Correlatie - Een onderzoek naar de mate van conservatisme bij familiebedrijven versus niet-fami

In deze paragraaf zal worden stil gestaan bij correlatie tussen de afhankelijke variabele acccruals (ACC) en de onafhankelijke variabelen. Doordat de onafhankelijke variabelen onderverdeeld kunnen worden in metrische en niet-metrische variabelen zullen er diverse testen worden uitgevoerd, zal in deze paragraaf worden stilgestaan bij de metrische variabelen.

De dummy variabelen DCFOO en FFAM zijn niet-metrische variabelen en kennen alleen een waarde 0 of 1. Derhalve zal de relatie tussen DCFOO en FFAM niet worden besproken.

Voor de metrische variabelen, CFOO, FASSETS, CSALES, LEV, MB en Size is de relatie met de afhankelijke variabele accruals (ACC) getoetst door middel van een Pearson Correlation Test. De metrische variabelen die alleen een waarde van 0 of groter kunnen aannemen is een one-tailed test uitgevoerd. Dit betreft de variabelen FASSET, LEV en Size. Voor de overige variabelen geldt dat zij een waarde aan kunnen nemen die zowel kleiner als groter is dan 0. Voor deze variabelen is een two-tailed test uitgevoerd. In tabel 3 staan de uitkomsten van de Pearson Correlation Test opgenomen. De variabele CFOO heeft een significante relatie met de variabele accruals. Conform uitkomsten uit eerdere onderzoeken van onder andere Ho et al. (2014) is de significante relatie tussen CFOO en ACC verwacht. Uit de resultaten blijkt tevens dat de correlatie tussen de variabele LEV en ACC niet significant is. Dit is conform eerdere onderzoeken, zoals Ho et al. (2014). Zij geven in hun onderzoek aan dat de accruals stijgen indien de variabele LEV toeneemt.

One-tailed FASSETS LEV Size

ACC

Pearson Correlatie -0,051 -0,011 0,06

Sig. (1-tailed) 0,081 0,382 0,050

N 766 766 766

Two-tailed CFOO CSALES MB

ACC

Pearson Correlatie -0,382* 0,069 0,005

Sig. (2-tailed) 0,000 0,056 0,88

N 766 766 766

* Correlatie is significant op het 0,01 niveau

Tabel 3: Pearson Correlation Test

Dit onderzoek bevestigd dat de financiële verslaggeving conservatiever is, indien er meer vreemd vermogen aanwezig is in de onderneming. Dit houdt in dat het saldo aan accruals op de balans hoger zal zijn bij meer vreemd vermogen.

4.4.2 Multicollineariteit

In de voorgaande paragraaf is de enkelvoudige correlatie tussen de afhankelijke en onafhankelijke variabelen vastgesteld. Echter is het voor de regressieanalyse ook belangrijk om te weten of er variabelen zijn die hetzelfde meten in de regressieanalyse. Dit kan de betrouwbaarheid van de regressieanalyse aantasten. Om dit te onderzoeken is een Spearman correlation test uitgevoerd. Zodra de absolute waarde van twee variabelen groter is dan 0,700 dan kan er worden gesteld dat er sprake is van een sterke correlatie. Uit de Spearman correlation test zijn geen significante correlaties gevonden tussen variabelen. De hoogste waarde die is gemeten betreft 0,584 en heeft betrekking op de variabelen DCFOO en CFOO. Deze hoge waarde is goed te verklaren, aangezien DCFOO de dummy variabele van CFOO betreft. Uit deze test kan worden geconcludeerd dat er geen sprake is van multicollineariteit en dat de regressieanalyse uitgevoerd kan worden.

Regressieanalyse

In de voorgaande paragrafen zijn diverse analyses uitgevoerd om te kunnen beoordelen of de regressieanalyse, zoals in paragraaf 3.3 is benoemd, uitgevoerd kan worden. De analyses geven voldoende onderbouwing om de regressieanalyse onveranderd uit te voeren. Dit houdt in dat alle variabelen meegenomen zullen worden in de regressieanalyse. Het regressiemodel ziet er als volgt uit;

ACCit=α0+α1DCFO-O+α2CFO-O+α3DCFO-O*CFO-O+α4FFAM+α5DCFO- O*FFAM+α6CFO-O*FFAM+α7DCFO*CFO-O*FFAM+CONTROLS+ε

De regressieanalyse is in twee delen uitgevoerd. Allereerst is de regressieanalyse uitgevoerd zonder de controlevariabelen. Dit om te kijken naar het effect van de variabelen op de regressieanalyse.

