Je hebt onafhankelijke waarnemingen

Daarnaast geldt er ten aanzien van de toets zelf dat er sprake moet zijn van een gelijke vorm in de verdeling van onafhankelijke variabelen.

Aan de eerste veronderstelling is voldaan, eigen risicoperceptie is gedefinieerd als ordinale variabele. Ook aan de tweede veronderstelling wordt voldaan aangezien de codering van deze toets gelijk is aan de codering van regressieanalyse (waarbij de dummycodering conform de lineaire regressie is

gecodeerd, dus 0=nee, 1 = ja). Daarnaast is er sprake van onafhankelijke waarnemingen. Er is sprake van bewerking van de respondentengroep en respondenten zijn niet vooraf aan een groep

toegewezen, daarnaast komt elke respondent maar in één groep voor. Hiermee wordt voldaan aan de veronderstelling.

- 45 -

Met betrekking de veronderstelling van de toets zelf wordt hieronder een visuele weergave van de distributies van beide onafhankelijke variabelen gegeven. Hoewel er enig verschil zit in de frequenties (het aantal malen dat een cijfer voorkomt), lijkt de verdeling over de rapportcijfers voor Big4Auditor redelijk gelijk. Voor de accountantswissel lijkt hier minder sprake van. Dit heeft voor de laatste als consequentie dat alleen conclusie over de distributie van de gemiddelde rangorde kan worden getrokken. Hier zal in hoofdstuk 4 verder rekening mee worden gehouden.

- 46 -

4. Resultaten en analyse

4.1 Voorwaarden gebruik uitkomsten regressieanalyse en validatie

Om de resultaten van de uitkomsten van de regressieanalyse te kunnen interpreteren is het noodzakelijk om eerst de significantie en de geschiktheid van het model te beoordelen. De criteria hiervoor zijn licht verschillend en zullen per type regressie worden geanalyseerd.

Ordinale regressie

De goodness-of-fit test beoordeelt hoe slecht het model past bij de data. De Pearson Goodness-of-Fit toets kijkt naar een overall summary maatstaf van de Pearson residuen. Met deze test wordt

onderzocht welk deel van de variatie van het model niet verklaard wordt door de onafhankelijke variabelen. De deviance test onderzoekt het verschil tussen het huidige model / huidige

regressieanalyse ten opzichte van een model waarin de data perfect past bij afhankelijke variabele. De uitkomsten van beide modellen wordt hieronder gepresenteerd.

Figuur 4.1: Goodness-of-Fit test ordinale regressie (SPSS)

De Pearson Goodness-of-Fit toets geeft met een χ2(df518)van 509,604 en p-waarde van 0,595 aan dat de onafhankelijke variabelen de afhankelijke variabelen goed voorspellen. De Deviance Goodness-of-Fit toets geeft met χ2(df518) van 432,231 en een p-waarde van 0.997 aan dat de regressieformule nagenoeg volledig is. De uitkomsten moet wel met enige verdenking worden geïnterpreteerd vanwege het hoge aantal vrijheidsgraden, welke worden veroorzaakt door een groot aantal covariate patronen in de dataset. Echter de robuustheid wordt gevalideerd door de uitkomsten te valideren met de uitkomsten van de lineaire regressie.

De Model Fitting Information geeft een betere thermometer voor de kwaliteit van de analyse. In deze χ2 toetst wordt het intercept only model vergeleken met het finale model. Het intercept only model is een model waarbij alle paramater estimates (partiële richtingscoëfficiënten) de waarde 0 aannemen en dus de α de enige uitkomst van de regressieformule is.

Figuur 4.2: Model Fitting Information ordinale regressie (SPSS)

Het finale model voorspelt de afhankelijke variabel statistisch significant beter dan het intercept only model, χ2(df10) = 156,302 en p < 0.01. De Pseudo R-kwadraten proberen een equivalent te vormen voor de R2 zoals deze bij lineaire regressie wordt toegepast. Deze laat zich als waarde echter vrij slecht interpreteren in tegenstelling tot de R2 bij lineaire regressie. Wel geldt hierbij: hoger is beter.

