Invloed van CEO-ervaring op belastingontwijking
Naam: M.F.T. Westgeest Studentnummer: 11393653 Datum: 12 januari 2018 Word count: 13.343
Supervisor: ir. drs. A.C.M. de Bakker Tweede begeleider: dr. ir. S.P. van Triest
MSc Accountancy & Control, specialization Accountancy Faculty of Economics and Business, University of Amsterdam
Statement of Originality
This document is written by student Marleen Westgeest 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.
Abstract
This study investigates the influence of CEO experience on tax avoidance. This has been researched among US-companies over the years 2009-2017. Tax avoidance is measured on the basis of the ETR. CEO experience is divided into age, tenure, horizon and education. Based on the Upper Echelons Theory, it is expected that experience of a CEO influences the corporate tax avoidance. It is expected that a higher age will lead to a lower tax avoidance. In addition, it is expected that a longer tenure will lead to lower tax avoidance. It is also expected that if the CEO has a longer horizon, tax avoidance will decrease. Finally, it is expected that the higher the CEO is educated, the more tax is avoided. All these expectations are not supported by this study.
Inhoudsopgave
1. INTRODUCTIE ... 6
2. THEORETISCH KADER EN HYPOTHESEVORMING ... 9
2.1.2. MANIEREN VAN BELASTINGONTWIJKING ... 10
2.1.3. METEN VAN BELASTINGONTWIJKING ... 11
2.2. UPPER ECHELONS THEORIE ... 11
2.3. WERKERVARING ... 12 2.3.1. LEEFTIJD ... 13 2.3.2. TENURE ... 13 2.3.3. HORIZON ... 14 2.3.4. OPLEIDING ... 15 2.4. HYPOTHESE-ONTWIKKELING ... 15 3. METHODOLOGIE ... 17 3.1. CONCEPTUEEL MODEL ... 17 3.2. REGRESSIEMODELLEN ... 18 3.2.1. HYPOTHESE 1 – LEEFTIJD ... 18 3.2.2. HYPOTHESE 2 – TENURE ... 19 3.2.3. HYPOTHESE 3 – HORIZON ... 19 3.2.4. HYPOTHESE 4 – OPLEIDING ... 19 3.3. AFHANKELIJKE VARIABELE ... 19 3.4. ONAFHANKELIJKE VARIABELEN ... 20 3.4.1. CEO-LEEFTIJD ... 20 3.4.2. TENURE ... 20 3.4.3. HORIZON ... 20 3.4.4. OPLEIDING ... 21 3.5. CONTROLEVARIABELEN ... 21 3.5.1. WISSELENDE BEDRIJFSKARAKTERISTIEKEN ... 21 3.6. OVERZICHTSTABEL ... 23 4. DATA ... 24 4.1. DATAVERGARING ... 24 4.2. DATASELECTIE ... 24 4.3. BESCHRIJVENDE STATISTIEK ... 25 4.3.1. KERNSTATISTIEKEN ... 25 4.3.2. REPRESENTATIVITEIT DATASETS ... 27 4.3.3. CORRELATIEMATRIX ... 28
4.3.3.2. CORRELATIE HYPOTHESE 2 – TENURE ... 29
4.3.3.3. CORRELATIE HYPOTHESE 4 – OPLEIDING ... 29
4.3.4. MULTICOLLINEARITEIT ... 30
5. RESULTATEN ... 31
5.1. RESULTATEN HYPOTHESE 1 – LEEFTIJD ... 31
5.2. RESULTATEN HYPOTHESE 2 – TENURE ... 33
5.3. RESULTATEN HYPOTHESE 4 – OPLEIDING ... 34
5.4. NORMALITEIT STORINGSTERM ... 36
5.5. RESUMÉ VAN DE RESULTATEN ... 37
6. CONCLUSIES EN AANBEVELINGEN ... 38
6.1. CONCLUSIE VAN HET ONDERZOEK ... 38
6.2. BEPERKINGEN VAN HET ONDERZOEK ... 40
6.3. AANBEVELINGEN TOEKOMSTIG ONDERZOEK ... 40
7. LITERATUUR ... 42
8. BIJLAGEN ... 46
8.1. NORMAALVERDELING STORINGSTERM HYPOTHESE 1 ... 46
8.2. NORMAALVERDELING STORINGSTERM HYPOTHESE 2 ... 46
1. Introductie
‘Multinationals en belastingontwijking’, meer en meer worden deze onderwerpen samen in één zin genoemd (Volkskrant, 2017; Financieel Dagblad, 2016). Reden voor de Europese Commissie om tot actie over te gaan. In 2013 heeft de Europese Commissie onderzocht hoe voorkomen kan worden dat de multinationals constructies opzetten om zo min mogelijk belasting te betalen. Niet alleen multinationals komen hier slecht in het daglicht, ook de lidstaten hebben hier grote invloed op. Dit heeft ervoor gezorgd dat in 2015 het uitwisselen van informatie over belastingdeals tussen de lidstaten en de multinationals verplicht is gesteld. In de zomer van 2017 is er een nieuwe anti-witwasrichtlijn in werking getreden. Kortom, het heeft hoge prioriteit in Brussel. Ook Nederland speelt hierin een rol. Zoals bekend zijn er in Nederland veel internationale holdings gevestigd. Voorbeelden zijn IKEA en Lidl (CBS, 2015). De Tweede Kamer heeft aangegeven dat er meer gedaan moet worden om schijnconstructies en andere vormen van belastingontwijking tegen te gaan (Visser, 2017).
Hier ligt een vorm van verantwoordelijkheid bij de Belastingdienst. De Belastingdienst is verantwoordelijk voor het inzamelen van de inkomsten van de overheid. Uit deze inkomsten worden algemene voorzieningen betaald, zoals wegen, scholen en bepaalde uitkeringen (bijstand, toeslagen, kinderbijslag). Als er constructies worden opgezet door multinationals om belasting te ontwijken, dan zal de belastingopbrengst enorm dalen. Er moet hierbij gefocust worden op het feit of dit wel echt binnen de wet blijft, of dat hier de wet overtreden wordt. Hier ligt een rol voor de accountant binnen de overheid. De accountant moet signaleren of de wet juist of onjuist wordt toegepast. Dit is van belang om de inkomsten van de overheid te garanderen. Om de accountant steeds meer handvatten dan wel aanknopingspunten te bieden binnen een controle, dient er meer onderzoek gedaan te worden. Dit onderzoek zal dan ook gedaan worden vanuit het oogpunt van de overheidsaccountant.
Belastingontwijking kan op meerdere manieren uitgelegd worden. Hier bestaat nog steeds geen uniforme definitie voor. Het is van belang dat er meer onderzoek gedaan wordt naar belastingontwijking om hier een goede definitie voor te ontwikkelen. Wat betreft het meten van belastingontwijking bestaat nog altijd veel discussie. Er zijn tal van maatstaven. Niet alle maatstaven zijn geschikt voor alle onderzoeksvragen. Hanlon en Heitzman (2010) hebben een overzicht samengesteld van verschillende manieren om belastingontwijking te meten. In dit onderzoek zal er verder ingegaan worden op wat nu de meest geschikte definitie en manier van meten is voor de hier te behandelen onderzoeksvraag.
Risicoanalyse is een belangrijke tool voor de accountant. Hiermee kan er richting gegeven worden aan een controle. Normaliter is deze gericht op de te controleren onderneming (Controleaanpak Belastingdienst, 2017). Onderdeel kan hiervan de rol van het topmanagement
zijn. Er is al veel onderzoek gedaan naar de mate van invloed van topmanagement op belastingontwijking. Zo worden volgens Desai en Dharmapala (2006) beslissingen omtrent belastingontwijking gemaakt door de managers. Echter, zoals Dyreng, Hanlon en Maydew (2010) al stellen, is er nog weinig onderzoek gedaan naar de rol van de CEO hierin. In hun onderzoek hebben zij aangetoond dat de CEO daadwerkelijk invloed heeft op de mate van belastingontwijking. Ook spelen CEO’s een grote rol in het kiezen van de belastingstrategie (Minnick en Noga, 2010). Daarnaast hebben Bertrand en Schoar (2003) aangetoond dat CEO’s bepaalde discretie hebben om hun eigen mening door te voeren. Dit is waarom een CEO meer invloed heeft dan het overige topmanagement samen. Wanneer een CEO meer invloed heeft, is het ook relevant om te bezien welke karakteristieken van een CEO hiervoor zorgen. Er is echter nog maar zeer beperkt onderzoek gedaan naar welke karakteristieken van een CEO ertoe doen wat betreft zijn of haar handelen omtrent strategische acties (Kaplan, Klebanov en Sorensen, 2012).
Gezien het geringe onderzoek, zijn er veel mogelijkheden voor nader onderzoek. Nog veel karakteristieken van de CEO zijn immers niet onderzocht. Dit vraagt dan ook om nieuw en aanvullend onderzoek. Binnen dit onderzoek zal de aandacht zich richten op de werkervaring van de CEO. Eerder onderzoek heeft zich gericht op de ervaring van het topmanagementteam. De werkervaring van het topmanagementteam heeft invloed op strategische beslissingen en organisatie uitkomsten (Peng-Yu Li, 2017). Nu ervaring van het topmanagement van invloed is gebleken, is het interessant om te bezien of de werkervaring van een CEO ook van invloed is op strategische beslissingen en daarbij in het bijzonder op belastingontwijking. Werkervaring is op verschillende manieren te meten. Quinones, Ford en Teachout (1995) hebben onderzoek gedaan naar de werkervaring op prestaties. Vervolgens hebben Wang et al. (2016) zich gericht op de ervaring van een CEO en welke invloed deze heeft op strategische beslissingen in een bedrijf. In dit onderzoek wordt dit verder gespecificeerd naar de invloed van werkervaring op belastingontwijking.
Bovenstaande leidt tot de onderzoeksvraag:
In welke mate is de werkervaring van de CEO van invloed op belastingontwijking van een bedrijf?
Deze studie kan op verschillende manieren bijdragen aan bestaande literatuur.
