Respondenten naar organisatiegrootte
4. ondernemingen die helemaal geen sectorale code kennen
De beursfondsen (eigendomsverhouding) en wettelijke governance code worden gecodeerd als één variabele, beide worden dus als synoniem gebruikt. Dit sluit ook aan bij de redenatie die Paape en Speklé hanteren bij het verklaren waarom beursnotering wel statisch significant gecorreleerd is aan risicomanagementimplementatie terwijl dit verband niet gevonden wordt voor de governance code. Zij beargumenteren dat wettelijke handhaving alleen bij beursfondsen voorkomt. Het is daarom logisch om deze als kant van een medaille te beschouwen. Om deze reden is deze bij de
eigendomsverhoudingen niet apart gecodeerd.
Hoewel dit onderscheid als vier aparte dichotome binaire dummy variabelen gecodeerd had kunnen worden is er sprake van een ordinale schaal waarbij er tussen de waardes 1 tot en met 4 in termen van waarde geen verschil is, maar er toch sprake is van geordendheid. De verwachting is dat er een ordening is dat ten opzichte van ondernemingen die geen code hanteren, de vrijwillige codes en wettelijke codes een hogere ‘Beasly’ score kennen. Maar dat beursfondsen en financiële instellingen weer beter scoren dan de overige branches die vrijwillig een code toepassen. Hoewel aparte codering eenzelfde modelfit oplevert, is deze manier de ordering ten opzichte van elkaar inzichtelijk. Daarmee kan de onderliggende vraag of meer wetgeving helpt in tegenstelling tot vrijwillige adoptie of geen code beter worden beantwoord omdat de uitkomsten dan ten opzichte van ‘geen code’ worden berekend.
De sectoren die een vrijwillige code kennen zijn:
Zorgbrede Governance Code
Governancecode Woningcorporaties
Governancecode Welzijn en Maatschappelijke Dienstverlening
- 32 - Goed onderwijsbestuur primair onderwijs
Branchecode Governance Hogescholen
Code Goed Bestuur voor Goede Doelen
Code Cultural Governance
Gedragscode goed bestuur en integriteit publieke omroep
Code goed openbaar bestuur
Gedragscode Verzekeraars
Code Banken
Code Verzekeraars
Code Pensioenfondsen
Hierbij zijn bovengenoemde codes gekoppeld aan de CBS-indeling voor branches. De indeling naar zorg, overheid en woningcoöperaties is in overeenstemming met de indeling publiek en privaat. De code voor publieke omroepen en culturale governance is gekoppeld aan de CBS-indeling ‘Cultuur, Sport en Recreatie’. Deze laatste groep is handmatig gekoppeld aan de geënquêteerden die de enquête met naam en toenaam hebben ingevuld. Financiële instellingen kennen een aparte CBS- codering en zijn gemakkelijk te identificeren. Bij financiële instellingen kan er een overlap bestaan tussen de sectorale code en de wettelijke governance code. In dit geval is er vanuit gegaan dat de wettelijke code prevaleert boven de sectorale code, mede geredeneerd vanuit het toezichtaspect. Beursgenoteerde financiële instellingen zijn dus als beursfonds gecodeerd. Hoewel voor de financiële instellingen die niet beursgenoteerd zijn de code in essentie behoort tot de categorie vrijwillige toepassing is deze als aparte categorie gedefinieerd t.o.v. de overige sectoren die vrijwillig een code toepassen. Dit is enerzijds gedaan omdat in het theoretisch kader is gefundeerd dat in deze code explicieter aandacht voor risicomanagement bestaat ten opzichte van andere sectoren alsmede het specifieke toezicht door De Nederlandse Bank. Op deze wijze wordt hypothese 5 in één keer getoetst. Daarnaast (vooruitlopend op hoofdstuk 4) blijkt dit een betere modelfit op te leveren en minder problemen in de assumpties bij ordinale regressie.
