Amsterdam Business School Master Thesis Accountancy & Control
Earnings Management in het Hoger Onderwijs in Nederland
de invloed van financiële kengetallen
Name: A. Atrari
Thesis title: Earnings Management in het Hoger Onderwijs in Nederland, de invloed van financiële kengetallen.
Student number: 10282165 Date of final version: 10 juli 2014
Master: MSc Accountancy & Control, specialization Control
Faculty of Economics and Business, University of Amsterdam Supervisor: dr. B.J. van Praag
Abstract
There has been a lot of research about earnings management in the for-profit sector, less in the non-profit sector. Most of the research in the non-profit sector has non-profit hospitals as a scope. This research examines earnings management in the higher education sector in the Netherlands and provides us with a new view on the relationship between financial ratios and earnings management in the higher education sector in the Netherlands.
Higher education in the Netherlands consists of two types of institutions, universities of applied sciences (hogescholen, HBO) and universities (universiteiten, WO). Both depend on governmental financing. The financial condition of the institutions is examined by the government by using financial ratios.
First I examined the existence of earnings management in the higher education sector in the Netherlands. Then I investigated the effects of the financial ratios on the degree of earnings management.
The results indicate that earnings management does exist in the higher education sector in the Netherlands and evidence has been found that the usage of financial ratios plays a role.
Key words; non-profit, earnings management, higher education, the
Inhoudsopgave
1 Inleiding ... 5
2 Theoretisch kader resultaatsturing ... 6
2.1 Definitie ... 6
2.2 Resultaatsturing, waarom? ... 7
2.2.1 Agency theory ... 7
2.2.2 Motieven voor resultaatsturing ... 8
2.3 Resultaatsturing, hoe? ... 12
2.3.1 Wijze van resultaatsturing ... 12
2.3.2 Accruals ... 12
2.3.3 Strategieën ... 13
2.4 Detecteren resultaatsturing ... 14
2.4.1 Modellen ... 14
2.5 Financiele kengetallen in het Hoger Onderwijs ... 17
2.5.1 Financiele kengetallen... 17 2.6 Samenvatting ... 20 3 Het onderzoek ... 22 3.1 Data ... 22 3.2 Hypothesen ... 23 3.2.1 Hypothese 1 ... 23 3.2.2 Hypothese 2 ... 23 3.2.3 Hypothese 3 ... 24 3.3 Modelkeuze ... 25
3.3.1 Model statistische verdeling... 25
3.3.2 Regressiemodel accruals ... 25
4 Resultaten onderzoek ... 27
4.1 Resultaten ... 27
4.1.1 Output regressie Jones model (1991) ... 27
4.1.2 Beschrijvende statistiek ... 29
4.2 Statistische verdeling ten behoeve van Hypothese 1 ... 29
4.2.1 Resultaten bij Hypothese 1 ... 29
4.3 Regressieanalyse ten behoeve van Hypothese 2 en Hypothese 3 ... 33
4.3.1 Output van het regressiemodel ... 33
4.3.2 Resultaten bij Hypothese 2 ... 35
4.3.3 Resultaten bij Hypothese 3 ... 36
5 Samenvatting, conclusies en discussies ... 39
5.1 Samenvatting ... 39
5.2 Conclusie ... 39
5.3 Bijdrage aan de wetenschap ... 40
5.4 Beperkingen en aanbevelingen voor toekomstig onderzoek ... 40
Literatuurlijst ... 42
Appendix A: Samenvatting van de steekproef... 44
Appendix B: Overzicht van variabelen en afkortingen ... 45
Appendix C: Aanvullende statistieken ... 46
Appendix D: Aanvullende regressieanalyse I ... 49
Appendix E: Aanvullende regressieanalyse II... 50
Appendix F: Verdeling PRE_RES ... 51
1 Inleiding
In februari 2012 kwam Amarantis negatief in het nieuws, eerst door een artikel in Het Parool met de kop: Onderwijskolos Amarantis komt miljoenen tekort. Daarna volgden vragen in de Tweede Kamer en vele andere publicaties. Er werden zorgen geuit over de financiële situatie en over de kwaliteit van het onderwijs.
Onderwijsinstellingen zijn de laatste jaren onderworpen aan meer aandacht met betrekking tot hun financiële positie en risico’s. De crisis en discussies elders over bonussen, graaicultuur en topinkomens zijn hier onder andere aanleiding voor.
Dit onderzoek gaat over resultaatsturing in het hoger onderwijs. Hoewel onderzoek naar resultaatsturing in non-profitorganisaties relatief schaars is vergeleken met onderzoek in for-profitorganisaties hebben diverse onderzoeken toch duidelijk het bestaan van resultaatsturing in de non-profitsector bevestigd (Verbruggen en Christiaens 2012). De vraag die centraal staat in dit onderzoek is of resultaten in het hoger onderwijs in Nederland (richting nul of net daarboven) worden gestuurd en welke invloed financiële kengetallen hebben op de mate van resultaatsturing. Onderzoek specifiek naar resultaatsturing bij hoger onderwijsinstellingen in Nederland levert een bijdrage aan de bestaande literatuur over resultaatsturing. De uitkomsten van dit onderzoek zijn tevens interessant voor het Ministerie van Onderwijs, Cultuur en Wetenschap (OCW). Mede omdat op het moment van dit onderzoek het Ministerie van OCW nieuwe signaleringsgrenzen bij kengetallen aan het ontwikkelen is ten behoeve van het hoger onderwijs.
In hoofdstuk 2 wordt allereerst de theorie over resultaatsturing uiteengezet. Vervolgens worden in dit hoofdstuk de financiële kengetallen in het hoger onderwijs behandeld. In hoofdstuk 3 wordt het onderzoek behandeld, hierbij worden eerst de data en hypothesen toegelicht. Daarna wordt de methodiek die toegepast wordt in het onderzoek beschreven. In hoofdstuk 4 worden de resultaten van het onderzoek gepresenteerd. Hoofdstuk 5 behandelt de conclusies, beperkingen en suggesties voor toekomstig onderzoek in dit kader.
2 Theoretisch kader resultaatsturing
In dit hoofdstuk wordt de theorie rond earnings management uiteengezet. Earnings management wordt in het Nederlands winststuring of resultaatsturing genoemd. In dit onderzoek wordt de term resultaatsturing gebruikt, dit vanwege het neutraler karakter.
Eerst zal de definitie van resultaatsturing worden behandeld. Vervolgens zullen de motieven, ‘Agency theory’ en accruals worden besproken. Tenslotte worden de financiële kengetallen die gebruikt worden in het hoger onderwijs toegelicht.
2.1 Definitie
Eén definitie bestaat niet. In de literatuur die te vinden is over het onderwerp resultaatsturing zijn verschillende definities te vinden. Opvallend is dat de definities elk hun nadruk op een ander aspect leggen. Een aantal van de definities van resultaatsturing die in de literatuur te vinden zijn staan hieronder.
Davidson et al (1987); “Earnings management is the choice by a manager of accounting policies as to achieve some specific objective”.
Schippers (1989); “Earnings management is a purposeful intervention in the financial reporting process with the interest of obtaining some private gain”.
Healy en Wahlen (1999); “Earnings management occurs when managers use judgment in financial reporting and in structuring transactions to alter financial reports to either mislead some stakeholders about the underlying economic performance of the company or to influence contractual outcomes that depend on reported accounting numbers”.
Mulford en Comiskey (2002) “The active manipulation of earnings towards a predetermined target”.
Scott (2006); “Earnings management is the choice by a manager of accounting policies as to achieve some specific objective”
Walker (2013); “The use of managerial discretion over (within GAAP) accounting choices, earnings reporting choices, and real economic decisions to influence how underlying economic events are reflected in one or more measures of earnings”.
Davidson et al (1987) en Scott (2006) geven aan dat er sprake is van een keuze. Het woord ‘choice’ staat voor een bepaalde vrijheid. De definitie geeft aan dat er gebruik (en niet misbruik) gemaakt kan worden van deze vrijheid. Er is geen sprake van een negatieve intonatie bij deze
definitie in tegenstelling tot bijvoorbeeld Mulford en Comiskey (2002). Zij leggen de intonatie negatief door het woord manipulatie te gebruiken. Ook Healy en Wahlen (1999) geven een negatieve klank aan de definitie. Dit doen ze door het woord ‘mislead’ (misleiden) te gebruiken. Schippers (1989) gebruikt ‘private gain’, onduidelijk is of hiermee het privébelang van de persoon of van de organisatie bedoeld wordt. Healy en Wahlen (1999) gebruiken het woord ‘company’ in de definitie, uit de technieken en motieven die zij noemen is niet te herleiden dat resultaatsturing zich beperkt tot for-profit organisaties. De definitie van Walker (2013) is breder dan de voorgaande definities en betrekt de wetgeving.
De verschillende definities van resultaatsturing geven aan dat er een ruime interpretatie bestaat bij het onderwerp. Deze kan uiteenlopen van negatief (slecht) tot positief (goed). Resultaatsturing hoeft in de praktijk namelijk niet altijd ‘slecht’ en/of in het belang van de manager te zijn. Dikwijls wordt resultaat op ‘goede’ wijze gestuurd, bijvoorbeeld om een signaal te geven aan de stakeholder over de verwachtingen in de toekomst.
Algemeen kan gezegd worden dat resultaatsturing inhoudt dat het resultaat binnen de wetgeving door middel van eigen oordeel bewust wordt gestuurd om de beoogde resultaatdoelstelling te bereiken. De ruimte die de financiële verslaggeving geeft, in de vorm van het eigen oordeel bij het toepassen van de regelgeving en technieken, verklaart waarom resultaatsturing breed vertegenwoordigd is in de accounting.
