Amsterdam Business School
De niet-financiële voordelen van diversiteit van het Bestuur
Een studie naar het effect van vrouwen in het bestuur op de klanttevredenheid en innovatie vaneen bedrijf
Naam: Sophie van der Geest Student nummer: 10680993
Statement of Originality
This document is written by student Sophie van der Geest 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.
Samenvatting
Dit onderzoek gaat over de effecten van gender diversiteit binnen het bestuur van een onderneming. Waar de meeste studies onderzoek doen naar de relatie tussen gender diversiteit en financiële maatstaven, zal in dit onderzoek onderzocht worden welke effecten gender diversiteit heeft op niet-financiële maatstaven en of gender diversiteit een indirect effect heeft op financiële maatstaven. Gebaseerd op de combinatie van verschillende theorieën, waaronder de stakeholder theorie en de human capital theorie, wordt onderzocht of gender diversiteit een positief effect heeft op klanttevredenheid en innovatie en of deze effecten leiden tot betere bedrijfsprestaties. In een dataset van Amerikaanse bedrijven wordt een positief en significant effect gevonden tussen gender diversiteit en klanttevredenheid. Daarentegen wordt, gebaseerd op deze dataset, wel een positieve maar geen significante relatie gevonden tussen gender diversiteit en innovatie. Tevens wordt geen indirect positief effect tussen gender diversiteit en bedrijfsprestaties gevonden.
Trefwoorden: Corporate Governance, Gender diversiteit, bedrijfsprestaties, klanttevredenheid en innovatie Abstract
This study examines the effects of gender diversity in the board of a company. Where most studies research the relationship between gender diversity and direct financial measures, this study investigates the impact of gender diversity on non-financial measures and the associated indirect effects on financial measures. Based on a combination of different theories, such as the stakeholder theory and the human capital theory, this study analyses whether gender diversity is expected to have a positive effect on customer satisfaction and innovation and whether this may lead to a better firm performance. Based on a statistical analysis of data from American firms, it has been verified that a positive and significant correlation exists between gender diversity and customer satisfaction. However, a positive but no significant relationship is found between gender diversity and innovation. Also, there was no indirect positive relationship between gender diversity and firm performance.
Inhoud
1 Introductie ... 5
2 Theoretisch kader en hypotheses ... 7
2.1 Agency theorie ... 7
2.2 Stakeholder theorie ... 8
2.3 Human capital theorie ... 10
2.4 Social psychological theorie ... 10
2.5 Hypotheses ... 12
3 Methodologie ... 14
3.1 H1: Effect van gender diversiteit op klanttevredenheid ... 14
3.2 H2: Effect van gender diversiteit op innovatie ... 16
3.3 H3: Effect van gender diversiteit op bedrijfsprestaties ... 17
3.4 Resumé ... 19
4 Data ... 20
4.1 Het verzamelen van data ... 20
4.2 Beschrijvende statistiek... 21
4.2.1 Diversiteit ... 21
4.2.2 Afhankelijke en onafhankelijke variabelen ... 22
4.2.3 Correlatiematrix ... 23
5 Resultaten ... 25
5.1 Clustering ... 25
5.2 H1: Effect van gender diversiteit op klanttevredenheid ... 25
5.3 H2: Effect van gender diversiteit op innovatie ... 28
5.4 H3: Effect van gender diversiteit op bedrijfsprestaties ... 30
5.5 Resumé ... 33
1 Introductie
Wereldwijd zijn er discussies gaande over het aantal vrouwen dat in de Raad van Bestuur en Raad van Commissarissen zou moeten zitten. Sommige landen in Europa, zoals Spanje en Zweden, hebben al een tijdje een quotum ingesteld voor het aantal vrouwen dat minimaal in het bestuur moet zitten. Andere landen, zoals Nederland, hebben tot op heden alleen een streefpercentage. Dit percentage wordt echter bij lange na niet gehaald1. De Verenigde Staten en Groot-Brittannië
kennen geen quotum maar bepaalde instanties, zoals de Amerikaanse TIAA-CREF, gebruiken hun invloed om vrouwen toe te voegen aan het bestuur van bedrijven waarin zij zeggenschap hebben (Farrell & Hersch, 2005).
De discussie die hierdoor ontstaat is of een quotum daadwerkelijk nodig is, of dat andere mechanismen effectiever zijn. De reden waarom overheden willen dat vrouwen onderdeel worden van de Raad van Bestuur of Commissarissen, is omdat hierdoor de diversiteit binnen het bestuur wordt verhoogd. Diversiteit in het bestuur is belangrijk, want kwaliteit van het bestuur en het toezicht wordt hierdoor verbeterd. Diversiteit is essentieel voor de prestaties van een organisatie op het gebied van continuïteit, innovatie en het inschatten van kansen en risico’s (Lückerath-Rover, 2015).
Tot op heden is er veel wetenschappelijk onderzoek gedaan naar de diversiteit van het bestuur. De uitkomsten van deze onderzoeken zijn tegenstrijdig. Zo laat een Spaanse studie zien dat gender diversiteit een positief effect heeft op de financiële maatstaven, zoals bijvoorbeeld de bedrijfsprestaties (Campbell & Mínguez-Vera, 2008). Campbell & Mínguez-Vera (2008) beweren dat, als er meer vrouwen in het bestuur zitten, dit leidt tot economische voordelen. Tevens is er een Amerikaans onderzoek waarbij de auteurs een positieve relatie vinden tussen de fractie vrouwen en/of minderheden in het bestuur en de bedrijfsprestaties (Carter, Simkins, & Simpson, 2003). Anderzijds vinden Chapple & Humphrey (2013) geen bewijs van een associatie tussen diversiteit van het bestuur en performance, gebaseerd op de Stock Portfolio performance. De meeste onderzoeken op het gebied van gender diversiteit gaan na welke impact vrouwen in het bestuur hebben op financiële maatstaven zoals de bedrijfswaarde of bedrijfsprestaties. De niet-financiële voordelen, die vrouwen in het bestuur kunnen opleveren, zijn hierbij nog weinig
bedrijven met veel diversiteit meer bedrijfsspecifieke informatie geven en daardoor transparanter zijn (Gul, Srinidhi, & Ng, 2011). Er zijn echter ook nog andere niet-financiële voordelen te benoemen zoals: kwaliteit, klanttevredenheid, medewerkerstevredenheid en innovatie (Ittner & Larcker, 1998). In dit onderzoek wordt de relatie van twee van deze maatstaven onderzocht, namelijk het effect van vrouwen in het bestuur op de klanttevredenheid en op de innovatie van een bedrijf.
Dit onderzoek heeft als doel te toetsen of er een relatie bestaat tussen diversiteit en deze niet-financiële maatstaven. De hoofdvraag die bij dit onderzoek wordt beantwoord is:
Wat is het effect van vrouwen in het bestuur op de niet-financiële maatstaven klanttevredenheid en innovatie? Dit onderzoek zal mogelijk een bijdrage kunnen leveren aan voorgaande literatuur doordat het een relatie probeert te vinden tussen gender diversiteit en niet-financiële maatstaven in plaats van een financiële maatstaf. Doordat er veel tegenstrijdige uitkomsten zijn op het effect van vrouwen op financiële maatstaven, probeert dit onderzoek bij te dragen aan bestaande literatuur door te begrijpen wat de relatie tussen een bestuur met diversiteit en de bedrijfsprestaties is. Dit wordt gedaan door klanttevredenheid en innovatie te gebruiken als indirecte variabelen voor het effect van gender diversiteit op financiële maatstaven. Ittner & Larcker (1998) tonen namelijk in hun onderzoek aan dat niet-financiële indicatoren een betere voorspellingen geven van de toekomstige financiële prestaties dan historische accounting maatstaven.
Daarnaast kan dit onderzoek een bijdrage leveren door aan te tonen dat vrouwen in het bestuur mogelijk meer dan alleen financiële voordelen oplevert.
Door middel van een database onderzoek zal het effect van vrouwen in het bestuur op de klanttevredenheid en innovatie onderzocht worden. Hierbij wordt gebruikgemaakt van data uit de Verenigde Staten. De reden hiervoor is dat in Nederland het percentage vrouwen in het bestuur erg klein is, waardoor de steekproefgrootte niet representatief is en zorgt voor een lage externe validiteit. Om dit te verhogen wordt gebruik gemaakt van Amerikaanse data, waarbij de steekproef wel groot genoeg is.
Het onderzoek is als volgt ingedeeld. Het eerstvolgende hoofdstuk zal het theoretisch kader en de hypotheses toelichten. Vervolgens zal het derde hoofdstuk de methodologie uiteenzetten. In hoofdstuk vier wordt de data besproken. Vervolgens wordt de uitkomsten van de steekproef toegelicht en tot slot wordt de conclusie en de beperkingen van het onderzoek gegeven.
2 Theoretisch kader en hypotheses
Door een aantal grote fraudezaken (Enron, Worldcom) is het vertrouwen van de investeerders in de corporate governance flink gedaald. Om dit vertrouwen te herstellen, is er wereldwijd een oproep geweest voor richtlijnen voor goede corporate governance. De Organisatie voor Economische Samenwerking en Ontwikkeling (OECD) omschrijft corporate governance als “de relatie tussen het bestuur van een bedrijf, de aandeelhouders en andere stakeholders2”.