Publiek versus privaat
Voor de codering van publieke en private onderneming is de codering vastgesteld op basis van de codering op basis van de CBS-hoofdindeling zoals opgenomen in vraag 2 van de enquête. Belangrijk is dat hierbij in de definitie van een publieke onderneming. Deze is gedefinieerd als zowel publieke overheidsorganen als semioverheidsinstellingen. Op basis van de CBS-indeling ‘Openbaar bestuur, overheidsdiensten en verplichte sociale verzekeringen’ zijn alle overheidsorganisatie geïdentificeerd. Bij de semioverheidsinstellingen zijn iets subjectievere criteria gehanteerd. Hierbij zouden de volgende instellingen als publiek getypeerd moeten worden:
Woningbouwcorporaties
Zorginstellingen
Onderwijs
Voor de woningstichting blijkt op basis van de gegevens van geënquêteerden dat deze niet allemaal dezelfde CBS-indeling kiezen, de ene keer ‘verhuur van en handel in onroerend goed’, de andere keer ‘verhuur van roerende goederen en overige zakelijke dienstverlening’ en een enkeling ‘overige dienstverlening’. Daarom is deze gecodeerd op basis van de beschikbare invulgegevens. Vervolgens is de lijst met respondenten doorgelopen en op basis van Company.info vastgesteld dat er sprake is (of niet) van een woningcorporatie. Hierbij zou enige meetonnauwkeurigheid kunnen ontstaan omdat van de anonieme geënquêteerden niet kan worden vastgesteld of dit ook woningbouwcorporaties betreft. Voor de laatste twee is de CBS-indeling gehanteerd ‘Gezondheids- en welzijnszorg’ en ‘Onderwijs’. In theorie zou in die twee categorieën ook privaat gefinancierde instellingen kunnen zitten zoals privéscholen of privéklinieken. Daarnaast is er bij zorginstellingen in zekere mate sprake van
- 33 -
gereguleerde marktwerking, waarbij financiering deels door zorgverzekeraars plaatsvindt. In het onderzoek is daarom vervolgens het onderscheid gemaakt tussen zuivere overheid en semioverheid voor verdere analyse.
Ook hier wordt de variabele publiek gecodceerd als dichotome dummyvariabele. Hierbij is gelijk de tegenstelling met privaat helder (1= niet publiek, dus privaat en 0 = publiek). De indeling publiek komt grotendeels overeen met de definitie van de vrijwillige governance code zoals hierboven beschreven. Enige verschil is dat de culturele instellingen en publieke omroepen als private ondernemingen zijn getypeerd. Om deze reden is publiek niet als één dummy te coderen in tegenstelling tot beursfondsen.
Controlevariabele
Dit onderzoek richt zich vooral op de externe factoren die de volwassenheid van risicomanagement beïnvloeden. Echter, risicomanagement is niet iets dat alleen gedaan wordt ten bate van de
buitenwacht of omdat het vanuit de wet, governance of toezichthouders wordt verwacht. Het is in eerste instantie gedreven door de interne organisatie. Om de verklarende waarde van het model verder te vergroten worden de interne factoren die van invloed zijn op risicomanagement daarom ook meegenomen in het totale onderzoeksmodel. Op basis van het onderzoek van Paape en Speklé (2012), maar ook uit eerdere andere onderzoeken blijken de volgende interne factoren ook van invloed op de volwassenheid van risicomanagement:
aanwezigheid van een CRO (Kleffner, Lee en McGannon 2003, Beasly et al. 2005, Pegach en Warr 2007, Yazid, Razali en Hussin, 2012)
aanwezigheid van een auditcommissie (Desender 2007, Wan Daud, Haron en Ibrahim 2011,
Yazid, Hussin en Wan Daud, 2011)
internationaal opererende organisaties (Liepenberg en Hoyt 2003 en 2011, Lin, Wen en Yu 2011, Beastly, Clune en Hermanson 2005)
