De eerste analyse wordt gedaan met data van de rapportage van een ICD in 2008 en de inkomsten uit donaties in de jaren 2009, 2010 en 2011. Total revenue en relative administrative expenses vormen de controlevariabelen. De beschrijvende statistiek van deze variabelen is opgenomen in tabel 1. Deze tabel geeft het minimum, maximum, gemiddelde en de standaarddeviatie weer. In de eerste analyse is de data verwerkt van 12.961 waarnemingen. Dit zijn enkel de waarnemingen waarbij er in de jaren 2009, 2010 en 2011 geen ICD’s gerapporteerd werden. Daarnaast is de data gebaseerd op organisaties die zowel in de IRS Form 990 als de A-133 Audit database voorkomen.
Tabel 1: Beschrijvende statistiek analyse 1
Variabele N Min. Max. Gem. St.dev.
Afhankelijke variabele
Rapportage ICD 12.961 0 1 0,201 0,210
Onafhankelijke variabelen
Inkomsten uit donaties 2009* 12.961 -17,5965 17,547 2,085 10,745 Inkomsten uit donaties 2010* 12.961 -17,4168 17,551 2,670 10,624 Inkomsten uit donaties 2011* 12.961 -17,3365 17,635 0,860 10,740
Controlevariabelen
Total revenue 12.961 0 20,763 14,631 2,536
Relative administrative expenses 12.961 -12,671 3,448 -0,981 0,870 * Inkomsten uit donaties: Toe- of afname ten opzichte van voorgaande jaar
30
Uit tabel 1 blijkt dat ongeveer 20% van de ondernemingen in 2008 een ICD rapporteerde. Verder laten de cijfers zien dat de inkomsten van non-profit organisaties gemiddeld genomen stegen in de jaren 2009, 2010 en 2011. Opvallend is dat de toename in 2011 relatief gezien het kleinste was. Het negatieve minimum en gemiddelde bij de relative administrative expenses hebben mogelijk enige uitleg nodig. De administratieve kosten worden gemeten in verhouding tot de totale opbrengsten. In de meeste gevallen is dit deel slechts miniem. Wanneer van dit getal het natuurlijke logaritme wordt genomen, resulteert dit in negatieve uitkomsten. Dit heeft verder geen invloed op de statistische analyse.
De tweede analyse is uitgevoerd met data uit de jaren 2008, 2009, 2010 en 2011. Hierbij zijn de variabelen rapportage ICD, going concern risk, high risk type, questioned costs en material noncompliance meegenomen. Daarnaast is de regressie uitgevoerd met total revenue en relative administrative expenses als controlevariabelen. De beschrijvende statistiek van de tweede analyse wordt weergegeven in tabel 2. In de tweede regressieanalyse is de data verwerkt van 80.446 waarnemingen. Ook hier is de data gebaseerd op organisaties die zowel in de IRS Form 990 als de A-133 Audit database voorkomen.
Tabel 2: Beschrijvende statistiek analyse 2
Variabele N Min. Max. Gem. St.dev.
Afhankelijke variabele
Rapportage ICD 80.446 0 1 0,092 0,288
Onafhankelijke variabelen
Going concern risk 80.446 0 1 0,013 0,112
High risk type 80.446 0 1 0,373 0,484
Questioned costs 80.446 0 1 0,056 0,231
Material noncompliance 80.446 0 1 0,027 0,162
Controlevariabelen
Total revenue 80.446 0 21,138 14,760 1,933
Relative administrative expenses 80.446 -12,671 6,585 -0,986 0,876
Uit de tabel blijkt dat 9,2% van de organisaties een ICD rapporteert. Dit percentage ligt aanzienlijk lager dan het gemiddelde in 2008 uit analyse 1. Hierbij moet vermeld worden dat in analyse 1 enkel de organisaties mee werden genomen die in opvolgende jaren geen ICD rapporteerden. Het percentage organisaties wat een going concern risk rapporteert is slechts 1,3%. Verder blijkt uit de beschrijvende statistiek dat 37,3% van de organisaties high risk is, dat 5,6% van de organisaties te maken heeft met questioned costs en dat er bij 2,7% van de organisaties sprake is van material noncompliance. Vanzelfsprekend hebben de dummyvariabelen een minimale waarde van 0 en een maximale waarde van 1. Ook hier worden de negatieve waarden van de relative administrative expenses verklaard door het natuurlijke logaritme.