De meeste corporate governance codes omvatten onderwerpen zoals de structuur van het bestuur waarbij het belang van het monitoren van topmanagement activiteiten door onafhankelijke bestuurders wordt benadrukt (van Ees, van der Laan, & Postma, 2008). De onafhankelijkheid van de bestuurders wordt onder andere verbeterd door meer diversiteit (Carter e.a., 2003). Diversiteit omvat verschillende elementen zoals nationaliteit, leeftijd en geslacht. Bij dit onderzoek zal alleen gekeken worden naar de gender diversiteit in het bestuur. Echter, er is geen enkele theorie die het exacte effect tussen diversiteit in het bestuur en de algehele prestaties van een bedrijf voorspelt (Terjesen, Sealy, & Singh, 2009).
Corporate governance is een antwoord op agency problemen. De agency theorie zal met andere theorieën, zoals de stakeholder theorie, de human capital theorie en de social psychological theorie, aangevuld worden om een onderbouwing te geven waarom gender diversiteit een mogelijk effect heeft op de klanttevredenheid en innovatie.
De theorieën zullen in de volgende paragrafen uiteen gezet worden. In de laatste paragraaf zullen de hypotheses van dit onderzoek worden geformuleerd.
2.1 Agency theorie
De agency theorie geeft de relatie weer tussen de opdrachtgevende partij (de principaal) en de opdrachtnemer (de agent). Het werk van de principaal wordt gedelegeerd aan de agent, waarbij de agent niet alleen de belangen van de principaal nastreeft bij het uitvoeren van zijn werk, maar ook zijn eigen belangen. Hierdoor ontstaat informatie asymmetrie, waarbij twee problemen kunnen ontstaan: (1) er kan een verschil zijn tussen het beoogde doel van de principaal en de agent en (2) het is moeilijk of duur om te verifiëren wat de agent aan het doen is (Eisenhardt,
Door corporate governance maatregelen, zoals het monitoren en controleren van het management door het bestuur, worden agency problemen verminderd. Voor goede governance moet het bestuur ook voldoende onafhankelijk zijn en dit wordt verhoogd door diversiteit in het bestuur (Carter e.a., 2003).
Bijvoorbeeld, de verwachting is dat de invloed van vrouwen in het bestuur zorgt voor een sterker overzicht van investeerder funds, waardoor tegenstrijdigheid van de belangen tussen aandelenhouders en managers wordt verminderd (Galbreath, 2011).
Volgens het onderzoek van Konrad, Kramer & Erkut, (2008) hebben vrouwen in het bestuur meer oog voor een bredere set problemen dan mannen, waarbij vrouwen meer overtuigd zijn dat een probleem als reputatie, cruciaal is voor het bedrijf. Dit inzicht helpt het bestuur om verder te kijken dan alleen naar de financiële korte termijn cijfers, en meer te focussen op factoren die de prestaties ondersteunen op de langere termijn (Konrad e.a., 2008). De vraag is echter wel of het management hiernaar luistert, aangezien vrouwen in het bestuur als een minderheid worden gezien. Dit zal verder uiteen gezet worden in paragraaf 2.4.
Kortom, de totale invloed van diversiteit van het bestuur op klanttevredenheid en de innovatie is op basis van de agency theorie moeilijk te voorspellen (Carter, D’Souza, Simkins, & Simpson, 2010). Duidelijk is dat vrouwen in het bestuur zorgen voor meer diversiteit in het bestuur. Hierdoor wordt ook een grotere onafhankelijkheid van het bestuur verwacht. Daarnaast zorgt meer diversiteit voor een grotere focus op langere termijn doelen. Echter, er kan vanuit deze theorie niet gesteld worden dat diversiteit van het bestuur zorgt voor een verhoging van klanttevredenheid of innovatie.
2.2 Stakeholder theorie
De stakeholder theorie beschrijft de relatie tussen een bedrijf en al haar stakeholders. Een stakeholder is iedereen die ‘invloed heeft op of beïnvloed wordt door de uitvoering van de organisatiedoelen’ (Freeman, 1984). Volgens Freeman (1984) zijn er vijf groepen stakeholders waarvoor een bedrijf waarde dient te creëren. Eén groep stakeholders wordt gevormd door de klanten van het bedrijf. Deze groep hoort tot de primaire stakeholders, een groep die de onderneming nodig heeft om te kunnen voortbestaan (Clarkson, 1995).
Klanten verlangen steeds meer dat bedrijven sociaal verantwoord ondernemen (Francoeur, Labelle, & Sinclair-Desgagné, 2008). Het is steeds meer van belang dat bedrijven reageren op sociale problemen. Sociale problemen vormen een probleem voor de samenleving, een
voorbeeld hiervan is armoede. Het kunnen ook problemen zijn die specifiek voor een bedrijf gelden zoals productveiligheid en gelijke rechten voor werknemers (Galbreath, 2011).
Klanten zijn volgens de stakeholder theorie zeer belangrijk voor de onderneming. In het Anglo-Amerikaanse model wordt echter nog te veel gefocust op de aandeelhouders in plaats van alle stakeholders (Richard, Devinney, Yip, & Johnson, 2009).
Vanuit de gedachte dat bedrijven proberen te reageren op sociale problemen, zal het bestuur en het management meer streven naar uitkomsten die de resultaten van alle stakeholders maximaliseren in plaats van het maximaliseren van resultaten van één stakeholder groep, bijvoorbeeld van aandeelhouders (Harrison & Freeman, 1999).
Vrouwen zijn meer georiënteerd op de ondersteuning en het onderhouden van (zakelijke) relaties dan mannen (Galbreath, 2011). Daarnaast zijn vrouwen meer gefocust op de behoefte van anderen, dan op de behoefte van hunzelf. De verwachting is dat de oriëntatie van vrouwen ervoor zorgt dat betere beslissingen aangaande het beleid van het bedrijf worden gemaakt, vooral beslissingen gerelateerd aan de sociale verantwoordelijkheden van het bedrijf (Galbreath, 2011). Wanneer een bedrijf haar sociale verantwoordelijkheid demonstreert, bijvoorbeeld door het in de jaarrekening toe te lichten, kan dit de perceptie van de klant positief beïnvloeden (Daily, Certo, & Dalton, 1999). Het begrijpen van klanten en hun behoefte is zeer belangrijk voor een bedrijf. Over het algemeen worden producten en diensten vaker aangeschaft door vrouwen, waardoor vrouwen in het bestuur mogelijk meer op de hoogte zijn van klanteisen dan mannen (Galbreath, 2011).
Door middel van diversiteit in het bestuur kan een bedrijf profijt hebben van het verschijnsel dat vrouwen een beter begrip hebben van klantgedrag, de behoefte van klanten en van de mogelijkheden voor bedrijven om te voorzien in deze behoefte.
Gebaseerd op de stakeholder theorie kan aangenomen worden dat klanten en dus klanttevredenheid belangrijk zijn voor het voortbestaan van de onderneming. Vrouwen hechten meer waarde aan het maximaliseren van resultaten voor alle stakeholders, waaronder klanten. Op basis hiervan kan aangenomen worden dat vrouwen in het bestuur zorgen voor een betere klanttevredenheid.
2.3 Human capital theorie
De human capital theorie onderzoekt de rol van opleiding, ervaring en kunde van een persoon om de cognitieve en productieve vermogens te verbeteren, die gebruikt worden om de organisatieprestaties te verbeteren (Terjesen e.a., 2009).
Het human capital van een bestuurder kan worden beïnvloed door geslacht. Bestuurders hebben een uniek human capital wanneer er verschillen, zoals bijvoorbeeld diversiteit, zijn in het bestuur. De human capital theorie voorspelt dat de prestatie van het bestuur wordt beïnvloed door diversiteit doordat er divers en uniek human capital aanwezig is (Terjesen e.a., 2009).
Volgens Carter e.a. (2010) zorgt diversiteit er namelijk voor dat veel unieke informatie in het bezit van bestuurders is. De diversiteit in het bestuur zal zeer waarschijnlijk leiden tot unieke informatie die beschikbaar is voor het management dat daardoor betere beslissingen kan nemen. Met deze unieke informatie kan het bestuur ideeën creëren die de innovatie van bedrijven kunnen verhogen (Miller & Del Carmen Triana, 2009).
De bedrijfsinnovatie is een van de voorspellers van bedrijfsprestaties, waarmee het bedrijf competitieve voordelen kan behalen (Talke, Salomo, & Rost, 2010) en marktaandeel kan uitbreiden wat kan leiden tot een verhoging van prestaties (Torcia e.a.,2011).
Het human capital van een bestuur is gebaseerd op de collectieve ervaring en expertise van de bestuursleden. Deze expertise omvat onder andere kennis van de bedrijfsstrategie en operations (Bear, Rahman, & Post, 2010). Diversiteit van ervaring kan de team innovatie verhogen door het genereren van alternatieve oplossingen (Joshi & Roh, 2009).
De human capital theorie voorspelt dus dat bestuursleden unieke human capital met zich meebrengen die zorgen voor creatieve ideeën die de innovatie kunnen verhogen. De verwachting is daarom dat meer diversiteit in het bestuur de innovatie zal verhogen.
