Het effect van industrie-specialisatie-duur op auditkwaliteit

Hele tekst

(1)Amsterdam Business School. Het effect van industrie-specialisatie-duur op auditkwaliteit.. Name: Ralph Uenk Student number: 10901957 Thesis supervisor: dhr. dr. P. Klijnsmit RA Date: 15 June 2016 MSc Accountancy & Control, specialization Accountancy Faculty of Economics and Business, University of Amsterdam.

(2) Statement of Originality This document is written by student Ralph Uenk 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.. 2.

(3) 1. Voorwoord. Om mijn masterpleiding Accountancy & Controle aan de Universiteit van Amsterdam af te ronden heb ik onderzoek gedaan naar het effect van industrie-specialisatie-duur op auditkwaliteit. In het bijzonder wil ik mijn begeleider dhr. dr. P. Klijnsmit bedanken voor zijn feedback en suggesties om mijn onderzoek te verbeteren. Tevens wil ik mijn persoonlijke omgeving bedanken voor het hun onuitputtelijke begrip en geduld. Met de support van deze mensen heb ik mijn masterscriptie weten te voltooien.. 3.

(4) 2. Samenvatting. In voorgaande onderzoeken is vaak aandacht besteed aan het effect van industriespecialisatie op de auditkwaliteit. Deze onderzoeken laten tegenstrijdigheden zien in de uitkomsten van het effect van auditor industriespecialisatie op auditkwaliteit. De meeste studies komen tot de conclusie dat auditors, welke specialist zijn in een sector op basis van marktaandeel, geassocieerd zijn met hogere auditkwaliteit. Daarentegen zijn er echter recente studies dit in twijfel trekken. In dit onderzoek wordt gesteld dat de associatie tussen auditor industriespecialisatie en auditkwaliteit afhankelijk is van hoe lang een auditor al wordt aangemerkt als een industriespecialist. In dit onderzoek is gebruik gemaakt van een grote groep waarneming van U.S. bedrijven over de periode 2003-2014. Het effect op auditkwaliteit is bepaald op basis van de discretionaire overlopende posten als proxy voor auditkwaliteit. Een hoge mate van discretionaire overlopende posten is gebuikt als indicator voor een lage auditkwaliteit. De proxy industriespecialist wordt bepaald aan de hand van het marktaandeel, welke 10 procent groter dient te zijn ten opzichte van het eerst daarop volgende accountantskantoor, om aangemerkt te worden als specialist. Een ervaren specialist wordt gekenmerkt door het zijn specialist in drie achtereenvolgende jaren. Uit het onderzoek blijkt dat auditor welke pas recent zijn aan te merken als industriespecialist (onervaren specialist) geen verschil laat zien met niet-specialistische auditors in het vermogen om discretionaire overlopende posten bij klanten te beperken. Daarnaast blijkt uit dit onderzoek dat ervaren industriespecialisten juist hogere auditkwaliteit leveren dan onervaren specialisten en niet-specialisten. Ook bij het hanteren van een andere definitie van een industriespecialist, namelijk dat een auditor tenminste 30% marktaandeel vertegenwoordigd in een sector, houden de resultaten stand.. 4.

(5) Inhoudsopgave 1. Voorwoord ......................................................................................................................................... 3. 2. Samenvatting ...................................................................................................................................... 4. 3. Introductie .......................................................................................................................................... 6. 4. Literatuur review ................................................................................................................................ 9. 5. 6. 4.1. Auditkwaliteit.............................................................................................................................. 9. 4.2. Industriespecialisatie ................................................................................................................ 11. 4.3. Hypotheses................................................................................................................................ 13. Methodologie.................................................................................................................................... 15 5.1. Onderzoekspopulatie............................................................................................................... 15. 5.2. Empirisch model ...................................................................................................................... 15. Resultaten en analyse....................................................................................................................... 20 6.1. Beschrijvende statistiek............................................................................................................ 20. 6.2. Resultaten .................................................................................................................................. 29. 6.3. Robuustheidstest ...................................................................................................................... 32. 7. Conclusie........................................................................................................................................... 35. 8. Referenties ........................................................................................................................................ 37. Appendix A................................................................................................................................................ 41 Appendix B................................................................................................................................................ 44 Appendix C................................................................................................................................................ 46. 5.

(6) 3. Introductie. In voorgaande onderzoeken is vaak aandacht besteed aan het effect van industriespecialisatie op de auditkwaliteit1. Deze onderzoeken suggereren dat auditors, welke industriespecialist zijn, meer auditkwaliteit leveren aan hun klanten dan auditors welke geen industriespecialist zijn. Zo hebben bedrijven welke gecontroleerd worden door een specialist minder discretionaire overlopende posten2, meer winst respons coëfficiënten (ERC)3 en zijn minder geneigd om aan verwachtingen te voldoen (Balsam, Krishnan & Yang, 2003; Reichelt and Wang, 2010). Voorgaande onderzoeken richten zich met name op industriespecialisatie gemeten op basis van het marktaandeel binnen een specifieke sector. Een beperking in deze onderzoeken is dat industriespecialisatie niet direct waarneembaar is. Hierop volgend is er recent onderzoek gedaan door Minitti-Meza (2013) naar het gebruik van de proxy marktaandeel voor het meten van industriespecialisatie. Het onderzoek richt zich op de relatie tussen auditor industriespecialisatie en auditkwaliteit door gebruik te maken van een onderzoeksopzet dat de invloed van klantkarakteristieken mitigeert. De onderzoeker stelt dat na het matchen van klanten van industriespecialisten en non-industriespecialisten naar industrie, grootte en prestaties er geen significante verschillen bestaan tussen deze twee groepen auditors. Dit suggereert dat het bewijs uit voorgaande onderzoeken, dat industriespecialisatie auditkwaliteit verhoogt, lijkt te zijn geassocieerd met klantkarakteristieken en niet met auditorkarakteristieken zoals marktaandeel. Minutti-Meza impliceert hier niet mee dat industriekennis niet belangrijk is voor auditors, maar dat bestaande onderzoeken niet genoeg rekening houden met het lerend vermogen van de auditor. Zo stelt Minutti-Meza dat een auditor specialistische kennis kan hebben, ook wanneer het accountantskantoor een klein marktaandeel vertegenwoordigd. In mijn onderzoek stel ik dat een accountantskantoor marktleider kan worden, maar dat dit niet direct een hogere auditkwaliteit tot gevolg heeft. Dit aangezien het accountantskantoor nog niet de mogelijkheid. Beasley and Petroni (2001) hebben onderzoek gedaan naar het effect van industriespecialisatie op auditkwaliteit en stellen dat, naast merknaam, ook de auditor’s industriespecialisatie positief geassocieerd is met auditkwaliteit. Tevens suggereren de onderzoekers Low (2004) en Solomon et al. (1999) dat industrie ervaring een positief effect heeft op de kans dat de auditor een fout ontdekt. Resultaten van andere onderzoeken suggereren dat auditors welke industrie specialist zijn een hogere auditkwaliteit leveren doordat deze bedrijven minder discretionaire overlopende posten hebben (Krishan 2003, Payne 2008). 2 Discretionaire overlopende posten zijn reserveringen welke opgenomen zijn op de balans en tot stand komen als gevolg van keuzes van het management. Het management gebruikt hierbij een set van algemeen geaccepteerde procedures welke door standaard-setters zijn gedefinieerd. Marquardt en Wiedman (2004) tonen aan dat managers discretionaire overlopende posten gebruiken om op korte termijn aan winstdoelstellingen te voldoen. 3 Winst respons coëfficiënten tonen het verband tussen resultaat en onverwachte winstmeldingen. De aandelenkoers van een bedrijf is gerelateerd aan de beschikbare informatie voor investeerders. 6 1.

(7) heeft gehad om voldoende te investeren in personeel en technologie. Daadwerkelijke specialisatie blijft in de eerste jaren nog uit. Balsam. et. al.. (2003). hebben. onderzoek. gedaan. naar. auditkwaliteit. door. industriespecialisten te vergelijken met niet-industriespecialisten. Balsam et al. stellen hierbij dat industriespecialisatie gemeten kan worden door marktaandeel, aangezien industrie specialistische kennis is gebaseerd op het repeterend karakter van audits en dat kantoren met een groot marktaandeel een grotere prikkel hebben om te investeren in specialistisch personeel en technologie. Het onderzoek van Balsam et al. (2003) negeert het lerend effect van een auditor. Een auditor verkrijgt klantspecifieke kennis door het uitvoeren van audits. Deze kennis wordt elke periode geüpdatet en wordt meer specifiek gedurende de tijd. Dit wordt het leereffect genoemd (Beck & Wu, 2006). Verschillende onderzoeken tonen aan dat dit leereffect een positief effect heeft op de auditkwaliteit (King and Schwartz 1999, Low 2004). Gedurende de eerste jaren dat een auditor betrokken is bij een opdracht ontstaat het leereffect, aangezien de auditkwaliteit verhoogt wordt doordat de auditor meer inzicht verkrijgt in het financiële rapportage systeem, industrie en interne controles van de klant (Brooks et al., 2011). Deze bevindingen liggen in lijn met de bevindingen van onderzoeker Yelle (1979), welke stelt dat de hoeveelheid nieuwe informatie bij elke opeenvolgende audit afneemt tot het punt dat de maximale hoeveelheid informatie bereikt is. In mijn onderzoek suggereer ik dat het behalen van marktaandeel door acquisitie en het inen uitstromen van industriespecialisten tot gevolg kan hebben dat kantoren nog onvoldoende tijd hebben gehad om te investeren in specialistische technologie en personeel om op grote schaal hoge auditkwaliteit te leveren. Hierop aansluitend kan industriespecialisatie gezien worden als een multidimensionaal product van marktaandeel en ervaring. In tegenstelling tot marktaandeel, veronderstel ik dat industriespecialist duur wel correleert met repeterend karakter van audits en ervaring. In dit onderzoek wordt derhalve nagegaan in hoeverre industriespecialisatie duur de auditkwaliteit verhoogd. Dit onderzoek is relevant aangezien er aanvulling wordt gegeven op bestaande literatuur, door niet enkel marktaandeel als proxy aan te merken voor industriespecialisatie, maar ook het effect van industriespecialisatie duur op auditkwaliteit te onderzoeken. Tevens kan het aanvulling. 7.

