Amsterdam Business School
De invloed van industrie-specialisatie en het AFM rapport op de
audit-kwaliteit van de Big 4 kantoren
Name: Romy Deken Student number: 10242600
Thesis supervisor: ir. drs. A.C.M. de Bakker Date: 25-01-2017
Word count: 11.825
Statement of Originality
This document is written by student Romy Deken who declares to take full responsibility for the contents of this document.
I declare that the text and the work presented in this document is original and that no sources other than those mentioned in the text and its references have been used in creating it.
The Faculty of Economics and Business is responsible solely for the supervision of completion of the work, not for the contents.
Voorwoord
Voor u ligt het verslag van mijn afstudeeronderzoek met de titel ‘De invloed van industrie-specialisatie en het AFM rapport op de audit-kwaliteit van de Big 4 kantoren’. Dit betreft het laatste onderdeel van de masteropleiding Accountancy en Control, met studierichting Accountancy, die ik heb gevolgd aan de Universiteit van Amsterdam.
Na eerst de bachelor succesvol in voltijd te hebben afgerond, ben ik in september 2015 gestart met de masteropleiding Accountancy en Control in deeltijd. Dit traject is gedaan in combinatie met werken bij Deloitte Accountants B.V. Hoewel deze combinatie niet altijd ideaal is geweest, ben ik blij dat ik het op deze manier heb gedaan. Tijdens het werk kon ik de theorie meteen toepassen, waardoor het leerproces is versterkt.
Een dankwoord wil ik uitspreken aan mijn scriptiebegeleider Toon de Bakker. Waar ik vragen had, kon ik altijd terecht bij hem voor snelle feedback en advies. Dit heeft mij erg geholpen om mijn scriptie tijdig en goed af te ronden. Daarnaast wil ik ook mijn vriend en familie bedanken die mij het gehele proces hebben gesteund en belangstellend zijn geweest.
Waarland, 15 januari 2017 Romy Deken
Abstract
The aim of this study is to provide empirical evidence of the positive influence of the AFM reports from 2010 and 2014 on audit quality and industry specialization of the Big 4 accounting firms. The reason for this study originated from AFM reports of 2010 and 2014 that were released in order to improve the quality of the Big 4 accounting firms. Previous research has shown that measuring the degree of discretionary accruals is a good way to determine the level of audit quality. There is also shown by previous research that there is a positive correlation between industry specialization and audit quality. Therefore the following research question is examined: Is audit quality of Big 4 accounting firms improved after publications of AFM reports and industry specialization? To answer the research question, Dutch data is used from the period between 2008 up to and including 2015. The companies selected are all under the control of a Big 4 accounting firm and are assigned by the SIC code to an industry. The research question is examined by means of two linear regressions and one logistic regression. The results show that there is no positive influence found of the AFM reports from 2010 and 2014 on the audit quality and industry specialization. Since there is no evidence found for: a positive association between industry specialization of the Big 4 accounting firms and audit quality, a positive association between the reports of the AFM in 2010 and 2014 on industrial specialization of the Big 4 accountancy firms, and the reports of the AFM have a positive association in 2010 and 2014 with the audit quality. These results are not in line with the expectation. This study has its restrictions in the form of limited data and determining the industry specialist. Due to these restrictions, a further study, without these limitations, is recommended. As a result, a more reliable conclusion can be drawn.
