Fraudedetectie bij complexe organisaties door een industrie
gespecialiseerde accountant
Naam: Ardavazd Hakopov Studentnummer: 11110481
Thesis supervisor: dr. S.W. (Sanjay) Bissessur Datum: 16 januari 2018
Aantal woorden: 11.972
MSc Accountancy & Control, specialization Accountancy Faculty of Economics and Business, University of Amsterdam
2
Statement of Originality
Dit document is geschreven door student Ardavazd Hakopov, welke volledige verantwoordelijkheid neemt voor de gebruikte bronnen in dit document.
Ik verklaar dat de tekst en het gepresenteerde werk in dit document origineel zijn en dat geen bronnen, anders dan vermeld in de tekst en bronnenlijst, zijn gebruikt.
De Faculteit Economie en Bedrijfskunde is uitsluitend verantwoordelijk voor het toezicht op de uitvoering van het werk, niet voor de inhoud.
3
Abstract
Uit eerdere onderzoeken blijkt dat een industriegespecialiseerde accountant meer in staat is om door frauduleus handelen ontstane materiële fouten in de financiële verslaggeving te detecteren. De gespecialiseerde accountant verkrijgt meer kennis en ervaring
betreffende een bepaalde industrie door controles uit te voeren bij organisaties die in dezelfde industrie opereren. De opgedane kennis en ervaring wordt overgedragen bij verschillende opdrachten binnen dezelfde industrie. Hierdoor stijgt de detectie van materiële fouten in de financiële overzichten van de te controleren organisaties. Er zijn echter onderzoeken uitgevoerd waaruit blijkt dat een industriegespecialiseerde accountant in vergelijking met een niet-gespecialiseerde accountant geen concurrentievoordeel heeft. Dit is omdat organisaties binnen dezelfde industrie in omvang en complexiteit kunnen verschillen. Er kan gesteld worden dat accountants de opgedane kennis en ervaring voor complexe organisaties bij verschillende opdrachten niet kunnen benutten, omdat diverse vergelijkbare elementen van de organisaties uit dezelfde industrie ontbreken. Het doel van deze scriptie is om te onderzoeken of de complexiteit van de organisatie een negatieve effect heeft op de relatie tussen een industriegespecialiseerde accountant en frauduleuze financiële verslaggeving. De stelling is onderzocht door fraudedossiers van verschillende organisaties van hetzelfde jaar en dezelfde industrie en grootte te
vergelijken met niet-fraudedossiers. Na het uitvoeren van een logistische regressieanalyse is de gestelde verwachting bevestigd. Op basis van de selectie van frauduleuze en niet-frauduleuze organisaties is er bewijs dat een industriegespecialiseerde accountant de frauduleuze financiële verslaggeving doet dalen. Daarnaast is bewezen dat
organisatorische complexiteit een positieve invloed heeft op het detecteren van fraudeleuze financiële verslaggeving. Kortom, de complexiteit van de organisatie doet fraudeleuze financiële verslaggeving stijgen. Het resultaat van de interactie was in zowel regressie drie als regressie vier positief, maar statistisch niet significant. Op basis hiervan kan geconcludeerd worden dat een industriegespecialiseerde accountant bij complexe organisaties minder in staat is materiële fouten te detecteren die ontstaan zijn door frauduleus handelen.
4
Inhoud
1. Inleiding ... 5
1.2 Onderzoekstructuur ... 6
1.3 Wetenschappelijke relevantie ... 7
2. Theoretisch kader en hypotheses ... 8
2.1 Frauduleuze financiële verslaggeving ... 8
2.1.1. Maatregelen SEC met betrekking tot frauduleuze financiële verslaggeving ... 8
2.1.2. Agent-principaaltheorie en moreel-wangedrag-probleem (Moral Hazard) ... 9
2.1.3. Fraude en fraudedriehoek ... 9
2.1.4. Factoren op industrieel niveau ... 10
2.2 Industriegespecialiseerde accountant ... 11
2.2.1. Voordelen voor de accountant om in een industrie te specialiseren ... 11
2.2.2. Voordelen voor klanten om een industriegespecialiseerde accountant te eisen ... 11
2.3 Complexiteit van organisaties ... 12
2.4 Frauduleuze financiële rapportering, industriële specialisatie van de accountant en organisatorische complexiteit ... 13
3. Onderzoeksaanpak ... 15
3.1 Methodologie ... 15
3.1.1. Afhankelijke variabele: frauduleuze rapportering ... 15
3.1.2. Onafhankelijke variabele: industriespecialisatie ... 16
3.1.3. Moderator: complexiteit van organisaties ... 17
3.1.4. Controlevariabelen ... 18 3.1.5 Regressiemodel ... 20 3.2 Data ... 21 3.2.1. Afhankelijke variabelen ... 21 3.2.2. Onafhankelijke variabelen ... 23 4. Resultaten ... 23 4.1 Assumpties ... 23 4.2 Correlatiematrix ... 24 4.3 Beschrijvende statistiek ... 25 4.4 Regressieanalyse ... 28 4.5 Additionele analyse ... 32 5. Conclusie ... 35
5.1 Conclusie van het onderzoek ... 35
5.2 Beperkingen en aanbevelingen voor vervolgonderzoek ... 37
Bibliografie ... 39
5
1. Inleiding
In de 21e eeuw was bij meerdere grote organisaties sprake van fraudeschandalen. Op basis van deze gebeurtenissen zijn diverse maatschappelijke discussies ontstaan waarbij kritiek is op de werkzaamheden van de controlerende accountant. Een van de grote fraudeschandalen betreft bijvoorbeeld het Enron-schandaal. De maatschappij werd wakker geschud door de gebeurtenissen binnen de organisatie. De regelgeving werd bijvoorbeeld aangepast. De invoering van Sarbanes-Oxly wetgeving (SOX) door de Amerikaanse overheid in 2002 is hier een bekend voorbeeld van. Het verbeteren van de auditkwaliteit door invoering van de SOX-wetgeving zou leiden tot een daling in de frauduleuze financiële verslaggeving (Coates, 2007).
De kans om onderworpen te worden aan maatregelen die opgelegd worden door de Securities and Exchange Commission (hierna: SEC) is groot wanneer gebruikgemaakt wordt van accrual based earnings management. De structuur en timing van financiële acties, investeringen en operationele zaken worden zonder onderbouwing en onderliggende documentatie aangepast (Cohen et al., 2008). Managers gebruiken deze vorm van agressieve accounting om aandeelhouders op het verkeerde been te zetten. Door deze veranderingen geven financiële overzichten geen getrouw beeld meer van de grootte en de samenstelling van het vermogen (Scott, 2012). De controlerende accountant dient zich aan te passen aan de controleomgeving, de organisatie en de markt waarin de organisatie opereert.
Volgens ISA 315.10 (IFAC, 2009) is het nodig om te investeren in industriële specialisatie, zodat de accountant fouten in de financiële verslaggeving van organisaties kan identificeren en agressieve accounting kan verminderen. Iedere industrie is
onderworpen aan specifieke risico's die ontstaan uit de aard van de activiteiten van de organisatie en de daarbij behorende regelgeving (ISA 315). Hierdoor hebben
accountantskantoren er voordeel bij om te investeren in industriespecialisatie. Dit leidt vervolgens tot een verbetering van de controlekwaliteit. Organisaties zijn echter wel verschillend en kunnen complex zijn.
Het belang van complexiteit is recentelijk toegenomen. De redenering achter dit fenomeen kan worden uitgelegd door de term "globalisatie". Garnsey (2006) stelt dat er een sterke relatie is tussen globalisatie en de toenemende complexiteit van organisaties. Lyth (2004) beweert daarnaast dat de complexiteit toeneemt door het feit dat de outputs en inputs van organisatorische bedrijfsprocessen beweeglijker zijn geworden. Derhalve is het moeilijker geworden om deze processen te controleren.
6 Het doel van deze scriptie is om te onderzoeken of de complexiteit van een organisatie invloed heeft op de controle en detectie van fraude door een
industriegespecialiseerde accountant. De hoofdvraag is als volgt geformuleerd:
In hoeverre heeft de complexiteit van een organisatie invloed op de relatie tussen een
industriegespecialiseerde accountant en detectie van frauduleuze financiële verslaggeving bij Amerikaanse controleplichtige organisaties?
De onderzoekstructuur wordt in paragraaf 1.2 behandeld. De wetenschappelijke relevantie van deze scriptie wordt in paragraaf 1.3 uiteengezet.
1.2 Onderzoekstructuur
Om de onderzoeksvraag te beantwoorden, wordt gebruikgemaakt van
literatuuronderzoek en statistisch onderzoek. In Hoofdstuk 2 wordt literatuuronderzoek uitgevoerd. Hierbij worden de onderstaande punten uiteengezet:
- De relatie tussen de agent-principaaltheorie en frauduleuze handeling van managers.
- Het verband tussen de fraudedriehoek en de agent-principaaltheorie. - De voordelen voor accountants bij specialisatie in een industrie.
- De voordelen voor organisaties om een gespecialiseerde accountant aan te stellen.
- De samenhang tussen industriespecialisatie en frauduleuze financiële verslaggeving.
- De complexiteit van organisaties en frauduleus gedrag van management.