(8) geven op de bestaande discussie over verplichte kantoorroulatie4, aangezien de mogelijkheid kan bestaan dat een kantoor industriespecialist wordt zonder voldoende kennis en ervaring en daarmee geen hogere auditkwaliteit levert dan een ervaren sectorspecialist. Om de centrale vraag te beantwoorden zal in paragraaf 4 voorgaande literatuur worden beschreven en een verdere uitwerken van de begrippen auditkwaliteit en industriespecialisatie, wat leidt tot ontwikkeling van de hypotheses. De onderzoeksmethodiek zal worden beschreven in paragraaf 5. In paraaf 6 worden de resultaten van het onderzoek geanalyseerd. Tot slot kom ik in paragraaf 7 tot de conclusie van mijn onderzoek.. Op basis van de Green Paper ‘Audit policy: Lessons from the crisis’ (Michel Barnier, 2010) zijn in de EU richtlijnen aangenomen welke kantoorroulatie eens in de acht jaar verplichtstellen voor organisaties van openbaarbelang. Ook de Public Company Accounting Oversight Board (PCAOB) onderzoekt de mogelijkheid tot het invoeren van verplichte auditorroulatie. Cameran et al. (2005) stellen dat de onafhankelijkheid en objectiviteit van een auditor kunnen worden aangetast door een langdurige cliëntrelatie, aangezien de standpunten van beide partijen naar elkaar toegroeien. Brody & Moscove (2005) stellen daarentegen dat auditorroulatie de onafhankelijkheid vergroot door de onbevooroordeelde blik van de auditor en dat daardoor de auditkwaliteit verhoogd. 8 4.

(9) 4. Literatuur review. Dit hoofdstuk bevat een uiteenzetting van de bestaande literatuur welke aan dit onderzoek ten grondslag ligt. Als eerste ga ik in op het begrip auditkwaliteit en hoe het gemeten kan worden. Ten tweede wordt begrip industriespecialist beschreven in relatie tot klantrelatie duur en auditkwaliteit. Tot slot worden de hypotheses ontwikkelt en bediscuteert.. 4.1. Auditkwaliteit. 4.1.1 Definitie van auditkwaliteit. In het Conceptual Framework van de FASB wordt auditkwaliteit gedefinieerd als “de bruikbaarheid van het financieel verslag voor de investeerders”, waarbij de bruikbaarheid is geassocieerd met de relevantie en tijdigheid van informatie (FASB, 1978, no. 1, pp.15). Het financieel verslag communiceert financiële informatie van het bedrijf naar de belanghebbende. Aangezien er een tegengesteld belang bestaat (agency theorie) en het feit dat managers over meer en betere informatie beschikken dan de gebruikers van het financieel verslag (informatie asymmetrie), dienen auditors de gerapporteerde financiële verslagen van de managers te verbeteren (Johnson et. al., 2002). Volgens DeAngelo (1981b) wordt de auditkwaliteit gedefinieerd als de waarschijnlijkheid voor een auditor om een fout in de boekhouding van een klant op te merken en hierover rapporteren. DeAngelo stelt hiermee dat de waarschijnlijkheid dat een fout wordt gevonden enerzijds beïnvloed wordt door de technische vaardigheden van de accountant en anderzijds door de onafhankelijkheid van de accountant. 4.1.2 Meetbaarheid van auditkwaliteit. De auditkwaliteit wordt binnen voorgaande onderzoeken op verschillende wijze gemeten, zoals bijvoorbeeld door de hoogte van de discretionaire overlopende posten, om de mate winststuring te duiden (Chen at al. 2008), het aantal juridische processen (Stice, 1991) of de hoogte van de kapitaalkosten (Ghosh & Moon, 2005). Deze genoemde maatstaven zijn afgeleiden van de accountantscontrole en worden veelal gebruikt bij onderzoeken waarbij de auditkwaliteit wordt gemeten aan de hand van een indirect criterium als een continuïteitsparagraaf, een controleverklaring of discretionaire overlopende posten (Francis, 2011). In andere onderzoeken wordt auditkwaliteit gemeten door merknaam, reputatie of de grootte van het kantoor (Balsam et al, 2004; DeAngelo, 1981).. 9.

(10) Er bestaat binnen de huidige literatuur geen eenduidige definitie van auditkwaliteit. In het onderzoek van DeAngelo, welke de auditkwaliteit gedefinieerd als de waarschijnlijkheid voor een auditor om een fout in de boekhouding van een klant op te merken en hierover rapporteert, stelt de onderzoeker dat tot deze definitie is gekomen door enkel de inen output van de auditor is meegewogen. De input moet gezien worden als de kennis en ervaring van de auditor en de output betreft de jaarrekening zoals die is opgesteld door het de cliënt. Aan de punt van de klant wordt voorbij gegaan. Moore et al. (2006) stellen de klant grote invloed kan hebben op de onafhankelijkheid van de auditor. Als voorbeeld geven de onderzoekers de druk om de klant te verliezen en ontevredenheid vanuit de klant over het kwaliteit van de audit. De onderzoekers stellen dat deze druk een grotere invloed heeft op de onafhankelijkheid dan dreiging met juridische processen of de aantasting van de reputatie van de auditor. Naast de hiervoor beschreven definities stelt Francis (2011) dat auditkwaliteit gezien moet worden continuüm gaande van zeer lage auditkwaliteit tot zeer hoge auditkwaliteit. Een continue opvatting van auditkwaliteit gaat er van uit dat auditkwaliteit niet enkel binair (auditfout vs. geen auditfout) kan worden benaderd. Door enkel te focussen op de auditfouten van bijvoorbeeld een verkeerde auditverklaring, wordt immers voorbij gegaan aan het kwaliteitsverschil dat ook bij auditopdrachten, die uiteindelijk niet tot een verkeerde auditverklaring leiden, aanwezig kan zijn (ICCI, p41, 2014). Samenvattend kan gesteld worden dat auditkwaliteit naast het functioneren van de auditor, gemeten op basis van deskundigheid, inzet en professionele houding (DeAngelo, 1981) ook de pressie van uit de klant in ogenschouw genomen dient te worden (Moore et al., 2006). Op basis hiervan is een indirecte benadering van auditkwaliteit, gemeten door discretionaire overlopende posten, de meest geschikte methode, aangezien het de auditkwaliteit meetbaar maakt op verschillende niveaus (Francis, 2011). Derhalve dient deze definitie als uitgangspunt van dit onderzoek. 4.1.3 Toegepast model van auditkwaliteit. Zoals in de voorgaande paragraaf beschreven hebben managers er belang bij om bedrijfsresultaten te beïnvloeden (Jensen & Meckling, 1976). Een veelgebruikt instrument om auditkwaliteit te meten is de mate van discretionaire overlopende posten. Defond et. al. (2005). suggereert dat earningsmanagement, wat niet wordt opgemerkt door de auditor, een lagere auditkwaliteit tot gevolg heeft. Volgens Mascarenhas et al. (2010) wordt dit veroorzaakt door dat discretionaire overlopende posten een grote mate van subjectiviteit in zich hebben. Dechow et al. 10.

(11) (1995) heeft vijf modellen vergeleken en geconcludeerd dat het aangepaste Jones model (1991) het nauwkeurige model is om earningsmanagement te ontdekken. Bij het toepassen van het Jones model (1991) kunnen de overlopende posten als volgt worden benaderd: ‘Totaal overlopende posten = netto inkomen -/- operationele kasstroom’, waarbij de totale overlopende posten onderverdeeld kunnen worden in discretionaire en nietdiscretionaire overlopende posten. Het aandeel van het totaal aan overlopende posten wat niet verklaard kan worden door operationele activiteiten wordt gezien als een discretionaire post. Wanneer het opgenomen bedrag aan overlopende posten afwijkt van de werkelijkheid, zijn managers in staat om een hoger of lager bedrag te presenteren op de balans om aan hun eigen belangen te voldoen. Wanneer een auditor deze fouten niet ontdekt of niet rapporteert, verlaagd dit de auditkwaliteit (Meyer et al., 2003). Concluderend kan gesteld worden dat het aangepaste Jones model (1991) een geschikt model is om door middel van discretionaire overlopende posten, audit kwaliteit te meten. Dit model zal in dit onderzoek dan ook worden toegepast.. 4.2. Industriespecialisatie. 4.2.1 Definitie van industriespecialisatie. Volgens Dyer (1996) dient een bedrijf uniek zijn of een specialisme te beheersen om zich te kunnen onderscheiden van concurrenten. Bedrijven welke gekenmerkt worden door veel specialistische kennis zijn in staat om een competitieve voordelen te behalen. De theorie van Abell (1980) over segment differentiatie sluit hierop aan. Het doel van segment differentiatie is producten en dienstverlening beter af te stemmen op de behoefte van de klant. Hogan & Jeter (1999) tonen aan dat binnen de accounting sprake is van industriespecialisatie. Uit onderzoek van General Accountability Office (2008) blijkt dat ca. 80 procent van de bedrijven industriespecialisatie een belangrijke factor vinden bij het aanstellen van een nieuwe auditor. De GAO benaderd industriespecialisatie door middel van het kantoor met relatief het hoogste marktaandeel binnen een specifieke. Voorgaande empirische onderzoeken hebben industriespecialisatie gemeten door middel van het marktaandeel binnen een specifieke sector en sluiten hiermee aan met de definitie van Neal & Riley (2004). ‘Een specialist is een bedrijf dat zichzelf heeft onderscheiden van concurrenten in termen van marktaandeel binnen een specifieke industrie’.. 11.

