Wat is het effect van de culturele achtergrond van een CEO op de
mate van het schuiven van inkomsten door een multinational
tussen verschillende landen.
Naam: Onno Kuitert Student nummer: 11413867 Datum: 13 januari 2017 Aantal woorden: 12327
MSc Accountancy & Control, specialization Accountancy Faculty of Economics and Business, University of Amsterdam
Verklaring eigen werk
Hierbij verklaar ik, Onno Kuitert, dat ik deze scriptie zelf geschreven heb en dat ik de volledige verantwoordelijkheid op me neem voor de inhoud ervan.
Ik bevestig dat de tekst en het werk dat in deze scriptie gepresenteerd wordt origineel is en dat ik geen gebruik heb gemaakt van andere bronnen dan die welke in de tekst en in de referenties worden genoemd.
De Faculteit Economie en Bedrijfskunde is alleen verantwoordelijk voor de begeleiding tot het inleveren van de scriptie, niet voor de inhoud.
Contents
1 Introductie ...5
1.1 Aanleiding en contributie...5
2 Theoretisch kader ...8
2.1 Prikkel voor CEO’s om met inkomsten te schuiven – Agency Theory ...8
2.2 Schuiven van inkomsten door multinationals ...8
2.3 Culturele achtergrond van CEO’s – Culturele dimensies van Hofstede ... 12
2.4 Hypothese ontwikkeling ... 15
3 Onderzoeksontwerp ... 18
3.1 Data over CEO’s en de meetbaarheid van culturele dimensies van Hofstede ... 18
3.2 Data over de meetbaarheid van het schuiven van inkomsten ... 22
3.3 Controlevariabelen gericht op de dochterondernemingen ... 24
3.4 Regressie model ... 25
3.4.1 Het schuiven van inkomsten meten door: ‘Winst voor belasting /Omzet’ ... 25
3.4.2 Het schuiven van inkomsten meten door: Export omzet/totale omzet: ... 25
3.4.3 Het schuiven van inkomsten meten door: ( financiële baten + financiële kosten) / Omzet 3.4.4 Het schuiven van inkomsten meten door: Omzet/Net assets ... 26
3.5 Beschrijvende statistiek ... 28
3.6 Correlatie ... 29
4 Regressie resultaten... 31
4.1 Analyse van de regressieresultaten onder I_Shift1 ... 31
4.1.1 Regressieanalyse I_shift1 – verschillen tussen mannen en vrouwen ... 32
4.1.2 Regressieanalyse Ishift1 – Impact van afkomst CEO op regressie... 34
4.2 Analyse van regressie resultaten onder I_shift2 ... 36
4.4 Analyse van regressie resultaten onder I_shift4 ... 37
5 Conclusie ... 39
6 Referenties en literatuurlijst ... 42
1
Introductie
1.1 Aanleiding en contributie
Hoewel er een gemeenschappelijke valuta is ontstaan en er vrije handel kan worden gedreven over de grenzen heen, blijft vennootschapsbelasting in Europa een nationale kwestie. Doordat de belastinglast varieert tussen de landen hebben multinationals een incentive om inkomsten te verschuiven naar landen waar de laagste tarieven gelden. Om het schuiven van inkomsten voor belastingdoeleinden tegen te gaan hebben overheden afgesproken dat transacties binnen een multinational over de landgrenzen op ‘arm’s lenght’ moeten zijn of vergelijkbaar moeten zijn met prijzen welke tussen onafhankelijke partijen worden gehanteerd (De Simone, 2016). ‘Arm’s lenght’ houdt in dat gelieerde partijen onderlinge transacties tegen zakelijke prijzen dienen te verantwoorden, dus de prijzen die onafhankelijke ondernemingen zouden hanteren. De juiste transfer prijs bepalen blijkt in de praktijk niet altijd even makkelijk. Dit laat ruimte over aan de multinationals om hiermee te manipuleren (Smith, 2002). Voorgaande studies hebben vastgesteld dat de cultuur van een land invloed heeft op de mate van belastingontwijking (Richardson, 2008; Tsakumis et al, 2007). Zij hebben zich gefocust op de cultuur van een land op basis van het model van Hofstede (1980). Andere studies hebben aangetoond dat CEO’s van een bestuur invloed kunnen uitoefenen op het belastingontwijking beleid binnen een organisatie (Dyreng et al, 2010). Uit bovenstaande studies blijkt dat:
- De culturele achtergrond van een CEO meespeelt in de mate van belastingontwijking. - Dat CEO’s invloed uitoefenen op het belastingontwijking beleid.
Op basis van bovenstaande stellingen komt in mij het vermoeden op dat de culturele
achtergrond van een CEO ook invloed zal hebben op de mate van het schuiven van inkomsten door multinationals tussen landen. Ondanks het vermoeden dat ik hierover heb, is dit nog niet eerder onderzocht. Ik zal daarom een toevoeging leveren aan de huidige literatuur door als eerste de volgende onderzoeksvraag te onderzoeken:
‘Wat is het effect van de culturele achtergrond van een CEO op de mate van het schuiven van inkomsten door een multinational tussen verschillende landen?’
Vanuit een maatschappelijk perspectief is antwoord op mijn onderzoeksvraag interessant om een aantal redenen. Ten eerste omdat het van voorspellende waarde kan zijn voor investeerders over de vraag of een onderneming belasting ontwijkt of niet. Ten tweede verkleint antwoord op deze vraag de informatieasymmetrie tussen de agent en de principaal. De culturele achtergrond van de CEO kan immers mogelijk van voorspellende waarde zijn voor de mate waarin hij of zij schuift
met inkomsten tussen de dochterondernemingen in verschillende landen. Dit geeft de principaal meer inzicht. Ten derde kan de belastingdienst de uitkomst van dit onderzoek meenemen in haar risicoanalyse om belastingontwijking scherper in beeld te krijgen. Ten vierde is het schuiven van inkomsten door multinationals is een onderwerp dat op dit moment meer belangstelling geniet dan ooit tevoren. In november 2017 wordt de ‘Paradise papers’ naar buiten gebracht. Hierin wordt de enorme omvang van de belastingontwijking over de hele wereld duidelijk. Ook bedrijven in Europa worden hierin niet ontzien; Nike heeft bijvoorbeeld een omzet van 600 miljoen in Duitsland, zij betalen over slechts 76 miljoen vennootschapsbelasting. Er is in 2016 niet meer dan 3.8 miljoen door hen aan vennootschapsbelasting betaald.
Bij het beantwoorden van de onderzoeksvraag zal ik gebruik maken van het model van Hofstede (1980). Dit model geeft culturen over de hele wereld een score op een aantal dimensies, namelijk: Machtsafstand, individualisme versus collectivisme, onzekerheid ontwijking en masculiniteit versus feminiteit. De verschillende culturen zijn 1 op 1 gekoppeld aan landen. Bij mijn
onderzoek neem ik aan dat de scores die een land krijgt op deze dimensies, tevens de score is die de CEO krijgt waarvan dit land het land van herkomst is. Ik zal vervolgens gaan vaststellen op kwantitatieve wijze of de score van een CEO op deze culturele dimensies correleert met de mate van het schuiven van inkomsten van de multinational waar de CEO in dienst is. Ik zal dus gaan kijken of culturele karakteristieken van een CEO van voorspellende waarde zijn op de mate van het schuiven met inkomsten tussen landen voor belastingdoeleinden. Om dit verband te kunnen verklaren maak ik gebruik van de agency theorie waarbij ik de CEO definieer als een
sleutelfunctionaris van een multinational. Ik zal hierdoor het gedrag van de CEO binnen een multinational beter kunnen verklaren. Het schuiven van inkomsten zal ik meten op vier
verschillende manieren welke allemaal reeds in eerdere onderzoeken zijn gebruikt. Verschillen en overeenkomsten in de regressie uitkomsten tussen deze vier manieren zal ik in mijn onderzoek evalueren. Bij mijn onderzoek zal ik gebruik maken van multinationals uit zestien verschillende Europese landen. Hierbij heb ik dezelfde landen geselecteerd als Beuselinck (2015) in zijn onderzoek. Ik verwacht dat de CEO’s die aan deze multinationals leiding geven afkomstig zijn uit een veelvoud van landen en daarom uiteenlopende culturele achtergronden hebben. Deze sample is hierom erg geschikt om de onderzoeksvraag op kwantitatieve wijze en met hoge betrouwbaarheid te beantwoorden. Ik voer mijn onderzoek uit op basis van multinationals uit Europese landen. Voor het beantwoorden van de onderzoeksvraag zijn Europese landen
uitermate geschikt. De belastingtarieven, belastingwetten en belastingreguleringsorganen variëren sterk tussen de verschillende Europese landen. Dit geeft multinationals binnen Europa
2 Theoretisch kader
2.1 Prikkel voor CEO’s om met inkomsten te schuiven – Agency Theory
Voordat ik uiteen ga zetten op welke gronde ik mijn gedachte baseer dat CEO’s invloed kunnen uitoefenen op het strategisch beleid van multinationals ga ik eerst in op de Agency Theory van Jensen & Meckling (1976). Hierin kan een verklaring worden gevonden voor het feit dat CEO’s daadwerkelijk geprikkeld worden om zich wel of niet bezig te houden met het schuiven van inkomsten tussen verschillende landen. Jensen en Meckling (1976) definiëren de ‘agency relatie’ als een contract waarbij een of meer personen (de principalen) andere personen (de agenten) bevoegdheid geven om voor de principaal keuzes te maken. De theorie gaat er van uit dat beide partijen hun eigen nuts willen maximaliseren. De agent (lees: CEO) zal zichzelf zoveel mogelijk in zijn functie proberen te verrijken. Doordat het doel van de principalen (lees: aandeelhouders) van multinationals vaak is om zoveel mogelijk winst te maken zullen zij de agent beoordelen op zijn of haar kwaliteiten in het maximaliseren van winsten (lees: resultaat na belasting) voor de multinational en belonen naar gelang de CEO hierin slaagt. Een van de voornaamste redenen van het schuiven van inkomsten door multinationals is het verlagen van de belastinglast en hiermee verhoging van de winst van de onderneming (Beuselinck, 2015). Er is hierom reden om te verwachten dat een agent zal gaan schuiven met inkomsten tussen landen om hiermee de totale belastinglast te verlagen, het resultaat na belasting te verhogen en uiteindelijk zijn of haar eigen nuts te maximaliseren. Niet in alle gevallen zal de CEO worden geïntensiveerd om met inkomsten te schuiven tussen landen. Dit komt doordat er bij het schuiven van inkomsten ook kosten worden gemaakt. Een multinational zal hierbij kosten moeten maken gericht op het aanpassen van zijn of haar cijfers en mogelijk investeringspatronen. De totale kosten hiervan worden geschat rond de 0,6% van de belastbare winst. Dit percentage zal hoger zijn wanneer er relatief meer met inkomsten tussen landen wordt geschoven (Huizinga & Laeven, 2008). Deze kosten worden hiernaast beïnvloed door de mate van toezicht op een juiste naleving van de belastingregels in een land. Bij een sterk toezicht zullen deze kosten hoger zijn (Beuselinck, 2015).
