Zoals beschreven in voorgaand hoofdstuk wordt hypothese 1 beantwoord met de multiple regressieanalyse. Onderstaand is de hypothese ter verduidelijking nog een keer beschreven:
H1: De accountantsduur heeft een negatieve invloed op het effect van foutenherstel op de aandelenkoers.
Het resultaat van de regressieanalyse is weergegeven in tabel 8. De regressieanalyse geeft door middel van de Adjusted R square weer dat alle onafhankelijke variabelen uit de test voor 0,3% de afhankelijke variabele CAR bepalen, waarbij de adjusted R square rekening houdt met het aantal variabele voor de voorspelling van de afhankelijke variabele. Uit de regressie blijkt dat er geen significant resultaat is bij de voorspelling van de afhankelijke variabele door de onafhankelijke variabelen, aangezien het resultaat van de F-statistiek 1,891 niet significant is.
Tabel 8
Resultaten regressieanalyse voor alle foutenherstel en foutenherstel in het operationele resultaat. De afhankelijke variabele betreft de CAR over dag 0 en 1.e
Onafhankelijke variabele f Alle foutenherstelc Foutenherstel in het operationele resultaatd
Coefa T-testb Coefa T-testb
Test variabele Accountantsduur 0,010 0,365 0,046 0,872 Controlevariabele Totaal bezitting 0,017 0,618 0,036 0,692 Schuldratio 0,020 0,754 0,079 1,498 Buy-and-hold return 0,066 2,444*** 0,186 3,534*** Model statistiek Aantal 1.396 350
R2 0,5% 4,6%
Adjusted R2 0,3% 3,5%
F-statisticg 1,891 4,189***
*, ** en *** betreft respectievelijk het significatielevel van 0.1, 0.05 en 0.01 bij een tweezijdige-test.
a Betreft Standardized coefficients en geeft weer in hoeverre de standaarddeviatie van de afhankelijk variabele verandert door verandering van de standaarddeviatie van de onafhankelijke variabele, waarbij de range van de coëfficiënt tussen de -1 en 1 valt. Tevens geeft het de onderlinge verhouding welke onafhankelijke variabele het meeste effect heeft op de afhankelijke variabele.
b De t-score geeft de significantie weer van de populatie van de coëfficiënt ten opzichte van de nulhypothese. c Betreft het aantal foutenherstel aangekondigd over de periode 2003 t/m 2014 in de Verenigde Staten uit de database van WRDS.
d 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. e De afhankelijke variabele CAR is berekend door het market adjusted model door middel van de equally weighted index uit de database van CRPS via WRDS.
f De onafhankelijke variabelen zijn als volgt (in volgorde van de tabel): 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 bezitting= 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.
g Betreft de F-score uit de ANOVA-tabel. De score geeft aan of de onafhankelijke variabele statistisch gezien de afhankelijke variabele verklaren.
Er kan gesteld worden dat de variabele accountantsduur geen significante invloed heeft op de afhankelijke variabele CAR, aangezien de gestandaardiseerde coëfficiënt 0,01 bedraagt. Dit betekent in hoeverre de standaarddeviatie van de afhankelijke variabele veranderd bij een verandering van de standaarddeviatie van de onafhankelijke variabele. Tevens is de coëfficiënt van de accountantsduur ook niet significant van de nulhypothese. Hypothese 1 is door dit resultaat verworpen, aangezien de accountantsduur geen invloed heeft op de afhankelijke variabele CAR. Bij het resultaat van de controlevariabele is alleen de coëfficiënt van de buy-and-hold return significant afwijkend van de nulhypothese (t-test 2,444). De gestandaardiseerde coëfficiënt van de controlevariabele buy-and-hold return is 0,066 en is significant. Hiermee is vastgesteld dat deze controlevariabele een significante effect heeft op de standaarddeviatie van de afhankelijke variabele.
4.1.1 Theorie resultaat hypothese 1
Op basis van het resultaat van de multiple regressieanalyse heeft de variabele accountantsduur geen invloed op het effect van foutenherstel op de aandelenkoers, aangezien er een niet significante coëfficiënt van 0,01 als resultaat is. Tevens is het gehele regressiemodel niet significant. Er kan gesteld worden dat het voor investeerders bij aankondiging van foutenherstel niet uitmaakt of een accountant er pas een paar jaar zit of al langer dan 3 jaar. Echter was de verwachting op basis van de theorieën uit hoofdstuk 2 dat de aandelenmarkt negatiever zou reageren bij foutenherstel van een ervaren accountant.
Deze hypothese was opgesteld omdat investeerders meer vertrouwen hebben in een ervaren accountant (Ghosh & Moon, 2005). Zodoende was de verwachting dat investeerders negatiever zouden reageren indien er foutenherstel optreedt bij een ervaren accountant, aangezien het vertrouwen in de accountant onterecht was. Het vertrouwen in de accountant wordt geschaad door de aankondiging van foutenherstel, aangezien een investeerder gecontroleerde informatie vertrouwt en heeft gebruikt maar achteraf wordt het hersteld door foutenherstel. Tevens was er in voorgaand onderzoek ook al bewezen dat er een relatie is tussen de accountant en foutenherstel op de aandelenmarkt, aangezien investeerders positief reageren bij het ontslaan van de accountant na foutenherstel (Hennes e.a., 2014).