Op basis van het theoretisch kader worden hypotheses opgesteld. In Hoofdstuk 3 wordt de onderzoeksopzet in kaart gebracht. Hierbij wordt de selectie van fraude, de
methodologie om afhankelijke en onafhankelijke variabelen te omschrijven en de uitvoering van dit onderzoek te beschrijven. Fraudeorganisaties worden vergeleken met organisaties zonder fraude. Dit gebeurt op basis van het boekjaar, de markt waarin de organisaties opereren en het balanstotaal. De resultaten van de statische testen worden in Hoofdstuk 4 besproken. In Hoofdstuk 5 wordt antwoord gegeven op de hoofdvraag en
7 volgt een conclusie. Tot slot worden de beperkingen van dit onderzoek en suggesties voor vervolgonderzoek besproken.
1.3 Wetenschappelijke relevantie
Eerder zijn al onderzoeken uitgevoerd die gerelateerd zijn aan de inhoud van deze scriptie. Uit het onderzoek van Carcello en Nagy (2002, 2004) blijkt dat de
controlekwaliteit verbetert wanneer accountants gespecialiseerd zijn in een bepaalde industrie. De accountants hebben dan meer vergelijkingsmateriaal en meer ervaring in de sector waarin zij de controle uitvoeren. Om dit te kunnen realiseren, moet kennis gedeeld worden. Uit het onderzoek van Hammersley (2006) blijkt dat gespecialiseerde
accountants alleen in het voordeel zijn ten opzichte van niet-gespecialiseerde accountants wanneer informatie verkregen wordt van organisaties die op dezelfde markt opereren.
De organisaties kunnen op dezelfde markt opereren, maar alsnog verschillend zijn door bijvoorbeeld grootte en complexiteit. Complexe organisaties hebben
ingewikkelde structuren. Dit leidt voor de accountant tot een daling van mogelijkheden om gebruik te maken van informatie uit voorgaande opdrachten (Cannon, 2007; Thibodeau, 2003).
De meeste wetenschappers hebben onderzocht welke redenen werknemers en derde partijen van organisaties hebben om activa te verduisteren (Cressey, 1969). Managers zullen alleen de resultaten sturen om de gestelde doelstellingen te behalen wanneer de voordelen groter zijn dan de gemaakte kosten. De markt waarin de
organisatie opereert, is tevens belangrijk wat betreft frauduleus handelen van managers. Uit het onderzoek van Bauces en Near (1991) blijkt dat wanneer de organisatie op een markt opereert waarin het erg belangrijk is om aan gestelde doelen te voldoen, het waarschijnlijker is dat managers prikkels voelen om cijfers te manipuleren voor eigen voordeel en om aan de gestelde verwachtingen te voldoen.
Deze scriptie is van toegevoegde waarde op de bestaande literatuur, omdat de variabele ‘complexiteit’ toegevoegd wordt. Op die manier kan de impact hiervan op de industriegespecialiseerde accountant en de detectie van frauduleuze financiële
verslaggeving weergegeven worden. De impact van kennis en informatie die verkregen wordt uit eerdere of vergelijkbare opdrachten omtrent het detecteren van materiële fouten als gevolg van frauduleuze financiële verslaggeving is al onderzocht. Daarnaast zijn diverse onderzoeken uitgevoerd omtrent het verbeteren van de controlekwaliteit. In eerdere studies is geen rekening gehouden met de complexiteit van de organisaties. Mede door de globalisatie is het operationaliseren van bedrijfsactiviteiten op internationaal
8 niveau toegenomen (Garnsey, 2006). Hierdoor ontstaan meerdere entiteiten en
complexere organisatiestructuren. Daarnaast is er een toename in de invloed van ICT en automatisering. Tot slot zijn organisaties op diverse markten actief. Organisaties bepalen de structuren op basis van gaten in de wetgeving en behalen hier zo veel mogelijk voordelen mee. Mede door deze veranderingen is het voor de accountant belangrijker en moelijker geworden om controle-informatie te verkrijgen. Complexiteit als variabele is in eerdere studies niet voorgekomen en is derhalve een toegevoegde waarde. Op basis hiervan is het doel van deze scriptie om te onderzoeken of de complexiteit van een organisatie invloed heeft op de detectie van fraude door een industriegespecialiseerde accountant.
2. Theoretisch kader en hypotheses
2.1 Frauduleuze financiële verslaggeving
2.1.1. Maatregelen SEC met betrekking tot frauduleuze financiële verslaggeving
De kans om onderworpen te worden aan maatregelen die opgelegd worden door de SEC is groot wanneer gebruikgemaakt wordt van accrual based earnings management. Hierbij worden veranderingen doorgevoerd in de structuur en timing van financiële acties, investeringen en operationele zaken zonder dat de uitgevoerde werkzaamheden en de onderliggende aanpassingen onderbouwd worden (Cohen et al., 2008). Managers gebruiken deze vorm van agressieve accounting om aandeelhouders op het verkeerde been te zetten. Daardoor geven de financiële overzichten geen getrouw beeld van de grootte en de samenstelling van het vermogen (Scott, 2012).
Wanneer resultaatsturing zich voordoet binnen de regels van de US General Accepted Accounting Principles (USGAAP) is er geen reden voor de SEC (Securities and Exchange Commission) om organisaties als frauduleus te categoriseren (Deschow en Skinner, 2000). Deschow en Skinner (2000) maken een onderscheid tussen agressieve accounting binnen de grenzen van GAAP en frauduleuze verslaggeving die de GAAP schendt. Wanneer de grenzen van GAAP overschreden worden door een agressieve vorm van accounting, dan zal de SEC dit zien als schending. Vervolgens zal de SEC de overschrijding van de regels gedetailleerd publiceren in de Accounting and Auditing
Enforcement Releases (AAERs). De SEC heeft gelimiteerde bronnen (Johnson et al., 2009). De kans om door de SEC als frauduleus aangemerkt te worden, is dus klein.
9 Managers zullen er alleen op aansturen bepaalde doelstellingen te behalen
wanneer de voordelen groter zijn dan de gemaakte kosten. Daarom is het interessant om te onderzoeken welke prikkels de managers hebben om het resultaat te sturen. Dit begint met de agent-principaaltheorie die de relatie tussen aandeelhouders (principaal) en managers (agent) illustreert.
2.1.2. Agent-principaaltheorie en moreel-wangedrag-probleem (
Moral Hazard
)Het agent-principaalconflict kan uitgelegd worden door de principaal en de agent van een organisatie te scheiden (Hayes et al., 2014). De principalen zijn de aandeelhouders die de organisatie in bezit hebben en de agenten zijn de managers die de organisatie besturen. De voornaamste voorwaarde van het accountantsberoep en de oorzaak van frauduleuze rapportering is het agent-principaalconflict. Managers zouden moeten handelen in het belang van de organisatie. Het is echter waarschijnlijker dat managers (agenten) niet in het belang van de organisatie handelen en dat ze andere belangen hebben dan de aandeelhouders (principalen). De manager heeft intern meer informatie over de organisatie dan de aandeelhouder. Dit kan ertoe leiden dat belangrijke informatie verborgen wordt gehouden voor aandeelhouders. Dit beschrijft het moreel-wangedrag-probleem, dat erop wijst dat managers informatievoordeel hebben (Hayes et al., 2014). Dit informatievoordeel is het resultaat van een gebrek aan toezicht op managers. Dit biedt de managers de mogelijkheid om fraude te plegen.
2.1.3. Fraude en fraudedriehoek
In deze paragraaf wordt de definitie van fraude besproken. Daartoe wordt de
fraudedriehoek uitgelegd en wordt een link gelegd tussen de fraudedriehoek en het agent-principaalconflict. Het is belangrijk om deze link te begrijpen, omdat frauduleus gedrag binnen organisaties begint bij het agent-principaalconflict.
In de Amerikaanse controlestandaarden en regelgeving is een onderscheid gemaakt tussen materiële fouten en fraude die leidt tot onwaarheidsgetrouwe financiële verslaggeving (SAS 82 en 99). Rezaee (2009) stelt vast dat financiële verslaggevingsfraude uit meerdere punten bestaat. Om te beginnen zijn de registratie en documentatie van financiële transacties misleidend of onjuist. Daarnaast zijn de accountingstandaarden en principes die als waarderingsgrondslag voor de balans en de winst- en verliesrekening gebruikt worden bewust misbruikt. Tot slot wordt significante informatie - die van belang is voor zowel het opstellen als het controleren van de jaarrekening - bewust achtergehouden. De frauderisicofactoren die tot frauduleuze financiële verslaggeving
10 leiden, zijn opgenomen in een lijst van SAS 82. SAS 82 is vervangen door SAS 99 die drie elementen van fraude noemt. Deze drie elementen zijn: druk/prikkel, gelegenheid en rationalisatie.