2.2 Schuiven van inkomsten door multinationals
Overheden zijn in toenemende mate bezorgd over de verschillen in belastingpercentages tussen verschillende landen. Het gevaar zit erin dat bedrijven hun activiteiten zullen verplaatsen naar landen met een laag belastingpercentages. Dit kan als risico hebben dat landen met hun
voor multinationals. Adjoute & Danthine (2004) tonen met hun onderzoek aan dat de
landgrenzen binnen de EU vervagen en dat de financiële en economische integratie toeneemt. De hoogte van de vennootschapsbelasting blijft echter iets wat per land verschilt en op dit moment niet integraal wordt bepaald. Op basis van het overzicht dat is opgesteld door KMPG (2017) blijkt dat binnen Europa de tarieven voor vennootschapsbelasting ver uiteen lopen. Ter illustratie, in Montenegro is het statutaire vennootschapsbelastingtarief al jaren 9%. In Frankrijk, België, Malta en Monaco ligt het statutaire vennootschapsbelastingtarief tussen 33% en 35%. Hiernaast is het gemiddelde belastingpercentage binnen Europa in 2016 4% lager dan in 2010, een ‘race to the bottom’ tussen Europese landen kan vooralsnog niet worden uitgesloten. Een uitgebreid overzicht van de belastingtarieven van Europese landen is opgenomen in tabel 1. De Common Consolidated Corporate Tax Base (Hierna ‘CCCTB’) is een voorstel voor een
gemeenschappelijke geconsolideerde heffingsgrondslag voor de vennootschapsbelasting waar op Europees niveau aan wordt gewerkt. Dat is opgericht om als oplossing te dienen voor deze uiteenlopende vennootschapsbelasting percentages. Een voorstel van de CCCTB werd in 2011 ingediend, dit bleek echter te ambitieus voor de lidstaten en werd verworpen. In 2016 was een nieuw voorstel ingediend door de CCCTB, deze moet nog worden goedgekeurd door de verschillende lidstaten en het is niet zeker of dit daadwerkelijk gaat gebeuren. Op dit moment bestaat er dus nog mogelijkheid voor multinationals om met inkomsten te schuiven tussen verschillende landen. Klassen & Lang (1993) hebben aangetoond dat multinationals
daadwerkelijk ook actief inkomsten schuiven tussen verschillende landen en dat de mate en richting van het schuiven samenhangt met de geldende belastingtarieven in deze landen. Alle EU lidstaten volgen de OECD richtlijnen, hierin wordt ook aangegeven dat intercompany transacties ‘at arm’s length’ moeten zijn. Dit betekent dat met elkaar verbonden partijen onderlinge transacties moeten waarderen zoals deze ook met een derde partij zouden worden gewaardeerd. Wanneer transfer pricing door bedrijven niet gemanipuleerd kan worden, zou de CEO deze methodiek niet gebruiken om belasting te verlagen. De CEO zou in dat geval niet met inkomsten schuiven tussen landen voor belasting doeleinden. Smith (2002) heeft echter
aangetoond dat transfer pricing in de praktijk te manipuleren is en door multinationals werkelijk wordt gedaan. Hiernaast is aangetoond door Heckemeyer & Overesch (2017) dat transfer pricing een zeer aanwezige techniek is bij multinationals om met inkomsten te schuiven. Twee derde van de totale geschoven inkomsten wordt gedaan door middel van transfer pricing. Niet in alle gevallen bestaan er namelijk vergelijkbare transacties vanuit de markt. Dit zorgt ervoor dat een ‘at arm’s lenght’ prijs lastig is vast te stellen en er hierdoor discretie ontstaat bij de multinational in het bepalen van de transfer prijs. Ook uit onderzoek van De Simone (2016) blijkt dat
multinationals bewust met inkomsten schuiven voor belastingverlaging. Zij toont aan dat er een negatieve relatie bestaat tussen belastingpercentages aan de ene kant, en winsten van bedrijven aan de andere kant. Huizinga & Laeven (2008) stellen hiernaast vast dat 1 procent toename in het statutaire belastingpercentage leidt tot 1.3 procent afname in de winst voor belasting in een land. Dit toont ook aan dat bedrijven schuiven met inkomsten met belastingverlaging als motief. Oyelere & Emmanuel (1998) vergelijken in hun onderzoek de winstgevendheid –
dividenddistributie verhouding in Engeland van bedrijven met een Engelse uiteindelijk
belanghebbende en bedrijven in Engeland met een buitenlandse uiteindelijke belanghebbende. Zij tonen aan dat deze twee groepen aanzienlijke andere verhoudingen laten zien wanneer het gaat om de winstgevendheid – dividenddistributie verhouding. De verhouding tussen deze twee financiële kerngetallen is zeer ongebruikelijk bij de groep met een buitenlandse uiteindelijke belanghebbende. Dit wekt sterk de suggestie dat deze groep de inkomsten uit Engeland verplaatst door middel van transfer pricing.
Er zijn erg veel manieren voor multinationals om met inkomsten te schuiven. In de eerste plaats kunnen zij daadwerkelijk bedrijfsactiviteiten verplaatsen naar andere landen. Ten tweede kunnen zij kunnen binnen de groep leningen uitgeven vanuit landen met een laag belastingtarief aan bedrijven voor welke een hoger belastingtarief geldt. Bedrijven binnen de groep in landen met hoge belastingtarieven zullen een relatief groter deel vreemd vermogen op hun balans hebben opgenomen dan bedrijven in een laag belastingtarief (Bartelsman & Beetsma, 2003). Ten derde kunnen multinationals intracompany export omzet sturen met als doel de totale belastinglast te verlagen (Kant, 1989; Overesch, 2006). Ten vierde hebben Karkinsky & Riedel (2012) en Boehm et al (2012) laten zien dat multinationals op strategische wijze hoog gewaardeerde patenten verplaatsen naar landen met een laag belastingtarief. Ten vijfde krijgen immateriële activa vaak een prominente rol bij transfer pricing strategieën omdat ‘at arm’s length’ prijzen hier vaak niet beschikbaar voor zijn (Grubert, 2003).
Ik wil gaan kijken naar het effect dat een CEO van een multinational kan hebben op de mate van het schuiven van inkomsten tussen landen. De agency theorie van Jensen & Meckling (1976) geeft aan dat een CEO de bevoegdheid krijgt van de principalen om strategische beslissingen voor de onderneming te maken. Dyreng et al (2010) heeft reeds onderzocht en bewezen dat CEO’s incrementele invloed uitoefenen op het belastingontwijking gedrag van hun
multinationals, onder andere door het bepalen van de zogenaamde ‘tone at the top’. ‘Tone at the top’ kan worden gedefinieerd als het algemene ethische klimaat van een onderneming. Minnick & Noga (2003) tonen aan dat CEO’s worden gestimuleerd door de aandeelhouders om een tax management na te streven waarbij er zo weinig mogelijk belasting wordt betaald. Zo blijft er
immers meer geld over voor de aandeelhouders. Er is dus reden om aan te nemen dat een CEO invloed heeft en uitoefent op de mate waarin een multinational tussen landen met inkomsten schuift.
Ik wil het effect van de culturele achtergrond van een CEO op de mate van het schuiven van inkomsten tussen landen onderzoeken. Eerder onderzoek leert ons dat culturele verschillen van CEO’s meespelen in de manier waarop zij hun functie uitvoeren. Chandler (1990) onderzocht en heeft aangetoond dat verschillende nationaliteiten van het management leiden tot verschillen in succes ratio. Hiermee geeft hij impliciet aan dat de nationaliteit van de CEO impact zal hebben op de strategische keuzes die door een multinational worden gemaakt. Chatterjee & Hambrick (2008) vinden een verband tussen het wel of niet hebben van een narcistische persoonlijkheid door de CEO en de prestaties van het bedrijf. Gezien bovenstaande uitgevoerde onderzoeken heb ik reden om aan te nemen dat de culturele achtergrond van een CEO invloed heeft op de mate van het schuiven van inkomsten door de multinational tussen verschillende landen.
