Hoofdstuk 6 Resultaten
6.3 Analyse jaarverslagen
Tabel 1 betreft de beschrijvende statistiek, zoals weergegeven in het programma SPSS. Deze tabel geeft een samenvatting weer van de afhankelijke variabele, onafhankelijke variabelen en de controlevariabele. Voor de index behorende bij onderstaande tabel wordt verwezen naar bijlage 7.
Variabelen N Minimum Maximum Mean Std. Deviation Afhankelijke variabele
Kwaliteit risicoverslaggeving 62 6 24 12,9677 4,73206 Onafhankelijke variabelen
Big 4 Auditor 59 0 1 0,8814 0,32614
Omvang raad van toezicht 62 3 10 6,3065 1,22258
Solvabiliteit ratio 62 0 1 0,2903 0,45762
Liquiditeit ratio 62 0 1 0,2903 0,45762
Rentabiliteit ratio 62 0 1 0,2903 0,45762
Controle variabele
Omvang onderwijsinstelling 62 1 3 1,9194 0,66031 Tabel 1 beschrijvende statistiek
Uit de tabel is te lezen dat, met uitzondering van variabele ‘Big 4 auditor’, alle variabelen zijn gemeten met een populatie van 62 MBO-instellingen. De uitzondering is gemaakt door middel van de ‘missing value’ in SPSS aangezien de data voor 3 onderwijsinstellingen ontbrak. In eerste instantie zal de populatie bestaan uit 67 MBO-instellingen. Bij 5 MBO-instellingen ontbrak alle bovengenoemde data, waardoor deze onderwijsinstellingen niet zijn meegenomen in het onderzoek.
Uit de beschrijvende statistiek is ook af te leiden dat risicoverslaggeving nog lang niet is ingebed is in de jaarverslagen 2010 bij MBO-instellingen. Er is een gemiddelde (mean) score behaald door de MBO-instellingen van 12,9677 (35%), terwijl maximale score 37 betreft. De best scorende MBO-instelling heeft een score behaald van 24 en de minst scorende heeft een score van 6 behaald. Deze lage scores zijn behaald doordat er bij niet één MBO-instelling er een juiste mix was tussen het beschrijven van het risicobeheersingsysteem en het risicoprofiel. Bij veel MBO-instellingen wordt er aandacht bestaat aan het schrijven van het risicoprofiel of het beheersingssysteem. De scores vallen ook laag uit doordat risico’s enkel worden benoemd, maar niet worden uitgewerkt met beheersingsmaatregelen, kans van voordoen en mogelijke impact.
6.3.2 Correlatie- en regressieanalyse
Uit de tests of normality (zie bijlage 8) is af te lezen dat de kolmogorv smirnov waarden <0,05 zijn en daarmee significant. Dit betekent dat de dataset niet normaal is verdeeld, waardoor vervolgens is gekozen voor een non-parametrische correlatie toets (de spearman correlatie). Door middel van spearman correlatie (tabel 2) zullen de onderlinge correlaties worden gemeten8. De mate van significantie van de verschillende variabelen wordt bepaald door middel van een meervoudige regressieanalyse. Bij meervoudige regressie kan multicollineariteit optreden, wanneer de onafhankelijke variabelen onderling sterk correleren9. Hierdoor wordt de betrouwbaarheid van de regressie uitkomsten arbitrair.
Variabelen 1 2 3 4 5 6 7 1 Kwaliteit risicoverslaggeving 1,000
2 Omvang raad van toezicht 0,062 1,000
3 Big 4 Auditor 0,227 -0,019 1,000
4 Solvabiliteit ratio -0,301* 0,070 -0,027 1,000
5 Liquiditeit ratio -0,197 0,153 -0,114 -0,096 1,000
6 Rentabiliteit ratio -0,081 0,024 0,129 -0,096 0,452** 1,000
7 Omvang onderwijsinstelling 0,443** 0,310* 0,296* -0,143 0,720 0,135 1,000
* = Correlatie is significant op 0,05 (2-tailed)
** = Correlatie is significant op 0,01 (2-tailed)
Tabel 2 spearman correlatie
De spearman correlaties laten zien dat de variabelen onderling niet sterk correleren (ofwel er is weinig samenhang). In de tabellen 3, 4 en 5 is de zogenaamde VIF score (Variance Inflation Factor) berekend. De VIF score dient zo laag mogelijk te zijn, waarbij een VIF score boven de 10 duidt op multicollineariteit (R. Oonk, 2011). De scores blijven onder de 10, op basis hiervan kan worden geconcludeerd dat er geen sprake is van multicollineariteit. Bij het berekenen van het effect op de afhankelijke variabele zal derhalve geen arbitrage plaatsvinden. Hieronder volgen de uitkomsten van de meervoudige regressieanalyse per hypothese.
