Meting van de Variabelen

In deze paragraaf komt aan bod hoe de verschillende variabelen in dit onderzoek zijn gemeten. Achtereenvolgens komen de afhankelijke variabele, de verklarende variabelen en de controlevariabelen aan bod.

Afhankelijke variabele: real earnings management

Diverse onderzoekers die real earnings management hebben onderzocht, volgen de meetmethode van Roychowdhury (2006) en vinden bewijs voor de validiteit van deze meetmethode voor real earnings management (Cohen et al., 2008; Cohen & Zarowin, 2010; Gunny, 2005; Zang, 2012). De drie manipulaties die Roychowdhury (2006) noemt waarop real earnings management kan worden toegepast zijn: door middel van verkoopmanipulatie, door het aanpassen van de discretionaire uitgaven en door middel van overproductie. Om de proxies te bepalen voor het aantonen van deze manipulaties wordt, vanwege de bewezen validiteit in eerdere onderzoeken (Cohen et al., 2008; Cohen & Zarowin, 2010; Gunny, 2005; Zang, 2012), gesteund op de meetmethode van Roychowdhury (2006). Hij gebruikt in zijn onderzoek de volgende proxies voor deze manipulaties: het abnormale niveau van de operationele kasstromen om de mate van verkoopmanipulatie te bepalen (REMVERK); het abnormale niveau van de discretionaire uitgaven om de aanpassing van discretionaire uitgaven te bepalen (REMDISEXP); en het abnormale niveau van de productiekosten om de mate van overproductie te bepalen (REMPROD). De onderzoeken van Cohen et al. (2008) en Roychowdhury (2006) volgend, worden de modellen van Dechow, Kothari & Watts (1998) gebruikt om het normale niveau van deze activiteiten te bepalen. Het abnormale niveau van de activiteiten (de real earnings management activiteiten) wordt vervolgens bepaald door het werkelijke niveau van deze activiteiten te vergelijken met het normale niveau (Roychowdhury, 2006; Cohen et al., 2008).

Het normale niveau van de operationele kasstromen wordt per jaar met behulp van de volgende lineaire functie bepaald. Hiertoe wordt, de onderzoeken van Roychowdhury (2006) en Cohen et al. (2008) volgend, de volgende cross-sectionele regressie uitgevoerd. De error in de functie geeft de mate van verkoopmanipulatie (REMVERK) weer.

𝐶𝐹𝑂𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{= ∝0𝑡+ 𝑏1𝑡} 1 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝑏2𝑡} 𝑆𝑎𝑙𝑒𝑠𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝑏3𝑡} ∆𝑆𝑎𝑙𝑒𝑠𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝜀𝑖,𝑡} Waar:

CFOi,t = De operationele kasstroom voor onderneming i op tijdstip t. Assetsi,t-1 = De activa van onderneming i aan het einde van het voorgaand jaar. Salesi,t = De omzet van onderneming i gedurende het jaar t.

ΔSalesi,t = De verandering in omzet van onderneming i gedurende het jaar t, ofwel: Salesi,t – Salesi,t-1

De onderzoeken van Cohen et al. (2008) en Roychowdhury (2006) volgend, wordt het totaal van discretionaire uitgaven bepaald als de som van de uitgaven voor adverteren, de onderzoeks- en ontwikkelingskosten (R&D kosten) en de verkoop, algemene en administratieve kosten (SG&A kosten). Het normale niveau van deze discretionaire uitgaven wordt per jaar bepaald aan de hand van de volgende cross-sectionele regressie (Cohen et al. 2008; Roychowdhury, 2006). De error in de formule geeft de mate van aanpassing van discretionaire uitgaven weer (REMDISEXP).

𝐷𝐼𝑆𝐸𝑋𝑃_𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{= ∝0𝑡+ 𝑏1𝑡} 1 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝑏2𝑡} 𝑆𝑎𝑙𝑒𝑠_{𝑖,𝑡−1} 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝜀𝑖,𝑡} Waar:

DISEXPi,t = Discretionaire uitgave van onderneming i op tijdstip t. Dit is de som van de uitgaven voor adverteren, onderzoeks- en ontwikkelingskosten (R&D), en verkoop, algemene en administratieve uitgaven (SG&A uitgaven).