2.3 Culturele achtergrond van CEO’s – Culturele dimensies van Hofstede
Er is geen gemeenschappelijke definitie van cultuur die wereldwijd wordt gebruikt. Taras et al (2009) geven in hun onderzoek aan dat er eenaantal elementen zijn die in iedere definitie van cultuur terugkomen. Ten eerste is er over het algemeen de assumptie dat cultuur een multi-level definitie is en altijd bestaat uit meerdere aspecten. Vaak wordt er een ‘uien’ diagram gebruik met de basis assumpties en waarden die de kern van de cultuur betreffen. Hier omheen hangen vaak gebruiken, rituelen en symbolieken. Ten tweede wordt cultuur gedeeld tussen individuen die behoren tot een groep of maatschappij. Ten derde wordt cultuur gevormd over een relatief lange tijd. Ten vierde is cultuur relatief stabiel door de tijd heen. Veel studies hebben een relatie
gevonden tussen cultuur en nationaliteit (e.g. Hofstede, 2001; Stedham and Yamahura, 2004; Taras and Steel, 2009). Het model van Hofstede van culturele dimensies doet dit ook en wordt door velen gezien als het meest gebruikte en meest herkende model welke nationale waardes
meeneemt in het meten van cultuur (Newman & Nollen, 1996; Schuler & Rugovsky, 1998). Ik zal daarom in de rest van mijn onderzoek de culturele achtergrond van de CEO meten aan de hand van de dimensies van het Hofstede (1980) model. Dit model heeft vier primaire culturele dimensies, dit betreffen de volgende:
Machtsafstand (MA):
Deze dimensie drukt de mate uit waarin minder welvarende mensen in een land accepteren en verwachten dat de macht ongelijk verdeeld is. De fundamentele issue hier is hoe mensen in een maatschappij ongelijkheden tussen mensen benaderd. Mensen in een land met een hoge mate van machtsafstand accepteren een hiërarchische structuur waarin iedereen een plaats heeft die vast staat. In landen met lage machtsafstand streven mensen ernaar om de distributie van macht en rijkdom gelijk te verdelen en eisen verantwoording wanneer dit niet het geval is.
Individualisme versus collectivisme (IvsC):
De hoge kant van deze dimensie, genaamd individualisme, kan worden gedefinieerd als een voorkeur voor een zwak sociaal raamwerk waarin individuen enkel zorg dragen voor henzelf en hun directe familie. Het tegenovergestelde, collectivisme, laat een strak raamwerk zien in de maatschappij waar familie of mensen van dezelfde sociale groep elkaar helpt in ruil voor
loyaliteit. De positionering van mensen in deze dimensie wordt gereflecteerd in het ik-denken of wij-denken.
Masculiniteit versus feminiteit (MvsF):
De masculiene kant van deze dimensie geeft een voorkeur weer voor prestaties, heroïsme, assertiviteit en grote beloningen voor succes. Mensen in deze maatschappijen zullen meer competitief zijn. Feminiteit laat zich kennen door voorkeur van samenwerking, bescheidenheid, zorgdragen voor de zwakkeren in de maatschappij.
Onzekerheid ontwijking (OO):
De onzekerheid ontwijking dimensie drukt zich uit in de mate waarin mensen in een land zich oncomfortabel voelen met onzekerheid. De fundamentele issue hier is hoe mensen in een maatschappij omgaan met het feit dat de toekomst onzekerheid met zich meebrengt. Mensen in een maatschappij met een hoge onzekerheid ontwijking score hanteren strenge gedragsnormen en zijn intolerant naar onorthodox gedrag. Mensen in een maatschappij met een lage zekerheid ontwijking score behouden een meer ontspannen houding.
Hofstede heeft deze vier culturele dimensies onderzocht in de jaren zeventig door middel van het afnemen van 116.000 vragenlijsten werknemers van IBM, een grote multinational, in
zesenzestig landen. Hofstede (2001) geeft aan dat de in de jaren zeventig toebedeelde culturele scores relatief stabiel blijven door de jaren heen. Taras et al (2009) heeft geconstateerd dat over het algemeen cultuur wordt gezien als iets wat door de jaren relatief stabiel is. Ik zal de scores uit het onderzoek van Hofstede gebruiken bij het beantwoorden van de onderzoeksvraag en de hypotheses. De scores op de culturele dimensies per land vind je in tabel 2.
In sectie 2.1 heb ik vastgesteld dat prestaties van bedrijven worden beïnvloed door de keuzes van een CEO. Vastgesteld is ook dat de keuzes die een CEO maakt beïnvloed worden door zijn of haar persoonlijkheid (Chatterjee & Hambrick, 2007; Dyreng et al, 2008). Steel en Taras (2010) vinden bewijs dat persoonlijkheid voor een deel voortkomt uit de culturele waarden die in een land heersen. Culturele achtergrond van een CEO zal daarom invloed hebben op zijn of haar strategische keuzes waarvan het schuiven van inkomsten voor belastingdoeleinden onderdeel uitmaakt.
2.4 Hypothese ontwikkeling
Machtsafstand:
Deze dimensie drukt de mate uit waarin minder welvarende mensen in een land accepteren en verwachten dat de macht ongelijk verdeeld is. De fundamentele issue hier is hoe een
maatschappij ongelijkheden tussen mensen benaderd. Mensen in een land met een hoge mate van machtsafstand accepteren een hiërarchische structuur waarin iedereen een plaats heeft die vast staat. In landen met lage machtsafstand streven mensen ernaar om de distributie van macht en rijkdom gelijk te verdelen en eisen verantwoording wanneer dit niet het geval is.
Het doel van het schuiven van inkomsten door multinationals tussen landen is primair om ervoor te zorgen dat de totale belastinglast van de multinational wordt verlaagd (Harris et al, 1991; Klassen et al, 1993). Een dergelijke actie zal in landen met een lage machtsafstand niet worden getolereerd aangezien hier het gedachtegoed wordt gedeeld dat rijkdom gelijk moet worden verdeeld. Ik stel daarom de volgende hypothese op:
Hypothese 1: De machtsafstand score van het land waarin een CEO is geboren is positief gecorreleerd met de mate van het schuiven van inkomsten door de multinational tussen verschillende landen.
Individualisme versus collectivisme:
De hoge kant van deze dimensie, genaamd individualisme, kan worden gedefinieerd als een voorkeur voor een zwak sociaal raamwerk waarin individuen enkel zorg dragen voor henzelf en hun directe familie. Het tegenovergestelde, collectivisme, laat een strak raamwerk zien in de maatschappij waar familie of mensen van de zelfde sociale groep elkaar helpt in ruil voor loyaliteit. De positie van een land in deze dimensie wordt gereflecteerd in het ik-denken of wij-denken. Aandeelhouders willen over het algemeen ongelimiteerde belastingontwijking niet prikkelen of stimuleren. Dit komt omdat hier naast de voordelen van lagere belastingen, ook nadelen aan zitten zoals additionele kosten. Deze kosten kunnen zich op verschillende manieren manifesteren, bijvoorbeeld door advocaatkosten of reputatieschade (Rego & Wilson, 2009). Het is echter een feit dat de meeste bedrijven aan het schuiven van inkomsten doen (Klassen & Lang, 1993) en dat dit wordt gestuurd door de aandeelhouders. Ik verwacht dan ook dat wanneer de CEO hoger scoort op individualisme, hij actiever zal zijn in het schuiven van inkomsten. Het schuiven van inkomsten door multinationals tussen landen is vanuit maatschappelijk perspectief niet populair omdat het de belastingafdracht verminderd en de multinationals rijker maakt ten kosten van de maatschappij. Wanneer een CEO handelt vanuit collectivisme verwacht ik dat hij minder actief zijn zal in het schuiven van inkomsten. Ik stel daarom de volgende hypothese op:
Hypothese 2: De individualisme versus collectivisme score van het land waarin een CEO is geboren is positief gecorreleerd met de mate van het schuiven van inkomsten door de multinational tussen verschillende landen. Masculiniteit versus feminiteit :
De masculiene kant van deze dimensie geeft een voorkeur aan prestaties, heroïsme, assertiviteit en grote beloningen voor succes. Deze maatschappijen zullen meer competitief zijn. Feminiteit laat zich kennen door voorkeur voor samenwerking, bescheidenheid en zorgdragen voor de zwakkeren in de maatschappij.
Het hoofddoel van het schuiven van inkomsten door multinationals is het verminderen van de totale belastinglast (Beuselinck et al, 2015; Denis et al, 2002). Hiermee neemt de totale omvang van het budget van de overheid af. Het totale budget van de overheid gaat in 2016 in Nederland voor 58% naar Sociale zekerheid, Arbeidsmarkt en Zorg (Miljoenennota 2015, Nederlandse overheid). Elke euro minder belasting leidt dus tot minimaal € 0,58 minder budget voor de sociaal zwakkeren in de samenleving. De overheidsbudgetten zullen in andere moderne Europese landen doorgaans ook voor een significant deel worden gebruikt voor sociale zekerheid en zorg. Het schuiven van inkomsten door multinationals zal daarom direct een vrij grote impact hebben op de financiering vanuit de overheid naar sociaal zwakkeren. Aangezien een feminiene maatschappij zich laat kenmerken door het zorgdragen voor de zwakkeren zal ik daarom de volgende hypothese stellen:
Hypothese 3: De masculiniteit versus feminiteit score van het land waarin een CEO is geboren is positief gecorreleerd met de mate van het schuiven van inkomsten door de multinational tussen verschillende landen. Onzekerheid ontwijking index:
De onzekerheid ontwijking dimensie drukt zich uit in de mate waarin mensen in een land zich comfortabel dan wel oncomfortabel voelen met onzekerheid. De fundamentele issue hier is hoe een maatschappij omgaat met het feit dat de toekomst onzekerheid met zich meebrengt. Landen met een hoge onzekerheid ontwijking score hanteren strenge gedragsnormen en zijn intolerant naar onorthodox gedrag. Landen met een lage onzekerheid ontwijking score behouden een meer ontspannen houding.
Gianni (1996) heeft aangetoond dat er aan onjuiste transfer pricing door multinationals grote boetes gekoppeld zijn. Het schuiven van inkomsten is een bezigheid dat volgens Rossing (2013) veel risico’s draagt: Veranderende regels omtrent accepteerbaarheid van transfer pricing,
reputatie risico’s, financiële risico’s in de vorm van dubbele taxatie en boetes die het gevolg zijn van inaccurate transfer price bepaling. Een agressieve vorm van het schuiven van inkomsten zal
leiden tot grotere risico’s. Ik verwacht dat CEO’s die zich minder comfortabel voelen met onzekerheid zich minder agressief zullen opstellen in het schuiven van inkomsten. Ik stel daarom de volgende hypothese op:
Hypothese 4: Een hogere onzekerheid ontwijking score van het land waarin een CEO is geboren is negatief gecorreleerd met de mate van het schuiven van inkomsten door de multinational tussen verschillende landen.