Meerdere wetenschappers hebben onderzocht welke redenen werknemers en derde partijen van organisaties hebben om activa te verduisteren (Cressey, 1969). De fraudedriehoek reflecteert de redenen om te frauderen. Cressey (1969) koppelt het eerste element (druk/prikkel) aan het maximaliseren van de individuele beloning. Dit is tevens het fundament van het agent-principaalconflict. Het tweede element (gelegenheid) wordt gekoppeld aan de omgeving van de fraudeur. De omgeving creëert indirect een
mogelijkheid om te frauderen. Dit heeft tevens te maken met het
agent-principaalconflict. De informatieasymmetrie tussen de eigenaar van de organisatie en het management geeft de mogelijkheid om frauduleus te handelen. Het derde element (rationalisatie) wordt gekoppeld aan het feit dat een persoon frauduleus handelen als het belonen van prestaties ziet. Volgens het agent-principaalconflict is bij zowel de eigenaar van een organisatie als het management sprake van prikkels en prestaties die niet tot de mogelijkheden van de financiële gezondheid van de organisatie behoren. Dit leidt dus tot handelen in het eigen belang. Hierdoor wordt frauduleus handelen als rechtvaardig beschouwd (Cressey, 1969).
Fraude ontstaat wanneer de drie elementen uit de fraudedriehoek aanwezig zijn. Onderzoekers noemen echter ook factoren op het industriële niveau van een organisatie die managers meer druk, kansen en redenen bieden om fraude te plegen.
2.1.4. Factoren op industrieel niveau
Bauces en Near (1991) concluderen dat het type industrie waarin een organisatie opereert de waarschijnlijkheid weergeeft waarin frauduleus gedrag voorkomt. Wanneer
organisaties opereren in een industrie of omgeving waarin het erg belangrijk is om aan gestelde doelen te voldoen, is het waarschijnlijker dat topmanagers prikkels voelen om cijfers te manipuleren en fraude te plegen om aan deze verwachtingen te voldoen.
Industriële concentratie is ook een factor die managementfraude kan beïnvloeden (Zahra et al., 2005). Een andere industriële factor die de mogelijkheid op frauduleus gedrag van topmanagers vergroot, is concurrentie. Dit refereert naar het feit dat
bedrijven opereren in een omgeving met ongunstige concurrentievoordelen (Zahra et al., 2005). Bovendien vermelden Zahra et al. (2005) een dynamische omgeving als een factor die het frauduleuze gedrag van topmanagers vergroot. Dynamische omgevingen worden
11 geassocieerd met marktveranderingen, technologische verbeteringen en concurrentie tussen bedrijven.
2.2 Industriegespecialiseerde accountant
2.2.1. Voordelen voor de accountant om in een industrie te specialiseren
Volgens ISA 315.10 (IFAC, 2009) is het nodig om te investeren in industriële
specialisatie. Op die manier kan de accountant fouten in de financiële verslaggeving van organisaties identificeren. Elke industrie is onderworpen aan specifieke risico's van materiële fouten die ontstaan uit de aard van de activiteiten van de organisatie en de daarbij behorende regelgeving (ISA 315). Daardoor hebben accountantskantoren er voordeel bij om te investeren in industriespecialisatie. Dit leidt vervolgens tot een verbetering van de controlekwaliteit.
Hogan en Jeter (1999), Bloom en Schirm (2005) en GAO (2008) concluderen dat er een hoog geconcentreerde auditmarkt voor beurgenoteerde organisaties is. Deze markt bestaat uit de vier grote spelers Deloitte, EY, KPMG en PwC. Accountantskantoren kunnen diverse voordelen hebben bij het werven en opleiden van
industriegespecialiseerde accountants. Ten eerste stellen Dunn en Mayhew (2004) dat het voor accountantskantoren belangrijk is om aan de eisen van hun klanten te voldoen. Wanneer accountantskantoren aan veel klanten van een paar specifieke industrieën service verlenen, dan zal dit tot een hoog niveau van industriële kennis leiden. Deze industriële kennis zal de accountantskantoren helpen bij het ontwikkelen van een specifieke controlemethode. Ten tweede emitteren overheidsinstanties en
toezichthouders een toenemende hoeveelheid auditprocedures en industriespecifieke en rapporteringsbenodigdheden, waar zowel de accountantskantoren als de klanten mee te maken krijgen (Danos en Eichenseher, 1982).
Een prijzenoorlog met concurrenten is voor accountantskantoren niet de beste methode om kosten te besparen of voordelen te behalen. Voordelen kunnen wel behaald worden door te specialiseren in een bepaalde industrie of typologie. De
concurrentievoordelen kunnen uiteindelijk leiden tot een hogere ‘audit fee’ (Craswell et al., 1995).
2.2.2. Voordelen voor klanten om een industriegespecialiseerde accountant te eisen
Naast het feit dat industriële specialisatie voor accountantskantoren voordelig is, zijn er ook redenen waarom klanten een industriegespecialiseerde accountant zouden moeten
12 hebben om de controle van hun financiële verslaggevingen uit te voeren. Knechel et al. (2007) stellen dat de processen van de organisaties en de waarneming van de
aandeelhouders wat betreft de financiële rapportering beïnvloed worden door het type accountantskantoor. Het inhuren van een industriegespecialiseerde accountant kan waardevol zijn voor de klant, omdat het waarschijnlijk is dat dit type accountant een betere auditkwaliteit levert.
De eerste en belangrijkste reden voor een organisatie om een
industriegespecialiseerd auditbedrijf in te huren, is vanwege de waarschijnlijkheid dat dit type accountants een hogere kwaliteit controle levert in vergelijking met
niet-gespecialiseerde accountants. Uit eerdere studies blijkt dat de controlekwaliteit stijgt wanneer een industriegespecialiseerde accountant de werkzaamheden uitvoert. Wanneer de kwaliteit van de controle stijgt, zorgt dit voor minder fouten in de financiële
overzichten. De kennis van de industriegespecialiseerde accountant heeft daardoor een positieve invloed op de uitgevoerde werkzaamheden. Voor de kennis van de accountant is het belangrijk dat de accountant gespecialiseerd is in een bepaalde industrie
(Hammersley, 2006). De tweede reden is om resultaatsturing te doen afnemen. Veel onderzoekers hebben de auditkwaliteit en de relatie tussen een industriegespecialiseerde accountant gemeten door gebruik te maken van resultaatsturing als een proxy (Balsam et al., 2003). Ten derde maken klanten van industriegespecialiseerde accountants gebruik van de economische schaalvoordelen van de accountantskantoren (Danos en
Eichenseher, 1982). Ten vierde neemt de kwaliteit van de financiële verslaggeving van organisaties in het geval van een industriegespecialiseerde accountant toe. Dit wordt ondersteund door het onderzoek van Dunn en Mayhew (2004).
Op basis van de bovenstaande literatuur is de volgende hypothese opgesteld: H1: er is een negatieve relatie tussen de specialisatie van de accountant en frauduleuze financiële verslaggeving.
2.3 Complexiteit van organisaties
Het belang van complexiteit is recentelijk toegenomen in economisch onderzoek. Dit fenomeen kan verklaard worden door de term "globalisatie". Garnsey (2006) stelt dat er een sterke relatie is tussen globalisatie en de toenemende complexiteit van organisaties. Lyth (2004) beweert daarnaast dat de complexiteit toeneemt doordat de outputs en de inputs van organisatorische bedrijfsprocessen beweeglijker zijn geworden. Derhalve is het moeilijker geworden om deze processen te controleren. Daarnaast kunnen nog drie
13 andere factoren als oorzaken van de toenemende organisatorische complexiteit door globalisatie gezien worden.
Allereerst opereren organisaties op internationaal niveau. Hierdoor moeten bedrijfsprocessen worden aangepast aan de culturele omgevingen waarin de organisaties gevestigd zijn. Globalisatie heeft niet alleen effect op grote organisaties, maar ook op kleine (Kamar, 2009). Daarom dient niet alleen naar de grootte van de organisatie gekeken te worden om de complexiteit vast te stellen. Ten tweede stellen Wiersema (2008) en Zhang (2010) dat globalisatie tot een toename van concurrentie leidt.
Daarnaast hebben technische ontwikkelingen en een stijging in de internationale handel tot meer concurrentie geleid. Ten derde stelt Drori (2006) dat organisaties vandaag de dag door bijvoorbeeld technische ontwikkelingen gedwongen worden te veranderen. Deze technische ontwikkelingen veranderen de processen omtrent administratie, productie en transport. Daarom zijn ook de standaardmodellen van organisaties aangepast en de processen complexer. De complexiteit van accounting neemt toe door een toename van complexe processen. Dit argument wordt ondersteund door Burns et al. (2002). Zij stellen dat het management van de organisatie de mogelijkheid heeft om accountinginformatie en samengestelde organisatorische processen te beïnvloeden. Dit is een indicatie dat managers informatie kunnen aanpassen alvorens het naar het
hoofdkantoor gestuurd wordt.
Een stijging van de complexiteit van de organisatie leidt dus tot een stijging van de complexiteit van boekhoudkundige processen. Het gevolg hiervan is dat door de manager de mogelijkheden gecreëerd wordt om gebruik te maken van kennis en om de processen en de benodigde controle-informatie te manipuleren voor het eigen belang. Hierdoor wordt gestuurd op het resultaat. Dit is uiteindelijk voordelig voor de managers en de door hen gestelde doelen.
Op basis van de bovenstaande literatuur is de volgende hypothese opgesteld:
H2: er is een positieve relatie tussen organisatorische complexiteit en frauduleuze financiële verslaggeving
2.4 Frauduleuze financiële rapportering, industriële specialisatie van
de accountant en organisatorische complexiteit
Het is aannemelijk dat een industriegespecialiseerde accountant nodig is om fraude in de financiële verslaggeving te kunnen detecteren. Uit de agent-principaaltheorie blijkt namelijk dat managers de prikkel hebben om fraude te plegen ten behoeve van hun eigen
14 belang. Daarnaast gebruiken managers kennis uit de industrie om misleidend te
rapporteren.