De uitkomsten van deze regressieanalyse zijn opgenomen in tabel 4. Uit deze tabel blijkt dat de adjusted R-square 0,191 bedraagt. De adjusted R-square geeft aan hoeveel procent van de variantie in de afhankelijke variabele ACC wordt verklaard door het model. In dit onderzoek zonder controlevariabelen is dit slechts 19,1%. De F-score is 26,806 en het model heeft een significantie van 0,000. Deze uitkomsten impliceren dat de resultaten van deze regressieanalyse niet op toeval berusten.

Tabel 4: Regressieanalyse zonder controle variabelen

Adjusted R Square 0,191 ANOVA F 26,806 Sig. 0,000 Coefficients Variabele Unstandardized Coefficients

Verwachting B Std.Error t Sig.

Constante ? 0,004 0,006 0,709 0,478 α1 DCFOO ? 0,020 0,011 1,834 0,067 α2 CFOO ? -0,537 0,053 -10,460 0,000 α3 DCFOO*CFOO + 0,596 0,089 6,685 0,000 α4 FFAM ? -0,012 0,053 -0,982 0,326 α5 DCFOO*FFAM ? -0,053 0,031 -1,698 0,090 α6 CFOO*FFAM ? 0,184 0,101 1,831 0,068 α7 DCFOO*CFOO*FFAM - -2,152 0,846 -2,543 0,011 N=806

ACC= afhankelijke variabele, (Net Income -/- Operationele Kasstromen) / Totale activa t-1

DCFOO= Dummy variabele voor de operationele kasstroom (waarde 1 voor negatieve kasstromen, waarde 0 voor positieve kasstromen)

CFOO = Variabele voor de operationele kasstroom / totale activa t-1

DCFOO*CFOO= het verband tussen de dummy variabele van de operationele kasstroom en de absolute waarde van de operationele kasstroom

FFAM= de dummy variabele voor familiebedrijf (waarde 1 familiebedrijf, 0 voor niet-familiebedrijf)

DCFOO*FFAM= de relatie tussen familiebedrijven en (negatieve) operationele kasstromen

CFOO*FFAM= de relatie tussen familiebedrijven en operationele kasstromen

DCFOO*CFOO*FFAM= de relatie tussen de negatieve kasstromen, operationele kasstromen en familiebedrijven.

Uit tabel 4 blijkt dat alleen de uitkomsten voor de variabelen α2 en α3 significant zijn (P<0,05). Deze uitkomsten zijn in lijn met de verwachtingen. Daarnaast is de variabele α7 ook significant, wat de gestelde hypothese kan bevestigen, mits deze lager is dan variabele α3. Variabele α7 is in deze regressieanalyse negatief en daarmee lager dan variabele α3, waardoor deze uitkomst de hypothese kan accepteren. Uit de regressieanalyse blijkt dat variabele α7 significant negatief is, wat inhoudt dat familiebedrijven significant minder conservatief zijn, dit is in lijn met de hypothese en de verwachting die is gesteld in §3.3. De negatieve regressiecoëfficiënt van α2 bevestigd de

negatieve relatie tussen de variabelen operationele kasstromen en accruals. Echter de uitkomsten van α3 laten zien dat er een positieve relatie bestaat tussen negatieve operationele kasstromen en accruals. In dit geval veranderd variabele α3 met 0,596 indien de accruals (afhankelijke variabele) met 1 toeneemt. Met andere woorden, hoe lager de negatieve operationele kasstromen zijn, hoe hoger de accruals zullen worden gepresenteerd in de financiële informatie. De standard error in de regressieanalyse is bij alle variabelen <1. Deze dient zo laag mogelijk te zijn, aangezien dit de preciesheid van de berekening van de regressiecoëfficiënt aangeeft. Voor variabele α7 is de std. Error het hoogst met 0,846, echter komt dit doordat er drie variabelen zijn samengevoegd. Met de t-waarde wordt getoetst of de variabelen gelijk zijn aan 0. Aangezien er geen nulhypothese is gesteld en de t-waarde niet gelijk is aan 0, kan worden gesteld dat de mogelijke nulhypothese (H0: Familiebedrijven zijn even conservatief in financiële verslaggeving als niet-familiebedrijven)

wordt verworpen. De t-waarde laat zien dat er daadwerkelijk een verschil zit tussen familiebedrijven en niet-familiebedrijven. In tabel 4 blijkt tevens dat variabelen α5 en α6 ook significant zijn (P<0,05) aangezien de hypothese eenzijdig geformuleerd is. Variabele α5 heeft een negatieve coëfficiënt, dat aangeeft dat er negatief significante relatie bestaat tussen negatieve kasstromen en familiebedrijven. Met andere woorden, familiebedrijven rapporteren minder snel negatieve operationele kasstromen dan niet-familiebedrijven. Variabele α6 geeft daarentegen een positief significante coëfficiënt, dat aangeeft dat familiebedrijven wel sneller operationele kasstromen rapporteren. Uit dit onderzoek blijkt dus dat familiebedrijven sneller kasstromen rapporteren, maar dat deze kasstromen wel positief van aard zijn.

