Earnings management in het primair onderwijs

(1)

Amsterdam Business School

Earnings management in het primair onderwijs

Naam: Natashja Rotteveel

Studentnummer: 10694269

Datum: 23 januari 2016

Aantal woorden: 15,602

Eerste beoordelaar: Ir. drs. A.C.M. de Bakker Tweede beoordelaar: Dr. Ir. S.P. van Triest MSc Accountancy & Control, specialization Accountancy

(2)

1 Statement of Originality

This document is written by student Natashja Rotteveel who declares to take full responsibility for the contents of this document.

I declare that the text and the work presented in this document is original and that no sources other than those mentioned in the text and its references have been used in creating it.

The Faculty of Economics and Business is responsible solely for the supervision of completion of the work, not for the contents.

(3)

2 Abstract

In recent years there have been many studies of earnings management in the profit sector. However, limited research has been done to earnings management in the non-profit sector, more specific: primary education. This thesis examines earnings management in the primary education sector in the Netherlands. The motivations and strategies that are applicable for this sector mainly relates to income minimization and income smoothing. This can be explained by the fact that this sector is not profit oriented. In addition, all school boards are monitored by the Ministry of education and the ‘onderwijsinspectie’. These two regulators monitor and examine the financials and the financial ratios of the school boards. Therefore school boards have a trigger to manage the results to remain outside the attention of the regulators. To test the hypotheses regressions are used as well as tests of the distribution of earnings by Burgstahler & Dichev (1997) on a sample of 967 school boards and 5.716 school-year observations. This thesis provides evidence that school boards manage reported earnings to avoid losses. Specifically, there have been unusually low frequencies of small losses found and unusually high frequencies of small positive results. Like Leone & Van Horn (2005) and Verbruggen & Christiaens (2012). We found evidence that primary school boards use discretionary accruals to manage earnings. As a result of this thesis, it can be concluded that school boards use discretionary accruals to manage the premanaged result towards zero. This conclusion is in line with previous studies to earnings management for non-profit organizations.

(4)

3

Inhoudsopgave

1. Inleiding ... 4 2. Theorie ... 5 2.1 Earnings management ... 5 2.2 Motieven ... 6 2.3 Patronen ... 8 2.4 Primair onderwijs ... 9 2.5 Hypotheses ... 11 2.5.1 Hypothese 1 ... 11 2.5.2 Hypothese 2 ... 12 2.5.3 Hypothese 3 ... 12 2.5.4 Hypothese 4 ... 13 3. Onderzoeksmethode... 14 3.1 Hulpmodel Jones (1991) ... 14

3.2 Hypothese 1 tot en met 3: regressieanalyse ... 16

3.3 Hypothese 4: statistische verdeling ... 18

4. Data ... 21

4.1 Dataset ... 21

4.2 Beschrijvende statistiek ... 22

5. Onderzoeksresultaten ... 25

5.1 Resultaten hulpmodel Jones ... 25

5.2 Resultaten hypothese 1 tot en met 3: regressieanalyse ... 26

5.2.1 Hypothese 1 ... 26

5.2.2 Hypothese 2 ... 28

5.2.3 Hypothese 3 ... 30

5.3 Resultaten hypothese 4: statistische vergelijking ... 32

6. Conclusie ... 37

Literatuurlijst ... 39

Appendix A: vergelijkingen ... 41

Appendix B: aanvullende statistiek bij regressieanalyse (H1) ... 44

Appendix C: aanvullende regressieanalyses (H3) ... 46

(5)

4

1. Inleiding

In de afgelopen jaren is er steeds meer aandacht gekomen voor de financiële positie van onderwijsinstellingen. In 2009 is door de commissie Don een rapport uitgebracht omtrent het vermogensbeheer van onderwijsinstellingen (Commissie Don, 2009). Naar aanleiding van dit rapport heeft de commissie, onder leiding van prof. dr. F.J.H. Don, in 2012 onderzoek gedaan naar de optimale financieringsstructuur van de instellingen in de verschillende onderwijssectoren (Commissie Don, 2012). De commissie heeft aanbevelingen gedaan over:

- het verbeteren van het financieel beheer en de financiële deskundigheid; - het versterken van het toezicht en de introductie van een nieuw kengetal; - het wegnemen van belemmeringen voor het benutten van vreemd vermogen.

De toenemende aandacht voor de financiële positie en risico’s van onderwijsinstellingen heeft ertoe geleid dat een onderzoek naar earnings management een interessant onderwerp is. Door het uitbrengen van het rapport van de commissie Don (2009) hebben onderwijsinstellingen wellicht motieven gehad om de resultaten bij te sturen om zo buiten de aandacht van de overheid te blijven. In de afgelopen jaren zijn er diverse onderzoeken gedaan naar earnings management, binnen de non-profit sector, waaronder twee recente onderzoeken naar earnings management in het hoger onderwijs en voortgezet onderwijs (Dinh, 2015 en Atari, 2014). Echter is er geen actueel onderzoek gedaan naar earnings management in het primair onderwijs. Een onderzoek over earnings management in het primair onderwijs is interessant omdat primair onderwijs qua financiële structuur en financiering anders in elkaar steken dan het hoger onderwijs. In paragraaf 2.4 wordt hierop nader ingegaan.

Om de hierboven beschreven redenen is dit onderzoek gericht op earnings management in het primair onderwijs. Hierbij wordt onderzocht in hoeverre schoolbesturen in het primair onderwijs earnings management toepassen in de periode 2008-2013. De onderzoeksvraag luidt als volgt:

‘In hoeverre maken schoolbesturen in het primair onderwijs in Nederland gebruik van earnings management?’

Het onderzoek is als volgt opgebouwd. In hoofdstuk 2 wordt de literatuur over earnings management beschreven en wordt er ingegaan op de motieven en patronen van earnings management. Vervolgens volgt er een paragraaf over het primair onderwijs in Nederland met relevante toelichting op het onderzoek het hoofdstuk eindigt met de hypotheses. In hoofdstuk 3 wordt de onderzoeksmethode en de toegepaste modellen om earnings management te meten beschreven. Vervolgens wordt in hoofdstuk 4 de data besproken. In hoofdstuk 5 worden de onderzoeksresultaten behandeld en het onderzoek eindigt met de conclusie, de wetenschappelijke bijdrage en beperkingen.

(6)

5

2. Theorie

In dit hoofdstuk wordt het theoretische kader behandeld. Allereerst wordt de definitie van earnings management beschreven aan de hand van verschillende theorieën. Vervolgens zullen de motieven om earnings management toe te passen worden behandeld. Daarna zullen de vier patronen worden uitgelegd en wordt er aandacht besteed aan de bekostiging van primair onderwijs en de belangrijke kengetallen. Het hoofdstuk eindigt met de hypotheses.

2.1 Earnings management

In de literatuur zijn verschillende definities beschikbaar van earnings management. De meest voorkomende definitie waarop veel onderzoeken gebaseerd zijn is van Healy & Wahlen:

“Earnings management occurs when managers use judgement in financial reporting and in structuring transactions to alter financial reports to either mislead some stakeholders about the underlying economic performance of the company or to influence contractual outcomes that depend on reported accounting numbers”.

Healy & Wahlen, 1999

Ofwel, earnings management leidt tot misleiding van de aandeelhouders of bewuste beïnvloeding van contracten die invloed hebben op het resultaat van de onderneming, als gevolg van de boekhoudkundige keuzes van de manager. De auteurs erkennen een tekortkoming aan hun definitie omdat het beoordelingsvermogen van de manager vaak nodig is bij het maken van beslissingen en schattingen. Dit leidt niet altijd tot earnings management.

Scott (2011) formuleert het begrip eenvoudiger en stelt dat managers geprikkeld worden om financiële gegevens doelbewust te manipuleren.

Ronen en Yaari (2007, p 25-31) hebben de verschillende definities van earnings management in de literatuur samengevat in drie verschillende categorieën. In tabel 1 worden de drie definities weergegeven.

Wit Grijs Zwart

Earnings management is taking advantage of the flexibility in the choice of accounting treatment to

signal the manager’s private information on future cash flows

Earnings management is choosing an accounting treatment that is either opportunistic (maximization

the utility of management only) or economically efficient

Earnings management is the practice of using tricks to

misrepresent or reduce transparency of the financial

(7)

6 De ‘witte’ definitie van earnings management omschrijven de auteurs als het flexibel gebruik maken van verslaggevingsstandaarden in de keuze van het maken van waarderingskeuzes door de manager. De grijze vorm is het bewust kiezen voor een standaard die het beste uitkomt en meest efficiënt is voor het management. De zwarte definitie is de meest ernstige vorm van earnings management en houdt verband met een onjuiste voorstelling van de financiële gegevens en er is sprake van verminderde transparantie.

Samengevat kan worden gesteld dat het begrip earnings management op verschillende wijzen kan worden geïnterpreteerd en dat het er op neer komt dat earnings management inhoudt dat het management door middel van haar eigen oordeel het resultaat stuurt om beoogde (resultaat) doelstellingen te behalen.

