Hypothesetoetsing

Met SPSS zijn middels de in het onderzoeksontwerp vermeldde modellen de vijf gestelde hypotheses getoetst. De resultaten van deze regressies zijn in het vervolg van deze paragraaf te lezen. Voor specifieke parameters van de verschillende modellen kan gerefereerd worden naar de samenvatting in paragraaf 4.3.3.

Controlevariabelen

Zoals in het onderzoeksontwerp uiteengezet, zijn er in dit onderzoek een viertal controle variabelen meegenomen. Dit betreffen totale activa, omzet, non-audit fees en de leverage. Dit zijn de enige variabelen die op basis van de meta-analyse van Hay et al. (2006), in eerdere onderzoeken een overwegend significante invloed hebben gehad op de hoogte van de audit fee. Bij het balanstotaal (LASSETS), gedefinieerd middels het logaritme van de totale activa, hoort een p-waarde van 0,000 wanneer deze eenzijdig wordt getoetst. Op basis hiervan kan geconcludeerd worden dat deze controle variabele inderdaad een significant is op een niveau van 1%.

De tweede controle variabele betreft de omzet. Deze is gedefinieerd middels het logaritme van de totale omzet (LREVENUE). Ook LREVENUE heeft een p-waarde van 0,000 waarmee geconcludeerd kan worden dat ook deze significant is op een niveau van 1%.

De derde controle variabele is de hoeveelheid non-audit fees (LNAFEE) die geleverd worden aan de onderneming. Ook deze variabele heeft een p-waarde van 0,000 wat de relatie significant maakt om een niveau 1%.

De vierde controle variabele die is gedefinieerd is de verhouding tussen het eigen vermogen en het vreemd vermogen (LEVERAGE). Zoals uiteengezet in het theoretisch kader komt dit voort uit de aanname dat het risico op het niet uitkeren van de audit fee groter is bij ondernemingen met relatief veel vreemd vermogen en er derhalve een risicopremie wordt gevraagd door de accountant. In dit onderzoek blijkt dat de leverage geen significante impact heeft op de audit fee. Ook na het toepassen van windsorizing, waarbij alle waarden die meer dan driemaal de standaarddeviatie afwijken van het gemiddelde worden verwijderd, zijn de resultaten niet significant. Op basis van deze uitkomst is besloten om deze variabele uit het hoofdmodel te verwijderen.

De laatste controle variabele die gedefinieerd was, was de aanwezigheid van een Big Four accountant (KPMG, PriceWaterhouseCoopers, Deloitte & Touche of Ernst & Young). Ook deze variabele is niet significant gebleken. Een belangrijke reden hiervoor kan zijn is dat op de totale populatie van 1321 ondernemingen, er maar zes door een niet Big Four kantoor werden gecontroleerd. Op basis van dit resultaat is ook deze variabele uit het hoofdmodel verwijderd. Hierdoor wordt het nieuwe hoofdmodel binnen dit onderzoek als volgt:

LAFEE = β0 + β1LREV + β2LASSETS + β3LNAFEE + β4LCOMPLEX + ε

Deze aanpassing zal ook voor alle andere modellen worden gedaan alleen verder in dit hoofdstuk niet meer uitgeschreven worden.

Complexiteit van de onderneming

De centrale onafhankelijke variabele in dit onderzoek is de complexiteit van de onderneming. Zoals in paragraaf 3.3 reeds aangegeven, zijn er door de jaren heen verschillende wijzen geweest om deze variabele vorm te geven. In dit onderzoek is dit gedaan, net als in het verleden door Fields et al. (2000), middels het aantal segmenten waarin een onderneming aanwezig is. Onder andere het aantal dochterondernemingen en het aantal verschillende secundaire SIC (Standard Industrial Classification) codes zijn ook veel gebruikte maatstaven (Hay et al., 2006). Echter heeft een van de meest vooraanstaande onderzoeken van Fields (2000) gebruik gemaakt van het aantal segmenten waarin een onderneming opereert. Het aantal segmenten bestaat hier uit zowel

het aantal geografische segmenten alsmede het aantal industriële segmenten waarin een onderneming actief is. Een belangrijke reden voor het gebruik van het aantal segmenten in het hoofdmodel is dat dit de meest betrouwbare data is die beschikbaar is. Zo heeft bijvoorbeeld het aantal secundaire SIC codes de beperking vanuit Orbis dat deze maximaal negen kan zijn, terwijl dit er veel meer kunnen zijn.