De variabelen worden allemaal als dichotome dummyvariabelen gecodeerd (0 = wel een CRO aangesteld, wel een auditcommissie en wel internationaal opererend en 1 = voor al deze variabelen niet). Internationaal zou eventueel ook als ordinale variabele gecodeerd kunnen worden in
categorieën van aantal landen, maar de codering als 0 of 1 blijkt een betere modelfit op te leveren. In tegenstelling tot veel onderzoeken over risicomanagement is er voor gekozen om
organisatiegrootte niet mee te nemen als controlevariabele. Dit is een principiële keuze omdat organisatiegrootte in mindere mate dan de gekozen predictor en controlevariabelen een
managementkeuze is. Het zijn van een grote organisatie op zichzelf beïnvloedt niet de volwassenheid van een risicomanagementsysteem. De volwassenheid van een risicomanagementsysteem wordt beïnvloed door managementkeuzes en de omgeving waarbinnen de organisatie opereert. Zonder de aanwezigheid van managementkeuzes of externe invloeden brengt grootte alleen de volwassenheid van risicomanagement niet in beweging en kan dus als zelfstandige variabele niet verklarend zijn. Organisatiegrootte zit al verdisconteerd in de controle- en predictorvariabelen. Grotere organisaties zullen eerder een Big4-auditor aanstellen, een CRO aanstellen, een auditcommissie aanstellen of een andere eigendomsverhouding kennen. Om endogeniteitsvraagstukken (wat verklaart wat) alsmede mogelijke multicollinariteitsproblemen te voorkomen is organisatiegrootte expliciet uitgesloten. Daarnaast blijkt er binnen de wetenschappelijke literatuur geen eenduidige definitie van het begrip organisatiegrootte te bestaan en is deze sterk afhankelijk van de branche waarbinnen de organisatie opereert. Zo is bij een financiële instelling het balanstotaal misschien veel meer zeggend dan omzet als groottecriterium, bij een woningbouwcorporatie de bedrijfswaarde van de activa et cetera.
- 34 -
3.4 Methodologie
Om het geoperationaliseerde onderzoeksmodel te kunnen testen zal gebruik gemaakt worden van ordinale regressie. De methode van ordinale regressie is, omdat de volwassenheidsscore in een ordinale schaal is gedefinieerd de meest logische onderzoeksmethode. Dit is in lijn met eerdere onderzoek van Beasly et al. (2005) en Paape en Speklé (2012). Voor extra robuustheid zal de uitkomst tevens gevalideerd worden met een ordinal least squares regressie (multiple regressie).
Het regressiemodel laat zich als volgt formuleren:
ln (θvolwassenheid x) = αx
– (
β1Big4auditor + β2AccWissel + β3ExtToezicht + θ4CodeToepassing y + β5PubliekeSector + β6OwnerManaged + β7Institutioneel + β8Auditcommittee + β9CRO +β10Internationaal)
θvolwassenheid x = Risicomanagementvolwassenheid gemeten in de (ordinale) 5 schalen van ‘Beasly’ waarbij x het aantal schalen -1 is.
Big4Auditor = de dummy voor of de onderneming een Big4 accountant heeft aangesteld (0 = wel Big4 auditor, 1 = geen Big4 auditor).
AccWissel = de dummy voor of de onderneming de afgelopen 3 jaar wel of niet van accountant is gewisseld (0 = wel gewisseld ≤3 jaar, 1 = niet gewisseld ≤3 jaar).
ExtToezicht = de dummy voor of de onderneming wel of niet onderworpen is aan toezicht door een (sectorale) toezichthouder (0 = wel toezicht op de onderneming, 1 = geen toezicht op de onderneming).
θCodeToepassing y = de ordinale dummy voor de aard van toepassing van de governance codes (1=wettelijke code en tevens beursnotering, 2 = niet beursgenoteerde financiële instellingen tevens dummy voor sector financiële instellingen, 3 = branches die een vrijwillige governance code toepassen en 4 = er is geen verplichting tot governance code), waarbij y het aantal variabelen -1 is.