- 47 -

Figuur 4.3: Uitkomsten Pseudo R-Square (SPSS)

Het model geeft echter een Cox en Schnell pseudo R2 van 0,204. Dit is redelijk consequent met de Cox en Schnell R2 van 0,193 die in het artikel van Paape en Speklé (2012) wordt gevonden. Hiermee kan in combinatie met de analyses die in paragraaf 3.4 op de veronderstellingen van ordinale regressie gesteld worden dat de uitkomsten van het ordinale regressiemodel in voldoende mate als

betrouwbare uitkomsten kunnen worden beschouwd. Daarmee kunnen de uitkomsten van het model worden gebruikt voor het statistisch toetsen van hypotheses zoals geformuleerd in hoofdstuk 2.

Lineaire regressie

Voor lineaire regressie gelden andere toetsen om de verklarende kracht en significanties van het model te beoordelen. De F-toets op de analyse van varianties is vergelijkbaar met de χ2 toets bij de ordinale regressie. De F-toets geeft een indicatie of de afhankelijke variabele statistisch significant verklaard wordt door één of meer van de onafhankelijke variabelen.

Figuur 4.4 Uitkomsten F-Toets Lineaire regressie (SPSS)

De afhankelijke variabele in de regressieformule worden statistisch significant verklaard door de onafhankelijke variabelen in dit model, F(14,311) en P < 0,01. De R-waarde en de R2 waarde bij een lineaire regressie kunnen in tegenstelling tot de ordinale regressie beter worden geïnterpreteerd. Uit onderstaande tabel blijkt de correlatiecoëfficiënt van het gehele model (R). Deze correlatiecoëfficiënt is de correlatie tussen de waargenomen Y-waarden en de door het model voorspelde Y-waarden. De ‘R Square’ betreft de determinatiecoëfficiënt die de verklarende waarden van het model weergeeft.

Figuur 4.5 Uitkomsten R / R-Square lineaire multiple regressie (SPSS)

Uit bovenstaande blijkt dat 19% van de variantie in volwassenheid wordt verklaard door de

onafhankelijke variabelen. En dus 81% door andere factoren. Het lijkt dus een niet al te sterk model, maar hierbij dient wel de kanttekening gemaakt te worden dat dat deels wordt veroorzaakt doordat de onafhankelijke variabelen een beperkte meetschaal hebben, ze kunnen immers alléén de waarde 0 of 1 aannemen en zijn daarmee in essentie geen rijke variabelen waardoor de R2 altijd relatief laag zal

- 48 -

uitvallen. De achterliggende dimensie van de variabele zoals geschetst in hoofdstuk 2 kan moeilijk worden opgenomen in een dummyvariabele.

Daarnaast heeft de lagere R2 ook te maken met het feit dat er feitelijk een ordinale variabele gemeten wordt in plaats van intervalvariabele die op haar beurt ook veel rijkere waarden kan aannemen. Overall lijkt daarom de R2 van 0,190 een acceptabele score.

Mann-Whitney toets

De Mann-Whitney toets heeft in tegenstelling tot regressieanalyse geen specifieke toets om de kracht en verklarende waarde van het model te beoordelen anders dan de beoordeling van de gelijke vorm van de distributies zoals uitgevoerd in paragraaf 3.5.

4.2 Uitkomsten van (regressie)analyse

In de tabel hieronder worden de uitkomsten van zowel de ordinale als lineaire regressie

gepresenteerd. Belangrijk bij de interpretatie van de resultaten is dat, zoals in hoofdstuk 3 beschreven is, de ordinale regressie als uitgangspunt een volwassenheidsscore van 5 neemt. De positieve partiële regressie componenten (β’s) dienen collectief negatief ten opzichte van dit volwassenheidsniveau geïnterpreteerd te worden. De absolute geschatte waardes zijn gegeven het feit dat er sprake is van een ordinale schaal op zichzelf niet als een echte formule te interpreteren, zodanig dat de formule daadwerkelijk als uitkomst een volwassenheidsscore krijgt. De waarde van het getal geeft wel enige indicatie van de sterkte van de relatie ten opzichte van andere variabelen. Hoe hoger de partiële regressiecoëfficiënt, hoe meer deze bijdraagt in risicomanagementvolwassenheid. Bij lineaire regressie werkt de interpretatie in principe op dezelfde wijze, behalve dat deze van een laag volwassenheidsniveau richting een hoger volwassenheidsniveau redeneert.

