ONDERZOEKSMETHODOLOGIE

In het vorige hoofdstuk heeft u kunnen zien dat er verschillende manieren bestaan om de risicoverslaggeving te analyseren. Het instrumentarium vraagt bij dit onderzoek extra aandacht omdat de betrouwbaarheid van het onderzoek daar voornamelijk vanaf hangt. In dit hoofdstuk behandel ik de streekproef selectie, het model dat ik voor dit onderzoek gebruik en het coderingsproces, de interview methodologie en de factoranalyse.

5.1 Streekproef selectie

De streekproef betreft 50 Nederlandse, Britse en Amerikaanse bedrijven uit de IT sector. Deze ondernemingen zijn geselecteerd uit de AEX (n=11), FTSE (n=18), NYSE (n=14) en NASDAQ (n=7) per januari 2010. De codering van de sector (Technologie 9000) en sub industrie (Services 9533 en hardware 9572) is overgenomen van de nummering die door de Euronext wordt gebruikt. De jaarverslagen van de geselecteerde bedrijven zijn die van het financiële boekjaar 2009.

De selectie van de landen Nederland, de Verenigde Staten en het Verenigd Koninkrijk is gebaseerd op enerzijds de begrijpbare taal en het beschikbare eerdere onderzoek. Anderzijds op de goed ontwikkelde en vooruitstrevende wet- en regelgeving. Daarnaast staan de bedrijven in Nederland en het Verenigd Koninkrijk bekent als een van de beste op het gebied van risicoverslaggeving binnen Europa (Addison, 2009). De Verenigde Staten heeft over het algemeen een andere visie op ondernemen dan de Europese landen en is daarom geschikt voor een vergelijking. Alle drie de landen bevinden zich in de top 20 van de ICT Development Index 2008, waaruit blijkt dat de landen een zeer hoog ontwikkelde IT infrastructuur hebben en de mensen goede vaardigheden om met deze technologie om te gaan (ITU, 2010). Schematisch ziet de selectie er als volgt uit.

De IT sector kan gekarakteriseerd worden als een sector met hoge investeringen in immateriële activa (papa, 2007). De IT sector is een zeer innovatieve sector, waar ontwikkelingen snel gaan en er bijna maandelijks nieuwe producten verschijnen. Er is recent een grote golf van overnames en fusies geweest, waardoor er een aantal zeer grote spelers op de markt zijn. In het bijzonder staat de IT sector bekend als een sector met zeer felle concurrentie. Door deze concurrentie is bijvoorbeeld de prijs van de personal computer de laatste jaren enorm gedaald. Deze factoren maken het interessant voor het onderzoek naar risicoverslaggeving, want aangenomen kan worden dat door deze factoren risico een belangrijkere rol speel dan in stabielere sectoren (e.g. productie). Vooral het feit dat de IT sector zeer homogeen is, geeft een goede mogelijkheid om de individuele risicoverslagen te onderzoeken zonder veel verstoringen (Hill en Short, 2009). Arman e.a. (2009) vonden in hun onderzoek dat de technologie sector significant meer risicoverslaggeving gaf ten opzichte van andere sectoren. Een overzicht van de bedrijven die geanalyseerd zijn vindt u hieronder.

Sector: Technologie (9000)

Industrie: Computer hardware (9572) en services (9533) Streekproef bedrijven: NL UK US totaal

5.2 Model voor risicoverslaggeving analyse

In dit onderzoek wordt gebruik gemaakt van een indexanalyse. De informatie-elementen in deze index zijn gevormd door het onderzoek verricht in deel II. Hierin zijn, zoals u in figuur 1 kon zien, vier factoren meegenomen. De analyse van risicoverslaggeving is alleen uitgevoerd op het risicoverslag. Het risicoverslag bestaat uit een risicoprofiel, beschrijving van het ICRS en een in control-verklaring. Helaas heb ik geen onderzoek kunnen vinden welke aantoont dat er ook een trend is binnen het jaarverslag naar een aparte risicoverslag in de jaarverslagen.

De index is in twee delen opgesteld met in totaal vijf onderwerpen. De onderwerpen waar gegroepeerd de informatie-elementen onder vallen zijn algemeen, risicoprofiel, risico’s, ICRS en in control-verklaring. Een overzicht van de volledige index vindt u in bijlage F.