2.2 Resultaatsturing, waarom?
Veel literatuur heeft betrekking op de vraag waarom het resultaat gestuurd wordt door managers. Verschil, of sterker conflict in belangen tussen partijen, wordt als hoofdoorzaak gegeven. Het persoonlijk belang (hier valt in dit kader ook het belang van de organisatie onder) is een belangrijke oorzaak voor resultaatsturing. In deze paragraaf worden de mogelijke aanleidingen en motieven voor resultaatsturing uiteengezet.
2.2.1 Agency theory
De standaard benadering die gebruikt wordt om resultaatsturing te bestuderen is de ‘Agency theory’ (Walker, 2013). Resultaatsturing kan gezien worden als een product van de ‘Agency theory’. Er zijn immers tegengestelde belangen tussen de partij die rapporteert en de partij aan wie gerapporteerd wordt. Jensen en Meckling (1976) definiëren de agency relatie als volgt; “a contract under which one or more persons (the principal(s)) engage another person (the agent) to perform some service on their behalf which involves delegating some decision making authority to the agent”.
Doordat er verschil in eigendomsstructuren zijn tussen profit- en non-profitorganisaties zijn er ook verschillen in de agent-principaal problemen. In de studie verricht door Ben-Ner en Ting (2008) is onderzoek gedaan naar de verschillen in de agent-principaal verhouding tussen profit- en non-profitorganisaties in de Verenigde Staten. Aangetoond is dat er andere soort agency-problemen zijn naar gelang de eigendomstructuur verschilt. Het agency probleem zou groter zijn bij non-profitorganisaties. Volgens de onderzoekers wordt dit veroorzaakt doordat managers en hun medewerkers zich minder inspannen om de doelen van de organisatie te bewerkstelligen bij non-profitorganisaties. Ben-Ner en Ting (2008) beargumenteren dat in profit-organisaties meer financiële/materiële prikkels aanwezig zijn om medewerkers te motiveren. Hiernaast genieten medewerkers in non-profitorganisaties volgens Ben-Ner en Ting (2008) meer vertrouwen met betrekking tot de uitvoering van hun verantwoordelijkheid en is er hierdoor meer bevoegdheid tot het nemen van beslissingen op een lager niveau in de organisatie.
2.2.2 Motieven voor resultaatsturing
Watts en Zimmerman (1986) beschrijven in de ‘Positive accounting theory’ de keuzes die managers maken in het toepassen van verslaggevingstandaarden. Drie hypothesen zijn ontwikkeld als basis voor het voorspellen van het gedrag van deze managers. Deze drie hypothesen worden hieronder uiteengezet.
Bonus plan hypothese
De ‘Bonus plan hypothese’ geeft aan dat managers belang hebben bij een bepaald resultaat omdat zij dan de afgesproken bonus krijgen. Managers doen er alles aan om de grondslagen te kiezen die het mogelijk maken om het resultaat dusdanig te sturen zodat de beste bonus voor hen in het vooruitzicht staat. Dit wordt gedaan door toekomstige winsten naar het heden te schuiven. Deze theorie sluit aan op de ‘Agency theory’ die stelt dat een conflict in belangen tussen de principaal (opdrachtgever) en de agent (opdrachtnemer) kan leiden tot andere beslissingen genomen door de agent.
De meeste non-profitorganisaties hebben geen aandeelhouders en/of bonuscultuur, daardoor geldt de ‘Bonus plan hypothese’ vrijwel nooit in de non-profitsector. In het hoger onderwijs is deze hypothese niet van toepassing.
Debt covenant hypothese
De ‘Debt covenant hypothese’ beschrijft het belang dat organisaties kunnen hebben bij gunstige financiële kengetallen (ratio’s). Om te voldoen aan bepaalde ratio’s ten behoeve van de
schuldovereenkomst wordt geschoven met baten in de toekomst naar het heden (en lasten van het heden naar de toekomst). Het doel hierbij is om de organisatie te presenteren als een organisatie die financieel in gezonde conditie is.
Deze hypothese heeft raakvlakken met dit onderzoek omdat de Inspectie van het Onderwijs financiële kengetallen gebruikt bij de beoordeling en het analyseren van de financiële positie en risico’s van onderwijsinstellingen (OCW, 2014). Verschaffers van vermogen (subsidieverstrekkers, banken) en andere zakenpartners zijn ook geïnteresseerd in de financiële kengetallen.
Political cost hypothese
De ‘Political cost hypothese’ benadrukt de invloed van de politiek. Doordat organisaties een prominente rol kunnen nemen in de maatschappij kunnen zij interessant zijn voor de politieke agenda. Schuiven met baten en lasten kan gedaan worden om meer of minder zichtbaar te zijn voor de politiek. Zichtbaarheid kan ontstaan door extreme resultaten, dit kan hoog of laag zijn. Ook deze hypothese kan van toepassing zijn op het onderwijs in Nederland omdat onderwijsinstellingen een maatschappelijke functie hebben en onderwijs hoog op de politieke agenda staat.
Naast bovenstaande hypothesen van Watts en Zimmerman (1986) zijn er ook motieven gevonden in de literatuur die specifiek van toepassing zijn op non-profitorganisaties. De motieven die specifiek van toepassing zijn op non-profitorganisaties kunnen verschillen op bepaalde vlakken van motieven die van toepassing zijn op profitorganisaties. Profitorganisaties dienen vooral het belang van de aandeelhouder en non-profitorganisaties zijn er vaak om publieke belangen te dienen. Door de maatschappelijke relevantie bij de organisaties in combinatie met andere financiële structuren, doelgroepen, eigendomstructuren en afhankelijkheden zijn de motieven voor resultaatsturing anders dan bij de profitorganisaties.
In de literatuur zijn de onderstaande motieven gevonden die specifiek op de non-profitorganisaties van toepassing zijn.
Verbeteren van financiële ratio’s
Het ‘verbeteren financiële ratio's’ wordt in diverse literatuur als reden benoemd voor resultaatsturing in de non-profitsector. Financiële kengetallen zeggen in de meeste gevallen iets over de financiële gezondheid van een organisatie en kunnen verschillende doeleinden hebben. Geïnteresseerden in deze kengetallen kunnen zowel internen, in het kader van bijvoorbeeld sturing, als externen zijn. Voorbeelden van externe partijen zijn zakenpartners,
leningverstrekkers, investeerders, subsidieverstrekkers, overheid, verzekeraars en leveranciers. (Jones & Roberts, 2006; Keating, Parsons, & Roberts, 2008; Khumawala, Parsons, & Gordon, 2005; Krishnan, Yetman & Yetman, 2006).
Vermijden van belastingen
Een andere reden die gegeven wordt is het ‘vermijden van belastingen’. Vaak zijn non-profitorganisaties ontheven van het betalen van bepaalde belastingen. De reden hiervoor is dat zij geen winstoogmerk hebben en een algemeen nut dienen. Echter, een organisatie die structureel hoge winsten laat zien kan uiteindelijk bestempeld worden als een organisatie met winstoogmerk. Dit kan leiden tot het intrekken van de ontheffing van deze bepaalde belastingen door de fiscale autoriteit. (Hofmann, 2007; Omer & Yetman, 2003, 2007).
Vermijden van verliezen
Naast bovenstaande wordt het ‘vermijden van verliezen’ genoemd in de literatuur. Het nastreven van grote winsten is niet aanwezig, maar opereren met verliezen is niet geoorloofd. De geldverstrekkers verwachten een doelmatige en rechtmatige besteding van geld zonder dat dit ten koste gaat van de financiële gesteldheid en/of continuïteit van de organisatie. Verliezen kunnen een signaal van wanbeleid afgeven in de richting van de belanghebbenden. (Ballantine, Forker, & Greenwood, 2007; Leone en Van Horn, 2005). Het rapporteren van een negatief resultaat kan de suggestie gewekt worden dat het bestuur heeft gefaald. Het bestuur heeft immers niet kunnen opereren met de beschikbare middelen en de samenwerking met functionarissen zou hierdoor bijvoorbeeld kunnen worden beëindigd (Loene en Van Horn, 2005).
De beschreven motieven die er zijn in de non-profitsector voor resultaatsturing hebben raakvlakken met de ‘Positive accounting theory’ van Watts en Zimmerman (1986). Zo is de ‘debt covenant hypothese’ verwant aan het motief ‘verbeteren financiële kengetallen’ en is de ‘political cost hypothese’ verwant aan de motieven ‘verbeteren financiële ratio’s, ‘vermijden van belastingen’ en ‘vermijden van verliezen’. In tabel 1 zijn de relaties weergegeven.
Tabel 1.
Motieven en hypothesen (Positive accounting theory) resultaatsturing hoger onderwijs Nederland.
Dat er voor een non-profitorganisatie kosten verbonden kunnen zijn aan het rapporteren van een negatief of positief resultaat beschrijven Leone en Van Horn (2005) in hun onderzoek. Aan de hand van onderstaand figuur geven zij de kosten weer die gerelateerd kunnen zijn aan het rapporteren van positieve of negatieve resultaten bij non-profitziekenhuizen.
Figuur 1.
Reporting costs Leone en Van Horn (2005). Motieven voor resultaatsturing non-profitsector Bonus plan hypothese Debt covenant hypothese Political cost hypothese Verbeteren financiële ratios
Vermijden van belastingen
Vermijden van verliezen
Positive accounting theory
Bonus plan hypothese Debt covenant hypothese Political cost hypothese
Motieven voor resultaatsturing in non-profitsector Verbeteren financiële ratios
Vermijden van belastingen Vermijden van verliezen
In dit overzicht worden de hypothesen uit de 'Positive accounting theory' van Watts en Zimmerman (1986) die van toepassing zijn op het hoger onderwijs in Nederland weergegeven. Tevens worden de raakvlakken getoond van deze hypothesen met de motieven voor resultaatsturing in de non-profitsector die in de diverse literatuur te vinden zijn.