3 Onderzoeksontwerp
3.1 Data over CEO’s en de meetbaarheid van culturele dimensies van Hofstede
Om mijn onderzoeksvraag te beantwoorden of de culturele achtergrond van de CEO effect heeft op de mate van het schuiven van inkomsten binnen multinationals tussen verschillende landen zal ik kwantitatief onderzoek verrichten. De data die ik hiervoor gebruik onttrek ik uit
verschillende databases. Zo haal ik de data die ik gebruik voor het meten van de culturele achtergrond van de CEO’s uit de database van Hofstede van culturele dimensies (Hofstede & Hofstede, 1980). De nationaliteit, het geslacht, de leeftijd en de indiensttreding datum van de CEO van de multinationals zal ik handmatig verzamelen uit de database van Orbis. Bij het komen tot de uiteindelijke sample CEO’s heb ik een aantal stappen doorlopen. Allereerst heb ik data voor alle in tabel 8 opgenomen landen gedownload uit de database van AMADEUS – van Dijk – Subsidiary. Vervolgens heb ik enkel de ondernemingen meegenomen die een buitenlandse dochteronderneming hebben. Hierin heb ik als dochteronderneming enkel de ondernemingen aangemerkt waarin de onderneming een belang van 50% of meer heeft. Hierna heb ik vanuit de database van AMADEUS – Van Dijk – Owner- Immediate, Ultimate, Domestic Ultimate Owner voor de geselecteerde ondernemingen vastgesteld of dit daadwerkelijk de uiteindelijke
belanghebbende van de dochteronderneming is. Enkel in de gevallen wanneer dit wel zo is, heb ik deze multinational in mijn selectie meegenomen. Bij deze multinationals heb ik biografische informatie over de CEO handmatig verzameld met behulp van de database van Orbis.
Ik heb besloten om expliciet te gaan kijken naar CEO’s en niet naar andere bestuursleden. Hierbij is een belangrijke considerans geweest dat er op dit moment veel literatuur bestaat waarin het effect van managers op belastingontwijking wordt onderzocht (Armstrong et al, 2015;
Dyreng et al, 2010; Rego & Wilson, 2009). Dyreng et al (2010) zijn echter de enige die expliciet kijken naar het effect van CEO’s op het verlagen van de belastinglast. De bestaande literatuur die kijkt naar het effect van CEO’s op het verlagen van de belastinglast is vrij summier. Mijn
onderzoek zal dus bijdragen aan een versteviging van de huidige literatuur over het effect van CEO’s op het verlagen van belastinglast. Hiernaast zorgt mijn onderzoek ook voor een verbreding van de huidige literatuur omdat ik specifiek kijk naar het effect van culturele achtergronden van CEO’s op de mate van het schuiven van inkomsten, iets wat Dyreng et al (2010) niet hebben onderzocht. Ik ben naar mijn weten de eerste die deze relatie gaat
onderzoeken. Ik zal hiernaast in het bijzonder gaan kijken naar het effect van geslacht, leeftijd van de CEO en indiensttredingdatum op de mate van het schuiven van inkomsten. Eerder
onderzoek heeft aangetoond dat een vrouwelijke CEO een minder agressieve belasting strategie hanteert dan een mannelijke CEO (Zemzem & Khaoula, 2013). Ik zal daarom een dummy variabele kiezen voor geslacht (GENDER). Deze dummy krijgt de code 1 wanneer de CEO een man is en 0 is wanneer de CEO een vrouw is. Dyreng (2010) heeft aangetoond dat de mate van belastingontwijking wordt beïnvloed door de leeftijd van de CEO’s. Dit ligt in lijn met eerder onderzoek van Bertrand & Schoar (2003), zij tonen beide aan dat oudere CEO’s op een minder agressieve wijze belasting ontwijken dan jongere CEO’s. Een andere controlevariabele die ik zal meenemen in mijn onderzoek is de indiensttredingdatum waarop de CEO in zijn functie is getreden. Betrand & Schoar (2003) en Dyreng et al (2010) geven in hun onderzoek aan dat CEO’s die langer in dienst zijn meer invloed kunnen uitoefenen op de onderneming. Consistent met de agency theorie van Jensen & Meckling (1976) zullen CEO’s deze invloed gebruiken om resultaten te sturen, onder andere door middel van het schuiven van inkomsten tussen
verschillende landen. Naast dat ik ‘aantal dienstjaren’ als controlevariabele zal gebruiken, heb ik ook mijn sample CEO’s gefilterd op enkel CEO’s die vóór jaar X in dienst zijn getreden. Een CEO zal op de mate van het schuiven van inkomsten in jaar X enkel invloed kunnen uitoefenen wanneer hij vóór jaar X in dienst is getreden. Ik zal daarom geen CEO’s meenemen die in jaar X of later in dienst zijn getreden. Dit betekent dat ik ook geen CEO’s meenemen die gedurende jaar X in dienst zijn getreden. De reden dat ik deze CEO’s niet meeneem is omdat er geen duidelijkheid bestaat of de mate van het schuiven van inkomsten in jaar X is bepaald door de in dienst getreden CEO of haar voorganger. Tabel 3 laat een overzicht zien van de totale sample verdeeld naar geslacht van de CEO. Dit zijn alle samples waarop wij de regressie analyse gaan toepassen.
TABEL 3 CEO Gender verdeling
Gender Frequentie Procent
Man 11.368 95.93%
Vrouw 482 4.07%
Total (n) 11.850 100%
Tabel 4 laat een overzicht zien waarbij de totale sample wordt verdeeld op basis van de
nationaliteit van de CEO bij de moedermaatschappij. De meeste samples zijn verbonden aan een CEO met een Duitse nationaliteit, gevolgd door CEO’s met een Engelse en daaropvolgend Franse nationaliteit.
TABLE 4 CEO nationaliteit
verdeling
Nationaliteit Aantal Percent
Australia 134 1.13% Austria 97 0.82% Belgium 215 1.81% Brazil 213 1.80% Canada 60 0.51% Denmark 361 3.05% Finland 93 0.78% France 1.566 13.22% Germany 3.647 30.78% Greece 17 0.14% Hungary 4 0.03% Iceland 5 0.04% Ireland 186 1.57% Israel 18 0.15% Italy 660 5.57% Netherlands 756 6.38% Norway 6 0.05% Singapore 3 0.03% South Africa 255 2.15% Spain 47 0.40% Sweden 57 0.48% Switzerland 121 1.02% Turkey 1 0.01% United Kingdom 2.964 25.01% United States of America 364 3.07% Total (n) 11.850 100%
In tabel 5 heb ik het totaal aantal CEO verdeeld per leeftijdsgroep. Hieruit volgt dat van de 11.850 observaties het grootste deel van de CEO’s een leeftijd heeft tussen 49 jaar en 63 jaar. De gemiddelde leeftijd is 53 jaar. De jongste CEO is 34 jaar en de oudste CEO is 86 jaar.
In tabel 6 heb ik het totaal aantal observaties verdeeld naar aantal jaren in dienst. Hieruit volgt dat de het grootste aantal CEO’s die in de sample zijn meegenomen, tussen één en zes jaren in dienst zijn bij de multinational.
TABEL 5 CEO Leeftijd verdeling
Leeftijd Aantal CEO Procent
34-38 19 0,16% 39-43 96 0.83% 44-48 1.354 11.64% 49-53 4.034 34.68% 54-58 4.368 37.55% 59-63 1.522 13.09% 64-68 145 1.25% 69-73 57 0.49% 74-78 25 0.21% 79-83 3 0.03% 84-88 8 0.07% Total (n) 11.631 100% Tabel 6 CEO dienstjaren verdeling Jaren in
dienst #Observaties Percentage
1-3 jaar 5.043 42.56% 4-6 jaar 3.179 26.83% 7-9 jaar 1.838 15.51% 10-12 jaar 825 6.96% 13-15 jaar 511 4.31% 15 jaar en langer 454 3.83% Total (n) 11.850 100%
Tabel 7 geeft scores van de verschillende landen weer op de verschillende culturele dimensies zoals gedefinieerd in het model van Hofstede (1980). Ik zal deze scores koppelen aan de CEO’s in mijn sample op basis van de nationaliteit van een CEO. De input voor het model van
Hofstede (1980) zijn ingevulde vragenlijsten met op iedere vragenlijst dezelfde 150 vragen. Deze vragenlijsten zijn in de jaren zeventig ingevuld door 110.000 medewerkers van IBM, verspreid over heel de wereld. In de vragenlijsten kon door de deelnemers aan elke vraag een score tussen de 1 en 5 gegeven waarbij de methodiek van de Likertschaal wordt gehanteerd. De gemiddelde scores per land zijn vervolgens vermenigvuldigd met 20 waardoor er een score uitkomt tussen de
# observaties Gemiddelde Std Min Max
verschillende culturele dimensies van Hofstede (1980). Wanneer de CEO op basis van zijn nationaliteit hoog scoort op de score machtsafstand (MA) betekent dit dat hij of zij een
hiërarchische structuur accepteert waarin iedereen een plaats heeft die vast staat. CEO’s met lage machtsafstand streven mensen ernaar om de distributie van macht en rijkdom gelijk te verdelen en eisen verantwoording wanneer dit niet het geval is. Wanneer de CEO op basis van zijn nationaliteit hoog scoort op de individualisme versus collectivisme dimensie (IVSC) heeft hij een individualistische houding, wanneer een nationaliteit hierop laag scoort betekent dit dat hij hier een collectivistische houding op nahoudt.. Wanneer de CEO op basis van zijn nationaliteit hoog scoort op de dimensie masculiniteit versus feminiteit (MCSF) betekent dit dat er sprake is van een hoge mate van masculiniteit in zijn gedrag. Anderzijds, wanneer hier laag op gescoord wordt betekent dit dat er sprake is van een hoge mate van feminiteit in zijn gedrag. Wanneer de CEO op basis van zijn nationaliteit hoog scoort op onzekerheid ontwijking (OO) betekent dit hij veel strenge gedragsnormen hanteert en intolerant is naar onorthodox gedrag. CEO’s met een lage onzekerheid ontwijking score behouden een meer ontspannen houding. Tussen de vier hierboven genoemde dimensies hebben onderling geen sterke significante relatie.