2.2 Motieven

Hoewel onderzoek naar earnings management bij non-profit organisaties schaars is ten opzichte van profit organisaties, zijn er een aantal auteurs die het bestaan van earnings management bij dergelijke organisaties hebben vastgesteld (Verbruggen & Christiaens, 2012, p. 205). In 2012 hebben Verbruggen & Christiaens een onderzoek gedaan naar earnings management in de non-profit sector in België. Het onderzoek bouwt voort op diverse andere onderzoeken naar earnings management in de non-profit sector (Leone & Van Horn, 2005, Hofmann, 2007), echter onderscheidt dit onderzoek zich van andere onderzoeken omdat de meeste onderzoeken gebaseerd zijn op data uit Amerika en/ of specifiek gericht zijn op ziekenhuizen. Verbruggen & Christiaens (2012) hebben hun onderzoek uitgevoerd in België voor de gehele non-profit sector verdeeld over zes sub-sectoren, waaronder onderwijs. Uit het onderzoek van Verbruggen & Christiaens (2012) blijken drie motieven voor non-profit organisaties voor het toepassen van earings management. Deze drie motieven worden hieronder uiteengezet.

Het vermijden van kleine verliezen

Uit een onderzoek van Hoerger (1991) blijkt dat het optimale resultaat voor non-profit organisaties net iets boven het nulpunt ligt. Dit resultaat wordt bevestigd door een onderzoek van Verbruggen & Christiaens (2012), zij hebben empirisch bewijs gevonden dat er earnings management wordt toegepast om het resultaat bij te sturen richting het nulpunt. Tevens gebeurt dit significant meer bij organisaties met een hoge mate van financiering door de overheid (Verbruggen & Christiaens, 2012, p. 214). De auteurs stellen dat door gebruik te maken van earnings management het management van een non-profit organisatie de mogelijkheid heeft om het resultaat zowel omhoog als omlaag aan te passen. Het motief dat non-profit organisaties hiervoor hebben is volgens Jones (1991) dat organisaties buiten het beeld van overheidsinstanties willen blijven. Organisaties die door overheden onder de aandacht komen, sturen het resultaat richting nul bij door middel van ‘income decreasing accruals’ (Jones, 1991). Hierdoor

(8)

7 voorkomen organisaties dat ze onder de aandacht van de overheid komen te staan. Deze theorie is interessant aangezien het rapport van de commissie Don (2009) en het evaluatieverslag dat in 2012 is gepubliceerd gezien kan worden als een trigger om earnings management toe te passen, omdat zij buiten het beeld van de onderwijs inspectie willen blijven.

Het verbeteren van de ratio’s

Non-profit organisaties hebben verschillende motieven om de gepubliceerde ratio’s te beïnvloeden, zowel in positieve als negatieve zin. Jones en Robert (2006) geven aan dat non-profit organisaties zowel prikkels hebben om toenames van de gerapporteerde ratio’s te vermijden als dalingen van de ratio’s. Een van deze prikkels omschrijven de auteurs als volgt:

‘‘Organisaties worden geprikkeld om sterke stijgingen in de ratio’s te vermijden omdat dit de kans vergroot op maatregelen vanuit de overheid. De overheid zou namelijk achterdochtig kunnen worden van organisaties met zeer hoge ratio’s of ratio’s die drastisch stijgen’’.

Jones & Roberts, 2006, p. 160

Voor dit onderzoek is het hierboven beschreven motief en de bijbehorende prikkel het meest toepasbaar. Onderwijsinstellingen moeten namelijk verplicht in het jaarverslag financiële kengetallen opnemen (DUO, 2015). Aangezien deze kengetallen meegenomen zijn in het onderzoek van de Commissie Don en tevens gemonitord worden door de onderwijsinspectie zou het kunnen dat onderwijsinstellingen hierdoor geprikkeld worden.

Het ontwijken van belastingen

Een tweede reden om earnings management toe te passen is het ontwijken van belastingen (Hofmann, 2007). Non-profit organisaties in Nederland zijn doorgaans niet belastingplichtig omdat er geen commerciële activiteiten worden verricht en tevens is er geen sprake van een winststreven. Non-profit organisaties met een structureel hoog resultaat kunnen alsnog aangemerkt worden als een commerciële organisatie. Dit heeft als gevolg dat de organisatie niet langer ontheven wordt van haar belastingplicht. Om dit te vermijden passen organisaties earnings management toe stelt Hofmann in haar onderzoek.

Dit motief is niet toepasbaar op primair onderwijs, omdat dit type onderwijs nagenoeg uitsluitend onderwijsactiviteiten verricht en daarmee niet deelneemt aan het economische verkeer. Onderwijsactiviteiten zijn volgens de Nederlandse wet vrijgesteld van een belastingplicht. Een mogelijkheid om (deels) aangemerkt te worden als commerciële organisatie is het hebben van een kantine waarin tegen commerciële prijzen voedingsmiddelen worden verkocht. In dit onderzoek wordt hier niet van uit gegaan en daarom is dit motief niet van toepassing voor dit onderzoek.

(9)

8

2.3 Patronen

Managers kunnen op verschillende manieren earnings management toepassen, volgens Scott (2011, p. 425) zijn dit de vier meest voorkomende patronen:

- ‘Taking a bath’

- ‘Income minimization’ - ‘Income maximization’ - ‘Income smoothing’

Deze vier patronen worden hieronder toegelicht.

Taking a bath

Bij dit patroon nemen organisaties een zo groot mogelijk verlies, ofwel verliesmaximalisatie. Volgens Scott (2011) wordt deze vorm doorgaans toegepast wanneer er reeds sprake is van verliezen of reorganisaties. Indien een organisatie een verlies moet rapporteren, dan maakt het voor het management niet meer uit of het een klein of groot verlies is aangezien ze weinig te verliezen hebben op dat moment. Meestal wordt er dan extra afgeschreven of een voorziening gemaakt voor toekomstige verliezen (Scott, 2011, p.425). Deze voorbeelden zijn voor een onderwijsinstelling niet van toepassing, omdat een bestuur met slechte resultaten het gevaar loopt om onder toezicht te komen bij de onderwijsinspectie. Om deze reden zullen zij niet geneigd zijn om een extra verlies te rapporteren.

Income minimization

Deze vorm van earnings management is een minder extreme vorm dan het hierboven beschreven patroon. Bij dit patroon schuiven managers of besturen zodanig met de baten en lasten in een verslaggevingsjaar, dat het resultaat laag en/ of richting het nulpunt uitvalt. Volgens Jones (1991) kiezen organisaties voor deze methode indien zij niet willen opvallen bij de overheid of andere instanties. Deze vorm zou toepasbaar kunnen zijn op onderwijsinstellingen omdat één van de aandachtspunten van de commissie Don (2012) was dat onderwijsinstellingen een te grote buffer hebben aan financiële middelen door onder andere ‘excessief spaargedrag’ (Commissie Don, 2012, p.1). Dit zou duiden op het niet doelmatig omgaan met publiek geld. Door ‘income minimalization’ toe te passen hopen besturen buiten de aandacht van de overheid te blijven.

Income maximization

Vanuit ‘positive accounting theory’ zullen managers het gerapporteerde resultaat willen maximaliseren om zo meer bonus te krijgen (Scott, 2011, p.425). Resultaat- maximalisatie is niet van toepassing voor onderwijsinstellingen omdat uit meerdere onderzoeken blijkt dat het optimale resultaat net boven nul ligt (Hoerger, 1991, Leone & Van Horn, 2005). Om deze reden zullen onderwijsinstellingen minder

(10)

9 geneigd zijn om het resultaat te maximaliseren. Tevens speelt de bonusoptiek geen rol bij onderwijsinstellingen.

Income smoothing

Het laatste patroon wordt door Scott (2011) het meest interessant patroon genoemd. ‘Income smoothing’ is het egaliseren van de resultaten over meerdere jaren. Onderwijsinstellingen moeten volgens de Richtlijnen Jaarverslaggeving Onderwijs (hierna: RJO) in de jaarrekening financiële kengetallen rapporteren. Deze kengetallen zullen besturen naar verwachting zo stabiel mogelijk willen presenteren om zo, volgens de theorie van Jones (1991), buiten de aandacht te blijven van de overheid. Dit patroon kan samen met income minimization gezien worden als de twee toepasbare patronen van earnings management bij onderwijsinstellingen.

2.4 Primair onderwijs

Onderwijsbesturen die bekostigd worden door de overheid zijn verplicht om jaarlijks verantwoording af te leggen over hun financiële beleid (Rijksoverheid, 2015). Deze verantwoording leggen de onderwijsbesturen af middels de jaarrekening en het jaarverslag. Voor de inrichting van de jaarverslaggeving geldt dat deze moet voldoen aan de RJO. In de RJO zijn specifieke verslaggevingsregels opgenomen voor onderwijsinstellingen. Tot slot moet het bestuur jaarlijks voor 1 juli de cijfers en het jaarverslag indienen bij de DUO (DUO, 2015). Alle onderwijsbesturen moeten verplicht in het jaarverslag financiële kengetallen opnemen. Deze kengetallen zijn voor de DUO en de onderwijsinspectie van belang om de financiële positie en de prestaties van de instelling te beoordelen en te monitoren. Deze beoordeling geschiedt aan de hand van signaleringsgrenzen die door het ministerie van OCW zijn vastgesteld. De kengetallen en de bijbehorende signaleringsgrenzen zijn hieronder kort toegelicht.

Solvabiliteit 1

De solvabiliteit geeft aan in welke mate de bezittingen op de activazijde van de balans zijn gefinancierd met eigen vermogen of vreemd vermogen. Hoe slechter de ratio, des te groter het risico dat vermogensverstrekkers hun vermogen verloren zien gaan (DUO, 2015).

