Alvorens het uitwerken van de regressieanalyse is aan de hand van de beschrijvende statistieken bepaald of de waarden van de variabelen geschikt zijn voor het uitvoeren van een regressieanalyse. Voor het toepassen van regressieanalyse dienen de onderzoeksgegevens aan een aantal statistische voorwaarden te voldoen. Eén van de voorwaarden is dat de onafhankelijke variabele een normaal verdeling heeft voor elke waarde van de afhankelijke variabele. Er moet dus sprake zijn van een normaal verdeling. Op basis van de indicatoren zoals scheefheid ‘skewness’ en platheid ‘kurtosis’ kan bepaald worden of de verdeling voldoet aan een normale frequentieverdeling. De skewness geeft de mate van de asymmetrie van de normaal verdeling weer. Een positieve skewness waarde duidt op een ophoping van de observaties aan de linkerkant van de verdeling. Een negatieve skewness waarde geeft juist een ophoping aan de rechterkant van de verdeling weer. De kurtosis geeft de piekvormigheid van de normaal verdeling weer. Positieve kurtosis waarde duidt op een puntige en smalle verdeling, terwijl de normaal verdeling bij een negatieve waarde plat en breed uit ziet. Bij een perfecte normaal verdeling zijn de waarden voor de skewness en kurtosis nihil. Echter zijn er geen ‘harde grenswaarden’ voor het bepalen van de scheefheid of gepiektheid. Voor dit onderzoek zijn de grenswaarden -2 en 2 als representatief aangenomen. Daarbij is ook gekeken naar de visuele representaties zijn van de variabele om de normaal verdeling vast te stellen. In Tabel 3 zijn de skewness en kurtosis waarden van de verschillende variabelen weergegeven.
Figuur 2 Histogram variabele bedrijfsOMVANGln
Tabel 3 Skewness en Kurtosis waarden van de variabelen
Variabelen Skewness Kurtosis
TOTALE CEO BELONING 4,69 52,98
ONTSLAG 1,89 1,56 BedrijfsOMVANG 15,98 293,41 ROE -5,99 1.411,92 OMZET 9,57 142,12 Ceo TENURE 1,71 3,89 Ceo BELANG 5,98 47,61
Van de zeven variabelen blijken vijf variabelen een skewness en kurtosis waarden boven de gestelde grenswaarde te hebben. Van deze variabelen kunnen we uitgaan dat deze niet normaal verdeeld zijn, terwijl het regressiemodel uitgaat van normaal verdeeld data. Met behulp van log-transformatie is een mathematische handeling op de data uitgevoerd, zodat nieuwe getransformeerde variabelen wel normaal verdeeld zijn met behoud van dezelfde datastructuur als de originele variabele. In de figuren 1 en 2 is de lof- transformatie van de variabele bedrijfsOMVANG naar de variabele bedrijfsOMVANGln visueel weergegeven.
De gemiddelde ambtstermijn van een CEO is 7,8 jaar, waarbij de minimum aantal jaren nihil is voor startende CEO’s. De heer L. H. Wexner was 52 jaar lang CEO van het bedrijf ‘L Brands’ en had daarmee de langste ambtstermijn in de dataset. Het belang van de CEO
Figuur 1 Histogram variabele bedrijfsOMVANG
varieerde tussen 0% en 68,64% met een gemiddelde van 2,03% in de steekproef. Zowel de variabele ‘Ceo TENURE’ als de variabele ‘Ceo BELANG’ bevat nul waarden in de dataset. Echter is log-transformatie met nul waarden niet toepasbaar. Daarom is bij iedere observatie voor deze twee variabelen 1 bij opgeteld en vervolgens de logaritme berekend. Logaritme van 1 is namelijk nihil. Bij de berekening van de logaritme zijn de volgende formules gebruikt in SPSS:
- Ceo TENUREln = LN(Ceo TENURE + 1) - Ceo BELANGln = LN(Ceo BELANG + 1)
ROE heeft een negatieve skewness waarde waardoor log-trasformatie niet gebruikt mag worden. Uit de boxplot in figuur 3 is op te maken dat de observaties geconcentreerd op de nul lijn liggen, echter is er sprake van een grote spreidingsbreedte. De afstand tussen het hoogste getal 144 en laagste getal -165 is 309.