Figuur 4.6 Samenvatting uitkomsten Paramater estimates ordinale regressie + coefficients lineaire multiple regression (SPSS – bewerkt)

Uit de regressieanalyse blijken er significant verbanden te worden gevonden voor alle predictor en controlevariabelen met uitzondering van een effect op owner-managed ondernemingen,

ondernemingen met institutioneel eigendom en de aanwezigheid van een auditcommissie. Vooral de gezamenlijke code versus industriecodering zijn significant op het niveau P<0.01. In

tegenstelling tot Paape en Speklé (2012) wordt er bewijs gevonden dat een Big4-auditor bijdraagt aan een meer volwassen risicomanagement systeem (H1b). Deze bevinding is in lijn met Beasly et al. (2005) en Desender (2007). Het lijkt er daarmee op dat accountants zich de kritiek van de crisis (Sikka, 2009) ter harte hebben genomen en de dialoog rondom risico’s en risicomanagement robuuster voeren. Anderzijds is het niet onlogisch om mede gezien het statistisch significant bewijs dat toezicht (H6) leidt tot verscherpte aandacht voor risicomanagement te veronderstellen dat dit ook de

- 49 -

risicomanagement, dit zou het verschil in significantie ten opzichte van het onderzoek van Paape en Speklé over het jaar 2009 kunnen verklaren. Ook accountants hebben een kwaliteitsslag moeten maken in hun auditproces. Door de crisis is duidelijk geworden dat, onder andere door de vele faillissementen en nationalisatie van financiële instellingen, het risicoprofiel van klanten toch hoger ligt dan mogelijk initieel ingeschat door de accountants. Een scherpere aandacht voor klantacceptatie dan wel continuatie, als ook de dialoog omtrent de going concern veronderstelling maken de discussie over risicomanagement relevanter. Mogelijk wordt deze discussie daarnaast extra gestimuleerd door de implementatie van standaarden als Basel III en Solvency II, als mede de introductie van

klantspecifieke controleverklaring. Maar ook de aandacht die governance regelgeving besteedt aan risicomanagement, in het bijzonder de paragrafen bij financiële instellingen en beursfondsen, maken het mogelijk makkelijker voor de accountant om de discussie hierover aan te gaan. Deze bevinding wordt ondersteund door het feit dat financiële instellingen (H4) en beursfondsen (H7) een significant volwassener risicomanagementsysteem kennen in lijn met Paape en Speklé. Anderzijds lijkt het er op dat een wisseling van accountantskantoor (H2b) ook zorgt voor een frisse bik op het

risicomanagement van de organisatie en een goed startpunt voor de controle lijkt te zijn.

Het meest opvallende resultaat is, in tegenstelling tot wat Paape en Speklé vonden, dat er wel een publieke sector effect is gevonden. Dit effect is echter anders dan de gestelde hypothese (H9), namelijk dat de publieke sector een hogere volwassenheid van risicomanagement kent ten opzichte van de private sector als geheel. Er is hierop nog een aanvullende analyse gedraaid (niet opgenomen) waarin de publieke sector nog is gesplitst naar semipublieke instellingen en overheidsinstellingen. Ook in deze indeling blijft de uitkomst statistisch significant en is de richtingscoëfficiënt van de variabelen positief en ongeveer even sterk (semipubliek β 0.464, P < 0.05 en overheid β 0.504, P < 0.01). In lijn met Woods (2009) lijkt het er op dat de publieke sector steeds verder professionaliseert en zich daarbij spiegelt aan de private sector. Zoals Paape en Speklé al schetsten in hun hypothese is dat de implementatie van sectorale governance codes vooral in de publieke sector hier een uiting van zijn. In de lineaire regressie is een aanvullende analyse gedraaid waarin de vrijwillige code (en daarmee tevens de publieke sector dummy) is geëlimineerd en hiervoor een dummy is opgenomen voor ‘geen governance code’ (0 = governance code, 1 = geen code). Dit blijkt een perfecte spiegel te zijn van het publieke sector effect en statistisch significant negatief met een richtingscoëfficiënt die gelijk is aan vrijwillige code maar dan negatief (β -/- 0.494 en P < 0.01). Een analyse waarbij alle sectoreffecten worden geëlimineerd blijkt een nog hoger negatieve richtingscoëfficiënt te geven (β -/- 0.592 en P<0.01). Dit levert bewijs dat governance codes (H3) in zijn geheel positief bijdragen aan de volwassenheid van risicomanagement ten opzichte van branches waar geen code geldt. Opvallend hierbij is ook dat de (niet-beursgenoteerde) financiële instellingen (H5) een hogere richtingscoëfficiënt kennen dan (H7) beursgenoteerde ondernemingen (inclusief beursgenoteerde financiële instellingen) wat verklaard kan worden door de explicietere aandacht die aan risicomanagement wordt geschonken in de code en door toezichthouders. Wat hierbij ook meespeelt en mogelijk dus niet volledig aan de code is toe te schrijven is de aandacht die er op grond van Basel II/ Solvency II reeds bestaat voor het risicogericht managen van het asset / liability mix en de eisen die beide richtlijnen stellen aan het risicomanagement. Wel kan worden gesteld dat de uitingen in de code over risicomanagement en het toezicht door de DNB hier een logisch gevolg van zijn.