Zoals eerder gesteld is er nog veel discussie over de manier van meten van belastingontwijking. Dit moet er echter niet voor zorgen dat er geen onderzoek meer naar gedaan wordt. Juist niet. Er dient onderzoek gedaan te worden naar de beste manier om belastingontwijking te meten (Hanlon en Heitzman, 2010). Ten tweede levert deze studie een contributie aan bestaande literatuur omdat er nog weinig onderzoek is gedaan naar welke karakteristieken van een CEO van invloed zijn op belastingontwijking. Dit terwijl er al wel aangetoond is, dat een CEO invloed heeft op
belastingontwijking. Tevens is er onderzoek gedaan naar de invloed van werkervaring op werkprestaties. In dit onderzoek wordt dit gecombineerd. Er wordt op beide onderwerpen verder ingezoomd dan tot nu toe gedaan is. Als laatste wordt er nog een bijdrage geleverd aan de initiatieven van de Europese Commissie in het tegengaan van belastingontwijking door bedrijven. Wanneer er meer duidelijkheid komt in het ontstaan van belastingontwijking, kan het doelgerichter aangepakt worden. Dit onderzoek kan bijdragen aan de risicoanalyse van de overheidsaccountant. Deze overheidsaccountant is namelijk de eerste die kan signaleren en het kan aanpakken met het oog op het terugdringen van de belastingconstructies.
Dit rapport zal als volgt opgebouwd zijn. In het theoretisch kader wordt allereerst het begrip belastingontwijking verder toegelicht. Vervolgens wordt de Upper Echelons Theorie behandeld en toegelicht. Deze theorie zou kunnen helpen in het uitleggen van de te onderzoeken relatie. Aansluitend wordt er ingezoomd op werkervaring. Daaropvolgend worden in de paragraaf hypothese-ontwikkeling de hypotheses uitgewerkt. In het hoofdstuk methodologie wordt er toegelicht hoe de gestelde hypotheses onderzocht gaan worden. Hierna zal in het hoofdstuk data toegelicht worden hoe de data verzameld is en worden de data beschreven. Wanneer dit helder is, wordt de regressie uitgevoerd en worden de resultaten besproken. Er wordt afgesloten met de conclusie, beperkingen van het onderzoek en suggesties voor verder onderzoek.
2. Theoretisch kader en hypothesevorming
In dit hoofdstuk zal er allereerst dieper in gegaan worden op belastingontwijking. Om de invloed van de CEO op belastingontwijking te kunnen beoordelen, dient er eerst meer duidelijkheid te zijn over wat belastingontwijking nu precies is, wat de consequenties er van zijn, in welke vormen het voorkomt en hoe het gemeten kan worden. Wanneer dit duidelijk is, zal de Upper Echelons Theorie behandeld worden, waarmee het gedrag van de CEO uitgelegd kan worden door zijn of haar ervaring. Als laatste wordt de werkervaring van de CEO gedefinieerd en de hypotheses aangaande dit onderzoek uitgelegd.
2.1. Belastingontwijking
In deze paragraaf zal er eerst aandacht zijn voor de definitie van belastingontwijking. Vervolgens komen de consequenties van belastingontwijking aan bod. Daarna zal er gekeken worden naar de mogelijke manieren om belasting te ontwijken. Als laatste zal er behandeld worden hoe belastingontwijking te meten is.
Voor belastingontwijking is nog altijd geen duidelijke definitie. Er bestaat dan ook veel verwarring over. Om dit onderzoek goed te kunnen uitvoeren, dient er een afbakening gemaakt te worden. Wanneer er over belastingontwijking gesproken wordt, wordt er soms gerefereerd aan legale belastingreductie en soms aan illegale belastingreductie (Gravelle, 2009). In dit onderzoek wordt er met belastingontwijking gedoeld op de legale manier van belastingreductie. Echter is dit een dunne scheidingslijn met de illegale manier van belastingreductie, ook wel belastingontduiking genoemd. Veel activiteiten waar aan ontwijking gerefereerd wordt, kunnen worden omschreven als ontduiking (Gravelle, 2009).
Een simpele uitleg van belastingontwijking is dat er onbewust minder belasting afgedragen wordt dan normaliter verwacht zou worden. Dit is echter een te beknopte uitleg van belastingontwijking. Deze definitie neemt namelijk niet mee dat bedrijven gericht op zoek gaan naar mogelijkheden in de wet om minder belasting te hoeven betalen (Sandmo, 2005). Het is dus van belang om een definitie te hanteren, waarbij alle legale manieren van minder belasting betalen worden meegenomen. Dyreng (2008) hanteert de volgende definitie: Belastingontwijking ontstaat door alle handelingen waardoor de af te dragen belasting daalt ten opzichte van het resultaat voor belasting.
Deze definitie maakt geen onderscheid tussen reële activiteiten die fiscaal aantrekkelijk zijn, ontwijkingsactiviteiten die specifiek worden ondernomen om belasting te verminderen en gerichte belastingvoordelen van lobbyactiviteiten (Dyreng, 2010).
2.1.1. Consequenties van belastingontwijking
Om het belang van dit onderzoek in te zien is het ook relevant om te benoemen wat de consequenties van belastingontwijking zijn. Belastingontwijking heeft verschillende consequenties voor een groot aantal partijen. Deze consequenties kunnen direct, maar ook indirect zijn. Een directe consequentie kan een vermindering op een niet aftrekbare kostenpost zijn, wat ervoor zorgt dat de cashflow stijgt en daarmee ook de winst voor investeerders. Bij een indirect gevolg kan gedacht worden aan het veranderen van de kapitaalsstructuur om eventuele rentes te kunnen verrekenen (Hanlon en Heitzman, 2010).
Gevolgen voor bedrijven kunnen bestaan uit het extra moeten betalen van belastingen en het ontvangen van boetes, wat zorgt voor een lagere cashflow. Maar ook voor managers, aandeelhouders, schuldverstrekkers en overheid kunnen er aanzienlijke consequenties verbonden zijn aan het ontwijken van belasting. Hanlon en Slemrod (2009) hebben de marktreactie geanalyseerd wanneer bedrijven betrokken zijn bij nieuws omtrent belastingontwijking. Hierbij vinden zij een negatieve reactie van 1,04% daling van de aandelenprijs. Dus naast het feit dat zowel de overheid haar inkomsten misloopt, dienen ook bedrijven en aandeelhouders zich goed te realiseren dat belastingontwijking voor negatieve gevolgen kan zorgen.
2.1.2. Manieren van belastingontwijking
Om een duidelijker beeld van belastingontwijking te krijgen is het relevant om verder in te zoomen op dit begrip. Want hoe wordt belastingontwijking nu gerealiseerd door bedrijven? Er zijn hier tal van mogelijkheden voor. De kern is echter dat er mazen in de wet gebruikt worden om de belastingverplichting te drukken. Dit kan in eigen land gedaan worden. Door bijvoorbeeld het omzetten van arbeidsinkomen naar kapitaal. Dit is belast tegen een lager tarief. Een ander ‘hot topic’ is transferpricing. Er wordt uitkomst gezocht in landen waar een lager belastingtarief geldt. Hierdoor wordt er tegen een lager tarief geheven en dus minder af te dragen belasting. Ook kunnen verschillen tussen de fiscale regels van verschillende landen uitgebuit worden om minder belasting te betalen. Daarnaast is er ook een mogelijkheid om gebruik te maken van fiscale subsidieovereenkomsten met andere landen (Gravelle, 2009). Dit is echter nog maar een beknopt overzicht van de mogelijkheden. Voor dit onderzoek is uitgebreide beschrijving echter niet relevant.
Nu er geschetst is wat belastingontwijking is en in welke vormen het zich kan aanbieden, dient er duidelijkheid te worden geschept over hoe belangontwijking gemeten kan worden.
2.1.3. Meten van belastingontwijking
Een perfecte manier om belastingontwijking te meten is er niet. Dit omdat er te weinig informatie openbaar gemaakt wordt vanuit de bedrijven zelf.
Belastingontwijking is echter wel goed te benaderen vanuit financiële informatie van bedrijven. Hanlon en Heitzman (2010) hebben een overzichtsstudie gedaan naar de verschillende manieren om belastingontwijking te meten. Zo zou de belastingontwijking onder andere gemeten kunnen worden door te kijken naar de effectieve belastingdruk ratio, lange termijn effectieve belastingdruk ratio en commercieel – fiscale verschillen.
In dit onderzoek is ervoor gekozen om de effectieve belastingdruk ratio te hanteren. Effectieve belastindruk ratio’s (hierna: ETR) laten het gemiddelde tarief van de belasting per geldeenheid van het inkomen of kasstroom zien. Deze wordt in bestaande literatuur als nuttig ervaren (e.g., Mills, Erickson, en Maydew, 1998; Phillips, 2003). De ratio wordt namelijk op twee manieren beïnvloed door belastingontwijking. Allereerst creëren belastingontwijkende activiteiten verschillen in de commerciële en fiscale administratie. Commerciële en fiscale verschillen zijn zowel tijdelijke als permanente verschillen. Deze verschillen veroorzaken variatie in de ETR omdat de teller gebaseerd is op het belastbaar inkomen, terwijl de noemer is gebaseerd op het financial accounting income. Transacties gericht op het ontwijken van belasting zoals buitenlandse verkoopcorporaties, van belasting vrijgesteld inkomen, belastingkredieten en uitstel van de belasting voor fiscale doeleinden verminderen een firma’s ETR. Daarnaast gebruiken multinationals hun buitenlandse activiteiten vaak om belasting te vermijden. In de ETR wordt dit meegenomen. In het algemeen zullen bedrijven die belasting ontwijken door hun belastbare inkomsten te verminderen, lagere ETR’s hebben. Waardoor ETR een redelijke mate van duidelijkheid kan geven over belastingontwijking (Rego, 2003).
Concluderend kan er dus gesteld worden dat er in de literatuur nog veel onduidelijkheid is. Belastingontwijking kan gemeten worden, maar er moet wel rekening mee gehouden worden dat er altijd haken en ogen aan blijven zitten. Dit is belangrijk om in ogenschouw te nemen bij het interpreteren van uitkomsten van dergelijke onderzoeken.
2.2. Upper Echelons Theorie
Om te kunnen beoordelen of werkervaring van een CEO van invloed is op belastingontwijking van een bedrijf, dient er eerst verder toegelicht te worden waarom dit vermoeden bestaat.
Dit zal aan de hand van de Upper Echelons Theorie (hierna: UET) gedaan worden (Hambrick en Mason, 1984).