3.2 Data over de meetbaarheid van het schuiven van inkomsten
Zoals in sectie 3.1 beschreven heb ik de data over de CEO’s van multinationals handmatig verzameld met behulp van Orbis. Wanneer er informatie vindbaar was over de CEO van een multinational, heb ik voor de dochterondernemingen van deze multinationals financiële
informatie verzameld. De uiteindelijke set dochterondernemingen heeft een omvang van 2.888. Van deze dochterondernemingen heb ik financiële informatie verkregen uit de database van AMADEUS – bureau van Dijk – Financials voor de jaren 2010 t/m 2016. Doordat ik uit de database financiële informatie over meerdere jaren heb gedownload is de totale sample uiteindelijk 11.850. Een overzicht van het aantal multinationals, dochterondernemingen en uiteindelijke samples heb ik vastgelegd in tabel 8.
TABEL 7 CEO nationaliteit
verdeling
Nationaliteit Aantal MA IVCS FVSM OO
Australia 134 36 90 61 51 Austria 97 11 55 79 70 Belgium 215 56 59 47 96 Brazil 213 69 38 49 76 Canada 60 39 80 52 48 Denmark 361 18 74 16 23 Finland 93 33 63 26 59 France 1.566 68 71 43 86 Germany 3.647 35 67 66 65 Greece 17 60 35 57 100 Hungary 4 46 80 88 82 Iceland 5 30 60 10 50 Ireland 186 28 70 68 35 Israel 18 13 54 47 81 Italy 660 50 76 70 75 Netherlands 756 38 80 14 53 Norway 6 31 69 8 50 Singapore 3 74 20 48 8 South Africa 255 49 65 63 49 Spain 47 57 51 42 86 Sweden 57 31 71 5 29 Switzerland 121 34 68 70 58 Turkey 1 66 37 45 85 United Kingdom 2.964 35 89 66 35 United States of America 364 40 91 62 46 Total 11.850
Bij de uiteindelijke set data heb ik op basis van de financiële kerngetallen de mate van het schuiven van inkomsten gemeten. Er zijn, zoals reeds in sectie 2.2 beschreven, erg veel
verschillende manieren om te schuiven met inkomsten. Daarmee zijn er ook veel verschillende manieren om het schuiven van inkomsten te meten. De bestaande literatuur is dan ook niet eenduidig over de manier hoe het schuiven van inkomsten gemeten dient te worden. Ik zal het schuiven van inkomsten daarom aan de hand van vier verschillende methodes meten. Deze methodes zijn allemaal een of meerdere keren in bestaande literatuur toegepast. Ik zal op basis van de verschillende methoden vaststellen of mijn hypotheses worden bevestigd. Hiernaast zal ik onderlinge resultaatverschillen tussen de verschillende methoden evalueren. Mijn hypotheses
worden bevestigd wanneer een correlatie tussen de mate van het schuiven van inkomsten en de scores op de vier culturele dimensies van hofstede als significant aangemerkt kan worden.
Tabel 8
Totale test populatie verdeeld per land
Land # Multinationals % # dochterondernemingen %
# Dochter x jaren (jaren ’10-’16) % Austria 7 2.6% 32 1,1% 188 1.6% Belgium 23 8.6% 116 4,0% 414 3.5% Czech Rep. 0 0.0% 0 0,0% 0 0.0% Denmark 20 7.4% 82 2,8% 364 3.1% Finland 11 4.1% 25 0,9% 84 0.7% France 20 7.4% 226 7,8% 1181 10.0% Germany 24 8.9% 807 27,9% 3587 30.3% England 128 47.6% 1.263 43,7% 4873 41.1% Greece 0 0.0% 0 0,0% 0 0.0% Hungary 1 0.4% 1 0,0% 4 0.0% Ireland 2 0.7% 10 0,3% 60 0.5% Italy 6 2.2% 170 5,9% 459 3.9% Luxembourg 5 1.9% 13 0,5% 44 0,4% Netherlands 16 5.9% 131 4,5% 545 4,6% Norway 0 0.0% 0 0,0% 0 0.0% Slovak Rep 0 0.0% 0 0,0% 0 0.0% Spain 6 2.2% 12 0,4% 47 0.4% Sweden 0 0.0% 0 0,0% 0 0.0% Switzerland 0 0.0% 0 0,0% 0 0.0% TOTAL 269 100.0% 2.888 100,0% 11.850 100.0%
Deze tabel rapporteert het totale aantal multinationals, dochterondernemingen en dochterondermingen X jaren combinaties per land. Er kan opgemerkt worden dat er voor de landen Czech Rep, Greece, Norway, Slovak Rep, Sweden en Switzerland geen geschikte data aanwezig was en daarom geen samples zijn meegenomen.
3.3 Controlevariabelen gericht op de dochterondernemingen
Ik zal de grootte van de dochteronderneming meenemen als controlevariabele. Omzet is het meest geschikt om de grootte van een onderneming te meten. Consistent met Rego & Wilson (2009) zal ik deze variabele gebruiken om de grootte van de ondernemingen te meten. Consistent met Gruber (2003) en Beuselinck (2015) neem ik hiernaast de solvabiliteit van de dochteronderneming mee als controlevariabele, dit zal ik meten door langlopende schulden te delen door totale activa. Deze controle variabele zal waarborg geven aan het verminderen van bias bij mijn onderzoek. Solvabiliteit hangt namelijk samen met de financiële strategieën die multinationals kunnen gebruiken binnen hun groep.
3.4 Regressie model
Ik wil kijken of er correlatie is tussen de mate van het schuiven van inkomsten van de CEO en de score op de verschillende culturele dimensies van Hofstede (1980). Hierbij is het interessant om te zien in welke intensiteit deze correlatie er is. Hierom stel ik een regressie analyse op. De afhankelijke variabele is de mate van het schuiven van inkomsten. Deze meet ik op verschillende manieren die ik hieronder uiteenzet in de verschillende subsecties onder 3.4.
3.4.1 Het schuiven van inkomsten meten door: ‘Winst voor belasting /Omzet’
Een van de manieren om het schuiven van inkomsten te meten is door de inkomsten van buitenlandse gelijknamige dochterondernemingen voor belasting (Fincome) van de multinational te delen door totale omzet van de gelijknamige buitenlandse dochterondernemingen (Fsales). Deze methode is ook toegepast door Beuselinck et al (2015).
( _ ) =
Wanneer er veel met inkomsten wordt geschoven verwacht ik dat dit wordt gedaan door allerlei verschillende methoden. Hierbij valt te denken aan verplaatsen van kosten binnen de groep naar het land met het hoogste belastingpercentage. Deze methoden zullen geen impact hebben op de omzet van de dochteronderneming maar wel op de inkomsten voor belasting van de
dochteronderneming.
Bovenstaande formule is de berekening van de afhankelijke variabele. De totale regressie analyse bevat anderzijds ook de onafhankelijke variabelen die invloed zullen hebben op de afhankelijke variabele. De onafhankelijke variabelen betreffen de scores op de verschillende culturele dimensies van Hofstede (1980), zijnde: machtsafstand (Ma), masculiniteit versus feminiteit (MvsF), onzekerheid ontwijking (OO), individualisme versus collectivisme (IvsC). Hiernaast neem ik het geslacht (GENDER) van de CEO, de leeftijd van de CEO (age), de duur van de aanstelling (TITLE_Years), de omvang van de onderneming (size) en de solvabiliteit van de onderneming (leverage) mee als controle variabelen. Hieruit volgt de volgende regressie analyse:
(ISHIFT1) = a + 1ma + 2 + 3 + 4 + 5 + 6 +
7 + 8 + 9 .
3.4.2 Het schuiven van inkomsten meten door: Export omzet/totale omzet:
Een deel van de export omzet zal betrekking hebben op omzet binnen de groep. Het schuiven van inkomsten tussen landen zal vaak via de omzet gaan. Een hogere export omzet/totale omzet
verhouding zal erop kunnen duiden dat er meer sprake is van intracompany omzet en daarom meer sprake is van het schuiven van inkomsten voor belastingdoeleinden. Kant (1982) en Overesch (2006) hebben in hun onderzoeken aangetoond dat de export omzet door multinationals wordt gebruikt voor het schuiven van inkomsten tussen landen. Ik zal de mate waarin inkomsten worden geschoven door multinationals op de volgende wijze meten:
( _ ) =
Bij de regressie analyse neem ik dezelfde controlevariabelen mee als onder 3.4.1. Ik zal daarom de volgende regressieformule gebruiken:
(I_SHIFT2) = a + 1ma + 2 + 3 + 4 + 5 + 6 +
7 + 8 + 9 .
3.4.3 Het schuiven van inkomsten meten door: ( financiële baten + financiële kosten) / Omzet
Het schuiven van inkomsten tussen entiteiten wordt vaak gedaan door middel van intracompany leningen. Hiermee kan de onderneming kunstmatig schuiven met rentekosten of
renteopbrengsten om op die manier de totale belastinglast zo laag mogelijk te maken. Collins & Shackelford (1998) laten in hun onderzoek zien dat de interestkosten en interestopbrengsten correleren met de hoogte van de belastingen in verschillende landen. Wanneer de financiële baten en lasten stijgen ten opzicht van de omzet, duidt dit erop dat er meer met inkomsten wordt geschoven. Ik zal de mate van het schuiven van inkomsten daarom meten met de volgende formule.