Watss en Zimmerman (1986)
Jones & Roberts (2006), Keating, Parsons, & Roberts (2008), Khumawala, Parsons, & Gordon (2005), Krishnan, Yetman & Yetman (2006)
Hofmann (2007), Omer & Yetman (2003), Omer & Yetman (2007)
Ballantine, Forker, & Greenwood (2007), Leone en Van Horn (2005) Debt and reputation costs $ Cost of regulation and lost donations 0 profits Deze afbeelding laat de rapportage prikkels van CEO’s van ziekenhuizen zien. In het onderzoek van Loene en Van Horn (2005) geven zij aan dat de ‘kosten/verliezen van winst’ voortkomen uit regelgeving (belastingen en non-profitstatus) en het verliezen van donateurs. Indien de winst daalt onder nul zullen er kosten optreden in verband met schulden (solvibiliteit) en reputatie volgens Leone en Van Horn (2005).
2.3 Resultaatsturing, hoe?
In deze paragraaf wordt ingegaan op de wijze waarop het resultaat gestuurd kan worden. Tevens worden accruals en strategieën toegelicht. Accruals hebben een prominente rol bij het beheren van het resultaat.
2.3.1 Wijze van resultaatsturing
Uit de diverse definities van resultaatsturing genoemd in paragraaf 2.1 is te herleiden dat er sprake dient te zijn van een eigen oordeel. Healy en Wahlen (1999) geven aan dat er voor managers diverse manieren zijn om een eigen oordeel toe te passen in de financiële verslaggeving. Oordeelsvorming is volgens Healy en Wahlen bijvoorbeeld vereist bij;
- Schatten van economische levensduur en restwaarde van activa.
- Schatten toekomstige pensioenuitkeringen, uitgestelde belastingverplichtingen, dubieuze debiteurenposities en activa impairments.
- Keuze tussen grondslagen (bijvoorbeeld LIFO of FIFO).
- Voorraadbeheer (hoogte), inkoopmanagement, debiteurenbeleid.
- Keuze tussen het maken van kosten nu of later (bijvoorbeeld kosten onderzoek, onderhoud, marketing).
Healy en Wahlen (1999) beschrijven twee manieren waarop resultaat gestuurd kan worden. De eerste manier is op basis zogenaamde ‘real variables’, waarbij er werkelijke aanpassingen in de baten of lasten zijn welke daadwerkelijke gevolgen hebben op de huidige of toekomstige kasstromen. Een voorbeeld is door middel van aanpassing van de productie. De tweede, en tevens de meest voorkomende en goedkoopste, manier van resultaatsturing is door middel van accruals. In de volgende paragraaf wordt ingegaan op accruals.
2.3.2 Accruals
De meest voorkomende en goedkoopste manier van resultaatsturing is door middel van accruals. Deze vorm is goedkoop omdat er geen invloed is op de (toekomstige) kasstromen. Accruals spelen daarom een prominente rol bij resultaatsturing. Een aantal definities van accruals die te vinden zijn in de literatuur staan hieronder.
Healy (1985); “I define accruals as the difference between reported earnings and cash flows from operations”.
Bergstresser en Philipon (2006); “Accruals are components of earnings that are not reflected in current cash flows, and a great deal of managerial discretion goes into their construction”.
Healy (1985) en anderen onderscheiden accruals in enerzijds de discretionaire en anderzijds de non-discretionaire accruals. Discretionaire en non-discretionaire accruals vormen samen de totale accruals. Non-discretionaire accruals zijn het gevolg van normale bedrijfsactiviteiten en zijn niet beïnvloedbaar. Discretionaire accruals zijn wel beïnvloedbaar. De concentratie in dit onderzoek ligt bij resultaatsturing door middel van de discretionaire accruals. Er is in veel onderzoeken bewijs gevonden dat resultaat wordt beheerd met behulp van de discretionaire bevoegdheid die er is ten aanzien van de accruals (Walker, 2013).
2.3.3 Strategieën
De strategieën die toegepast worden om resultaat te sturen zijn in diverse literatuur beschreven. Scott (2006) beschrijft en evalueert in zijn onderzoek de vier meest gebruikte vormen. Deze vier vormen worden hieronder uiteengezet.
Taking a bath
Met deze variant noemt men de situatie wanneer een organisatie een groter verlies rapporteert dan noodzakelijk. Vaak gebeurt dit bij een wissel van bestuur, de verliezen zijn immers niet veroorzaakt door het toedoen van het actuele bestuur. Het nieuwe bestuur begint dan met een schone lei en vergroot hierdoor de kans om een verbetering in het resultaat te laten zien in de jaren volgend (Scott, 2006). Deze methode wordt ook vaak toegepast bij reorganisaties (Scott, 2006). ‘Taking a bath’ is een extreme vorm van ‘income minimization’, deze vorm wordt hieronder uitgelegd.
Income minimization
Hierbij wordt dusdanig geschoven met baten en lasten dat het rapporterende jaar een laag resultaat vertoont. Een reden kan bijvoorbeeld zijn dat de organisatie geen verkeerd signaal uit wil zenden naar de politiek. Deze vorm heeft in dat geval een relatie met de ‘political cost hypothese’ (Watts en Zimmerman, 1986).
Deze vorm zou van toepassing kunnen zijn op onderwijsinstellingen. Boekjaren structureel afsluiten met hoge resultaten kan weleens door de politiek geïnterpreteerd worden als het niet volledig inzetten van middelen ten goede van de kwaliteit van het onderwijs. Een ander signaal dat afgegeven zou kunnen worden is dat de instelling met minder financiële middelen de bedrijfsvoering kunnen doen.
Income maximization
Deze variant is het omgekeerde van ‘income minimization’. Hierbij wil een organisatie een maximaal resultaat rapporteren omdat bijvoorbeeld bonussen in het vooruitzicht worden gesteld. Bij deze variant kan een relatie gelegd worden met de ‘Bonus cost hypothese’ van Watts en Zimmerman (1986). In paragraaf 2.2.2. wordt de ‘Bonus cost hypothese’ behandeld.
Income smoothing
Oftewel winstegalisatie, past men toe om over langere perioden geen resultaat te tonen met de vorm van een ‘zaagtand’. Het doel is om stabiliteit, rust en regelmaat uit te stralen. Hiermee voorkomt men vragen en onrust.
Ervan uitgaande dat het optimale resultaat voor non-profitorganisaties net boven nul ligt (Hoerger, 1991) en dat er richting nul of net daarboven gestuurd wordt (Verbruggen en Christiaens, 2012), zou men in het hoger onderwijs ’income minimization’ en ‘income smoothing’ verwachten als strategie om het resultaat te sturen.
2.4 Detecteren resultaatsturing
In de loop der jaren zijn er meerdere modellen ontwikkeld en gebruikt om resultaatsturing meetbaar te maken. De essentie van de methoden is de verdeling van het resultaat en de mate van gebruik van (discretionaire) accruals. In deze paragraaf worden de belangrijkste modellen toegelicht.
2.4.1 Modellen
De meerderheid van de huidige studies naar resultaatsturing richten zich op het gebruik van de discretionaire bevoegdheid in de boekhouding als een instrument voor resultaatsturing. In deze studies kan een onderscheid gemaakt worden in drie methodieken ter waarneming van resultaatsturing: modellen op basis van de verdeling van de gerapporteerde winst, modellen op basis van de totale accruals en modellen op basis van specifieke accruals. Deze modellen worden hieronder toegelicht.
In het model van Healy (1985) wordt ervan uitgegaan dat discretionaire en non-discretionaire accruals niet te scheiden zijn. Een benadering door middel van totale accruals wordt hierbij als een goed alternatief toegepast. Wel spreken Healy (1985) en anderen al over een onderscheid tussen non-discretionaire en discretionaire accruals. Het model van Healy (1985) ziet er als volgt uit.
De vergelijking wordt uiteengezet in appendix B.
In tegenstelling tot Healy (1985) is de basis in het model van DeAngelo (1986) niet de gemiddelde discretionaire accruals maar de discretionaire accruals van het jaar ervoor (t-1). Het model van DeAngelo (1986) ziet er als volgt uit.
NDAt = TA t-1 (2)
De vergelijking wordt uiteengezet in appendix B.
Hoewel Healy (1985) en DeAngelo (1986) al spreken over discretionaire en non-discretionaire accruals is Jones (1991) de eerste die in haar model de accruals verdeelt in een discretionair en een non-discretionair deel. In haar model gebruikt Jones (1991) het model van DeAngelo (1986) als basis. De aanwezigheid of het bestaan van discretionaire accruals wordt als teken gezien voor het bestaan van resultaatsturing. Aan de hand van het residu van deze vergelijking (Jones model) wordt de abnormale resultaatsturing vastgesteld. Een positieve waarde is een teken van winstverhogende sturing, een negatieve waarde is een teken van winstverlagende sturing. Hieronder staat het model van Jones (1991).
TA /A t-1 = α + β1 ΔREV/A t-1 + β2 PPE t/A t-1 + ε (3)
De vergelijking wordt uiteengezet in appendix B.