Er is vervolgens een weging toegekend aan de belangrijkste onderwerpen van de index. Deze weging is naar aanleiding van het onderzoek naar de gebruikersbehoefte vastgesteld. De risico-informatie die de gebruikers belangrijk vinden wegen daarom zwaarder. De wegingcodes zijn als volgt:

• Code -2: Zeer negatief oordeel door de gebruikers; • Code -1: Negatief oordeel door de gebruikers; • Code 1: Neutraal oordeel;

• Code 2: Positief oordeel door de gebruikers; • Code 3: Zeer positief oordeel door de gebruikers;

De formule die voor de index analyse gebruikt wordt is de volgende: WRVj= 1/nj WiRVi

WRVj = Gewogen risicoverslaggeving index nj = maximum score van de criteria

RVi = onderwerpen gerapporteerd door onderneming W_i = weging per onderwerp

De risicoverslaggeving wordt hiermee getest relatief aan de index. Hoe meer het verslag aan de index voldoet, des te hoger is de kwaliteit van de verslaggeving.

5.3 Interview methodologie

Om informatie in te winnen over de kijk op risicoverslaggeving vanuit het perspectief van

Agilent CTAC Hewlett-Packard Nedsense NV SAIC

Agilysys Datatec IBM NetApp SciSys

Apple Dell Computer Imtech Ordina Simac Techniek

Atlantic Global Diebold Ingram Micro Parity Systemax

Aveva Group Dimension Data Invensys Phoenix IT Group Telecity Group

CACI International EMC Lexmark International Quantum TomTom

CIBER Fiserv Logica Qurius N.V. Unisys

Cisco Systems Gartner Microgen Redstone Unit 4 Agresso

Computacenter Gemalto Morse Rood Testhouse Int. Western Digital

CSC Gladstone Nedap Sage Xaar

nemen. Voor de interviews heb ik gekozen voor een open interview met een licht gestructureerd karakter. Ik heb een interviewronde gehouden van 1,5 uur per interview. Ik heb voor het open karakter van de vraagstelling gekozen om de respondenten de vrijheid te geven hun persoonlijke visie te geven op het onderwerp. Risicoverslaggeving is erg in ontwikkeling en uit de literatuur blijkt dat er veel variatie is in de huidige verslaggeving, en dit kan door een open karakter van vragen stellen naar voren komen. Tijdens het interview heb ik de respondenten gestimuleerd om uit te wijden over de onderwerpen, heb ik doorgevraagd over verdieping en ben ik samenvattend geweest over de juistheid van de antwoorden. Het open karakter van de vragen werd wel lichtelijk gestructureerd door de opbouw en de keuze van de onderwerpen.

Grofweg bevatte het interview 3 onderwerpen: recente ontwikkelingen in de IT sector, risicoverslaggeving en risico’s. Het overzicht van de vraagstellingen kunt u vinden in bijlage H. Binnen deze onderwerpen was de vraagstelling de lijdraad, maar was er voldoende mogelijkheid om over andere onderwerpen binnen het kader uit te wijden. Na het interview en het verwerken van de notulen heb ik deze aan de respondent voorgelegd voor commentaar. De uiteindelijke uitwerking heb ik verwerkt in hoofdstuk 6.3.

De interviews hebben grotendeels op locatie plaatsgevonden. Er zijn in totaal zes experts geïnterviewd, de gegevens van de respondenten zijn in bijlage G opgenomen. Het betreft vier accountants die betrokken zijn bij de controle van de IT ondernemingen Ordina, Logica CMG, Dell en KPN (Getronics/Pinkroccade). Daarnaast is een professional geïnterviewd die zich voornamelijk bezighoudt met risicoverslaggeving en daarover publiceert, en een consultant werkzaam bij Atos Origin. De ondervraagde personen hebben meerdere jaren ervaring in het vakgebied.

5.4 Coderingsprocedure

De uiteindelijke meting gebeurt aan de hand van de in deel II opgestelde kwaliteitscriteria. In het empirisch gedeelte, deel III van het onderzoek, is de aanwezigheid van deze criteria onderzocht. Er is een weging aan bepaalde items toegekend, die van groot belang zijn voor de gebruikers van het verslag. Hier moet bij de codering geen rekening mee worden gehouden, maar bij de berekening van de totale score volgens de index. De volgende twee mogelijkheden worden onderscheiden.