Door aan beide zijde 1% van de observaties te vervangen door de grenswaarden gaat de verdeling inkrimpen (winsorizen). Als gevolg van deze functie zijn 84 waarden aan de bovenzijde vervangen door 1,84. Aan de onderkant zijn en 83 waarden vervangen door -1,84. Op een grote steekproefomvang als deze, is een dergelijke aanpassing acceptabel. Het is overigens toevallig dat beide grensgetallen uitkomen op 1,84. Door deze aanpassingen krijgt het histogram meer het patroon van een normaal verdeling. Histogram van de variabele ROE en ROE_w zijn respectievelijk in de figuren 4 en 5 weergegeven.
In Tabel 4 zijn de skewness en kurtosis waarden van de variabelen na de log-transformatie en aanpassing van de ROE weergegeven. Alle waarden bevinden zich binnen de grenswaarden, waardoor veronderstelt mag worden dat de data van de variabelen die gebruikt worden voor de regressieanalyse een normale verdeling vertonen.
Tabel 4 Skewness en Kurtosis waarden van de aangepaste variabelen
Variabelen Skewness Kurtosis
TOTALE CEO BELONING TOTALE CEO BELONINGln
4,69 -0,71 52,98 3,03 ONTSLAG 1,89 1,56 BedrijfsOMVANG BedrijfsOMVANGln 15,98 0,34 293,41 0,29 ROE ROE_w -5,99 -0,54 1.411,92 15,17 OMZET OMZETln 9,57 0,04 142,12 0,79 Ceo TENURE Ceo TENUREln 1,71 -0,28 3,89 -0,54 Ceo BELANG Ceo BELANGln 5,98 1,79 47,61 3,34
Tabel 5 bevat de beschrijvende statistieken van de variabelen inclusief de nieuwe variabelen na de log-transformatie en aanpassing van de ROE.
Tabel 5 Beschrijven statistieken
Variabele Minimum Maximum Gemiddelde Mediaan Std. deviatie TOTALE CEO BELONINGln -1,65 11,96 8,42 8,48 0,95 Aantal medewerkers 0 2.300 21.708 5.100 71,53 ONTSLAG 0 1 0,16 0 0,36 BedrijfsOMVANGln 1,27 15,45 8,18 8,07 1,87 ROE_w -1,84 1,84 0,09 0,87 0,36 OMZETln -2,30 13,09 7,46 7,40 1,66 Ceo TENUREln 0 3,97 1,82 1,95 0,88 Ceo BELANGln 0 4,24 0,70 0,45 0,73
De gemiddelde CEO beloning bedraagt 6,8 miljoen, waarbij de minimum beloning 200 dollar bedroeg en maximum beloning 156 miljoen. De lage beloning ziet toe op een nieuwe startup die later in korte tijd naar de beurs is gebracht.
De analyse laat zien dat bij 16% van de observaties sprake was van daling van het aantal gerapporteerde medewerkers met meer dan 5% ten opzichte van afgelopen jaar.
Bedrijf met grootste omvang uitgedrukt in balanstotaal is de bank JPMorgan Chase & Co met een balanstotaal van ruim 5.146 miljard. Gemiddeld was het balanstotaal van de bedrijven in de dataset 32,6 miljoen.
Dataset bevat bedrijven zonder omzet, waardoor minimum omzet nihil bedraagt. Het bedrijf Wall Mart had in de dataset een omzet van circa 484 miljard en had daarmee het grootste omzet. Gemiddeld hadden bedrijven in de steekproef een omzet van 7,3 miljoen.
4.2 Correlatieanalyse
Tabel 6 bevat de correlatiematrix waarin de correlatie tussen de afhankelijke variabele (1), onafhankelijke variabele (2) en de controle variabelen (3 t/m 7) zijn weergegeven.