Waarom handelen organisaties zoals zij doen? Dit is een vraag die opgeroepen wordt binnen onderzoeken naar de UET. De UET helpt deze vraag te beantwoorden. Deze stelt namelijk
dat de organisatorische uitkomsten gedeeltelijk worden voorspeld door bestuurlijke achtergrondkenmerken van de CEO. Hierbij kan gedacht worden aan de branche waarin zij actief zijn geweest, en wat voor werk zij daar gedaan hebben. Figuur 1 is een overzicht van de UET.
Figuur 1: De Upper Echelons Theorie (Hambrick en Mason, 1984)
March en Simon (1958) beargumenteren dat iedere beslissingsnemer, zijn of haar eigen set van ‘givens’ meeneemt naar een administratieve situatie. Deze ‘givens’ reflecteren de cognitieve basis van de beslissingsmaker:
• Kennis wat betreft toekomstige gebeurtenissen • Kennis van alternatieven
• Kennis van de consequenties wat betreft de alternatieven.
Deze ‘givens’ dienen ervoor om de beslissing van de beslisser te filteren van wat er aan de hand is en wat eraan gedaan moet worden. Het gebruik van achtergrondkenmerken om de ‘givens’ te voorspellen is in verschillende studies onderzocht.
Hambrick (2007) stelt dat om het handelen van bedrijven te begrijpen, de CEO en andere topbestuurders in beschouwing genomen moeten worden. De UET legt uit dat toekomstig gedrag van een CEO gebaseerd is op ervaringen uit het verleden. Daarnaast leidt het tot organisatorische uitkomsten. Vanuit deze theorie valt de link dus te leggen tussen de ervaring van een CEO en belastingontwijking van een bedrijf.
2.3. Werkervaring
Quińones heeft in 1995 onderzoek gedaan naar werkervaring. Hij heeft onderscheid gemaakt in ervaring en werkervaring. Ervaring wordt omschreven als een set van levensevenementen van een individu omtrent relevantie dimensies van interesse. Werkervaring wordt verder toegespitst door Quińones (1995) naar gebeurtenissen die zijn ervaren door een individu die betrekking hebben op de prestaties van een baan. Voordat Quińones zijn onderzoek deed werd werkervaring alleen
gemeten door looptijd (tenure). Hij heeft echter onderzocht en aangetoond dat er meerdere manieren zijn om werkervaring te meten. Dit kan op kwantitatieve en kwalitatieve wijze. In dit onderzoek is gekozen voor de kwantitatieve wijze. Dit omdat er enkel gekeken wordt naar data uit databases. In de volgende subparagrafen wordt er achtereenvolgens gekeken naar de leeftijd van een CEO, de tenure, de horizon en de genoten opleiding van een CEO. Dit zijn ook de aspecten die Wang et al. (2016) onderzocht hebben. Zij hebben gekeken naar de invloed van CEO op strategische acties. In dit onderzoek wordt er verder ingezoomd op belastingontwijking als strategische actie.
2.3.1. Leeftijd
Volgens de UET is de leeftijd van de CEO een belangrijke indicator van CEO-ervaring. Leeftijd wil hier zeggen de tijd dat een CEO heeft geleefd. De belangrijkste vraag is hier: ‘Waarom zou leeftijd ertoe doen?’. Hier is een onderscheid te maken in twee stromingen. Verschillende theorieën zijn gerelateerd aan de veranderende prikkels van CEO’s gedurende hun carrière, ook wel incentive interpretatie genoemd. CEO’s hebben andere prikkels nodig wanneer zij jong zijn, dan wanneer zij op leeftijd zijn. Daarnaast veranderen CEO-karakteristieken gedurende het ouder worden. De psychologische en fysiologische veranderingen, die ontstaan gedurende het ouder worden, zouden invloed hebben op de beslissingen van de CEO. Dit wordt ook wel omschreven als de karakteristieken interpretatie (Yim, 2013). Dit is op veel gebieden toe te passen. Zo ook op belastingontwijking. Hambrick en Mason (1984) beweren dat bedrijven onder leiding van jongere CEO’s meer risico nemen in strategische acties. Dit omdat jonge CEO’s minder kansen hebben gehad om rijkdom en kennis te verzamelen tijdens hun leven. Wanneer zij strategische beslissingen agressief nemen, hebben zij zicht op het snel genereren van persoonlijke en organisatorische rijkdom (Yim, 2013). Wanneer er belasting ontweken wordt, zullen de financiële resultaten hoger uitvallen en zij dus sneller de rijkdom genereren. Oudere CEO’s nemen minder risico’s vanwege drie redenen (Hambrick en Mason, 1984). Allereerst zouden oudere CEO’s minder mogelijkheden zien tot het creëren van nieuwe ideeën en het aanleren van nieuw gedrag. Ten tweede zouden oudere CEO’s meer psychologische toewijding hebben tot de organisatorische status quo. Als laatste zou een CEO meer waarde hechten aan de veiligheid wat betreft carrière.
2.3.2. Tenure
CEO tenure, welke verwijst naar de tijd dat een persoon de CEO-positie bezet in een bedrijf, is ook een belangrijke indicator van CEO-ervaring. CEO tenure is een van de meest bestudeerde CEO-eigenschappen in UET-onderzoek (Finkelstein et al., 2009). Een eerste opvatting in onderzoek naar CEO tenure is dat hoe langer een CEO in functie is, hoe beter hij wordt in zijn
baan. Dit zou leiden tot een positieve lineaire relatie (Davis, Schoorman en Donaldson, 1997). Een andere visie is echter dat de tenure van een CEO bij een bedrijf opgesplitst is in seizoenen. Met gevolgen voor de organisatie, waarbij de eerste jaren de succesvoller zijn en daarna de prestatie van de CEO naar beneden gaat (Hambrick & Fukotomi, 1991; Shen, 2003; Simsek, 2007). De theorie die de dynamische relatie onderschrijft, stelt het volgende: in de eerste fase zal de CEO willen voldoen aan het programma dat opgesteld is gedurende het selectieproces. Gedurende de tweede fase gaat de CEO over tot experimenteren. De derde fase is de selectie van een thema, of hoe de organisatie gestructureerd en gepositioneerd dient te worden. De vierde fase is het moment waarop het thema geïmplementeerd wordt, in combinatie met incrementele keuzes van de CEO. De laatste en vijfde fase is er een van disfunctionaliteit. Waarbij de aanwezigheid van de CEO leidt tot counter productiviteit vanwege vermoeidheid, verveling of het doven van ondernemingsinstincten (O'Shannassy en Leenders, 2016).
Dit sluit aan bij de studies omtrent UET-onderzoek. Over het algemeen stellen deze studies dat hoe langer een CEO de positie bezit, hoe minder strategische acties er gedaan worden. Naast bovenstaande motivatie zijn er nog tenminste twee factoren die deze negatieve relatie ondersteunen. Ten eerste, de voordelen uit hun lange loopbaan. Zij zijn bezorgd om deze kwijt te raken. Zij streven minder nieuwe initiatieven na en risicovolle activiteiten worden liever niet verricht (Matta en Beamish, 2008). Hier valt belastingontwijking ook onder. Wanneer de grenzen van de wet worden opgezocht, is er een grotere kans dat de wet overtreden wordt en er dus sancties kunnen worden opgelopen die de voordelen teniet kunnen doen. Ten tweede zijn CEO’s die al lang in functie zijn, minder gevoelig voor druk van buitenaf. Belanghebbenden zullen een zo’n hoog mogelijke winst willen hebben. Dit kan bereikt worden door belastingontwijking. Wanneer CEO’s lang in functie zijn, zijn zij in staat om een team om zich heen aan te stellen, dat het eens is met zijn of haar denkbeelden (Acharya en Pollock, 2013; Zajac en Westphal, 1996). Doordat zij in staat zijn om de druk van buitenaf naast zich neer te leggen, zullen zij minder bereid zijn om nieuwe strategische acties te initiëren (Miller, 1991).
2.3.3. Horizon
Wanneer er gerefereerd wordt aan CEO-horizon, wordt er gedoeld op hoe dicht een CEO op zijn of haar pensionering zit (Dechow en Sloan, 1991). Verschillende studies suggereren dat wanneer een CEO dichterbij zijn pensionering zit, dus een korte horizon, er alles aan doet om op korte termijn voordelen te realiseren. Dit zodat hij of zij nog voordelen kan genieten voordat hij met pensioen gaat (Brickley et al., 1999). Dit wordt ook wel omschreven als het horizonprobleem (Dechow en Sloan, 1991). Het horizonprobleem treedt op tegen de pensioengerechtigde leeftijd vanwege het feit dat een kortere carrière horizon leidt tot gereduceerde carrièremobiliteit. Eenmaal
weg van het kantoor, wordt het voor CEO’s met een kortere horizon moeilijker om aan eenzelfde soort functie te komen (McClelland et al., 2012). Het feit dat CEO’s het gevoel kunnen ervaren dat zij misschien wel met hun laatste baan bezig zijn, leidt tot de omstandigheid dat zij voor zichzelf kiezen. Hierbij willen zij nog zoveel mogelijk beloning veiligstellen. Het minimaliseren van belastingen draagt bij aan het maximaliseren van de beloning (Minnick en Noga, 2010). Concluderend is een CEO in zijn laatste jaren meer gefocust op zijn eigen voordelen. Belastingontwijking kan deze voordelen verhogen. Dit wijst erop dat wanneer een CEO bijna met pensioen gaat, hij of zij nog extra belasting wil ontwijken.
2.3.4. Opleiding
De laatste indicator voor werkervaring in dit onderzoek is de genoten opleiding van de CEO. Hierbij wordt gerefereerd aan de hoeveelheid scholing die de CEO heeft genoten (Wang et al., 2016). Prospect theorie indiceert dat competenties individuele keuzes beïnvloeden wat betreft risico (Tversky en Koehler, 1994). Wally en Baum (1994) stellen dat de opleiding van de CEO helpt om complexere informatie te verkrijgen en te verwerken en hierdoor sneller besluiten kan nemen. Ook zou een hoger genoten opleiding zorgen voor een aangeboren nieuwsgierigheid en openheid voor nieuwe concepten. Zo zouden zij eerder ontvankelijk zijn voor nieuwe ideeën (Thomas, Litscert en Ramaswamy, 1991). Ook biedt een hogere opleiding kansen voor de CEO om meer kennis en vaardigheden te verzamelen. Dit alles zou ervoor kunnen zorgen dat een CEO meer kennis heeft van de wet, en hierdoor beter in staat is om de grenzen op te zoeken.
