waarde van 0 en 4. Een waarde van 2 houdt in dat er geen autocorrelatie in de steekproef is. Waarden die 0 naderen, duiden op een positieve correlatie en waarden in 4 geven een negatieve autocorrelatie aan. De Durbin Watson neemt toe naarmate de testjaren in de sample toeneemt, een lichte stijging van (0,367), (0,438) en (0,603). In dit geval zijn de waarden kleiner dan 1, dus zijn ze ook dichterbij de 0. Dit impliceert dat de fouten positief auto-gecorreleerd zijn in deze regressie. Positieve autocorrelatie

47

treedt op wanneer een fout van een bepaald teken meestal wordt gevolgd door een fout van hetzelfde teken.

Door, de p-waarden van de F-statistieken worden weergegeven. In deze regressie zijn de p- waarden extreem klein met waarden van (0,000), wat dus kleiner is dan 0,001. Dit geeft dus een aanwijzing om de individuele p-waarden te bestuderen. Om op deze wijze te kunnen bepalen welke van de individuele variabelen statistisch significant zijn. In de tabel is duidelijk te zien dat de F- statistiek daalt naargelang de genomen periode langer wordt. Deze veranderingen hebben geen effect op het significantieniveau van de verschillende modellen, deze zijn alle drie (0,000).

Voorts, de coëfficiënten worden op basis van drie verschillende gemiddelde periodes in kaart gebracht. De constante term in de drie periodes varieert 20,534 (2015 – 2017), 21,483 (2013 – 2017) en 19,137 (2011 – 2017). De contante term geeft aan dat indien alle onafhankelijke variabelen gelijk waren tot nul, dan wordt een gemiddelde aandelenkoers verwacht van die opgegeven waarde. Verder, de coëfficiënten van (CEPS), (RDPS), (DIA) en (TURN) zijn negatief, (BVPS), (DGR) en (SAL) zijn positief. De coëfficiënt gecorrigeerde winst per aandeel impliceert dat voor elke eenheidsverhoging een daling in de aandelenkoers in periode 1 (0,342), periode 2 (0,433) en periode 3 (0,519) wordt verwacht. Voor de correctie variabele (CEPS) is te zien in de tabel dat de p-waarden in de verschillende periodes significant zijn periode 1 (0,000), periode 2 (0,000) en periode 3 (0,000). Deze variabele dient meer als een correctie in de regressieformule die toegepast is in het model. Voor de boekwaarde eigen vermogen geldt dat voor elke eenheidsverhoging in de boekwaarde eigen vermogen per aandeel een stijging van de aandelenkoers wordt verwacht van periode 1 (0,461), periode 2 (0,349) en periode 3 (0,310), waarbij alle andere variabelen constant blijven. De stijging wordt minder naargelang de samplegrootte kleiner wordt door meer jaren in het gemiddelde te betrekken. De coëfficiënt van variabel (RDPS) geeft aan dat voor elke eenheidsverhoging van de R&D uitgaven per aandeel een daling in de aandeelkoersen wordt verwacht in periode 1 (2,474), periode 2 (2,453) en periode 3 (2,497). Het is evident dat de Bèta coëfficiënt van de dummyvariabele (DGR) in periode 2 (-0,643) hoger t.o.v. periode 1 (-1,917) en in periode 3 hoger t.o.v. periode 2 is. De dummyvariabele (DGR) vertonen in periode 1 en 2 negatieve coëfficiënten en in periode 3 een positieve coëfficiënt. De negatieve coëfficiënten in periode 1 en 2 houden in dat de verandering in aandelenkoersen (MVPS) groter is voor de niet- groeiende R&D-organisaties dan voor de groeiende R&D-organisaties (de aandelenkoersen stijgen minder voor de groeiende R&D-organisaties dan voor de niet-groeiende R&D-organisaties). In periode 3 is de coëfficiënt van dummyvariabel (DGR) positief hetgeen betekent dat de verandering in aandelenkoersen (MVPS) groter is voor de groeiende R&D organisaties dan voor de R&D organisaties zonder groei (de aandelenkoersen stijgen meer voor de groeiende R&D organisaties