Later zijn er veel varianten op het model van Jones gekomen. In het model van Dechow et al (1995) bijvoorbeeld gaan zij ervan uit dat omzet beïnvloedbaar is. Het effect dat deze beïnvloeding heeft wordt gecorrigeerd via de mutaties in het debiteurensaldo in het oorspronkelijke model van Jones. Het gebruikte model wordt dan ook het gemodificeerde Jones model (Modified Jones-model) genoemd.
McNichols en Wilson (1988) gebruiken één specifieke accrual om de aanwezigheid van resultaatsturing aan te tonen in hun onderzoek, namelijk de post dubieuze debiteuren. Later volgden er meerdere onderzoeken naar resultaatsturing op basis van één specifieke accrual. Het voordeel van onderzoek op basis van specifieke accruals is de hogere nauwkeurigheid. Bij deze benadering kan op basis van specifieke accruals, welke gevoelig zijn voor resultaatsturing in een bepaalde sector, onderzoek worden gedaan. Een nadeel is dat het onderzoek zich richt op een specifiek deel van het gestuurde resultaat. Verder is het niet altijd mogelijk om de specifieke accruals in datasets te onderscheiden van de overige accruals. Aan het einde van deze paragraaf is een overzicht te vinden met voorbeelden van onderzoeken.
Burgstahler en Dichev (1997) passen in hun onderzoek naar resultaatsturing een methode toe welke gebaseerd is op de verdeling van het resultaat rondom het nulpunt. Er wordt eerst gekeken naar de zogenaamde ‘kink’ vlak voor dit break-evenpoint. Dit is het punt waarbij geen positief maar ook geen negatief resultaat gerapporteerd wordt. De kink wordt veroorzaakt doordat er significant veel minder organisaties een ‘klein’ verlies rapporteert en hierbij stuurt richting een resultaat van nul of net daarboven. Vervolgens wordt de standaarddeviatie van het gerapporteerde resultaat vergeleken met het resultaat voor de verwerking van de discretionaire accruals. Dit wordt het premanaged resultaat genoemd.
Een kleinere standaarddeviatie bij de gerapporteerde winsten geeft doorgaans aan dat er meer organisaties zijn die het rondom het nulpunt rapporteren dan voor de aanpassing van de discretionaire accruals. In onderstaande figuur van Burgstahler en Dichev (1997) is duidelijk waarneembaar dat er een lagere frequentie is net onder het nulpunt.
Figuur 2.
Distributie van resultaten, Burgstahler en Dichev (1997)
In diverse onderzoeken is een combinatie van de diverse methoden toegepast. Leone en Van Horn (2005) passen de methode van discretionaire accruals evenals die van specifieke accruals toe voor hun onderzoek naar resultaatsturing bij non-profitziekenhuizen. Ze vonden bewijzen van resultaatsturing met het gebruik van de voorziening voor dubieuze debiteuren. In tabel 2 is een overzicht te vinden met voorbeelden van onderzoeken naar resultaatsturing en de verschillende toegepaste methoden.
Tabel 2.
Voorbeelden onderzoeken Earnings Management.
2.5 Financiele kengetallen in het Hoger Onderwijs
In deze paragraaf wordt een toelichting gegeven op het gebruik van financiële kengetallen in het hoger onderwijs. De belangrijkste financiële kengetallen worden uiteengezet. Financiële kengetallen worden onder andere gebruikt door OCW. De financiële kengetallen kunnen een aanleiding zijn voor onderwijsinstellingen om het resultaat te sturen. De financiële kengetallen geven geen waardeoordeel over de kwaliteit van het bestuur als geheel, de kwaliteit van de opleidingen of de onderwijskundige prestaties.
2.5.1 Financiele kengetallen
In november 2008 startte de Commissie Vermogensbeheer Onderwijsinstellingen onder leiding van prof. dr. F.J.H. Don. Deze commissie, welke ingesteld werd door de Minister van Onderwijs en de Minister van Financiën, had als taak een feitelijk onderzoek uit te voeren naar de financieringsstructuren en financiële risico's van onderwijsinstellingen evenals het in kaart brengen van mogelijkheden tot optimalisatie van de financieringsstructuur in relatie tot de aanwezige risico's en/of tot een andere verdeling van de risico's (Don, 2009). In dit rapport is een advies uitgebracht over financiële kengetallen in het onderwijs.
Financiële ratio’s spelen een belangrijke rol bij de beoordeling van de prestaties en de financiële positie van organisaties. In de loop der jaren, hebben empirische studies herhaaldelijk het nut aangetoond van financiële ratio's (Kung et al, 1981).
Toegepaste methode
Totale accruals Healy (1985) Dechow et al. (1995)
DeAngelo (1986) Guidry et al. (1999) Jones (1991)
Specifieke accruals McNichols and Wilson (1988) Petroni (1992)
Dechow and Sloan (1991) Beaver and McNichols (1998) Verdeling van het resultaat Burgstahler and Dichev (1997) Myers and Skinner (1999)
Degeorge et al. (1999) Leuz et al. (2003)
Leone and Van Horn (2005) Gecombineerde benadering (accruals én
verdeling van het resultaat)
Literatuur
In dit overzicht zijn verschillende onderzoeken opgenomen met elk een eigen toegepaste methode ten behoeve van het detecteren van resultaatsturing.
De grootste en tevens belangrijkste inkomstenbronnen in het hoger onderwijs komen van het OCW. Van belang is dat de onderwijsinstellingen rechtmatig en doelmatig omgaan met deze inkomsten. Een gezonde financiële situatie is van belang om continuïteit te kunnen waarborgen. Financiële continuïteit heeft betrekking op de vraag of het bestuur financieel gezond is, op korte of langere termijn kan voldoen aan zijn financiële verplichtingen en gebruik maakt van een adequate planning en control. Financiële rechtmatigheid van bekostiging hangt samen met de vraag of het bestuur recht heeft op het geld dat het van rijkswege ontvangt en het besteedt aan die zaken, waarvoor het volgens wet- en regelgeving bedoeld is (OCW, 2014).
Financiële doelmatigheid heeft verband met de vraag of het bestuur efficiënt gebruik maakt van zijn van rijkswege ontvangen middelen (OCW, 2014).
Financiële risico’s bij onderwijsinstellingen moeten tijdig worden gesignaleerd. De onderwijsinspectie doet dat aan de hand van financiële kengetallen. In de beoordeling van de kengetallen gebruikt OCW signaleringsgrenzen.
De belangrijkste kengetallen die gebruikt worden in het onderwijs zijn liquiditeit, rentabiliteit, solvabiliteit, kapitalisatiefactor en weerstandsvermogen, deze worden hieronder uiteengezet. Liquiditeit
De liquiditeitsratio (current ratio) toont de verhouding tussen de vlottende activa en de kortlopende schulden. Hiermee geeft de ratio aan in welke mate de instelling aan haar verplichtingen op korte termijn kan voldoen. Een liquiditeit groter dan 1 geeft aan dat tegenover alle binnenkort vervallende schulden ten minste evenveel vlottende activa staat. Deze ratio wordt als volgt berekend; vlottende activa / kortlopende schulden.
Voor de liquiditeit hanteert OCW voor de signalering een ondergrens van 0,5 en een bovengrens van 1,5 voor het hoger onderwijs (DUO, 2014).
Rentabiliteit
De rentabiliteit gewone bedrijfsvoering geeft aan welk deel van de totale baten over blijft na aftrek van de lasten en wordt als volgt gedefinieerd; resultaat / (totale baten + rentebaten + financiële baten)* 100%.
Voor de rentabiliteit hanteert OCW voor de signalering een ondergrens van 0% en een bovengrens van 5% voor het hoger onderwijs (DUO, 2014).
Solvabiliteit
De solvabiliteit biedt inzicht in de mate waarin een instelling aan de lange termijn verplichtingen kan voldoen. Deze ratio geeft de verhouding weer tussen eigen vermogen en totaal vermogen. Een slechte solvabiliteit bemoeilijkt het verschaffen van vreemd vermogen. Onderwijsinstellingen kennen twee solvabiliteitsratio’s. ‘Solvabiliteit 1’ wordt verkregen door: eigen vermogen / totaal vermogen. De wijze van berekening van ‘solvabiliteit 2’ is: eigen vermogen (inclusief voorzieningen) / totaal vermogen (DUO, 2014).
Het kengetal solvabiliteit is een belangrijk kengetal voor het hoger onderwijs vanwege de grote mate van zelfstandigheid die deze organisaties kennen. Voor de solvabiliteit hanteert OCW voor de signalering een ondergrens van 30%. De Commissie Don adviseert in 2009 de ondergrens te verlagen naar 20% (Don, 2009).
Kapitalisatiefactor
De kapitalisatiefactor is door de commissie Don geïntroduceerd in 2009. Met de kapitalisatiefactor kan gesignaleerd worden of onderwijsinstellingen een deel van hun kapitaal niet of inefficiënt benutten (Don, 2009). De gedachte is dat men theoretisch dezelfde prestaties kan leveren met minder kapitaal. De kapitalisatiefactor geeft het verband tussen het kapitaal (exclusief kapitaal dat vastligt in gebouwen en terreinen) en de inkomsten als volgt weer: totale kapitaal (exclusief gebouwen en terreinen / totale baten + rentebaten (DUO, 2014).
De kapitalisatie is een zogenaamde bovengrens. De commissie Don adviseert de tweede kamer in 2009 om voor het voortgezet onderwijs en primair onderwijs een grens van 35% te hanteren. Voor de sectoren WO en HBO heeft de commissie nog geen invulling gegeven aan de hoogte van de kapitalisatiefactor (Don, 2009).