De productiekosten in een bepaald jaar zijn gelijk aan de kostprijs van de omzet (COGS) van dat jaar vermeerderd met de verandering in de voorraad (ΔINV) over dat jaar (Cohen et al. 2008; Roychowdhury, 2006). Het normale niveau van deze productiekosten wordt per jaar met de volgende cross-sectionele regressie bepaald (Cohen et al. 2008; Roychowdhury, 2006). De error in de formule geeft de mate van overproductie weer (REMPROD).

𝑃𝑅𝑂𝐷𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1} ^{= ∝0𝑡+ 𝑏1𝑡} 1 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝑏2𝑡} 𝑆𝑎𝑙𝑒𝑠𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝑏3𝑡} ∆𝑆𝑎𝑙𝑒𝑠𝑖,𝑡 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝑏4𝑡} ∆𝑆𝑎𝑙𝑒𝑠𝑖,𝑡−1 𝐴𝑠𝑠𝑒𝑡𝑠_{𝑖,𝑡−1}^{+ 𝜀𝑖,𝑡} Waar:

PRODi,t = Productiekosten van onderneming i, op tijdstip t, bestaande uit de kostprijs omzet (COGS) en de veranderingen in de voorraad (INV) gedurende het jaar.

Het totale niveau van de real earnings management (REMTOTAL) is vervolgens bepaald door REMVERK, REMDISEXP en REMPROD te combineren volgens de methode van Franz et al. (2014). De waardes van REMVERK en REMDISEXP worden volgens deze methode vermenigvuldigd met -1, waarna deze bij de waarde van REMPROD worden opgeteld (Franz et al., 2014).

Verklarende variabelen: kenmerken van de RvC

De kenmerken van de RvC die in dit onderzoek centraal staan zijn: de frequentie van de vergaderingen van de RvC, de omvang van de RvC, de zittingsduur van de commissarissen in de RvC, en het aantal commissarissen in de RvC met een financiële achtergrond of een achtergrond in de industrie. Hierna is uiteengezet hoe deze kenmerken in dit onderzoek gemeten worden.

Consistent met de meetmethoden van Vafeas (1999), Xie et al. (2003) en Zgarni et al. (2014), wordt de frequentie van de vergaderingen van de RvC in dit onderzoek gemeten aan de hand van het aantal vergaderingen van de RvC per jaar. De variabele ‘CGBFDP024 – Number of board meetings’ uit DATASTREAM representeert het aantal vergaderingen gedurende het jaar. Consistent met het onderzoek van Brick & Chidambaran (2010) wordt in dit onderzoek het natuurlijke logaritme van het aantal vergaderingen van de RvC genomen om deze variabele weer te geven.

De omvang van de raad wordt gemeten aan de hand van het aantal commissarissen in de RvC. Dit is consistent met de onderzoeken van Cheng (2008), Coles, Daniel & Naveen (2008), Vafeas (2005), Yermack (1996) en Zgarni et al. (2014) welke de omvang van de board meten aan de hand van het aantal commissarissen in de board. De proxy die hiervoor wordt gebruikt is de variabele ‘CGBSDP060 – Board Size’ uit DATASTREAM. Deze variabele representeert het aantal commissarissen in de raad aan het einde van het fiscale jaar en wordt uitgedrukt in een aantal. Consistent met de onderzoeken van Cheng (2008), Xie et al. (2003) en Yermack (1996), wordt het natuurlijke logaritme van deze variabele genomen om de kans op resultaten te vergroten.

De zittingsduur van de commissarissen wordt gemeten aan de hand van het gemiddeld aantal jaren dat commissarissen in de RvC dienst hebben gedaan. De variabele die dit representeert komt uit DATASTREAM en is variabele ‘CGBSO05V Value – Board Structure/Experienced board’. In deze scriptie wordt deze variabele beschouwd als een acceptabele proxy voor het meten van de zittingsduur van de commissarissen in de RvC.

Het aantal commissarissen in de RvC met een financiële achtergrond of achtergrond in de industrie wordt gemeten door dit aantal te nemen ten opzichte van het totale aantal commissarissen in de raad. De variabele die dit representeert komt uit DATASTREAM en is de variabele ‘CGBSO05V – Value - Boards Structure/Specific Skills’. Deze variabele representeert het aantal commissarissen in de RvC met een industrie-specifieke dan wel een sterk financiële achtergrond en wordt uitgedrukt in een percentage van het totaal aantal commissarissen in de RvC.