Om meer zekerheid te kunnen verkrijgen over de regressie analyse uit tabel 4, wordt in tabel 5 de uitkomsten van de regressieanalyse met controle variabelen weergegeven. De adjusted R-square is in de regressieanalyse met controle variabelen licht gestegen naar 23%. Echter is de F-score afgenomen naar 20,027 en is de significantie gelijk gebleven op 0,000. De coëfficiënten van de variabelen verschillen ook niet veel van elkaar in de twee uitgevoerde analyses. In tegenstelling tot de uitkomsten van de regressieanalyse zonder controlevariabelen is variabele α5 niet meer significant van aard. Dit kan erop duiden dat het rapporteren van negatieve operationele kasstromen geen eenduidige relatie heeft met familiebedrijven, maar dat andere posten in de jaarrekening hierop van invloed zijn. Van alle controle variabelen is alleen MB niet significant. Ook in deze regressieanalyse is de uitkomst van de variabele α7 significant. Dit betekend dat er een relatie bestaat tussen de hoogte van de accruals bij een negatieve operationele kasstroom in combinatie met familiebedrijven. Echter is de regressiecoëficiënt van variabele α7 negatief en kleiner dan de regressiecoëfficiënt van α3. Dit is conform de uitkomsten van de regressieanalyse in tabel 4. Hierdoor kan gesteld worden dat variabele α7 voldoet aan de vereisten om de hypothese

te accepteren en ligt de uitkomst ook in lijn met de verwachting die in §3.3 is gecreëerd. Door het toevoegen van de controlevariabelen is te zien dat het verschil tussen familiebedrijven en niet familiebedrijven is toegenomen. Zo is de t-waarde voor de meeste variabelen toegenomen. Echter voor variabelen α5 en α7 is een daling van de t-waarde te zien. Gezien de variabelen die hieraan gekoppeld zijn, DCFOO (dummy variabele operationele kasstromen) en FFAM (dummy variabele familiebedrijven) kan worden gesteld dat het verschil iets afneemt. Hieruit kan worden opgemaakt dat er geen eenduidige relatie tussen familiebedrijven en operationele kasstromen bestaat en dat deze variabelen worden beïnvloed door de controlevariabelen.

Tabel 5: Regressieanalyse inclusief controle variabelen

Adjusted R Square 0,230 ANOVA FSig. 20,0270,000 Coefficients Variabele Unstandardized Coefficients

Verwachting B Std.Error t Sig.

Constante ? -0,035 0,017 -1,996 0,046 α1 DCFOO ? 0,026 0,011 2,330 0,020 α2 CFOO ? -0,587 0,053 -11,093 0,000 α3 DCFOO*CFOO + 0,649 0,088 7,354 0,000 α4 FFAM ? -0,019 0,012 -1,627 0,104 α5 DCFOO*FFAM ? -0,049 0,031 -1,597 0,111 α6 CFOO*FFAM ? 0,210 0,099 2,117 0,035 α7 DCFOO*CFOO*FFAM - -2,098 0,827 -2,538 0,011 FASSETS ? -0,030 0,011 -2,688 0,007 CSALES ? -0,029 0,009 3,409 0,001 MB ? 0,001 0,001 0,733 0,464 LEV ? -0,005 0,001 -3,514 0,000 Size ? 0,011 0,003 3,759 0,000 N=765

ACC= afhankelijke variabele, (Net Income -/- Operationele Kasstromen) / Totale activa t-1

DCFOO= Dummy variabele voor de operationele kasstroom (waarde 1 voor negatieve kasstromen, waarde 0 voor positieve kasstromen)

CFOO = Variabele voor de operationele kasstroom / totale activa t-1

DCFOO*CFOO= het verband tussen de dummy variabele van de operationele kasstroom en de absolute waarde van de operationele kasstroom

FFAM= de dummy variabele voor familiebedrijf (waarde 1 familiebedrijf, 0 voor niet- familiebedrijf)

DCFOO*FFAM= de relatie tussen familiebedrijven en (negatieve) operationele kasstromen

CFOO*FFAM= de relatie tussen familiebedrijven en operationele kasstromen

DCFOO*CFOO*FFAM= de relatie tussen de negatieve kasstromen, operationele kasstromen en familiebedrijven.