Definitie: Eigen vermogen / totaal passiva * 100%

Solvabiliteit 2

Dit kengetal moeten instellingen aanvullend vermelden omdat het bestuur haar vermogenspositie en exploitatiesaldo kan beïnvloeden door de voorzieningenpositie aan te passen (DUO, 2015). Voor het kengetal solvabiliteit hanteert de onderwijsinspectie een ondergrens van 30% (Ministerie van OCW, 2014, p. 45).

(11)

10 Definitie: (Eigen vermogen + voorzieningen) / totaal passiva * 100%

Liquiditeit (current ratio)

De liquiditeit geeft aan in welke mate de instelling in staat is om op korte termijn aan haar verplichtingen te voldoen. ‘Een uitkomst groter dan 1 wordt doorgaans door de DUO als voldoende gekwalificeerd, omdat tegenover de binnenkort vervallende schulden tenminste evenveel vlottende activa staan (DUO, 2015). De signaleringswaarde bedraagt 1 (Ministerie van OCW, 2014, p. 45).

Definitie: (Vlottende activa + liquide middelen) / kortlopende schulden

Rentabiliteit

Rentabiliteit geeft aan welk deel van de totale baten resteert na aftrek van de lasten (DUO, 2015). De onderwijsinspectie hanteert een ondergrens van gemiddeld 0% over meerdere jaren (Ministerie van OCW, 2014, p. 45). Tevens hanteert de Commissie Don (2009, p. 66) een bovengrens van 5%.

Definitie: Saldo gewone bedrijfsuitvoering / (totale baten + rente baten) * 100%

Kapitalisatiefactor

Dit kengetal is door de commissie Don in 2009 ingevoerd. De kapitalisatiefactor geeft de verhouding weer van het geïnvesteerd vermogen en de inkomsten van de instelling (omzet). Anders gezegd: de mate waarin het kapitaal wordt benut voor de vervulling van de taken. De onderwijsinspectie hanteert voor dit kengetal signaleringswaarden voor grote en kleine instellingen. In het rapport van de commissie Don (2009, p. 10) is de grootte van een onderwijsinstelling als volgt geformuleerd: ‘Als groot gelden instellingen vanaf € 8 miljoen jaarlijkse baten, als kleine instellingen tot € 5 miljoen jaarlijkse baten. Voor de middelgrote instellingen daartussen kan een geïnterpoleerde waarde worden gebruikt’. In dit onderzoek wordt de indeling van de commissie Don (2009) gebruikt. Voor kleine instellingen geldt ten aanzien van de kapitalisatiefactor een ondergrens van 10% en een bovengrens van 60%. Voor grote instellingen geldt een ondergrens van 10% en als bovengrens 35% (Commissie Don, 2012, p.40). Definitie: (Totaal kapitaal -/- Gebouwen en terreinen) / (totale baten + rente baten) * 100%

Ondanks het feit dat er een aantal onderzoeken zijn gedaan naar earnings management in het voortgezet onderwijs en hoger onderwijs (Dinh, 2015 en Atari, 2014) is het interessant om dit onderwerp te onderzoeken voor primair onderwijs. Eén van de redenen die hiervoor gegeven kan worden is de bekostiging. De bekostiging van primair onderwijsinstellingen werkt anders dan die van hoger en voortgezet onderwijsinstellingen. Ter illustratie: primair onderwijs ontvangt één budget voor personeel en materieel. Deze vergoeding is afhankelijk van het aantal leerlingen en de leeftijd en werktijdfactor (FTE) van het onderwijzend personeel. Hoger onderwijs ontvangt daarentegen ook een bedrag van het Rijk. Dit is echter gebaseerd op het aantal inschrijvingen en aantal bachelor- en mastergraden en tevens mogen zij zelf beslissen hoe zij dit geld uitgeven. Ter aanvulling is het relevant om te vermelden dat het

(12)

11 hoger onderwijs niet onder het toezicht van de onderwijsinspectie valt. Hierdoor hebben zij andere incentives. De bekostiging van voortgezet onderwijs is afhankelijk van het aantal leerlingen. Daarnaast krijgt iedere school een vast bedrag dat voor alle scholen gelijk is. Hieruit blijkt dat de bekostiging bij de drie typen onderwijsinstellingen anders verloopt. Hierdoor zijn er vanuit de opbrengstenkant andere mogelijkheden en incentives om earnings management toe te passen en om deze reden is het interessant om voor primair onderwijsinstellingen onderzoek te doen naar earnings management.

2.5 Hypotheses

In deze paragraaf worden de hypotheses geformuleerd die in hoofdstuk 5 getoetst zullen worden door middel van de beschreven modellen en de toegepaste dataset. De eerste drie hypotheses hebben betrekking op het effect dat het premanaged resultaat heeft op de mate van earnings management dat toegepast wordt door onderwijsbesturen. De vierde hypothese heeft betrekking op de verdeling van de resultaten en de vraag of er sprake is van een negatieve discontinuïteit in de verdeling van deze resultaten.

2.5.1 Hypothese 1

Managers met resultaten net onder het nulpunt sturen het resultaat naar net boven nul om verliezen te voorkomen (Leone & Van Horn, 2005, p. 835). Volgens Leone & Van Horn wordt dit veroorzaakt doordat er sprake is van asymmetrie ten aanzien van de kosten met betrekking tot het rapporteren van resultaten. Deze asymmetrie wordt verklaard door het effect dat het rapporteren van verliezen heeft op de reputatie van de manager. Managers verwachten namelijk dat het rapporteren van verliezen de kans op ontslag vergroot (Leone & Van Horn, 2005, p.821). Deze asymmetrie is weergegeven in figuur 1. Hieruit blijkt dat managers de ‘reporting costs´ minimaliseren door de resultaten bij te sturen richting het nulpunt.

Leone & Van Horn (2005) en Verbruggen & Christiaens (2012) hebben middels de ‘zero-profit hypothesis’ in hun onderzoek aangetoond dat non-profit organisaties earnings management toepassen. Beide auteurs stellen dat discretionaire accruals positief zijn wanneer het premanaged resultaat negatief

(13)

12 is. Onder premanaged resultaat wordt verstaan: ‘het resultaat voor mutaties in de discretionaire accruals’. Wanneer het premanaged resultaat positief is wordt het resultaat naar beneden bijgesteld. Deze hypothese wordt in dit onderzoek ook getoetst en is als volgt geformuleerd:

H1: Er is een negatieve relatie tussen earnings management en het premanaged resultaat

2.5.2 Hypothese 2

Om een bevestiging te krijgen op de eerste hypothese worden hypothese 2 en 3 toegevoegd. De tweede hypothese is toegevoegd om te onderzoeken of onderwijsbesturen het resultaat omhoog bijsturen op het moment dat het premanaged resultaat licht negatief is. De veronderstelling die hieraan ten grondslag ligt is hierboven bij hypothese 1 omschreven, namelijk dat de kans op ontslag toeneemt bij verliezen. Echter speelt deze prikkel een minder belangrijke rol in het onderwijs. In paragraaf 2.2 is toegelicht aan de hand van het onderzoek van Hoerger (1991) en Verbruggen & Christiaens (2012) dat schoolbesturen het resultaat richting nul bijsturen om buiten het beeld van de overheid en de onderwijsinspectie te blijven. De bijbehorende hypothese is als volgt geformuleerd:

H2: Er is een versterkt negatieve relatie tussen earnings management en het premanaged resultaat als het premanaged resultaat licht negatief is

De grens voor licht negatief wordt bepaald aan de hand van het 90ste_{percentiel van de negatieve waarden}

van de variabele 𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡. Dit is het premanaged resultaat voor organisatie 𝑖 in jaar 𝑡 geschaald met de totale activa in jaar 𝑡 − 1 (beginstand activa van jaar 𝑡). De bijhorende grenswaarde is beschreven in paragraaf 4.2 en uiteengezet in tabel 5. Er wordt verondersteld dat op het moment dat verliezen beneden de grenswaarde uitkomen, het voor schoolbesturen niet meer haalbaar is om het resultaat bij te sturen.

2.5.3 Hypothese 3

Door middel van hypothese 3 zal onderzocht worden of schoolbesturen negatieve discretionaire accruals toepassen op het moment dat het premanaged resultaat substantieel positief is. Indien het premanaged resultaat lager is dan het 5de_{percentiel van de positieve waarden van de variabele 𝑃𝑟𝑒𝑅𝑒𝑠}

𝑖,𝑡, dan wordt

verondersteld dat een instelling weinig tot geen prikkels heeft om het resultaat naar beneden bij te sturen, omdat deze bedragen al relatief dicht bij het nulpunt liggen en dus geen aandacht trekken van overheidsinstanties. De grenswaarde voor substantieel positief ligt dus boven het 5de percentiel van 𝑃𝑟𝑒𝑅𝑒𝑠𝑖,𝑡 en is beschreven in paragraaf 4.2 en daarnaast opgenomen in tabel 5. De hypothese is als volgt

(14)

13 H3: Er is een versterkt negatieve relatie tussen earnings management en het premanaged resultaat

als het premanaged resultaat substantieel positief is

Volgens Jones en Robert (2006) worden non-profit organisaties geprikkeld om sterke veranderingen in de financiële ratio’s (zowel positief, als negatief) te vermijden omdat dit de kans zou vergroten op maatregelen vanuit de overheid. Deze verklaring versterkt de veronderstelling van Jones (1991). Jones (1991) stelt namelijk dat organisaties het resultaat richting nul bijsturen door middel van ‘income decreasing accruals’ om zo buiten het beeld van overheidsinstanties te blijven. Verwacht wordt dat schoolbesturen deze prikkel ook hebben omdat schoolbesturen met een te grote buffer aan financiële middelen de aandacht trekken van de onderwijsinspectie in verband met het mogelijk niet doelmatig besteden van het publieke geld (Commissie Don, 2012, p. 49). Hierdoor wordt verwacht dat besturen met een substantieel positief premanaged resultaat het resultaat naar beneden zullen bijsturen met behulp ‘income decreasing accruals’ om niet de aandacht te trekken van de onderwijsinspectie.