31
De data is getest op mogelijke multicollineariteit. Dit is een statistisch verschijnsel waarbij twee of meer onafhankelijke variabelen sterk gecorreleerd zijn. Hierdoor kan de betrouwbaarheid van het regressiemodel negatief beïnvloed worden. De waarden van de variance inflation factors (VIF) van beide analyses zijn opgenomen in tabel 3 en 4. Indien de waarde van de VIF onder de 10 ligt, is er geen sprake van multicollineariteit. Bij de eerste analyse is de hoogste VIF-waarde 2,311. Bij de tweede analyse liggen alle VIF-waarden rond de 1. Op basis hiervan kan gesteld worden dat multicollineariteit in deze dataset geen probleem vormt.
Tabel 3: VIF-waarden analyse 1
Variabele Rapportage ICD
Model 1 Model 2 Model 3 Model 4 Model 5 Controle 2009 2010 2011 Alle jaren
Verklarende variabelen
Inkomsten uit donaties 2009 1,203 1,713
Inkomsten uit donaties 2010 1,316 2,311
Inkomsten uit donaties 2011 1,301 2,200
Controlevariabelen
Total revenue 1,001 1,198 1,310 1,290 1,391
Relative administrative expenses 1,001 1,005 1,006 1,010 1,010
Max. VIF-waarde 1,001 1,203 1,316 1,301 2,311
Inkomsten uit donaties: Toe- of afname ten opzichte van voorgaande jaar
Tabel 4: VIF-waarden analyse 2
Variabele Rapportage ICD
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6
Verklarende variabelen
Going concern risk 1,000 1,018
High risk type 1,001 1,040
Questioned costs 1,001 1,063
Material noncompliance 1,000 1,074
Controlevariabelen
Total revenue 1,001 1,001 1,001 1,001 1,001 1,002
Relative administrative expenses 1,001 1,001 1,001 1,001 1,001 1,001
32
4.2 Resultaten
In tabel 5 worden de regressieresultaten weergegeven, welke volgen uit de eerste regressieanalyse. In het eerste model worden de controlevariabelen getest. De relative administrative expenses blijken niet significant met een p-waarde van 0,266. De total revenue blijken wel significant op zowel het 0,05- als het 0,01-niveau met een p-waarde van 0,000. De Nagelkerke R Square laat zien dat 1% van de totale variantie verklaard wordt door de controlevariabelen. In de modellen 2 t/m 4 worden de jaren 2009, 2010 en 2011 afzonderlijk getest. In 2009 en 2011 zijn de p-waarden respectievelijk 0,914 en 0,863. Deze zijn dus niet significant te noemen. De p-waarde van het jaar 2010 is 0,012. Hiermee is deze significant op het 0,05-niveau. In model 5 worden de variabelen van alle jaren gezamenlijk getest. Ook hierbij blijkt dat de jaren 2009 en 2011 niet significant zijn met p-waarden van respectievelijk 0,929 en 0,708. Het jaar 2010 is ook hierbij statistisch significant op het 0,05-niveau met een p-waarde van 0,012. De Nagelkerke R Square in ogenschouw nemende, kan gesteld worden dat het significante verband in het jaar 2010 een klein deel van de totale variantie verklaart, namelijk 1,1%.