Tabel 6 Correlatiematix
Variabelen 1 2 3 4 5 6
1 TOTALE CEO BELONINGln
2 ONTSLAG -0,28** 3 BedrijfsOMVANGln 0,601** -0,04** 4 ROE_w 0,125** -0,089** 0,08** 5 OMZETln 0,67** -0,44** 0,741** 0,177** 6 Ceo TENUREln -0,25* -0,107** -0,039** 0,02 -0,10** 7 Ceo BELANGln -0,356** -0,23* -0,39** -0,40** -0,335** 0,436** Observaties (n) 8.358
* Correlatie is significant op het niveau van 0,01 ** Correlatie is significant op het niveau van 0,05
De correlatiematrix toont aan dat alle variabelen significant correleren met de afhankelijke variabele ‘TOTALE CEO BELONINGln’. Verder blijkt uit de tabel dat variabele ‘Ceo TENUREln’ correleert met alle variabelen behoudens variabele ROE_w.
4.3 Multicollineariteit
De correlatiematrix in tabel 6 houdt geen rekening mee met ‘indirecte’ correlatie tussen de variabelen. Zo kunnen onafhankelijke variabelen onderling zodanig hoog correleren, dat het invloed op de afhankelijke variabele arbitrair wordt. Multicollineariteit is dan ook essentieel voor de regressieanalyse. In dergelijke gevallen kan het beter zijn om de onafhankelijke variabelen samen te voegen of slechts één van de twee onafhankelijke variabelen op te nemen in de regressieanalyse. Om vast te stellen of er sprake is van multicollineariteit wordt gebruik gemaakt van de indicatoren ‘Tolerance’ en ‘VIF’ (Variance Inflation Factor). De VIF waarde wordt berekend als 1/(1-R²). Voor de VIF waarde zijn geen voorgeschreven tolerantiegrenzen, echter wordt als vuistregel gehanteerd dat bij een waarde groter dan 10 sprake is van multicollineariteit. Tolerance
is net als de VIF waarde een graadmeter om de multicollineariteit te signaleren. De Tolerance waarde wordt berekend door 1/VIF.
Tabel 7 Indicatoren Tolenrance en VIF voor multicollineariteit
Variabelen Tolerance VIF
ONTSLAG 0,979 1,021 BedrijfsOMVANGln 0,413 2,423 ROE_w 0,955 1,047 OMZETln 0,431 2,321 Ceo TENUREln 0,775 1,291 Ceo BELANGln 0,669 1,494 Observaties (n) 8.358
Op basis van tabel 7 kan worden vastgesteld dat er geen sprake is van multicollineariteit omdat geen van de VIF waarden groter is dan 10.
4.4 Regressieanalyse
De hypothese, dat het ontslaan van medewerkers een negatief effect heeft op de hoogte van de CEO beloning, wordt getoetst aan de hand van een regressiemodel. De F-statistiek van het statistisch model levert een waarde van 1353,95 met een p-waarde kleiner dan 0,001 bij een significantieniveau van 1%. Het significantieniveau toont aan dat er sprake is van een significante lineaire relatie tussen de afhankelijke variabele, TOTALE CEO BELONINGln, en de onafhankelijke variabelen. Het model heeft een R-waarde van 0,702 en een R-kwadraat van 0,493. De aangepaste R-kwadraat bedraagt eveneens 0,493. Deze waarde geeft aan dat 49,3% van de variantie in de CEO beloning wordt verklaard door het statistisch model.