FASSETS= controlevariabele voor de boekwaarde vaste activa / totale vaste activa t-1

CSALES = controlevariabele voor de verandering in opbrengsten / totaal vermogen t-1

MB= Controle variabele voor de verhouding marktwaarde eigen vermogen en boekwaarde van het eigen vermogen

LEV= controle variabele voor de leverage van het vermogen (Lang vreemd vermogen- kortlopend deel lang vreemd vermogen)/ marktwaarde eigen vermogen

Residuenanalyse

Om de kwaliteit van de bovenstaande regressieanalyse te kunnen bepalen, zal een residuenanalyse worden uitgevoerd. Door middel van deze analyse kan worden bepaald op de residuen normaal verdeeld zijn en de regressieanalyse homoscedastisch en lineair is. De residuenanalyse wordt uitgevoerd door middel van een visuele beoordeling van een histogram en een Normal P-P plot. In bijlage 1, figuur 5 en 6, zijn het histogram en de Normal P-P plot opgenomen van de residuenanalyse. Uit deze grafieken kan worden opgemaakt dat de residuen normaal zijn verdeeld. Door middel van de Normal P-P plot kunnen wij vaststellen dat de residuen homoscedastisch zijn. Daarnaast is ook de lineairiteit van de residuen vastgesteld.

Na deze visuele beoordeling is gekeken of de residuen uitschieters bevat, dit is door middel van de tabel casewise diagnostic uitgevoerd. Deze laat 13 uitschieters zien, vermoedelijk veroorzaakt door invoerfouten of bijzondere gevallen. Om de kwaliteit van de regressieanalyse te bevorderen is besloten om deze 13 items te verwijderen uit de analyse. Vervolgens is de regressieanalyse opnieuw uitgevoerd. Door het verwijderen van de 13 waarnemingen is de adjusted R-square toegenomen naar 34%. Tevens is de F-score gestegen naar 33,224. De regressieanalyse laat nu zien dat alle variabelen significant zijn, aangezien er eenzijdig getoetst wordt. Daarnaast is de regressieanalyses kwalitatief beter geworden door het verwijderen van de 13 waarnemingen. Zie tabel 6 voor de regressieanalyse na de residuenanalyse.

Tabel 6: Regressieanalyse na residuenanalyse Adjusted R Square 0,340 ANOVA F 33,224 Sig. 0,000 Coefficients Variabele Unstandardized Coefficients

Verwachting B Std.Error t Sig.

Constante ? -0,030 0,015 -2,046 0,041 α1 DCFOO ? 0,024 0,010 2,504 0,013 α2 CFOO ? -0,657 0,046 -14,337 0,000 α3 DCFOO*CFOO + 0,770 0,079 9,756 0,000 α4 FFAM ? -0,018 0,010 -1,715 0,087 α5 DCFOO*FFAM ? -0,061 0,026 -2,333 0,020 α6 CFOO*FFAM ? 0,182 0,085 2,149 0,032 α7 DCFOO*CFOO*FFAM - -2,194 0,706 -3,107 0,002 FASSETS ? -0,017 0,010 -1,691 0,091 CSALES ? 0,028 0,008 3,773 0,000 MB ? 0,008 0,001 6,804 0,000 LEV ? -0,004 0,001 -3,391 0,001 Size ? 0,007 0,002 3,007 0,003 N=752

ACC= afhankelijke variabele, (Net Income -/- Operationele Kasstromen) / Totale activa t-1

DCFOO= Dummy variabele voor de operationele kasstroom (waarde 1 voor negatieve kasstromen, waarde 0 voor positieve kasstromen)

CFOO = Variabele voor de operationele kasstroom / totale activa t-1

DCFOO*CFOO= het verband tussen de dummy variabele van de operationele kasstroom en de absolute waarde van de operationele kasstroom

FFAM= de dummy variabele voor familiebedrijf (waarde 1 familiebedrijf, 0 voor niet- familiebedrijf)

DCFOO*FFAM= de relatie tussen familiebedrijven en (negatieve) operationele kasstromen

CFOO*FFAM= de relatie tussen familiebedrijven en operationele kasstromen

DCFOO*CFOO*FFAM= de relatie tussen de negatieve kasstromen, operationele kasstromen en familiebedrijven.