48

dan voor niet-groeiende R&D organisaties). De t-toets (DGR) is in periode 2 en 3 niet significant; de verandering in aandelenkoersen (MVPS) verschilt niet significant voor de groeiende R&D- organisaties en voor de niet-groeiende R&D-organisaties. Voor de variabel (DIA) is in periode 1 is de t-toets (1,741) en de p-waarde (0,082) dat impliceert dat de verandering in aandelenkoersen (MVPS) significant verschilt voor groeiende R&D-organisaties en voor niet-groeiende R&D- organisaties. Met andere woorden, de verandering in de aandelenkoersen (MVPS) wordt voorspeld door het feit of een organisatie meer in R&D investeert in vergelijking met als ze niet of minder investeren in R&D, een niet-groeiende R&D-organisatie. In periode 2 en 3 is t-toets van de variabel (DIA) niet significant. Deze bevinding is opmerkelijk want dat betekent dat het nemen van een kortere periode in jaren wel significante verschillen weergeeft en dus bruikbaar is om investeringsbeslissingen te nemen op basis van R&D uitgaven. In de tabel wordt ook weergegeven dat alle variabelen in de drie periodes significant zijn. Dit geldt niet voor de twee dummyvariabelen, omdat deze een p-waarde vertonen die hoger is dan 0.05. De coëfficiënten op de interactieterm (DIA) is in periode 1 (0,817), periode 2 (0,555) en periode 3 (-0,116); periode 1 is significant en periodes 2 en 3 niet. Dit impliceert dat in periode 2 en 3 de R&D-uitgaven geen significante relatie hebben met de aandelenkoersen in organisaties met groeimogelijkheden vergeleken met organisaties zonder groeimogelijkheden. Specifiek, voor elke eenheidsverhoging in de R&D- uitgaven, is er een stijging van 0,817 (periode 1) in organisaties met groeimogelijkheden bovenop het effect dat te zien is in organisaties zonder groeimogelijkheden.

In Appendix 3 zijn de collineairity statistieken te zien waar de Tolerance en VIF-statistieken verschillende effecten weergeven. Voor de boekwaarde eigen vermogen variabele is te zien dat de Tolerance in elke periode lager wordt. Integendeel, neemt de VIF-statistiek voor de boekwaarde eigen vermogen steeds toe. Alle variabelen blijven binnen de geaccepteerde grens respectievelijk Tolerance < 1 en VIF < 10 en tonen geen multicollineariteit.

Het aanvullend onderzoek is gestart met het runnen van de regressiemodellen om de verschillen tussen de periode inzichtelijk te maken. In hoeverre houden de resultaten stand wanneer er gemiddelde worden genomen van de relevante variabelen. Dit is gedaan over drie verschillende periodes (gemiddelde over 3, 5 en 7 jaar). In alle periode zijn de accountingvariabelen die het

Ohlson (1995) model test significant, waar de winst vervangen is door winst met correctie voor

R&D uitgaven. R&D uitgaven hebben in elke periode significant effect op marktwaarde geheel volgens de verwachting van Chan et al. (2001). In geen periode is de dummy variabel ‘DGR’ significant, dat impliceert geen significant verschil tussen groei en niet-groei organisaties op de aandelenkoersen maar de interactie variabel ‘DIA’ verandert in periode 1, 2015 – 2017, en wordt significant, terwijl in periode 2 en 3 deze niet significant is. Dit impliceert dat de relatie tussen

49

aandelenkoersen en R&D uitgaven significant afhankelijk zijn van de groeimogelijkheden in periode 1, want de R&D-investeringen zijn positief geassocieerd met groeimogelijkheden (Ho,

50

6 Conclusie

In dit laatste hoofdstuk van deze scriptie zal ik een samenvatting geven van het uitgevoerde onderzoek en een conclusie van het onderzoek worden beschreven. Daarnaast zullen de beperkingen van het uitgevoerde onderzoek en enkele aanbevelingen voor verder onderzoek worden gegeven.