( _ ) =
Bij het samenstellen van de regressieanalyse neem ik dezelfde controlevariabele mee als onder 3.4.1 en 3.4.2. Hieruit volgt de volgende regressieformule:
(I_SHIFT3) = a + 1ma + 2 + 3 + 4 + 5 + 6 +
7 + 8 + 9 .
3.4.4 Het schuiven van inkomsten meten door: Omzet/Net assets
Grubert (2003) toont aan dat asset turnover, gemeten in assets in verhouding tot omzet, een valide indicatie geeft van verschillen in kapitaal intensiteit per unit of sales. Wanneer een dochteronderneming een hogere omzet/net assets ratio heeft, duidt dit erop dat de onderneming
relatief weinig operationele activiteiten heeft. De omzet zal in deze gevallen meer kunstmatig gestuurd zijn. Een dergelijke onderneming zal sneller fungeren als een vehikel om inkomsten mee te schuiven. Ik stel daarom volgende formule op om het schuiven van inkomsten te meten. Hierbij geldt dat een hogere waarde correspondeert met een hoge mate van het schuiven van inkomsten.
( _ ) =
Hierbij heb ik de volgende regressieformule opgesteld waarbij ik weer dezelfde controlevariabelen meeneem als in sectie 3.4.1, 3.4.2 en 3.4.3:
(I_SHIFT4) = a + 1ma + 2 + 3 + 4 + 5 + 6 +
3.5 Beschrijvende statistiek
Tabel 9 laat de beschrijvende statistiek zien. I_Shift1 t/m I_Shift4 zijn afhankelijke variabelen en worden gemeten op basis van financiële
kerngegevens van de dochteronderneming, ieder op eigen wijze zoals beschreven in sectie 3.4. Hiernaast worden Size en leverage_N ook gemeten op basis van de financiële kerngegevens van de dochterondernemingen. De controlevariabelen age, title_years en GENDER worden gemeten op het niveau van de moederonderneming. Deze variabelen hebben namelijk betrekking op de CEO van de multinational. De gemiddelde leeftijd van CEO’s is 53 jaar met een standaard deviatie van 4.979. De geselecteerde CEO’s zijn gemiddeld 5 jaar in dienst van de onderneming. Van alle onafhankelijke variabelen heeft I_Shift2 de minst hoge skewness en kurtosis, de data is bij deze variabele daarom het meest normaal verdeeld. De onafhankelijke variabele met de hoogste skewness en kurtosis is I_shift3. Hierbij is de data het minst normaal verdeeld. De meeste data (n) heb ik kunnen verzamelen voor de variabelen “title_years” en “GENDER”. De kleinste sample omvang heb ik verzameld voor de onafhankelijke variabele I_shift2.
TABEL 9 Beschrijvende statistiek
Variabel N mean SD min p25 p50 p75 max Skewness Kurtosis
I_shift1 9.671 0.221 3.990 -18.927 -0.000 0.027 0.078 30.704 3.979 44.541 I_shift2 2.211 0.254 0.318 0.000 0.000 0.089 0.460 1.000 1.096 2.828 I_shift3 9.168 3.184 24.143 -0.009 0.000 0.002 0.011 220.099 8.417 73.787 I_shift4 9.478 6.687 13.276 0.000 1.080 3.000 6.510 103.420 4.993 32.308 Age 11.631 53.841 4.979 34.000 50.000 54.000 57.000 86.000 0.467 5.007 title_years 11.850 5.454 4.596 1.000 2.000 4.000 7.000 42.000 1.996 9.717 Size 10.058 17.412 2.147 -1.499 16.498 17.433 18.564 24.748 -1.823 13.581 leverage_N 2.430 0.312 0.275 0.005 0.068 0.243 0.507 0.999 0.751 2.525 GENDER 11.850 0.956 0.206 0.000 1.000 1.000 1.000 1.000 -4.424 20.575
Beschrijvende statistiek voor alle observaties. Alle variabelen zijn beschreven in "Appendix"
3.6 Correlatie
Zoals aangegeven zal ik een regressie uitvoeren voor I_shift1, I_shift2, I_shift3 en I_shift4. Hiervoor is het noodzakelijk om eerst vast te stellen of er multicollineariteit bestaat tussen twee of meer afhankelijke variabelen. Door de VIF formule in Stata te gebruiken heb ik vastgesteld dat de VIF score in alle gevallen onder de 10 is, en slechts in één geval boven 5. Dit betekent dat er geen indicatie is van multicollineariteit tussen deze variabelen. In tabel 10 is te zien dat er tussen de variabelen “oo” en “ma” een correlatie is van 0.713 welke statistisch significant is op 1% level (P=0.000). Hiernaast is te zien dat er tussen de variabelen “oo” en “ivsc” een correlatie is van -0.677 met een statistische significantie op 1% level (P=0.000). Ondanks de hoge correlaties zal ik bij mijn regressieanalyse alle variabelen meenemen omdat ik reeds door middel van de VIF formule in Stata heb vastgesteld dat er geen multicollineariteit tussen deze variabelen is. De onderlinge correlatie tussen de rest van de onafhankelijke variabelen is zwak te noemen. De bandbreedte waarin de correlatie beweegt van de resterende onafhankelijke variabelen ligt tussen -0.308 en 0.159.
TABEL 10 Pearson correlatie coëfficiënten voor de onafhankelijke variabele Variabelen (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) I_shift1 (1) 1.000 I_shift2 (2) -0.010 1.000 0.635 I_shift3 (3) 0.445*** -0.069*** 1.000 0.0000 0.002 I_shift4 (4) -0.032*** -0.030 -0.066*** 1.000 0.002 0.170 0.000 age (5) 0.015 0.090*** 0.032*** -0.038*** 1.000 0.141 0.000 0.003 0.000 title_years (6) -0.005 -0.022 0.019* -0.047*** 0.159*** 1.000 0.603 0.308 0.074 0.000 0.000 Size (7) -0.108*** 0.130*** -0.506*** 0.124*** 0.102*** -0.025** 1.000 0.000 0.000 0.000 0.000 0.000 0.011 Leverage_N (8) 0.001 0.075* 0.156*** -0.214*** -0.044** 0.005 -0.308*** 1.000 0.966 0.093 0.000 0.000 0.033 0.817 0.000 GENDER (9) -0.007 0.095*** -0.018* -0.001 0.082*** 0.049** -0.010 -0.041** 1.000 0.485 0.000 0.090 0.939 0.000 0.016 0.315 0.045 ma (10) 0.004 0.046** -0.015 -0.084*** 0.124*** -0.001 0.022** 0.039* 0.012 1.000 0.728 0.030 0.150 0.000 0.000 0.963 0.027 0.055 0.204 ivsc (11) -0.027* -0.060*** -0.002 0.009 -0.118*** 0.004 -0.049*** 0.009 -0.065*** -0.279*** 1.000 0.007 0.005 0.823 0.371** 0.000 0.829 0.000 0.661 0.000 0.000 fvsm (12) 0.023** -0.042** 0.033*** 0.005 -0.015 0.021 -0.018* 0.027 -0.008 -0.211*** 0.083*** 1.000 0.024 0.047 0.001 0.600 0.107 0.230 0.079 0.182 0.415 0.000 0.000 oo (13) -0.013 0.107*** -0.024** -0.074*** 0.211*** 0.009 0.064*** 0.007 0.105*** 0.713*** -0.677*** -0.072*** 1.000 0.205 0.000 0.024 0.000 0.000 0.304 0.000 0.731 0.000 0.000 0.000 0.000
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix"
4 Regressie resultaten
Ik heb in sectie 3.4 vier verschillende regressieformules opgesteld. Aan de hand van deze regressies ga ik bepalen of er sprake is van een relatie tussen de culturele achtergrond van de CEO en de mate van het schuiven van inkomsten van een multinational tussen meerdere landen. Ik voer vier verschillende regressies uit omdat ik ook de onderlinge resultaten tussen deze vier verschillende regressies wil evalueren. Bestaande literatuur is namelijk niet eenduidig over de wijze hoe het schuiven van inkomsten gemeten wordt. Ik zal onderzoeken of de verschillende meet methodes tot dezelfde uitkomsten leiden. Mijn focus zal bij de beschrijving van de regressies voornamelijk liggen bij de vier culturele dimensies van Hofstede (1980). Dit zijn machtsafstand (ma), individualisme versus collectivisme (ivsc), feminiteit versus masculiniteit (fvsm) en onzekerheid ontwijking (oo). Hiernaast zal ik ook het effect van meerdere biografische factoren van de CEO meten en financiële kerngetallen van de dochteronderneming. Ik zal ingaan op opvallende output uit deze regressies. Het aantal observaties zal in elk van de uitgevoerde regressies liggen tussen 488 en 1.952. Dit aantal is lager dan het aantal observaties in tabel 8 omdat de regressie analyses enkel die items meenemen die voor elke variabele een waarde hebben. Hierna zal ik het verschil in regressieresultaten analyseren wanneer ik enkel mannelijke CEO’s meeneem ten opzichte van enkel vrouwelijke CEO’s. Ook zal ik gaan kijken welke verandering er in de regressie analyses optreedt wanneer ik enkel CEO’s meeneem met een andere nationaliteit dan de multinational waarvoor zij werken.