In totaliteit lijkt er echter wel bewijs, in tegenstelling tot het onderzoek van Paape en Speklé, dat governance codes positief bijdragen aan risicomanagement. Aanvullend is een analyse gedraaid waarin de code dummy is uitgeschakeld en de sectorale effecten van beursfondsen is geëlimineerd en alleen een dummy opgenomen voor de gehele publieke sector, in dit geval zijn de uitkomsten en richting gelijk. Wordt deze echter naar overheid versus semioverheid gesplitst dan is overheid pas significant op het niveau p<0.1 (β 0.337, P = 0.086). Dit geeft verdere ondersteuning voor de

veronderstelling dat het effect, meer dan een sectoraal effect, gedreven is vanuit de vrijwillige adoptie van governance codes (H4).

- 50 -

De bevindingen zijn daarmee een goede aanvulling op het onderzoek van Paape en Speklé die het governance code effect minder specifiek konden duiden. Er blijkt namelijk in de private sector

helemaal geen sprake van vrijwillige adoptie van governance codes. Om deze verklaring nog wat nader kracht bij te zetten wordt hieronder de categorie ‘geen code’ naar branche en naar

ondernemingsgrootte gevisualiseerd. Hier uit blijkt dat er voldoende spreiding is over de verschillende branches en dat ook ondernemingsgrootte niet per definitie de verklarende factor is. Er zit in

ondernemingsgrootte voldoende vertegenwoordiging van bedrijven met > €50 miljoen omzet om te veronderstellen dat grootte niet de primaire drijver achter de uitkomsten zijn.

Figuur 4.7 Verdeling van onderneming zonder governance code verplichting (noch vrijwillig, noch verplicht) naar branche en ondernemingsgrootte

Uit de resultaten blijkt tevens dat de eigendomsstructuren Owner-Managed (H10) en institutioneel eigendom (H8) in dit kader niet relevant zijn. Hoewel owner-managed firms een licht negatieve richtingscoëfficiënt en institutioneel eigendom een licht positief effect heeft, blijken beide effecten niet significant.

De accountantseffecten op de eigen perceptie van risicomanagement

In de figuren hieronder worden de uitkomsten van de Mann-Whitney test weergegeven. De uitkomst met slechts één variabele als enige verklarende variabele is natuurlijk niet in staat is om de volledige dimensie van de eigen perceptie van de respondenten ten aanzien van hun risicomanagementsysteem te vatten. De uitkomst geeft wel een indicatie in welke mate er verschil zit in de perceptie tussen de groepen van respondenten die gecontroleerd worden door Big4 accountantskantoren en niet Big4 accountantskantoren. 16 15 81 131 17 21 77 0 20 40 60 80 100 120 140

Cultuur, Sport en Recreatie Energie en utilities Handel Productie Telecomm, IT enz. Transport & logistiek Zakelijke dienstverlening