Tabel 5: Regressieresultaten analyse 1 (p-waarden)
Variabele Rapportage ICD
Model 1 Model 2 Model 3 Model 4 Model 5 Controle 2009 2010 2011 Alle jaren
Verklarende variabelen
Inkomsten uit donaties 2009 0,914 0,929
Inkomsten uit donaties 2010 0,012* 0,012*
Inkomsten uit donaties 2011 0,863 0,708
Controlevariabelen
Total revenue 0,000** 0,000** 0,000** 0,000** 0,000**
Relative administrative expenses 0,266 0,131 0,125 0,126 0,148
Aantal waarnemingen 12.961 12.961 12.961 12.961 12.961 Nagelkerke R Square 0,010 0,012 0,021 0,020 0,034 ∆ Nagelkerke R Square 0,010 0,002 0,011 0,010 0,034 Max. VIF-waarde 1,001 1,203 1,316 1,301 2,311 * Significant op 0,05-niveau ** Significant op 0,01-niveau
Inkomsten uit donaties: Toe- of afname ten opzichte van voorgaande jaar
Aan de hand van tabel 6 kan opgemaakt worden dat het verband tussen de rapportage van een ICD en de inkomsten in het jaar 2010 negatief is. De bèta is -0,055 met een standaarddeviatie van 0,014.
33 Tabel 6: Regressieresultaten analyse 1 (correlaties)
Variabele Bèta St.dev.
Verklarende variabelen
Inkomsten uit donaties 2009 -0,183 0,006 Inkomsten uit donaties 2010 -0,055 0,014 Inkomsten uit donaties 2011 -0,075 0,014
Controlevariabelen
Total revenue 0,140 0,028
Relative administrative expenses 0,081 0,056
Op basis van de resultaten van de eerste regressieanalyse kan hypothese 1 aangenomen worden voor het jaar 2010. Voor de jaren 2009 en 2011 dient de hypothese verworpen te worden.
Tabel 7 geeft de resultaten weer van de tweede regressieanalyse. In het eerste model van deze analyse worden enkel de controlevariabelen getest. Hieruit blijkt dat de controlevariabele total revenue significant is op zowel het 0,05- als het 0,01-niveau met een p-waarde van 0,000. De controlevariabele relative administrative expenses is met een p-waarde van 0,676 niet significant. De Nagelkerke R Square geeft aan dat 0,2% van de totale variantie door de controlevariabelen verklaard wordt.
Tabel 7: Regressieresultaten analyse 2 (p-waarden)
Variabele Rapportage ICD
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6
Verklarende variabelen
Going concern risk 0,000** 0,000**
High risk type 0,000** 0,000**
Questioned costs 0,000** 0,000**
Material noncompliance 0,000** 0,000**
Controlevariabelen
Total revenue 0,000** 0,000** 0,000** 0,000** 0,000** 0,000**
Relative administrative expenses 0,676 0,644 0,092 0,935 0,904 0,068
Aantal waarnemingen 80.446 80.446 80.446 80.446 80.446 80.446 Nagelkerke R Square 0,002 0,012 0,167 0,034 0,107 0,239 ∆ Nagelkerke R Square 0,002 0,010 0,165 0,032 0,105 0,239 Max. VIF-waarde 1,001 1,001 1,001 1,001 1,001 1,074 * Significant op 0,05-niveau ** Significant op 0,01-niveau
Vervolgens worden in de modellen 2 t/m 5 de variabelen going concern risk, high risk type, questioned costs en material noncompliance getest. Al deze variabelen blijken significant op zowel het 0,05- als het 0,01-niveau met een p-waarde van 0,000. Er zijn wel verschillen als het gaat om het deel van de totale variantie wat door de variabelen verklaard wordt. De Nagelkerke R Square geeft hierbij het deel van de totale variantie weer wat door de betreffende variabele in combinatie met de controlevariabelen verklaard wordt. De delta Nagelkerke R Square laat het deel wat door de
34
controlevariabelen verklaard wordt buiten beschouwing. De variabele going concern risk verklaart 1% van de totale variantie. Bij het high risk type is dit aanzienlijk hoger met 16,5%. De variabele questioned costs verklaart 3,2% en material noncompliance verklaart 10,7% van de totale variantie. Overigens zijn in tabel 12 (zie bijlagen) de regressieresultaten opgenomen welke zijn afgerond op 5 decimalen achter de komma.