4.1 Analyse van de regressieresultaten onder I_Shift1
Ik heb een OLS regressie uitgevoerd met I_shift1, de resultaten hiervan zijn vastgelegd in tabel 11. De definitie van I_shift1 en de onafhankelijke variabelen zijn terug te vinden in “Appendix”. Wat opvalt is dat de F- statistiek van de regressie niet significant is, hiernaast zou dit model enkel 5.45% verklaren van de variatie in I_Shift1, adjusted R² = .0545, F(15,147) = 1.15, p=.3192. Aangezien de P van het regressiemodel .319 is, suggereert dit sterk dat alle Null hypotheses moeten worden geaccepteerd en alternatieve hypotheses moeten worden verworpen. Echter, op individueel niveau zijn er wel onafhankelijke variabelen die significant zijn op 5% level. Dit zijn “ma”, “Ivsc”, “oo” en “age”. Een hoge score op I_shift1 betekent een hoge mate van het schuiven van inkomsten binnen een multinational tussen landen. Machtsafstand (ma) is positief gecorreleerd met I_shift1. Dit betekent dat hoe meer de CEO verwacht en accepteert dat de welvaart in een land ongelijk verdeeld is, hoe hoger de mate van het schuiven van inkomsten door de CEO is. Dit ligt in lijn met mijn hypothese (H1). Hiernaast is I_shift1 negatief gecorreleerd met de onafhankelijke variabele individualisme versus collectivisme (ivsc). Dit betekent dat hoe meer een CEO bezig is
met zorgdragen voor anderen in de maatschappij, hoe meer hij zal schuiven met inkomsten tussen landen. Dit is opvallend omdat dit niet in lijn ligt met de theorie en mijn hypothese (H2). De onafhankelijke variabele onzekerheid ontwijking (oo) is negatief gecorreleerd met I_shift1, dit betekent dat wanneer de CEO een meer ontspannen houding behoudt ten opzichte van risico’s en onzekerheden hij of zij in grotere mate inkomsten zal schuiven tussen landen. Dit bevestigt mijn hypothese (H3). Age is positief gecorreleerd met I_Shift1. Oudere CEO’s zullen in hogere mate inkomsten schuiven tussen landen dan jongere CEO’s.
TABEL 11 Regressieanalyse - I_shift1 Robust
Variabele Coef. Std error t P>|t| [95% Conf. Interval]
Ma 0.115 0.051 2.28** 0.024 0.015 0.215 Ivsc -0.166 0.074 -2.24** 0.027 -0.313 -0.020 Fvsm 0.015 0.011 1.35 0.180 -0.007 0.038 Oo -0.128 0.055 -2.34** 0.021 -0.235 -0.020 Age 0.074 0.035 2.11** 0.037 0.005 0.143 title_years -0.049 0.033 -1.48 0.142 -0.115 0.017 Size -0.209 0.198 -1.06 0.293 -0.601 0.182 Leverage_N -0.772 0.624 -1.24 0.218 -2.006 0.462 GENDER -0.029 0.552 -0.05 0.959 -1.119 1.062 adjusted R² 0.055 N 1.929 F-statistic (p waarde) 1.15 (0.319)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
4.1.1 Regressieanalyse I_shift1 – verschillen tussen mannen en vrouwen
Hierboven heb ik reeds beschreven welk effect de onafhankelijke variabelen hebben op de mate van het schuiven van inkomsten, gemeten met I_shift1. Het is ook interessant om te weten of de resultaten bij deze regressie anders zijn bij mannelijke CEO’s dan bij vrouwelijke CEO’s.
Daarom heb ik een regressie uitgevoerd voor zowel enkel de mannelijke CEO’s (tabel 12) als enkel de vrouwelijke CEO’s (tabel 13). Hierbij heb ik de onafhankelijke variabele Leverage_N niet meegenomen omdat de omvang van de sample vrouwelijke CEO’s in dat geval onder de 100 zal komen. Een regressieanalyse met deze omvang zal niet op robuuste wijze betekenisvolle effecten detecteren, en hiermee zal het risico bestaan dat een verkeerde conclusie getrokken wordt. Door
Leverage_N niet mee te nemen in de regressie analyse, neemt de totale populatie vrouwelijke CEO’s toe tot 426 en voor mannen 9.037. De regressie gericht op mannen heeft een significante F waarde op 5% level. Het model verklaart wel slechts 2% van de variatie in I_shift1. Bij de regressieanalyse gericht op vrouwen is de F waarde ook significant op 5% level en verklaart 3.3% in de variatie van I_shift1. Er zijn hiernaast ook grote verschillen zichtbaar tussen de mannelijke CEO’s en de vrouwelijke CEO’s. In tabel 12 welke is gericht op mannelijke CEO’s is zichtbaar dat alle onafhankelijke variabelen significant zijn op 1% level. In tabel 13, welke is gericht op vrouwelijke CEO’s, is juist te zien dat geen enkele variabele significant is op 5% level. Dit betekent dat de mate van het schuiven met inkomsten tussen landen door vrouwelijke CEO’s geenszins wordt beïnvloed door variatie in de culturele dimensies van Hofstede (1980) noch door leeftijd van de CEO, grootte van de dochteronderneming of jaren dat de CEO in dienst is. Bij mannen is het tegenovergestelde waar, alle onafhankelijke variabelen zijn bij mannen van invloed op de mate van het schuiven van inkomsten. Naar mijn weten ben ik de eerste die dit verschil vaststelt. Het bovengenoemde verschil tussen mannelijke en vrouwelijke CEO’s zou in een vervolgonderzoek verder uitgediept en onderzocht kunnen worden.
TABEL 12
I-Shift1 - Mannen Robust
Variabele Coef. Std error t P>|t| [95% Conf. Interval]
ma .030 .005 5.67*** 0.000 .0120 .041 ivsc -.046 .006 -7.80*** 0.000 -.057 -.034 fvsm .009 .003 3.54*** 0.000 .004 .014 oo -.036 .005 -7.45*** 0.000 -.045 -.026 age .030 .010 3.08*** 0.002 .011 .048 size -.217 .020 -11.02*** 0.000 -.255 -.178 title_years -.018 .009 -1.98** 0.048 -.036 -.000 adjusted R² 0.020 N 9.037 F-statistic (p waarde) 15.30 (0.022)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
TABEL 13
I_shift1 - Vrouwen Robust
Variabele Coef. Std error t P>|t| [95% Conf. Interval]
Ma -3.943 4.808 -0.82 0.413 -13.394 5.508 Ivsc 1.583 1.972 0.80 0.423 -2.293 5.458 Fvsm 1.451 1.693 0.86 0.392 -1.877 4.778 Oo 3.764 4.567 0.82 0.410 -5.213 12.741 Age 0.118 0.075 1.58 0.116 -0.029 0.265 Size -0.035 0.115 -0.30 0.763 -0.262 0.192 title_years 0.012 0.119 0.10 0.918 -0.222 0.247 adjusted R² 0.033 N 423 F-statistic (p waarde) 2.10 (0.013)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
4.1.2 Regressieanalyse Ishift1 – Impact van afkomst CEO op regressie
De totale populatie CEO’s is 11.850. Een deel van deze CEO’s heeft dezelfde afkomst als de moederonderneming waarvan hij of zij deel uitmaakt. Dit zijn er in totaal 9.419. Een ander deel van deze CEO’s heeft een andere afkomst dan het land waarvan hij of zij deel uitmaakt. Dit zijn 2.431 CEO’s. Ik heb in tabel veertien de regressie uitgevoerd voor beide populaties en waargenomen of er verschillen tussen beide populaties zijn. De N waarde voor de regressie op CEO’s waarbij hun afkomst overeenkomst met het land van de multinational is 7.616. Dit is minder dan de hierboven genoemde 9.419 omdat enkel de CEO’s zijn meegenomen waarbij alle onafhankelijke variabelen beschikbaar voor waren. De N waarde bij de uitgevoerde regressie op CEO’s met een andere afkomst dan de moederonderneming waarvan zij de CEO zijn is 1.845. De regressie resultaten waarbij enkel de CEO’s zijn meegenomen die dezelfde afkomst hebben als de moederonderneming waarvan zij deel uitmaken zijn opgenomen in tabel 14. De regressie resultaten waarbij enkel de CEO’s zijn meegenomen die een andere afkomst hebben als de moederonderneming waarvan zij deel uitmaken is opgenomen in tabel 15. Uit tabel 14 is op te maken dat de regressie analyse een F waarde van 1.40 genereert en een bijbehorende P waarde van 0.159, hiernaast is de adjusted r² 0.013. De variatie in I_shift1 welke wordt verklaard door de regressie formule is slechts 1.3%, ook is deze variatie niet statistisch significant op 5% level. De P waarde is immers groter dan 0.05. Tabel 15 laat een F waarde van 13.79 zien met een P waarde van 0.000. Hiernaast is de adjusted r² van deze regressieformule 3.8%. Door de hogere F waarde
en lagere p waarde hebben de uitkomsten van tabel 15 een hogere validiteit dan tabel 14. In tabel 14 zijn hiernaast geen significante onafhankelijke variabelen op 5%, of zelfs 10% level. Bij tabel 15 is alleen de onafhankelijke variabele ivsc significant. Dit betekent dat wanneer de CEO een ander land van herkomst heeft dat het land van de moederonderneming waarin hij werkzaam is, hij of zij in een hogere mate met inkomsten schuift wanneer hij uit een cultuur komt waarbij individualisme de voorkeur krijgt boven collectivisme.
TABEL 14
I_shift1_CEO en multinational zelfde afkomst
Robust
Variabele Coef. Stderror T P>|t| [95% Conf.Interval]
Ma 0.051 0.035 1.45 0.15 -0.018 0.120 Ivsc -0.070 0.041 -1.68 0.094 -0.151 0.012 fvsm 0.012 0.009 1.34 0.181 -0.006 0.030 Oo -0.057 0.033 -1.75 0.081 -0.121 0.007 Age 0.034 0.015 2.36 0.019 0.006 0.063 title_years -0.013 0.016 -0.77 0.444 -0.045 0.020 Size -0.159 0.124 -1.28 0.203 -0.404 0.087 GENDER -0.311 0.276 -1.13 0.262 -0.856 0.234 adjusted R² 0.013 N 7.616 F-statistic (p waarde) 1.40 (0.159)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
TABEL 15
I_shift1_CEO en Multinational andere afkomst
Variabele Coef. Robust Std error T P>|t| [95% Conf.Interval]
Ma -0.013 0.027 -0.50 0.619 -0.068 0.041 Ivsc -0.055 0.011 -4.88* 0.000 -0.078 -0.032 fvsm 0.009 0.005 1.70 0.096 -0.002 0.019 Oo 0.000 0.018 0.02 0.984 -0.036 0.037 Age 0.067 0.059 1.14 0.262 -0.052 0.186 title_years -0.015 0.041 -0.37 0.712 -0.097 0.067 Size -0.352 0.189 -1.86 0.069 -0.732 0.028 GENDER 0.459 0.503 0.91 0.367 -0.554 1.472 adjusted R² 0.038 N 1.845 F-statistic (p waarde) 13.79 (0.000)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
4.2 Analyse van regressie resultaten onder I_shift2
In tabel 16 heb ik de regressie resultaten opgenomen met I_Shift2 als afhankelijke variabele. Hieruit is op te maken dat ondanks een significante F- statistiek (F = 1.82, P = 0.000), de variatie in I_shift2 slechts voor 3.8% door het model wordt verklaard. Hiernaast is slechts één variabele significant op 5% level. Dat is size, een controlevariabele welke wordt gemeten door de omzet van de dochterondernemingen. Hoewel deze variabele een positieve correlatie vertoont met I_shift2, is de coëfficiënt slechts 0.024.