(12) 4.2.2 Industriespecialisatie en auditkwaliteit. Onderzoekers hebben in de afgelopen jaren veel onderzoek verricht naar het effect van auditorervaring en auditkwaliteit. Experimenteel onderzoek bevestigt het belang van auditorervaring door bewijs te leveren dat specifieke industriekennis de auditkwaliteit kan verhogen doordat de kans vergoot dat de auditor een fout ontdekt en de risico analyse verbetert (Owhoso et al. 2002, Solomon et al. 1999). Ook is door middel van empirisch onderzoek het effect van auditor industrie kennis onderzocht. Deze studies hebben een positief verband aangetoond tussen industriespecialisatie en auditkwaliteit (Balsam, Krishnan & Yang, 2003; Reichelt and Wang, 2010). Reichelt et al. (2010) hebben aangetoond dat auditors welke zowel nationaal én stedelijke industriespecialisten zijn, klanten hebben met de laagste discretionaire overlopende posten, wat suggereert dat deze industrie specialistische auditors een hogere auditkwaliteit leveren en dat het auditteam op lokaal niveau doorslaggevend is voor deze hogere auditkwaliteit. De achtergrond van dit onderzoek is dat grotere accountantskantoren geassocieerd zijn meer auditkwaliteit, gezien de mogelijkheid om kennis beter te verspreiden door bijvoorbeeld vaktechnische afdelingen op nationaalniveau. Reichelt et al. tonen aan dat enkel industrie specialist zijn op nationaal niveau niet voldoende is om significant meer auditkwaliteit te leveren, maar dat het essentieel is dat ook op stedelijk niveau de auditor industriespecialist is. Een beperking in dit empirische onderzoek is dat industriespecialisatie niet direct waarneembaar is. Zoals hierboven aangegeven maken deze studies gebruik van het marktaandeel in een specifieke sector om industriespecialisatie te meten (Neal & Riley, 2004) en het opnemen van overlopende posten op basis van keuzes van het management, als indicator voor auditkwaliteit. Uit recent onderzoek van Minutti-Meza (2013) blijkt dat de proxy marktaandeel als indicator voor sectorspecialist niet betrouwbaar is. De onderzoeker stelt het bewijs dat specialisatie de auditkwaliteit verhoogt, geassocieerd is met klantkarakteristieken niet met de kenmerken van de auditor. Minutti-Meza stelt dat een auditor veel industriekennis kan hebben, ook als het marktaandeel in de sector laag is. Tevens stellen de onderzoeken, welke enkel op marktaandeel gebaseerd zijn, dat zodra een firma marktleider is in een specifieke sector, deze firma’s meteen gespecialiseerd personeel en kennis hebben verkregen en daarmee direct de auditkwaliteit verhogen. De onderzoekers Gendron et al. (2007) stellen dat een dergelijke gecoördineerde sector aanpak binnen een firma, tijd nodig heeft om te ontwikkelen.. 12.

(13) Balsam. et. al.. (2003). hebben. onderzoek. gedaan. naar. auditkwaliteit. door. industriespecialisten te vergelijken met niet-industriespecialisten. Balsam et al. stellen hierbij dat industriespecialisatie gemeten kan worden door marktaandeel aangezien industrie specialistische kennis is gebaseerd op het repeterend karakter van audits en dat kantoren met een groot marktaandeel een grotere prikkel hebben om te investeren in specialistisch personeel en technologie. Dit onderzoek negeert het lerend effect van een auditor. Verschillende onderzoeken suggereren dat auditors door de tijd meer ervaren worden door dit leereffect en dat dit geassocieerd is met hogere auditkwaliteit (Geiger & Raghunandan, 2002; Gul et al., 2007).. 4.3. Hypotheses. In de voorgaande paragrafen is de bestaande literatuur beschreven over auditkwaliteit en industriespecialisatie. Ik heb hierbij de motivatie voor dit onderzoek en motivatie van de probleemstelling beschreven. In deze paragraaf worden de hypotheses gevormd. Uit de voorgaande literatuurbeschrijving kan worden geconcludeerd dat het gebruik van enkel de proxy marktaandeel voor het effect van industriespecialisatie op auditkwaliteit tekortkomingen bevat. De studies welke gebaseerd zijn op marktaandeel negeren het lerend vermogen van een auditor. Balsam et al. (2003) toonden aan dat firma’s met een groot markaandeel een grotere prikkel hebben om te investeren in specialistisch personeel en technologie. Tevens hebben verschillende voorgaande onderzoeken aangetoond dat auditors een door de tijd meer ervaren worden en auditors met een langere cliënt-relatie duur geassocieerd zijn met hogere auditkwaliteit (Geiger & Raghunandan, 2002; Gul et al., 2007). In tegenstelling tot onderzoeken welke enkel gericht zijn op marktaandeel, veronderstel ik dat industriespecialist duur wel correleert met repeterend karakter van audits en ervaring en dat ervaren industriespecialisten5 een hogere auditkwaliteit hebben dan onervaren sectorspecialisten. In dit onderzoek wordt hiermee het begrip industriespecialist uitgesplitst in ervaren en onervaren specialisten. Auditors welke pas net aangemerkt worden als specialist (onervaren) worden geassocieerd met lagere auditkwaliteit, aangezien zij nog onvoldoende tijd hebben gehad om te investeren in personeel en technologie. Uitgaande van de veronderstelling dat industriespecialisten meer geneigd zijn te investeren in personeel en technologie en daarmee een hogere auditkwaliteit leveren, wordt tevens verondersteld dat auditors welke geen specialist zijn deze investering niet maken en. Industriespecialisten worden aangeduid op basis van marktaandeel en zijn derhalve marktleider. In dit onderzoek wordt niet gesproken van marktleiders, maar van industriespecialisten, om de vergelijkbaarheid met voorgaande te vergroten. 13 5.

(14) daarmee geen significant verschil in auditkwaliteit laten zien in vergelijking met onervaren specialisten.. Samenvattend leidt dit tot de volgende hypotheses: H1: De auditkwaliteit is hoger voor audits uitgevoerd door ervaren industriespecialisten dan door onervaren industriespecialisten. H2: De auditkwaliteit is hoger voor audits uitgevoerd door ervaren industriespecialisten dan door nietindustriespecialisten. H3: De auditkwaliteit is gelijk voor audits uitgevoerd door niet-ervaren industriespecialisten en door nietindustriespecialisten.. 14.

(15) 5. Methodologie. In deze paragraaf wordt de onderzoeksmethodologie om de hypotheses te testen verder uitgewerkt. Als eerste wordt de onderzoekspopulatie beschreven. Tot slot zal het empirisch model beschreven worden.. 5.1. Onderzoekspopulatie. In dit onderzoek maar ik gebruik van Compustat fundamental Annual files over de jaren 20032014. In deze populatie zijn alle U.S bedrijven inbegrepen welke genoteerd zijn op de U.S. stock market. Er zijn twee redenen waarom gekozen is voor dit tijdsframe. In 2001 en daarvoor hebben zich een aantal grote accounting schandalen voorgedaan, wat heeft geleidt tot de invoering van SOX in 2002. Dit onderzoek is niet gericht op de invloed van SOX, waardoor gekozen is om een populatie in de periode na 2002. Ten tweede zijn door het gekozen tijdsframe van twaalf jaar voldoende observaties beschikbaar om de invloed van industriespecialisatie op auditkwaliteit te onderzoeken. Bedrijven zijn geclassificeerd door middel van standard industrial classification codes (SIC), waarmee het onderscheidt tussen de verschillende industrieën inzichtelijk wordt gemaakt. De SI-codes welke geassocieerd zijn met financiële instellingen (SIC 6000-6999) worden buiten de populatie gehouden, aangezien er specifieke procedures benodigd zijn om voor bedrijven in deze sector de discretionaire overlopende posten te bepalen (Frankel & M.F. Johnson & K.K. Nelson, 2002). Eveneens worden bedrijven met de SI-code “other” (09) verwijderd uit de populatie aangezien deze code wordt gebruikt voor kleine accountantskantoren en ik voor deze bedrijven niet in staat ben de klant relatie duur te bepalen. Ook worden bedrijven buiten de populatie gehouden waar onvoldoende data van beschikbaar is om de regressie van discretionaire overlopende posten uit te voeren op specialist status, controle variabelen en jaar effecten.. 5.2. Empirisch model. Zoals in paragraaf 4.1.2. al eerder aangegeven kan auditkwaliteit op verschillende wijze worden gemeten. In dit onderzoek maak ik gebruik van het aangepaste Jones model op basis van discretionaire overlopende posten (1991).. 15.

(16) 5.2.1 discretionaire overlopende posten model. Doordat auditkwaliteit niet direct waarneembaar is kan auditkwaliteit door middel van verschillende proxy’s gemeten worden. In mijn onderzoek maak ik gebruik van de discretionaire overlopende posten als proxy voor auditkwaliteit. Hierbij volg ik Becker et al. (1998), welke stellen dat discretionaire overlopende posten een direct verband heeft met earningsmanagement. Dechow et al (1995) heeft vijf modellen vergeleken en geconcludeerd dat het aangepaste Jones model (1991) de kans heeft om earningsmanagement te ontdekken. Bij het toepassen van het Jones model (1991) kunnen de overlopende posten als volgt worden benaderd: ‘Totaal overlopende posten = netto inkomen -/- operationele kasstroom’, waarbij de totale overlopende posten onderverdeeld kunnen worden in discretionaire en nietdiscretionaire overlopende posten. Wanneer het totaal aan overlopende posten is bepaald, kan er door middel van het Jones model een onderscheid gemaakt worden tussen deze normale overlopende posten en discretionaire overlopende posten. De nietdiscretionaire overlopende posten kunnen op door middel van onderstaand model worden geschat:. TOPt = α1 (1 / A t-1) + α2 ((ΔOMZt / A t-1) – (ΔINKt / A t-1)) + α3 (MVAt / A t-1). TOP. = Totaal overlopende posten van bedrijf i in jaar t (gemeten bij totaal activa op t1). A. = Activa totaal van de bedrijf i in jaar t-1. Δ OMZ. = Verandering in omzet van bedrijf i in jaar t, minus omzet van bedrijf i in jaar t1 (gemeten bij totaal activa op t-1). Δ INK. = Verandering netto inkomen van bedrijf i in jaar t, minus netto inkomen van bedrijf i in jaar t-1 (gemeten bij totaal activa op t-1). MVA. = Materiele vaste activa van bedrijf i in jaar t (gemeten bij totaal activa op t-1). 16.