2.4 Social psychological theorie
Op basis van de agency theorie kan niet duidelijk een link gelegd worden tussen diversiteit van het bestuur, klanttevredenheid en innovatie. Met behulp van de stakeholder theorie wordt duidelijk dat vrouwen meer oog hebben voor de sociale verantwoordelijkheid van een bedrijf en dat hierdoor de klanttevredenheid verhoogd kan worden. Volgens de human capital theorie heeft een bestuur met diversiteit meer uniek human capital. Hierdoor is meer unieke informatie beschikbaar, waardoor betere beslissingen, bijvoorbeeld op het gebied van innovatie, gemaakt kunnen worden. Door middel van de social psychological theorie wordt geprobeerd deze
theorieën verder aan te vullen, vooral omdat het verschil tussen vrouwelijke en mannelijke bestuursleden voor een deel sociale verschillen zijn (Konrad e.a., 2008).
De social psychological theorie voorspelt dat individuen die een hoge status hebben, een onevenredige hoeveelheid invloed hebben op groepsbeslissingen. Hierdoor wordt een negatief effect van diversiteit op groepsuitkomsten voorspeld. Individuen hebben de neiging zich te omringen met mensen die dezelfde demografische profielen, perspectieven en waarden hebben. Dit wordt vervolgens versterkt binnen de groepscommunicatie (Terjesen e.a., 2009).
Theorieën uit de sociale psychologie suggereren dat ‘minderheden’ binnen het bestuur creatieve en innovatieve ideeën kunnen aandragen. Hierdoor zal echter het besluitvormingsproces langzamer gaan en dit zal tot meer conflicten leiden met de grotere homogene groep bestuursleden (Campbell & Mínguez-Vera, 2008).
Vrouwen behoren normaliter tot de minderheden binnen de bedrijfswereld. Om deze status te overwinnen moeten zij hun expertise, prestaties en sociale kunde bewijzen (Hillman, Cannella Jr., & Harris, 2002). Hierdoor moeten vrouwen een duidelijke toegevoegde waarde en dus een ander human capital hebben dan mannen.
Een bestuur met veel diversiteit zal door verschillend unieke human capital een beter begrip hebben van de complexiteit van de bedrijfsomgeving waardoor betere beslissingen genomen kunnen worden (Campbell & Mínguez-Vera, 2008). Campbell & Mínguez-Vera (2008) beargumenteren dat een grotere diversiteit tevens zorgt voor een beter begrip van de markt door de diversiteit van een bedrijf te matchen met de diversiteit van de potentiële klanten.
Daarnaast laat empirisch onderzoek op groepsbeslissingen zien dat, met betrekking op complexe taken, heterogene groepen een hogere kwaliteit beslissingen maken en meer innovatieve oplossingen genereren dan homogene groepen (Miller & Del Carmen Triana, 2009).
Vanuit deze gedachten kan worden aangenomen dat wanneer meer vrouwen in het bestuur zitten, er uiteindelijk mogelijk meer creatieve en innovatieve beslissingen worden genomen, waardoor de innovatie zal verbeteren. Tevens kan een bedrijf door deze beslissingen onder andere beter inspelen op de markt en zo concurrentievoordelen behalen, wat kan leiden tot een hogere klanttevredenheid.
2.5 Hypotheses
Door middel van het koppelen van de agency theorie met de stakeholder theorie, de human capital theorie en de social psychological
theorie kan een voorspelling gedaan worden over welk mogelijk effect diversiteit van het bestuur heeft op de klanttevredenheid en innovatie. Figuur 1 laat de verwachte relatie tussen gender diversiteit, klanttevredenheid en innovatie zien.
Het unieke human capital van vrouwen
kan het bestuur voorzien van verschillende perspectieven. Eén van deze perspectieven is dat vrouwen in het bestuur meer waarde hechten aan het maximaliseren van de resultaten van alle stakeholders, waaronder klanten. De verwachting is daarom dat de klanttevredenheid verhoogd wordt wanneer er meer gender diversiteit is. Daarom is de eerste hypothese:
Hypothese 1: Gender diversiteit heeft een positief effect op de klanttevredenheid
Het unieke human capital van een bestuur met veel diversiteit heeft ook als gevolg dat een bedrijf unieke informatie, expertise en ervaring bezit waardoor creatieve en innovatieve ideeën worden bedacht, wat kan leiden tot betere beslissingen. De verwachting is dus dat diversiteit een positieve relatie heeft met de mate van innovatie van een bedrijf. De tweede hypothese van dit onderzoek is dan ook:
Hypothese 2: Gender diversiteit heeft een positief effect op de innovatie van een bedrijf
Bepaalde studies hebben een positieve link gevonden tussen de diversiteit van het bestuur en de bedrijfsprestaties (Campbell & Mínguez-Vera, 2008 en Carter e.a., 2003). Maar er zijn maar weinig studies die empirisch laten zien hoe dit proces exact plaatsvindt. Volgens Miller & Del Carmen Triana (2009) is het juist belangrijk voor governance onderzoekers om inzicht te krijgen hoe diversiteit een positief effect heeft op bedrijfsprestaties. Met behulp van indirecte variabelen kunnen tussenliggende processen verklaren hoe en waarom een bepaalde variabele (diversiteit) invloed heeft op een andere variabele (bedrijfsprestaties).
De stakeholder theorie stelt dat klanten zeer belangrijke stakeholders zijn voor het voortbestaan van de onderneming. Hypothese 1 verwacht een positieve relatie tussen gender diversiteit en klanttevredenheid. Meer diversiteit in het bestuur leidt tot gevarieerdere ideeën en andere
perspectieven over onder andere de markt, waardoor de klanttevredenheid mogelijk wordt verhoogd. Daarnaast tonen Ittner & Larcker (1998) aan dat een niet-financiële maatstaf, zoals klanttevredenheid, een positieve relatie heeft met de toekomstige bedrijfsprestaties. Hierdoor kan aangenomen worden dat klanttevredenheid een belangrijk indirect effect heeft op positieve relatie tussen vrouwen in de board en de bedrijfsprestaties.
Daarnaast stelt dit artikel dat het effect tussen diversiteit en innovatie positief is (hypothese 2). Een verhoogde diversiteit in het bestuur zorgt voor gevarieerde perspectieven en ideeën, die de innovatie kunnen verhogen. Bovendien laat voorgaand onderzoek een positieve relatie zien tussen de innovatie van een bedrijf en de prestaties van een bedrijf (bijvoorbeeld Hull & Rothenberg, 2008). Om die reden is te verwachten dat innovatie fungeert als een indirecte variabele die het positieve effect van diversiteit op de bedrijfsprestaties voorspelt.
De twee bovenstaande punten vormen samen de derde hypothese van dit onderzoek:
Hypothese 3: Gender diversiteit in het bestuur heeft een positief effect op de bedrijfsprestaties, door een positief effect van gender diversiteit op klanttevredenheid en innovatie
3 Methodologie
In dit hoofdstuk wordt de methodologie uiteengezet om de hypotheses te kunnen toetsen. Hierbij worden de specifieke modellen die hierbij gebruikt worden nader toegelicht. Tenslotte zullen de benodigde variabelen worden geïnventariseerd.
In dit onderzoek zullen de drie hypotheses uit paragraaf 2.5 getoetst worden met behulp van een regressieanalyse. Een regressie toetst theoretisch geïntroduceerde causale verbanden (Kleinbaum, Kupper, Nizam, & Rosenberg, 2013). Hierbij wordt gekeken of, statistisch gezien, de onafhankelijke variabelen 𝑥𝑖 de afhankelijke variabele 𝑌 veroorzaakt.
3.1 H1: Effect van gender diversiteit op klanttevredenheid
De eerste hypothese stelt dat diversiteit in het bestuur positief gerelateerd is aan klanttevredenheid. De methode die wordt toegepast om dit te toetsen is, gezien de aard van de variabele klanttevredenheid (0 of 1), een logistische regressieanalyse.
Met de volgende vergelijking wordt het effect van gender diversiteit op de klanttevredenheid geanalyseerd:
𝑑𝐾𝑇𝐻 = 𝛽0+ 𝛽1(𝑑)𝐺𝐷 + 𝛽2𝐵𝐺 + 𝛽3𝑑𝐼𝑛𝑇 + 𝛽4𝑅𝑖 + 𝛽5𝐵𝑂 + 𝛽6𝑑𝐶𝐸𝑂𝑉 + 𝛽7𝑂𝑢𝑡 + 𝜀. In dit model staat 𝑑𝐾𝑇𝐻 voor klanttevredenheid en de (𝑑)𝐺𝐷 voor gender diversiteit (gemeten als 𝐺𝐷 of 𝑑𝐺𝐷 ). De overige variabelen zijn de controle variabelen bedrijfsgrootte ( 𝐵𝐺 ), industrietype (𝑑𝐼𝑛𝑇), risico (𝑅𝑖), de omvang van het bestuur (𝐵𝑂), of de CEO voorzitter is van het bestuur (𝑑𝐶𝐸𝑂𝑉) en het percentage bestuurders van buiten de organisatie (𝑂𝑢𝑡). In de formule zijn de variabelen die beginnen met een ‘d’ dummyvariabelen.