Ten slotte zijn in model 6 alle variabelen tegelijkertijd meegenomen in de analyse. De Nagelkerke R Square geeft hierbij aan dat 23,9% van de totale variantie verklaard wordt door de in de analyse verwerkte variabelen. De voorspellingskracht van het tweede regressiemodel is hiermee niet erg hoog, maar wel voldoende om significante relaties aan te ontlenen. De resultaten voor iedere variabele wijken verder niet af van de individuele regressieresultaten. De verklarende variabelen blijken allen significant op 0,05- en 0,01-niveau. Ook de controlevariabele total revenue is significant met een p-waarde van 0,000. De controlevariabele relative administrative expenses is met een p-waarde van 0,068 ook hier niet significant te noemen.
In tabel 8 worden vervolgens de regressiecoëfficiënten weergegeven. De controlevariabele total revenue heeft een bèta van 0,081 met een standaarddeviatie van 0,007. Hieruit blijkt dat het eerder aangetoonde significante verband positief is. Dit in tegenstelling tot het veronderstelde negatieve verband. De verklarende variabelen going concern risk, high risk type, questioned costs en material noncompliance hebben een bèta van respectievelijk 0,614 (standaarddeviatie=0,084); 1,942 (standaarddeviatie=0,031); 0,569 (standaarddeviatie=0,031) en 2,369 (standaarddeviatie =0,051). Hieruit blijkt dat de verbanden positief zijn, wat overeenkomt met de veronderstelde verbanden in de hypothesen. Verder kan aan de hand hiervan gesteld worden dat de verbanden van aan de ene kant de rapportage van een ICD en aan de andere kant een high risk type en material noncompliance het sterkste zijn. Dit is in lijn met de betekenis van de waarden van de Nagelkerke R Square, welke in de vorige alinea behandeld werden.
Tabel 8: Regressieresultaten analyse 2 (correlaties)
Variabele Bèta St.dev.
Verklarende variabelen
Going concern risk 0,614 0,084
High risk type 1,942 0,031
Questioned costs 0,569 0,031
Material noncompliance 2,369 0,051
Controlevariabelen
Total revenue 0,081 0,007
Relative administrative expenses 0,028 0,015
Op basis van de resultaten van de tweede regressieanalyse, kunnen de hypothesen 2, 3, 4 en 5 aangenomen worden.
35
5 Conclusie
Aan de hand van de resultaten wordt in dit hoofdstuk ingegaan op de eerder opgestelde hypothesen. Op deze manier wordt getracht de onderzoeksvraag te beantwoorden. Verder wordt er stil gestaan bij de beperkingen van dit onderzoek en worden er een aantal punten aangereikt waarop verder onderzoek mogelijk is.