Een ander onderdeel van opleiding is het kunnen sturen en coördineren van teams. Wanneer een CEO hoger is opgeleid zou hij of zij beter moeten zijn in het overtuigen van zijn team. Op het moment dat het topmanagementteam eventuele weerstand biedt tegen zijn voorstellen om de mazen van de wet op te zoeken, is de verwachting dat een hoger opgeleide CEO hier beter mee om kan gaan, en het team kan sturen in de richting die hij of zij graag op wil gaan (Patzelt, 2010). 2.4. Hypothese-ontwikkeling
In deze paragraaf wordt het bovenstaande getransformeerd tot te toetsen hypotheses.
De eerste hypothese heeft betrekking op de leeftijd van een CEO. In het onderzoek van Hambrick en Mason (1984) wordt gesteld dat jongere CEO’s meer risico’s nemen en oudere CEO’s dus minder. Hierdoor wordt er verwacht dat naarmate de CEO ouder wordt, hij of zij minder bereid is tot aansturen van belastingontwijkende activiteiten. Dit leidt tot de volgende hypothese:
CEO-leeftijd en CEO tenure vertonen meestal correlatie. Echter hebben eerdere onderzoeken aangetoond dat CEO-leeftijd en CEO tenure bedrijfsresultaten verschillend beïnvloeden (Barker en Mueller, 2002; Musteen, Barker en Baeten, 2006). In afgelopen jaren blijken CEO leeftijd en CEO tenure steeds meer losgekoppeld te worden van elkaar. Er heeft in de afgelopen 20 jaar een enorme daling plaatsgevonden in de CEO tenure (Weisman, 2008). Dit impliceert een groot aantal CEO’s met kortere tenure, ongeacht leeftijd (McClelland, 2012). Dit maakt dat er een aparte hypothese opgenomen wordt voor CEO tenure. Er wordt namelijk verwacht dat hoe langer een persoon de CEO-positie bezit, hoe minder strategische acties er gedaan worden. Dit hoeft dus niet in combinatie te zijn met leeftijd. Dit leidt tot de volgende hypothese:
H2: Hoe langer een CEO in functie is, hoe minder belasting er ontweken wordt
De derde hypothese betreft de voorspelling omtrent de horizon. Hierbij wordt het horizonprobleem aangehaald waarbij de verwachting is dat hoe dichter een CEO bij zijn pensionering is, hoe meer risico’s hij bereid is te nemen om nog voordat hij vertrekt voordelen te kunnen genieten. Dit leidt tot de volgende hypothese:
H3: Hoe korter de horizon van de CEO, hoe meer belasting er ontweken wordt
Tot slot wordt de hypothese omtrent opleiding gevormd. De verwachting is dat wanneer een CEO meer scholing heeft genoten, hij of zij in staat is om meer kennis te vergaren en te verwerken. Dit zou leiden tot meer kennis van de wet en hier de mazen te kunnen ontdekken. Dit leidt tot de volgende hypothese:
3. Methodologie
In dit hoofdstuk zal er aandacht besteed worden aan de methodologie. Hierbij wordt eerst het conceptueel model uitgewerkt en toegelicht. Vervolgens komt de gehanteerde regressiemodellen aan bod, waarna vervolgens de benodigde variabelen verder worden uitgewerkt.
3.1. Conceptueel model
Figuur 2: Conceptueel model
In figuur 2 is het conceptueel model opgenomen. Hierin wordt duidelijk dat er vijf variabelen centraal staan. Waarbij één afhankelijke en vier onafhankelijke. In dit onderzoek wordt de relatie onderzocht tussen de onafhankelijke en de afhankelijke variabelen. Dit overeenkomstig de vier hypotheses. Middels vier regressies zullen de relaties onderzocht worden. Hierbij worden er controlevariabelen meegenomen. In onderstaande paragrafen komt dit aan bod. Allereerst worden de vier regressies verder toegelicht, vervolgens de variabelen waarbij onderscheid gemaakt wordt in de afhankelijke, onafhankelijke en controle variabelen. Er wordt geëindigd met een overzichtstabel met de gehanteerde variabelen.
Leeftijd Tenure Horizon Opleiding Belastingontwijking
+
3.2. Regressiemodellen
In dit onderzoek wordt er gekeken naar de invloed van de CEO op de belastingontwijking van een bedrijf. Zoals Bertrand en Schoar (2003) onderzocht hebben, zijn CEO’s niet allemaal hetzelfde en hebben zij meer discretie dan andere bestuurders. Deze discretie zouden zij kunnen gebruiken door het beïnvloeden van beslissingen van het bedrijf, mogelijk in eigen voordeel. Dyreng et al. (2008) hebben dit onderzocht aan de hand van een regressie. In dit onderzoek zal dezelfde regressie gehanteerd worden, enkel wordt er verder ingezoomd op de factoren die de ETR beïnvloeden. Waar Dyreng et al. (2008) zich hebben gefocust op de verschillende executives, wordt er in dit onderzoek enkel gefocust op de CEO. Waarbij onderscheid gemaakt gaat worden in ervaring. Deze ervaring wordt, zoals in bovenstaande hoofdstukken beschreven, opgesplitst in vier elementen. Deze vier elementen worden allemaal apart gemeten in een regressie.
3.2.1. Hypothese 1 – leeftijd
In onderstaande regressievergelijking wordt gemeten in welke mate de leeftijd van de CEO van invloed is op belastingontwijking.
𝐸𝑇𝑅$ & = 𝛽) + 𝛽+𝐿𝑇𝐷$ &+ 𝛽.𝑅𝐸𝐶𝐿𝐾$ &+ 𝛽1𝐼𝑁𝑉$ & + 𝛽5𝐼𝑀𝐴𝐶𝑇$ &+ 𝛽8𝐺𝑟𝑜𝑜𝑡𝑡𝑒$ & + 𝛽>𝐴𝐿𝐺𝐾$ &+ 𝛽?𝑅𝐷𝐾$ &+ 𝜀$ &
Waarbij:
𝑬𝑻𝑹 = Effective Tax Rate
𝑳𝑻𝑫 = Leeftijd van de CEO
𝑹𝑬𝑪𝑳𝑲 = Reclamekosten
𝑰𝑵𝑽 = Investeringsuitgaven
𝑰𝑴𝑨𝑪𝑻 = Immateriële activa
𝑮𝒓𝒐𝒐𝒕𝒕𝒆 = Grootte
𝑨𝑳𝑮𝑲 = Verkoop-, algemene en administratieve kosten
𝑹𝑫𝑲 = R&D kosten
𝜺𝒊 𝒕 = Error term
𝒊 = Onderneming i
𝒕 = Jaar t
Deze regressieanalyse wordt in de volgende paragrafen verder toegelicht, met in paragraaf 3.6 een compleet overzicht van alle gebruikte variabelen.
Voor de controlevariabelen wordt gekozen voor variabelen welke kunnen veranderen gedurende tijd. Al deze variabelen moeten mogelijk wel invloed hebben op de ETR. Door het meenemen van deze variabelen wordt er voor gezorgd dat verandering in ETR niet ten onrechte wordt toegewezen aan de CEO. Deze controlevariabelen worden ook in de overige drie regressies meegenomen als controlevariabelen. Voor verdere toelichting wordt er verwezen naar paragraaf 3.5.
3.2.2. Hypothese 2 – Tenure
In onderstaande regressievergelijking wordt gemeten in welke mate de tenure van de CEO van invloed is op belastingontwijking.
𝐸𝑇𝑅$ & = 𝛽) + 𝛽+𝑇𝐸𝑁$ & + 𝛽.𝑅𝐸𝐶𝐿𝐾$ &+ 𝛽1𝐼𝑁𝑉$ &+ 𝛽5𝐼𝑀𝐴𝐶𝑇$ &+ 𝛽8𝐺𝑟𝑜𝑜𝑡𝑡𝑒$ & + 𝛽>𝐴𝐿𝐺𝐾$ &+ 𝛽?𝑅𝐷𝐾$ &+ 𝜀$ &
Waarbij:
𝑻𝑬𝑵 = Tenure
Voor overige variabelen wordt er verwezen naar subparagraaf 3.2.1. 3.2.3. Hypothese 3 – Horizon
In onderstaande regressievergelijking wordt gemeten in welke mate de horizon van de CEO van invloed is op belastingontwijking.
𝐸𝑇𝑅$ & = 𝛽) + 𝛽+𝐻𝑂𝑅$ & + 𝛽.𝑅𝐸𝐶𝐿𝐾$ & + 𝛽1𝐼𝑁𝑉$ & + 𝛽5𝐼𝑀𝐴𝐶𝑇$ & + 𝛽8𝐺𝑟𝑜𝑜𝑡𝑡𝑒$ & + 𝛽>𝐴𝐿𝐺𝐾$ &+ 𝛽?𝑅𝐷𝐾$ &+ 𝜀$ &
Waarbij:
𝑯𝑶𝑹 = Horizon
Voor overige variabelen wordt er verwezen naar subparagraaf 3.2.1. 3.2.4. Hypothese 4 – Opleiding
In onderstaande regressievergelijking wordt gemeten in welke mate de opleiding van de CEO van invloed is op belastingontwijking.
𝐸𝑇𝑅$ & = 𝛽) + 𝛽+𝑑𝑀𝑎𝑠𝑡𝑒𝑟$ & + 𝛽.𝑑𝑃ℎ𝐷$ &+ 𝛽1𝑅𝐸𝐶𝐿𝐾$ & + 𝛽5𝐼𝑁𝑉$ &+ 𝛽8𝐼𝑀𝐴𝐶𝑇$ & + 𝛽>𝐺𝑟𝑜𝑜𝑡𝑡𝑒$ & + 𝛽?𝐴𝐿𝐺𝐾$ & + 𝛽]𝑅𝐷𝐾$ &+ 𝜀$ &
Waarbij:
𝒅𝑴𝒂𝒔𝒕𝒆𝒓 = Hoogst genoten opleiding is master dPhD = Hoogst genoten opleiding is PhD
Voor overige variabelen wordt er verwezen naar subparagraaf 3.2.1.
In bovenstaande subparagrafen zijn de regressievergelijkingen uitgewerkt. In komende subparagrafen worden de variabelen verder toegelicht.