Een industriegespecialiseerde accountant verleent in tegenstelling tot een niet- industrieelgespecialiseerde accountant een hogere auditkwaliteit (Owhoso et al., 2002; Hammersley, 2006). Een belangrijk aspect bij een industriegespecialiseerde accountant is de kennisoverdracht. Kennisoverdracht kan geformuleerd worden als het gegeven dat accountants van een bepaalde industrie hun kennis en expertise van deze industrie of klant binnen deze industrie zouden kunnen overdragen op een andere industrie of klant binnen die industrie. Met betrekking tot dit onderwerp zijn diverse onderzoeken
uitgevoerd. Een voorbeeld hiervan is het onderzoek van Moroney en Carey (2011). Zij onderzochten of de prestaties van de controlerende accountant stijgen wanneer deze industriespecifieke kennis verwerft. Zij kwamen tot de conclusie dat industriespecifieke kennis een significant positieve invloed heeft op de prestaties van de controlerende accountant. Op basis hiervan kan gesuggereerd worden dat specialisatie in een bepaalde industrie een belangrijk element van het stijgen van kennis is. Dit leidt tot voordelen bij het detecteren van materiële fouten in financiële verslaggeving (Moroney en Carey 2011).
Carcello en Nagy (2002) stellen dat niet per se onderscheid gemaakt hoeft te worden tussen een gespecialiseerd accountantskantoor of een team dat gespecialiseerd is in een bepaald soort industrie. Zij geven een aantal redenen waarom geen onderscheid tussen de verschillende niveaus van specialisatie gemaakt dient te worden. Accountants vergroten hun expertise wanneer zij bij een accountantskantoor werken dat een groot aandeel heeft in een bepaald soort industrie. Dit kan voordelig zijn, omdat de kennis die opgedaan is bij de ene klant overgedragen kan worden op de andere klant.
Gespecialiseerd zijn in een industrie is belangrijk voor de kennis die een accountant heeft. Van deze kennis kan echter pas gebruik worden gemaakt indien de kennis overdraagbaar is naar verschillende opdrachten. Het voordeel van gespecialiseerde accountants ten opzichte van niet-gespecialiseerde accountants daalt wanneer kennis niet overdraagbaar is. Aangezien organisaties verschillen in complexiteit, wordt het minder voordelig om tussen verschillende opdrachten industriekennis over te dragen
(Hammersley, 2006).
In paragraaf 2.3 is de complexiteit van organisaties behandeld. Hier werd beweerd dat complexe organisaties complexe structuren en verschillende afdelingen hebben waardoor het moeilijker is om ze te begrijpen. Cannon (2007) stelt dat dit tot een hoger risico leidt. Aangezien deze organisaties internationaal opereren, hebben zij
15 verschillende boekhoudkundige structuren en methoden. Overdracht van kennis is niet mogelijk wanneer organisaties niet gelijkwaardig zijn qua industrie, boekhoudkundige methoden en bepaalde risicofactoren (Kozloski, 2003). Hierdoor is het voor een
industriegespecialiseerde accountant ingewikkelder om kennis en ervaring over te dragen naar relatief gelijkwaardige complexe organisaties en om materiële fouten te ontdekken die gemaakt zijn door frauduleus handelen. Het gebruik van een controleplan door een accountant is een andere reden dat financiële fraude moeilijk gedetecteerd wordt (Kozsloski, 2003). Het detecteren van fraude is niet het voornaamste doel van een controlerende accountant (Loebbecke et al., 1989). Daarom is het moeilijk om fraude te detecteren en om op een toereikend niveau een frauderisicobeoordeling uit te voeren.
Op basis van de bovenstaande literatuur is de volgende hypothese opgesteld: H3: de negatieve relatie tussen een industriegespecialiseerde accountant en frauduleuze financiële verslaggeving zal zwakker zijn wanneer de organisatie complexer wordt.
3. Onderzoeksaanpak
3.1 Methodologie
3.1.1. Afhankelijke variabele: frauduleuze rapportering
Het kan gebeuren dat organisaties hun financiële verslaggeving als gevolg van fraude moeten aanpassen. Dit is bijvoorbeeld het geval wanneer de financiële overzichten geen getrouw beeld van de grootte en de samenstelling van het vermogen geven. De vereisten zijn hiermee tevens niet conform de GAAP. Wanneer de controlerende accountant fraude detecteert, zal deze van de klant eisen dat financiële overzichten opnieuw worden opgesteld (Gouvernement Accountability Office, 2003).
De General Accounting Office (GAO) (2003) stelde op de website een lijst beschikbaar van organisaties die de financiële overzichten opnieuw moesten opstellen. Daarbij werden de verschillende typen aanpassingen gecategoriseerd in (1) feiten in financiële verslaggevingen die ofwel onbewust of bewust misbruikt zijn, (2) fouten als gevolg van agressieve accounting, (3) misvattingen van GAAP en (4) verschillende fraudetypes. Op deze lijst worden alle organisaties vermeld waarbij het vermoeden bestaat dat sprake is van fraude. De organisaties zijn bij de Public Company Accounting Oversight Board (PCAOB), accountantskantoren en de SEC gecategoriseerd als organisaties met mogelijk frauduleuze handelingen.
16 Deschow et al. (2011) stellen dat de SEC organisaties onderzoekt op basis van anonieme tips, nieuwsberichten en vrijwillige aanpassing van financiële overzichten. Het is daarom mogelijk dat veel frauduleuze organisaties niet worden geïdentificeerd. In de database AuditAnalystics zijn organisaties opgenomen die door de PCAOB en/of
accountantskantoren gedwongen zijn om financiële overzichten opnieuw op te stellen als gevolg van een vermoeden van fraude. Dat de SEC een organisatie niet als frauduleus categoriseert, betekent niet dat frauduleuze financiële verslaggeving uitgesloten wordt. AuditAnalystics verstrekt data van frauduleuze organisaties en van organisaties waarbij het vermoeden van fraude bestaat. Op basis hiervan worden alle dossier die gerelateerd worden aan fraude opgenomen in de scriptie.
Om te testen of een industriegespecialiseerde accountant minder klanten met frauduleuze financiële verslaggevingen heeft en of organisatorische complexiteit dit negatief beïnvloedt, wordt een cross-sectioneel studiemodel gebruikt. Zowel de industriespecialisatie van de accountant als de organisatorische complexiteit van de organisatie worden in het jaar waarin de fraude heeft plaatsgevonden gecontroleerd. De steekproef is gebaseerd op organisaties waar fraude heeft plaatsgevonden. Deze
organisaties zijn in de periode tussen augustus 2002 en december 2016 opgenomen in de database AuditAnalytics. Er wordt gekozen voor de augustus 2002 omdat destijds de SOX-regelgeving is ingegaan. Volledigheidshalve wordt de selectiedatum afgesloten op 31 december 2016.
Als controlevariabele wordt een steekproef van organisaties gebruikt waar geen sprake is geweest van fraude. Deze wordt vergeleken met de organisaties waar sprake is geweest van fraude en is gebaseerd op de markt (industrie) waarin de organisatie
opereert, de grootte van de organisatie en het fiscale boekjaar (Beasley, 1996; Dechow et al., 1996). Omdat fraude een dichotome variabele is, wordt een logistische
regressieanalyse uitgevoerd. Indien er sprake is van fraude wordt deze gecodeerd met een 1 en indien er geen sprake is van fraude met een 0.
3.1.2. Onafhankelijke variabele: industriespecialisatie
In voorgaande onderzoeken zijn verschillende soorten proxies gebruikt om de
industriespecialisatie te meten. Een van de meest gebruikte proxies is het marktaandeel van accountantskantoren in specifieke industrieën (e.g. Palmrose, 1986; Neal en Riley, 2004).
Indien een accountantskantoor binnen een specifieke industrie een groot marktaandeel heeft, geeft dit een indicatie van de specialisatie binnen deze industrie.
17 In lijn met de onderzoeken van Palmrose (1986), Carcello en Nagy (2002, 2004) en Mascarenhas et al. (2010) wordt de totale omzet per klant gebruikt om het
marktaandeel te meten. Hierbij wordt er een threshold gebruikt om te bepalen of een accountantskantoor gespecialiseerd is in een industrie. De threshold zoals gebruikt door Palmrose (1986) en Dunn en Mayhew (2004) is gebaseerd op het aantal grote
accountantskantoren op de markt met een maximum van 100%. Ervan uitgaande dat de Big Four (EY, KPMG, PWC en Deloitte) op een markt actief zijn, is de threshold 25% voor een specialist. Palmrose (1986) en Dunn en Mayhew (2004) gebruiken echter een opslag van 20% om de grens te verhogen. In dat geval zou bij 30% (25*1.20) een accountant dus als specialist gezien worden. De variabele specialist wordt een dummyvariabele waarbij één voor een industriespecialist staat en anders een nul.