Samenvatting
Het doel van dit onderzoek is om empirisch bewijs te leveren voor de positieve invloed van de AFM rapporten uit 2010 en 2014 op de audit kwaliteit en industrie-specialisatie van de Big 4 accountantskantoren. De aanleiding voor dit onderzoek zijn de rapporten van de AFM uit 2010 en 2014 die zijn uitgebracht om de kwaliteit van de Big 4 accountantskantoren te verbeteren. Uit eerder onderzoek is gebleken dat de mate van discretionary accruals een goede manier is om de hoogte van de audit kwaliteit te bepalen. Ook is er uit eerder onderzoek gebleken dat er een positieve relatie is tussen industrie-specialisatie en audit kwaliteit. Derhalve is de volgende onderzoeksvraag onderzocht: Is de audit kwaliteit van Big 4 accountantskantoren na publicaties van AFM rapporten en door industrie-specialisatie verbeterd? Om de onderzoeksvraag te beantwoorden is er gebruik gemaakt van Nederlandse data van de periode tussen 2008 t/m 2015. De bedrijven die zijn geselecteerd vallen allemaal onder de controle van een Big 4 accountantskantoor en zijn via de SIC code ingedeeld naar een industrie. De onderzoeksvraag wordt onderzocht door middel van twee lineaire regressies en één logistische regressie. Uit de resultaten blijkt dat er geen positieve invloed van de AFM rapporten uit 2010 en 2014 op de audit kwaliteit en industrie-specialisatie is. Er is namelijk geen bewijs gevonden voor: een positieve associatie tussen industrie-specialisatie van de Big 4 accountantskantoren en de audit kwaliteit, voor een positieve associatie tussen de rapporten van de AFM uit 2010 en 2014 op industrie-specialisatie van de Big 4 accountantskantoren en dat de rapporten van de AFM uit 2010 en 2014 een positieve associatie hebben met de audit kwaliteit. Deze resultaten zijn niet in lijn met de verwachting die is opgesteld. Dit onderzoek heeft te maken met een aantal beperkingen van geringe data en het bepalen van industrie-specialist. Door deze beperkingen wordt er een toekomstig onderzoek aanbevolen, zonder deze beperkingen. Hierdoor kan er een meer betrouwbare conclusie worden bereikt. Trefwoorden: Audit kwaliteit, industrie-specialisatie, AFM, discretionary accruals
Inhoudsopgave
1 Introductie ...8 2 Theoretisch kader ... 10 2.1 AFM rapporten ... 10 2.2 Audit kwaliteit ... 11 2.2.1 Definities ... 112.2.2 Earnings management en audit kwaliteit ... 11
2.2.3 Het meten van earnings management ... 12
2.2.4 Industrie-specialisatie en audit kwaliteit... 14
2.2.5 Het meten van industrie-specialisatie ... 14
2.3 Hypothese ontwikkeling ... 16 2.3.1 Hypothese 1 ... 16 2.3.2 Hypothese 2 ... 16 2.3.3 Hypothese 3 ... 16 3 Methodologie ... 18 3.1 Conceptueel model ... 18
3.2 Regressiemodel voor hypothese 1 ... 18
3.3 Logistisch regressiemodel voor hypothese 2 ... 20
3.4 Regressiemodel voor hypothese 3 ... 22
3.5 Resumé van de benodigde variabelen ... 24
4 Data ... 26
4.1 Database en dataselectie ... 26
4.1.1 Indeling industrieën ... 27
4.1.2 Schatting van jaar-specifieke coëfficiënten ... 28
4.2.1 Statistische kerngrootheden... 29 4.2.2 Correlatie ... 30 4.2.3 Multicollineariteit ... 32 5 Resultaten ... 33 5.1 Hypothese 1 ... 33 5.1.1 Resultaten hypothese 1... 34 5.2 Hypothese 2 ... 35 5.2.1 Resultaten hypothese 2... 36 5.3 Hypothese 3 ... 38 5.3.1 Resultaten hypothese 3... 38
5.4 Resumé van de resultaten ... 40
6 Conclusie ... 42
6.1 Conclusie van het onderzoek... 42
6.2 Beperkingen ... 43 6.3 Aanbevelingen... 44 7 Literatuur ... 45 8 Bijlage ... 47 8.1 Tabel industrie-specialisten ... 47 8.2 Q-Q plots ... 49
1 Introductie
In het rapport van Autoriteit Financiële Markten (AFM) dat is verschenen op 25 september 2014 worden op basis van de uitkomsten, aanbevelingen gegeven om de kwaliteit te verbeteren voor de vier grootste accountantsorganisaties (Big 4): EY, KPMG, PwC en Deloitte (AFM, 2014). Zij hebben hierin maatregelen aangekondigd die geïmplementeerd moeten worden door de Big 4. Eén maatregel hiervan is dat er een kwaliteitsgerichte cultuur gecreëerd moet worden (AFM, 2014). De AFM ziet erop toe dat de Big 4 kantoren hun kwaliteit gaan verbeteren, aangezien er in het rapport 18 van de 40 wettelijke controles onvoldoende zijn bevonden (AFM, 2014). Dit rapport is een vervolg op het rapport van de AFM in 2010. Uit dat onderzoek naar de Big 4 accountantskantoren is gebleken dat er bij 52% van de accountantscontroles die zij hebben onderzocht bevindingen zijn geconstateerd. Concluderend: uit het rapport van 2010 is naar voren gekomen dat de kwaliteit verbeterd moet worden, omdat de accountantsverklaring onvoldoende zijn onderbouwd en daardoor in twijfel worden getrokken of deze juist zijn (AFM, 2010).