3.3. Afhankelijke variabele
Allereerst dient de variabele belastingontwijking geoperationaliseerd te worden. Zoals in subparagraaf 2.1.3 aan de orde is geweest, zijn hier vele manieren voor. In dit onderzoek is gekozen voor het meten van de effective tax rate (ETR). Dit is de financiële accounting effectieve belastingratio (Dyreng, Hanlon en Maydew, 2010).
𝐸𝑇𝑅 = 𝑡𝑜𝑡𝑎𝑙𝑒 𝑏𝑒𝑙𝑎𝑠𝑡𝑖𝑛𝑔 𝑇𝑋𝑇
3.4. Onafhankelijke variabelen
Vervolgens dienen de onafhankelijke variabelen geoperationaliseerd te worden. Quińones (1995) stelt dat het meten van werkervaring onderverdeeld kan worden in twee categorieën. Namelijk, mate van specificiteit en meetmodus. Mate van specificiteit differentieert werkervaring op basis van specifieke taken, banen of organisaties waarin de CEO ervaring heeft opgedaan. Meetmodus differentieert werkervaring op basis van aantal (bijvoorbeeld het aantal keer dat een taak is uitgevoerd), tijd en type. Dit onderzoek richt zich op de laatste categorie. Dit omdat deze informatie uit de databases Compustat en Orbus gehaald kan worden. In onderstaande subparagrafen zal er toegelicht worden hoe elke onafhankelijke variabele gemeten wordt.
3.4.1. CEO-leeftijd
Voor het toetsen van hypothese 1, dient CEO-leeftijd geoperationaliseerd te worden. Hypothese 1 luidt: Hoe ouder de CEO, hoe minder belasting er ontweken wordt.
Het operationaliseren van CEO-leeftijd wordt als volgt gedaan (Wang et al., 2016): 𝐿𝑇𝐷 =
𝑑𝑒 𝑙𝑒𝑛𝑔𝑡𝑒 𝑖𝑛 𝑡𝑖𝑗𝑑 𝑗𝑎𝑟𝑒𝑛 𝑑𝑎𝑡 𝑑𝑒 𝐶𝐸𝑂 ℎ𝑒𝑒𝑓𝑡 𝑔𝑒𝑙𝑒𝑒𝑓𝑑 𝑡𝑜𝑡 ℎ𝑒𝑡 𝑏𝑒𝑠𝑐ℎ𝑜𝑢𝑤𝑑𝑒 𝑏𝑒𝑑𝑟𝑖𝑗𝑓𝑠𝑗𝑎𝑎𝑟 3.4.2. Tenure
Voor het toetsen van hypothese 2 dient tenure geoperationaliseerd te worden. Hypothese 2 luidt: Hoe langer CEO in functie is, hoe minder belasting er ontweken wordt.
In verschillende studies wordt tenure gemeten door te kijken naar de tijd die een persoon werkzaam is in een bedrijf of lid is van de board. In dit onderzoek wordt er echter specifiek gekeken naar de CEO-positie. Dat maakt dat tenure als volgt gemeten wordt (Wang et al., 2016):
𝑇𝐸𝑁 = 𝑑𝑒 𝑙𝑒𝑛𝑔𝑡𝑒 𝑖𝑛 𝑡𝑖𝑗𝑑 𝑗𝑎𝑟𝑒𝑛 𝑑𝑎𝑡 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑜𝑛 𝑑𝑒 𝑓𝑢𝑛𝑐𝑡𝑖𝑒 𝐶𝐸𝑂 𝑏𝑒𝑘𝑙𝑒𝑒𝑑𝑡 𝑡𝑜𝑡 ℎ𝑒𝑡 𝑏𝑒𝑠𝑐ℎ𝑜𝑢𝑤𝑑𝑒 𝑏𝑒𝑑𝑟𝑖𝑗𝑓𝑠𝑗𝑎𝑎𝑟
3.4.3. Horizon
Voor het toetsen van hypothese 3 dient horizon geoperationaliseerd te worden. Hypothese 3 luidt: Hoe korter de horizon van de CEO, hoe meer belasting er ontweken wordt.
Er zijn meerdere manieren gebruikt om CEO-horizon te meten. Een belangrijke factor is de leeftijd waarop CEO’s stoppen met het uitvoeren van hun functie. Hier worden verschillende leeftijden voor gehanteerd. Zo is er bijvoorbeeld 65 jaar gehanteerd door Matta en Beamish (2008), 63 jaar door Cheng (2004). Data van de Conference Board 2012 wijst echter uit dat de meeste CEO’s met pensioen gaan op hun zestigste.
Dit leidt tot de volgende manier om CEO-horizon te meten (Heyden et al., 2017): 𝐻𝑂𝑅 = 60 − 𝑑𝑒 𝑙𝑒𝑒𝑓𝑡𝑖𝑗𝑑 𝑣𝑎𝑛 𝑑𝑒 𝐶𝐸𝑂
Nu dit in eerdere onderzoek de meest gangbare manier van meten is gebleken, leidt dit tot extreme correlatie en multicollineariteit met de in dit onderzoek gehanteerde variabele leeftijd. Deze correleren 1 op 1 met elkaar. Deze variabelen kunnen dus niet samen in een regressie gebruikt worden. De uitkomst van de twee regressies is namelijk niet principieel anders, slechts de interpretatie verschilt. Het is ook niet zinvol om de variabele LTD (Hypothese 1) te vervangen door de variabele HOR (Hypothese 3). Voor het vervolg van het onderzoek komt Hypothese 3 te vervallen. Het is interessant om te bezien welke interpretatie het meest treffend is. Dit zal verder beschreven worden in hoofdstuk 5.
3.4.4. Opleiding
Voor het toetsen van hypothese 4 dient opleiding geoperationaliseerd te worden. Hypothese 4 bedraagt:Hoe meer geschoold de CEO is, hoe meer belasting er ontweken wordt.
De opleiding van een CEO kan op verschillende manieren gemeten worden. Wang et al. (2016) kijkt naar educatie level, jaren van opleiding en postsecundaire opleiding. In dit onderzoek wordt opleiding, overeenkomstig met Matta en Beamish (2008), opgesplitst in dummy’s.
• dMaster heeft waarde 1 als hoogst genoten opleiding een masteropleiding is, anders is de waarde 0
• dPhD heeft waarde 1 als hoogst genoten opleiding PhD is, anders is de waarde 0 • Bachelor of anders = default opleiding
3.5. Controlevariabelen
Dyreng et al. (2010) gebruiken in hun onderzoek naar belastingontwijking verschillende controlevariabelen gebruikt. In dit onderzoek worden dezelfde controlevariabelen gebruikt. Hierbij worden karakteristieken genomen welke door de jaren heen veranderen. De firm fixed effects worden meegenomen in de verwerking van data in het programma STATA. Dit zorgt ervoor dat de effecten van bijvoorbeeld industrie eruit gefilterd worden (Dyreng, 2008).
3.5.1. Wisselende bedrijfskarakteristieken
Als controlevariabelen worden er bedrijfskarakteristieken genomen die door de jaren heen kunnen veranderen en welke in verband kunnen staan met belastingontwijking.
Hoe meer variabelen er als controlefactor meegenomen worden, hoe minder ruimte er over blijft voor andere factoren om belastingontwijking te beïnvloeden. De controlevariabelen hebben allemaal invloed op de ETR: Reclamekosten, investeringsuitgaven, de verhouding van immaterieel
tot totale activa, grootte, verkoop/ algemene en administratieve kosten en onderzoeks- & ontwikkelkosten. Deze variabelen worden als volgt gemeten:
• 𝑅𝐸𝐶𝐿𝐾 = 𝑅𝑒𝑐𝑙𝑎𝑚𝑒𝑘𝑜𝑠𝑡𝑒𝑛 𝑋𝐴𝐷 1 𝑁𝑒𝑡𝑡𝑜 𝑣𝑒𝑟𝑘𝑜𝑝𝑒𝑛 (𝑠𝑎𝑙𝑒) • 𝐼𝑁𝑉 = 𝐺𝑒𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑒𝑒𝑟𝑑𝑒 𝑖𝑛𝑣𝑒𝑠𝑡𝑒𝑟𝑖𝑛𝑔𝑠𝑢𝑖𝑡𝑔𝑎𝑣𝑒𝑛 (𝐶𝐴𝑃𝑋) 𝑀𝑎𝑡𝑒𝑟𝑖ë𝑙𝑒 𝑣𝑎𝑠𝑡𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝑃𝑃𝐸𝐺𝑇) • 𝐼𝑀𝐴𝐶𝑇 = 𝐼𝑚𝑚𝑎𝑡𝑒𝑟𝑖ë𝑙𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝐼𝑁𝑇𝐴𝑁𝐺) 𝑇𝑜𝑡𝑎𝑙𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝐴𝑇) • 𝐺𝑟𝑜𝑜𝑡𝑡𝑒 = 𝐻𝑒𝑡 𝑙𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑒 𝑣𝑎𝑛 𝑡𝑜𝑡𝑎𝑙𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝐴𝑇) • 𝐴𝐿𝐺𝐾 = 𝑉𝑒𝑟𝑘𝑜𝑜𝑝, 𝑎𝑙𝑔𝑒𝑚𝑒𝑛𝑒 𝑒𝑛 𝑎𝑑𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑎𝑡𝑖𝑒 𝑘𝑜𝑠𝑡𝑒𝑛 𝑁𝑒𝑡𝑡𝑜 𝑣𝑒𝑟𝑘𝑜𝑝𝑒𝑛 • 𝑅𝐷𝐾 = 𝑂𝑛𝑑𝑒𝑟𝑧𝑜𝑒𝑘𝑠 − 𝑒𝑛 𝑜𝑛𝑡𝑤𝑖𝑘𝑘𝑒𝑙𝑘𝑜𝑠𝑡𝑒𝑛 (𝑋𝑅𝐷) 𝑁𝑒𝑡𝑡𝑜 𝑣𝑒𝑟𝑘𝑜𝑝𝑒𝑛
Overeenkomstig met Dyreng (2010) worden de volgende relaties verwacht met ETR. Voor RECLK wordt verwacht dat deze een positieve invloed hebben op de ETR. Dit geldt eveneens voor INV. Voor IMACT, Grootte, ALGK en RDK worden negatieve relaties verwacht met de ETR.
In bovenstaande subparagrafen zijn de gehanteerde variabelen besproken. Deze worden in subparagraaf 3.6 nogmaals gepresenteerd.