De variabele 𝑑𝐾𝑇𝐻 is een dummy variabele die weergeeft of een bedrijf wel of niet rapporteert over klanttevredenheid. In de afgelopen jaren is er een stijging van de bedrijven die rapporteren over hun sociale bijdragen aan de maatschappij (Runhaar & Lafferty, 2008). Deze rapportages worden gemaakt op vrijwillige basis. Door het vrijwillige karakter van deze rapportages zullen bedrijven alleen die gegevens melden die gunstig zijn voor het bedrijf, of in ieder geval de aandacht van stakeholders proberen te vestigen op de positieve punten van het bedrijf (Nielsen, Ellerup & Thomsen, 2007). Over het algemeen zijn bedrijven dus meer geneigd te rapporteren over klanttevredenheid wanneer deze positief is. Wanneer bedrijven hun klanttevredenheid niet rapporteren kan worden aangenomen dat de klanttevredenheid minder positief is, waardoor het voor een bedrijf niet gunstig is om dit te rapporteren. De klanttevredenheid wordt in dit
onderzoek daarom gemeten als een dummy variabele waarbij bedrijven die niets rapporteren over hun klanttevredenheid met een ‘0’ worden aangemerkt en de bedrijven die wel rapporteren worden aangemerkt met een ‘1’.
De eerste onafhankelijke variabele in dit model is gender diversiteit ((𝑑)𝐺𝐷). Gender diversiteit wordt in dit onderzoek op twee manieren worden gemeten: (I) het percentage vrouwen in het bestuur en (II) als een dummy variabelen waarbij de variabele ‘1’ is als minstens 30% van de bestuursleden vrouw is en ‘0’ indien dit niet het geval is.
De verhouding van vrouwen in het bestuur ten opzichte van het totale aantal bestuursleden wordt in veel voorgaande literatuur gebruikt als maatstaf (Adams & Ferreira, 2009; Campbell & Mínguez-Vera, 2008). De tweede maatstaf komt voort uit de ‘critical mass theorie’ (Konrad e.a., 2008). Deze theorie stelt dat een voldoende aantal adopters van een innovatie in een sociaal systeem noodzakelijk is om, voor de mate van adoptie, zelfvoorzienend te worden en verdere groei te creëren (Isidro & Sobral, 2014). Volgens Torchia, Calabrò, & Huse (2011) is een ‘critical mass’ van drie of meer vrouwen het minimum dat nodig is om een fundamentele verandering in het bestuur te veroorzaken. In dit onderzoek wordt geen variabele van drie of meer vrouwelijke bestuursleden toegevoegd, omdat de bestuursgrootte in dit onderzoek aanzienlijk varieert, waardoor de invloed van het aantal vrouwen in een bestuur van twee leden (minimaal aantal leden) heel anders kan zijn dan hun invloed in een bestuur van 42 leden (maximaal aantal leden). Om dit te voorkomen wordt de gerelateerde dummy variabele ‘minstens 30% vrouwelijke bestuursleden’ gebruikt (Isidro & Sobral, 2014).
Doordat gender diversiteit in dit onderzoek op twee manieren wordt gemeten, zal elke regressieanalyse twee keer worden uitgevoerd, de eerste analyse wordt uitgevoerd met de variabele 𝐺𝐷 en de tweede analyse met variabele 𝑑𝐺𝐷.
Bij deze analyse worden de controle variabelen bedrijfsgrootte (log 𝐵𝐺), industrietype (𝑑𝐼𝑛𝑇) en risico (𝑅𝑖) toegevoegd. Margolis & Walsh (2001) tonen in hun studie aan dat industrie effecten, bedrijfsgrootte en risico de populairste controle variabelen zijn bij studies naar de link tussen sociale (zoals klanttevredenheid) en financiële prestaties.
Voor het industrietype (𝑑𝐼𝑛𝑇) wordt het onderzoek van Hassel, Nilsson, & Nyquist (2005) gevolgd, waarbij het bedrijven in twee segmenten wordt verdeeld: productie- en dienstverlenende bedrijven. Hierbij vallen industriële bedrijven onder productiebedrijven (aangegeven met een ‘0’) en alle overige bedrijven vallen onder dienstverlenende bedrijven (aangegeven met een ‘1’). In eerder onderzoek (bijvoorbeeld Chi & Gursoy, 2009) wordt het effect van klanttevredenheid in een dienstverlenend bedrijf onderzocht. Hierbij wordt een positief effect van klanttevredenheid gevonden. In dienstverlenende bedrijven zal klanttevredenheid ook een grotere rol spelen dan in productiebedrijven omdat bij dienstverlening vaker sprake is van klantcontact dan bij productiebedrijven.
Risico (𝑅𝑖 ) wordt gemeten als de ratio tussen de langlopende schulden en de totale activa (Waddock & Graves, 1997).
Naast de link tussen sociale en financiële prestaties benadrukken (Carter e.a., 2003) in hun onderzoek dat de monitoring rol van bestuurders belangrijk is. Daarom gebruiken zij in hun studie een aantal controle variabelen die de demografische karakteristieken van het bestuur weergeven. In dit model zullen een aantal van die variabelen ook als controlevariabelen worden gebruikt.
Eén van deze controle variabele is de omvang van het bestuur (log 𝐵𝑂), dat gemeten wordt als de natuurlijke logaritme van het aantal bestuurders. Een andere controle variabele is een dummy variabele waarbij wordt gekeken of de CEO ook voorzitter van het bestuur is (𝑑𝐶𝐸𝑂𝑉) (Carter e.a., 2010). De laatste controle variabele is het percentage bestuurders van buiten de organisatie (𝑂𝑢𝑡). De reden dat deze variabele wordt meegenomen als controle variabele, is dat voorgaande studies aantonen dat ‘outside’ bestuurders meer aandacht schenken aan de sociale verantwoordelijkheid van een bedrijf dan ‘inside’ bestuurders (Galbreath, 2011).
De variabelen CEO is niet de voorzitter van het bestuur, omvang van het bestuur en het percentage outsiders wordt meegenomen omdat deze variabelen iets zeggen over de mate van onafhankelijkheid van bestuurders. Wanneer dit toeneemt, wordt het intellectuele kapitaal van het management, inclusief de communicatie met stakeholders zoals klanten, efficiënter (Li, Pike, & Haniffa, 2008). De verwachting is dus dat deze variabelen de klanttevredenheid doen stijgen. 3.2 H2: Effect van gender diversiteit op innovatie
In dit onderzoek wordt, naast het effect van de diversiteit in het bestuur op de klanttevredenheid, onderzocht of er een positief effect is van diversiteit op de innovatie van een
meervoudige lineaire regressie de gender diversiteit getoetst op de mate van innovatie van een bedrijf (H2):
𝐼𝑁 = 𝛽0+ 𝛽1(𝑑)𝐺𝐷 + 𝛽2𝐵𝐺 + 𝛽3𝑑𝐼𝑛𝑇 + 𝛽4𝑅𝑖 + 𝛽5𝐵𝑂 + 𝛽6𝑑𝐶𝐸𝑂𝑉 + 𝛽7𝑂𝑢𝑡 + 𝜀
In dit model is de afhankelijke variabele innovatie. De proxy voor innovatie (𝐼𝑁) is de research en development (R&D) kosten gedeeld door de totale activa van een bedrijf. Volgens Miller & Del Carmen Triana (2009) weerspiegelen de R&D uitgaven de beslissingen die door bestuurders zijn gemaakt, ten aanzien van het alloceren van middelen voor innovatie. Tevens toont voorgaand onderzoek aan, bijvoorbeeld (O’Brien, 2003), dat R&D uitgaven een goede proxy is voor het meten van innovatie. Hierbij stelt O’Brien (2003) dat bedrijven die in relatief grote mate in R&D investeren ten opzichte van haar concurrenten, waarschijnlijk proberen te concurreren op basis van hun innovatie ideeën.
De verklarende variabelen zijn identiek aan die van de vorige hypothese, waarbij de verwachting is dat het effect van de variabele industrietype op innovatie groter zal zijn bij productiebedrijven dan bij dienstverlenende bedrijven. Over het algemeen wordt bij een productiebedrijf meer research & development kosten gemaakt dan bij een dienstverlenend bedrijf.
Daarnaast beïnvloedt de grootte van een bedrijf de uitgaven aan research en development kosten (Miller & Del Carmen Triana, 2009), maar zowel kleine als grote bedrijven maken gebruik van de langere termijn voordelen die deze uitgaven kunnen teweegbrengen (Shah, Stark, & Akbar, 2008).
Tevens innoveren neemt risico met zich mee. Voorgaand onderzoek laat zien dat wanneer er meer wordt geïnvesteerd in R&D, het bedrijfsrisico zal stijgen (Coles, Daniel, & Naveen, 2006). 3.3 H3: Effect van gender diversiteit op bedrijfsprestaties
De vorige twee paragrafen gingen in op het directe effect van gender diversiteit op klanttevredenheid (H1) en innovatie (H2). Deze paragraaf zal de methodologie van het effect van gender diversiteit op de bedrijfsprestaties uiteengezet worden. Tussen deze twee variabelen wordt een positief effect verwacht. De verwachting is dat dit positieve effect wordt veroorzaakt door het indirecte effect van klanttevredenheid en innovatie (H3).