5.1 Bevindingen
In het eerste deel van dit onderzoek werd de hypothese opgesteld waarbij er een negatief verband verondersteld werd tussen de rapportage van een ICD en het bedrag aan donaties wat een non-profit organisatie ontvangt in volgende jaren. Uit de resultaten van de statistische analyse blijkt dat er in het eerste jaar na de rapportage van een ICD geen significant verband met de inkomsten te onderscheiden valt. Dit is niet geheel in lijn met de bevindingen van Petrovits et al. (2011), welke wel een significant verband vonden in het eerste jaar na rapportage. Ze merkten hierbij echter op dat het de vraag was of de inkomsten daadwerkelijk beïnvloed werden door de rapportage van de ICD. In sommige gevallen wordt de rapportage pas 9 maanden na afloop van het boekjaar gepubliceerd, waardoor de informatie mogelijk geen invloed meer heeft in het betreffende jaar. In dit onderzoek werd hier rekening mee gehouden. Naast het eerstvolgende jaar, werden ook de twee jaren daarna meegenomen. Uit de analyse blijkt dat er in het tweede jaar wel een significant verband is met de inkomsten. Volgens de regressieanalyse is dit verband negatief, wat in lijn ligt met de redenering dat geldverstrekkers minder geld geven wanneer er een ICD gerapporteerd wordt. De uitkomst van de analyse sluit ook aan bij onderzoeken uit de profitsector, waarbij Hammersley et al. (2008) en Beneish et al. (2008) een negatief verband vonden tussen problemen in de interne beheersing en aandelenprijzen. Uit onderzoek van Jeong-Bon et al. bleek dat ondernemingen die ICD’s rapporteerden, meer moeite hebben om geld te lenen bij banken. Daarnaast kan het verband onderbouwd worden aan de hand van de legitimatietheorie. De rapportage van een of meerdere ICD’s tast de reputatie aan, wat zorgt voor minder inkomsten. (Posnett en Sandler, 1989)
In het derde jaar volgend op de rapportage van een ICD valt er geen significant verband meer te onderscheiden. De uitkomst van de analyse waaruit blijkt dat de rapportage van een ICD pas in het tweede jaar een significant effect heeft op de inkomsten, heeft naast het feit dat er in veel gevallen enige tijd zit tussen het jaar waarop de ICD betrekking heeft en de publicatie hiervan, mogelijk nog een andere reden. Geldverstrekkers zeggen vaak jaarlijks een bijdrage toe. Eenmaal toegezegd kunnen ze hier niet zomaar op terugkomen, waardoor ze pas in het daaropvolgende jaar kunnen reageren op de rapportage van een ICD. In het jaar wat daar weer op volgt zijn er geen significante gevolgen meer zichtbaar. Mogelijk treffen organisaties adequate maatregelen en hebben ze gebruikers overtuigd van het feit dat ze hun interne beheersing op orde hebben.
In het tweede deel van dit onderzoek werden er vier hypothesen opgesteld waarbij er verbanden werden verondersteld tussen een aantal factoren en de rapportage van ICD’s. Hypothese 2 stelt dat er een positieve relatie is tussen de rapportage van een going concern risk en het rapporteren van
36
ICD’s. Deze positieve relatie wordt bevestigd door de uitkomsten van de analyse. Deze bevinding komt overeen met het onderzoek van Ashbaugh-Skaife et al. (2007), waaruit bleek dat organisaties waarmee het financieel slecht gaat, vaker problemen hebben in hun interne beheersing. Ook Ge en McVay (2005) en Doyle et al. (2007) (2) toonden deze relatie aan en gaven hiervoor als verklaring dat financieel zwakke organisaties minder financiële middelen hebben om een goede interne beheersing in te richten.