(17) 5.2.2 Industriespecialist. In mijn onderzoek maak ik onderscheid tussen ervaren sectorspecialisten, onervaren sectorspecialisten en niet- sectorspecialisten. In lijn met de onderzoekers Mayhew & Wilkins (2003) 6 , wordt een auditor als sectorspecialist beschouwt wanneer de auditor het grootste marktaandeel in een sector heeft en zijn aandeel groter is dan tien procent vergeleken met de daarop volgende grootste auditor. Een sector wordt hierbij aangeduid door de tweecijferige SIC. In de bestaande literatuur wordt industriespecialisten ook wel gedefinieerd als auditors welke in een specifieke sector (o.b.v. tweecijferige SIC) in een jaar een marktaandeel vertegenwoordigen van tenminste 30 procent7. In appendix C is informatie opgenomen inzake het aantal industriespecialisten per sector, per jaar op basis van bovenstaande twee genoemde definities. Uit deze vergelijking blijkt dat er op basis van definitie 1, 376 industriespecialisten zijn waar te nemen over de jaren 2003 t/m 2014. Op basis van definitie 2 zijn er over deze periode 780 industriespecialisten waar te nemen. Gemiddeld zijn er op basis van definitie 2, 1,3 specialisten per sector per jaar. Dit gemiddeld per sector ligt in lijn met het onderzoek van Neal & Riley (2004), welke tevens op 1,3 specialisten per sector per jaar komen. De keuze van de definitie van een industriespecialist kent haar beperkingen, aangezien industrie ervaring niet direct waarneembaar is. Om zeker te zijn dat de methode van het meten van een industriespecialist geen vertekend beeld geeft van de resultaten, wordt een robuustheidtest uitgevoerd op basis van de tweede genoemde definitie. Aan het onderscheid tussen ervaren en onervaren sectorspecialisten ligt het lerend vermogen ten grondslag. Psycholoog Ebbinghaus introduceerde zogeheten leercurve in 1885. Deze theorie is in 1934 door de psycholoog Bills verder uitgewerkt (Brooks et al, 2012). Meer recenter bewijs voor het lerend vermogen, op basis van er ervaring, is geleverd door de onderzoekers Lapre at al (2000). Deze bevindingen sluiten aan met bestaande accounting literatuur, welke suggereren dat het verkrijgen van klant specifieke informatie tijd kost. Zo blijkt. Definitie 1: De onderzoekers Mayhew & Wilkins (2003) definiëren een industriespecialist als een accountantskantoor welke een marktaandeel vertegenwoordig van tenminste 10 procent groter dan het eerst daaropvolgende accountantskantoor in een specifieke sector. Mayhew & Wilkins hebben een aanvullende sensitiviteittest uitgevoerd ter onderbouwing van dit percentage. Hierbij is voor het hanteren van 7,5 procent en 15 procent onderzocht of de uitkomsten in lijn liggen met de gehanteerde 10 procent, namelijk dat industriespecialisten meer dominant zijn in hun sector en daarmee in staat zijn om significante vergoedingen te vragen voor hun dienstverlening. Uit deze sensitiviteittest blijkt dat het gebruik van 15 procent geen significante verschillen vertoont ten opzichte van 10 procent. Bij het hanteren van 7,5 procent waren er geen significant aanwijzingen van dominantie van een accountantskantoor op basis van audit-vergoedingen. Deze uitkomsten suggereren dat het duiden van een industriespecialist op basis van een 10 procent groter marktaandeel, dan het eerst volgende accountantskantoor in de sector, gegrond is. 7 Definitie 2: De onderzoekers Neal & Riley (2004) stellen dat een industrie specialist in een sector een marktaandeel vertegenwoordig van tenminste 30 procent. 17 6.

(18) uit het onderzoek van Bell et al. (2015) een auditor bij nieuw verkregen cliënten de auditkwaliteit in de periode twee tot vier jaar hoger is dan in het eerste jaar. De daarop volgende jaren laten geen significant verbetering van de auditkwaliteit zien. Voor het onderscheid tussen ervaren en onervaren industriespecialist maak ik gebruik van onderstaande dummy variabelen: Onervaren industriespecialisten. Industriespecialisten in de eerste, tweede en derde jaar worden aangeduid met één, en nul wanneer een auditor meer dan drie jaar industriespecialist is. Ervaren industriespecialisten. Een auditor is een ervaren industriespecialist wanneer o.b.v. marktaandeel (Reichelt & Wang ,2010) als industriespecialist aangeduid kan worden en wanneer de auditor langer dan drie jaar industriespecialist is (aangeduid als één in de dummy variabele).. 5.2.3 Regressiemodel. Het multivariabele regressiemodel is gebaseerd op de absolute waarde van discretionaire overlopende posten op de industriespecialisatie variabele en controle variabelen gebaseerd op voorgaand onderzoeken (Minutti-Meza, 2013, Balsam, 2003, Meyers et al.,2003 en Brooks, 2011).. AK= β0 + β1*ERVAREN + β2*NIET-ERVAREN + β *SIZE+ β*LEV + β*ROA + β*CFO +β*LOSS+ ε Variabele. Omschrijving. Verwachte impact. Afhankelijke variabele: AK. = Absolute waarde discretionaire overlopende posten, als uitkomst van het Jones model (1991).. Variabele van interesse:. ERVAREN. = Betreft waarde 1 wanneer de auditor geclassificeerd kan worden als specialist en NIETERVAREN is 0, anders is ERVAREN 0.. -. NIET-ERVAREN. = Betreft waarde 1 wanner de auditor in jaar 1,2 of 3 achtereenvolgende jaren geclassificeerd wordt als. ?. 18.

(19) specialist, anders is NIET-ERVAREN 0. Controle variabele:. SIZE. = Het logaritme de totale bezittingen van bedrijf i in jaar t.. -. LEV. = De totale schulden van bedrijf i in jaar t, naar ratio van de totale bezittingen in jaar t.. +. ROA. = Het netto resultaat van bedrijf 1 in jaar t, naar ratio van de totale bezittingen in jaar t.. -. CFO. = Operationele kasstroom naar ratio van de totale. ?. bezittingen in jaar t. LOSS. = Betreft waarde 1 wanneer het netto resultaat < 0,. +. anders is LOSS 0. Op basis van voorgaande literatuur zijn er verschillende controle variabele toegevoegd aan het regressiemodel. De controle variabele SIZE is toegevoegd aan het model om te controleren voor het effect dat grotere bedrijven meer resultaat verlagende beslissingen prefereren en daarmee negatief correleert met AK_ABS (Meyers et al., 2003). De volgende controle variabele betreft LEV en is toegevoegd aan het model, omdat bedrijven met relatief meer schulden worden geassocieerd met het gebruik van meer discretionaire overlopende posten (Jackson et al., 2008). Van bedrijven welke een verlies hebben gerealiseerd worden hogere discretionaire overlopende posten verwacht, aangezien er bij het management de prikkel bestaat om het resultaat net boven het nul-punt te laten uitkomen (Reichelt & Wang, 2010), derhalve is de verwachte impact van LOSS positief. Een hogere ROA suggereert een lagere intentie om discretionaire overlopende posten op te nemen, aangezien het management minder prikkels heeft het resultaat te beïnvloeden (Dechow et al., 1995). Tot slot is de controle variabele CFO opgenomen. De onderzoekers Dechow et al. (1995) stellen dat bedrijven met hoge operationele kasstromen minder geassocieerd zijn met het opnemen van discretionaire overlopende posten, aangezien er hierbij minder prikkels bestaan om het resultaat te beïnvloeden. Daarentegen stellen Cahan et al. (2008) dat ondernemingen met een hoge operationele kasstroom juist meer mogelijkheden hebben om resultaat te sturen met discretionaire overlopende posten. Gezien de literatuur geen eenduidigheid heeft van de verwachte impact, wordt in dit onderzoek geen specifieke verwachting uitgesproken voor de variabele CFO.. 19.

(20) 6. Resultaten en analyse. In deze paragraaf word de finale sample beschreven. Daarnaast worden er een aantal dwarsdoorsnedes gegeven van de sample. Vervolgens worden de variabelen getest op multicollineariteit en tot slot worden de empirische resultaten getoond en geanalyseerd.. 6.1. Beschrijvende statistiek. 6.1.1 Sample. De in eerste paragraaf van dit hoofdstuk wordt de sample beschreven. De sample welke gebruikt is voor mijn onderzoek is afkomstig uit Compustat – Capital IQ (Fundamentals Annual). Hieruit zijn de financiële gegevens per bedrijf per jaar geëxtraheerd. Aanvullende gegevens over auditor per bedrijf per jaar zijn afkomstig uit de database AuditAnalytics. De sample is gebaseerd op alle US-bedrijven beschikbaar in de databases tussen 2003 en 2014. Dit heeft geresulteerd in een totaal van 150.031 unieke observaties. De bedrijven in de sample zijn geclassificeerd door middel van de standaard industrie classificatie codes (SIC). Financiële instellingen (SIC 6000 - 6999) zijn verwijderd uit de sample, aangezien er voor deze instellingen specifieke procedures benodigd zijn om de discretionaire overlopende posten te bepalen. Daarnaast zijn tevens observaties met auditor-code 9 (other), 0 (unaudited) of zonder auditor-code verwijderd uit de sample. Tevens zijn alle observaties verwijderd waar onvoldoende informatie beschikbaar was ten aanzien van de variabele om de auditkwaliteit te bepalen. Ook zijn de observaties verwijderd waar onvoldoende informatie aanwezig over de variabelen ten aanzien van het regressiemodel. Tot slot zijn de bedrijven uit de sample verwijderd met minder dan 3 observatie jaren, aangezien deze observaties onvoldoende informatie verschaffen om onderscheid te maken in ervaren en onervaren industriespecialisten. Dit resulteert in een finale sample van 46.698 observaties. Tabel 3: Finale sample Sample Observaties selectie Compustat bedrijfsjaren observaties 2003-2014. 149.681. Verwijderend financiële instellingen SIC 6000 – 6999. - 56.292. Verwijderd observaties met auditor-code 9 “other”. -22.698. Verwijderd observaties met auditor-code 0 “unaudited” Verwijderd observaties zonder auditor-code. -302 -4.973 20.

