3.1 Inleiding
De afbakening voor het vervolg van mijn onderzoek formuleer ik in dit hoofdstuk. De belangrijkste onderdelen zijn: de wijze waarop de variabelen worden geoperationaliseerd, het onderdeel van het jaarverslag dat ik in mijn onderzoek betrek en de grootte en de tijdsspan van de steekproef van het onderzoek.
3.2 Positive emotion management
Door het hanteren van PEM proberen charitatieve instellingen in te spelen op emoties van potentiële donateurs en waar nodig deze te modificeren. Deze modificatie kan op allerlei manieren tot uitdrukking worden gebracht (Yörük, 2009). Ik richt me op de mate van een subjectief positieve toon/klank in de jaarverslaggeving en het aanzetten tot positief handelen.
PEM kan op verschillende manieren publiekelijk tot uitvoering worden gebracht. Ik ga kijken naar de toepassing van PEM in bestuursverslagen van Nederlandse charitatieve instellingen. In mijn onderzoek maak ik gebruik van jaarverslagen van 215 Nederlandse charitatieve instellingen. Deze officieel geregistreerde charitatieve instellingen hebben een online beschikbare jaarrekening in combinatie met een jaarverslag, dat geschikt is als input voor mijn software. De gebruikte jaarverslagen komen uit de jaren 2006-2010. Dit is de langste periode waaruit ik online jaarverslagen kon terugvinden (die relevante data bevatten voor mijn onderzoek). Deze online jaarverslagen zijn beschikbaar gesteld door het CBF (753 organisatie-jaar combinaties) en alleen jaarverslagen die via deze organisaties openbaar zijn gesteld gebruik ik voor mijn onderzoek. De reden voor deze keuze is dat de data uit deze periode de meest betrouwbare resultaten/conclusies geven. Bij een optimale grootte en tijd van de dataset zal de kwaliteit van de resultaten hoger liggen.
Daarnaast valt er niet alleen onderscheid te maken in het te onderzoeken hoofdstuk/paragraaf en tijdszone van de jaarverslagen van Nederlandse charitatieve instellingen, maar ook in rechtspersoonlijkheid. De charitatieve instellingen kunnen twee rechtspersoonlijkheden aannemen: stichting (St.) of vereniging (Ver.; al dan niet met beperkte/volledige rechtsbevoegdheid). Beide
rechtsvormen vertonen overeenkomsten, maar ook een aantal fundamentele verschillen (Basselink, 2004). De belangrijkste overeenkomsten zijn dat beide vormen worden opgericht bij opstelling van een notariële akte en uitkering van de winst aan de oprichters/(bestuurs)leden verboden is. De fundamentele verschillen zijn gebaseerd op zeggenschap. Een stichting heeft geen leden en de zeggenschap is volledig in handen van het, zichzelf aanstellend, bestuur. Een vereniging daarentegen bevat wel leden en zij vormen samen de Algemene Ledenvergadering, het hoogste besluitvormingsorgaan. Opgestelde jaarverslagen dienen binnen een stichting alleen door het bestuur te worden goedgekeurd, terwijl bij een vereniging de leden hun goedkeuring moeten geven. Dit heeft als gevolg dat er binnen een vereniging zowel het bestuur als de leden (twee partijen binnen de agency theorie) het met elkaar eens moeten zijn over de geformuleerde (financiële) informatie in het jaarverslag. Dit leidt er toe dat oordeelsvorming, bij verenigingen, genuanceerder wordt geformuleerd (minder gebruik van PEM) en leidt tot betere organisatieprestaties (Gary & Wood, 2011) dan bij een stichting, waar alleen het bestuur de geformuleerde (financiële) informatie in het jaarverslag moet goedkeuren.