Er zijn veel opties om het marktaandeel van accountantskantoren te meten. De opties die het meest gebruikt worden om de industriële specialisatie te meten, zijn auditkosten (fees) en de totale omzet van de organisatie (client sales) (Palmrose, 1986; Carcello en Nagy, 2002, 2004; Mascarenhas et al., 2010). In dit geval wordt om een aantal redenen geen gebruik gemaakt van audit fees. Ten eerste worden audit fees niet openbaar gemaakt. Ze kunnen door onderzoekers dus niet gebruikt worden om de
industriespecialisatie aan te geven. Ten tweede zijn de audit fees afhankelijk van bepaalde premies die het marktaandeel kunnen beïnvloeden (GAO, 2008).
3.1.3. Moderator: complexiteit van organisaties
De globalisatie heeft geleid tot een toename van de complexiteit van organisaties. Om de kosten te verminderen en de concurrentie voor te zijn, moesten organisaties gevestigd zijn in de buurt van hun klanten. Daarnaast moeten de organisaties reageren op verschillende klantbehoeftes. Dit leidde tot activiteiten in verschillende industrieën (Clement, 1999). Archambault en Archambault (2003) betogen dat wanneer organisaties actiever worden in verschillende industrieën dit tot meer diversiteit leidt. Dit heeft weer complexere organisaties tot gevolg. De onderzoekers hebben de complexiteit van de organisaties gemeten als de hoeveelheid industrieën waarin de organisaties opereren. Hay et al. (2006) hebben een meta-analyse uitgevoerd om te onderzoeken welke proxies in voorgaand onderzoek gebruikt werden om de complexiteit van organisaties te meten. In totaal zijn veertien onderzoeken gevonden die het aantal markten/industrieën gebruiken om de complexiteit weer te geven. In deze studies wordt gebruikgemaakt van Standard Industrial Classification codes (SIC-codes) om de complexiteit van de organisatie te meten.
18 De SIC-code is een tweecijferige code die weergeeft in welke industrie de organisaties opereren.
Aan de hand van deze SIC-code is in te zien in hoeveel industrieën de organisatie gedurende het jaar van de fraude opereert. Op basis hiervan is de variabele complexiteit te meten.
3.1.4. Controlevariabelen
De meest gebruikte controlevariabelen in voorgaande onderzoeken kunnen worden gecategoriseerd als prestatie-indicatoren, organisatorische karakteristieken en karakteristieken van de accountant (Beasley, 1996).
De prestatie-indicatoren die in dit onderzoek als controlevariabelen in acht genomen worden, zijn de rentabiliteit totaal vermogen (RTV), organisatorische groei (Groei), Debt ratio (Carcello en Nagy, 2002, 2004) en Verlies. Extreme organisatorische prestaties kunnen geassocieerd worden met RTV (Kothari et al., 2005). De RTV wordt berekend door de netto omzet te delen door de totale activa van het boekjaar voordat fraude in de financiële verslaggeving heeft plaatsgevonden (Dechow et al., 2011). Daarbij wordt verwacht dat een hoge RTV leidt tot een daling van fraude in financiële
verslaggeving. Op basis hiervan wordt verwacht dat RTV negatief associeert met frauduleuze financiële verslaggeving. De controlevariabele organisatorische groei (GROEI) kan leiden tot acquisitierisico’s (Skinner en Sloan, 2002). Managers kunnen frauduleus handelen om deze risico’s te voorkomen. Organisatorische groei wordt gemeten door de gemiddelde verandering van de totale bezittingen in het jaar waarin de fraude heeft plaatsgevonden. De verwachting is dat de ratio hoger is in het jaar waarin de fraude heeft plaatsgevonden. Op basis hiervan wordt een positieve relatie tussen de groeiratio en frauduleuze financiële verslaggeving verwacht. Managers hebben meer prikkels om frauduleus te handelen wanneer niet aan de solvabiliteitseisen voldaan wordt (McMillan en Schneider, 2001; Carcello en Nagy, 2002, 2004). Op basis hiervan wordt gebruikgemaakt van de debt-ratio (DEBT-RATIO). De debt-ratio wordt berekend door het totaal vreemd vermogen te delen door het totaal vermogen in het jaar waarin fraude heeft plaatsgevonden. Verwacht wordt dat de debt ratio hoger is in het jaar waarin de fraude in de financiële verslaggeving plaatsvindt. Uit onderzoek van Burgstahler en Dichev (1997) blijkt dat managers opbrengsten sturen om verlies te vermijden. Daarom wordt verlies als controlevariabele (VERLIES) gebruikt. De verwachting is dat verlies positief gerelateerd is aan frauduleuze financiële verslaggeving. Verlies wordt een
19 dummyvariabele waarin één staat voor rapportering van verlies door de organisatie in het jaar waarin de fraude heeft plaatsgevonden en anders een nul.
Naast de bovengenoemde prestatie-indicatoren zijn er ook specifieke organisatorische karakteristieken die impact hebben op het frauduleuze gedrag van managers. De organisatorische eigenschap die in dit onderzoek als controlevariabele in acht wordt genomen, is de grootte van de organisatie (GROOTTE). Uit onderzoek van Mckeown et al. (1991) blijkt dat de grootte van een organisatie invloed heeft op de controlerende accountant. Dit is bijvoorbeeld het geval wanneer hij een going-concern dient af te geven. Mckeown et al. (1991) kwamen tot de conclusie dat de accountant minder snel een going-concern afgeeft bij grote organisaties, dit terwijl de meeste fraudegevallen juist bij grote organisaties plaatsvinden. Ook Carcello en Nagy (2004) onderzochten de invloed van de grootte van een organisatie op frauduleuze financiële verslaggeving. Zij kwamen tot de conclusie dat een controlerende accountant zich bij grote organisaties niet op een specifiek tak van de bedrijfsactiviteiten kan richten. Op basis daarvan ontstaan bij grote organisaties meer fraudegevallen (Carcello en Nagy, 2004). De grootte van de organisatie wordt daarom in deze scriptie als een controlevariabele gebruikt. Daarbij wordt een positieve relatie tussen de grootte van de organisatie en frauduleuze financiële verslaggeving verwacht. In lijn met het onderzoek van Carcello en Nagy (2004) wordt de grootte van de organisatie gemeten op basis van de logaritme van balanstotaal (natural log of total assets).
Naast de prestatie-indicatoren en de grootte van de organisatie worden de
controlevariabelen in acht genomen die geassocieerd worden met de industriespecialisatie van de accountant. Deze controlevariabelen zijn het type accountantskantoor (BIG-4) en het aantal jaar dat de accountant controle heeft uitgevoerd bij de organisatie. Onderzoek van De Angelo (1981), Deschow et al. (1996) en Lennox en Pittman (2010) wijst uit dat accountants van Big-4 kantoren een hogere kwaliteit accountantscontrole leveren dan accountants van non-Big-4 kantoren. Deze uitkomsten zijn interessant voor de
specialisatie in een bepaalde industrie. Uit de onderzoeken blijkt tevens dat de Big-4 kantoren eerder fraude detecteren dan de overige accountantskantoren. Hierdoor wordt een negatieve relatie tussen Big-4 accountantskantoren en frauduleuze financiële
verslaggeving verwacht. Big-4 wordt een dummyvariabele met één voor een Big-4 kantoor (EY, KPMG, PWV en Deloitte) en een nul voor een non-Big-4 kantoor.
Het aantal jaar dat een accountantskantoor de controle uitvoert bij de organisatie wordt gezien als auditor tenure. Er zijn diverse onderzoeken geweest met verschillende
20 uitkomsten wat betreft de relatie tussen auditor tenure en de controlekwaliteit. Een lange relatie tussen het controlerende accountantskantoor en de organisatie verbetert de controlekwaliteit (Johnson et al., 2002). De controlerende accountant krijgt dan immers meer kennis over de organisatie en dit leidt tot een betere kwaliteit van de
werkzaamheden. Choi en Doogar (2005) beweren echter dat een lange relatie juist tot een vermindering van de controlekwaliteit kan leiden. Door de hechte band met het
management die dan ontstaat wordt de controle minder kritisch uitgevoerd. Op basis van deze onderzoeken wordt auditor tenure onderverdeeld in twee dummyvariabelen. De eerste dummyvariabele is kort. Een één staat voor een relatie tussen nul en vier jaar. Een nul staat voor een andere lengte van de relatie. De tweede dummyvariabele is lang. Een één staat voor een relatie van negen jaar of langer. Een andere lengte krijgt nul. De
verwachting is dat een korte relatieduur een positieve coëfficiënt is en lange relatieduur een negatieve coëfficiënt.
3.1.5 Regressiemodel
Onderstaand is het definitieve regressiemodel opgesteld. Op basis van dit model worden de hypotheses getest. Daarnaast is een samenvatting gemaakt (Tabel 1) van de te
gebruiken variabelen met het type, de omschrijving en de verwachting zoals bovenstaand uiteengezet.