Tabel 8 Resultaten regressie analyse: invloed van de onafhankelijke variabele ontslag en de controle variabele op de afhankelijke variabele totale CEO beloning
Variabelen Regressie coëfficiënten t Sig. α (constante) 5,517 124,817 0,000* ONTSLAG 0,025 1,187 0,235 BedrijfsOMVANGln 0,089 14,361 0,000* ROE_w 0,042 1,958 0,050** OMZETln 0,283 41,495 0,000* Ceo TENUREln 0,114 11,822 0,000* Ceo BELANGln -0,220 -17,581 0,000* Aangepaste R² 0,493 Observaties (n) 8.358
De steekproef bestaat uit 8.358 waarnemingen voor CEO's vanuit ExecuComp voor de periode 2012 tot en met 2016. De bedrijfskarakteristieken zijn verkregen vanuit Compustat voor de periode tussen 2011 tot en met 2016. ONTSLAG = 1 als daling van aantal medewerkers groter of gelijk is aan 5% t.o.v. afgelopen jaar, 0 als het anders is. BedrijfsOMVANGln = natuurlijk logaritme van de totale activa. ROE_w = percentage rendement op eigen vermogen. OMZETln = natuurlijk logaritme van de omzet. Ceo TENUREln = natuurlijk logaritme ambtstermijn van de CEO. Ceo BELANGln = natuurlijke logaritme percentage aandelen in bezit van de CEO. * en ** duiden tweezijdige statistische significantie aan respectievelijk op het niveau van 0,01 en 0,05.
In tabel 8 zijn de regressiecoëfficiënten van de gebruikte variabelen weergegeven. Met behulp van de regressie coëfficiënten wordt bepaald welke variabele belangrijk zijn bij het voorspellen van de totale CEO beloning. In deze analyse blijkt omzet de grootste waarde te hebben en is daarmee de belangrijkste voorspeller. Uit de tabel is tevens de t- verdeling voor afzonderlijke regressiecoëfficiënten te lezen. We constateren dat bij alle variabelen behalve de variabele ‘ONTSLAG’ de p-waarde kleiner of gelijk is aan 5%. Op basis van deze tabel mag veronderstelt worden dat ontslag geen significante invloed heeft
op de hoogte van de CEO beloning. De hypothese dat het ontslaan van medewerkers een negatief effect heeft op de hoogte van de CEO beloning wordt hiermee verworpen. Van de overige variabele kan met 95% of meer zekerheid aangenomen worden, dat deze onafhankelijke variabelen invloed hebben op de hoogte van de CEO beloning. De hoogte van het aandeelhoudersbelang van de CEO blijkt een negatieve significante impact te hebben op de hoogte van de CEO beloning.
Uit het histogram van het regressiemodel blijkt een normaal verdeling met een grote spreidingsbreedte vanwege extreme waarden die de regressieanalyse verstoren (zie Bijlage 1). Door de geïdentificeerde 27 extreme waarden ( zie Bijlage 2) uit te sluiten is de analyse verder verfijnd. De analyse zonder deze extreme waarden levert een F- statistiek waarde van 1621,961 met een p-waarde kleiner dan 0,001 bij een significantieniveau van 1%. Er is nog steeds sprake van een significante lineaire relatie tussen de afhankelijke variabele, TOTALE CEO BELONINGln, en de onafhankelijke variabelen. Het model heeft nu een R-waarde van 0,734 en een R-kwadraat van 0,539. De aangepaste R-kwadraat bedraagt eveneens 0,539. In vergelijking tot de eerdere regressieanalyse is de verklaarde variantie gestegen van 49,3% naar 53,9%. Met deze regressiemodel kan dus betere voorspellingen gedaan worden.
In tabel 9 zijn de nieuwe regressiecoëfficiënten weergegeven van de dataset zonder de extreme waarden. Patroon van de regressiecoëfficiënten is niet gewijzigd. In de steekproef heeft omzet de grootste regressiecoëfficiënt en is daarmee de belangrijkste voorspeller. Ook de bevinding dat de variabele ‘ONTSLAG’ geen significante invloed heeft op de hoogte van de CEO beloning blijft ongewijzigd. Uit deze regressiemodel blijkt wel dat het invloed van variabele ROE_w niet meer significant is. De waarde stond in de vorige regressieanalyse op grenswaarde 0,05. Nu constateren wij dat met het uitsluiten van de extreme observatiewaarde deze variabele zijn significantie verliest.