De mate van PEM in de jaarverslaggeving van charitatieve instellingen is een (kwalitatieve) variabele. Met behulp van het LIWC-programma (Linguistic Inquiry and Word Count-programma) probeer ik de tekstuele informatie om te zetten in kwantitatieve informatie door per te onderzoeken stuk tekst, uit het jaarverslag, een zogenoemde PE-score (positive emotion-score) toe te kennen (Pennebaker et al., 1996). Deze PE-score is gebaseerd op de aanwezigheid van 690 positieve emotiewoorden (Zijlstra et al., 2004). Op deze manier probeer ik mijn afhankelijke variabele zo te operationaliseren dat een correlatie wordt gelegd tussen PEM en de PE-score en vice versa. Ondanks dat dit gecomputeriseerde tekstanalyseprogramma oorspronkelijk alleen geschikt was voor Engelstalige teksten, is er sinds 2004 ook een Nederlandse versie van het LIWC-programma beschikbaar waarmee PE-scores kunnen worden toegekend aan Nederlandstalige teksten (Zijlstra et al., 2004; Zijlstra et al., 2005). Dit is tevens nodig bij het latere gebruik van SPSS in mijn onderzoek. Het onderdeel in het jaarverslag dat ik ga gebruiken is het bestuursverslag (alleen geschreven tekst). Het bestuursverslag verwoordt de visie/gemoedstoestand van het bestuur op basis van informatie uit drie periodes.
Deze periodes betreffen, het afgelopen boekjaar (terugblik op het al dan niet behalen van de eerder geformuleerde doelstellingen en andere materiële ontwikkelen), de huidige stand van zaken (marktpositie en ontwikkeling, economische toestand en financiële afhankelijkheid) en de toekomst (nieuwe geformuleerde (sub)doelen en eventueel aanpassing in de uit te voeren strategie). Juist in dit deel van het jaarverslag verwacht ik de duidelijkste vorm van het gebruik van PEM omdat het bestuursverslag niet-financiële informatie betreft zonder dat het expliciet gebaseerd is op feiten. De enige eis die wordt gesteld aan het bestuursverslag (Burgerlijk Wetboek 2) is dat ze geen tegenstrijdigheid mag vertonen met het beeld dat geschetst wordt door de jaarrekening.
3.3 Organisatiegrootte
De onafhankelijke variabele omvat de organisatiegrootte van de charitatieve instellingen. De theoretische onderbouwing wees uit dat de grootte van de charitatieve instelling is gerelateerd aan de mate waarin PEM wordt gehanteerd. De grootte van de charitatieve instellingen wordt gemeten aan de hand van de jaarrekeningpost Totale Activa. Eerder onderzoek heeft deze variabele geoperationaliseerd door gebruik te maken van de cijfers aan het einde van het boekjaar van de organisaties (Hopkins, 1988; Ro, 1988). De toepassing van de natuurlijke logaritme (ln) op de totale activa moet er uiteindelijk voor zorgen dat er binnen de dataset sprake is van homoscedasticiteit. Dit laatste begrip houdt in dat bij toepassing van de natuurlijke logaritme op de totale activa de variantie van de organisatiegrootte onafhankelijk is van PEM. Op deze wijze zullen de varianties van de gebruikte variabelen sterker overeenkomen (homogeen) en tevens voldoen aan de randvoorwaardelijke eisen die worden gesteld aan regressieanalyses (Hacker & Hatemi-J, 2008).
De samenstelling van mijn dataset bestaat uit Nederlandse charitatieve instellingen zonder enige selectie op grootte. Dit betekent dat ik alle instellingen in mijn onderzoek ga betrekken die door het CBF als zodanig worden betiteld, mits de jaarverslagen online beschikbaar zijn. De verklaring van deze keuze vindt zijn oorsprong in de artikelen van Williams & Palmer (1998), Fisher et al. (2008) en Patel & Cordery (2011). De conclusies die zij trokken, zijn gebaseerd op een dataset met charitatieve instellingen van uiteenlopende groottes. Om van additionele waarde
te zijn voor de al eerder gepubliceerde literatuur, maar ook voor toekomstig onderzoek, richt ik mijn dataset op vergelijkbare wijze in (geen filter/selectie op basis van de grootte van een charitatieve instelling).