TABEL 16 Regressieanalyse
I_Shift2 Robust
Variabele Coef. Std error t P>|t| [95% Conf. Interval]
Ma 0.001 0.004 0.16 0.874 -0.007 0.009 Ivsc -0.002 0.005 -0.44 0.66 -0.012 0.007 Fvsm -0.002 0.002 -0.93 0.357 -0.005 0.002 Oo -0.002 0.004 -0.59 0.557 -0.010 0.006 Age 0.002 0.006 0.26 0.798 -0.010 0.013 title_years -0.006 0.006 -1.1 0.275 -0.018 0.005 Size 0.024 0.006 3.79*** 0.000 0.012 0.037 Leverage_N 0.153 0.103 1.48 0.143 -0.053 0.358 GENDER 0.122 0.094 1.31 0.195 -0.064 0.309 adjusted R² 0.038 n 488 F-statistic (p waarde) 1.82 (0.045)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
4.3 Analyse van regressie resultaten onder I_shift3
In tabel 17 heb ik de regressie uitgevoerd met als onafhankelijke variabele I_shift3. Hierbij wordt duidelijk dat 26% van I_shift3 kan worden verklaard door het model. Echter heeft het model een betrekkelijk lage validiteit gezien de F waarde van 2.24 en een P waarde van 0.008. In het model zijn twee variabelen hoog significant. Dit zijn title_years (P waarde = 0.009) en size (P waarde = 0.000). Waarbij size een sterke negatieve correlatie heeft (Coëfficiënt = -6.495) en title_years een middelmatige negatieve correlatie heeft (Coëfficiënt = -0.723). Bovenstaande impliceert dus dat er het meest met inkomsten wordt geschoven door CEO’s die al langer in dienst zijn. Dit is consistent met de beweringen van Betrand & Schoar (2003) en Dyreng et al (2010) die in hun onderzoeken aangeven dat CEO’s die langer in dienst zijn meer invloed kunnen uitoefenen op de onderneming. Consistent met de agency theorie van Jensen & Meckling (1976) zullen CEO’s deze invloed aanwenden om de resultaten te sturen, onder andere door middel van het schuiven van inkomsten tussen landen. Hiernaast wordt er meer met inkomsten geschoven wanneer de
dochteronderneming relatief klein is. Deze bevinding is opvallend aangezien zowel Lisowsky (2010) als Wilson (2009) juist een positieve correlatie zien tussen omvang en belastingontwijking.
TABEL 17 Regressieanalyse
-I_shift2 Robust
Variabele Coef. Std error T P>|t| [95% Conf. Interval]
Ma 0.371 0.275 1.35 0.179 -0.172 0.914 Ivsc -0.457 0.348 -1.32 0.19 -1.144 0.230 fvsm 0.031 0.110 0.28 0.78 -0.186 0.247 Oo -0.280 0.259 -1.08 0.282 -0.792 0.232 Age 0.486 0.270 1.8 0.074 -0.047 1.019 title_years -0.723 0.275 -2.63 0.009 -1.266 -0.180 Size -6.495 1.249 -5.2 0 -8.963 -4.027 Leverage_N 1.223 6.537 0.19 0.852 -11.696 14.143 GENDER -0.348 5.528 -0.06 0.95 -11.274 10.578 adjusted R² 0.260 N 1.824 F-statistic (p waarde) 2.24 (0.008)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
4.4 Analyse van regressie resultaten onder I_shift4
In tabel 18 heb ik de regressie uitgevoerd met als afhankelijke variabele I_shift4. Het model is zeer valide gezien de hoog significante F statistiek (F = 7.74, P waarde = 0.000). Ondanks dat het model zeer valide is wordt hiermee slechts 5.4% van de variatie in I_shift4 bepaalt. Ook zijn de vier culturele dimensies van Hofstede (1980) niet significant en kan er daarom op basis van dit model geconcludeerd worden dat de vier culturele dimensies van Hofstede (1980) geen effect hebben op de mate van het schuiven van inkomsten van de CEO. Wat volgens dit model wel effect heeft op de mate waarin een CEO met inkomsten tussen landen schuift zijn de onafhankelijke variabelen size, Leverage_N en GENDER. Size heeft volgens dit model een positieve correlatie met de mate van het schuiven van inkomsten (coëfficiënt=0.255). Dit wordt bevestigd door eerdere onderzoeken (Lisowsky, 2010; Wilson, 2009). Hiernaast laat het model een negatieve correlatie zien tussen Leverage_N en de mate van het schuiven van inkomsten (Coefficient=-5.690). Ook dit wordt bevestigd door eerder onderzoek (Beuselinck et al, 2015). Dat geslacht een effect heeft op de mate van het schuiven van inkomsten is door Zemzem & Khaoula (2013) reeds onderzocht en vastgesteld.
TABEL 18 Regressieanalyse
-I_shift4 Robust
Variabele Coef. Std error t P>|t| [95% Conf. Interval]
ma -0.017 0.028 -0.62 0.538 -0.072 0.038 ivsc -0.011 0.038 -0.29 0.769 -0.087 0.064 fvsm 0.019 0.014 1.33 0.186 -0.009 0.046 oo -0.014 0.030 -0.46 0.649 -0.073 0.045 age -0.102 0.053 -1.92 0.057 -0.208 0.003 title_years -0.022 0.040 -0.54 0.590 -0.100 0.057 size 0.255 0.100 2.56 0.012 0.058 0.453 Leverage_N -5.690 0.989 -5.75 0.000 -7.645 -3.735 GENDER 1.483 0.681 2.18 0.031 0.136 2.830 adjusted R² 0.054 n 1.952 F-statistic (p waarde) 7.74 (0.000)
* , **, *** Indiceert respectievelijk een significantie op 10%, 5% en 1% level. Alle variabelen zijn gedefinieerd in "appendix".
5 Conclusie
Ik heb onderzocht of de mate van het schuiven van inkomsten samenhangt met de culturele achtergrond van de CEO’s van de moederonderneming. Het totale aantal observaties in mijn onderzoek is 11.850. Dat wil zeggen dat ik 11.850 unieke boekjaar x onderneming combinaties meenemen in mijn onderzoek. Deze zijn in detail uitgewerkt in tabel 8. Ik heb duidelijk gemaakt in mijn onderzoek dat het schuiven van inkomsten op veel verschillende manieren gemeten kan worden. In sectie 3 heb ik vier reeds beproefde methodes uiteengezet. Deze heb ik alle vier, waarvan I_shift1 in de meeste detail, in sectie vier getoetst door middel van een regressie en andere beschrijvende statistieken. De resultaten die uit de verschillende regressies voortkwamen lopen sterk uiteen. Enkel met I_shift1 blijken de culturele dimensies van Hofstede (1980) statistisch significant te zijn op 5% level met de mate van het schuiven van inkomsten door de CEO. Machtsafstand (ma) en feminiteit versus masculiniteit (fvsm) waren hierbij positief gecorreleerd met het de mate waarin de CEO schuift met inkomsten tussen landen. Individualisme versus collectivisme (ivsc) en onzekerheid ontwijking (oo) zijn juist negatief gecorreleerd met de mate waarin de CEO schuift met inkomsten. Ik had in respectievelijk hypothese 1,2 en 3 opgesteld dat machtsafstand, feminiteit versus masculiniteit en indidualisme versus collectivisme positief correleren met de mate van het schuiven van inkomsten. Hiernaast heb ik in hypothese 4 opgesteld dat onzekerheid ontwijking negatief zou correleren met de mate van het schuiven van inkomsten. Hypothese 1,2 en 4 worden door deze regressie bevestigd, bij individualisme versus collectivisme werkt de correlatie de andere kant op dan ik had verwacht. Dit betekent dat wanneer een CEO uit een land komt waar men veelal een collectivistische mentaliteit heeft, er meer met inkomsten wordt geschoven door de CEO dan in landen waar een individualistische mentaliteit geldt. Wat wel overeenkomt tussen de regressies met I_shift1, I_shift2, I_shift3 en I_shift4 is dat de adjusted r² in geen van de gevallen groter is dan 0.1. Dit betekent dat geen van de modellen meer dan 10% verklaren in de variatie van de mate van het schuiven van inkomsten door de CEO.
In sectie 4.1.1 heb ik de totale populatie van de hierboven beschreven regressie verdeelt in een populatie met enkel mannen (tabel 13) en een populatie met enkel vrouwen (tabel 14). Hieruit blijkt dat er bij de populatie mannen een sterke statistische significantie is tussen de vier culturele dimensies van Hofstede (2010) en de mate van het schuiven van inkomsten door de CEO. Bij de vrouwelijke populatie is deze statistische significantie er niet. Dit wil zeggen dat de mate waarin vrouwelijke CEO’s schuiven met inkomsten geenszins wordt beïnvloed door hun culturele achtergrond, gemeten met het model van Hofstede (2010). Deze bevinding zou in vervolg