Fraude = α + β1*Specialist + β 2*Complexiteit + β3*Specialist*Complexiteit + β 4*RTV + β 5*Groei + β 6*Debt-ratio + β7*Verlies + β8*Grootte organisatie + β9*BigFour kantoor + β10*Kort + β11*Lang + ɛ
De logistische regressieanalyse is uitgevoerd op het volledige model zoals bovenstaand beschreven. Hierbij wordt getest in hoeverre de complexiteit (COMPLEXITEIT) van de organisatie invloed heeft op de negatieve relatie tussen een industriegespecialiseerde accountant (SPECIALIST) en frauduleuze financiële verslaggeving (FRAUDE). Aanvullend wordt hierbij tevens het directe effect van de interactie tussen de gespecialiseerde accountant en complexiteit (SPECIALIST*COMPLEXITEIT) op frauduleuze financiële verslaggeving getest (FRAUDE). Daarnaast zijn er drie andere modellen gebruikt als Robustness test. In het eerste model wordt de directe invloed van de industriegespecialiseerde (SPECIALIST) accountant op frauduleuze financiële
verslaggeving (FRAUDE) getest. In het tweede model wordt de directe invloed van complexiteit (COMPLEXITEIT) van de organisatie op frauduleuze financiële
21 verslaggeving (FRAUDE) getest. Aanvullend wordt in het derde model rekening
gehouden met de invloeden van de markt waarin de organisatie opereert en zijn de observaties geclusterd.
Tabel 1: overzicht variabelen
3.2 Data
Om data te verzamelen en te analyseren wordt gebruikgemaakt van de databases AuditAnalytics, Compustat North America en Compustat Historical Segments.
Er wordt dus voornamelijk gebruikgemaakt van archival research.
3.2.1. Afhankelijke variabelen
3.2.1.1. Fraude steekproef
Vanuit AuditAnalytics is een start gemaakt met het opzetten van een steekproef. In het theoretisch kader is reeds omschreven dat gegevens van organisaties waar sprake is
VARIABELE TYPE OMSCHRIJVING VERWACHTING
(-) OF (+)
FRAUDE Dichotoom Organisaties waar sprake is geweest van fraude en die geregistreerd zijn door PCAOB, accountantskantoren en/of SEC.
SPECIALIST Dummy Gecodeerd als 1 voor industriegespecialiseerd accountantskantoor en anders 0.
(-) COMPLEXITEIT Continu Het aantal markten waarin de organisatie opereert in het
jaar van de fraude, weergegeven als de SIC- code (fraude) of het fiscale jaar in de selectie van niet-fraude-organisaties.
(+)
RTV Ratio Netto winst gedeeld door totale activa in het jaar voordat de
fraude heeft plaatsgevonden.
(-) GROEI Ratio Gemiddelde verandering totale activa in het jaar waarin de
fraude heeft plaatsgevonden.
(+) DEBT-RATIO Ratio Totaal vreemd vermogen gedeeld door totale activa in het
jaar waarin de fraude heeft plaatsgevonden.
(+) VERLIES Dummy 1 staat voor rapporteren van verlies in het jaar van fraude
en anders 0.
(+)
GROOTTE Continu Logaritme van balanstotaal. (+)
BIG-4 Dummy 1 staat voor Big Four en anders 0. (-)
KORT Dummy Relatie accountantskantoor en organisatie met 1 voor kort en anders 0.
(+) LANG Dummy Relatie accountantskantoor en organisatie met 1 voor lang
en anders 0.
22 geweest van fraude opgenomen zijn in AuditAnalytics. Er is een steekproef genomen van organisaties uit de non-reliance restatement sectie met een registratie in de periode augustus 2002 en december 2016. Organisaties die meer dan één keer verplicht zijn geweest om financiële overzichten opnieuw op te stellen omdat sprake is geweest van fraude, worden voor het onderzoek gebruikt. Organisaties waar mogelijk sprake is geweest van fraude zullen hierdoor eruit gefilterd worden. Vervolgens is uit de database Compustat North America data verzameld met betrekking tot de financiële overzichten. Dit gebeurde aan de hand van Company Key Code (CIK) van de organisatie. De originele dataset bestaat uit 15.259 organisaties. Hierin zijn zowel de fraude als de restatement dossiers opgenomen. In deze scriptie worden alleen fraudedossiers opgenomen in de selectie. Daarom kunnen 15.037 restatement dossier verwijderd worden uit de dataset. Daarnaast zijn observaties verwijderd die niet relevant zijn voor de selectie, zie Tabel 2.
Tabel 2: steekproef selectie
OMSCHRIJVING AANTAL
Origineel AuditAnalytics (non-reliance restatament section aug 2002 - dec 2016)
15.259
Verminderd
Restatement dossiers 15.037
Observaties voor 01-08-2002 21
Auditor onbekend in het jaar van fraude 23
Financiële instellingen 14
Dubbele observaties 4
Geen gegevens Compustat Historical Segments 10
Observaties die niet matchen na samenvoegen 59
Totaal aantal dossiers met fraude 91
3.2.1.2. Vergelijking
Net zoals in de studie van Beasly (1996) en Deschow et al. (1996) worden organisaties waar sprake was van fraude vergeleken met organisaties waar geen sprake was van fraude. Dit wordt gebaseerd op het fiscale boekjaar, de SIC-code en de grootte op basis van het balanstotaal (Carcello en Nagy, 2004; Johnson et al., 2009). De data met de grootte van organisatie en de SIC-code worden verzameld uit de database Compustat North America. Dit is gezien de relatief kleine omvang van de selectie handmatig gedaan. In totaal bestaat de steekproefselectie uit 182 organisaties.
23
3.2.2. Onafhankelijke variabelen
Om data omtrent onafhankelijke variabelen te verzamelen en te analyseren, wordt gebruikgemaakt van de databases AuditAnalytics, Compustat North America en Compustat Historical Segments. De data met betrekking tot de industriespecialisatie van de accountant en informatie omtrent de totale omzet van de organisaties in de periode augustus 2002 t/m december 2016 wordt verzameld uit de database Compustat North America.
De data voor de variabele organisatiecomplexiteit is verzameld middels Compustat Historical Segments. Hierbij is tevens informatie omtrent de SIC-codes verzameld om het aantal industrieën waarin geopereerd wordt weer te kunnen geven.
De prestatie-indicatievariabelen zoals RTV, GROEI en DEBT-RATIO worden berekend op basis van data die verkregen worden uit de database Compustat North America. Dit geldt tevens voor de data betreffende de organisatiekarakteristieken BIG-4 en het aantal jaar dat de accountant een controle heeft uitgevoerd bij de organisatie (KORT en LANG).
4. Resultaten
4.1 Assumpties
Omdat fraude een dichotome variabele is, is een logistische regressieanalyse uitgevoerd. Om een logistische regressieanalyse uit te kunnen voeren, zijn eerst de daarbij behorende assumpties getest. Allereerst wordt het aantal observaties per onafhankelijke variabele geëvalueerd. Per onafhankelijke variabele zijn tenminste tien observaties nodig om problemen met de analyse te voorkomen. In deze scriptie is sprake van 182 observaties en 10 onafhankelijke variabelen. Op basis hiervan volstaat de eerste assumptie.
Ten tweede dient de correlatie van de onafhankelijke variabelen gecontroleerd te worden. Idealiter dienen onafhankelijke variabelen sterk te correleren aan de afhankelijke variabelen. De onafhankelijke variabelen dienen echter niet sterk te correleren aan elkaar. Indien dit wel het geval is, betekent het dat de waarde van de ene variabele voorspeld kan worden door de andere variabele. De betrouwbaarheid en de kracht van de voorspelling van het model zal niet dalen wanneer er een hoge mate van multicollineariteit bestaat. Middels Tolerance en variance inflation factor (VIF) is een analyse opgesteld om de
multicollineariteit op te sporen (zie bijlage tabel 7). De waarde van Tolerance geeft een indicatie betreffende de variabiliteit van een onafhankelijke variabele die niet verklaard is door een andere onafhankelijke variabele. Op basis hiervan wordt verwacht dat de
24 waarde van tolerantie hoog is. Dit impliceert dat de onafhankelijke variabelen niet
correleren. De VIF is het omgekeerde van tolerantie. Indien de waarde van VIF lager is dan 10, is sprake van lage multicollineariteit. Gezien de resultaten van deze analyse wordt tevens aan de tweede assumptie voldaan.
Ten derde worden de data gecontroleerd op uitschieters. Bij een logistische regressieanalyse wordt in dit geval een observatie - die in de selectie een
niet-fraudeorganisatie is - als een niet-fraudeorganisatie gezien. Uitschieters zijn geanalyseerd door Kurtosis en Skewness. De symmetrie van de verdeling wordt gedefinieerd door de Skewness. Bij een normale verdeling is het resultaat nul. De gepiektheid van de verdeling wordt gemeten door de Kurtosis. Gezien de resultaten (zie bijlage tabel 7) hebben alle variabelen behalve Groei, RTV en Debt-ratio, een te verwaarloze Kurtosis en Skewness.
4.2 Correlatiematrix
In paragraaf 4.1 zijn de assumpties voor de logistische regressieanalyse getest. Hierbij is de correlatie van de onafhankelijke variabelen beoordeeld. Volledigheidshalve wordt in deze paragraaf de multicollineariteit getest aan de hand van de Pearson Correlation matrix. De waarden van de matrix kunnen schommelen tussen -1 en 1. Tevens wordt een indicatie gegeven of de variabelen positief of negatief correleren. Indien de coëfficiënt nul is, dan is er geen correlatie tussen de twee variabelen. De betrouwbaarheid van het gebruikte regressiemodel komt in het geding wanneer de coëfficiënten hoger dan 0.7 of lager dan -0.7 zijn (Field, 2009). Dit wordt in de literatuur als vuistregel gebruikt.