(𝐼𝑁), in een regressiemodel geanalyseerd om te onderzoeken wat de directe en indirecte effecten te zijn. De vergelijking voor dit model is als volgt:
𝐵𝑃 = 𝛽0+ 𝛽1(𝑑)𝐺𝐷 + 𝛽2𝑑𝐾𝑇𝐻 + 𝛽3(𝑑)𝐺𝐷 × 𝑑𝐾𝑇𝐻 + 𝛽4𝐼𝑁 + 𝛽5(𝑑)𝐺𝐷 × 𝐼𝑁 + 𝛽6𝐵𝐺 +
𝛽7𝑑𝐼𝑛𝑇 + 𝛽8𝑅𝑖 + 𝛽9𝐵𝑂 + 𝛽10𝑑𝐶𝐸𝑂𝑉 + 𝛽11𝑂𝑢𝑡 + 𝜀
In bovenstaand model staat de 𝐵𝑃 voor bedrijfsprestaties. In voorgaand onderzoek worden verschillende proxies gebruikt om bedrijfsprestaties (𝐵𝑃) te meten. De maatstaven Tobin’s Q, return on assets, return on equity en return on investment zijn bijvoorbeeld maatstaven voor het meten van bedrijfsprestaties. Voorgaand onderzoek naar het effect van diversiteit op de bedrijfsprestaties toont aan dat al deze eenheden goede maatstaven zijn voor het meten van bedrijfsprestaties (Carter e.a., 2003; Cook & Glass, 2015; Miller & Del Carmen Triana, 2009). Om mogelijke tegenstrijdige antwoorden te voorkomen zal dit onderzoek de bedrijfsprestaties enkel meten als de return on assets (ROA). De ROA wordt berekend als het nettoresultaat gedeeld door de totale activa. De ROA wordt gebruikt als proxy voor de bedrijfsprestaties omdat deze maatstaf de operationele efficiency en de financieringskeuzes voor toekomstige groei weerspiegelen (Galbreath, 2011). Deze maatstaf geeft tevens weer hoe goed activa wordt gebruikt om rendement te genereren. Wanneer een bedrijf niet op consistente wijze positieve rendementen op geïnvesteerd vermogen levert, kan het bedrijf waarschijnlijk niet economisch duurzaam zijn.
De verwachting is dat, naast gender diversiteit, klanttevredenheid en innovatie beide een positief effect hebben op bedrijfsprestaties. Onderzoeken naar de relatie tussen klanttevredenheid en bedrijfsprestaties laten over het algemeen een positief effect zien (bijvoorbeeld Sun & Kim, 2013). Dit omdat tevreden klanten zorgen voor een hogere omzet en uiteindelijke voor hogere bedrijfsprestaties. Voorgaand onderzoek laat ook zien dat innovatie, in de vorm van R&D kosten, zorgt voor verbeterde bedrijfsprestaties (Sher & Yang, 2005).
Het is onduidelijk wat de invloed van de controle variabelen industrietype (𝑑𝐼𝑛𝑇) en de grootte van een bedrijf (𝐵𝐺) zal zijn op de bedrijfsprestaties. Bij de variabele risico is de verwachting dat de bedrijfsprestaties zullen stijgen naarmate het risico wordt verminderd (Bromiley, 1991). De verwachting is dat de corporate governance variabelen (𝐶𝐸𝑂𝑉, 𝑂𝑢𝑡 en 𝐵𝑂) een positief effect hebben op de bedrijfsprestaties. Eerdere studies naar de invloed van corporate governance op de prestaties van een bedrijf laat positieve uitkomsten zien (bijvoorbeeld Carter e.a., 2003). De reden hiervoor is dat corporate governance gericht is op het verbeteren van de
ondernemingsstructuur. Wanneer de onafhankelijkheid van het bestuur van bedrijven wordt verbeterd zal dit uiteindelijk leiden tot betere bedrijfsprestaties.
Alle overige variabelen zijn al eerder besproken en worden weergegeven in tabel 1. 3.4 Resumé
In de onderstaande tabel worden alle benodigde variabelen samengevat. Tabel 1: definities van variabelen
Afkorting Variabelen Omschrijving
BP Return on Assets (ROA) (%) Jaarlijkse netto-inkomsten gedeeld door de boekwaarde van de totale activa aan het einde van het jaar
(d)GD Gender diversiteit (I)Verhouding vrouwen in het bestuur ten opzichte van het totale aantal bestuursleden
(II)Dummy variabele waarbij het bestuur van een bedrijf minstens 30% vrouwen in het bestuur heeft (1) tegenover bedrijven die dat niet hebben (0)
dKTH Klanttevredenheid Bedrijven die klanttevredenheid rapporten (1) versus bedrijven die geen klanttevredenheid (0) rapporten
IN Innovatie Research en Development uitgave gedeeld door totale activa
BG Bedrijfsgrootte De logaritme van de totale activa
dInT Industrietype Dummy variabele waarbij onderscheid wordt gemaakt tussen productiebedrijven (0) en dienstverlenende bedrijven (1).
Ri Risico Langlopende schulden gedeeld door de totale activa
BO Omvang van het bestuur De logaritme van het aantal bestuurders
dCEOV CEO is voorzitter Dummy variabele waarbij onderscheid gemaakt wordt waarbij de CEO en voorzitter van het bestuur dezelfde persoon is (0) en waarbij de CEO en de voorzitter twee aparte individuen
4 Data
Nederland heeft in 2015, volgens de Dutch Female Board Index 20153, 17 procent vrouwen in
de Raad van Bestuur en Commissarissen. Dit percentage is een gewogen gemiddelde van het percentage vrouwelijke bestuurders van 7,8 procent en van het percentage van 21,3 procent vrouwelijke commissarissen. In absolute getallen zijn in 2015 van de 642 bestuurders en commissarissen er 109 vrouw. Deze populatie is niet erg groot en hierdoor kunnen geen betrouwbare statistische conclusies getrokken worden. Om de externe validiteit te verhogen zal daarom uitgegaan worden van Amerikaanse data. Daar is de populatie veel groter.
In paragraaf één zal het verzamelen van data uiteengezet worden. In paragraaf twee zal de beschrijvende statistiek inclusief de correlatiematrix worden gegeven.
4.1 Het verzamelen van data
Alle variabelen die in deze studie worden gebruikt zijn afkomstig uit de Datastream database. Datastream is een financiële database die informatie bevat over aandelen, indices, obligaties, futures, opties, grondstoffen, rente, wisselkoersen en macro-economische gegevens. De database bevat tijdreeksen van meer dan 2 miljoen financiële instrumenten, effecten en indicatoren van meer dan 175 landen en 60 markten wereldwijd4.
Binnen de Datastream database is de ASSET4 ESG database beschikbaar. ESG staat voor Environmental, Social en Corporate Governance en in deze database worden van meer dan 5.000 beursgenoteerde bedrijven wereldwijd gegevens verzameld over duurzaamheidsprestaties, sociale en corporate governance prestaties.
Uit de ASSET4 ESG database wordt uitsluitend de data van bedrijven uit de Verenigde Staten gebruikt over een tijdsduur van vijf jaar (2010 – 2014). In totaal zijn er 5.015 datapunten over deze tijdsperiode verzameld. De datapunten die geen gegevens hebben over het percentage vrouwen in het bestuur worden niet mee genomen in de populatie. Het aantal datapunten daalt hierdoor met 343 naar 4.672. Daarnaast worden alle datapunten waarvan gegevens over research & development uitgaven ontbraken, niet mee genomen in de populatie. Na deze correctie bevat de populatie nog 2.174 observaties.
3 Website:
https://www.tias.edu/docs/default-source/Kennisartikelen/nlsamenvatting_femaleboardindex2015.pdf?sfvrsn=0, geraadpleegd op 20 oktober 2015.
4 Website: http://uba.uva.nl/disciplines/content/economie-en-bedrijfskunde/datastream.html, geraadpleegd op 22 november 2015.
Bedrijven met industrietype ‘banken en verzekeraars’ (als onderdeel van het industrietype dienstverlenende bedrijven) zijn ook verwijderd uit de selectie. Banken en verzekeraars worden gereguleerd vanuit de overheid, die afwijkende regels opstelt om toezicht op banken en verzekeraars te houden. Hierdoor kunnen de uitkomsten beïnvloed worden en daarom zullen banken en verzekeringsbedrijven niet meegenomen worden in de populatie. Door deze correctie worden 43 datapunten verwijderd.
Als laatste zijn observaties van de overige controle variabelen waarvan data ontbrak, geëlimineerd uit de populatie. Na al deze correcties bestaat de uiteindelijke populatie (𝑁) van het onderzoek uit 1.967 observaties.
4.2 Beschrijvende statistiek
In deze paragraaf wordt de beschrijvende statistiek uiteengezet. Hierbij zullen de verschillende tabellen worden toegelicht en vervolgens zal de correlatiematrix worden besproken.
4.2.1 Diversiteit
Tabel 2, onderdeel A rapporteert de gemiddelden van gender diversiteit variabelen verdeeld per jaar.
Tabel 2: Beschrijvende statistiek over vrouwen in het bestuur van bedrijven uit de Verenigde Staten
Jaar 𝑵 Verhouding van het aantal
vrouwen in het bestuur
Fractie bedrijven met minstens 30% vrouwen in het bestuur Onderdeel A: gemiddelde waarde van gender diversiteit metingen per jaar
2010 455 0,135 0,051 2011 454 0,133 0,048 2012 412 0,139 0,049 2013 341 0,154 0,065 2014 305 0,165 0,079 Alle jaren 1.967 0,143 0,056 Industrietype 𝑁
Verhouding van het aantal vrouwen in het bestuur
Fractie bedrijven met minstens 30% vrouwen in het bestuur
Hierbij valt op dat het gemiddeld aantal vrouwelijke bestuursleden een fractie afneemt in het jaar 2011 ten opzichte van 2010, waarna het gemiddeld percentage vrouwen in het bestuur van 2011 tot en met 2014 in totaal met 3 procentpunten is gestegen, van 13,3 procent in 2011 naar 16,5 procent in 2014.