Variabelen Beta Sig (2- tailed) Collinearity Statistics Tolerance VIF score Controle variabele
omvang onderwijsinstelling 0,352 0,008** 0,913 1,095 Onafhankelijke variabele
Big 4 auditor 0,128 0,321 0,913 1,095
afhankelijke variabele: kwaliteitsscore * = Correlatie is significant op 0,05 ** = Correlatie is significant op 0,01
Tabel 3 meervoudige regressieanalyse t.b.v. hypothese Big 4 auditor
Variabelen Beta Sig (2- tailed) Collinearity Statistics Tolerance VIF score Controle variabele omvang onderwijsinstelling 0,404 0,001** 0,966 1,035 Onafhankelijke variabele solvabiliteit -0,267 0,022* 0,972 1,029 liquiditeit -0,218 0,087 0,793 1,261 rentabiliteit -0,370 0,770 0,785 1,275
afhankelijke variabele: kwaliteitsscore * = Correlatie is significant op 0,05 ** = Correlatie is significant op 0,01
Variabelen Beta Sig (2- tailed) Collinearity Statistics Tolerance VIF score Controle variabele
omvang onderwijsinstelling 0,44 0,001** 0,873 1,145 Onafhankelijke variabele
omvang raad van toezicht -0,058 0,645 0,873 1,145
afhankelijke variabele: kwaliteitsscore * = Correlatie is significant op 0,05 ** = Correlatie is significant op 0,01
Tabel 5 meervoudige regressieanalyse t.b.v. hypothese omvang raad van toezichtl
In de tabellen 3, 4 en 5 zijn de resultaten van de meervoudige regressieanalyse weergegeven. Bij het analyseren is de controlevariabele meegenomen om te corrigeren voor het effect van deze variabele in de analyse. In de tabellen 3, 4 en 5 is te zien dat de controlevariabele significant is op het hoogst betrouwbaarheidsniveau van 0,01. De impact van de onafhankelijke variabelen op de afhankelijke variabele wordt weergegeven door middel van de bèta. De mate van significantie is door middel van Sig. weergegeven. Er kan hier een onderscheid worden gemaakt tussen Sig. (2-tailed) en Sig. (1-tailed) Spss toetst altijd tweezijdig (Sig 2-tailed) hierbij is de verwachte correlatie positief of negatief, zoals bij het risicoprofiel (zie tabel 6). Bij de Big 4 auditor en omvang raad van toezicht wordt er een positieve correlatie verwacht, waardoor deze eenzijdig (Sig 1-tailed) getoetst dienen te worden. Als een eenzijdige toetst bij de Big 4 auditor en omvang raad van toezicht (Sig 2-tailed /2 = Sig 1-tailed) wordt toegepast, leidt dit niet tot een andere conclusie als bij de tweezijdige toets, aangezien correlatie nog steeds niet significant is op 0,05. Tevens is uit de analyse af te leiden dat rentabiliteit de hoogste Beta heeft, waardoor deze het meeste impact heeft op het regressiemodel. In paragraaf 6.3.3. zullen de uitkomsten van de analyses worden getoetst aan de geformuleerde hypotheses. 6.3.3 Toetsen hypotheses
In de vorige paragraaf zijn de resultaten van de meervoudige regressieanalyse weergegeven. De analyse van deze resultaten, in de vorm van het verwerpen of accepteren zal in deze paragraaf worden weergegeven. Voor een overzicht van de hypotheses en bijbehorende variabelen, verwachtingen en uitkomsten zijn in tabel 6 weergegeven.