(21) Verwijderd door onvoldoende informatie variabele auditkwaliteit. -5.070. Verwijderd door onvoldoende informatie variabele regressiemodel. -888. Verwijderd bedrijven met minder dan 3 observatie jaren. -3.933. Verwijderd bedrijven met SIC 99 (Nonclassifiable). -565. Verwijderd geen CIK-code (bedrijfsnummer). -6.128. TOTAAL. 46.798. Onderstaande tabel laat de distributie van de observaties per jaar zien en toont aan dat de observaties gelijkmatig zijn verdeeld over de onderzoekjaren. Het jaar met de meeste observaties betreft 2005 met 4.704 observaties. Het jaar 2014 heeft het miste aantal observaties met 3.932. Tabel 4: Verdeling per jaar Fiscaal jaar. Frequentie. Procentueel. 2004. 4.545. 9,7%. 2005. 4.704. 10,1%. 2006. 4.556. 9,7%. 2007. 4.310. 9,2%. 2008. 4.172. 8,9%. 2009. 4.138. 8,8%. 2010. 4.087. 8,7%. 2011. 4.085. 8,7%. 2012. 4.116. 8,8%. 2013. 4.153. 8,9%. 2014. 3.932. 8,4%. Totaal. 46.798. 100%. In tabel 5 is de verdeling weergegeven van het aantal observaties per industrie. De verdeling is op basis van de ééncijferige SIC-codes. Hieruit is op te maken dat de industrie Manufacuring relatief sterk vertegenwoordig is in de populatie met 45,1%. In appendix A is een meer gedetailleerde verdeling naar industrie opgenomen op basis van de tweecijferige SIC-codes. De tweecijferige 21.

(22) SIC-code betreft het niveau van detail waarop in dit onderzoek de industriespecialisatie is bepaald. Uit de verdeling naar tweecijferige SIC-codes blijkt een gelijkmatige verdeling van het aantal observaties over de industrieën, waardoor er op basis van de verdeling naar industrie, geen belemmeringen bestaan voor dit onderzoek. Tabel 5: Verdeling aantal observaties per industrie Sector. Frequentie. Procentueel. Agriculture, Forestry and Fishing. 166. 0,4%. Construction. 499. 1,1%. 21.096. 45,1%. Mining. 4.541. 9,7%. Retail Trade. 3.044. 6,5%. Services. 8.690. 18,6%. Transportation, Communications, Electric, Gas and Sanitary service. 7.259. 15,5%. Wholesale Trade. 1.503. 3,2%. 46.798. 100%. Manufacturing. TOTAAL. Figuur 1: Verdeling aantal observaties per industrie. 22.

(23) De meeste observaties van verschillende auditors zijn tabel 6 weergegeven en betreffen de zogenoemde big-4 auditor met 86,2%. De auditor met de meeste observaties betreft EY (11.869) gevolgd door PwC (10.501). Buiten de big-4 observaties zijn BDO en Grant Thornton met respectievelijk 4,5% en 5,5% de auditors met de meeste observaties. De overige auditors vertegenwoordigen een relatief klein gedeelte van de sample met 1.692 (3,6%) observaties.. Tabel 6: Verdeling aantal observaties per auditor. Auditor naam. Frequentie. Procentueel. EY. 11.869. 25,4%. PwC. 10.501. 22,4%. Deloitte. 9.502. 20,3%. KPMG. 8.451. 18,1%. Grant Thornton. 2.676. 5,7%. BDO. 2.107. 4,5%. McGladrey and Pullen. 636. 1,4%. Moss Adams. 254. 0,5%. J H Cohn. 227. 0,5%. Crowe Chizek. 167. 0,4%. Moore Stephens. 135. 0,3%. Richard A. Eisner. 94. 0,2%. Pannell Kerr Foster. 68. 0,1%. Cherry, Bekaert and Holland. 53. 0,1%. Plante & Moran. 42. 0,1%. Baird, Kurtz and Dobson. 13. 0,0%. Altschuler, Melvoin and Glasser. 1. 0,0%. Spicer & Oppenheim. 1. 0,0% 23.

(24) Touche Ross TOTAAL. 1. 0,0%. 46.798. 100%. In onderstaande tabel is het aantal specialisten per jaar weergegeven. De specialisten per de tweecijferige SIC-codes zijn bepaald op basis van de auditopbrengsten per jaar per sector. De data inzake de auditopbrengsten per bedrijf per jaar zijn afkomstig uit de database AuditAnalytics. Op basis van de Company-fkey (in Compustat de CIK-code) is deze data gekoppeld aan de verkregen data uit Compustat. Vervolgens zijn per auditor, per jaar, per tweecijferige sectorcode de totale auditopbrengsten inzichtelijk gemaakt. Op basis van deze informatie is het procentuele aandeel auditopbrengsten van een auditor per sector per jaar inzichtelijk gemaakt, waarbij een specialist wordt aangeduid wanneer de auditopbrengsten per sector per jaar tenminste 10% hoger zijn dan de eerst daaropvolgende auditor. De sectorspecialisten zijn bepaald op basis van de initiële sample, aangezien het feit of er voldoende informatie beschikbaar is per klant per jaar, geen invloed heeft of een auditor een sectorspecialist is in een bepaald jaar. Gezien het feit dat in de initiële sample alle bedrijven uit de U.S. zijn opgenomen over de periode 2003-2014, is de bepaling van een industriespecialist bepaald op basis van data over de gehele sector. Tabel 7: Verdeling auditor aantal keer sectorspecialist per jaar Industrie Specialist per auditor per jaar Auditor/Jaar ‘03 ‘04 ‘05 ‘06 ‘07 ‘08 Deloitte 6 6 5 6 7 5 EY 13 10 12 8 13 10 KPMG 3 3 4 4 3 6 PwC 14 14 13 12 7 11 Totaal industrie specialisten 36 33 34 30 30 32 Totaal industrieën 59 59 59 59 58 58. ‘09 ‘10 ‘11 ‘12 ‘13 ‘14 Gemiddeld. 5 10 6 8. 6 12 3 8. 4 8 5 10. 5 10 5 9. 7 9 6 12. 6 10 6 11. 6 10 5 11. 29 29 27 29 34 33 58 57 58 58 58 57. 32 58. Uit bovenstaande verdeling van het aantal industriespecialisten over de jaren heen is in 2007 een afname van het aantal sectoren te zien waar PwC specialist is. Om een data issue uit te sluiten is voor de jaren 2006, 2007 en 2008 nader geanalyseerd hoe de sectorspecialisten zich onderling verhouden. Hieruit komt naar voren dat PwC in elk van de jaren 2006, 2007 en 2008 in zeven dezelfde sectoren specialist is. In de overige sectoren waar PwC in 2006 en 2008 specialist is, is PwC sectorspecialist door een marktaandeel van 10% of net daarboven. Derhalve liggen deze verhoudingen net op het omslag punt om als sectorspecialist te worden aangemerkt. Daarnaast 24.

(25) vastgesteld dat de sectoren waar PwC maar net voldoet aan de eis van 10% meer marktaandeel dan de eerst daaropvolgende auditor, in 2007 geen sectorspecialist kennen. Wat onderschrijft dat het marktaandeel van de auditors dicht (< 10%) bij elkaar liggen. Tevens ligt bovenstaande verdeling van sectorspecialisten in lijn met voorgaand onderzoek van Reichelt et al. (2010) naar industriespecialisatie. Derhalve geen aanleiding om te veronderstellen dat sectorspecialisten op een onjuiste manier zijn bepaald en is deze data bruikbaar voor verder onderzoek. 6.1.2 Initiële analyse. In tabel 8 zijn de beschrijvende statistieken opgenomen van de verschillende variabelen die in dit onderzoek gebruikt worden. Hierin zijn het minimum, maximum, gemiddelde en de standaard deviatie van de variabele genoemd. Alvorens deze data getoetst kan worden op enkelvoudige correlaties en lineaire regressie is een analyse van de gehele data set vereist. In onderstaand figuur is deze eerste analyse opgenomen van de totale dataset. Alle continue variabelen winsorized op 1% en 99% op het mogelijke effect van uitschieters te minimaliseren. Tabel 8: Beschrijvende statistiek. De vier dummy variabelen hebben logischerwijs een minimum en maximum waarde van nul en één. De mean van 0,13 bij SPECIALIST8 geeft aan dat 13% van de waarnemingen in de sample een specialist als auditor heeft. De mean van ,010 bij ERVAREN geeft aan dat 10% van de waarnemingen ook een daadwerkelijk door een ervaren specialist zijn gecontroleerd. 53% van de. De variabele SPECIALIST is enkel voor de beschrijvende statistiek inzichtelijk gemaakt. Deze variabele dient benoemd te worden om tot de variabelen NIET_ERVAREN en ERVAREN te komen. De variabele SPECIALIST wordt derhalve niet afzonderlijk meegenomen in de regressie analyse. 25 8.

(26) waarnemingen zijn gefinancierd met vreemd vermogen, wat blijkt uit de mean van 0,53 bij de variabele LEV. De mean van 0,31 bij de variabele LOSS geeft aan dat 31% van de waarnemingen een verlies heeft geleden in dat jaar. Bovenstaande beschrijvende statistiek ligt in lijn met het onderzoek van Minutti-Meza (2013).. 6.1.3 Controle op uitschieters en normaalverdeling. In deze paragraaf wordt uiteengezet hoe de data is gecontroleerd op uitschieters en normaalverdeling alvorens de hypotheses getest worden. Op basis van de vergelijking AK= β0 + β*ERVAREN + β*NIET-ERVAREN + β*SIZE+ β*LEV + β*ROA + β*CFO +β*LOSS+ ε zijn de uitschieters in de sample van 46.798 waarnemingen bekeken. De uitschieters zijn bepaald door middel van de zogeheten “outlier labeling rule” welke gebaseerd is op de Interquartile Range (IQR) vermenigvuldigd met factor 2.29. Dit heeft geresulteerd in 3.263 uitschieters, waardoor het aantal waarnemingen gereduceerd is tot 43.535. Vervolgens is onderzocht of de 43.535 waarnemingen normaal verdeeld zijn door middel van het beoordelen van de histrogram en de Q-Q plot10. In appendix B zijn de histogrammen met de frequenties van de waargenomen discretionaire accruals opgenomen, inclusief en exclusief de uitschieters. Figuur 3 laat een symmetrisch en klokvormig model zien, wat een indicatie is dat de populatie normaal verdeeld is. Uit figuur 4 is op te maken dat de residuen nagenoeg op de lijn van een normaalverdeling liggen. Ook dit sterkt de normaliteitsassumptie. Concluderend kan gesteld worden dat scores normaal verdeeld zijn en dat de data bruikbaar is voor verder onderzoek.. 9 De. onderzoekers Hoaglin et al. (1987) hebben aangetoond dat het gebruik van factor 2.2 op basis van de Interquartile Range (IQR) een valide factor is voor het bepalen van uitschieters. 10 De onderzoeker Allison (1999) stelt dat bij een relatief grote steekproef (n=>200) en relatief weinig onafhankelijke variabelen zijn opgenomen (8 of minder) een Kolmogorov-Smirnov niet geschikt is om een sample te beoordelen op normaalverdeling. Bij een relatief grote sample kunnen relatief kleine en irrelevante afwijkingen van normaliteit, significant worden. Allison geeft aan dat bij degelijke grote samples een Q-Q plot en een histogram meer inzicht geeft in de normaal verdeling van de waarnemingen. 26.