Controlevariabelen

Om te controleren voor invloeden van andere variabelen op de mate van real earnings management, maar waarop niet de focus ligt in dit onderzoek, zijn een aantal controlevariabelen opgenomen. Op basis van voorgaande onderzoeken naar real earnings management (Eldenburg et al., 2011; Zgarni et al., 2014) zijn de hierna genoemde controlevariabelen geselecteerd.

Het belang van onafhankelijke commissarissen is door vele onderzoekers aangemerkt als een belangrijk kenmerk voor het objectief en effectief kunnen uitvoeren van de toezichtfunctie van de RvC en daarmee earnings management te beperken (Klein, 2002; Marra et al., 2011). In dit onderzoek wordt

verwacht dat wanneer de RvC onvoldoende onafhankelijkheid is, real earnings management niet wordt beperkt. Zgarni et al. (2014) vinden in hun onderzoek dat een onafhankelijke board effectiever is in het beperken van real earnings management dan een minder onafhankelijke board. In de huidige code staan uitgebreide voorschriften met betrekking tot de onafhankelijkheid van de commissarissen (MCGC, 2008). Daarnaast gaf de monitoringcommissie van de Code aan erg tevreden te zijn over de naleving van de huidige Code (MCGC, 2015b). Er wordt daarom aangenomen dat Nederlandse beursgenoteerde ondernemingen aan de onafhankelijkheidsrichtlijnen voldoen. In dit onderzoek is daarom de mate van onafhankelijkheid van de RvC aangemerkt als controlevariabele en er wordt verwacht dat deze een negatieve relatie heeft met real earnings management. Consistent met het onderzoek van Cheng (2008) wordt de onafhankelijkheid bepaald door het percentage van onafhankelijke commissarissen RvC. In dit onderzoek is een commissaris onafhankelijk wanneer hij of zij geen grootaandeelhouder is, hij of zij tot vijf jaar voor benoeming niet werkzaam is geweest in de onderneming, hij of zij geen familiaire banden heeft met de onderneming en daarnaast geen compensatie ontvangt anders dan compensatie voor zijn of haar taak als commissaris (Baysinger & Butler, 1985; MCGC, 2008). De variabele die dit representeert komt uit DATASTREAM en is de variabele ‘CGBSO08V Value – Percentage of strictly independent board members’.

Een andere controlevariabele in dit onderzoek is de grootte van het onderneming. Deze controlevariabele komt voort uit het onderzoek van Zgarni et al. (2014), die tevens onderzoek heeft gedaan naar real earnings management. In diverse onderzoeken (Eldenburg et al., 2011; Hashim & Devi, 2008; Rahman & Mohammed Ali, 2006; Zgarni et al., 2014) wordt het natuurlijke logaritme van de totale activa aan het einde van de periode genomen als een geaccepteerde proxy voor de grootte van een onderneming. Een andere veelgebruikte proxy voor de grootte van de onderneming is het natuurlijke logaritme van de omzetgrootte (Shalit & Sankar, 1977). Echter het onderzoek van Shalit & Sankar (1977) naar de meetmethodes van ondernemingsgrootte laat zien dat het meten aan de hand van de omzet en aan de hand van de totale activa hoog met elkaar correleren en er een hoge mate is van uitwisselbaarheid tussen beide meetmethodes. Dit onderzoek volgt de onderzoeken van Eldenburg et al. (2011) en Zgarni et al. (2014) bij het meten van ondernemingsgrootte en meet deze aan de hand van

het natuurlijke logaritme van de totale activa. Het onderzoek van Zgarni et al. (2014) volgend, wordt er een negatieve relatie verwacht tussen de grootte van de onderneming en de toepassing van real earnings management.

Daarnaast wordt er in dit onderzoek gecontroleerd voor de hoeveelheid vreemd vermogen ten opzichte van het totale vermogen van de ondernemingen, hierna te noemen leverage. Het onderzoek van Zgarni et al. (2014) volgend, wordt er in dit onderzoek gecontroleerd voor leverage. Deze variabele is door Zgarni et al. (2014) namelijk aangemerkt als belangrijke controlevariabele bij het onderzoeken van real earnings management. De meest gebruikte benadering voor het berekenen van leverage is de balans-benadering (Ghandhi, 1966). Dit onderzoek volgt deze benadering en berekent de leverage als de hoeveelheid vreemd vermogen ten opzichte van het totale vermogen aan het begin van het jaar (Ghandhi, 1966; Park & Shin, 2002). De verwachting is dat leverage negatief gerelateerd is aan real earnings management.