De eerste drie hypotheses worden getoetst aan de hand van een regressieanalyse met betrekking tot de periode 2008-2013. In paragraaf 3.2 wordt hier nader op ingegaan en wordt toegelicht welk model gebruikt wordt om deze hypotheses te toetsen.

2.5.4 Hypothese 4

Zoals eerder beschreven sturen non-profit organisaties het resultaat net iets boven nul. Hoerger (1991) stelt in zijn onderzoek dat dit punt het optimale punt is voor non-organisaties. Leone & Van Horn (2005) hebben in hun onderzoek bewijs gevonden dat het resultaat richting nul of net daarboven wordt gestuurd door non-profit organisaties. Als managers resultaten bijsturen om kleine verliezen te vermijden dan zal een niet-normale verdeling van het resultaat met een ongewoon lage frequentie net links van het nulpunt zichtbaar zijn (Leone & Van Horn, 2005, p.822). Deze assumptie wordt door Leone & Van Horn ook wel omschreven als de ‘loss-avoidance hypothesis’. Op basis van de hierboven beschreven theorieën is de volgende hypothese geformuleerd:

H4: Er is negatieve discontinuïteit in de verdeling van de resultaten net beneden het nulpunt

Deze hypothese zal voor de periode 2008-2013 onderzocht worden met behulp van de statistische verdeling zoals deze is toegepast door Burgstahler & Dichev (1997) en Leone & Van Horn (2005). Zoals beschreven wordt in paragraaf 3.1.2 wordt earnings management verondersteld op het moment dat er een discontinuïteit is in de verdeling van de resultaten rondom het nulpunt. De verwachting is dat het aantal onderwijsinstellingen met een netto resultaat net boven het nulpunt groter is dan het aantal onderwijsinstellingen met een resultaat net onder het nulpunt.

(15)

14

3. Onderzoeksmethode

In het voorgaande hoofdstuk is het begrip earnings management beschreven en is uiteengezet wat de motieven zijn om earnings management toe te passen en is toegelicht welke patronen te onderscheiden zijn. Tot slot zijn in het vorige hoofdstuk de hypotheses geformuleerd. In dit hoofdstuk wordt ingegaan op de modellen die gebruikt worden om de hypotheses te toetsen.

3.1 Hulpmodel Jones (1991)

Earnings management is niet gemakkelijk te herkennen en is niet direct herleidbaar uit de financiële cijfers van een organisatie. In de literatuur zijn diverse modellen beschikbaar die earnings management meten. De meest bekende modellen zijn die van Healy (1985), DeAngelo (1986), Jones (1991), Dechow et al. (1995) en Burgstahler & Dichev (1997). Niet alle modellen worden behandeld omdat in onderzoeken over non-profit organisaties de modellen van Jones (1991) en Burgstahler & Dichev (1997) het meest gebruikt worden en ook geschikt blijken te zijn voor non-profit organisaties. Zo is het model van Dechow et al (2005) een uitbreiding op het Jones model (1991), ook wel het ‘Modified Jones-model’ genoemd. Dit model houdt rekening met eventuele manipulaties in de omzet. Aangezien in het onderwijs geen sprake is van ‘echte omzet’, heeft het Modified Jones-model geen toegevoegde waarde voor dit onderzoek.

Het Jones model is gebaseerd op de modellen van Healy (1985) en DeAngelo (1986). Echter stelt Jones (1991) dat deze modellen geen rekening houden met de economische omstandigheden van de organisatie. Dit is volgens Jones (1991, p. 210) belangrijk omdat accruals hiervan afhankelijk zijn: ‘As Kaplan (1985) notes, changes in several working capital accounts and thereby, accruals, depend upon the economic circumstances of the firm. For example, if nondiscretionary accruals are a function of revenues, then the negative change in accruals may simply be due to changes in nondiscretionary rather than discretionary accruals’. In het model van Jones (1991) wordt daarom wel rekening gehouden met de economische omstandigheden van de organisatie bij het berekenen van de accruals door toevoeging van de variabelen: materiële vaste activa (𝑃𝑃𝐸𝑡) en de verandering in opbrengsten

(∆𝑅𝐸𝑉_𝑖,𝑡). Het Jones model is weergegeven in vergelijking (1). Alle variabelen zijn geschaald met de totale activa in jaar 𝑡 − 1(begintstand totale activa in jaar t).

𝑇𝐴_𝑖,𝑡 / 𝐴_{𝑖,𝑡−1}= 𝛽₁ (1/𝐴_{𝑖,𝑡−1}) + 𝛽₂ (∆𝑅𝐸𝑉_𝑖,𝑡/𝐴_{𝑖,𝑡−1}) + 𝛽₃ (𝑃𝑃𝐸_𝑖,𝑡/𝐴_{𝑖,𝑡−1}) + 𝜀_𝑖,𝑡 (1) Waarbij:

𝑇𝐴𝑖,𝑡 = Totale accruals voor organisatie 𝑖 in jaar 𝑡 1.

𝐴_{𝑖,𝑡−1} = Totale activa voor organisatie 𝑖 in jaar 𝑡 − 1 (beginstand activa van jaar 𝑡)

1_{Voor de berekeningswijze van 𝑇𝐴}

(16)

15 ∆𝑅𝐸𝑉𝑖,𝑡 = Mutatie opbrengsten voor organisatie 𝑖 in jaar 𝑡 t.o.v. de opbrengsten uit jaar 𝑡 − 1

𝑃𝑃𝐸_𝑖,𝑡 = Materiële vaste activa voor organisatie 𝑖 eind jaar 𝑡 𝜀_𝑖,𝑡 = ‘error term’ voor organisatie 𝑖 in jaar 𝑡

𝑡 = Jaarindex (𝑡 =1 voor 2008, 2 voor 2009, etc)

De totale accruals (𝑇𝐴𝑖,𝑡) worden berekend door de verandering in het werkkapitaal (exclusief de

verandering in liquide middelen) te verminderen met de afschrijvingen van organisatie 𝑖 in jaar 𝑡. De vergelijking is geschaald met de totale activa in jaar 𝑡 − 1 en is als volgt:

𝑇𝐴𝑖,𝑡/ 𝐴𝑖,𝑡−1 = (∆ 𝐶𝐴𝑖,𝑡 − ∆ 𝐶𝐴𝑆𝐻𝑖,𝑡− ∆ 𝐶𝐿𝑖,𝑡− 𝐷𝐸𝑃𝑖,𝑡 ) / (𝐴𝑖,𝑡−1) (2)

Waarbij:

𝑇𝐴𝑖,𝑡 = Totale accruals voor organisatie 𝑖 in jaar 𝑡.

𝐴_{𝑖,𝑡−1} = Totale activa voor organisatie 𝑖 in jaar 𝑡 − 1 (beginstand activa van jaar 𝑡) ∆ 𝐶𝐴𝑖,𝑡 = Mutatie in vlottende activa voor organisatie 𝑖 in jaar 𝑡 t.o.v. jaar 𝑡 − 1

∆ 𝐶𝐴𝑆𝐻_𝑖,𝑡 = Mutatie in liquide middelen voor organisatie 𝑖 in jaar 𝑡 t.o.v. jaar 𝑡 − 1 ∆ 𝐶𝐿_𝑖,𝑡 = Mutatie in kortlopende schulden voor organisatie 𝑖 in jaar 𝑡 t.o.v. jaar 𝑡 − 1 𝐷𝐸𝑃_𝑖,𝑡 = Afschrijvingen voor organisatie 𝑖 in jaar 𝑡

Het Jones model splitst accruals in een non-discretionair en discretionair deel. Non discretionaire accruals zijn verwachte accruals en discretionaire accruals zijn onverwacht, ook wel omschreven als abnormale accruals. Het bestaan van discretionaire accruals ziet Jones (1991) als bewijs voor earnings management. De discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆𝑖,𝑡) zijn geschaald met de beginstand van de totale

activa in jaar 𝑡 en worden als volgt berekend:

𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡 = 𝑇𝐴_𝑖,𝑡 − 𝑇𝐴̂ _𝑖,𝑡 (3)

Waarbij de totale accruals (𝑇𝐴𝑖,𝑡) de totale accruals zijn voor organisatie 𝑖 in jaar 𝑡. De totale accruals

zijn berekend met behulp van vergelijking (2). De 𝑇𝐴̂ betreft de geschatte totale accruals voor 𝑖,𝑡

organisatie 𝑖 in jaar 𝑡.

Deze methode wordt door Verbruggen & Christiaens (2012) toegepast in hun onderzoek naar earnings management binnen de non-profit sector in België. Zij onderzoeken door middel van de ‘drive toward zero hypothese’ of er earnings management aanwezig is (Verbruggen & Christiaens, 2012, p. 209). In het onderzoek wordt bewijs gevonden dat non-profit organisaties inderdaad het resultaat

(17)

16 bijsturen. Het model is daarom geschikt voor dit onderzoek. Het Jones model zal in het onderzoek dienen als hulpmodel om de discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡) te bepalen. Deze variabele is essentieel voor de toetsing van alle vier de hypotheses die aansluitend hieronder worden toegelicht.

