In de 2e hypothese van mijn paper wordt er onderzocht wat de invloed van accountantsduur is op
het effect van foutenherstel in het operationele resultaat op de aandelenkoers. In appendix 1 is per categorie foutenherstel aangegeven of het impact heeft op het operationele resultaat of niet. Op basis van de data-analyse is er bepaald dat er 350 deelwaarnemingen zijn die impact hebben op het operationele resultaat. Om antwoord te krijgen op mijn 2e hypothese wordt er gebruik gemaakt
van de Multiple Regression Analyses in SPSS.
Uit het resultaat van de regressieanalyse van SPSS (Tabel 8) blijkt dat de afhankelijke variabele CAR voor 3,5% wordt verklaard door de onafhankelijke variabelen, aangezien de adjusted R2 van
de test 0,035 bedraagt. Tevens is de F-statistiek (4,189) significant in deze test, waarmee is aangetoond dat dit regressiemodel de juiste analyse maakt voor de dataset. De onafhankelijke variabelen van het regressiemodel statistisch gezien de afhankelijke variabele voorspellen.
De gestandaardiseerde coëfficiënt van de variabele accountantsduur bedraagt bij foutenherstel in het operationele resultaat 0,046 en is niet significant van de nulhypothese, waardoor de coëfficiënt wetenschappelijk geen waarde heeft. De lage coëfficiënt en het niet significante resultaat zorgen ervoor dat ook hypothese 2 verworpen wordt. Er kan geconcludeerd worden dat de accountantsduur geen invloed heeft op het effect van foutenherstel in het operationele resultaat op de aandelenkoers.
Bij het resultaat van de controlevariabele is alleen de coëfficiënt van de buy-and-hold return significant afwijkend van de nulhypothese (t-test 3,534). De gestandaardiseerde coëfficiënt van de controlevariabele buy-and-hold return is 0,186 en is significant. Hiermee is vastgesteld dat deze controlevariabele een significante effect heeft op de standaarddeviatie van de afhankelijke variabele CAR.
4.2.1 Theorie resultaat hypothese 2
Op basis van de beschreven theorie in deze paper was er een sterker verschil verwacht van de afhankelijke variabele CAR tussen de ervaren en onervaren accountants bij foutenherstel in het operationele resultaat dan bij alle soorten foutenherstel. Uit het resultaat van het regressiemodel blijkt dat de variabele accountantsduur geen significant effect heeft op de afhankelijke variabele CAR, echter is de gestandaardiseerde coëfficiënt van de onafhankelijke variabele hoger dan bij de 1e hypothese. Tevens is de niet gestandaardiseerde coëfficiënt in de 2e hypothese groter dan de 1e
hypothese voor de variabele accountantsduur namelijk van 0,151 naar 1,01. Dit houdt in dat de accountantsduur bij foutenherstel met impact op het operationele resultaat meer effect heeft op de CAR dan bij alle foutenherstel. Hieruit kan opgemaakt worden dat het effect van de accountantsduur sterker is bij foutenherstel in het operationele resultaat, echter is het effect niet significant waardoor er wetenschappelijk geen conclusie getrokken kan worden.
Op basis van de theorie van Turner et al. (2001) blijkt dat het effect op foutenherstel in het operationele resultaat sterker is dan foutenherstel in zijn geheel. In combinatie met het vertrouwen in de ervaren accountant was de verwachting dat er een significant effect zou zijn van de variabele accountantsduur op de CAR Uit de regressieanalyse blijkt inderdaad dat het effect van de variabele accountantsduur bij foutenherstel in het operationele resultaat sterker is dan bij foutenherstel over het algemeen, maar is het niet significant waardoor hypothese 2 wordt verworpen. Er kan geconcludeerd worden dat de accountantsduur geen invloed heeft op het effect van foutenherstel in het operationele resultaat op de aandelenkoers.
4.2.2 Discussie regressiemodel hypothese 2
Het resultaat van de regressieanalyse van hypothese 2 uit tabel 8 wordt net zoals het resultaat van de 1e hypothese getoetst op multicollineariteit. Dit wordt gedaan door de bepaling van de
tolerantiescore en VIF door middel van de multiple regressie analyse. In tabel 11 is het resultaat van de multicollineariteittest van foutenherstel in het operationele resultaat weergegeven.
Tabel 11
Multicollineariteittest van de onafhankelijke variabelen bij foutenherstel in het operationele resultaata
Onafhankelijke variabeled Tolerantie Satistiekb Variance Inflation Factorc
Accountantsduur 0,996 1,004
Totaal bezittingen 0,997 1,003
Schuldratio 0,994 1,006
Buy-and-hold return 0,996 1,004
a Betreft het foutenherstel welke impact heeft op het operationele resultaat van een bedrijf uit de Verenigde Staten over de periode 2003 t/m 2014. Bron is WRDS. Zie voor de categorisering van het foutenherstel Appendix 1. b Betreft de tolerantie statistiek en is bepaald door de Multiple regressieanalyse in SPSS. De tolerantie geeft aan in hoeverre de onafhankelijke variabelen met elkaar correleren.
c Betreft de Variance Inflation Factor (VIF) en geeft aan of er Multicollineariteit aanwezig is tussen twee of meerdere variabelen. De VIF is bepaald door de multiple regressieanalyse in SPSS
d De onafhankelijke variabelen zijn als volgt: Accountantsduur= 1 als het accountantskantoor langer dan 3 jaar bij aankondiging van het foutenherstel de klant controleert, 0 als het accountantskantoor korter dan 3 jaar controleert,
Totaal bezittingen= totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel, Schuldratio= verhouding langlopende schulden met totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel, Buy-and-hold return= betreft het buy-and- hold return 30 beursdagen voorafgaand aan de aankondiging van foutenherstel.
Uit de tolerantietest blijkt dat de onafhankelijke variabelen van de regressieanalyse voor hypothese 2 nauwelijks met elkaar correleren, dus is er sprake van een lage multicollineariteit. De tolerantie van de onafhankelijke variabele schuldratio is het laagst namelijk 0,994, echter bij een score van 0,2 of lager wordt er pas gesproken van multicollineariteit. Tevens bevestigt de VIF dat de onderlinge correlatie van de onafhankelijke variabele de betrouwbaarheid van de berekening van de coëfficiënt niet beïnvloed, aangezien de VIF lager is dan 5.
5 Conclusie
In het laatste hoofdstuk van de paper wordt de conclusie van het onderzoek beschreven. Tevens wordt er ingegaan op de beperkingen van het onderzoek en aanbevelingen gegeven voor toekomstige hypotheses.