Weerstandsvermogen
Als kengetal voor de reservepositie bestaat het weerstandsvermogen. Met het weerstandsvermogen wordt het verband tussen het eigen vermogen en de inkomsten weergegeven. Hiermee wordt inzicht verkregen in de omvang van het eigen vermogen in relatie tot de grootte van de onderwijsinstelling. Een solide weerstandsvermogen vormt enerzijds een buffer voor toekomstige financiële risico’s en anderzijds een financieel gezonde basis voor de gewenste en/of noodzakelijke investeringen. De berekening van het weerstandsvermogen is als volgt: (Eigen vermogen -/- Materiële vaste activa) / Rijksbijdrage (DUO, 2014). De Commissie Don heeft in 2009 de Tweede kamer geadviseerd om dit kengetal af te schaffen. Dit kengetal wordt echter nog steeds gebruikt door DUO/OCW.
Gemiddelde ratio’s van de kengetallen behorende bij de data van dit onderzoek zijn te vinden in tabel 3.
Tabel 3.
Kengetallen HBO en WO 2008-2012 (DUO, 2014).
2.6 Samenvatting
Resultaatsturing houdt in dat het resultaat binnen de wetgeving door middel van eigen oordeel bewust wordt gestuurd om de beoogde resultaatdoelstelling te bereiken. De financiële verslaggeving biedt ruimte voor een eigen oordeel. Resultaatsturing in de non-profitsector onderscheid zich van resultaatsturing in de profitsector.
Naast resultaatsturing op basis van zogenaamde ‘real variables’ is de meest voorkomende en tevens goedkoopste manier door middel van accruals. Accruals spelen een prominente rol in resultaatsturing en het detecteren van resultaatsturing. Detecteren van resultaatsturing kan via verschillende methoden en modellen. Een combinatie van methoden en modellen is ook mogelijk. De diverse modellen die gebruikt worden om resultaatsturing te meten doen dit op basis van de discretionaire of totale accruals.
De ‘Agency theory’ en de ‘Positive accounting theory’ ondersteunen in de verklaring van de motieven voor resultaatsturing. Er bestaan diverse hypothesen en motieven die van betekenis zijn bij resultaatsturing. Een belangrijk motief voor organisaties om het resultaat te sturen is omdat zij hun financiële kengetallen willen verbeteren. De redenen hiervoor verschillen. De ‘Political cost hypothese’ beschreven in de ‘Positive accounting theory’ van Watts en Zimmerman (1986) sluit aan bij de aspecten (continuïteit, rechtmatigheid en doelmatigheid) welke de inspectie van het Onderwijs gebruikt ten behoeve van het financiële toezicht. De ‘Debt
WO HBO WO HBO WO HBO WO HBO WO HBO
2008 0,54 0,36 0,93 0,71 3,0% 0,8% 44,24 38,48 52,0% 33,6% 2009 0,51 0,35 0,92 0,77 0,6% 1,2% 47,45 40,73 50,6% 33,5% 2010 0,50 0,37 0,91 0,96 0,9% 3,8% 46,34 42,85 50,3% 35,5% 2011 0,49 0,38 0,94 1,04 1,5% 2,7% 46,65 41,55 49,9% 36,9% 2012 0,48 0,41 1,00 1,01 1,9% 1,7% 52,98 42,40 50,8% 38,3%
Solvabiliteit 1 Eigen vermogen / Totaal vermogen Liquiditeit Vlottende activa / Kortlopende schulden
Rentabiliteit Resultaat / Totale baten + Rentebaten + Financiele baten)* 100%
Totale kapitaal (exclusief Gebouwen en Terreinen / Totale baten + Rentebaten Eigen vermogen (exclusief Materiële vaste activa) / Rijksbijdrage * 100% HBO Hoger beroepsonderwijs
WO Wetenschappelijk onderwijs Kapitalisatiefactor
Weerstandsvermogen Jaar
In dit overzicht worden de gewogen gemiddelden kengetallen liquiditeit, rentabliteit, solvabiliteit, kapitalisatiefactor en weerstandsvermogen voor de jaren 2008 tot en met 2012 in het hoger onderwijs in Nederland weergegeven. Dit zijn tevens de gemiddelden van de steekproef van dit onderzoek.
covenant hypothese’ beschreven in de ‘Positive accounting theory’ van Watts en Zimmerman (1986) sluit aan bij het gebruik van de financiële ratio’s. Hierbij is aangegeven dat het verbeteren van financiële kengetallen een motief kan zijn voor resultaatsturing.
De grootste inkomstenbron in het hoger onderwijs is van OCW. Het Ministerie van OCW stelt naast eisen aan de financiële gesteldheid van een instelling tevens eisen aan de besteding. Financiele kengetallen spelen een belangrijke rol bij de beoordeling door OCW van de financiële positie. Signaleringsgrenzen worden hierbij toegepast. In het kader van dit onderzoek is het van belang om te weten welke invloed de financiële kengetallen hebben op de mate van resultaatsturing in het hoger onderwijs.
3 Het onderzoek
In het vorige hoofdstuk is de theorie behandeld over resultaatsturing. In dit hoofdstuk wordt deze theorie omgezet naar het onderzoek en de bijbehorende hypothesen. Eerst wordt de herkomst van de dataset toegelicht. Vervolgens worden de hypothesen met de bijbehorende onderzoeksvragen behandeld. Tenslotte worden de methodieken toegelicht die gebruikt worden in dit onderzoek.
3.1 Data
De financiële data worden via de internetsite van DUO verkregen. De jaarcijfers 2008 tot en met 2012 van 55 hoger onderwijsinstellingen worden gedownload voor het onderzoek.
De financiële gegevens op de internetsite van DUO zijn afkomstig uit de jaarrekeningen van de door OCW bekostigde onderwijsinstellingen, zoals ze elektronisch zijn aangeleverd aan DUO, of door DUO ingevoerd naar aanleiding van de door de accountant goedgekeurde jaarrekening. De jaarrekeningen zijn gecontroleerd door de accountant. In de accountantsverklaring moet de naleving van de door OCW voorgeschreven richtlijnen worden verklaard. Bij DUO is vastgesteld of de elektronische bestanden, zoals aangeleverd door de onderwijsinstellingen, overeenkomen met de door de accountant goedgekeurde ‘papieren’ jaarrekening. Was dit niet het geval, dan is de elektronische versie aangepast aan de ‘papieren’ versie door DUO (2014).
In tabel 4 wordt de dataset samengevat. Een uitgebreid overzicht van de dataset is te vinden in appendix A.
Tabel 4.
Samenvatting van de steekproef het hoger onderwijs in Nederland 2008-2012.
Wetenschappelijk Onderwijs 18 82 18 64 0 64 Hogescholen 37 185 37 148 5 143 Totaal 55 267 55 212 5 207 Hoger Onderwijs-instellingen Jaarrekeningen 2008-2012 af; Basisjaren (normaal) N incl. outliers Outliersaf; N
Deze dataset bestaat uit 18 universiteiten en 37 hogescholen, in totaal zijn dit 55 hoger onderwijsinstellingen. Het totaal aantal jaarrekeningen voor de periode 2008-2012 is 267, bestaande uit 82 van universiteiten en 185 van hogescholen. Omdat in de gebruikte
onderzoeksmodellen het voorgaande jaar benaderd wordt als de normale waarde voor de accruals vallen alle basisjaren weg, totaal 55. Ten slotte worden ter voorkoming van een vertekend beeld in totaal vijf outliers verwijderd. Outliers zijn alle waarden die minstens 3 standaarddeviaties verwijderd liggen van het gemiddelde. De outliers zijn bepaald op basis van de resultaten (RES).
3.2 Hypothesen
In de vorige paragraaf is een toelichting gegeven op de dataset. In deze paragraaf worden de deelvragen uiteengezet en de hypothesen ontwikkeld om het onderzoek op basis van de dataset uit te voeren.
3.2.1 Hypothese 1
In de diverse onderzoeken die gedaan zijn naar resultaatsturing is aangetoond dat managers resultaatsturing toepassen om een gestaag toenemende winstpatroon te tonen en om kleine verliezen en winstafname te vermijden (Burgstahler en Dichev, 1997).
Verbruggen en Christiaens (2012) hebben onderzoek gedaan in de Belgische non-profitsector. Hierbij is onderzocht of deze non-profitorganisaties het resultaat richting nul sturen en of overheidsfinanciering en/of subsidies van invloed is op de mate van resultaatsturing richting nul. De studie van Verbruggen en Christiaens (2012) bewijst dat resultaatsturing aanwezig is in non-profitsectoren evenals in de subsectoren en dat er een sturing richting nul is.
In dit gedeelte van het onderzoek staat de vraag centraal of resultaatsturing toegepast wordt in het hoger onderwijs in Nederland en of het resultaat wordt gestuurd richting nul of net daarboven. De bijbehorende hypothesen worden hieronder weergegeven.
H0 (1): Het resultaat wordt door hoger onderwijsinstellingen in Nederland niet richting nul of net daarboven gestuurd.
H1 (1): Het resultaat wordt door hoger onderwijsinstellingen in Nederland wel richting nul of net daarboven gestuurd.
3.2.2 Hypothese 2
Om een bevestiging te krijgen op Hypothese 1 en om te zien welke invloed het premanaged resultaat (resultaat zonder mutaties door middel van discretionaire accruals) heeft op de mate van resultaatsturing wordt een hypothese toegevoegd.
H0 (2): Resultaat wordt door hoger onderwijsinstellingen in Nederland niet omhoog beheerd wanneer het premanaged resultaat negatief is en niet omlaag beheerd wanneer het premanaged resultaat positief is.