FASSETS= controlevariabele voor de boekwaarde vaste activa / totale vaste activa t- 1

CSALES = controlevariabele voor de verandering in opbrengsten / totaal vermogen t-1

MB= Controle variabele voor de verhouding marktwaarde eigen vermogen en boekwaarde van het eigen vermogen

LEV= controle variabele voor de leverage van het vermogen (Lang vreemd vermogen- kortlopend deel lang vreemd vermogen)/ marktwaarde eigen vermogen

Size= Is de log van de totale activa

Robuustheidstest

Om vast te stellen dat de uitkomsten van eerder uitgevoerde regressieanalyses juist zijn, zal er een robuustheidsanalyse worden uitgevoerd. De basis is de laatste regressieanalyse, waar de uitschieters van de residuen zijn verwijderd. Voor de robuustheidstest zal een regressieanalyse worden uitgevoerd, waarbij de data is gefilterd op het jaar 2010 tot en met 2014. De voorgaande

regressieanalyses toonden aan dat familiebedrijven minder conservatief zijn, echter waren deze regressieanalyses gebaseerd op een periode van 10 jaar. Door deze robuustheidstest uit te voeren kan worden gekeken of dit net als voorgaande regressieanalyses leidt tot een acceptatie van de geformuleerde hypothese, namelijk dat familiebedrijven minder conservatief zijn in de financiële verslaggeving dan niet- familiebedrijven. Aangezien de beurzen in 2008 en 2009 flink zijn getroffen door de financiële crisis (Laan, van der, S., 2015) is het de vraag of dit invloed heeft gehad op de mate van conservatisme bij bedrijven. Derhalve is gekozen voor een periode van 2010 tot en met 2014, aangezien hier de slechte jaren van de beurs, 2008 en 2009, niet in de sample zitten. Door alleen te kijken naar 2010 tot en met 2014, blijven er 402 waarnemingen over. Het gemiddelde van de afhankelijke variabele accruals is -0,034 en is normaal verdeeld. De scheefheid is 0,175 en de gepiektheid is 2,109. Daarnaast is de normaal verdeling visueel getoetst door middel van een Normal P-P plot. Deze laat een normaal verdeling zien, derhalve zijn de waarnemingen bruikbaar voor de regressie-analyse (Bijlage, Figuur 8+9).

In tabel 7 staan de resultaten van de regressieanalyse, waarbij getoetst wordt of familiebedrijven minder conservatief zijn dan niet- familiebedrijven in de periode 2010 tot en met 2014. De regressieanalyse bevestigd de resultaten uit eerdere regressieanalyses. De variabelen α3 en α7 zijn beide significant (eenzijdig getoetst, vandaar dat ook variabele α7 significant is). In paragraaf 3.3 wordt aangegeven dat familiebedrijven conservatiever zijn dan niet-familiebedrijven als er een positieve richtingscoëfficiënt is voor variabele α3 en dat variabele α7 significant moet zijn en een hogere richtingscoëfficiënt dient te hebben dan variabele α3. Ook deze regressieanalyse laat zien dat variabele α3 een positieve richtingscoëfficiënt heeft en dat variabele α7 significant is. Echter is net als bij de voorgaande regressieanalyses te zien dat variabele α7 een lagere richtingscoëfficiënt heeft dan variabele α3. De gestelde hypothese kan worden geaccepteerd, namelijk dat familiebedrijven minder conservatief zijn in de financiële verslaggeving dan niet-familiebedrijven.

Tabel 7: Regressieanalyse robuustheidstest Adjusted R Square 0,241 ANOVA F 11,633 Sig. 0,000 Coefficients Variabele Unstandardized Coefficients

Verwachting B Std.Error t Sig.

Constante ? -0,016 0,021 -0,753 0,452 α1 DCFOO ? 0,008 0,013 0,648 0,517 α2 CFOO ? -0,592 0,067 -8,846 0,000 α3 DCFOO*CFOO + 0,482 0,107 4,529 0,000 α4 FFAM ? -0,021 0,015 -1,375 0,170 α5 DCFOO*FFAM ? -0,014 0,035 -0,390 0,696 α6 CFOO*FFAM ? 0,190 0,141 1,352 0,177 α7 DCFOO*CFOO*FFAM - -1,558 0,868 -1,795 0,073 FASSETS ? -0,012 0,014 -0,853 0,394 CSALES ? 0,023 0,010 2,276 0,023 MB ? 0,008 0,003 2,559 0,011 LEV ? -0,004 0,002 -2,848 0,005 Size ? 0,004 0,003 1,031 0,303 N=401