In Tabel 3 is alleen een hoge positieve relatie te zien tussen de variabelen Specialist*Complexiteit en Complexiteit (0.9142). Dit heeft voornamelijk te maken met de interactie tussen de gespecialiseerde accountant en de complexiteit van de organisatie. Daarnaast is het opvallend dat de coëfficiënten Specialist*Complexiteit en Specialist positief laag correleert. De meeste variabelen hebben een lage coëfficiënt die varieert tussen positief en negatief. Verder valt op dat de Grootte van de organisatie een positief gemiddelde correlatie heeft met BIG-4 (0.6357) en een lage positieve correlatie met Complexiteit (0.4303) en Specialist*Complexiteit (0.4628). Tot slot is de correlatie tussen de variabelen Kort en Lang - die voor de duur van de relatie tussen de organisatie en de controlerende accountant staan - gemiddeld negatief (-0.6430).
Op basis van de resultaten kan geconcludeerd worden dat het gebruikte regressiemodel betrouwbaar is om het onderzoek mee uit te voeren.
25 Tabel 3: Pearson correlatiematrix
VERLIES
DEBT-RATIO
ROA GROEI GROOTTE KORT LANG BIG-4 SPECIALIST COMPLEXITEIT SPECIALIST*COMPLEXITEIT
VERLIES 1.000 DEBT-RATIO 0.0499 1.000 ROA -0.1337 0.0553 1.000 GROEI -0.0796 -0.0940 0.0351 1.000 GROOTTE -0.2777 0.3495 0.3210 0.0356 1.000 KORT 0.0618 -0.1380 0.0716 -0.1344 -0.0507 1.000 LANG -0.1292 0.0480 -0.0973 0.0853 0.0867 -0.6430 1.000 BIG-4 -0.2783 0.2488 0.1587 -0.0137 0.6357 -0.0873 0.1399 1.000 SPECIALIST -0.0229 0.1350 -0.0377 -0.0017 0.2064 -0.1893 0.1313 0.1337 1.000 COMPLEXITEIT -0.1314 0.2344 0.0827 0.0773 0.4303 -0.1314 0.0903 0.2611 0.1992 1.000 SPECIALIST*COMPLEXITEIT -0.1002 0.2458 0.0631 0.0616 0.4628 -0.1709 0.0988 0.2836 0.4890 0.9142 1.000 Notitie: bovenstaand worden de resultaten van de Pearson correlatiematrix weergegeven. Hierbij wordt multicollineariteit van het gebruikte model getest. De waarden van de matrix kunnen schommelen tussen -1 en 1. Tevens wordt een indicatie gegeven of de variabelen positief of negatief correleren. Indien de coëfficiënt nul is, dan is er geen correlatie tussen de twee variabelen. *0.00 < r < 0.30 = nauwelijks of geen correlatie. *0.30 < r < 0.50 = lage correlatie *0.50< r < 0.70 =middelmatige correlatie *0.70 < r < 0.90 = hoge correlatie *0.90 < r < 1.00: zeer hoge correlatie.
4.3 Beschrijvende statistiek
Middels een univariate analyse wordt in deze paragraaf het verschil weergegeven tussen frauduleuze en niet-frauduleuze organisaties. Op basis van deze analyse wordt een eerste verklaring voor het frauduleuze gedrag gegeven. In Tabel 4 wordt in deel A de
beschrijvende statistiek van zowel de frauduleuze als de niet-frauduleuze organisaties weergegeven. Hierbij worden het totaal aantal observaties, de minimum- en
maximumwaarden en het totaal aantal dummyvariabelen per onafhankelijke variabele weergegeven. In deel B worden het gemiddelde, de mediaan en de standaarddeviatie van zowel frauduleuze als niet-frauduleuze organisaties weergegeven.
Allereerst worden de dummyvariabelen vergeleken. Het is opvallend dat 46 van de 91 frauduleuze organisaties (50,55%) verlies rapporteren in het jaar waarin de fraude heeft plaatsgevonden. Bij de niet-frauduleuze organisaties hebben 30 van de 91 (32,96%) organisaties verlies gerapporteerd. In de logistische regressieanalyse wordt duidelijk of dit verschil tussen frauduleuze en niet-frauduleuze organisaties statistisch significant is. Bij de variabele BIG-4 is nagenoeg geen verschil. Frauduleuze organisaties zijn in 64 van de
26 91 (70,33%) gevallen gecontroleerd door een van de Big-4 kantoren. Niet-frauduleuze organisaties zijn in 66 van de 91 (72,53%) gevallen gecontroleerd door een Big-4 kantoor. Een overzicht van de accountantskantoren die in de dataselectie voorkomen is
opgenomen in Tabel 10 van de Bijlagen. Hieruit is af te leiden dat 71% van de totale observaties gecontroleerd worden door een Big-4 kantoor. Het aandeel van de Big-4 kantoren is hiermee duidelijk zichtbaar in de dataselectie. De duur van de relatie tussen het accountantskantoor en de organisaties is gemeten door middel van twee
dummyvariabelen. Allereerst is te zien dat 38 van de 91 (41,75%) frauduleuze organisaties een kortdurende relatie hebben met de controlerende auditor. Bij niet-frauduleuze organisaties is dat bij 44 van de 91 (48,35%) organisaties het geval. Het verschil tussen de frauduleuze en niet-frauduleuze organisaties en de duur van de relatie met de controlerende accountant is groot. Uit de logistische regressieanalyse wordt duidelijk of het verschil statistisch significant is. De laatste dummyvariabele is Specialist. Bij frauduleuze organisaties is in 71 van de 91 (78,02%) de controlerende accountant gespecialiseerd in de markt waarin de frauduleuze organisatie opereert. Bij niet-frauduleuze organisaties is dat bij 77 van de 91 (84,61%) organisaties het geval. Dit verschil is eveneens groot. In de logistische analyse wordt getest of dit verschil statistisch significant is.
In de kolommen ‘minimum’ en ‘maximum’ worden de variabelen Groei, RTV, Debt-ratio, Grootte en Complexiteit met elkaar vergeleken. De variabelen Groei en RTV geven extreem hoge waarden aan bij frauduleuze organisaties. Dit wordt geassocieerd met de extreme mate van organisatorische prestaties. Dit is in tegenstelling met niet-frauduleuze organisaties die een stabiele ROA en Groei weergeven. De uitkomsten hiervan zijn in lijn met de verwachtingen die eerder geschetst zijn. De variabelen Grootte en Debt-ratio zijn nagenoeg gelijk bij zowel frauduleuze als niet-frauduleuze organisaties. De variabele Complexiteit heeft geen verschil in minimum. Wel verschillen frauduleuze organisaties in de maximumwaarde. Dit kan verklaard worden doordat frauduleuze organisaties complexer zijn dan niet-frauduleuze organisaties. Dit is in lijn met de geschetste verwachting.
De minimum- en maximumwaarden die in deel A worden beschreven, kunnen niet geassocieerd worden met hoge of lage gemiddelden. In deel B worden de
gemiddelden, de mediaan, de standaardafwijking en de t-waarde van de onafhankelijke variabelen weergegeven. De standaardafwijking reflecteert de verdeling tussen de minimum- en de maximumwaarden. De t-test reflecteert of de gemiddelden significant
27 afwijken. Het significantieniveau wordt weergegeven in tien, vijf en één procent
(tweezijdig).
Het is opvallend dat de standaardafwijkingen van RTV en Groei erg hoog zijn. Dit wordt verklaard door de extreem lage ROA die bovenstaand verklaard is. Ondanks dat veel frauduleuze organisaties verlies rapporteren, is er geen significant verschil tussen de gemiddelden van de twee groepen te zien. De variabelen Debt-ratio, Grootte, Verlies en Complexiteit hebben een negatieve t-waarde. Dit betekent dat de gemiddelden van de fraudeselectie lager zijn dan de gemiddelden van de niet-fraudeselectie. De variabelen Big-4 en Long geven een lage en positieve t-waarde. Dit verklaart het kleine verschil tussen de twee groepen.