Om de impact van extreme waarden te verkleinen is het logaritme van het aantal segmenten gebruikt om variabele LCOMPLEX te definiëren. Om de robuustheid van de variabele te toetsen zijn de regressies ook gedaan middels een aantal andere maatstaven voor de mate van complexiteit van een onderneming. Refereer naar paragraaf 4.3.2 voor de resultaten hiervan. Zoals gesteld in het theoretisch kader, is op basis van eerdere resultaten van onderzoek naar de positieve relatie tussen de complexiteit van een onderneming en de audit fee de volgende hypothese ontwikkeld.

H1: Een hogere complexiteit van de auditee leidt tot een hogere audit fee

Uit de regressie blijkt dat de complexiteit van de auditee een significante determinant is van de audit fee met een positieve invloed. Bij deze invloed hoort een p-waarde van 0,000 en een β van 0,230 op basis waarvan geconcludeerd kan worden dat hypothese 1 aangenomen wordt op een significantieniveau van 1%. Het feit dat er een positieve invloed van de complexiteit van de auditee op de audit fee is komt overeen met de resultaten uit de meta-analyse van Hay et al. (2006). Deze positieve relatie betekent dat wanneer een onderneming in meerdere industrieën en/ of landen activiteiten heeft ontplooid, en het dus in complexiteit toeneemt, dit leidt tot een hogere audit fee. Dit komt voort uit de extra werkzaamheden die de accountant hierdoor moet uitvoeren. Men kan hierbij denken aan het uitsturen van groepsinstructies, op de hoogte zijn van meerdere soorten regelgeving die specifiek zijn voor bepaalde landen of industrieën.

Auditor tenure

De invloed van auditor tenure op de audit fee is in het verleden al meermaals onderzocht en hieruit is gebleken dat met name het moment van het onderzoek een grote impact heeft op de

resultaten. Zo was het in de 20^ste eeuw zeer gebruikelijk om low-balling toe te passen, waardoor de audit fees in het begin van de klantrelatie relatief laag waren

Voor het invullen van de maatstaf auditor tenure hebben wij gebruik gemaakt van de database van Audit Analytics. Hierbij is er van alle S&P 500 ondernemingen gekeken of er in de periode 1998 tot 2007 kantoorroulaties hebben plaatsgevonden. Uit de dataverzameling bleek dat er in deze periode 308 kantoorroulaties hebben plaatsgevonden. Hieruit zijn vervolgens de niet relevante roulaties gefilterd. Denk hierbij aan een kantoorroulatie in 2003, waarna er vervolgens in 2004 weer gerouleerd wordt. Voor de auditor tenure in de periode 2005-2007 is de roulatie in 2003 dan niet relevant. Ook zijn er een aantal roulaties geweest geaffilieerde accountants, naar een Big Four accountant. Dit betreft een stelselwijziging in Audit Analytics en deze zijn derhalve ook niet meegenomen.

Uiteindelijk was voor 454 van de 1321 samples te achterhalen wat de exacte auditor tenure was in het betreffende jaar. Hiervan waren er 354 short tenured, en 100 long tenured. Van de overige ondernemingen was niet te achterhalen wanneer er voor het laatst gerouleerd was. In dit onderzoek is er van uitgegaan dat voor de overige ondernemingen geldt dat er in de onderzochte periode geen kantoorroulatie heeft plaatsgevonden, en derhalve is er in dit onderzoek van uit gegaan dat al deze ondernemingen long tenured zijn.