• Code 0: Deze code geeft aan dat het informatie-element niet aanwezig is in het risicoverslag; • Code 1: Deze code geeft aan dat het informatie-element aanwezig is in het risicoverslag; Door de weging die in de index verwerkt zit, is de eindscore van elke onderneming een relatieve score. De totaalscore wordt in de formule verwerkt tot de uiteindelijke score. Via deze manier wordt er rekening gehouden met het belang van elk criterium in de index. Wel blijft in het algemeen gelden dat des te hoger de score, des te beter de kwaliteit van het risicoverslag.

Voor de analyse van het jaarverslag wordt eerst gekeken naar de inhoudsopgave. Er wordt gekeken of je daar een aparte paragraaf of hoofdstuk kan vinden voor risico-informatie. Daarna wordt het risicoverslag doorgenomen en worden de onderwerpen in de index gecodeerd. Als laatste wordt via de zoekwoorden risico, risicohouding, risicoacceptatie en risicoprofiel5 in het digitale document gezocht of er geen stukken vergeten zijn. Er zijn een aantal beslissingsregels opgesteld voor de analyse, omdat het in elke situatie duidelijk moet zijn hoe er gecodeerd is. Jaarverslagen kunnen op vele manieren zijn geschreven en opgemaakt. Zeker als je het hebt over risicoverslaggeving. De beslissingsregels zijn te vinden in bijlage I.

5.5 Factor analyse

De statistische methode die ik gebruik om de verzamelde data te analyseren is een factor analyse. Een factor analyse is een methode voor het identificeren van groepen of clusters van variabelen. Deze vorm van analyse wordt vaak toegepast in sociale onderzoeken, omdat sommige aspecten moeilijk direct meetbaar zijn. Een burn-out bijvoorbeeld is moeilijk direct vast te stellen, maar de symptomen of factoren, zoals vermoeidheid, kunnen wel gemeten worden. Zo wordt door het meten van verschillende factoren de onderliggende dimensie bepaald.

Door middel van de factor analyse heb ik getracht de data te onderzoeken naar onderliggende verbanden. De bevindingen wil ik alleen op de bestaande steekproef projecteren en niet extrapoleren naar een grotere populatie. Hierdoor beschouw ik de steekproef als de populatie en zijn de resultaten gelimiteerd aan de data van de steekproef. Deze keuze heb ik gemaakt vanwege de subjectiviteit van de risico’s per sector of industrie. Daarnaast is de streekproef niet random gekozen, wat een polarisatie zeer onbetrouwbaar maakt. De methode die ik hiervoor gebruik is de discriptive

method.

Met de factor analyse is het vooral interessant om naar de common variance te kijken. Dat betekent de relatie van de ene variabel met de andere. Binnen de factor analyse zijn er twee methoden om naar de common variance te kijken. De principal component analysis en de factor analysis. Het verschil tussen deze twee is dat bij factor analyse een wiskundig model wordt ontworpen, waarna de variatie van de factoren wordt geschat en dat bij principal component analyse slechts een decompositie wordt gemaakt naar een set lineaire variaties. De principal component analyse is een bekwame methode (Field, 2009) en minder complex dan de factor analyse. Het geeft de mogelijkheid om explorerend onderzoek te doen en om toekomstige hypothese te ontdekken. Deze methode leent zich daarom erg goed voor het explorerende karakter van dit onderzoek. Strikt gesproken is de pricipal component analyse geen factor analyse, maar de twee methoden geven vaak hetzelfde resultaat (Field, 2009).

Er zijn echter wel kanttekeningen bij de methode. Cliff (1987) geeft aan dat component analyse op zijn best een common factor analyse is met een toegevoegde standaard fout en op zijn slechts een onherkenbare analyse waarvan niks vastgesteld kan worden.

De correlatie van coëfficiënten verschilt van steekproef tot steekproef. Vooral bij kleine steekproeven is dit het geval. De generale gedachte bij een factor analyse is dat de steekproef moet bestaan uit minimaal 10-15 data invoeringen per variabel. Field (2009) beschrijft in zijn boek dat de betrouwbaarheid van de factor loadings samenhangt met de steekproef grootte. Des te groter de steekproef des de kleiner de loadings kunnen zijn. Voor de steekproef in dit onderzoek (n = 50) wordt naar een loading van .5 of groter gekeken.