H1 (2): Resultaat wordt door hoger onderwijsinstellingen in Nederland omhoog beheerd wanneer het premanaged resultaat negatief is en omlaag beheerd wanneer het premanaged resultaat positief is.
Een verwerping van de nulhypothese zou in de praktijk betekenen dat op basis van het resultaat vóór mutaties in de discretionaire accruals (premanaged resultaat) de hoogte van de discretionaire accruals wordt bepaald.
Verwacht wordt dat de hoogte van het premanaged resultaat een rol speelt bij de mate van descretionaire accruals die gebruikt worden met het doel het resultaat te beheren in het hoger onderwijs in Nederland.
3.2.3 Hypothese 3
In de ‘Positive accounting theory’ van Watts & Zimmerman (1986) wordt aangegeven dat ondernemingen resultaatsturing toepassen met het doel om aan ‘debt covenants’ te voldoen. Het kunnen tonen van gezonde financiële ratio’s is hierbij essentieel.
Het OCW gebruikt financiële kengetallen bij de beoordeling van de financiële positie van onderwijsinstellingen. De belangrijkste kengetallen die het OCW gebruikt zijn liquiditeit, rentabiliteit, solvabiliteit, kapitalisatiefactor en weerstandsvermogen. In dit gedeelte van het onderzoek wordt onderzocht of de financiële kengetallen de mate van resultaatsturing beïnvloeden.
In onderstaande tabel worden deze kengetallen uiteengezet. Tabel 5.
Financiele kengetallen.
In paragraaf 2.5.1 worden deze financiële kengetallen toegelicht.
De bijbehorende hypothesen bij dit gedeelte van het onderzoek staan hieronder.
H0 (3): Financiele kengetallen hebben geen invloed op de mate van resultaatsturing bij hoger onderwijsinstellingen in Nederland.
H1 (3): Financiele kengetallen hebben wel invloed op de mate van resultaatsturing bij hoger onderwijsinstellingen in Nederland.
Naam tbv
regressie Volledige naam Formule
SOLV_1 Solvabiliteit Eigen vermogen / Totaal vermogen LIQ_CR Liquiditeit (current ratio) Vlottende activa / Kortlopende schulden
RENT Rentabiliteit Resultaat / Totale baten + Rentebaten + financiele baten)* 100%
KAPFCTR Kapitalisatiefactor Totale kapitaal (exclusief Gebouwen en Terreinen / Totale baten + Rentebaten WEERST Weerstandvermogen Eigen vermogen (exclusief Materiële vaste activa) / Rijksbijdrage
De verwachting is dat de financiële kengetallen die in directe relatie staan met het eigen vermogen de mate van resultaatsturing beïnvloeden. De reden hiervoor is dat resultaat zich direct vertaalt in eigen vermogen. De financiële kengetallen die hieraan voldoen zijn SOLV_1, KAPFCTR en WEERST. In de praktijk zal het resultaat echter alleen gestuurd worden indien er risico aanwezig is dat het financiële kengetal de signaleringsgrens overschrijdt. De invloed die de financiële kengetallen LIQ_CR en RENT hebben op de mate van resultaatsturing is lastiger te voorspellen omdat deze kengetallen niet direct iets zegt over de eigen vermogenspositie.
3.3 Modelkeuze
In deze paragraaf wordt de modelkeuze en methode om de hypothesen te toetsen toegelicht. Een uitgebreide toelichting op de methoden om resultaatsturing te detecteren en te onderzoeken is te vinden in paragraaf 2.4. van dit onderzoek.
3.3.1 Model statistische verdeling
Om Hypothese 1 te toetsen wordt de methode van Burgstahler en Dichev (1997) toegepast. Dit gedeelte van het onderzoek wordt gedaan door het maken van twee statistische verdelingen. Eén verdeling van het resultaat voor en één na mutaties in de discretionaire accruals.
Het resultaat vóór mutaties in de discretionaire accruals (premanaged resultaat) wordt als volgt verkregen.
PreRes t = Res t/A t-1 – DA t (4)
De vergelijking wordt uiteengezet in appendix B.
3.3.2 Regressiemodel accruals
Het tweede gedeelte van het onderzoek wordt op basis van een regressieanalyse uitgevoerd. Dit wordt gedaan om de motieven van resultaatsturing te onderzoeken. Hypothese 2 en Hypothese 3 worden getoetst aan de hand van de regressieanalyse.
Omdat in het onderwijs het overgrote deel van de verkopen, namelijk de inkomsten via collegegelden, niet te beïnvloeden is wordt niet gekozen voor het modified Jones model maar voor het Jones model (1991). De afhankelijke variabele in het regressiemodel is het residu uit het model van Jones (1991). Deze variabele vertegenwoordigt de discretionaire accruals en drukt de mate van resultaatsturing uit. Het toegepaste Jones model (1991) staat hieronder.
TA /A t-1 = α + β1 * ΔREV/A t-1 + β2 * PPE t/A t-1 + ε (3)
Om te beoordelen of het premanaged resultaat van invloed is op het omhoog of omlaag sturen van het resultaat, wordt de onafhankelijke variabele premanaged resultaat (PRE_RES) toegevoegd aan het regressiemodel. Deze onafhankelijke variabele wordt gebruikt bij het toetsen van Hypothese 2.
Naast bovenstaande variabele worden, ten behoeve van deelvraag 3, de belangrijkste financiële kengetallen die het OCW gebruikt in het toetsen van de financiële positie van onderwijsinstellingen opgenomen in het model. Dit zijn LIQ_CR (liquiditeit current ratio), RENT (rentabiliteit), SOLV_1 (solvabiliteit), KAPFCTR (kapitalisatiefactor) en WEERST (weerstandsvermogen).
De regressieanalyse geeft antwoord op de deelvraag of (bepaalde) financiële kengetallen van invloed zijn op de mate van resultaatsturing bij hoger onderwijsinstellingen in Nederland. Het uiteindelijke regressiemodel komt er als volgt uit te zien.
DA_JONES = α + β1 * PRE_RES + β2 * LIQ_CR + β3 * RENT + β4 * SOLV_1 + β5 *
KAPFCTR + β6 * WEERST + ε (5)
De vergelijking wordt uiteengezet in appendix B.
3.4 Samenvatting
De dataset ten behoeve van het onderzoek is afkomstig van DUO. Er zijn drie hypothesen ontwikkeld en zullen worden getoetst door middel van twee methoden. De methoden die gebruikt worden in dit onderzoek zijn op basis van statische verdeling van Burgstahler en Dichev (1997) en een regressieanalyse op basis van de totale discretionaire accruals, het zogenaamde Jones model (1991). Hypothese 1 word onderzocht aan de hand van de statistische verdelingen. Hypothese 2 en Hypothese 3 worden onderzocht aan de hand van de regressieanalyse.
4 Resultaten onderzoek
In dit hoofdstuk worden de data en resultaten van het onderzoek behandeld. Eerst wordt aan de hand van de verdeling onderzocht of er resultaatsturing is, hiermee wordt Hypothese 1 getoetst. Vervolgens wordt aan de hand van een regressieanalyse onderzocht welke onafhankelijke variabelen van invloed zijn op de mate van resultaatsturing. Dit zijn Hypothesen 2 en Hypothese 3 in het onderzoek.
4.1 Resultaten
In deze paragraaf worden de resultaten van het onderzoek gepresenteerd. De resultaten worden voorzien van commentaar en interpretatie.
4.1.1 Output regressie Jones model (1991)
Zoals in paragraaf 3.3 aangegeven testen we de aanwezigheid van discretionaire accruals aan de hand van het Jones model (1991). Om de discretionaire accruals van de totale accruals te scheiden wordt een regressie volgens het Jones model (1991) uitgevoerd. De vergelijking van het Jones model (1991) is als volgt.
TA /A t-1 = α + β1 ΔREV/A t-1 + β2 PPE t/A t-1 + ε (3)
De vergelijking wordt uiteengezet in appendix B. In tabel 6 wordt de output van de regressieanalyse getoond.
Tabel 6.
Output regressie Jones model (1991).
Tabel 6 toont de totale samenvatting van de complete invloed van de onafhankelijke variabelen op de afhankelijke variabele in het Jones model (1991). Het model correleert met 0,1810 en verklaart slechts voor 3,28% de afhankelijke variabele TA (Total Accruals).
De lage R en R Square geven aan dat het Jones model (1991) niet sterk is in het voorspellen van de normale niveaus van de accruals in de dataset. Tevens kan geconcludeerd worden dat de totale accruals (TA) bijna identiek zijn aan de discretionaire accruals (DA_JONES).
Verder is de significantie van het gehele model 0,0090. Deze waarde geeft aan dat het model niet significant is. Het model zou niets toevoegen en TA zou dus (bijna) gelijk zijn aan DA_JONES. Geconcludeerd kan worden dat het Jones model (1991) zich niet volledig leent om de hoogte van de discretionaire accruals goed te voorspellen in deze dataset. Met deze informatie wordt een additionele regressieanalyse (zie hiervoor appendix E, tabel 18) uitgevoerd, het residu (DA_JONES) wordt dan vervangen door TA. Indien de resultaten verschillen wordt gekozen
Standardized Coefficients
B Std. Error Beta BoundLower Bound ToleranceUpper VIF
(Constant) -,070 ,017 -4,069 ,000 -,104 -,036 PPEtAt1 -,195 ,078 -,185 -2,515 ,013 -,348 -,042 ,875 1,143 ΔREVAt1 ,004 ,027 ,012 0,157 ,876 -,049 ,057 ,875 1,143 Model Summary Multiple R 0,18102789 R Square 0,0327711 Adjusted R Square 0,02805291 Standard Error 0,06468591 Observations 207 Sig. 0,00904446 Afhankelijke variabele TA Onafhankelijke variabelen PPE t ΔREV
Deze statistieken zijn de output van de regressie volgens het Jones model (1991). De vergelijking wordt uiteengezet in appendix B, vergelijking 3. Conf.interval in de regressie is 95%.