Naast de verhouding van vrouwen in het bestuur van bedrijven uit de Verenigde Staten is de frequentie van minstens 30% vrouwen in het bestuur gedurende de jaren gestegen. Bijvoorbeeld, het gemiddeld aantal bedrijven met meer dan 30% vrouwelijke bestuursleden is gestegen van 0,051 in 2010 naar 0,079 in 2014. Dit is ongeveer een stijging van 55 procent.
Er zijn een aantal mogelijke redenen voor deze stijgingen. Vanuit de overheid van de Verenigde Staten worden vrouwen in het bestuur (en andere topfuncties) gestimuleerd omdat meer vrouwelijke bestuursleden de diversiteit binnen het bestuur verbetert. Diversiteit zorgt ervoor dat de corporate governance van bedrijf wordt verbeterd (Carter e.a., 2010). Voor bedrijven is dit ook van belang want door diversiteit binnen het bestuur zal het bedrijf beter kunnen functioneren.
Tabel 2, onderdeel B geeft de verhouding van vrouwen in het bestuur verdeeld over de industrietypen productiebedrijven en dienstverlenende bedrijven. Hierbij valt op dat de populatie voor ongeveer twee derde uit productiebedrijven bestaat (1.332 bedrijven van de in totaal 1.967 bedrijven betreffen productiebedrijven). Het percentage vrouwen in het bestuur is voor productiebedrijven 14,4 procent. Voor dienstverlenende bedrijven is het percentage vrouwelijke bestuursleden met 14,1 procent een fractie lager. De frequentie van het aantal bedrijven dat minstens 30% vrouwen in het bestuur heeft, is ook gemiddeld hoger voor productiebedrijven dan voor dienstverlenende bedrijven (frequentie is respectievelijk 0,062 en 0,046 voor productie- en dienstverlenende bedrijven). Vrouwen hebben over het algemeen meer affiniteit met dienstverlening dan met productiebedrijven (Isidro & Sobral, 2014). Echter laat deze populatie het tegenovergestelde zien.
4.2.2 Afhankelijke en onafhankelijke variabelen
In tabel 3 wordt de statistische kenmerken, van variabelen die gebruikt worden in de regressieanalyses, weergegeven. Hierbij is het gemiddelde van de ROA 6,6 procent. Daarnaast heeft, gemiddeld gezien, 3,0 procent van de bedrijven gerapporteerd over klanttevredenheid. Het aantal bedrijven dat rapporteert over klanttevredenheid is, in deze dataset, in absolute zin erg klein. Het uitbreiden van de dataset valt echter buiten de scope van dit onderzoek.
Tabel 3: Beschrijvende statistiek variabelen
Het gemiddelde van innovatie is 4,4 wat impliceert dat gemiddeld een bedrijf 4,4 procent van de totale activa investeert in Research en Development. De gemiddelde risicoratio van een bedrijf uit de populatie is 21,6. Gemiddeld heeft 45,7 procent van de bedrijven uit de populatie een CEO die niet dezelfde persoon is als voorzitter van het bestuur. De bedrijven hebben een gemiddeld een totale activa van 17,4 miljoen. Daarnaast heeft een bedrijf uit de populatie gemiddeld ongeveer 10 leden in het bestuur. Het percentage outsiders is gemiddeld 52,2 procent, wat inhoudt dat gemiddeld iets meer dan de helft van de bestuursleden van buiten de organisatie komt.
4.2.3 Correlatiematrix
In tabel vier wordt de correlatie tussen de variabelen weergegeven, berekend als Spearman’s rho
Variabelen Gemiddelde Standaarddeviatie Minimum Maximum
Bedrijfsprestatie (ROA) (%) 6,600 9,352 -92.393 57.303
Percentage vrouwen in het bestuur (%) 14,325 9,558 0,000 55,560
Bedrijven met minstens 30% vrouwen in het bestuur
0,056 0,231 0,000 1,000
Klanttevredenheid 0,030 0,169 0,000 1,000
Innovatie (%) 4,391 6,654 0,000 88,665
Bedrijfsgrootte (in miljoenen USD) 17,400 44,600 0,065 751,000
Bedrijfsgrootte (LOG) 15,629 1,326 11,079 20,437
Industrietype 0,323 0,468 0,000 1,000
Risico 21,588 16,356 0,000 171,019
Omvang van het bestuur (aantal) 10,056 2,057 2,000 17,0000
Omvang van het bestuur (LOG) 2,286 0,215 0,693 2,833
CEO is geen voorzitter 0,457 0,498 0,000 1,000
Outsiders (%) 52,240 17,402 0,000 93,330
Uit deze tabel blijkt dat de variabele risico ( 𝑅𝑖 ) significant negatief correleert met bedrijfsprestaties (𝐵𝑃). De correlatie van bedrijfsprestaties met innovatie (𝐼𝑁) is significant positief. Daarnaast heeft bedrijfsprestaties een significante correlatie met industrietype (𝐼𝑛𝑇). De variabele vrouwen in het bestuur (𝐺𝐷 en 𝑑𝐺𝐷) is significant positief gecorreleerd met de afhankelijke variabele klanttevredenheid. Daarentegen correleert de afhankelijke variabele innovatie significant negatief met gender diversiteit (𝑑𝐺𝐷). Dit is een eerste indicatie dat de verwachting vanuit de theorie, die een positieve relatie tussen gender diversiteit en innovatie verwacht, niet aansluit bij de data uit de gebruikte dataset. Het volgende hoofdstuk zal hier verder op ingaan.
Verder zijn er geen, in absolute zin, hoge waarden voor correlaties tussen onafhankelijke variabelen zichtbaar. Dit geeft geen indicatie voor multicollineariteit.
Tabel 4: Correlatiematrix
Variabelen BP GD dGD KTH IN InT CEOV OUT Ri LogBO LogBG BP 1,0000 GD 0,0353 1,0000 dGD -0,0069 0,4013* 1,0000 KTH -0,0317 0,1001* 0,0485* 1,0000 IN 0,1041* -0,0200 -0,0705* 0,0067 1,0000 InT -0,0675* 0,0015 -0,0322 0,0211 -0,3401* 1,0000 CEOV -0,0148 -0,1154* -0,0386 0,0392 0,1159* 0,0410 1,0000 Out -0,0359 0,0959* 0,0040 0,0240 -0,0130 -0,0152 -0,0511* 1,0000 Ri -0,2762* 0,1067* 0,0529* 0,0538* -0,2914* -0,0508* -0,0875* 0,0816* 1,0000 LogBO 0,0157 0,2823* 0,1252* 0,0483* -0,1910* -0,0845* -0,1703* 0,0520* 0,2065* 1,0000 LogBG -0,0302 0,2965* 0,0855* 0,0904* -0,1466* -0,0104 -0,2417* 0,1344* 0,1956* 0,4854* 1,0000 Totaal aantal observaties = 1.967
5 Resultaten
In dit hoofdstuk zullen de resultaten van de regressieanalyse worden gegeven. Hierbij zal per hypothese een tekencheck gedaan worden. Vervolgens zal de significantie van de onafhankelijke variabelen per hypothese worden besproken en als laatste zal een toelichting worden gegeven. 5.1 Clustering
De regressieanalyse zal uitgevoerd worden met het programma ‘STATA’. Het voordeel van dit programma is dat met dit programma de standaard error kan worden gecorrigeerd voor clustering.
Door het hoge aantal observaties en de panelstructuur van data, kunnen significante correlaties tussen de observaties ontstaan. Vaak ontstaan deze significante correlaties door de tijd heen of tussen bedrijven.
Als gevolg van data die observaties bevatten van meerdere bedrijven of meerdere jaren van één bedrijf (paneldata), kunnen observaties mogelijk niet onafhankelijk zijn, wat kan leiden tot inconsistente standaard errors. Om dit op te lossen, kunnen de standaard errors worden geclusterd. Geclusterde standaard errors zijn ‘robuuste’ standaard errors die gecorrigeerd zijn voor ongewenste correlatie en voor heteroskedasticiteit (Veenman, 2013).
In dit onderzoek zit in de panel data ongewenste correlatie tussen bedrijven en/of tussen jaren. Om dit ongewenste effect tegen te gaan, zijn de standaard errors in de regressieanalyses op bedrijfsniveau geclusterd.
5.2 H1: Effect van gender diversiteit op klanttevredenheid
Zoals eerder genoemd in paragraaf 3.1, wordt hypothese 1 getoetst op basis van een logistische regressie. De reden hiervoor is dat de
onafhankelijke variabele, klanttevredenheid, een categorische variabele is (de uitkomst is 0 of 1). In grafiek 1 wordt een grafische weergave gegeven van het percentage vrouwen in het bestuur van een bedrijf uit de populatie en bedrijven die over
te rapporteren over klanttevredenheid. Dit is in lijn met de verwachting vanuit de theorie.
In tabel 5 worden de uitkomsten van de logistische regressieanalyse weergegeven, waarbij gender diversiteit op twee manieren is gemeten: het percentage vrouwen in het bestuur (𝐺𝐷) en de frequentie bedrijven met minstens 30% vrouwen in het bestuur (𝑑𝐺𝐷).