3.2 Hypothese 1 tot en met 3: regressieanalyse

Hypothese 1 tot en met 3 worden met behulp van een regressieanalyse getoetst. De eerste drie hypotheses hebben betrekking op de invloed die het premanaged resultaat heeft op de mate van earnings management dat wordt toegepast door schoolbesturen in de periode 2008-2013. Het model dat voor deze eerste drie hypotheses wordt gebruikt is als volgt:

𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡 = 𝛽₀+ 𝛽₁ 𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡+ 𝛽₂ 𝑆𝑂𝐿𝑉1_𝑖,𝑡 + 𝛽₃ 𝑆𝑂𝐿𝑉2_𝑖,𝑡+ 𝛽₄ 𝐿𝐼𝑄_𝑖,𝑡+ 𝛽₅𝑅𝐸𝑁𝑇_𝑖,𝑡

+𝛽₆ 𝐾𝐴𝑃𝐹_𝑖,𝑡+ 𝛽₇ 𝑑𝑀𝐼𝐷𝐷𝐸𝐿𝐺_𝑖,𝑡+ 𝛽₈ 𝑑𝐺𝑅𝑂𝑂𝑇_𝑖,𝑡 + 𝜀_𝑖,𝑡 (4)

Waarbij:

𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡 = Premanaged resultaat voor organisatie 𝑖 in jaar 𝑡 2

geschaald met de totale activa in jaar 𝑡 − 1 (beginstand activa van jaar 𝑡)

𝑆𝑂𝐿𝑉1_𝑖,𝑡 = Solvabiliteit1 voor organisatie 𝑖 in jaar 𝑡 𝑆𝑂𝐿𝑉2𝑖,𝑡 = Solvabiliteit2 voor organisatie 𝑖 in jaar 𝑡

𝐿𝐼𝑄_𝑖,𝑡 = Liquiditeit voor organisatie 𝑖 in jaar 𝑡 𝑅𝐸𝑁𝑇_𝑖,𝑡 = Rentabiliteit voor organisatie 𝑖 in jaar 𝑡 𝐾𝐴𝑃𝐹𝑖,𝑡 = Kapitalisatiefactor voor organisatie 𝑖 in jaar 𝑡

𝑑𝑀𝐼𝐷𝐷𝐸𝐿𝐺_𝑖,𝑡 = Dummy voor middelgrote onderwijsinstellingen (1= wel, 0= niet) in jaar 𝑡 𝑑𝐺𝑅𝑂𝑂𝑇_𝑖,𝑡 = Dummy voor grote instellingen (1= wel, 0= niet) in jaar 𝑡

𝜀𝑖,𝑡 = ‘error term’ voor organisatie 𝑖 in jaar 𝑡

Om hypothese 1 te toetsen wordt in vergelijking (4) acht variabelen meegenomen. Zoals uit de hypotheses 1 tot en met 3 blijkt wordt verwacht dat de variabele PreRes een negatieve invloed heeft op de discretionaire accruals (DA_JONES). Van de vijf kengetallen die als variabele worden meegenomen in de vergelijking wordt van de variabelen: solvabiliteit en rentabiliteit verwacht dat deze variabelen een positief effect hebben op de discretionaire accruals. Solvabiliteit wordt namelijk berekend op basis van het eigen vermogen en dat is afhankelijk van de nettowinst van een onderwijsinstelling. De positieve invloed van de rentabiliteit kan verklaard worden doordat dit kengetal toeneemt door een stijging van het netto resultaat. De teller van de breuk is namelijk het ‘saldo gewone bedrijfsvoering’. Voor deze

2_{Zie voor de berekening van 𝑃𝑟𝑒𝑅𝑒𝑠}

(18)

17 twee kengetallen geldt hoe groter het resultaat, hoe groter het kengetal is. Van het kengetal liquiditeit is geen uitdrukkelijke verwachting omdat liquiditeit wordt bepaald op basis van balansposten die geen direct verband hebben met het resultaat. Tot slot wordt verwacht dat de kapitalisatiefactor een negatieve invloed heeft op de discretionaire accruals omdat de noemer van de breuk bestaat uit de totale baten. Voor deze variabele geldt hoe hoger de baten van de instelling, des te kleiner het kengetal.

De twee dummy’s zijn toegevoegd om aan te geven of een instelling klein, middelgroot of groot is. Kleine instellingen vormen de referentiegroep. Een instelling is klein op het moment dat het op beide dummy’s nul scoort. De indeling van grote, middelgrote en kleine instellingen is bepaald op basis van de definitie die is geformuleerd in het rapport van de commissie Don (2009). De definitie is toegelicht in paragraaf 2.4.

Met behulp van dit regressiemodel zal er antwoord gegeven worden op de vraag of er sprake is van een negatieve relatie tussen het premanaged resultaat en de discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡). Voor de definitie van de hierboven genoemde kengetallen wordt verwezen naar paragraaf 2.4.

Hypothese 2

Bij hypothese 2 wordt een derde dummy variabele toegevoegd. Dit wordt gedaan omdat hypothese 1 symmetrisch is geformuleerd. De discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡) worden namelijk verwacht positief te zijn wanneer het premanaged resultaat licht negatief is en negatief wanneer op het moment dat het premanaged resultaat substantieel positief is. De negatieve relatie tussen de discretionaire accruals en het premanaged resultaat kan dus twee kanten op. Door middel van hypothese 2 wordt als het ware de ‘linkerzijde’ van hypothese 1 onderzocht, namelijk:

‘is er sprake van een versterkt negatieve relatie tussen de discretionaire accruals en het premanaged resultaat op het moment dat dit resultaat licht negatief is?’

De dummy (𝐿𝐼𝐶𝐻𝑇𝑁𝐸𝐺_𝑖,𝑡) geeft aan of een schoolbestuur wel (=1) of niet (=0) een licht negatief premanaged resultaat heeft. De definitie van licht negatief is in paragraaf 2.5.2 toegelicht. De vergelijking waarmee hypothese 2 wordt getoetst is weergegeven in vergelijking (5).

𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡 = 𝛽₀+ 𝛽₁ 𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡+ 𝛽₂ 𝑑𝐿𝐼𝐶𝐻𝑇𝑁𝐸𝐺_𝑖,𝑡 + 𝛽₃ 𝑆𝑂𝐿𝑉1_𝑖,𝑡+ 𝛽₄ 𝑆𝑂𝐿𝑉2_𝑖,𝑡+ 𝛽5 𝐿𝐼𝑄𝑖,𝑡 + 𝛽6 𝑅𝐸𝑁𝑇𝑖,𝑡+ 𝛽7 𝐾𝐴𝑃𝐹𝑖,𝑡 + 𝛽8 𝑑𝑀𝐼𝐷𝐷𝐸𝐿𝐺𝑖,𝑡 + 𝛽9 𝑑𝐺𝑅𝑂𝑂𝑇𝑖,𝑡+ 𝜀𝑖,𝑡 (5)

Waarbij:

𝑑𝐿𝐼𝐶𝐻𝑇𝑁𝐸𝐺_𝑖,𝑡 = Dummy voor wel (=1) of niet (=0) een licht negatief premanaged resultaat voor organisatie 𝑖 in jaar 𝑡.

De grenswaarde behorende bij licht negatief is uiteengezet in tabel 5. Voor toelichting op de overige variabelen wordt verwezen naar de toelichting bij vergelijking (4).

(19)

18 De verwachting is dat de dummy variabele dLICHTNEG een negatieve relatie heeft met DA_JONES. Van de overige variabelen geldt dat de verwachting, die is beschreven bij de variabelen in vergelijking (4), ook van toepassing is voor hypothese 2.

Hypothese 3

Tot slot wordt er op dezelfde wijze voor hypothese 3 een dummy variabele meegenomen in vergelijking (4). Middels deze dummy wordt de ‘rechterzijde’ van hypothese 1 onderzocht. Deze dummy geeft aan of een schoolbestuur wel (=1) of niet (=0) een substantieel positief premanaged resultaat heeft (𝑆𝑈𝐵𝑃𝑂𝑆_𝑖,𝑡). De definitie van substantieel positief is in paragraaf 2.5.3 toegelicht. Met behulp van deze dummy wordt er getoetst of een schoolbestuur het premanaged resultaat omlaag stuurt op het moment dat dit substantieel positief is. De verwachting is dat de dummy variabele dSUBPOS een negatieve relatie heeft met DA_JONES. Van de overige variabelen geldt dat de verwachting, die is beschreven bij de variabelen in vergelijking (4), ook van toepassing is voor hypothese 3. Hypothese 3 zal door middel van vergelijking (6) getoetst worden en is als volgt geformuleerd:

𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡 = 𝛽₀+ 𝛽₁ 𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡+ 𝛽₂ 𝑑𝑆𝑈𝐵𝑃𝑂𝑆_𝑖,𝑡 + 𝛽₃ 𝑆𝑂𝐿𝑉1_𝑖,𝑡+ 𝛽₄ 𝑆𝑂𝐿𝑉2_𝑖,𝑡+ 𝛽₅ 𝐿𝐼𝑄𝑖,𝑡 + 𝛽6 𝑅𝐸𝑁𝑇𝑖,𝑡+ 𝛽7 𝐾𝐴𝑃𝐹𝑖,𝑡 + 𝛽8 𝑑𝑀𝐼𝐷𝐷𝐸𝐿𝐺𝑖,𝑡 + 𝛽9 𝑑𝐺𝑅𝑂𝑂𝑇𝑖,𝑡+ 𝜀𝑖,𝑡 (6)

Waarbij:

𝑑𝑆𝑈𝐵𝑃𝑂𝑆_𝑖,𝑡 = Dummy voor wel (=1) of niet (=0) substantieel positief premanaged resultaat voor organisatie 𝑖 in jaar 𝑡.