3.4 Relatieve verandering eigen fondsenwerving
De modererende relatie wordt gevormd door de invloed die wordt uitgeoefend door de relatieve verandering (%Δ) eigen fondsenwerving op de relatie tussen organisatiegrootte en PEM. In dit onderzoek zal ik de relatieve verandering van eigen fondsenwerving meten aan de hand van financiële informatie uit de jaarrekening. Deze financiële informatie dient alleen de fondsenwerving van particulieren te beslaan (dus exclusief subsidies van de overheid en andere fondsenwervende instellingen). Hierbij verwerk ik de beschikbare data aan het einde van het boekjaar van de desbetreffende charitatieve instellingen. De relatieve verandering (%Δ) formuleer ik in de volgende formule:
%ΔEigFWit = ((EigFW)t+1 - (EigFW)t) / (EigFW)t (1)
Hierin vormt EigFW de afkorting van eigen fondsenwerving. Deze formule laat zien dat de relatieve verandering eigen fondsenwerving alleen verband houdt met het percentuele verschil tussen twee opeenvolgende boekjaren ((EigFW)t en (EigFW)t+1). Hierbij wordt een groei in eigen fondsenwerving aangegeven met EigFW > 1, terwijl een krimp wordt aangegeven met EigFW < 1.
Naast rekenschap te houden met de grootte van de charitatieve instelling dien ik mijn dataset ook zo in te richten dat ik mijn moderatoreffect (effect van de relatieve verandering eigen fondsenwerving op de relatie, geformuleerd onder hypothese 1) effectief kan meten. De relatieve verandering werpt enkele extra criteria op voor mijn dataset. Het criteria om mijn moderator effectief te meten is de beschikbaarheid van opeenvolgende jaarverslagen. Alleen op deze wijze kan ik mijn moderator volgens eerder omschreven definitie operationaliseren. Mochten de online beschikbare jaarverslagen niet voldoen aan dit criteria dan dient de betreffende combinatie van jaarverslag en charitatieve instelling te worden verwijderd.
De praktische uitvoerbaarheid van dit onderzoek is gebaseerd op het gebruik van SPSS. Door middel van deze kwantitatieve methode (regressieanalyse)
doe ik een uitspraak over de relatie tussen de grootte van een charitatieve instelling en de mate waarin PEM wordt toegepast in haar jaarverslaggeving. Ook de modererende relatie wordt door dezelfde meettechniek onderzocht.
3.5 Controle variabelen
In het onderzoek zijn naast organisatiegrootte (onafhankelijke variabele) andere factoren die invloed kunnen hebben op PEM in bestuursverslagen van Nederlandse charitatieve instellingen. Enkele voorbeelden zijn: de tijdspan van het onderzoek, de leeftijd van de charitatieve instelling, de totale donaties (som der baten) en de marktkenmerken in de charitatieve sector (Thornton, 2006; Thornton & Belski, 2010; Trussel & Parsons, 2004). Om in het onderzoek aan te kunnen tonen dat een verandering in de organisatiegrootte daadwerkelijk leidt tot een verandering in PEM, dienen de belangrijkste factoren, die ook invloed zouden kunnen uitoefenen op PEM in de charitatieve sector, gelijk gehouden te worden. Alleen op deze wijze zou ik een eventuele relatie tussen mijn onafhankelijke en afhankelijke variabele kunnen bewijzen.