Tabel 9 Resultaten regressie analyse: invloed van de onafhankelijke variabele ontslag en de controle variabele op de afhankelijke variabele totale CEO beloning, exclusief extreme waarden uit bijlage 2 tabel 10
Variabelen Regressie coëfficiënten T Sig. α (constante) 5,421 132,773 0,000* ONTSLAG 0,012 0,623 0,534 BedrijfsOMVANGln 0,097 17,074 0,000* ROE_w 0,037 1,897 0,058 OMZETln 0,289 46,154 0,000* Ceo TENUREln 0,097 10,986 0,000* Ceo BELANGln -0,168 -14,447 0,000* Aangepaste R² 0,539 Observaties (n) 8.331
* Correlatie is significant op het niveau van 0,01
De resultaten van het onderzoek zijn in lijn met voorgaande onderzoeken. De bevinding dat ontslagen geen invloed heeft op de hoogte van de CEO beloning, wordt ook onderschreven door Hallock (1998). Hij toonde met zijn onderzoek aan dat de CEO beloning bij bedrijven die ontslagen aankondigden, de jaar daarop niet stegen. Verder heeft hij beschreven dat omvang van het bedrijf ook invloed heeft op de hoogte van de CEO beloning. Bedrijven met een hogere marktwaarde hebben een hogere CEO beloning, dan bedrijven met een lagere marktwaardering. Deze conclusie blijkt ook uit dit onderzoek. Variabele bedrijfsOMVANGln heeft een positieve regressie coëfficiënt van 0,097 en heeft significant invloed op de hoogte van de CEO beloning. Deze conclusie onderschrijven ook Finkelstein en Hambrick (1989). De variabele rentabiliteit blijkt niet significant te zijn voor de hoogte van de CEO beloning. Echter hadden Core, Guay en Larcker (2008) met hun onderzoek gesuggereerd dat rentabiliteit geen invloed had op de vaste salaris, maar wel op de bonus component van de CEO beloning. Deze bevinding zien wij niet terug in de totale CEO beloning wat is onderzocht in deze scriptie. De variabele CEO tenure blijkt net als in het onderzoek van Finkelstein en Hambrick (1989)
invloed te hebben op de CEO beloning. Aandeelhouderschap van de CEO blijkt significant negatief invloed te hebben op de hoogte van de CEO beloning. Deze bevinding is tegenstijdig met de bevinding van Finkelstein en Hambrick (1989). Zij suggereerden juist een positieve relatie, omdat de CEO invloed had op bestuursbesluiten omtrent eigen beloning.
In figuur 6 is het histogram van de regressieanalyse weergegeven waarbij de extreme warden uit bijlage 2 zijn uitgesloten. Figuur heeft de vorm van een normale verdeling waarbij de spreidingsbreedte ook lager is geworden. Het regressiemodel kan op dezelfde wijze nog verder verfijnd worden, maar waarschijnlijk zullen de regressiecoëfficiënten en de mate van significantie niet een ander beeld opleveren.
5
Conclusie
In dit onderzoek is gekeken naar de invloed van ontslagen op de hoogte van de CEO beloning. De onderzoeksvraag van deze scriptie luidt: in hoeverre heeft het ontslaan van medewerkers invloed op het niveau van de CEO beloning tussen 2012 en 2016 binnen Amerikaanse beursgenoteerde bedrijven? Met behulp van kwantitatief onderzoek is de onderzoeksvraag van deze scriptie geanalyseerd. Uit de resultaten is gebleken dat ontslagen, gedefinieerde als 5% afname van het aantal medewerkers ten opzichte van afgelopen jaar, geen significant invloed heeft op de hoogte van de CEO beloning. Deze bevinding is ook in lijn met eerdere onderzoeken zoals die van Hallock (1998). Factoren als bedrijfsomvang en omzet zijn significant positief gerelateerd met de hoogte van de CEO beloning. Bedrijven van grotere omvang en hoge omzet keren hogere beloningen uit aan de CEO. Het onderzoek heeft tevens aangetoond dat omzet de hoogste voorspelwaarde heeft bij het toegepaste regressiemodel met een gestandaardiseerde coëfficiënt van 0,522. Naast deze twee factoren heeft de ambtstermijn van de CEO ook een significante positieve invloed op de hoogte van de CEO beloning. Echter blijkt het aandeelhoudersbelang van de CEO een negatieve relatie te hebben met de hoogte van de CEO beloning. Op grond van deze bevindingen is de hypothese verworpen.