PubliekeSector = de dummy voor of de onderneming een publieke of private onderneming betreft (0 = publieke sector en 1 = private sector).
OwnerManaged = de dummy voor of de onderneming bestuurd wordt door de eigenaar of dat er scheiding van leiding en eigendom is dan wel sprake van een publieke onderneming (0 = owner-managed, 1 = anders).
Institutioneel = de dummy voor institutioneel eigendom (0 = institutioneel eigendom, 1 = geen institutioneel eigendom).
Auditcommittee = de dummy voor of de onderneming wel of geen auditcommissie heeft ingesteld (0 = wel een auditcommissie, 1 = geen auditcommissie).
CRO = de dummy voor of de onderneming wel of geen CRO heeft aangesteld (0 = wel een CRO aangesteld, 1 = geen CRO aangesteld
Internationaal = de dummy voor of een organisatie alléén in Nederland actief is of ook internationaal (0 = internationaal en 1 = alléén Nederland
De dummyvariabelen zijn in dit geval omgekeerd gedefinieerd van hoe een reguliere dummycodering eruit ziet. Dit is een bewuste keuze omdat in SPSS bij ordinale regressie als referentiecategorie waartegen de analyse wordt afgezet altijd het hoogste nummer kiest. Dat heeft tot gevolg dat de richtingscoëfficiënt in dit geval ook omgekeerd geïnterpreteerd moet worden. In het bijzonder bij de code codering is dit problematisch omdat bij omgekeerde codering de richting afgezet wordt tegen de wettelijke code, terwijl de wenselijke referentiecategorie geen code is. Oftewel het omgekeerd coderen maakt de data beter interpretabel. Dit heeft geen effect op de significantiescores, alleen op de richtingscoëfficiënt.
- 35 -
De richtingscoëfficiënt ten opzichte van α is negatief zodat een hogere score op dichotome of ordinale variabele geassocieerd wordt met een hogere volwassenheidsscore. Simpeler gezegd, door
onafhankelijke variabelen negatief ten opzichte van de constante te zetten leidt een positieve richtingscoëfficiënt op de onafhankelijke variabele tot een lagere volwassenheidsscore. Dus stel dat een Big4 auditor positief geassocieerd is met de mate van risicomanagementvolwassenheid, krijgt de Big4 auditor een positieve richtingscoëfficiënt. Door deze negatief ten opzichte van de constante te zetten, leidt het niet hebben van een Big4 auditor in dat geval tot een lagere volwassenheidsscore. In de tabel hieronder wordt samengevat wat de verwachte richtingscoëfficiënt per onafhankelijke variabele is.
Predictor variabele Verwachte richting
Big4Auditor +
AccWissel +/-
ExtToezicht +
θCodeToepassing y +(t.o.v. geen code)
PubliekeSector
-/-OwnerManaged
-/-Institutioneel
+/-De effecten van de Big4auditor en Accountantswissel op de perceptie van risicomanagement.
Om de effecten van het hebben van een Big4-accountantskantoor als controlerend accountant en het wisselen van accountantskantoor op de eigen perceptie van risicomanagement te meten beperk dit onderzoek zich tot een simpele analyse. Deze analyse heeft als consequentie dat in tegenstelling tot de ordinale regressie op volwassenheid er feitelijk geen antwoord wordt gegeven om de waaromvraag en welke impact het heeft. Het gaat voor deze scriptie echter te ver om een diepgravende analyse van de eigen perceptie van de volwassenheid van risicomanagement uit te voeren. De eigen perceptie van risicomanagement kan door een heel breed spectrum van factoren verklaard worden. In het
onderzoek van Paape en Speklé (2012) is hiertoe een eerste aanzet gegeven door enkele factoren uit de enquête door middel van multiple regressie (ordinary least squares) te relateren aan de eigen perceptie van de effectiviteit van risicomanagement. Omdat er zeer veel dimensies zijn die de invloed op de eigen perceptie beïnvloeden zou een model waarin enkel de variabelen Big4-auditor en
Accountantswissel zijn opgenomen tekort doen aan de rijkheid van deze dimensies.