De derde hypothese stelt dat er een positieve relatie is tussen een hoog risicoprofiel en het rapporteren van ICD’s. De uitkomsten van de statistische analyse bevestigen deze veronderstelling. Bij een hoog risicoprofiel is de kans groter dat er een of meerdere ICD’s aanwezig zijn en gerapporteerd worden. Het risicoprofiel geeft aan de ene kant al wat weer van de verwachtte kwaliteit van de interne beheersing. Aan de andere kant worden er bij een hoge risico-inschatting meer werkzaamheden verricht door de accountant. Het risicoprofiel wordt onder andere bepaald aan de hand van een aantal organisatiekenmerken, waaronder complexiteit. Het significante verband wat uit de analyse blijkt, ligt in lijn met het verband tussen complexiteit en de rapportage van ICD’s wat Ge en McVay (2005) en Ashbaugh-Skaife et al. (2007) in hun onderzoeken aantoonden. Organisaties waarbij eerder problemen in de interne beheersing aanwezig waren, worden aangemerkt als high risk. In dat geval is de kans groter dat er in volgende jaren ICD’s gerapporteerd dienen te worden. (Hogan en Wilkins, 2008)
De vierde hypothese heeft betrekking op de questioned costs. Dit zijn kosten die een organisatie heeft gemaakt met behulp van overheidssubsidie, maar waarvan de accountant heeft vastgesteld dat deze niet rechtmatig zijn. Op basis van de resultaten van de regressieanalyse wordt de hypothese aangenomen, waarmee gesteld kan worden dat er een positieve relatie is tussen de aanwezigheid van questioned costs en het rapporteren van ICD’s. Questioned costs kunnen voorkomen worden door een goede interne beheersing. Onbetrouwbare informatie als gevolg van een slechte interne beheersing zal eerder leiden tot fouten in het besteden en verantwoorden van subsidiegelden. Doyle et al. (2007) (1) en Asbaugh-Skaife et al. (2008) toonden een vergelijkbaar verband aan tussen de kwaliteit van de interne beheersing en de kwaliteit van accruals. Ook zij maten de kwaliteit van de interne beheersing aan de hand van ICD’s. Hierbij moet wel gezegd worden dat accruals geschat worden, terwijl questioned costs eveneens afhankelijk zijn van kennis en kunde om regelgeving na te leven.
De laatste hypothese stelt dat er een positieve relatie is tussen de aanwezigheid van material noncompliance en het rapporteren van ICD’s. Uit de statistische analyse blijkt dat er inderdaad een significant verband bestaat, waarmee de hypothese aangenomen kan worden. Wanneer er noncompliance is vastgesteld, dan wordt er door de organisatie niet voldaan aan bepaalde regelgeving of voorwaarden. Wanneer de interne beheersing niet goed is opgezet, kan het management foutieve besluiten nemen (al dan niet op basis van onbetrouwbare informatie) waardoor deze noncompliance kan ontstaan.
37
In de statistische analyse zijn ook twee controlevariabelen meegenomen. De variabele relative administrative expenses drukte de administratieve kosten van de organisatie uit in verhouding tot de totale inkomsten. Administratieve kosten maakt een organisatie voor ondersteunende activiteiten, waarvan de interne beheersing een belangrijk deel uitmaakt. De verwachting was dat hogere relatieve administratieve kosten zorgen voor een betere interne beheersing, waardoor er minder ICD’s gerapporteerd worden. Zoals opgemerkt was de verwachting echter wel dat dit verband niet volledig lineair zou zijn. Op basis van de analyse blijkt het verband tussen de relatieve administrative expenses en de rapportage van een ICD echter niet significant te zijn. Een mogelijke verklaring hiervoor is dat de administratieve kosten niet bij alle organisaties een evenredig deel aan kosten voor de interne beheersing bevatten. Hierdoor worden de kosten, besteed aan interne beheersing, niet goed gemeten.
De andere controlevariabele die in de analyse gebruikt wordt, zijn de totale inkomsten. Deze variabele is een maatstaf voor de organisatiegrootte. De verwachting was dat hoe groter de organisatie, hoe beter de interne beheersing en hoe minder ICD’s er gerapporteerd worden. Uit de statistische analyse blijkt het verband tussen totale opbrengsten en de rapportage van ICD’s significant te zijn. De bèta geeft echter weer dat dit verband positief is, in plaats van de verwachtte negatieve relatie. Dit komt niet overeen met onderzoeken van Ge en McVay (2005), Ashbaugh-Skaife et al. (2007) en Ashbaugh-Ashbaugh-Skaife et al. (2008). Een mogelijke verklaring hiervoor is dat de totale inkomsten geen goede maatstaf is voor de organisatiegrootte. Ge en McVay (2005), Ashbaugh-Skaife et al. (2007) en Ashbaugh-Skaife et al. (2008) meten de organisatiegrootte aan de hand van de total assets, maar in dit onderzoek is hier bewust niet voor gekozen, aangezien non-profit organisaties over het algemeen niet veel assets op de balans hebben staan.
38