Uit voorgaand onderzoek van Palmrose et al. ( 2004) blijkt dat er een relatie is tussen foutenherstel voorgesteld door de accountant en het abnormale resultaat in de aandelenkoers (CAR). De aandelenmarkt reageert abnormaal negatief bij foutenherstel aangekondigd door de accountant. Doordat investeerders wantrouwig worden tegenover het management met betrekking tot de financiële cijfers, aangezien een externe partij de fout heeft voorgesteld. Dit geeft aan dat er zich problemen voordoen binnen het management met betrekking tot het toezichthouden en beheersen van de onderneming. Hieruit blijkt dat investeerders het wel interessante informatie vinden door wie foutenherstel is ontdekt, maar niet geïnteresseerd zijn in de relatieduur van de toezichthouder van de financiële informatie ook wel de accountant. Hieruit blijkt dat investeerders evenveel waarde hechten aan foutenherstel aangekondigd door een onervaren accountant als ervaren accountant. Ondanks dat er op basis van de theorie gesteld is dat de kwaliteit van de accountant toeneemt naar mate de jaren van de accountantscontrole (Litt e.a., 2014).
4.1.2 Discussie regressiemodel hypothese 1
Het resultaat van de regressieanalyse uit tabel 8 wordt getoetst op multicollineariteit, dit betekent dat er getoetst wordt op de onderlinge correlatie van de onafhankelijke variabele in het regressiemodel. Deze toetst wordt uitgevoerd omdat multicollineariteit de berekening van de
coëfficiënten beïnvloed, aangezien er dan overlapping is tussen de variabelen waarmee de betrouwbaarheid van de test wordt gereduceerd.
Voordat er op multicollineariteit wordt getoetst, wordt de onderlinge correlatie weergegeven. De correlatie van de verschillende variabelen wordt door middel van de Spearman’s Rank-Order Correlation in SPSS bepaald. Er wordt bij de bepaling van de correlatie tussen de variabele gekozen voor het model van Spearman, aangezien er bij dit model zowel continue als categoriale variabele tegelijk getest kunnen worden op correlatie.
Tabel 9
Correlatietabel Spearmana
Variabeleb CAR (0, 1) Accountantsduur Totaal bezitting Schuldratio Buy-and-hold return
CAR (0, 1) 1 0,021 0,061** 0,016 -0,018
Accountantsduur 0,021 1 0,234*** 0,057** 0,057** Totaal bezitting 0,061** 0,234*** 1 0,397*** 0,062** Schuldratio 0,016 0,057** 0,397*** 1 0,093*** Buy-and-hold return -0,018 0,057** 0,062** 0,093*** 1 *, ** en *** betreft respectievelijk het significatielevel van 0.1, 0.05 en 0.01 bij een eenzijdige-test. a Correlatie van de variabelen uitgevoerd door middel van Spearman’s Rank-Order Correlation in SPSS. b De variabelen zijn als volgt (in volgorde van de tabel): CAR= Cumulative Abnormal Return is de afhankelijke variabele, 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 bezitting= 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.
Op basis het correlatietabel van Spearman (tabel 9) kan er gesteld worden dat de onafhankelijke variabele accountantsduur voor 2% correleert met de afhankelijke variabele CAR. Uit het resultaat blijkt dat de variabele totaal bezitting het sterkst correleert met de CAR. Uit voorgaand onderzoek is ook gebleken dat de controlevariabele bedrijfsgrootte van invloed is op de reactie van de aandelenmarkt bij foutenherstel, waardoor het significante resultaat van de correlatie wordt verklaard (Collins e.a., 1987).
Uit de correlatietabel (Tabel 9) kan er gesteld worden dat er geen onafhankelijke variabele in het regressiemodel is die volledig verklaard wordt door de overige onafhankelijke variabele. Uit deze tabel blijkt dat de onafhankelijke variabele accountantsduur met 0,348 correleert met de andere
onafhankelijke variabele, echter kan hieruit nog geen conclusie worden getrokken. Dus wordt de tolerantie statistiek bepaald om de multicollineariteit te bepalen.
De tolerantie statistiek wordt bepaald door de onafhankelijke variabele in een multiple regressieanalyse te testen als afhankelijke variabele en de overige onafhankelijke variabele in te vullen als test variabelen. Uit de tolerantietest blijkt dat de onafhankelijke variabele accountantsduur een tolerantie heeft van 0,996 (Tabel 10), dit betekent dat maar 0,4% van variantie van de variabele gedeeld wordt met de andere onafhankelijke variabele. De overige onafhankelijke variabele hebben ook een hoge tolerantiescore, wat betekent dat de onafhankelijke variabelen in mijn regressiemodel een lage multicollineariteit hebben en de coëfficiënt een hoge betrouwbaarheid.
Tabel 10
Multicollineariteittest van de onafhankelijke variabelen bij alle foutenherstela
Onafhankelijke variabeled Tolerantie Satistiekb Variance Inflation Factorc
Accountantsduur 0,996 1,004
Totaal bezittingen 0,997 1,003
Schuldratio 0,992 1,008
Buy-and-hold return 0,991 1,009
a Betreft het aantal foutenherstel aangekondigd over de periode 2003 t/m 2014 in de Verenigde Staten uit de database van WRDS.
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 (in volgorde van de tabel): 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.
Een andere methode om de multicollineariteit van de onafhankelijke variabele te bepalen is de Variance Inflation Factor (hierna: VIF), waarbij een score van 5 of hoger gezien wordt als bewijs van multicollineariteit. Uit het regressiemodel blijkt dat de VIF van de onafhankelijke variabelen
tussen de 1,004 en 1,009 zitten, wat inhoudt dat er nauwelijks multicollineariteit is bij de gebruikte variabelen.