De grenswaarde van substantieel positief is uiteengezet in tabel 5. Voor toelichting op de overige variabelen wordt verwezen naar de toelichting bij vergelijking (4).

3.3 Hypothese 4: statistische verdeling

Burgstahler & Dichev (1997) passen in hun onderzoek een andere benadering toe dan de hierboven beschreven regressieanalyse. De auteurs meten earnings management door resultaten rondom het nulpunt te analyseren middels een statistische verdeling van het resultaat over de periode 1976-1994 met 75.999 observaties (Burgstahler & Dichev, 1997, pp. 99-111). De auteurs veronderstellen dat, onder de nulhypothese, er geen sprake is van earnings management en dat de cross-sectional distribution van de resultaten ‘smooth’ zijn. De definitie die Burgstahler & Dichev (1997) hanteren voor smooth is dat het aantal observaties in een gegeven interval (𝑖) verwacht wordt het gemiddelde te zijn van de intervallen 𝑖 − 1 en 𝑖 + 1. De statistische test voor ‘smoothness’ is het verschil tussen het verwachte en het werkelijke aantal observaties in het interval gedeeld door de geschatte standaarddeviatie. De variantie van het verschil tussen de waargenomen en de verwachte aantal observaties is ongeveer:

(20)

19 𝑁𝑝_𝑖(1 − 𝑝𝑖 ) + (1/4)𝑁(𝑝𝑖−1+ 𝑝𝑖+1 )(1 − 𝑝𝑖−1 − 𝑝𝑖+1 ) (7)

Waarbij 𝑁 het aantal observaties is en 𝑝𝑖 de kans dat een observatie valt in het interval 𝑖. Onder de nul

hypothese veronderstellen de auteurs dat de gestandaardiseerde verschillen ongeveer standaard normaal verdeeld zijn (Burgstahler & Dichev, 1997, p. 103). Uit de resultaten blijkt dat organisaties het premanaged resultaat bijsturen naar net boven nul. Dit resultaat is weergegeven in figuur 2.

Uit figuur 2 blijkt dat er sprake is van een discontinuïteit in de verdeling van het netto resultaat rondom het nulpunt en dat er een grote hoeveelheid observaties zich net boven het nulpunt bevinden. De auteurs interpreteren deze discontinuïteit als bewijs dat managers met kleine verliezen ‘income increasing discretionary accruals’ gebruiken om verliezen te vermijden. De methode van Burgstahler & Dichev is op vergelijkbare wijze door Leone & Van Horn (2005) toegepast bij non-profit organisaties. De auteurs hebben, zoals beschreven in paragraaf 2.5.1, bewijs gevonden voor de ‘loss-avoidance hypothesis’.

Uit het onderzoek van Leone & Van Horn blijkt, op basis van 8.185 observaties, dat het gestandaardiseerde verschil links van het nulpunt voor panel A (earnings before discretionary accruals) 1,00 (Z-score) bedraagt en dus niet significant anders is ten opzichte van het nulpunt. Daarentegen is het gestandaardiseerde verschil in het interval links van het nulpunt voor panel B (operating income) -3,40 (Z-score). Dit is een significant verschil van nul (Leone & Van Horn, 2005, p. 833). Dit resultaat bevestigt dat managers verliezen vermijden en dat er significant minder observaties zijn links van het nulpunt ten opzichte van de ‘smoothness’ assumptie. Het significante resultaat van panel B is weergegeven in figuur 3. Hierin is duidelijk zichtbaar dat er geen sprake is van een smooth verdeling van het resultaat links van het nulpunt en dat veel observaties zich bevinden rechts van nul.

(21)

20 In dit onderzoek zullen zoals in het onderzoek van Leone & Van Horn (2005) twee statistische verdelingen worden gemaakt. De eerste verdeling is de verdeling van het premanaged resultaat (resultaat voor discretionaire accruals). Het premanaged resultaat in jaar 𝑡 is geschaald met de totale activa in jaar 𝑡 − 1. De vergelijking om het premanaged resultaat te berekenen is weergegeven in vergelijking (8). De tweede verdeling die gemaakt zal worden is de verdeling van de netto resultaten. Dit betreft het gerapporteerde resultaat. Alle variabelen in vergelijking (8) zijn geschaald met de totale activa in jaar 𝑡 − 1 (beginstand activa van jaar 𝑡).

𝑃𝑟𝑒𝑅𝑒𝑠𝑖,𝑡 = 𝑅𝑒𝑠𝑖,𝑡 − 𝐷𝐴_𝐽𝑂𝑁𝐸𝑆 𝑖,𝑡 (8)

Waarbij:

𝑃𝑟𝑒𝑅𝑒𝑠𝑖,𝑡 = premanaged resultaat voor organisatie 𝑖 in jaar 𝑡

𝑅𝑒𝑠_𝑖,𝑡 = netto resultaat voor organisatie 𝑖 in jaar 𝑡

(22)

21

4. Data

In dit hoofdstuk wordt de dataset beschreven die gebruikt wordt om earnings management te meten. In de tweede paragraaf wordt de beschrijvende statistiek behandeld. Tot slot worden de grenswaarden van een licht negatief en een substantieel positief premanaged resultaat toegelicht.

4.1 Dataset

De dataset voor het onderzoek wordt via de internetsite van de DUO verkregen. Ten behoeve van het onderzoek worden de jaarrekeninggegevens van circa 1.350 schoolbesturen in Nederland gedownload over de periode 2008-2013. Het domein van een schoolbestuur bestaat uit 1 of meerdere basisscholen. Er is gekozen om vanaf 2008 data te verzamelen omdat vanaf het verslagjaar 2008 de RJO geldt voor de inrichting van de jaarrekening en het jaarverslag van onderwijsinstellingen (DUO, 2015). In tabel 2 is schematisch weergegeven hoeveel schoolbesturen een jaarrekening hebben aangeleverd bij de DUO in de periode 2008-2013.

De schoolbesturen in tabel 2 hierboven zijn niet alleen primaire onderwijsinstellingen. Dit kunnen vier verschillende type instellingen zijn. Deze groepering is in tabel 3 uiteengezet.

Ten behoeve van het onderzoek worden de REC’s, SBO’s en SWV’s uit de dataset verwijderd. Dit betreffen jaarrekeninggegevens van regionale expertise centra (ook een vorm van een samenwerkingsverband), speciaal basis onderwijsinstellingen en samenwerkingsverbanden. Deze drie groepen worden verwijderd omdat deze drie type instellingen ook niet zijn meegenomen in het onderzoek van de commissie Don (2009). De reden die in dat rapport gegeven wordt is dat hiervoor niet alle gegevens beschikbaar zijn over de kengetallen (Commissie Don, 2009, p. 99). Hierdoor is het niet mogelijk om deze gegevens te toetsen.

(23)

22 Vervolgens zijn alle schoolbesturen die niet alle zes jaren een jaarrekening hebben aangeleverd uit de populatie verwijderd. Deze jaarrekeninggegevens worden verwijderd omdat er in het onderzoek gebruik wordt gemaakt van lagged variabelen bij de berekening van de totale accruals (𝑇𝐴_𝑖,𝑡). Dat wil zeggen dat er voor de berekening van de 𝑇𝐴_𝑖,𝑡 in 2008 voor organisatie 𝑖 gegevens nodig zijn uit 2007, etc. De berekening van 𝑇𝐴𝑖,𝑡 is weergegeven in vergelijking (2) in paragraaf 3.1.

Ten slotte worden in totaal 86 outliers verwijderd. Outliers zijn hier alle waarden van 𝑅𝑒𝑠_𝑖,𝑡 die minstens 3 standaarddeviaties verwijderd liggen van het gemiddelde van 𝑅𝑒𝑠_𝑖,𝑡. Het resultaat van 𝑅𝑒𝑠_𝑖,𝑡 is geschaald met de totale activa aan het begin van het jaar (𝐴𝑖,𝑡−1).

Na het bewerken van de data blijven er nog 967 schoolbesturen over waarvan over een periode van zeven jaar jaarrekeninggegevens beschikbaar zijn. Het beschikbare aantal jaarrekeningen over de periode 2008-2013 is, na het verwijderen van de outliers, 5.716 (observaties). De totale onbewerkte sample (2007-2013) bestaat uit 6.768 jaarrekeningen.

4.2 Beschrijvende statistiek

Het onderzoek wordt gedaan op basis van 5.716 observaties in de periode 2008-2013. Alle data is afkomstig van de DUO. In tabel 4 is de beschrijvende statistiek weergegeven.