(27) 6.1.3 Correlaties. Om de relatie tussen de variabelen te testen is een test uitgevoerd op multicollineariteit. In de correlatiematrix, zoals opgenomen in tabel 9, is de Pearson waarde opgenomen welke kan variëren tussen -1 en 1. Dit geeft een eventueel positief of negatief verband aan tussen de variabelen. Wanneer de Pearson waarde gelijk is aan nul is er geen sprake van een correlatie tussen de twee variabelen. Binnen de bestaande literatuur (Field, 2009) is er een vuistregel geformuleerd. Dit houdt in dat Pearson coëfficiënten hoger dan 0.7 of lager dan -0.7 een effect op de betrouwbaarheid van het model hebben. De onderlinge significante correlatie tussen ERVAREN en NIET-ERVAREN is vanzelfsprekend en minder relevant. De correlatie wordt veroorzaakt doordat een auditor slechts in één van de twee groepen kan worden ingedeeld. De correlatie tussen de absolute discretionaire overlopende posten (AK_ABS) en het zijn van een niet ervaren industrie specialistische auditor (NIET_ERVAREN) is negatief significant. Tevens is de correlatie tussen AK_ABS en het zijn van een ervaren industrie specialist (ERVAREN) negatief significant. Beide correlaties liggen in lijn met hypothese twee, waar gesteld wordt dat de auditkwaliteit hoger is voor audits uitgevoerd door ervaren industriespecialisten dan door niet- industriespecialisten. Een hogere score op AK_ABS betekent namelijk een lagere score op auditkwaliteit. Daarnaast is te zien dat AK_ABS significant gecorreleerd is met alle controle variabelen, wat de importantie van deze variabele in een multivariabele regressie onderschrijft. Conform de opgestelde verwachting in paragraaf 3.2.3 laten NIET-ERVAREN, SIZE_LN en ROA een negatieve significante correlatie zien met AK_ABS. De variabelen LEV en LOSS laat conform de verwachting een significant positieve correlatie zien met AK_ABS. De variabele CFO laat een negatieve significante correlatie zien met AK_ABS, wat aansluit met het onderzoek van Dechow et al. (1995). Aanvullend zijn de VIF waarden van de onderlinge verbanden van de onafhankelijke variabelen toegevoegd. Geen van de uitkomsten komt boven de kritieke grens van 10 11 , waardoor er verondersteld wordt dat er geen sprake is van multicollineariteit binnen het causaal model.. De VIF (Variance Inflation Factor) is een indicator voor multicollineariteit. De onderzoekers Hair et al. (1995) stellen in hun onderzoek over multivariabele data analyse dat een VIF-waarde maximaal 10 mag zijn om multicollineariteit uit te sluiten. Ook Kennedy (1992) en Burns et al. (2008) onderschrijven deze vuistregel. 27 11.

(28) Tabel 9: Correlatie matrix.

(29) 6.2. Resultaten. De resultaten van de multivariabele regressie analyse met de absolute waarde van de discretionaire overlopende posten als afhankelijke variabele zijn opgenomen in tabel 10. De Fwaarde van het model is 3106,895 en significant, wat er op wijst dat het model bruikbaar is. De adjusted R2 van het model is 0,333 wat inhoud dat 33,3% van de variatie in AK_ABS wordt verklaard door het model.. Tabel 10: Regressie model AK= β0 + β1*ERVAREN + β2*NIET-ERVAREN + β*SIZE+ β*LEV + β*ROA + β*CFO +β*LOSS+ ε Variabele. Verwachting. Coëfficiënt. P-waarde. NIET_ERVAREN. ?. 0,007. 0,095. ERVAREN. -. -0,031. 0,000**. SIZE_LN. -. -0,209. 0,000**. LEV. +. 0,017. 0,000**. ROA. -. -1,064. 0,000**. CFO. ?. 0,983. 0,000**. LOSS. +. 0,113. 0,000**. N. 43.535. Adjusted R2. 0,333. ** p<0.01, * p<0.05. De controle variabele SIZE_LN is significant negatief gecorreleerd met AK_ABS (-0,209). Relatief grote bedrijven hebben conform de opgestelde verwachting minder discretionaire overlopende posten en daarmee een hogere auditkwaliteit. LEV is positief gecorreleerd (0,017) met AK_ABS, wat er op duidt dat bedrijven die met relatief veel vreemd vermogen zijn gefinancierd meer de neiging hebben om discretionaire overlopende posten te gebruiken om het resultaat te beïnvloeden. Dit lijkt logisch gezien bedrijven geneigd zijn om aan de geldende convenanten te voldoen (DeFond & Jiambalvo, 1994). De variabele ROA is significant in een negatieve richting (-1,064). Dit is consistent met het onderzoek van Dechow et al. (1995), welke.

(30) stellen dat met een hoge ROA minder prikkels hebben om resultaat te beïnvloeden door middel van discretionaire overlopende posten. De controle variabele CFO toont een significant positieve correlatie met AK_ABS. Deze uitkomst ligt in lijn met het onderzoek van Cahan et al. (2008) welke stellen dat bedrijven met hoge operationele kasstromen meer geassocieerd zijn met het opnemen van discretionaire overlopende posten. Tot slot is zoals verwacht de controle variabele LOSS positief gecorreleerd (0,113) met AK_ABS. Dit duidt er op bedrijven welke verlies rapporteren meer geneigd zijn resultaat te sturen door middel van discretionaire overlopende posten en hebben hierdoor een lagere auditkwaliteit. De variabele ERVAREN laat een significantie correlatie zien met AK_ABS. Bij hypothese één, dat de kwaliteit van audits uitgevoerd door ervaren industriespecialisten hoger is dan de kwaliteit van audit uitgevoerd door niet-ervaren industriespecialisten, wordt verwacht dat de coëfficiënt ERVAREN lager is dan de coëfficiënt NIET_ERVAREN (β1 - β2 < 0). Zoals weergegeven in tabel 10, wordt bewijs gevonden voor hypothese één, aangezien coëfficiënt β1 (0,040) ERVAREN kleiner is dan β2 (0,012) NIET_ERVAREN. Onder hypothese twee, dat de kwaliteit van audits uitgevoerd door ervaren industriespecialisten hoger is dan audits uitgevoerd door niet-specialistische auditors, wordt verwacht dat de coëfficiënt β1 van ERVAREN negatief is. Uit tabel 10 is op te maken dat β1 significant negatief is (p = 0,000). Derhalve wordt ook voor hypothese twee bewijs gevonden. Voor hypothese drie, dat de kwaliteit van audits uitgevoerd door onervaren specialisten niet verschilt van de kwaliteit van audits uitgevoerd door niet-industrie specialisten, wordt tevens bewijs gevonden. Voor ondersteuning van deze hypothese dient de coëfficiënt van NIET_ERVAREN niet-significant te zijn. De coëfficiënt β2 betreft 0,007 en niet-significant waarmee bewijs wordt gevonden voor hypothese drie. Gezien de bestaande literatuur geen eenduidig beeld geeft van de impact van CFO op AK_ABS is de regressie opnieuw gedraaid zonder deze variabele. Hieruit blijkt dat de coëfficiënten van de variabelen NIET_ERVAREN (-0,019) en ERVAREN (-0,050) negatief significant zijn. De uitkomsten van deze regressie laten onverminderd bewijs zien voor H1 en H2. Voor de hypothese H3 wordt bij het verwijderen van deze variabele geen bewijs gevonden. Ondanks de tegenstrijdigheid in de literatuur, wordt in dit onderzoek verondersteld dat de variabele CFO terecht is opgenomen in de regressie. Deze assumptie wordt versterk door het feit. 30.

(31) dat in vele onderzoeken12 over auditkwaliteit, bepaald op basis van discretionaire overlopende posten, de variabele CFO in de regressie is opgenomen. Concluderend kan gesteld worden dat de regressie geen aanpassing behoeft.. Balsam et al. (2003), Dechow et al. (1995) en Reichelt et al. (2010) maken gebruik van de variabele CFO in de regressie analyse in onderzoek naar auditkwaliteit. 31 12.

(32) 6.3. Robuustheidstest. Aan de uitgevoerde regressieanalyse ligt de definitie van de industriespecialist ten grondslag, dat een auditor als sectorspecialist beschouwt wanneer de auditor het grootste marktaandeel in een sector heeft en zijn aandeel groter is dan tien procent vergeleken met de daarop volgende grootste auditor (definitie 1). Zoals reeds in paragraad 5.2.2. benoemd zijn er ook onderzoekers welke een industriespecialist aanmerken als een auditor welke tenminste 30 procent van het marktaandeel vertegenwoordig in een industrie op basis van de tweecijferige SIC (definitie 2, Neal & Riley, 2004). Op basis van uitgevoerde analyse in paragraaf 5.2.2. is op te maken dat er op basis van definitie 2 industriespecialisten zijn aan te merken welke een substantieel deel van het marktaandeel vertegenwoordigen in een sector (30 procent) maar onder definitie 1 niet als industriespecialist zijn aangemerkt. Om te controleren of de resultaten uit dit onderzoek ook standhouden bij het toepassen van definitie 2 is een robuustheidstest uitgevoerd door het uitvoeren een regressieanalyse waarbij een sectorspecialist wordt aangeduid op basis van definitie 2.. 6.3.1 Resultaten robuustheidstest. De resultaten van de multivariabele regressie analyse met de absolute waarde van de discretionaire overlopende posten als afhankelijke variabele zijn opgenomen in tabel 11. De Fwaarde van het model is 3101,799 en significant, wat er op wijst dat het model bruikbaar is. De adjusted R2 van het model is 0,333 wat inhoud dat 33,3% van de variatie in AK_ABS wordt verklaard door het model.. Tabel 11: Regressie model Robuustheidstest AK= β0 + β1*ERVAREN + β2*NIET-ERVAREN + β*SIZE+ β*LEV + β*ROA + β*CFO +β*LOSS+ ε Variabele. Verwachting. Coëfficiënt. P-waarde. NIET_ERVAREN. ?. -0,006. 0,122. ERVAREN. -. -0,025. 0,000**. SIZE_LN. -. -0,208. 0,000** 32.