Tabel 5: Resultaten van de regressieanalyse van het effect van vrouwen in het bestuur op de klanttevredenheid,
rekening houdend met clustervariabelen.
Onderdeel A: Model samenvatting
Verhouding van het aantal vrouwen in het bestuur (𝐺𝐷)
Fractie bedrijven met minstens 30% vrouwen in het bestuur (𝑑𝐺𝐷) Aantal observaties 1.967 1.967
Wald 𝐶ℎ𝑖2(7) 24,28 0,0221
Prob > 𝐶ℎ𝑖2 0,001*** 0,0000***
Pseudo 𝑅2 0,0762 0,0637
Onderdeel B: Uitkomsten regressieanalyse
Verhouding van het aantal vrouwen in
het bestuur (𝐺𝐷)
Fractie bedrijven met minstens 30% vrouwen in het bestuur (𝑑𝐺𝐷)
Coeff. 𝑃-waarde VIF Coeff. 𝑃-waarde VIF
Klantevredenheid
Gender diversiteit 0,0420** 0,0110 1,150 0,6947 0,3040 1,016 Industrietype 0,2586 0,5510 1,009 0,2505 0,5680 1,010 CEO is geen voorzitter 0,8433* 0,0760 1,066 0,8260* 0,0810 1,065 Percentage outsiders 0,0050 0,6200 1,026 0,0059 0,5440 1,025
Risico 0,0142 0,1001 1,031 0,0137 0,1060 1,030
Omvang van het bestuur 0,0219 0,9850 1,408 0,2365 0,8320 1,363 Bedrijfsgrootte 0,3957* 0,0690 1,427 0,4431** 0,0450 1,394
Intercept -11,6977*** 0,0000 -12,3382*** 0,0000
Schattingen van het logistische regressiemodel. De symbolen ***, ** en * geven een statistische significantie weer van 1, 5 en 10 procent.
In onderdeel A van de tabel wordt de samenvatting van het model weergegeven. Hierin wordt de Wald 𝐶ℎ𝑖𝟐, de 𝑃-waarde van Wald 𝐶ℎ𝑖𝟐 en de pseudo 𝑅𝟐 weergegeven. Onderdeel B geeft de
uitkomsten van de regressieanalyse weer.
Om na te gaan hoe goed het model past bij de data wordt gekeken hoeveel variantie het model verklaart. Dit wordt aangegeven met 𝑅𝟐. Een logistische regressie kan niet de verklaarde
variantie geven, zoals die wel voor interval of ratio variabelen in een lineair model gedefinieerd is. Daarentegen wordt wel een pseudo 𝑅𝟐 gegeven, maar deze waarde is niet zonder meer
vergelijkbaar met de 𝑅𝟐 die bij een lineaire regressieanalyse wordt gebruikt (Hoetker, 2007). Om
de verklarende waarde van het model te bepalen is de Wald Chi2 statistiek een betere maatstaf.
De Wald 𝐶ℎ𝑖2 wordt gebruikt om de samenhang tussen variabelen van het model te toetsten
(Gouriéroux, Holly, & Monfort, 1982). De Wald 𝐶ℎ𝑖2 toetst de significantie van individuele
regressiecoëfficiënten in een model, waarbij gekeken wordt of de onafhankelijke variabelen in het model invloed hebben op de afhankelijke variabelen. De waarde van de Wald 𝐶ℎ𝑖𝟐- statistiek in
tabel 5 is voor het percentage vrouwen in het bestuur en voor de frequentie van bedrijven met minstens 30% vrouwen in het bestuur respectievelijk 24,28 en 0,0221. De 𝑃-waarde van deze waarden is in beide modellen kleiner dan 0,01. Dit geeft de kans op een effect van onafhankelijke variabelen op de afhankelijke variabele weer. De uitkomst van de kleine 𝑃-waarde in beide modellen geeft aan dat er een effect is van de onafhankelijke variabelen op de afhankelijke variabele.
In onderdeel B van tabel 5 worden de resultaten van de logistische regressieanalyse weergegeven. Hierbij wordt een positief effect gevonden tussen de verhouding vrouwen in het bestuur en de klanttevredenheid. Dit effect is significant op een 5 procent niveau (0,042; 𝑃-waarde < 0,05). In dit model wordt er dus support gevonden voor hypothese 1. Echter, de frequentie van bedrijven met minstens 30% vrouwen in het bestuur heeft wel een positief maar geen significant effect op klanttevredenheid (0,6947; 𝑃-waarde > 0,10). Alleen bij het eerste model wordt dus een support voor de eerste hypothese gevonden.
Zoals verwacht hebben de controle variabelen bedrijfsgrootte en CEO is geen voorzitter van het bestuur, in zowel het eerste als tweede model, een positief en significant effect op
industrietype wordt geen significant maar wel positief effect gevonden op de klanttevredenheid. Het rapporteren van klanttevredenheid is dus niet afhankelijk van het industrietype.
In tabel 5 onderdeel B wordt ook de VIF weergegeven. De variance inflation factor (VIF) geeft aan of multicollineariteit aanwezig is tussen twee of meer variabelen. Er is geen formele criteria welke waarde de VIF moet hebben voordat er multicollineariteit is tussen variabelen. Volgens de meeste onderzoekers (bijvoorbeeld Craney & Surles, 2002 en O’brien, 2007) is er sprake van ernstige multicollineariteit wanneer de VIF groter is dan 10. Als de VIF een kleine waarde heeft (tussen 0 en 5) zal er weinig multicollineariteit tussen variabelen zijn. Wanneer sprake is van hoge multicollineariteit tussen twee of meer variabelen, worden de uitkomsten van het model beïnvloed. Om dit tegen te gaan dienen de variabelen met een hoge VIF uit het model verwijderd te worden.
De waarde van de VIF in tabel 5 onderdeel B is voor beide modellen lager dan 5, waardoor aangenomen wordt dat er nauwelijks multicollineariteit aanwezig is tussen de variabelen.
5.3 H2: Effect van gender diversiteit op innovatie
De tweede hypothese van dit onderzoek is of gender diversiteit een positief effect heeft op innovatie. Dit is onderzocht door middel van een lineaire regressieanalyse waarbij tabel 6 de uitkomsten weergeeft van deze analyse.
In onderdeel A wordt een samenvatting van het model weergeven. Onderdeel B geeft de uitkomsten van de lineaire regressie weer.
De modelsamenvatting geeft onder andere de goodness-of-fit van de modellen weer. De 𝐹-statistiek voor model I en model II zijn 9,85 respectievelijk 9,95. Dit geeft de hoeveelheid verklaarde variantie ten opzichte van niet verklaarde variantie weer. De 𝑃-waarde van de 𝐹-test is in zowel model I als II is kleiner dan 0,0000. Dit geeft aan dat de modellen in zijn geheel een effect hebben op een niveau van 1 procent. Hoe groot dit effect is wordt weergegeven met 𝑅2.
Met 𝑅2 wordt aangegeven hoeveel variantie het model verklaart ten opzichte van het totaal
aantal variantie. Model I verklaart 15,52 procent van de variantie en model II 15,63 procent. Onderdeel B van tabel 6 geeft de resultaten van de lineaire regressieanalyse weer. Het belangrijkste resultaat is dat er geen statistisch bewijs is voor een direct effect van gender diversiteit op innovatie, voor beide definities van de variabele gender diversiteit. In dit onderzoek is dus geen support gevonden voor de tweede hypothese. Het percentage vrouwen in het bestuur heeft wel een positief, maar niet significant effect op de innovatie van een bedrijf (0,212; 𝑃-waarde > 0,10).
Bij de frequentie van bedrijven met minstens 30% vrouwen in het bestuur, zien we een negatief en significant effect op de innovatie van een bedrijf (-1,2944; 𝑃-waarde < 0,05). Deze uitkomsten zijn tegenstrijdig met elkaar en een negatief verband sluit niet aan met de verwachting vanuit de theorie. Dit zou kunnen komen doordat het verschijnsel wellicht niet lineair is: een klein percentage vrouwen binnen het bestuur heeft een positief effect, maar wanneer het percentage 30 procent of meer wordt draait het effect om.
Tabel 6: Resultaten van de regressieanalyse van het effect van vrouwen in het bestuur op innovatie, rekening
houdend met clustervariabelen.