3.6. Overzichtstabel
In onderstaande tabel wordt een overzicht gegeven van alle gehanteerde variabelen. Horizon is hier niet langer in opgenomen, gezien de overwegingen in subparagraaf 3.4.3.
Tabel 1: Overzichtstabel
Aan de hand van bovenstaande variabelen worden de hypotheses getoetst. Hoe de data hiervoor verzameld is, wordt toegelicht in het volgende hoofdstuk.
𝐸𝑇𝑅 = 𝑇𝑜𝑡𝑎𝑙𝑒 𝑏𝑒𝑙𝑎𝑠𝑡𝑖𝑛𝑔 𝑇𝑋𝑇 𝑊𝑖𝑛𝑠𝑡 𝑣𝑜𝑜𝑟 𝑏𝑒𝑙𝑎𝑠𝑡𝑖𝑛𝑔 (𝑃𝐼) 𝑣𝑜𝑜𝑟 𝑠𝑝𝑒𝑐𝑖𝑎𝑙𝑒 𝑖𝑡𝑒𝑚𝑠 (𝑆𝑃𝐼) 𝐿𝑇𝐷 = 𝐷𝑒 𝑙𝑒𝑛𝑔𝑡𝑒 𝑖𝑛 𝑡𝑖𝑗𝑑 𝑗𝑎𝑟𝑒𝑛 𝑑𝑎𝑡 𝑑𝑒 𝐶𝐸𝑂 ℎ𝑒𝑒𝑓𝑡 𝑔𝑒𝑙𝑒𝑒𝑓𝑑 𝑡𝑜𝑡 ℎ𝑒𝑡 𝑏𝑒𝑠𝑐ℎ𝑜𝑢𝑤𝑑𝑒 𝑏𝑒𝑑𝑟𝑖𝑗𝑓𝑠𝑗𝑎𝑎𝑟 𝑇𝐸𝑁 = 𝐷𝑒 𝑙𝑒𝑛𝑔𝑡𝑒 𝑖𝑛 𝑡𝑖𝑗𝑑 𝑗𝑎𝑟𝑒𝑛 𝑑𝑎𝑡 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑜𝑛 𝑑𝑒 𝑓𝑢𝑛𝑐𝑡𝑖𝑒 𝑎𝑙𝑠 𝐶𝐸𝑂 𝑏𝑒𝑘𝑙𝑒𝑒𝑑𝑡 𝑡𝑜𝑡 ℎ𝑒𝑡 𝑏𝑒𝑠𝑐ℎ𝑜𝑢𝑤𝑑𝑒 𝑏𝑒𝑑𝑟𝑖𝑗𝑓𝑠𝑗𝑎𝑎𝑟 𝑂𝑝𝑙𝑒𝑖𝑑𝑖𝑛𝑔 = • dMaster heeft waarde 1 als hoogst genoten opleiding een masteropleiding is, anders is de waarde 0 • dPhD heeft waarde 1 als hoogst genoten opleiding PhD is, anders is de waarde 0 • Bachelor of anders = default opleiding 𝑅𝐸𝐶𝐿𝐾 = 𝑅𝑒𝑐𝑙𝑎𝑚𝑒𝑘𝑜𝑠𝑡𝑒𝑛 𝑋𝐴𝐷 𝑁𝑒𝑡𝑡𝑜 𝑣𝑒𝑟𝑘𝑜𝑝𝑒𝑛 (𝑠𝑎𝑙𝑒) 𝐼𝑁𝑉 = 𝐺𝑒𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑒𝑒𝑟𝑑𝑒 𝑖𝑛𝑣𝑒𝑠𝑡𝑒𝑟𝑖𝑛𝑔𝑠𝑢𝑖𝑡𝑔𝑎𝑣𝑒𝑛 (𝐶𝐴𝑃𝑋) 𝑀𝑎𝑡𝑒𝑟𝑖ë𝑙𝑒 𝑣𝑎𝑠𝑡𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝑃𝑃𝐸𝐺𝑇) 𝐼𝑀𝐴𝐶𝑇 = 𝐼𝑚𝑚𝑎𝑡𝑒𝑟𝑖ë𝑙𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝐼𝑁𝑇𝐴𝑁𝐺) 𝑇𝑜𝑡𝑎𝑙𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝐴𝑇) 𝐺𝑟𝑜𝑜𝑡𝑡𝑒 = 𝐿𝑜𝑔𝑎𝑟𝑖𝑡𝑚𝑒 𝑣𝑎𝑛 𝑡𝑜𝑡𝑎𝑙𝑒 𝑎𝑐𝑡𝑖𝑣𝑎 (𝐴𝑇) 𝐴𝐿𝐺𝐾 = 𝑉𝑒𝑟𝑘𝑜𝑜𝑝, 𝑎𝑙𝑔𝑒𝑚𝑒𝑛𝑒 𝑒𝑛 𝑎𝑑𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑎𝑡𝑖𝑒 𝑘𝑜𝑠𝑡𝑒𝑛 𝑁𝑒𝑡𝑡𝑜 𝑣𝑒𝑟𝑘𝑜𝑝𝑒𝑛 𝑅𝐷𝐾 = 𝑂𝑛𝑑𝑒𝑟𝑧𝑜𝑒𝑘𝑠 − 𝑒𝑛 𝑜𝑛𝑡𝑤𝑖𝑘𝑘𝑒𝑙𝑘𝑜𝑠𝑡𝑒𝑛 (𝑋𝑅𝐷) 𝑁𝑒𝑡𝑡𝑜 𝑣𝑒𝑟𝑘𝑜𝑝𝑒𝑛
4. Data
In dit hoofdstuk wordt toegelicht hoe de data vergaard is en welke selectie hierop toegepast is. Vervolgens wordt er aandacht besteed aan de beschrijvende statistieken. Deze paragraaf is opgesplitst in de subparagrafen kernstatistieken, representativiteit van de datasets, correlatiematrices en de multicollineariteit.
4.1. Datavergaring
Om de hypotheses te kunnen toetsen is er data van bedrijven nodig. In dit onderzoek wordt data verzameld van bedrijven uit de Verenigde Staten. Hiervoor is gebruik gemaakt van de databases Compustat en Orbis. Er is gekozen om zoveel mogelijk data te verzamelen. Dit heeft er toe geleid dat er informatie verzameld is over de jaren 2009 tot en met 2017. Voor de gegevens omtrent de CEO is Execucomp geraadpleegd. Hierbij moet gedacht worden aan de leeftijd van de CEO en de aanstellingsdatum. Orbis is alleen geraadpleegd voor informatie omtrent de opleiding van de CEO’s. De overige data is onttrokken uit de ‘fundamentals annual – North America’ van Compustat.
4.2. Dataselectie
Voor de jaren 2009 tot en met 2017 is er veel data beschikbaar. Echter, niet alle data is bruikbaar voor dit onderzoek. In deze paragraaf wordt toegelicht hoe de data ingeperkt is tot enkel bruikbare gegevens.
Allereerst zijn de twee outputs, uit Compustat en Orbis, samengevoegd tot één bestand. Deze outputs zijn samengevoegd op basis van het gemeenschappelijke kenmerk TICKER SYMBOL en FISCAL YEAR.
Vervolgens is het van belang om zeker te zijn dat het om een CEO ging en niet om andere managers. Dit is enkel vast te stellen door op bedrijven te filteren, waarvan informatie omtrent de CEO bekend is. Dit betreft veelal de huidige CEO. Voor het toetsen van hypothese 1 en 3 is leeftijd cruciaal. Dit maakt dat wanneer de leeftijd niet gegeven is in de database, deze bedrijven zijn geëlimineerd. Een onderdeel dat essentieel is voor hypothese 2, is de aanstellingsdatum van de CEO. Wanneer deze niet gevuld was, zijn ook deze bedrijven niet meegenomen in de finale sample. Voor hypothese 4 is informatie over de opleiding van de CEO van belang. Hiervoor is Orbis geraadpleegd. Wanneer er hier geen informatie beschikbaar van was, zijn deze bedrijven geëlimineerd. In tabel 2 is het dataverloop opgenomen. Door het enorme verloop in data, is ervoor gekozen om verschillende datasets te hanteren voor de te toetsen hypotheses.
Tabel 2 – dataverloop
4.3. Beschrijvende statistiek
In deze paragraaf wordt er overzicht gegenereerd in de verschillende variabelen aan de hand van de kernstatistieken gemiddelde, standaarddeviatie, minimum en maximum. Tevens wordt er toegelicht of de datasets representatief zijn voor de gehele populatie. Vervolgens wordt er aan de hand van de Pearson correlatiematrix beoordeeld of er variabelen significant samenhangen. Als laatste wordt er getoetst op multicollineariteit.
4.3.1. Kernstatistieken
Tabel 3 verstrekt informatie omtrent de afhankelijke, onafhankelijke en controlevariabelen van dit onderzoek. Voor hypothese 1 zijn er 4.070 observaties. Hierbij hebben de bedrijven gemiddeld een ETR van 0.164, met een standaarddeviatie van 2.613. Daarbij is er een minimale ETR van -113 vastgesteld en een maximum van 29.929. De gemiddelde CEO is 60,8 jaar oud. Met een standaarddeviatie van 7.2. De jongste CEO is 39 en de oudste is 92 jaar oud.
Omtrent de controlevariabelen voor hypothese 1 is het volgende bekend: Gemiddeld besteedt een bedrijf 1,2% van de netto omzet aan reclamekosten. Met een minimum van 0% en een maximum van 64%. Een bedrijf geeft gemiddeld 9,1% van de netto omzet uit aan investeringen. Van de totale activa bestaat gemiddeld 0,192 uit immateriële activa. De administratie, algemene en verkoopkosten bedraagt gemiddeld 22,4% van de netto omzet. Ten slotte bedragen de onderzoekskosten gemiddeld 3,7% met een minimum van 0 en een maximum van 433%.
Voor hypothese 2 zijn er 1.798 observaties. Hierbij hebben de bedrijven gemiddeld een ETR van 0.146, met een standaarddeviatie van 3.065. Daarbij is er een minimale ETR van -113 vastgesteld en een maximum van 29.929. Daarbij heeft de CEO gemiddeld 21 jaar zijn positie als CEO binnen hetzelfde bedrijf, met een standaarddeviatie van 10.62. De kortst zittende CEO in de gebruikte data is 2 jaar in functie, de langstzittende daarentegen 54 jaar.