RES Netto (gerapporteerd) resultaat geschaald met de totale activa in jaar t-1

PreRes Premanaged resultaat (resultaat voor discretionaire accruals)

Formule 𝑃𝑟𝑒𝑅𝑒𝑠𝑖,𝑡= 𝑅𝑒𝑠𝑖,𝑡 − 𝐷𝐴_𝐽𝑂𝑁𝐸𝑆 𝑖,𝑡

∆REV Opbrengsten in jaar t minus opbrengsten uit jaar t-1

PPE Materiële vaste activa in jaar t-1

TA Totale accruals in jaar t (zie vergelijking (2) voor de berekening van TA)

DA_JONES Error term van het Jones model (discretionaire accruals). Zie vergelijking (3) voor de berekening

SOLV1 Solvabiliteit 1 Eigen vermogen / totaal passiva * 100%

SOLV2 Solvabiliteit 2 (Eigen vermogen + voorzieningen) / totaal passiva * 100%

LIQ Liquiditeit (Vlottende activa + liquide middelen) / kortlopende schulden

RENT Rentabiliteit Saldo gewone bedrijfsuitvoering / (totale baten + rente baten) * 100%

KAPF Kapitalisatiefactor (Totaal kapitaal -/- gebouwen en terreinen) / (totale baten + rente baten) * 100%

dMIDDELG Dummy voor middelgrote onderwijsinstellingen (1=wel, 0=niet) conform rapport commissie Don (2009)

(24)

23

dLICHTNEG Dummy voor wel (=1) of niet (=0) een licht negatief premanaged resultaat

dSUBPOS Dummy voor wel (=1) of niet (=0) een substantieel positief premanaged resultaat

De variabelen RES, PreRes, ∆REV, PPE, TA en DA_JONES zijn geschaald met de totale activa in jaar t-1 (de beginstand van de activa in jaar t).

In tabel 4 valt op dat het minimum en het maximum van de variabele PreRes, ten opzichte van de variabele RES, behoorlijk uiteenloopt. Een verklaring hiervoor is dat het premanaged resultaat bepaald is als het netto resultaat minus de discretionaire accruals (DA_JONES). Uit de data blijkt dat observaties met een extreem positief premanaged resultaat, een extreme negatieve DA_JONES waarde hebben en omgekeerd. Extreme DA_JONES waarden zijn het gevolg van het hulpmodel Jones dat is toegelicht in paragraaf 3.1.

De correlatiematrix is opgenomen in tabel 13, appendix B. Aan de hand hiervan zijn de relaties tussen de onafhankelijke- en de afhankelijke variabelen beoordeelt. De vuistregel die in de literatuur wordt gehanteerd is dat waarden kleiner dan -0,7 of groter dan 0,7 de betrouwbaarheid van het model beïnvloeden. Uit tabel 13 blijken 5 correlaties met een waarde groter dan 0,7. De hoogste correlatie is tussen DA_JONES en TA, met een Pearson correlatie coëfficiënt van 0,987 en een significantieniveau van 0,000***. Deze hoge correlatie wordt veroorzaakt doordat de variabele DA_JONES is gebaseerd op

de variabele TA.

Daarnaast zijn er twee hoge waarden aanwezig tussen PreRes – TA (pearson: 0,812) en PreRes – DA_JONES. (pearson: 0,813) De eerste correlatie betreft een combinatie van variabelen die niet ten opzichte van elkaar worden getoetst. Dit levert dus geen belemmering voor het onderzoek op. De hoge correlatie tussen PreRes en DA_JONES betreft een correlatie tussen een afhankelijke variabele en een onafhankelijke variabele en dus niet tussen twee individuele onafhankelijke variabelen. De geconstateerde samenhang is een gewenst verband.

Tot slot zijn er twee hoge waarden zichtbaar tussen SOLV1 – SOLV2 (pearson: 0,872) en RENT – RES (pearson: 0,899). In subparagraaf 5.2.1 wordt met behulp van model comparison beoordeeld of de variabele SOLV2 uit het model kan worden verwijderd. De correlatie tussen RENT en RES levert geen ongeoorloofde invloed op omdat deze twee variabelen niet gezamenlijk worden getoetst in de regressieanalyses.

Om te toetsen of het premanaged resultaat een negatieve invloed heeft op earnings management is hypothese 1 gesplitst in twee aparte hypotheses die als het ware linker en de rechterzijde toetsen. Voor hypothese 2 en 3 wordt gebruik gemaakt van een dummy variabele:

- Indien het premanaged resultaat licht negatief (𝑑𝐿𝐼𝐶𝐻𝑇𝑁𝐸𝐺_𝑖,𝑡) is dan krijgen observaties met een premanaged resultaat beneden het 90ste percentiel van de negatieve waarden (-0,0107) een

(25)

24 ‘0’ en observaties met een negatief premanaged resultaat boven het 90ste

percentiel een ‘1’3. Het 90ste percentiel is bepaald door trial and error. Er wordt verondersteld dat op het moment dat het premanaged resultaat zich beneden het 90ste _{negatieve percentiel bevindt, het voor}

schoolbesturen niet meer haalbaar is om het premanaged resultaat omhoog bij te sturen. - De grens voor substantieel positief premanaged resultaat (H3) is initieel bepaald als het 5de

percentiel van de positieve waarden van de variabele PreRes. Alle observaties met een positief premanaged resultaat boven het 5de_{percentiel (0,0060) zijn substantieel positief en krijgen een}

‘1’ voor de dummy 𝑑𝑆𝑈𝐵𝑃𝑂𝑆_𝑖,𝑡 en observaties beneden het 5de percentiel een ‘0’. Voor observaties beneden het 5de percentiel wordt verondersteld dat een schoolbestuur weinig tot geen prikkels heeft om het resultaat naar beneden bij te sturen, omdat deze resultaten al relatief dicht bij het nulpunt liggen.

De bijbehorende grenswaarden voor licht negatief en substantieel positief zijn opgenomen in tabel 5 op de volgende pagina. Voor de uitgebreide tabel met alle geanalyseerde percentielen wordt verwezen naar appendix C.

Vanuit de dataset (5.716 observaties) is een splitsing gemaakt tussen de positieve (>0) en de negatieve premanaged resultaten (<0). Het premanaged resultaat is geschaald met de totale activa in jaar t-1.

Van de negatieve en de positieve premanaged resultaten is het gemiddelde berekend en daarnaast zijn de percentielen berekend die toegepast worden voor hypothese 2 en 3.

3_{In eerste instantie was gekozen voor het 95}ste_{percentiel van de negatieve waarden van PreRes omdat dit in lijn is met}

het positieve 5de_{percentiel. Uit analyse van de data bleek echter dat het 90}ste_{percentiel van de negatieve waarden van}

(26)

25

5. Onderzoeksresultaten

In dit hoofdstuk worden de onderzoeksresultaten besproken. Allereerst worden de resultaten van het hulpmodel Jones behandeld. De uitkomst van het Jones model wordt vervolgens gebruikt voor de toetsing van de vier hypotheses in dit onderzoek. Vervolgens worden de resultaten van hypothese 1 tot en met 3 besproken. Het hoofdstuk eindigt met de onderzoeksresultaten hypothese 4 die met behulp van de statistische verdeling wordt onderzocht.

5.1 Resultaten hulpmodel Jones

Zoals besproken in paragraaf 3.1 dient het Jones model in het onderzoek als hulpmodel om de aanwezigheid van discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆𝑖,𝑡) te bepalen. Deze variabele is essentieel voor

de toetsing van alle vier de hypotheses die in hoofdstuk 3 zijn geformuleerd. De vergelijking op basis waarvan de discretionaire accruals worden bepaald is uiteengezet in vergelijking (1) tot en met (3). De uitkomst van de regressieanalyse van het hulpmodel Jones is opgenomen in tabel 6.

(significance at 0.1, (*), 0.05 (**) and 0.001 (***) levels).

Afhankelijke variabele

TA Totale accruals in jaar t geschaald met de totale activa in jaar t-1 (beginstand activa van jaar t)

(zie vergelijking (2) voor de berekening van TA)

Onafhankelijke variabele

∆REV Opbrengsten in jaar t minus opbrengsten uit jaar t-1 geschaald met de totale activa in jaar t-1 (beginstand activa van jaar t)

PPE Materiële vaste activa in jaar t-1 geschaald met de totale activa

in jaar t-1 (beginstand activa van jaar t)

Uit tabel 6 blijkt dat het model 2,52% van de totale accruals verklaard. Dit heeft voor het onderzoek verder geen gevolgen omdat het Jones model alleen als hulpmodel wordt gebruikt om de discretionaire accruals per organisatie te berekenen (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆𝑖,𝑡). Op basis van de ‘error term’ uit tabel 6 is de

variabele 𝑇𝐴_𝑒𝑠𝑡_𝑖,𝑡 aangemaakt voor alle 5.716 observaties. Deze variabele is de residual van vergelijking (3) en gebruikt om de discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆_𝑖,𝑡) te berekenen voor alle observaties. Deze variabele is voor de toetsing van de vier de hypotheses essentieel. In de hierop

(27)

26 volgende paragrafen worden de onderzoeksresultaten toegelicht die mede tot stand zijn gekomen met behulp van het hulpmodel Jones.

5.2 Resultaten hypothese 1 tot en met 3: regressieanalyse

In de vorige paragraaf zijn de discretionaire accruals per organisatie (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆𝑖,𝑡) berekend middels

het hulpmodel Jones (1991). Deze variabele wordt in deze paragraaf gebruikt om hypothese 1 tot en met 3 te onderzoeken. De drie hypotheses worden in de volgende drie paragrafen onderzocht met behulp van een regressieanalyse. Per hypothese wordt het resultaat toegelicht en wordt gemotiveerd of de hypothese (niet) verworpen kan worden.