(33) LEV. +. 0,016. 0,000**. ROA. -. -1,065. 0,000**. CFO. -. 0,985. 0,000**. LOSS. +. 0,114. 0,000**. N. 43.535. Adjusted R2. 0,333. ** p<0.01, * p<0.05. De opgenomen controle variabelen LEV, ROA, CFO en LOSS laten een gelijke correlatie met AK_ABS zien als bij het regressiemodel op basis van definitie 1. De variabele ERVAREN laat een significantie correlatie zien met AK_ABS. Bij hypothese één, dat de kwaliteit van audits uitgevoerd door ervaren industriespecialisten hoger is dan de kwaliteit van audits uitgevoerd door niet-ervaren industriespecialisten, wordt verwacht dat de coëfficiënt ERVAREN lager is dan de coëfficiënt NIET_ERVAREN (β1 - β2 < 0). Zoals weergegeven in tabel 10, wordt bewijs gevonden voor hypothese één, aangezien coëfficiënt β1 (-0,025) ERVAREN kleiner is dan β2 (-0,006) NIET_ERVAREN. Onder hypothese twee, dat de kwaliteit van audits uitgevoerd door ervaren industriespecialisten hoger is dan audit uitgevoerd door niet-specialistische auditors, wordt verwacht dat de coëfficiënt β1 van ERVAREN negatief is. Uit tabel 10 is op te maken dat β1 significant negatief (p = 0,000). Derhalve wordt ook voor hypothese twee bewijs gevonden. Voor hypothese drie, dat de kwaliteit van audits uitgevoerd door onervaren specialisten niet verschilt van de kwaliteit van audits uitgevoerd door niet-industrie specialisten, wordt tevens bewijs gevonden. Voor ondersteuning van deze hypothese dient de coëfficiënt van NIET_ERVAREN niet-significant te zijn. De coëfficiënt β2 betreft 0,006 en niet-significant waarmee bewijs wordt gevonden voor hypothese drie. De resultaten uit de regressie op basis van definitie 2 van een industriespecialist liggen volledig in lijn met de resultaten uit de regressie op basis van de definitie 1 van een industriespecialist. Concluderend kan gesteld worden dat de kwaliteit van een audit uitgevoerd door een ervaren industriespecialist hoger is dan de kwaliteit van audits uitgevoerd door nietervaren industriespecialisten. Daarnaast is bewijs gevonden dat de kwaliteit van audits uitgevoerd door ervaren industriespecialisten hoger is dan audit uitgevoerd door niet-industriespecialisten. Tot slot laten de resultaten uit beide regressies zien dat de kwaliteit van audit uitgevoerd door 33.

(34) onervaren specialisten niet verschilt van de kwaliteit van audit uitgevoerd door nietindustriespecialisten.. 34.

(35) 7. Conclusie. 7.1. Conclusies. Voorgaande onderzoeken laten tegenstrijdigheden zien in de uitkomsten van het effect van auditor industriespecialisatie op auditkwaliteit. De meeste studies komen tot de conclusie dat auditors, welke specialist zijn in een sector op basis van marktaandeel, geassocieerd zijn met hogere auditkwaliteit. Daarentegen zijn er echter recente studies dit in twijfel trekken. In dit onderzoek wordt gesteld dat de associatie tussen auditor industriespecialisatie en auditkwaliteit afhankelijk is van hoe lang een auditor al wordt aangemerkt als een industriespecialist. Dit onderzoek geeft een toevoeging aan de bestaande literatuur door de groep industriespecialisten op te splitsen in ervaren en onervaren specialisten. Hierbij wordt een auditor aangemerkt als een industriespecialist wanneer hij tenminste 10 procent meer marktaandeel vertegenwoordigd dan de eerst daarop volgende auditor in de sector. Dit onderzoek levert bewijs dat auditor industriespecialisatie geassocieerd is met auditkwaliteit. Echter is het zijn van industriespecialist op enkel op basis van marktaandeel in een sector niet voldoende. Het onderzoekt toont aan dat auditors welke pas net of een korte periode (< 3 jaar) industriespecialist zijn op basis van marktaandeel niet verschillen in het leveren van auditkwaliteit ten opzichte van niet-industriespecialisten. Tevens is aangetoond dat niet-ervaren industriespecialisten. een. lagere. auditkwaliteit. leveren. in. vergelijking. met. ervaren. industriespecialisten. Dit onderschrijft dat er een leercurve aanwezig is tussen het moment van sectorspecialist worden op basis van marktaandeel en de daarop volgende drie jaar. Tevens onderbouwd het de stelling dat accountantskantoren tijd nodig hebben om, na het worden van specialist, te investeren in personeel en technologie. De resultaten houden eveneens stand wanneer een andere definitie van een industriespecialist wordt gehanteerd, namelijk dat een auditor tenminste 30% marktaandeel vertegenwoordigd in een sector.. 7.2. Beperkingen. Dit onderzoek kent een aantal beperkingen. De eerste beperking heeft betrekking jaren welke betrokken zijn in de sample. De eerste jaren van de sample zijn direct na de implementatie van SOX, wat conservatieve accounting-beslissingen tot gevolg kan hebben gehad. Ook kan een de sample beïnvloed zijn door de wereldwijde financiële crisis. Ten tweede is in het onderzoek enkel data gebruikt uit de U.S., aangezien de U.S. een van de weinige landen is waar sectorspecifieke informatie wordt bijgehouden op het niveau wat 35.

(36) vereist is voor dit onderzoek. De resultaten uit dit onderzoek zullen dan ook niet zondermeer gelden voor andere landen, aangezien er verschillen bestaan in institutionele achtergronden en de mate van handhaving. Tot slot is in dit onderzoek gebruik gemaakt van discretionaire overlopende posten om auditkwaliteit te meten. Vanuit de bestaande literatuur is bekend dat auditkwaliteit ook gemeten kan worden door bijvoorbeeld de geneigdheid om een continuïteitsparagraaf op te nemen in de accountantsverklaring of door middel van het zogeheten earnings response coëfficiënt. Het op een andere wijze meten van auditkwaliteit kan mogelijk leiden tot andere resultaten.. 7.3. Vervolgonderzoek. In dit onderzoek is de relatie tussen industriespecialisatie-duur en auditkwaliteit onderzocht, waarbij geen onderscheidt is gemaakt tussen industriespecialisten op nationaal en lokaal niveau. Bij vervolg onderzoek kunnen de verschillen tussen deze twee niveaus nader onderzocht worden. Daarnaast is in dit onderzoek een specialist als ervaren aangemerkt wanneer de auditor drie achtereenvolgende jaren als specialist kan worden aangemerkt. Vervolg onderzoek kan ingaan op de snelheid waarop een auditor als ervaren specialist wordt aangemerkt, door dit onderzoek te repliceren waarbij specialisten worden aangemerkt bij 1,2,3,4 en 5 jaar ervaring. Tot slot kan het effect van industrierelatie-duur op auditkwaliteit verder onderzocht worden door auditkwaliteit op andere wijze te meten, zoals aangegeven in paragraaf 7.2.. 36.

(37) 8. Referenties. Abell, D. F. 1980. Defining the businiess: The starting point of strategic planning. Englewood Cliffs, N. J. Prentice Hall. Allison, Paul D. “Comparing Logit and Probit Coefficients Across Groups”. Sociological Methods & Research 28, nr. 2 (11 januari 1999): 186–208. doi:10. 1177/0049124199028002003. Balsam, Steven, Jagan Krishnan, en Joon S. Yang. “Auditor Industry Specialization and Earnings Quality”. Auditing: A Journal of Practice & Theory 22, nr. 2 (september 2003): 71–97. Beasley, Mark S. , en Kathy R. Petroni. “Board Independence and Audit‐Firm Type”. AUDITING: A Journal of Practice & Theory 20, nr. 1 (1 maart 2001): 97–114. doi:10. 2308/aud. 2001. 20. 1. 97. Beck, P. J. , & Wu, M. G. (2006). Learning by Doing and Audit Quality*. Contemporary Accounting Research, 23(1), 1-30. Bills, Arthur Gilbert. General experimental psychology. Vol. x. Longmans psychology series. New York, NY, US: Longmans, Green and Co, 1934. Brooks, Li Zheng, C. S. Agnes Cheng, en Kenneth John Reichelt. “Audit Firm Tenure and Audit Quality: Evidence from U. S. Firms”. SSRN Scholarly Paper. Rochester, NY: Social Science Research Network, 15 januari 2013. http://papers. ssrn. com/abstract=2201350. Burns, Robert P. , en Richard Burns. Business Research Methods and Statistics Using SPSS. SAGE, 2008. Cahan, S., Emanuel D., Hay D., & Wong N. (2008), “Non-audit fees, Long-term Auditor-client Relationships and Earnings Management.” Accounting and Finance, 48 (2008) 181-207. Cameran, Mara. “Audit Fees and the Large Auditor Premium in the Italian Market”. International Journal of Auditing 9, nr. 2 (1 juli 2005): 129–46. doi:10. 1111/j. 1099-1123. 2005. 00205. x. Chen, Chih-Ying, Chan-Jane Lin, en Yu-Chen Lin. “Audit Partner Tenure, Audit Firm Tenure, and Discretionary Accruals: Does Long Auditor Tenure Impair Earnings Quality?*”. Contemporary Accounting Research 25, nr. 2 (1 juni 2008): 415–45. doi:10. 1506/car. 25. 2. 5. DeAngelo, Linda Elizabeth. “Auditor size and audit quality”. Journal of Accounting and Economics 3, nr. 3 (1 december 1981): 183–99. doi:10. 1016/0165-4101(81)90002-1. Dechow, Patricia M. , Richard G. Sloan, en Amy P. Sweeney. “Detecting Earnings Management”. The Accounting Review 70, nr. 2 (1995): 193–225. DeFond, Mark L. , en Jere R. Francis. “Audit Research after Sarbanes-Oxley”. Auditing: A Journal of Practice & Theory 24 (2 mei 2005): 5–30. DeFond, Mark L. , en James Jiambalvo. “Debt covenant violation and manipulation of accruals”. Journal of Accounting and Economics 17, nr.. 1 (1 januari 1994): 145–76.. doi:10. 1016/0165-. 4101(94)90008-6. 37.