Hoewel het onderzoek zorgvuldig is uitgevoerd, is voor de gehanteerde definitie van ontslagen enkele kanttekeningen te maken. Daling van het aantal medewerkers ten opzichte van afgelopen jaar kan verschillende oorzaken hebben. Bedrijven kunnen gaan fuseren, een deel van de activiteiten afstoten, fabrieken gaan sluiten of failliet gaan waardoor het aantal medewerkers afneemt. Daling van het aantal medewerkers wil niet zeggen dat er direct ook sprake is van ontslagen. In vervolg onderzoek kan bij de bepaling van ontslagen ook rekening worden gehouden met aspecten als balanstotaal, waardoor een betere dataset voor het onderzoek gegenereerd kan worden.
6
Literatuurlijst
Anderson, E. W., Fornell, C., & Mazvancheryl, S. L. (2004). Customer satisfaction and shareholder value. ournal of Marketing, 68(4), 172-185.
Baker, G. P., Jensen, M. C., & Murphy, K. J. (1988). Compensation and incentives: practice vs. theory. The Journal of Finance, 43(3), 593-616. doi:10.1111/j.1540- 6261.1988.tb04593.x
Bebchuck, L. A., Fried, J. M., & Walker, D. I. (2002). Managerial Power and rent extraction in the design of executive compensation. The University of Chicago
Law Review(69), 751-846.
Bebchuk, L. A., & Fried, J. M. (2003). Executive compensation as an agency problem.
Journal of Economic Perspectives, 17(3), 71-92.
Bertsch, K., Leahey, R., & Haun, H. (1998). The Structure and Compensation of Boards
of Directors at S&P 1500 Companies. Investor Responsibility Research Center.
Bushman, R. M., & Smith, A. J. (2001). Financial accounting information and corporate governance. Journal of Accounting and Economics, 32(1-3), 237-333.
doi:10.1016/S0165-4101(01)00027-1
Çiftçi, H. (2014). In hoeverre blijven bedrijven waarbij vele ontslagen zijn gevallen hun
beloningssysteem handhaven (Ongepubliceerd eindwerk). Amsterdam:
Universiteit van Amsterdam.
Ciscel, D., & Carroll, T. (1980). The determinants of executive salaries: an econometric survey. The Review of Economics and Statistics(62), 7-13.
Conyon, M. J. (2006). Executive Compensation and Incentives. Academy of
Management, 20(1), 25-44.
Core, J. E., Guay, W., & Larcker, D. F. (2008). The power of the pen and executive compensation. Journal of Financial Economics, 88(1), 1-25.
Core, J. E., Holthausen, R. W., & Larcker, D. F. (1999). Corporate governance, chief executive officer compensation, and firm performance. Journal of Financial
Economics, 51(3), 371-406.
Culpepper, P. D. (2010). Quiet politics and business power. Corporate Control in
Europe and Japan. Cambridge: Cambridge University Press.