De in onderzoekt gestelde hypothese zullen worden getoetst door gebruik te maken van de Mann-Whitney test. Met deze toets kan statistisch vastgesteld worden of er een verschil bestaat in de eigen perceptie van de onderneming ten aanzien van haar risicomanagement tussen ondernemingen die een Big4 accountantskantoor hebben aangesteld dan wel in de afgelopen 3 jaar van accountant zijn gewisseld. Het geeft alleen in mindere mate antwoord op de vraag waarom dit zo is. In hoofdstuk 2 is echter wel een theoretisch fundament gelegd op grond waarvan we dit veronderstellen.
De Mann-Withney test is een non-parametrische toets die geschikt is om toetsen uit te voeren op niet-normaal verdeelde populaties. Zoals reeds in paragraaf 3.2 gevisualiseerd en getest blijkt er geen sprake te zijn van een normaal verdeelde eigen perceptie van risicomanagement. De Mann-Whitney toets, toetst of er een statistisch significant verschil in het gemiddelde rapportcijfer (eigen perceptie) bestaat tussen ondernemingen die door een Big4-accountantskantoor worden gecontroleerd. Hierbij is de null hypothese dat er een significant verschil bestaat tussen het gemiddelde rapportcijfer van een onderneming die door een Big4-accountantskantoor wordt gecontroleerd dan wel een organisatie die niet door een Big4-accountantsorganisatie wordt gecontroleerd, en een vergelijkbare hypothese voor de accountantswissel.
- 36 -
De hypotheses zien er als volgt uit:
H0: Er is geen significant verschil in gemiddelde verdeling van de eigen perceptie van de kwaliteit van het risicomanagementsysteem tussen een organisatie die door een
accountantskantoor wordt gecontroleerd en een organisatie die niet door een Big4-accountantskantoor wordt gecontroleerd.
H1a: De gemiddelde verdeling van de eigen perceptie van het risicomanagementsysteem is hoger bij een organisatie die door een Big4-accountantskantoor wordt gecontroleerd dan een organisatie die niet door een Big4-accountantskantoor wordt gecontroleerd.
In de H1a hypothese wordt de positieve associatie uit het theoretisch kader meegenomen. Voor de hypothese H2a is er sprake van een onbekende associatie en dus is de H2a hypothese
tegenovergesteld van de null hypothese:
H0: Er is geen significant verschil in gemiddelde verdeling van de eigen perceptie van de kwaliteit van het risicomanagementsysteem tussen een organisatie die die afgelopen 3 jaar van accountant is gewisseld en een organisatie die niet in de afgelopen 3 jaar van accountant is gewisseld.
H2a: Er is een significant verschil in gemiddelde verdeling van de eigen perceptie van de kwaliteit van het risicomanagementsysteem tussen een organisatie die die afgelopen 3 jaar van accountant is gewisseld en een organisatie die niet in de afgelopen 3 jaar van accountant is gewisseld.
3.5 Dataset
Dataverzameling
De dataset die voortvloeit uit de enquête is voor individueel gebruik verder gepersonaliseerd zoals hieronder beschreven. De dataset bevat in vraag 1 tot en met 16 alle relevante enquête-antwoorden die noodzakelijk zijn voor het onderzoek, met uitzondering van toepassing van de governance codes. Hiervoor is zoals beschreven in paragraaf 3.2 de CBS-codering uit vraag 2 gehanteerd. Op de data-invoer van de enquête zijn nog enkele redelijkheidscontroles uitgevoerd.