(38) Dunn, Kimberly A. , en Brian W. Disclosure Quality”.. Mayhew.. “Audit Firm Industry Specialization and Client. Review of Accounting Studies 9, nr.. 1 (maart 2004): 35–58.. doi:10.. 1023/B:RAST. 0000013628. 49401. 69. Dyer, Jeffrey H. “Specialized Supplier Networks as a Source of Competitive Advantage: Evidence from the Auto Industry”. Strategic Management Journal 17, nr. 4 (1996): 271–91. Europese Commissie (2010). Green Paper “Audit policy: Lessons from the crisis”. 18 Field, Andy. Discovering Statistics Using IBM SPSS Statistics. SAGE, 2013. Francis, Jere R. “A Framework for Understanding and Researching Audit Quality”. AUDITING: A Journal of Practice & Theory 30, nr. 2 (1 mei 2011): 125–52. doi:10. 2308/ajpt-50006. Frankel, Richard M. , Marilyn F. Johnson, en Karen K. Nelson. “The Relation between Auditors’ Fees for Nonaudit Services and Earnings Management”. The Accounting Review 77, nr. s-1 (1 maart 2002): 71–105. doi:10. 2308/accr. 2002. 77. s-1. 71. Geiger, Marshall A. , en K. Raghunandan. “Auditor Tenure and Audit Reporting Failures”. Auditing: A Journal of Practice & Theory 21, nr. 1 (maart 2002): 67. Gendron, Yves, David J. Cooper, en Barbara Townley. “The construction of auditing expertise in measuring government performance”. Accounting, Organizations and Society 32, nr. 1–2 (januari 2007): 101–29. doi:10. 1016/j. aos. 2006. 03. 005. Ghosh, Aloke, en Doocheol Moon. “Auditor Tenure and Perceptions of Audit Quality”. The Accounting Review 80, nr. 2 (1 april 2005): 585–612. doi:10. 2308/accr. 2005. 80. 2. 585. Gul, Ferdinand A. , Simon Yu Kit Fung, en Bikki Jaggi. “Earnings quality: Some evidence on the role of auditor tenure and auditors’ industry expertise”. Journal of Accounting and Economics 47, nr. 3 (juni 2009): 265–87. doi:10. 1016/j. jacceco. 2009. 03. 001. Hair, Joseph F, Jr. , Rolph E Anderson, en Ronald L Tatham. Multivariate Data Analysis with Readings (2Nd Ed. ). Indianapolis, IN, USA: Macmillan Publishing Co. , Inc. , 1986. Hogan, Chris E. , en Debra C. Jeter. “Industry Specialization by Auditors”. Auditing: A Journal of Practice & Theory 18, nr. 1 (Spring 1999): 1–17. ICCI. (2014) Het verband tussen niet-auditdiensten en auditkwaliteit. Maklu Uitgevers, p. p. 41. Jensen, Michael C. , en William H. Meckling. “Theory of the firm: Managerial behavior, agency costs and ownership structure”. Journal of Financial Economics 3, nr. 4 (oktober 1976): 305–60. doi:10. 1016/0304-405X(76)90026-X. Johnson, E. , Inder K. Khurana, en J. Kenneth Reynolds. “Audit-Firm Tenure and the Quality of Financial Reports*”. Contemporary Accounting Research 19, nr. 4 (1 december 2002): 637–60. doi:10. 1506/LLTH-JXQV-8CEW-8MXD.. 38.

(39) King, Ronald R. , en Rachel Schwartz.. “Legal Penalties and Audit Quality: An Experimental. Investigation*”. Contemporary Accounting Research 16, nr. 4 (1 december 1999): 685–710. doi:10. 1111/j. 1911-3846. 1999. tb00601. x. Lapre, Michael A. “Inside the Learning Curve: Opening the Black Box of the Learning Curve”. SSRN Scholarly Paper. Rochester, NY: Social Science Research Network, 20 augustus 2009. http://papers. ssrn. com/abstract=1640693. Low, Kin-Yew. “The Effects of Industry Specialization on Audit Risk Assessments and AuditPlanning Decisions”. The Accounting Review 79, nr. 1 (2004): 201–19. Marquardt, Carol A. , en Christine I. Wiedman. “The Effect of Earnings Management on the Value Relevance of Accounting Information”. Journal of Business Finance & Accounting 31, nr. 3–4 (1 april 2004): 297–332. doi:10. 1111/j. 0306-686X. 2004. 00541. x. Mascarenhas, Duncan, Steven F. Cahan, en Vic Naiker. “The Effect of Audit Specialists on the Informativeness of Discretionary Accruals”. Journal of Accounting, Auditing & Finance 25, nr. 1 (1 januari 2010): 53–84. doi:10. 1177/0148558X1002500103. Mayhew, Brian W. , en Michael S. Wilkins. “Audit Firm Industry Specialization as a Differentiation Strategy: Evidence from Fees Charged to Firms Going Public”. AUDITING: A Journal of Practice & Theory 22, nr. 2 (1 september 2003): 33–52. doi:10. 2308/aud. 2003. 22. 2. 33. Minutti-Meza, Miguel. “Does Auditor Industry Specialization Improve Audit Quality?” Journal of Accounting Research 51, nr. 4 (1 september 2013): 779–817. doi:10. 1111/1475-679X. 12017. Moore, Don A. , Philip E. Tetlock, Lloyd Tanlu, en Max H. Bazerman. “Conflicts Of Interest And The Case Of Auditor Independence: Moral Seduction And Strategic Issue Cycling”. Academy of Management Review 31, nr. 1 (1 januari 2006): 10–29. doi:10. 5465/AMR. 2006. 19379621. Myers, James N. , Linda A. Myers, en Thomas C. Omer. “Exploring the Term of the Auditor-Client Relationship and the Quality of Earnings: A Case for Mandatory Auditor Rotation?” The Accounting Review 78, nr. 3 (2003): 779–99. Neal, Terry L. , en Jr. Riley Richard R. “Auditor Industry Specialist Research Design”. Auditing: A Journal of Practice & Theory 23, nr. 2 (september 2004): 169–77. Owhoso, Vincent E. , William F. Messier, en John G. Lynch. “Error Detection by IndustrySpecialized Teams during Sequential Audit Review”. Journal of Accounting Research 40, nr. 3 (2002): 883–900. Payne, Jeff L.. “The Influence of Audit Firm Specialization on Analysts’ Forecast Errors”.. AUDITING: A Journal of Practice & Theory 27, nr. 2 (1 november 2008): 109–36. doi:10. 2308/aud. 2008. 27. 2. 109.. 39.

(40) REICHELT, KENNETH J. , en DECHUN WANG. “National and Office-Specific Measures of Auditor Industry Expertise and Effects on Audit Quality”. Journal of Accounting Research 48, nr. 3 (2010): 647–86. Richard G. Brody, Stephen Moscove, en Robert Wnek. “Auditing standards in Poland: past, present and future”.. Managerial Auditing Journal 20, nr.. 1 (1 januari 2005): 36–46.. doi:10.. 1108/02686900510570687. Solomon, Ira, Michael D. Shields, en O. Ray Whittington. “What Do Industry-Specialist Auditors Know?” Journal of Accounting Research 37, nr. 1 (1999): 191–208. doi:10. 2307/2491403. Stice, James D. “Using Financial and Market Information to Identify Pre-Engagement Factors Associated with Lawsuits against Auditors”. The Accounting Review 66, nr. 3 (1991): 516–33. Wang, Morgan, en W. J. Kennedy. “A numerical method for accurately approximating multivariate normal probabilities”. Computational Statistics & Data Analysis 13, nr. 2 (1 maart 1992): 197–210. doi:10. 1016/0167-9473(92)90007-3. Yelle, Louis E. “The Learning Curve: Historical Review and Comprehensive Survey”. Decision Sciences 10, nr. 2 (1 april 1979): 302–28. doi:10. 1111/j. 1540-5915. 1979. tb00026. x.. 40.

(41) Appendix A Industrie. Tweecijferige Frequentie Procentueel SIC Codes. Agricultural Production - Crops. 01. 127. 0,3%. Agricultural Production - Crops. 02. 3. 0,0%. Agricultural Production - Crops. 07. 22. 0,0%. Agricultural Production - Crops. 08. 11. 0,0%. Agricultural Production - Crops. 09. 3. 0,0%. Metal, Mining. 10. 1.766. 3,8%. Coal Mining. 12. 164. 0,4%. Oil & Gas Extraction. 13. 2.440. 5,2%. Nonmetallic Minerals, Except Fuels. 14. 171. 0,4%. General Building Contractors. 15. 190. 0,4%. Heavy Construction, Except Building. 16. 218. 0,5%. Special Trade Contractors. 17. 91. 0,2%. Food & Kindred Products. 20. 1.109. 2,4%. Tobacco Products. 21. 69. 0,1%. Textile Mill Products. 22. 135. 0,3%. Apparel & Other Textile Products. 23. 378. 0,8%. Lumber & Wood Products. 24. 247. 0,5%. Furniture & Fixtures. 25. 262. 0,6%. Paper & Allied Products. 26. 546. 1,2%. Printing & Publishing. 27. 453. 1,0%. Chemical & Allied Products. 28. 5.247. 11,2%. Petroleum & Coal Products. 29. 476. 1,0%. Rubber & Miscellaneous Plastics Products. 30. 352. 0,8% 41.

No results found