In het theoretisch kader is de volgende hypothesen gesteld ten aanzien van de relatie tussen auditor tenure en de audit fee:

Hypothese 2a: Een hogere auditor tenure leidt tot een lagere audit fee Hypothese 2b: Een hogere auditor tenure leidt tot een hogere audit fee

Deze hypothese gaan we toetsen middels model 2 uit het onderzoeksontwerp. Uit de regressie blijkt dat auditor tenure een p-waarde heeft van 0,001 met een β van -0,57. Dit betekent dat auditor tenure een significant negatieve invloed heeft op de hoogte van de audit fee. Op grond hiervan wordt hypothese 2a aangenomen op een significantieniveau van 1%. Dit betekent automatisch dat hypothese 2b wordt verworpen.

Het resultaat ligt niet in lijn met vooraanstaande eerdere onderzoeken naar de invloed van auditor tenure op de audit fee, zoals resultaten van bijvoorbeeld Simunic (1980). Echter ligt het wel in de

lijn der verwachtingen van het onderzoek. Deze was ten eerste dat er een leerelement in de controle zou moeten zijn te vinden, doordat door de jaren heen accountants beter bekend raken met de onderneming en de relevante wet- en regelgeving die hier betrekking op hebben. Ook is het in lijn met de verwachting dat door de striktere regelgeving de mogelijkheden tot multiperiod pricing. Daarnaast is dit in lijn met de aanname dat het voor een accountant makkelijker is om de extra werkzaamheden die SOx met zich mee heeft gebracht, in rekening te brengen bij een nieuwe klant dan bij een bestaande klant. Dit resultaat ligt ook in lijn met de resultaten van het onderzoek van Huang et al. (2009) die een roulatiepremie vond, dat wil zeggen, de audit fee na kantoorroulatie lag 16% hoger dan aan het eind van de relatie met de vorige accountant.

Naast de directe relatie van auditor tenure op de audit fee is in het theoretisch kader ook de verwachting geschept dat er een modererende invloed is van complexiteit op deze relatie. Deze relatie komt voort uit de verwachting dat er door de jaren heen meer efficiëntie voordelen zijn te behalen binnen een complexe onderneming, dan bij een minder complexe onderneming. Hier op volgend is de volgende hypothese gesteld:

Hypothese 3: Complexiteit versterkt de negatieve relatie tussen auditor tenure en de audit fee

Uit de regressies van model 3 komt naar voren dat er geen significante modererende invloed is te vinden van complexiteit op de relatie tussen de auditor tenure en de audit fee. Het model genereert een β van 0,008 met een significantie van 0,24. Op basis van dit resultaat wordt hypothese 3 verworpen. Dit betekent dat er op middels het in dit onderzoek opgestelde model geen significante invloed is van auditor tenure op de relatie tussen complexiteit van de auditee en de audit fee. In het theoretisch kader is de verwachting geschept dat de leercurve van de accountant bij een complexe onderneming stijler is dan die van een minder complexe onderneming. Op basis van de resultaten van de regressie van model 3 kan niet vastgesteld worden dat dit het geval is.

Industriespecialisatie

De derde variabele in dit onderzoek is industriespecialisatie. Zoals in het theoretisch kader uiteengezet, zijn er al vele onderzoeken geweest die de invloed van industriespecialisatie op de audit fee hebben onderzocht. Zo vonden bijvoorbeeld Craswell & Taylor (1995) en Balsam et al. (2000) een positieve invloed van industriespecialisatie op de audit fee. Dit komt voort uit het feit dat gespecialiseerde accountants een positief effect hebben op de kwaliteit van de jaarrekening (Carcello en Nagy, 2002), beter in staat zijn een fout te vinden binnen hun eigen specialisatie dan daarbuiten (Owhose et al., 2002), minder vaak disputen hebben met de SEC (Carcello en Nagy, 2002), beter in staat zijn toekomstige kasstromen in te schatten (Gramling et al., 2001), en hogere benchmarks behalen (Dunn et al., 2002). Dit zijn allemaal redenen waarom een client gebaat zou zijn bij een gespecialiseerde accountant, en derhalve daar extra voor zou kunnen betalen.