De beursnoteringen als antwoord versus de gegevens van respondenten die de enquête met naam en toenaam hebben ingevuld zijn met elkaar gecheckt. Hierbij zaten bij de combinatie van de naam met de beursnotering een viertal ondernemingen die op basis van hun ingevulde antwoord versus de gegevens die hierover op Company.info en Google staan niet als beursfonds classificeren. Deze zijn in de codering alsnog omgezet naar niet-beursfondsen. Opvallend is dat er binnen de beursfondsen 10 fondsen waren die niet aan de Nederlandse beurs zijn genoteerd, maar waarvan de moeder van de onderneming aan een buitenlandse beurs is genoteerd. Hoewel dit in relatie tot de dummy wettelijke code in het gebruik als dummy voor beursfondsen, geen impact heeft, kan dit voor de uitleg van dezelfde dummy voor interpretatie als wettelijke code wel impact hebben. Immers heeft een
governance code van de dochter van een beursfonds voor haar eigen jaarrekening geen impact omdat zij zelfstandig niet aan deze wettelijke verplichting hoeft te voldoen. Hoewel dit een bezwaar zou kunnen zijn wordt de impact hiervan als laag ingeschat in de uitleg van dummy als wettelijke code toepassing. Dit wordt verondersteld omdat het aannemelijk is dat de geconsolideerde jaarrekening van de moeder ten aanzien van haar gegevens afhankelijk is van de risicomanagementsystemen van al haar dochters, waar dus een zekere mate van uniformiteit verondersteld wordt.
Ook is de CBS-codering gecontroleerd voor de met naam ingevulde enquêteresultaten. Hierbij was vooral bij enkele zorginstelling een verkeerde CBS-codering ingevoerd. Deze is in een vijftal gevallen aangepast omdat deze de verdeling tussen publiek en privaat verstoorde. Daarnaast is gecontroleerd
- 37 -
of de data van ja / nee vragen geen antwoorden bevatten anders dan ja / nee. Dit was niet het geval. De indeling van eigendomsstructuur zoals opgenomen in vraag 8 bleek uit negen categorieën te bestaan in plaats van de mogelijke acht. Dit is overlegd met diegene die de data heeft ingevoerd. Er is namelijk één categorie bij de mogelijk ‘anders, namelijk….’ die zo frequent voorkwam dat deze als aparte categorie is bestempeld. Dit betreft ‘dochter van een moedermaatschappij’, welke 34 keer als antwoord is gegeven. Hierdoor bestaat het risico dat deze groep alsnog in één van de categorieën in mijn onafhankelijke variabelen behoort. Voor deze categorie is geprobeerd om deze via de
respondentengegevens alsnog te koppelen aan één van de gebruikelijke acht categorieën. Echter, juist dit antwoord wordt alleen door anonieme respondenten gebruikt. Van deze groep zaten er vijf
financiële instellingen (waarvan twee beursgenoteerd) bij die dus op zich een variabele van interesse zijn, maar op basis van CBS-codering of het feit dat ze beursgenoteerd zijn al juist in de dataset zitten. Nog twee andere anonieme respondenten zijn beursgenoteerd en op basis van die typering al juist in de dataset opgenomen. Van 14 respondenten die naast bovenstaande niet anoniem hebben ingevuld is op basis van de informatie op Company.info en Google vastgesteld dat deze niet in de categorie owner-managed of institutioneel eigendom thuis horen (o.a. op basis van KvK uittreksel van de moeder). Dan blijven er 15 respondenten over die anoniem zijn en niet in een industrie vallen die op basis van de CBS-indeling al in de juiste codering terecht is gekomen (publiek is namelijk ook op basis van CBS-indeling getypeerd) en waarvoor mogelijk het risico bestaat dat deze in de categorie owner-managed of institutioneel terecht hadden moeten komen. Dit merken we dan op als eventuele meetonnauwkeurigheid. Deze codering zou kunnen leiden tot een measurement bias, echter qua karakter vooral gebaseerd op objectieve data.
De dataset heeft antwoord ingegeven bij ja / nee vragen als 1 = ja en 2 = nee. Deze codering zijn omgezet naar de dummycoderingen zoals beschreven in paragraaf 3.2. In de dataset zijn
enquêtevragen die niet door respondenten zijn ingevuld leeg gelaten, deze worden als missing values