De eerste controle variabele in het onderzoek is het jaareffect. Doordat ik gebruik maak van een dataset over verschillende jaren dien ik rekening te houden met mogelijke invloeden van jaareffecten. Door middel van het aanmaken van jaardummies verwijder ik het effect dat kan ontstaan door vordering in de tijd. Thornton (2006) en Thornton & Belski (2010) ondersteunen deze keuze door te stellen dat in de loop van de tijd macro-economische gevolgen wel eens zouden kunnen leiden tot verschillende ontwikkelingen in de non-profit sector. Dit jaareffect onderzoek ik door gebruik te maken van vijf (jaar)dummies (2006-2010). Met behulp van SPSS (die de dummy van jaar 2006 verwijdert) heb ik onderzocht in hoeverre de PE-scores zich per jaar verhouden tot de scores uit het basisjaar (2006). De tweede controle variabele is leeftijd van de charitatieve instelling. In het onderzoek van Thornton (2006), Thornton & Belski (2010) en Trussel & Parsons (2004) wordt de controle variabele leeftijd toegevoegd aan het empirisch model. De reden hiervoor is dat zij samenhang zagen tussen enerzijds de leeftijd en anderzijds de impact van reputatie van charitatieve instellingen. In combinatie met de gedachtegang van Hooghiemstra (2000) zal deze (controle) variabele relevant en betrouwbaar zijn voor mijn onderzoek. De leeftijd van een charitatieve instelling
bepaal ik aan de hand van het aantal jaar dat de instelling bij het CBF als charitatieve instelling bekend staat.
De derde controle variabele is direct public support. Deze variabele bestaat uit de som van alle soorten donaties (individuen, organisaties (anders dan charitatieve), overheid en charitatieve instellingen). In Thornton & Belski (2010) wordt tevens gerefereerd aan dit begrip. Bij gebruik van deze variabele pas ik, net zoals bij de totale activa, de natuurlijke logaritme (ln) toe om er voor te zorgen dat er binnen de dataset sprake is van homoscedasticiteit. Zo houd ik de varianties homogeen en voldoe ik tevens aan de randvoorwaardelijke eisen die worden gesteld aan regressieanalyses (Hacker & Hatemi-J, 2008).
3.6 Empirisch model
In de uiteindelijke resultatensectie maak ik naast gebruik van beschrijvende statistiek en correlatiematrices gebruik van de ordinary least-squares method (OLS). Deze empirisch gestuurde regressiemethode/analyse maakt gebruik van een (empirische) formule die tot doel heeft te meten in hoeverre elke afzonderlijke variabele invloed uitoefent op de afhankelijke variabele (PEM). De formule is als volgt opgesteld (met de specificatie voor charitatieve instelling i in jaar t):
PEMit = β0 + β1 ln OrgGrit + β2 %Δ EigFWit + β3 ln OrgGrit * %Δ EigFWit + β4JREFFit + β5 LFTit + β6 ln DIRSUPit + εit (2)
waar:
PEMit = Positive emotion management OrgGrit = Organisatiegrootte
%ΔEigFWit = Relatieve verandering eigen fondsenwerving JREFFit = Jaareffect
LFTit = Leeftijd DIRSUPit = Som der baten
In de regressieformule vormt βi een coëfficiënt (waarbij β0 een constante zonder samenhang met een onafhankelijke variabele vormt) en geeft εi de storingterm weer. Door middel van deze formule wordt bepaald in hoeverre de onafhankelijke variabelen (organisatiegrootte en %Δ eigen fondsenwerving) invloed uitoefenen op de afhankelijke variabele op voorwaarde dat de controle variabelen (jaareffect, leeftijd en direct public support) constant blijven (ceteris paribus). Op deze manier kan worden bepaald of er een significante relatie bestaat en welke grootte deze relatie aanneemt.
3.7 Afsluiting
Hierbij heb ik de kaders geschetst die ten grondslag liggen aan mijn statistisch kwantitatieve onderzoek. De kaders dienen daarom ook als grenzen bij de oordeelsvorming met betrekking tot mijn hypotheses. De uitvoering van dit onderzoeksontwerp zal plaatsvinden in het volgende hoofdstuk.