Er zijn echter ook onderzoeken geweest die een negatieve relatie vonden, zoals bijvoorbeeld Dunn en Mayhew (2002). Deze relatie is gebaseerd op onder meer schaalvoordelen, doordat industriespecifieke trainingskosten over een groter aantal cliënten verdeeld kan worden. Daarnaast kunnen zij efficiëntievoordelen behalen, doordat ze routines ontwikkelen in hun werkzaamheden met betrekking tot industriespecifieke posten die ze vaker tegen komen dan niet-specialisten. Op basis van deze argumenten zijn de volgende twee hypothesen gesteld die getoetst gaan worden:

Hypothese 4a: Industriespecialisatie van de accountant leidt tot een hogere audit fee. Hypothese 4b: Industriespecialisatie van de accountant leidt tot een lagere audit fee.

In dit model is industriespecialisatie gemeten middels het marktaandeel dat de door hun gecontroleerde klanten in 2007, in een bepaalde 1-digit SIC code hadden. Hierbij is gekeken naar het daaruit voortkomende percentage, en of er duidelijk aanwijsbaar verschil is tussen 1 of meer kantoren, en de rest. Een duidelijk aanwijsbaar verschil is hierbij gedefinieerd als 10% van de totale markt. In de onderstaande tabel zijn de marktaandelen uiteengezet en is te zien welke accountants in welke industrie een specialist zijn. Deze vorm van definiëring van industriespecialisatie is conform het onderzoek van Balsem et al. (2003).

Uit de regressie van model 4 blijkt dat industriespecialisatie een β heeft van 0,023 met een p-waarde van 0,095. Dit betekent dat de positieve relatie tussen industriespecialisatie en de audit fee significant is op een niveau van 10%. Hiermee wordt hypothese 3b verworpen, en hypothese 3a aangenomen. Deze significante invloed van de mate van industriespecialisatie van de accountant, op de hoogte van de audit fee die een onderneming voor zijn diensten betaald ligt in lijn met eerdere onderzoeken van onder andere Balsam et al. (2000), Owhose et al. (2002) en Carcello & Nagy (2002).

Naast de directe relatie tussen industriespecialisatie en de audit fee, kan er ook geredeneerd worden dat industriespecialisatie een modererende invloed heeft op de relatie tussen complexiteit van de auditee en de hoogte van de audit fee. Refererend naar het theoretisch kader, is een industriespecialist in staat om op verschillende manier efficiency voordelen te behalen ten opzichte van een niet-gespecialiseerde accountant. Aangezien er meer efficiencyvoordelen te behalen zijn bij een complexe onderneming, kun je verwachten dat industriespecialisatie de positieve relatie tussen complexiteit en de audit fee modereert. Om dit vast te stellen is de volgende hypothese getoetst:

Hypothese 5: Industriespecialisatie heeft een verzwakkende invloed op de positieve relatie tussen complexiteit en de audit fee

Op basis van de regressie middels model 5 valt te constateren dat de invloed van industriespecialisatie als moderator op de relatie tussen ondernemingscomplexiteit en de audit een β heeft van 0,006 met een p-waarde van 0,34. Derhalve kan de invloed als insignificant worden gezien. Dit betekent dat op basis van de resultaten van de regressie van model 5 hypothese 5 wordt verworpen. Een mogelijke reden voor de insignificante relatie is de wijze waarop industriespecialisatie gedefinieerd wordt. Voor een uiteenzetting van deze beperking kan gerefereerd worden naar de beperkingen in paragraaf 5.2. Een andere reden kan gevonden worden in het onderzoek van Arrunada en Paz-Ares (1997). Zij hebben laten zien dat ervaringen opgedaan bij verschillende klanten, misschien geen perfecte substituten zijn en derhalve niet bijdragen aan de leercurve van een andere klant. Derhalve zou een industriespecialist zijn kennis

van de ene klant in een bepaalde industrie, niet bijdragen aan de efficiëntie van zijn werkzaamheden bij een andere klant in die industrie.