Totale accruals in jaar t (netto winst -/- operationele kasstroom) geschaald naar de totale activa aan het begin van het boekjaar (TA /A t-1).
(im)materiële vaste activa in jaar t geschaald naar de totale activa aan het begin van het verandering van opbrengsten tussen jaren t en t-1 geschaald naar de totale activa aan het begin van het boekjaar (ΔREV/A t-1).
Unstandardized Coefficients
t Sig.
95,0% Confidence
voor regressieanalyse met DA_JONES omdat in dit onderzoek de nadruk ligt op de discretionaire accruals als middel om het resultaat te sturen.
4.1.2 Beschrijvende statistiek
Het onderzoek is gedaan op basis van 207 observaties. De beschrijvende statistiek is samengevat in onderstaande tabel.
Tabel 7.
Beschrijvende statistiek 2008-2012.
4.2 Statistische verdeling ten behoeve van Hypothese 1
4.2.1 Resultaten bij Hypothese 1
In de histogrammen opgenomen in de figuren 3 en 4 worden de verdelingen van PRE_RES en RES weergegeven. De eerste verdeling is van het resultaat vóór mutaties in de discretionaire accruals (PRE_RES). Deze verdeling vertegenwoordigt het resultaat zonder resultaatsturing. Vervolgens wordt in figuur 4 de verdeling van het netto resultaat weergegeven, dit is het resultaat nadat de discretionaire accruals zijn verwerkt (RES). 'Frequency' is het aantal waarnemingen in een bepaald resultaatinterval. De resultaten PRE_RES en RES in de verdelingen zijn geschaald naar de stand van de activa aan het begin van het jaar per hoger onderwijsinstelling. Aan de hand
Variable Description N Minimum Maximum DeviationStd. Variance
Statistic Statistic Statistic Statistic Std. Error Statistic Statistic Statistic Std. Error Statistic Std. Error RES Netto Resultaat 207 -,1051 ,1661 ,018825 ,002776 ,0399407 ,002 -,146 ,169 1,496 ,337 PRE_RES Premanaged Netto Resultaat 207 -,2053 ,5543 ,018825 ,005276 ,0759015 ,006 1,472 ,169 11,592 ,337 TA Totale accruals 207 -,5326 ,1720 -,072902 ,004560 ,0656128 ,004 -1,418 ,169 12,771 ,337 DA_JONES Residu Jones Model (1991) 207 -,5031 ,2260 ,000000 ,004485 ,0645287 ,004 -2,210 ,169 18,799 ,337 LIQ_CR Liquiditeit (current ratio) 207 ,16 5,76 1,2819 0,0644 ,92632 ,858 2,512 ,169 6,956 ,337 RENT Rentabiliteit 207 -16,0 12,2 1,577 0,265 3,8084 14,504 -,926 ,169 3,055 ,337 SOLV_1 Solvabileit 207 ,09 ,89 ,4489 ,0119 ,17179 ,030 ,398 ,169 -,144 ,337 KAPFCTR Kapitalisatiefactor 207 -33,58 147,81 49,9049 1,7903 25,75819 663,485 1,089 ,169 2,520 ,337 WEERST Weerstandvermogen 207 5,2 152,4 48,663 2,212 31,8312 1013,222 1,847 ,169 3,411 ,337 Z_RES Z-score van RES 207 -2,2152 2,7262 ,043280 ,050584 ,7277836 ,530 -,146 ,169 1,496 ,337
Valid N (listwise) 207
De dataset bestaat uit 207 observaties, in appendix A is een uitgereide weergave opgenomen van de totale dataset.De variabelen worden hieronder toegelicht. RES Netto resultaat (gerapporteerd). Dit is het resultaat geschaald naar de totale activa aan het begin van het boekjaar (Res t/A t-1).
PRE_RES Premanaged resultaat. Dit is het resultaat geschaald naar de totale activa aan het begin van het boekjaar minus de discretionaire accruals. Zie voor RES EN PRE_RES vergelijking 4, in appendix B. PreRes t = (Res t/A t-1 – DA t )
DA_JONES Proxy discretionaire accruals volgens Jones model (1991)
TA Totale accruals in jaar t (netto winst -/- operationele kasstroom) geschaald naar de totale activa aan het begin van het boekjaar (TA /A t-1). Zie voor TA en DA_JONES vergelijking 3, in appendix B. TA /A t-1 = α + β1 ΔREV/A t-1 + β2 PPE t/A t-1 + ε SOLV_1 Solvabiliteit Eigen vermogen / Totaal vermogen
LIQ_CR Liquiditeit (current ratio) Vlottende activa / Kortlopende schulden
RENT Rentabiliteit Resultaat / Totale baten + Rentebaten + financiele baten)* 100%
KAPFCTR Kapitalisatiefactor Totale kapitaal (exclusief Gebouwen en Terreinen / Totale baten + Rentebaten WEERST Weerstandvermogen Eigen vermogen (exclusief Materiële vaste activa) / Rijksbijdrage
Z_RES Z-score van RES
van de normaliteittest van Kolmogorov-Smirnov wordt gesteld dat beide verdelingen niet normaal zijn. Zie hiervoor appendix C, tabel 13.
Het resultaat vóór mutaties in de discretionaire accruals (premanaged resultaat) wordt als volgt verkregen.
PreRes t = Res t/A t-1 – DA t (4)
De vergelijking wordt uiteengezet in appendix B. Figuur 3.
Histogram premanaged resultaat (PRE_RES) hoger onderwijs 2008-2012.
Figuur 4.
Histogram netto resultaat (RES) hoger onderwijs 2008-2012.
In appendices F en G zijn de histogrammen te vinden op groter formaat en zonder schaalaanpassing van de x-as bij RES.
In de verdeling van PRE_RES is te zien dat er een concentratie van frequenties rond het gemiddelde en het nulpunt zit. In de verdeling RES is te zien dat er significant meer organisaties zijn die een winst net boven nul laten zien vergeleken met het aantal net onder nul. Het aantal frequenties van onderwijsinstellingen onder nul toont een zichtbare discontinuïteit. De spreiding ziet er niet normaal uit net onder het nulpunt en de kink is duidelijk waarneembaar. Er zijn dus minder onderwijsinstellingen dan verwacht die een klein verlies rapporteren. Deze zogenaamde kink geeft volgens Burgstahler en Dichev (1997) aan dat er sprake is van resultaatsturing.
De histogrammen worden voor de helderheid ondersteund door middel van tabel 8. In deze tabel worden de intervallen en de frequenties in de verdelingen van PRE_RES en RES uiteengezet.
Tabel 8.
Intervallen resultaten PRE_RES en RES (2008-2012) in aantallen en percentages.
Het onderzoek toont aan dat het percentage hoger onderwijsinstellingen met een laag positief resultaat (tussen 0,0 en 0,1) van 54% naar 74% gaat nadat het resultaat door middel van discretionaire accruals is aangepast. Het percentage onderwijsinstellingen met een resultaat van meer dan 0,1 gaat van 10% naar 2% nadat de discretionaire accruals zijn geboekt. Het percentage hoger onderwijsinstellingen met een negatief resultaat is duidelijk lager nadat de discretionaire accruals zijn geboekt, namelijk van 37% naar 23%.
De bevindingen geven aan dat er een duidelijke verschuiving is van frequenties naar het gebied net boven het nulpunt. Zowel vanuit de positieve als de negatieve zijde van de resultaten is een verschuiving van frequenties waarneembaar.
Interval < -0,1 -0,1 - 0,0 0,0 - 0,1 > 0,1 totaal PRE_RES N 10 66 111 20 207 % 5% 32% 54% 10% 100% RES N 2 46 154 5 207 % 1% 22% 74% 2% 100% PRE_RES RES
Premanaged resultaat. Dit is het resultaat geschaald naar de totale activa aan het begin van het boekjaar minus de discretionaire accruals (Res t/A t-1 – DA t ).
Netto resultaat (gerapporteerd). Dit is het resultaat geschaald naar de totale activa aan het begin van het boekjaar (Res t/A t-1).
In tabel 7 zien we dat de standaarddeviatie bij RES (0,0399) veel kleiner is dan bij PRE_RES (0,0759). Tevens zien we een daling van de variantie van 0,006 bij PRE_RES naar 0,002 bij RES (dit kan een teken zijn van resultaatsturing richting nul maar kan ook veroorzaakt worden door de accruals omdat deze gebruikt worden om kosten aan periodes toe te wijzen). Ook valt de scheefheid op (skewness). Deze is bij RES evenwichtiger verdeeld dan bij PRE_RES, deze is duidelijk rechts-scheef (waarde >+/-0,5). RES heeft een links-scheve verdeling, deze is niet onevenwichtig verdeeld. De kurtosis, welke de maat is voor de spitsheid van de verdeling verschilt bij PRE_RES ook erg van RES.
Om te onderzoeken of de varianties van PRE_RES en RES significant afwijken van elkaar is de ‘Levene’s Test for Equality of Variances’ uitgevoerd. De test wijst uit dat de varianties van PRE_RES en RES significant afwijken van elkaar. In appendix B is de test opgenomen.
De gemiddelden blijven hetzelfde omdat het totaal van DA_JONES (=Da t in model onder) nul is en PRE_RES als volgt bepaald wordt;
PreRes t = Res t/A t-1 – DA t (4)
De vergelijking wordt uiteengezet in appendix B.