Hypotheses Variabelen Verwachting Uitkomst regressie
Uitkomst hypothese
H1 Big 4 auditor Positieve correlatie Positieve correlatie (ns) Verworpen H2a Solvabiliteit
Positieve of negatieve correlatie
Negatieve correlatie* Geaccepteerd
H2b Liquiditeit Negatieve correlatie (ns) Verworpen H2c Rentabiliteit Negatieve correlatie (ns) Verworpen H3 Omvang raad van toezicht Positieve correlatie Negatieve correlatie (ns) Verworpen
afhankelijke variabele: kwaliteitsscore (NS) = Correlatie is niet significant * = Correlatie is significant op 0,05 ** = Correlatie is significant op 0,01
Tabel 6 overzicht uitkomsten hypotheses
Big 4 auditor
Risicoprofiel
Er zijn echter verschillende onderzoeken geweest waar het risicoprofiel als variabele is gebruikt. De resultaten van de verschillende onderzoeken naar de invloed van deze hypothese verschillen nogal. Zo vonden Malone et. al. (1993) een positieve correlatie terwijl Linsley en Shrives (2006) geen correlatie vonden. Het is dus nog onduidelijk of het risicoprofiel een positieve of negatieve invloed heeft op om de mate van risicoverslaggeving. Er is wel verondersteld dat het risicoprofiel van invloed kan zijn op de variabele kwaliteit van risicoverslaggeving.
Deze hypothese is gemeten door middel van drie variabelen, namelijk de solvabiliteit, liquiditeit en rentabiliteit. Uit de meervoudige regressieanalyse (tabel 4) blijkt dat de variabele liquiditeit (β: -0,218; Sig. NS) en rentabiliteit (β: -0,370; Sig. NS) geen significante invloed hebben op de kwaliteit van risicoverslaggeving. De solvabiliteit blijkt daarentegen wel van significante invloed (β: -0,267; Sig. <0.05). De hypothese 2a kan, derhalve worden geaccepteerd en de hypotheses 2b en 2c dienen te worden verworpen. Omvang raad van toezicht
Uit onderzoek van Beasley (1996) en Abraham en Cox (2007) blijkt dat het aantal onafhankelijke directors een positief effect heeft op de kwaliteit van risicoverslaggeving. Uit de meervoudige regressieanalyse (tabel 5) blijkt echter, dat de omvang raad van toezicht (β: -0,058; Sig. NS) geen significante invloed heeft op de kwaliteit van risicoverslaggeving. De hypothese H3 dient te worden verworpen.
6.4 Conclusie
In deze conclusie wordt antwoord gegeven op de in dit hoofdstuk geformuleerde deelvraag 4. Uit de verschillende interviews bleek dat de index volledig was en dat er geen relevante informatie-elementen ontbraken. Tevens is er een test uitgevoerd op de coderingstabel om vast te stellen of de tabel functioneert, er moeilijkheden met de codering zijn, alle informatie elementen duidelijk en relevant zijn en of er toch nog eventueel informatie elementen missen. De tabel die bleek na de eerste resultaten redelijk goed te functioneren. Echter zijn er naar aanleiding van de interviews en het testen van het model nog enkele kleine praktische aanpassingen gedaan aan de coderingstabel.
Uit de beschrijvende statistiek is af te leiden dat risicoverslaggeving nog lang niet is ingebed in de jaarverslagen 2010 bij MBO-instellingen. Er is een gemiddelde (mean) score behaald door de MBO-instellingen van 12,9677 (35%), terwijl de maximale score 37 betreft. De best scorende MBO-instelling heeft een score behaald van 24 en de minst scorende heeft een score van 6 behaald. Uit de meervoudige regressieanalyse blijkt dat de Big 4 auditor een positieve invloed heeft op de kwaliteit van risicoverslaggeving, echter blijkt dat de invloed niet significant is. Hiertegenover staat echter dat de omvang van de raad van toezicht en het risicoprofiel een negatieve invloed hebben op de kwaliteit van risicoverslaggeving. Waarbij de variabele solvabiliteit een significante invloed heeft. Bij de variabele omvang raad van toezicht, rentabiliteit en liquiditeit is vastgesteld dat deze geen significante invloed heeft op de kwaliteit van risicoverslaggeving (voor een verdere uitwerking wordt verwezen naar hoofdstuk 7).