Omtrent de controlevariabelen voor hypothese 2 is het volgende bekend: Gemiddeld besteedt een bedrijf 1,2% van de netto omzet aan reclamekosten. Met een minimum van 0% en een maximum van 35%. Een bedrijf geeft gemiddeld 9% van de netto omzet uit aan investeringen. Van de totale activa bestaat gemiddeld 0,213 uit immateriële activa. De administratie, algemene en verkoopkosten
Selectie-eis Records
CEO 5.083
Leeftijd 4.070
Aanstellingsdatum 1.798
bedraagt gemiddeld 23,7% van de netto omzet. Ten slotte bedragen de onderzoekskosten gemiddeld 7,74% met een minimum van 0 en een maximum van 433%.
Voor hypothese 4 zijn er 461 observaties. Hierbij hebben de bedrijven gemiddeld een ETR van 0.257, met een standaarddeviatie van 1,205. Daarbij is er een minimale ETR van -6.352 vastgesteld en een maximum van 19.030. Gemiddeld hebben 27% van de CEO’s een master als opleiding en 34% heeft een PhD op zak. De overige CEO’s bezitten een bachelor of een anders. Omtrent de controlevariabelen voor hypothese 4 is het volgende bekend: Gemiddeld besteedt een bedrijf 1,6% van de netto omzet aan reclamekosten. Met een minimum van 0% en een maximum van 35%. Een bedrijf geeft gemiddeld 8,8% van de netto omzet uit aan investeringen. Van de totale activa bestaat gemiddeld 0,242 uit immateriële activa. De administratie, algemene en verkoopkosten bedraagt gemiddeld 22,4% van de netto omzet. Ten slotte bedragen de onderzoekskosten gemiddeld 3% met een minimum van 0 en een maximum van 32,2%.
Tabel 3: Kernstatistieken
4.3.2. Representativiteit datasets
In voorgaande subparagraaf is toegelicht hoe het verloop van de dataset is. Hierbij moet opgemerkt worden dat er een enorm verval zit in de hoeveelheid observaties. Dit kan zorgen voor problemen omtrent de representativiteit van de datasets. De verwachting is dat grotere bedrijven meer vastleggen omtrent hun CEO. Dit is ook op te maken uit tabel 3. Voor hypothese 1 worden er 4.070 observaties gehanteerd en voor hypothese 4 nog maar 461. De gemiddelde grootte van de
Variabele Gemiddelde Standaard- deviatie Minimum Maximum Hypothese 1 N=4.070 ETR .164 2.613 -113.201 29.929 LTD 60,815 7.201 39 92 RECLK .012 .030 0 .641 INV .091 .088 0 1.492 IMACT .192 .214 0 30.915 Grootte 3.437 .824 -3 6.410 ALGK .224 .230 0 7.563 RDK .369 9.734 0 433.960 Hypothese 2 N=1.798 ETR .146 3.065 -113.201 29.923 TEN 21.488 10.625 2 54 RECLK .012 .030 0 .351 INV .090 .073 0 .794 IMACT .213 .221 0 .910 Grootte 3.452 .852 -3 6.355 ALGK .237 .201 0 1.835 RDK .774 14.630 0 433.960 Hypothese 4 N=461 ETR .257 1.206 -6.352 19.030 dMaster .273 .446 0 1 dPhD .343 .475 0 1 LTD 63.073 7.928 48 89 TEN 24.514 11.848 2 54 RECLK .016 .039 0 .351 INV .088 .059 0 .325 IMACT .242 .212 0 .873 Grootte 3.778 .880 1.693 5.876 ALGK .224 .178 0 1.000 RDK .032 .060 0 .323
onderneming in dataset 1 is circa 10% lager dan de gemiddelde grootte in dataset 4. De verwachting is dat grotere bedrijven CEO’s zullen aanstellen met meer ervaring. Dus hogere leeftijd, langere tenure en hoger opgeleide CEO’s. Ook dit is op te maken uit tabel 3. In de gehanteerde dataset voor hypothese 4 zijn de CEO’s gemiddeld ouder en hebben een langere tenure. Wat betreft hypothese 4 is er niet te zeggen of de CEO’s ook daadwerkelijk hoger opgeleid zijn nu dit veelal grotere bedrijven zijn.
Om de representativiteit te kunnen onderbouwen is er een Mann-Whitney U test uitgevoerd op de controlevariabele Grootte. Deze is allereerst toepast op de dataset van hypothese 1 en de dataset van hypothese 2. Uit de resultaten is gebleken dat dataset 1 en dataset 2 niet significant verschillen op grootte (u=3.579, z=-1.038 en p=0.2992). Vervolgens is dit ook uitgevoerd op de dataset van hypothese 1 en hypothese 4. Uit de resultaten is gebleken dat dataset 1 en dataset 4 significant verschillen op grootte (u=7.086, z=-7.676 en p=0.0000). De uitkomsten van deze testen maakt dat er met extra voorzichtigheid gekeken moeten naar de resultaten van hypothese 4. Dit vanwege de indicatie dat de gehanteerde dataset niet representatief is voor de gehele populatie.
4.3.3. Correlatiematrix
In onderstaande subparagrafen zijn de Pearson correlatiematrices opgenomen. Voor iedere hypothese is een aparte correlatiematrix opgenomen. In deze correlatiematrix wordt de lineaire samenhang tussen de afhankelijke, onafhankelijke en controlevariabelen beschreven. Deze matrix geeft ook een indicatie omtrent multicollineariteit. Wanneer er een waarde boven de 0,7 (absoluut)2 aanwezig is, kan multicollineariteit een issue worden. Dit kan een verstorend effect hebben op de verklarende waarde van de variabelen.
4.3.3.1. Correlatie Hypothese 1 – Leeftijd
In tabel 5 is de correlatiematrix van hypothese 1 opgenomen. Voor leeftijd geldt een positieve relatie met ETR (r=0.0045). Deze relatie is niet significant. Verder hebben de controlevariabelen reclamekosten, investeringsuitgaven, immateriële activa en grootte een positieve relatie met ETR (respectievelijke r=0.0082, r=0.0173, r=0.0165, r=0.0176). Algemene kosten en R&D kosten hebben een negatieve relatie met de ETR (respectievelijk r=-0.0033 en r=-0.0022). Al deze relaties zijn niet significant. Verder zijn er ook geen opvallende hoge waardes tussen de overige variabelen. De absolute waarden in de correlatiematrix geven geen indicatie voor multicollineariteit.
* Correlatie is significant op een 5% onbetrouwbaarheidsniveau (two-tailed) Tabel 5: Pearson correlatiematrix – hypothese 1
4.3.3.2. Correlatie hypothese 2 – Tenure
In tabel 6 is de correlatiematrix van hypothese 2 opgenomen. Voor tenure geldt een positieve relatie met ETR (r=0.0280). Deze relatie is niet significant. Verder hebben de controlevariabelen reclamekosten, investeringsuitgaven, immateriële activa en grootte een positieve relatie met ETR (respectievelijke r=0.0190, r=0.0631 r=0.0034, r=0.0422). Algemene kosten en R&D kosten hebben een negatieve relatie met de ETR (respectievelijk r=-0.0081 en r=-0.0024). Al deze relaties zijn niet significant. Verder zijn er ook geen opvallende hoge waardes tussen de overige variabelen. De absolute waarden in de correlatiematrix geven geen indicatie voor multicollineariteit.
* Correlatie is significant op een 5% onbetrouwbaarheidsniveau (two-tailed) Tabel 6: Pearson correlatiematrix – hypothese 2
4.3.3.3. Correlatie hypothese 4 – Opleiding
In tabel 7 is de correlatiematrix van hypothese 4 opgenomen. Zowel dMaster als dPhD hebben een positieve relatie op ETR (respectievelijk r=0.0114, r=0.0007). Deze relaties zijn niet significant. Verder hebben alle controlevariabelen een positieve relatie met ETR (respectievelijke r=0.0245, r=0.0416 r=0.0382, r=0.0422, r=0.0652 en r=0.0019). Al deze relaties zijn niet significant. Verder
Variabele 1 2 3 4 5 6 7 8 1. ETR 1.0000 2. LTD 0.0045 1.0000 3. RECLK 0.0082 -0.0664* 1.000 4. INV 0.0173 -0.1241* 0.1757* 1.000 5. IMACT 0.0165 -0.0987* 0.0411* 0.2130 1.000 6. Grootte 0.0176 0.0079 -0.0817* -0.1422* 0.0155 1.000 7. ALGK -0.0033 -0.0267 0.2206 0.0891 0.0682* -0.2515 1.000 8. RDK -0.0022 0.0590* -0.0148 0.1121* -0.0299 -0.0705* -0.0241 1.000 Variabele 1 2 3 4 5 6 7 8 1. ETR 1.0000 2. TEN 0.0280 1.0000 3. RECLK 0.0190 0.0243 1.000 4. INV 0.0361 -0.0420 0.1859* 1.000 5. IMACT 0.0034 -0.0950* 0.0176 0.2374* 1.000 6. Grootte 0.0422 0.0647* 0.0209 -0.0368 0.0981* 1.000 7. ALGK -0.0081 -0.0196 0.2264* 0.0582* 0.0645* -0.2412* 1.000 8. RDK -0.0024 -0.0447* -0.0210 0.2033* -0.0474* -0.0986* -0.0548* 1.000
zijn er ook geen opvallende hoge waardes tussen de overige variabelen. De absolute waarden in de correlatiematrix geven geen indicatie voor multicollineariteit. Wel is het opvallend dat de controlevariabelen ALGK en RDK hier positief gecorreleerd zijn met ETR, terwijl bij de hypothese 1 en 2 hier een negatieve correlatie is.
* Correlatie is significant op een 5% onbetrouwbaarheidsniveau (two-tailed) Tabel 7: Pearson correlatiematrix – hypothese 4
4.3.4. Multicollineariteit
Aanvullend op de Pearson correlatiematrix, is ook de VIF-waarde getoetst. Hieruit komt het volgende naar voren. De hoogste VIF-waarde bedraagt 1.65. Wanneer de VIF-waarde boven de 5 uitkomt, wordt multicollineariteit een issue. Deze waarde mag zeker niet boven de 10 uitkomen3. Multicollineariteit is hier geen issue aangezien de waardes niet boven de 1.65 uitkomen.