Onderdeel A: Model samenvatting
Verhouding van het aantal vrouwen in het bestuur (𝐺𝐷)
Fractie bedrijven met minstens 30% vrouwen in het bestuur (𝑑𝐺𝐷)
Aantal observaties 1.967 1.967 𝐹(7, 538) 9,85 9,95 Prob > (𝐹) 0,0000*** 0,0000*** R-squared (𝑅2) 0,1552 0,1563 Adjusted R-squared (𝑅2) 0,1521 0,1533 Onderdeel B: Uitkomsten regressieanalyse
Verhouding van het aantal vrouwen in
het bestuur (𝐺𝐷)
Fractie bedrijven met minstens 30% vrouwen in het bestuur (𝑑𝐺𝐷)
Coeff. 𝑃-waarde VIF Coeff. 𝑃-waarde VIF
Innovatie
Gender diversiteit 0,0212 0,3170 1,150 -1,2944** 0,0120 1,016 Industrietype -2,3975*** 0,0000 1,009 -2,4101*** 0,0000 1,010 CEO is geen voorzitter 1,1782** 0,0170 1,066 1,1548** 0,0190 1,065 Percentage outsiders -0,0019 0,8960 1,026 -0,0016 0,9110 1,025
Risico -0,0712*** 0,0000 1,031 -0,0706*** 0,0000 1,030
Omvang van het bestuur -5,5017*** 0,0000 1,408 -5,1561*** 0,0000 1,363 Bedrijfsgrootte -0,7012** 0,0180 1,427 -0,6667** 0,0240 1,394
Bij de controle variabelen is voor beide modellen de variabele CEO is geen voorzitter significant positief gerelateerd aan innovatie. De onafhankelijkheid van het bestuur is positief van invloed op de innovatie van het bedrijf. Het industrietype van een bedrijf heeft een significant effect van 1 procent op innovatie. Productiebedrijven hebben meer R&D uitgaven dan dienstverlenende bedrijven. Dit is in lijn met de verwachtingen. De variabele risico heeft ook een negatief significant effect op innovatie. Dit is niet in lijn met de verwachting, waarbij een positief effect was verwacht. Innoveren brengt over het algemeen meer risico voor het bedrijf met zich mee. Als laatste heeft ook bedrijfsgrootte een significant negatief effect op innovatie. Hierbij was juist het omgekeerde effect verwacht. Uit de analyse blijkt dat kleine bedrijven meer profiteren van de voordelen van innovatie dan grote bedrijven.
De VIF van de variabelen in deze tabel zijn allen lager dan 5, wat een indicatie is voor weinig multicollineariteit tussen de variabelen.
5.4 H3: Effect van gender diversiteit op bedrijfsprestaties
Bij de derde hypothese van dit onderzoek wordt gekeken of gender diversiteit een positief effect heeft op de bedrijfsprestaties door een positief effect van gender diversiteit op de klanttevredenheid en innovatie.
Uit de vorige twee paragrafen blijkt dat alleen gender diversiteit gemeten als het percentage vrouwen in het bestuur een positief effect heeft op zowel klanttevredenheid als innovatie. In deze paragraaf zal dus alleen naar het model gekeken worden waarin gender diversiteit gemeten wordt als het percentage vrouwen in het bestuur.
De uitkomsten van de lineaire regressieanalyse wordt weergegeven in tabel 7.
In onderdeel A wordt een samenvatting van het model weergegeven, waarbij onder andere de uitkomsten van de 𝐹-waarde en de 𝑅2 worden gegeven. De 𝐹-waarde van dit model is 24,14 en
heeft een 𝑃 -waarde van 0,000. De goodness-of-fit van het model (verklaarde variantie ten opzichte van onverklaarde variantie) is op basis van deze waarde voldoende. De fractie variantie die in totaal wordt verklaard (𝑅2) is 11,96%.
Gebaseerd op de resultaten van onderdeel B van tabel 7 is er in dit model geen statistisch bewijs voor een direct effect van gender diversiteit op de waarde van een bedrijf. Het percentage vrouwen in het bestuur heeft zelfs een negatief effect op de prestaties van een bedrijf. Dit effect is echter niet significant (-0,0145; 𝑃-waarde > 0,10). Dit sluit aan bij de verwachting dat gender diversiteit geen direct effect heeft op de bedrijfsprestaties. Ook sluit dit resultaat aan met
voorgaand onderzoek (bijvoorbeeld Marinova, Plantenga, & Remery, 2010), waarbij geen direct effect van vrouwen in het bestuur en bedrijfsprestaties is gevonden.
Tabel 7: Resultaten van de regressieanalyse van het effect van vrouwen in het bestuur op bedrijfsprestaties, rekening
houdend met clustervariabelen.
Onderdeel A: Model samenvatting
Verhouding van het aantal vrouwen in het bestuur (𝐺𝐷) Aantal observaties 1.967
𝐹(11, 1955) 24,14
Prob > (𝐹) 0,0000***
R-squared (𝑅2) 0,1196
Adjusted R-squared (𝑅2) 0,1146
Onderdeel B: Uitkomsten regressieanalyse
Verhouding van het aantal vrouwen in het bestuur (𝐺𝐷)
Coeff. 𝑃-waarde VIF
Bedrijfsprestaties
Gender diversiteit -0,0147 0,659 1,540
Klanttevredenheid -3,7876 0,112 6,908
Gender diversiteit × klanttevredenheid 0,1915 0,132 6,977
Innovatie -0,3464*** 0,000 2,644
Gender diversiteit × Innovatie 0,0046 0,480 2,671
Industrietype -1,1405* 0,058 1,045
CEO is geen voorzitter 0,1570 0,783 1,082
Percentage outsiders -0,0208 0,155 1,027
Risico -0,1333*** 0,000 1,068
Omvang van het bestuur 1,6584 0,259 1,448
Bedrijfsgrootte 0,1239 0,709 1,462
Intercept 6,6981 0,211
procent. Deze resultaten sluiten niet aan bij de verwachtingen, waarbij een positief effect van deze variabelen op de bedrijfsprestaties werd verwacht. Met deze uitkomsten wordt de derde hypothese verworpen.
Daarentegen heeft het gecombineerde effect van gender diversiteit maal klanttevredenheid en gender diversiteit maal innovatie een positieve maar geen significante relatie met de bedrijfsprestaties (0,1915; 𝑃 -waarde > 0,10 respectievelijk 0,0046; 𝑃 -waarde > 0,10). Deze positieve uitkomsten sluiten aan bij de verwachting dat tussen gender diversiteit en bedrijfsprestaties niet een directe maar een indirecte relatie zit.
Een mogelijke reden voor het negatieve effect van klanttevredenheid op bedrijfsprestaties is dat een stijging van bedrijfsprestaties door klanttevredenheid zich niet in hetzelfde jaar maar in opvolgende jaren voordoet. Dit sluit aan bij het onderzoek van (Chiquan Guo & Jiraporn, 2005) die aantonen dat huidige klanttevredenheid zowel een negatief effect heeft op het netto resultaat als op de totale activa, maar klanttevreden gemeten op 𝑡-1 heeft een positief effect op de ROA. Ook bij de variabele innovatie zou dit een mogelijke verklaring kunnen zijn: niet alle innovatieve ideeën en kosten resulteren in snelle en verbeterde bedrijfsprestaties.
Daarnaast heeft de variabele risico een negatief significant verband met bedrijfsprestaties (-0,1333; 𝑃 -waarde < 0,01). Dit geeft aan dat wanneer het risico van een bedrijf stijgt, de
bedrijfsprestaties zal dalen. Dit is in lijn met de verwachting. De variabele industrietype heeft ook een significant negatief effect op de bedrijfsprestaties, op een niveau van 10 procent. Het was onduidelijk wat het effect van industrietype op bedrijfsprestaties zou zijn. Uit de analyse blijkt dat productiebedrijven in deze populatie betere bedrijfsprestaties hebben dan dienstverlenende bedrijven.
De corporate governance variabelen CEO is geen voorzitter van het bedrijf en omvang van het bestuur hebben een positieve, maar geen significante invloed op de bedrijfsprestaties. Volgens Jackling & Johl, (2009) is er een positieve associatie tussen de omvang van het bestuur en bedrijfsprestaties omdat bij grotere besturen meer kennis binnen het bestuur is. Hierdoor is er meer informatie beschikbaar en dit leidt tot betere bedrijfsbeslissingen. Ook leidt een verhoogde onafhankelijkheid binnen het bestuur tot betere bedrijfsprestaties.
De VIF-waarde van dit model is voor de meeste variabelen lager dan 5. Echter voor de variabelen klanttevredenheid en gender diversiteit × klanttevredenheid is de VIF-waarde respectievelijk 6,908 en 6,977. Deze waarde ligt tussen de 5 en 10 waardoor er sprake is van
multicollineariteit tussen deze variabelen. Omdat de VIF-waarde van beide variabelen niet hoger is dan 10 (ernstige multicollineariteit), zijn deze variabelen niet uit het model verwijderd.
5.5 Resumé
Samenvattend geven, op basis van deze populatie, de bevindingen bewijs voor een positieve relatie tussen het percentage vrouwen in het bestuur en klanttevredenheid (hypothese 1). De bevindingen geven geen bewijs dat er een (indirect) relatie is tussen gender diversiteit in het bestuur en innovatie en tussen gender diversiteit en de prestaties van het bedrijf (hypothese 2 en 3).
In deze dataset resulteert het hebben van vrouwelijke bestuursleden niet in een betere, of slechtere, bedrijfsprestaties. Dit is in lijn met andere Amerikaanse studies (bijvoorbeeld Carter e.a., 2010). Wel resulteert, volgens deze dataset, het hebben van vrouwelijke bestuursleden in een hogere klanttevredenheid, maar niet in een verhoogde mate van innovatie.
In appendix A staan de uitkomsten van de Kolmogorov-Smirnov toets. Deze toets gaat na of de of de error term in een lineaire regressie normaal verdeeld is.
Hypothese 1 is getoetst op basis van een logistische regressie, hierbij is geen sprake van een normaal verdeelde error term.
Bij zowel hypothese 2 als 3 is de error term niet normaal verdeeld (𝑃 < 0,05). Dit houdt in dat de error term in deze twee modellen significant afwijken van normale verdeling. De resultaten van deze regressie analyses dienen daarom met extra voorzichtigheid geïnterpreteerd te worden.
