Regressie 1: totale compensatie als afhankelijke variabele

De eerste regressie onderzoekt de relatie tussen de onafhankelijke variabelen en de totale compensatie van de CEO. Hiervoor zijn vier regressiemodellen opgesteld. Het eerste model is een (meervoudige) ordinary least squares model waar industrie dummies in zijn opgenomen. Model twee toont dezelfde regressie alleen dan met een fixed effects model. Hierin wordt rekening gehouden met onderlinge verschillen tussen bedrijven in de steekproef die niet over de tijd veranderen. Model 3 en 4 zijn random effects modellen waarbij in model 4 ook industrie dummies zijn opgenomen. De resultaten zijn in tabel 4.1 te zien. De details van de regressiemodellen staan in Appendix C.

De F-testen in appendix C voor model één tot en met vier laten significante resultaten zien, wat betekent dat de modellen significant zijn. Voor de keuze van het juiste model voor de analyse van de resultaten is gebruik gemaakt van twee testen waarvan de resultaten in appendix B worden

weergegeven. Eerst wordt de Breusch-Pagan Lagrange multiplier test toegepast om te testen of er sprake is van hetroscedasticiteit in de lineaire regressie. In een ordinary least squares regressie mag de geschatte variantie van de residuen niet afhankelijk zijn van de waarden van de onafhankelijke

variabelen. Voor deze regressie wordt de nul hypothese van veronderstelde homoscedasticiteit verworpen, zoals in Appendix B (onderdeel B1) te zien is. Het gebruik van de OLS is dus niet

betrouwbaar. Om dit te ondervangen is de optie robust standard errors gebruikt bij de OLS regressies. Om vervolgens te kijken of het fixed effects model gebruikt moet worden, wordt de Hausman test gebruikt. Deze test controleert of het efficiëntere random effects model ook consistent is naast de altijd consistente maar minder efficiënte fixed effects model. Als de Hausman test significant resultaat laat zien dan is random effects niet consistent en dient er voor de fixed effects model gekozen te worden. In

36

appendix B (onderdeel B2) is te zien dat de Hausman test geen significant resultaat laat zien en dat het random effects model dus gebruikt kan worden. Om de robuustheid van de resultaten te onderzoeken worden de andere modellen ook in de analyse betrokken. Zo heeft het toepassen van een firm fixed effects model als voordeel dat voor alle observeerbare en niet observeerbare kenmerken gecontroleerd wordt, mits deze niet veranderen over de tijd. Een significant resultaat is robuust als meerdere modellen een significant resultaat laten zien. Hoe meer modellen significantie aantonen hoe robuuster het

resultaat.

Als we de modellen van regressie 1 analyseren dan valt op dat er geen significant verband is tussen de mate van onafhankelijkheid in de RvC en totale CEO-compensatie. Het negatieve verband uit hypothese 1a kan dus niet bevestigd worden. Dit zelfde geldt voor het verband tussen de ongelijkheid in leeftijd tussen de commissarissen en de CEO en totale CEO-compensatie. Er is dus ook geen onderbouwing voor hypothese 2a. Voor het verband tussen ongelijkheid in geslacht tussen de commissarissen en de CEO en totale CEO-compensatie laat alleen model 1 een significant verband zien. Dit verband is echter positief. Dit resultaat is dus niet robuust en is niet in overeenstemming met hypothese 3a die stelt dat RvC’s met leeftijden die sterker verschillen met de leeftijd van de CEO minder compensatie toekennen aan de CEO. Verder is er een klein positief en sterk significant effect tussen de zittingsduur van de CEO en totale compensatie te onderkennen. Dit resultaat is ook robuust aangezien alle modellen een significant verband laten zien. Dit houdt in dat CEO’s die langer op hun plek zitten over het algemeen meer verdienen. Het significante positieve verband tussen tobinsq en totale compensatie geeft aan dat als een bedrijf beter presteert de CEO over het algemeen meer verdient. Voor alle modellen behalve de fixed effects model is het verband significant. Daarnaast is er een duidelijk positief en significant

verband tussen de omvang van het bedrijf en CEO-compensatie. Alle modellen laten voor deze variabele significantie zien. Dit geeft aan dat CEO’s in grotere bedrijven over het algemeen meer verdienen. Bovendien is er een significant negatief verband tussen volatiliteit en CEO-compensatie te ontdekken voor modellen twee tot en met vier. Ten slotte zijn er nog minder robuuste maar wel significante coëfficiënten te zien voor omvang RvC, complexiteit bedrijf, One Tier Board dummy en CEO-voorzitter. Hieruit valt op te maken dat er aanwijzingen zijn dat CEO’s meer compensatie krijgen in bedrijven met een grotere RvC, meer complexiteit, met een one-tier bestuur en ze geen dubbele positie als CEO en voorzitter hebben. De laatste relatie is tegen verwachting aangezien verwacht wordt dat een CEO die ook voorzitter is van het toezichthoudende orgaan zijn macht misbruikt om een hogere compensatie te bedingen. Wellicht dat een CEO met deze dubbele positie vanzelf voorzichtiger is met de hoogte van zijn

37

compensatie om te compenseren in de schijn die hij tegen heeft met betrekking tot integriteit. Daarnaast is ook het negatieve verband tussen volatiliteit en CEO-compensatie niet conform de verwachtingen waarbij risico aversiteit van de CEO wordt aangenomen. Het is echter wel in lijn met de resultaten van Fernandes (2008) en Fernandes e.a. (2009).