Wat tevens in de statistieken waarneembaar is is dat de mediaan verschuift van 0,0178 bij PRE_RES naar 0,01807 bij RES. Dit geeft aan dat er een verschuiving plaats heeft gevonden nadat de discretionaire accruals hebben plaatsgevonden richting nul. Het gemiddelde en de mediaan liggen verder van elkaar verwijderd bij PRE_RES. Dit is tevens aan te sluiten met eerdergenoemde bevindingen over de scheefheid van de verdelingen.
Op basis van deze toegepaste methode en de bevindingen kunnen we H0 verwerpen en de alternatieve hypothese H1 aannemen.
H1 (1): Het resultaat wordt door hoger onderwijsinstellingen in Nederland wel richting nul of net daarboven gestuurd.
Er is bewijs gevonden dat het resultaat wordt gestuurd richting nul of net daarboven. Deze bevindingen sluiten aan met de onderzoeken die gedaan zijn naar resultaatsturing in de non-profitsector door Leone en Van Horn (2005) en Verbruggen en Christiaens (2012). Het niet willen opvallen voor de politiek als hoger onderwijsinstelling komt overeen met het politieke motief zoals onderzocht door Watts en Zimmerman (1986). Jones (1991) geeft aan in haar onderzoek dat organisaties in de private sector tevens een politiek motief kennen om niet op te vallen voor de politiek. Burgstahler en Dichev (1997) tonen in hun onderzoek aan dat managers
resultaatsturing toepassen om een gestaag toenemende winstpatroon te tonen en om kleine verliezen en winstafname te vermijden.
De studie bewijst dat resultaatsturing aanwezig is in het hoger onderwijs in Nederland en dat er een sturing richting nul is. De uitkomsten van de toetsing van Hypothese 2 (paragraaf 4.3.2.) moet dit additioneel ondersteunen.
4.3 Regressieanalyse ten behoeve van Hypothese 2 en Hypothese 3
In de vorige paragraaf is het eerste deel van het onderzoek uitgevoerd aan de hand van de methode van Burgstahler en Dichev (1997) om antwoord te gegeven op de vraag of er sprake is van resultaatsturing richting nul of net daarboven in het hoger onderwijs. In deze paragraaf wordt de methode van Jones (1991) toegepast om te analyseren welke factoren van invloed zijn op de mate van resultaatsturing in de dataset. Dit deel van het onderzoek wordt uitgevoerd aan de hand van een regressieanalyse.
4.3.1 Output van het regressiemodel
In deze paragraaf worden de uitkomsten van de regressie uiteen gezet. De eerste regressie is uitgevoerd met DA_JONES als afhankelijke variabele en is te vinden in appendix D, tabel 17. Allereerst zijn de uitkomsten van de regressieanalyse gecontroleerd op multicollineariteit. Hier is geen sprake van, er zijn geen variabelen aanwezig met een correlatiecoëfficiënt groter dan 0,9 (zie hiervoor appendix C). De statistieken (Collinearity Statistics) in appendix D, tabel 17, tonen geen problemen in de collineariteit. WEERST toont een behoorlijk hoge VIF, maar blijft onder de 10. De tolerantie waarden zijn niet minder dan 0.1 en de VIF waarde zijn niet hoger dan 10, hiermee is er geen sprake van multicollineariteit.
De hoogte van VIF (7,1) bij WEERST wordt verklaard doordat dit kengetal feitelijk het product is van twee andere kengetallen en kan als volgt ontleed worden; weerstandsvermogen = solvabiliteit * kapitalisatiefactor.
Dit verklaart tevens de iets hogere VIF waarden bij SOLV (4,7) en KAPFCTR (3,3).
In symbolen kan bovenstaande als volgt uitgelegd worden (gebruik makend van TK = TV): EV/TB = EV/TV * TK/TB
Waarbij;
EV = Eigen vermogen TB = Totale baten
TV = Totaal vermogen TK= Totaal kapitaal
De Commissie Don heeft in 2009 de Tweede kamer geadviseerd om dit kengetal af te schaffen. De reden is dat dit kengetal misleidend kan zijn omdat het bedrijfseconomisch geen betekenis heeft volgens de Commissie Don (2009). Het is een verwarrende combinatie van een productiekengetal (kapitalisatiefactor) en een financieringskengetal (solvabiliteit) volgens de Commissie Don (2009). Dit kengetal wordt echter nog steeds gebruikt door DUO/OCW.
Alhoewel er geen sprake is van multicollineariteit geeft de hoge VIF waarde, veroorzaakt door WEERST in de regressie, aanleiding om de regressie nogmaals uit te voeren zonder het kengetal WEERST. In tabel 9 wordt de resultaten van deze regressie gepresenteerd.
Tabel 9.
Regressieanalyse DA_JONES (zonder WEERST).
Standardized Coefficients
B Std. Error Beta BoundLower Bound ToleranceUpper VIF
(Constant) ,015 ,003 4,832 ,000 ,009 ,021 PRE_RES -,955 ,015 -1,123 -64,529 ,000 *** -,984 -,925 ,733 1,365 LIQ_CR ,002 ,002 ,029 1,154 ,250 -,001 ,006 ,346 2,890 RENT ,009 ,000 ,553 31,374 ,000 *** ,009 ,010 ,713 1,402 SOLV_1 -,006 ,007 -,016 -0,876 ,382 -,020 ,008 ,656 1,524 KAPFCTR ,000 ,000 -,094 -4,327 ,000 *** ,000 ,000 ,469 2,131
Model Summary Anova
Sum of Squares df Mean Square F Sig. N 207 R ,977a R Square ,955 Regression ,820 5 ,164 861,393 ,000b
Adjusted R Square ,954 Residual ,038 201 ,000
Std. Error of the Estimate ,0137942 Total ,858 206
Afhankelijke variabele
DA_JONES
Onafhankelijke variabelen
PRE_RES
SOLV_1 Solvabiliteit Eigen vermogen / Totaal vermogen LIQ_CR Liquiditeit (current rati Vlottende activa / Kortlopende schulden
RENT Rentabiliteit Resultaat / Totale baten + Rentebaten + financiele baten)* 100%
KAPFCTR Kapitalisatiefactor Totale kapitaal (exclusief Gebouwen en Terreinen / Totale baten + Rentebaten *** significantie < 0,05
vertegenwoordigd de discretionaire accruals. Deze is bepaald aan de hand van het Jones model (1991). DA_JONES is het residu van vergelijking 3, zie hiervoor appendix B.
Premanaged resultaat. Dit is het resultaat geschaald naar de totale activa aan het begin van het boekjaar minus de discretionaire accruals (Res t/A t-1 – DA t ).
Unstandardized Coefficients
t Sig.
95,0% Confidence
Interval for B Collinearity Statistics
Deze dataset bestaat uit 18 universiteiten en 37 hogescholen, in totaal zijn dit 55 hoger onderwijsinstellingen. De jaarcijfers in deze steekproef, bestaande uit totaal 207 jaarrekeningen 2008-2012, zijn afkomstig van DUO.
In deze regressie zien we dat de VIF waarden gedaald zijn voor de kengetallen SOLV_1 en KAPFCTR nadat de regressie uitgevoerd is zonder het kengetal WEERST. Hiervoor dient met te kijken naar tabel 9 hierboven en te vergelijken met tabel 17 opgenomen in appendix D.
In de totale samenvatting van het regressiemodel lezen we de invloed van de onafhankelijke variabelen op de afhankelijke variabele. Het model correleert met 0,977 met de afhankelijke variabele en verklaart voor 95,5% de afhankelijke variabele DA_JONES. Verder lezen we in de ANOVA test dat het model significant is (<0.05). De onafhankelijke variabelen PRE_RES, LIQ_CR, RENT, SOLV_1 en KAPFCTR in het model voorspellen voor bijna 100% de mate van resultaatsturing op (basis van DA_JONES) in het hoger onderwijs in Nederland.
Zoals aangekondigd in paragraaf 4.1.1 wordt de regressieanalyse nogmaals uitgevoerd met als afhankelijke variabele TA (totale accruals) in plaats van de DA_JONES (discretionaire accruals). In appendix E (tabel 18) worden de uitkomsten van het regressiemodel met TA (exclusief WEERST) getoond.
De resultaten van de regressieanalyse met DA_JONES zijn anders dan met TA. Omdat in dit onderzoek de nadruk ligt op de discretionaire accruals en niet op de totale accruals wordt de regressieanalyse met DA_JONES (tabel 9 in deze paragraaf) gebruikt voor de interpretatie van de resultaten van de analyse.
4.3.2 Resultaten bij Hypothese 2
Deze hypothese wordt getoetst met behulp van de output van het regressiemodel in tabel 9. In de steekproef toont PRE_RES de grootste t-waarde is daarmee de hoogst verklarende waarde voor DA_JONES.
De significantie die hierbij hoort is minder dan 0,0001. Met zekerheid is te stellen dat PRE_RES een significante invloed heeft op DA_JONES (<0,05).
Geconcludeerd kan worden dat de hoogte van PRE_RES een belangrijke invloed heeft op de vraag om wel of geen resultaat te sturen. De resultaten laten tevens zien dat de hoogte van PRE_RES van invloed is op het bepalen van de richting waarop het resultaat gestuurd wordt. Wanneer de PRE_RES omlaag gaat, gaat hiermee een stijging van DA_JONES gepaard. Er is dus een negatieve invloed. Met deze informatie kunnen we H0 verwerpen en de alternatieve hypothese H1 aannemen, namelijk;