5.2.1 Hypothese 1

Door middel van de eerste hypothese is onderzocht of er sprake is van een negatieve relatie tussen het premanaged resultaat van een onderwijsinstelling en earnings management (de discretionaire accruals). Volgens Leone & Van Horn (2005) en Verbruggen & Christiaens (2012) zijn in het algemeen de discretionaire accruals positief wanneer het premanaged resultaat negatief is en zijn de discretionaire accruals negatief wanneer het premanaged resultaat positief is. Om deze hypothese te toetsen is een regressieanalyse uitgevoerd met afhankelijke variabele 𝐷𝐴_𝐽𝑂𝑁𝐸𝑆𝑖,𝑡. De resultaten van de

regressieanalyse zijn opgenomen in tabel 7. De vergelijking van hypothese 1 is uiteengezet in vergelijking (4).

DA_JONES Error term van het hulpmodel Jones (discretionaire accruals)

Voor de berekening van DA_JONES wordt verwezen naar vergelijking (3)

Formule 𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡= 𝑅𝑒𝑠_𝑖,𝑡 − 𝐷𝐴_𝐽𝑂𝑁𝐸𝑆 _𝑖,𝑡

(28)

27

dMIDDELG Dummy voor middelgrote onderwijsinstellingen (1= wel, 0= niet) in jaar t

dGROOT Dummy voor grote instellingen (1= wel, 0= niet) in jaar t

Resultaten

Uit de beoordeling van de correlatiematrix in paragraaf 4.2 bleek dat de variabelen SOLV1 en SOLV2 sterk met elkaar correleren. De Pearson correlation coëfficiënt bedraagt 0,872 met een significantieniveau van 0,000***. Omdat beide variabelen opgenomen zijn als controlevariabele in het

model beïnvloedt dit de betrouwbaarheid van het model. Om deze reden is met behulp van model comparison gecontroleerd of de variabele solvabiliteit 2, naast de variabele solvabiliteit 1, individueel toegevoegde waarde heeft in de regressieanalyse. Uit de adjusted 𝑅2_{(appendix B, tabel 11) B blijkt dat}

dit niet het geval is. De 𝑅2_{neemt zelfs niet toe na toevoeging van solvabiliteit 2. Om deze reden wordt}

in het model alleen solvabiliteit 1 meegenomen in de regressieanalyse. Ter kennisname is ten behoeve van hypothese 1 de regressieanalyse inclusief solvabiliteit 2 uitgevoerd en opgenomen in appendix B, tabel 12. De uitgebreide correlatiematrix is opgenomen in tabel 13 appendix B. Er is gecontroleerd of er verder nog sprake is van multicollineariteit in het regressiemodel. Indien er sprake is van sterke multicollineariteit dan beïnvloedt één van de onafhankelijke variabelen, of meer, andere onafhankelijke variabelen in plaats van de afhankelijke variabele. Dit is niet het geval, de Variance Inflation Factor (VIF) in het regressiemodel is <5 en dus wordt op basis hiervan gesteld dat geen sprake is van multicollineariteit.

Significantie

De adjusted 𝑅2_{van de regressieanalyse is hoog (0,918). Dit betekend dat 91,8% van de discretionaire}

accruals worden verklaard door de onafhankelijke variabelen in het regressiemodel. Op basis van de p-waarde die uit de Anova test blijkt (0.000***) is het model significant. De p-waarde is <0.01 en daarmee

wordt bevestigd dat, op basis van een 99% betrouwbaarheidsniveau, het premanaged resultaat een negatief effect heeft op earnings management (H2). Behalve dat het model significant is, hebben bijna alle individuele variabelen een significant effect op de discretionaire accruals en verklaren de onafhankelijke variabelen voor bijna 100% de mate van earnings management in het primair onderwijs. Dit is niet vanzelfsprekend omdat de 𝑅2_{kunstmatig opgeblazen kan worden door het toevoegen van}

bijkomende variabelen die soms verklaard kunnen worden door toeval.

Teken 𝜷

Uit tabel 7 blijkt dat de variabelen: PreRes, LIQ, dMIDDELG en dGROOT op basis van hun 𝛽 een negatieve invloed hebben op de discretionaire accruals (DA_JONES). De variabele PreRes heeft de grootste t-waarde (-243,887). Wanneer het premanaged resultaat daalt, dan stijgen de discretionaire

(29)

28 accruals, en andersom. Dit resultaat komt overeen met de onderzoeksresultaten van Leone & Van Horn (2005) en Verbruggen & Christiaens (2012). Voor het kengetal liquiditeit geldt ook dat wanneer het kengetal afneemt, de discretionaire accruals toenemen. In paragraaf 3.2 is beschreven dat er voor deze variabele geen uitdrukkelijke verwachting is omdat dit kengetal bestaat uit balansposten die niet direct een relatie hebben met het resultaat. De drie andere variabelen: SOLV1, RENT en KAPF hebben op basis van hun 𝛽 coëfficiënten een positief effect op DA_JONES. Van de kengetallen solvabiliteit en rentabiliteit komt de positieve 𝛽 overeen met de verwachting zoals beschreven in paragraaf 2.5.1. Wat betreft de variabele KAPF werd een negatieve relatie verwacht. Uit de 𝛽 (0,000) valt echter af te lezen dat dit kengetal licht positief is.

Conclusie

Geconcludeerd kan worden dat het premanaged resultaat een significant negatieve invloed heeft op de discretionaire accruals (𝐷𝐴_𝐽𝑂𝑁𝐸𝑆). Uit tabel 7 blijkt dat wanneer het premanaged resultaat omhoog gaat, de discretionaire accruals negatief toenemen met -0,914. Het premanaged resultaat heeft op basis van de hoge t-waarde (-243,887) een significant negatief effect op discretionaire accruals. Deze resultaten sluiten aan bij de onderzoeken van Verbruggen & Christiaens (2012) en Leone & Van Horn (2005) waarin geconcludeerd wordt dat non-profit organisaties earnings management toepassen. Daarbij wordt overeenkomstig dat onderzoek geconcludeerd dat er sprake is van een negatieve relatie tussen het premanaged resultaat en de discretionaire accruals. Hypothese 1 wordt dus niet verworpen.

5.2.2 Hypothese 2

In de vorige subparagraaf is geconstateerd dat het premanaged resultaat een significant negatieve invloed heeft op de discretionaire accruals en dus passen onderwijsbesturen earnings management toe. Omdat hypothese 1 symmetrisch is geformuleerd wordt bij hypothese 2 de ‘linkerzijde’ van het model getoetst. Daarbij is onderzocht of onderwijsbesturen het resultaat omhoog bijsturen door middel van discretionaire accruals op het moment dat het premanaged resultaat licht negatief is. Het begrip licht negatief is in paragraaf 4.2 toegelicht. Om dit te toetsen is in de regressieanalyse een dummy variabele toegevoegd. De uitkomsten van de regressieanalyse zijn opgenomen in tabel 8.

Resultaten

Uit tabel 8 blijkt dat het regressiemodel, net als het regressiemodel in tabel 7, 91,8% van de afhankelijke variabele DA_JONES verklaart. Met uitzondering van de toegevoegde dummy dLICHTNEG zijn dezelfde onafhankelijke variabelen opgenomen als in de voorgaande regressieanalyses. Aangezien de 𝛽 coëfficiënten niet sterk afwijken van het voorgaande regressiemodel, zijn deze variabelen niet opnieuw individueel toegelicht en zijn alleen de uitkomsten van de toegevoegde dummy behandeld. Er is in het

(30)

29 model geen sprake van multicollineariteit. De Variance Inflation Factor (VIF) in het regressiemodel is <5 en dus wordt op basis hiervan gesteld dat geen sprake is van multicollineariteit.

Significantie en teken 𝜷

Op basis van de negatieve 𝛽 coëfficiënt van dLICHTNEG (-0,004) kan afgeleid worden dat het hebben van een licht negatief premanaged resultaat een negatieve invloed heeft op de DA_JONES. Deze negatieve relatie komt overeen met de verwachting van hypothese 2. Op basis van de p-waarde van dLICHTNEG (0,047**) kan geconcludeerd worden dat deze dummy variabele een significante invloed

(<0,05) heeft op de afhankelijke variabele DA_JONES en dat hypothese 2 geaccepteerd wordt bij een betrouwbaarheidsniveau van 95%. Kortom, er is sprake van een versterkt negatieve relatie tussen het premanaged resultaat en earnings management wanneer het premanaged resultaat licht negatief is. Deze bevinding sluit aan bij het motief ‘het vermijden van kleine verliezen’ dat beschreven is in paragraaf 2.2. Volgens Hoerger (1991) is het optimale resultaat voor non-profit organisaties net iets boven nul. Tevens schuiven onderwijsinstellingen met het resultaat om zo buiten de aandacht te blijven van de overheid of andere instanties (Jones, 1991).

DA_JONES Error term van het hulpmodel Jones (discretionaire accruals)

Voor de berekening van DA_JONES wordt verwezen naar vergelijking (3)

Formule 𝑃𝑟𝑒𝑅𝑒𝑠_𝑖,𝑡= 𝑅𝑒𝑠_𝑖,𝑡 − 𝐷𝐴_𝐽𝑂𝑁𝐸𝑆 _𝑖,𝑡

dLICHTNEG Dummy voor een licht negatief premanaged resultaat (1= licht negatief en 0= niet licht negatief)

Licht negatief = premanaged resultaten binnen het 90ste (negatieve) percentiel van alle waarden PreRes <0.

SOLV1 Solvabiliteit 1 Eigen vermogen / totaal passiva * 100%

dMIDDELG Dummy voor middelgrote onderwijsinstellingen (1= wel, 0= niet) in jaar t