Tabel 4: beschrijvende statistieken deel A & B
Deel A
Fraude Niet-fraude
Variabelen N Aantal Min Max N Aantal Min Max
Groei 91 - -374.7611 .9943941 91 - -152.039 .9829435 RTV 91 - -72.93443 .4208429 91 - -6.869565 .9486184 Debt-ratio 91 - 0 1.191465 91 - 0 1.04075 Grootte 91 - -2.796881 11.72269 91 - -3.079114 11.73683 Verlies 91 46 0 1 91 30 0 1 BIG-4 91 64 0 1 91 66 0 1 Kort 91 38 0 1 91 44 0 1 Long 91 29 0 1 91 32 0 1 Specialist 91 71 0 1 91 77 0 1 Complexiteit 91 - 1 14 91 - 1 10 Deel B
Fraude Niet fraude
Variabelen Mean Mediaan SD Mean Mediaan SD T-statistiek
Groei -6.589226 -.0065735 4.21998 -1.645827 .0442774 1.594.803 1.0453 RTV -.9359162 -.0014183 7.682613 -.1217017 .0389034 .8153261 1.0054 Debt-ratio .1962737 .1557395 .2303648 .1739718 .0738719 .2232797 -0.6631 Grootte 6.17265 6.330469 2.531345 5.765123 5.967554 2.544.107 -1.0832 Verlies .5054945 1 .5027397 .3296703 0 .4726978 -2.4306 BIG-4 .7032967 1 .4593354 .7252747 1 .4488488 0.3265 Kort .4175824 0 .4958928 .4835165 0 .5024968 0.8909 Long .3186813 0 .4685467 .3516484 0 .4801302 0.4688 Specialist .7802198 1 .4163919 .8461538 1 .3628001 1.1389 Complexiteit 3.43956 3 2.875988 2.989011 3 2.228575 -1.1813
Notitie: deze tabel geeft de beschrijvende statistieken van dit onderzoek weer. Er is een onderscheid gemaakt tussen fraude en niet-fraude observaties. De variabelen VERLIES, BIG-4, KORT, LANG en
28
SPECIALIST zijn dummy variabelen. VERLIES = 1 staat voor rapporteren van verlies in het jaar van fraude en anders 0. BIG-4 = 1 staat voor Big-4 accountantskantoor en anders 0. KORT = relatie accountantskantoor en organisatie met 1 voor kort (0-4 jaar) en anders 0. LANG = relatie
accountantskantoor en organisatie met 1 voor lang (>= 9 jaar ) en anders 0. SPECIALIST = 1 voor industriegespecialiseerd accountantskantoor en anders 0. Kolom met N geeft de totaalaantal observaties weer. Het kolom Aantal weergeeft het aantal observaties van de dummy variabelen. Het kolom Min geeft de minimale waarde van de onafhankelijke variabele weer. Het kolom Max geeft de maximale waarde van de onafhankelijke variabele weer. GROEI = gemiddelde verandering totale activa in het jaar waarin de fraude heeft plaatsgevonden. RTV = Netto winst gedeeld door totale activa in het jaar voordat de fraude heeft plaatsgevonden. DEBT-RATIO = totaal vreemd vermogen gedeeld door totale activa in het jaar waarin de fraude heeft plaatsgevonden. De variabelen GROEI, RTV en DEBT-RATIO worden als percentage weergegeven. De variabele COMPLEXITEIT is een continue variabele. COMPLEXITEIT = Het aantal markten waarin de organisatie opereert in het jaar van de fraude, weergegeven als de SIC- code (fraude) of het fiscale jaar in de selectie van niet-fraude-organisaties. Deel B van de tabel geeft de
gemiddelde (Mean), middelste waarneming (Mediaan), de standaardafwijking (SD) en de onafhankelijk t-test (t-waarde) weer van zowel fraude als niet-fraude steekproefselectie.
4.4 Regressieanalyse
In deze paragraaf worden de resultaten van de regressieanalyse beschreven. De resultaten zijn opgenomen in Tabel 5. Frauduleuze financiële verslaggeving (FRAUDE) is de afhankelijke variabele. In kolom (1) worden de variabelen weergegeven die opgenomen zijn in het logistische regressiemodel en die invloed hebben op de afhankelijke variabele. In kolom (2) worden de verwachtingen per variabele weergegeven. Deze zijn tevens opgenomen in het theoretisch kader. Kolom (3) geeft de resultaten weer van de opgestelde hypothesen die opgenomen zijn het theoretisch kader en die gebaseerd zijn op het definitieve logistische regressiemodel dat opgenomen is in het hoofdstuk drie. De kolommen (1), (2) en (4) geven de resultaten weer van losse analyses die voor de
robustness test zijn gebruikt. In kolom (1) wordt de directe invloed van de industriegespecialiseerde (SPECIALIST) accountant op frauduleuze financiële verslaggeving getest. In kolom (2) wordt de directe invloed van complexiteit
(COMPLEXITEIT) van de organisatie op frauduleuze financiële verslaggeving getest. In kolom (4) is rekening gehouden met de invloeden van de markt waarin de organisatie opereert en zijn de observaties geclusterd. In kolom (3) wordt getest in hoeverre de complexiteit van de organisatie invloed heeft op de negatieve relatie tussen een
industriegespecialiseerde accountant en frauduleuze financiële verslaggeving. Aanvullend wordt in kolom (3) tevens het directe effect van de gespecialiseerde accountant en
29 complexiteit op frauduleuze financiële verslaggeving getest. Daarmee zijn alle variabelen in deze kolom opgenomen.
In de eerste hypothese werd beweerd dat er een negatieve relatie is tussen een industriegespecialiseerde accountant en frauduleuze financiële verslaggeving. De
verwachting was dat wanneer de accountant meer kennis heeft van de industrie waarin de organisatie opereert, hij eerder materiële fouten ontdekt die ontstaan zijn door frauduleus handelen. Dit zou resulteren in minder frauduleuze financiële verslaggeving. De
verwachting was hierdoor negatief geformuleerd. Het resultaat van de derde regressie bevestigt de verwachting en toont een negatieve relatie tussen een
industriegespecialiseerde accountant (SPECIALIST) en frauduleuze financiële
verslaggeving. Deze relatie is statistisch niet significant (-0.996). Dit indiceert dat op basis van de selectie van frauduleuze en niet-frauduleuze organisaties een
industriegespecialiseerde accountant frauduleuze financiële verslaggeving doet dalen. De eerste regressie, kolom (1), waarin de industriegespecialiseerde accountant
(SPECIALIST) gebruikt is als robustness test, toont tevens een negatief resultaat (-0.830). In kolom (1) zijn de variabelen Complexiteit en Specialist*Complexiteit achterwege gelaten. In kolom (4) is rekening gehouden met de invloed van de markt en met het clusteren van resultaten. Hier is de uitkomst eveneens negatief (-1.123) en statistisch niet significant (p>0.05). De uitkomsten zijn in lijn met eerder uitgevoerde onderzoeken.
In de tweede hypothese werd beweerd dat er een positieve relatie is tussen de complexiteit van een organisatie en frauduleuze financiële verslaggeving. De verwachting was dat complexe organisaties frauduleuze financiële verslaggeving zouden doen stijgen. De verwachting was hierdoor positief. Uit de resultaten van de derde regressie (kolom 3) blijkt dat deze verwachting bevestigd kan worden. Er is een positieve relatie tussen de complexiteit van de organisatie en frauduleuze financiële verslaggeving (0.0121). Het resultaat is statistisch significant (p<0.05). De resultaten van de robsustness test (kolom 2) bevestigen het positieve resultaat (0.0485). Het resultaat is hier tevens statistisch
significant. In kolom (4) - waar rekening is gehouden met de markt waarin de organisaties opereren en met het clusteren van observaties - zijn de resultaten negatief (-0.0827), maar statistisch niet significant. Het negatieve resultaat in kolom (4) heeft voornamelijk te maken met het effect van de markt waarin de organisatie opereert. Op basis van deze resultaten kan geconcludeerd worden dat organisatorische complexiteit een positieve invloed heeft op het detecteren van frauduleuze financiële verslaggeving. Kortom, de complexiteit van de organisatie doet frauduleuze financiële verslaggeving stijgen.
30 In de derde hypothese werd beweerd dat organisatorische complexiteit een negatieve invloed heeft op de relatie tussen een industriegespecialiseerde accountant en frauduleuze financiële verslaggeving. Deze verwachting was geschetst omdat een industriegespecialiseerde accountant de kennis omtrent de markt waarin de organisatie opereert, niet van een minder complexe naar een meer complexe organisaties zou kunnen overbrengen. Complexe organisatie hebben ingewikkelde processen en
boekhoudkundige structuren. Daarom zou het voor de accountant ingewikkelder zijn om materiële fouten te detecteren die ontstaan zijn door frauduleus handelen. Hierdoor ontstaat bij het management van de organisatie eerder een prikkel om frauduleus te handelen. De verwachting is dat de interactie Specialist*Complexiteit een positief effect heeft. De resultaten bevestigen de verwachting. Het interactie-effect is positief (0.0569) maar net niet statistisch significant. Het interactie-effect in kolom (4) is eveneens positief (0.228) maar statistisch niet significant. Op basis hiervan kan geconcludeerd worden dat een industriegespecialiseerde accountant bij complexe organisaties minder in staat is om materiële fouten te detecteren die ontstaan zijn door frauduleus handelen.
In de logistische regressieanalyse zijn elf variabelen opgenomen. Van de overige controlevariabelen is alleen organisatorische groei (GROEI) negatief significant in alle vier de regressieanalyses. De overige controlevariabelen hebben over het algemeen wel constante coëfficiënten, wat impliceert dat frauduleus handelen bevorderd wordt.
Op basis van de uitgevoerde logistische regressieanalyse kan de conclusie getrokken worden dat hypothese één geaccepteerd wordt. De variabele Specialist is negatief in zowel kolom (3) als kolom (1). De markt waarin de organisaties opereren en clusteren van observaties bevestigt het positieve resultaat in kolom (4). De resultaten zijn statistisch niet significant. Hypothese twee wordt eveneens geaccepteerd. Er werd een positieve relatie tussen organisatorische complexiteit en frauduleuze financiële
verslaggeving verwacht en de resultaten hebben dit bevestigd. Hierbij was tevens de robustness test in kolom (2) statistisch significant. Opvallend was dat wanneer rekening gehouden wordt met de markt waarin de organisatie opereert en met het clusteren van observaties, de resultaten negatief zijn (kolom 4). Hypothese drie wordt eveneens geaccepteerd. Het resultaat van de interactie was in zowel kolom (3) als kolom (4) positief, maar statistisch niet significant.