doi:10.1017/CBO9780511760716
Database-selector. (sd). Opgeroepen op Juli 31, 2018, van https://databases.uba.uva.nl/
Dekker, W., & Van Uffelen, X. (2014, Juni 14). Inkomens top stijgen geruisloos. de
Volkskrant. Opgeroepen op Juli 28, 2018, van
https://www.volkskrant.nl/nieuws-achtergrond/inkomens-top-stijgen- geruisloos~b4cd9e7d/
Doerga, R. (2008). Literatuur review “ Relatie beloning en prestaties van bestuurders van beursgenoteerde ondernemingen” (Master thesis). Open Universiteit Nederland. Opgehaald van
https://dspace.ou.nl/bitstream/1820/1407/1/MWMDoerga-%201juli08.pdf Dyck, A., & Zingales, L. (2002). The corporate governance role of the media (NBER
Working Paper No. 9309). National Bureau of Economic Research. Opgehaald
van http://www.nber.org/papers/w9309.pdf
Eisenhardt, K. M. (1989). Agency theory: an assessment and review. The Academy of
Finkelstein, S., & Hambrick, D. C. (1989). Chief executive compensation: A study of the intersection of markets and political processes. Strategic Management
Journal, 10(2), 121-134. doi:10.1002/smj.4250100203
Guthrie, K., Sokolowsky, J., & Wan, K.-M. (2012). CEO Compensation and board structure revisited. The Journal of Finance, 67(3), 1149 - 1168.
Hall, B. J., & Knox, T. A. (2004). Underwater options and the dynamics of executive pay-to-performance sensitivities. Journal of Accounting Research, 42(2), 365- 412. doi:10.1111/j.1475-679X.2004.00142.x
Hallock, K. F. (1998). Layoffs, top executive pay and firm performance. The American
Economic Review(88), 711-723.
Harris, D., & Helfat, C. (1998). Specificity of CEO human capital and compensation.
Strategic Management Journal, 18(11), 895-920.
Herring, S. (2012, September 2). AAR Corp. lays off temporary workers. Opgeroepen op Augustus 19, 2018, van
http://www.newsargus.com/news/archives/2012/09/02/aar_corp_lays_off_tempo rary_workers/
ING-top ziet af van bonussen. (2011, maart 22). De Volkskrant. Opgeroepen op juni 22, 2017, van http://www.volkskrant.nl/economie/ing-top-ziet-af-van-
bonussen~a1863244/
Ittner, C. D., Larcker, D. F., & Rajan, M. V. (1997). The choice of performance measures in annual bonus contracts. The Accounting Review, 72(2), 231-255. Ittner, C., Larcker, D., & Randall, R. (2003a). Performance implications of strategic
performance measurement in financial services firms. Accounting,
Organizations and Society(28), 715-741.
Jensen, M. C. (1993). The modern industrial revolution, exit, and the failure of internal control systems. The Journal of Finance, 48(3), 831-880.
Jensen, M. C., & Meckling, W. H. (1976). Theory of the firm: managerial behaviour, agency costs and ownership structure. Journal of Financial Economics, 3(4), 305-360. doi:10.1016/0304-405X(76)90026-X
Jensen, M. C., & Murphy, K. J. (1990). Performance pay and top-management incentives. Journal of Political Economy, 98(2), 225-264.
Joe, J. R., Louis, H., & Robinson, D. (2009). Managers’ and investors’ responses to media exposure of board ineffectiveness. Journal of Financial and Quantitative
Analysis(44), 579-605.
Johnson, M. F., Porter, S., & Shackell, M. B. (1997). Stakeholder Pressure and the Structure of Compensation. Michigan State University Working Paper. Kerr, J., & Bettis, R. (1987). Boards of directors, top management compensation, and
shareholder returns. Academy of Management Journal, 645-664.
KPN. (2012). KPN Verkort Jaarverslag 2011. Opgeroepen op Juli 28, 2018, van https://www.kpn.com/v2/static/annualreport/kpn/pdf/kpn-ar11-verkort- jaarverslag-2011.pdf
Kuhnen, C. M., & Niessen, A. (2012). Public opinion and executive compensation.
Management Science, 58(7), 1249-1272.
Lorsch, J. W., & Maciver, E. (1989). Pawns or potentates: the reality of America's
Main, B., O'Reilly, C., & Wade, J. (1995). The CEO, the board of directors and executive compensation: economic and psychological perspectives. Industrial
and Corporate Change, 4(2), 293-332. doi:10.1093/icc/4.2.293