Tabel 8: Multicollineariteit 3 http://www.statisticssolutions.com/multicollinearity/ Variabele 1 2 3 4 5 6 7 8 9 1. ETR 1.0000 2. dMaster 0.0114 1.0000 3. dPhd 0.0007 -0.4429* 1.000 4. RECLK 0.0245 -0.1137* 0.1534* 1.000 5. INV 0.0416 0.0909 0.0588 0.3508 1.000 6. IMACT 0.0382 0.0871 0.1340* -0.0166 0.2796* 1.000 7. Grootte 0.0442 0.1693* -0.0901 0.0195 -0.0163 -0.0724 1.000 8. ALGK 0.0652 -0.1434* 0.0903 0.3002* 0.1465* -0.0125 -0.2813 1.000 9. RDK 0.0019 -0.1347* 0.1061* -0.1042* 0.0676 0.0228 -0.2352* 0.4888* 1.000
Variabelen Hypothese 1 Hypothese 2 Hypothese 4
LTD 1.03 TEN 1.02 dMaster 1.34 dPhD 1.32 RECLK 1.08 1.10 1.45 INV 1.13 1.16 1.30 IMACT 1.06 1.10 1.15 Grootte 1.09 1.10 1.14 ALGK 1.12 1.14 1.65 RDK 1.03 1.07 1.50
5. Resultaten
In dit hoofdstuk worden de resultaten van de te toetsen hypotheses uitgewerkt. Aan de hand van deze uitkomsten wordt er in hoofdstuk 6 uiteindelijk een antwoord gegeven op de onderzoeksvraag:
In welke mate is de werkervaring van de CEO van invloed op belastingontwijking van een bedrijf?
In dit hoofdstuk worden eerst de resultaten van de drie overgebleven hypotheses uitgewerkt. Hierbij wordt er allereerst beoordeeld of het regressiemodel significant is. Vervolgens wordt er gekeken of de richting van de b-waarde in overeenstemming is met de verwachting. Daarna wordt er beoordeeld of de toets-variabele significant is. Ook wordt er beoordeeld of de controlevariabelen de verwachte richting hebben en significant zijn. Tenslotte wordt er een uitspraak gedaan over de getoetste hypothese. Hier wordt duidelijk of de hypothese al dan niet verworpen wordt. Er wordt geëindigd met een resumé van de resultaten.
5.1. Resultaten hypothese 1 – Leeftijd
In deze subparagraaf worden de resultaten van hypothese 1 uitgewerkt. Hypothese 1 luidt: Hoe ouder de CEO, hoe minder belasting er ontweken wordt
Dit wordt getoetst aan de hand van de volgende regressievergelijking:
𝐸𝑇𝑅$ & = 𝛽) + 𝛽+𝐿𝑇𝐷$ &+ 𝛽.𝑅𝐸𝐶𝐿𝐾$ &+ 𝛽1𝐼𝑁𝑉$ & + 𝛽5𝐼𝑀𝐴𝐶𝑇$ &+ 𝛽8𝐺𝑟𝑜𝑜𝑡𝑡𝑒$ & + 𝛽>𝐴𝐿𝐺𝐾$ &+ 𝛽?𝑅𝐷𝐾$ &+ 𝜀$ &
Middels STATA is de regressievergelijking uitgevoerd. In tabel 9 zijn de resultaten opgenomen.
Tabel 9 – Resultaten hypothese 1
Om te beoordelen of het model significant is, wordt er gekeken naar de R-squared en de F-toets. De R-squared bedraagt 0.0010. Dit maakt dat tenminste 0,1% van de relatie tussen de onafhankelijke variabele en de afhankelijke variabele (ETR) verklaard kan worden door deze regressievergelijking. Vervolgens wordt de F-toets bekeken. De bijbehorende p-waarde bedraagt
Onafhankelijke
variabelen b Stnd. error t-waarde p-waarde
LTD .0030 .0032 0.94 0.347 RECLK .6425 .6886 0.93 0.351 INV .5234 .3617 1.45 0.148 IMACT .1595 .1581 1.01 0.313 Grootte .0621 .0889 0.70 0.485 ALGK -.0259 .1050 -1.53 0.127 RDK -.3140 .2950 -1.06 0.287
De volgende stap is het analyseren van de b-waarde. Deze waarde geeft allereerst de richting aan van de relatie. Zoals in paragraaf 3.1 is opgenomen wordt er voor hypothese 1 een negatieve relatie verwacht. In tabel 9 is af te lezen dat de b een waarde heeft van .0030. Deze waarde geeft aan dat de relatie tussen de leeftijd van de CEO en de ETR een positieve is. Dit maakt dat wanneer een CEO ouder wordt, de ETR stijgt. Dit in tegenstelling tot de verwachting dat de ETR zou dalen. Vervolgens wordt de significantie van de toets-variabele beoordeeld. In dit geval de LTD. Dit wordt gedaan aan de hand van de p-waarde. In tabel 9 is af te lezen dat deze waarde 0.347 bedraagt. Dit maakt dat deze relatie niet significant is.
Nu de toets-variabele beoordeeld is, dient er nog beoordeeld te worden of de controlevariabelen een b-waarde hebben, die overeenkomstig is met de verwachte richting. Daarnaast dient er beoordeeld te worden of deze waarden ook significant zijn.
De b-waardes voor RECLK, INV, IMACT, Grootte, ALGK en RDK bedragen respectievelijk b=0.6245, b=0.5234, b=0.1595, b=0.0621, b=-0.0259 en b=-0.3140. Zoals in subparagraaf 3.5.1 opgenomen waren de verwachtingen als volgt: Voor RECLK werd een positieve relatie verwacht. Dit is overeenkomstig de regressieresultaten. Voor INV werd eveneens een positieve relatie verwacht. Ook dit is overeenkomstig de regressieresultaten. Voor IMACT werd een negatieve relatie verwacht. Dit sluit niet aan bij de regressieresultaten. Dit zou verklaard kunnen worden doordat bedrijven capital controls opgelegd hebben gekregen. Volgens Desai, Foley en Hines (2006) stijgt de ETR dan als de IMACT toeneemt. Ook voor Grootte werd een negatieve relatie verwacht, ook dit sluit niet aan bij de regressieresultaten. Heckemeyer en Overesch (2017) hebben onderzoek gedaan naar het effect van grootte op belastingontwijking. Hier wordt benoemd dat wanneer er enkel een winstregressie wordt gedaan, grootte niet altijd een representatief beeld geeft. Voor ALGK en RDK werden negatieve relaties verwacht. Deze verwachtingen sluiten beide aan bij de regressieresultaten.
De p-waardes voor RECLK, INV, IMACT, Grootte, ALGK en RDK bedragen respectievelijk p=0.351, p=0.148, p=0.313, p=0.485, p=0.127 en p=0.287. Dit maakt dat de controlevariabelen in dit regressiemodel niet significant zijn.
Op basis van bovenstaande resultaten blijkt dus dat er een niet-significante positieve relatie bestaat tussen de leeftijd van de CEO en de ETR van een bedrijf. Dit betekent dat hypothese 1 verworpen dient te worden. Hierbij moet teruggedacht worden aan hypothese 3 omtrent horizon. De verwachting was hierbij dat hoe dichter een CEO bij zijn pensionering komt, hoe meer belasting er ontweken wordt. De regressieresultaten passen beter bij de onderbouwing die is gegeven voor de relatie tussen de ETR en horizon dan bij de onderbouwing voor de relatie tussen ETR en leeftijd.
Dit moet echter wel voorzichtig geïnterpreteerd worden. Dit omdat de relatie niet significant is en de focus hier niet op lag in de regressie.
5.2. Resultaten hypothese 2 – Tenure
In deze subparagraaf worden de resultaten van hypothese 2 uitgewerkt. Hypothese 2 luidt: Hoe langer een CEO in functie is, hoe minder belasting er ontweken wordt
Dit wordt getoetst aan de hand van de volgende regressievergelijking:
𝐸𝑇𝑅$ & = 𝛽) + 𝛽+𝑇𝐸𝑁$ & + 𝛽.𝑅𝐸𝐶𝐿𝐾$ &+ 𝛽1𝐼𝑁𝑉$ &+ 𝛽5𝐼𝑀𝐴𝐶𝑇$ &+ 𝛽8𝐺𝑟𝑜𝑜𝑡𝑡𝑒$ & + 𝛽>𝐴𝐿𝐺𝐾$ &+ 𝛽?𝑅𝐷𝐾$ &+ 𝜀$ &
Middels STATA is de regressievergelijking uitgevoerd. In tabel 10 zijn de resultaten opgenomen.
** Significant op een 5% onbetrouwbaarheidsniveau Tabel 10 – Resultaten hypothese 2
Om te beoordelen of het model significant is, wordt er gekeken naar de R-squared en de F-toets. De R-squared bedraagt 0.0041. Dit maakt dat tenminste 0,41% van de relatie tussen de onafhankelijke variabele en de afhankelijke variabele (ETR) verklaard kan worden door deze regressievergelijking. Vervolgens wordt de F-toets bekeken. De bijbehorende p-waarde bedraagt 0.000. Dit maakt dat dit regressiemodel een significante verklarende waarde heeft.
De volgende stap is het analyseren van de b-waarde. Deze waarde geeft allereerst de richting aan van de relatie. Zoals in paragraaf 3.1 is opgenomen wordt er voor hypothese 2 een negatieve relatie verwacht. In tabel 10 is af te lezen dat de b een waarde heeft van .0029. Deze waarde geeft aan dat de relatie tussen de tijd dat een CEO in functie is en de ETR een positieve is. Dit maakt dat wanneer een langer de CEO positie bezet, de ETR stijgt. Dit in tegenstelling tot de verwachting dat de ETR zou dalen.
Vervolgens wordt de significantie van de toets-variabele beoordeeld. In dit geval de TEN. Dit wordt gedaan aan de hand van de p-waarde. In tabel 10 is af te lezen dat deze waarde 0.042 bedraagt. Dit maakt dat deze relatie significant is met een 5% onbetrouwbaarheidsniveau.
Onafhankelijke
variabelen b
Stnd. error t-waarde p-waarde
TEN .0074 .0036 2.05 0.042** RECLK .1122 1.136 0.99 0.324 INV .1672 .8186 2.04 0.042** IMACT -.1101 .2565 -0.43 0.668 Grootte .1491 .1683 0.89 0.376 ALGK -.0328 .2147 -0.15 0.879 RDK -.0012 .0008 -1.32 0.188