In onderzoeken van o.a. Balsam, Krishnan & Yang (2013) en Jaggi, Mitra & Hossain (2014) wordt geconcludeerd dat er bij industrie-specialisatie van de Big 4 accountants een hogere audit kwaliteit bereikt wordt. Dit leidt ertoe dat er een positieve relatie is tussen specialisatie van de accountant en de audit kwaliteit van de controle.
Het doel van dit onderzoek is om te onderzoeken of de audit kwaliteit van de Big 4 accountantskantoren omhoog is gegaan na de rapporten die zijn uitgebracht door de AFM in 2010 en 2014. Dit wordt gedaan door industrie-specialisatie over de jaren 2008 t/m 2015 te meten met behulp van het marktaandeel (door middel van sale). De onderzoeksvraag is als volgt:
Is de audit kwaliteit van Big 4 accountantskantoren na publicaties van AFM rapporten en door industrie-specialisatie verbeterd?
Hierbij worden de jaren voor, tijdens en na de rapporten van de AFM vergeleken (2008 t/m 2015). Het betreft een database onderzoek met data die alleen afkomstig is uit Nederland. De Nederlandse bedrijven die in dit onderzoek voorkomen, worden allemaal gecontroleerd door een Big 4 accountantskantoor.
Er is al veel onderzoek gedaan naar de relatie tussen industrie-specialisatie en audit kwaliteit, door hierbij de publicatie van de AFM te voegen wordt er onderzocht of er meer industrie-specialisatie plaatsvindt na het aankondigen van de AFM dat de kwaliteit omhoog moet. Door dit te onderzoeken wordt er ingegaan op de invloed die het AFM heeft op de Big 4 accountantskantoren
en of zij een regulerend effect hebben. Hierbij draagt dit onderzoek bij aan de bestaande literatuur, omdat er nog geen eerder onderzoek naar industrie-specialisatie en audit kwaliteit in combinatie met het AFM rapport is geweest. Daarnaast wordt de relatie tussen industrie-specialisatie en audit kwaliteit opnieuw getoetst door middel van earnings management, zodat dit een extra toevoeging is aan de bestaande onderzoeken.
Het onderzoek is al volgt opgebouwd: In hoofdstuk 2 volgt het theoretisch kader waarin de AFM rapporten, audit kwaliteit, earnings management, industrie-specialisatie en de hypotheses worden toegelicht. Hoofdstuk 3 bevat de methodologie, waarin wordt omschreven op welke manier dit onderzoek uitgevoerd wordt en de onderzoeksvraag kan worden beantwoord. In hoofdstuk 4 wordt de data toegelicht die gebruikt wordt. In hoofdstuk 5 worden de resultaten uiteengezet, gevolgd door hoofdstuk 6 waarin de conclusie, beperkingen en de aanbevelingen worden besproken.
2 Theoretisch kader
Dit hoofdstuk betreft het theoretisch kader. Hierin worden de begrippen en theorie die voor dit onderzoek gebruikt worden verder gespecificeerd per paragraaf. Achtereenvolgens komen aan de orde de AFM rapporten, audit kwaliteit, earnings management en audit kwaliteit, industrie-specialisatie en hypotheses.
2.1 AFM rapporten
De Wet toezicht accountantsorganisaties (Wta) is in 2006 in werking getreden. De Wta die wordt uitgevoerd door de AFM heeft als doel de kwaliteit van de accountantscontroles te waarborgen en het herstel van het vertrouwen in de accountants en de controleverklaringen die zij afgeven (AFM, 2014). De AFM bevordert de eerlijke en efficiënte werking van kapitaalmarkten, waarop beleggers kunnen vertrouwen. De AFM moet ervoor zorgen dat de markt erop vertrouwt dat de accountant de jaarrekening goed heeft gecontroleerd (AFM, 2010). Hiermee streeft de AFM ernaar om een regulerende rol ten opzichte van de accountantskantoren te spelen.
Sinds dat de Wta van toepassing is heeft de AFM in 2010 een onderzoek gedaan naar de kwaliteit van accountantscontroles en de kwaliteitsbewaking binnen de grootste vier accountantskantoren in Nederland. De AFM heeft hierbij geconcludeerd dat o.a. de Big 4 accountantskantoren de normen voor het uitvoeren van controles niet of in onvoldoende mate toe en de kwaliteitsbewaking schiet tekort op onderdelen waardoor er onvoldoende wordt gewaarborgd dat de accountantsverklaringen juist zijn en voldoende zijn onderbouwd (AFM, 2010).
In 2014 is er opnieuw onderzoek gedaan naar de kwaliteit van de wettelijke controles van de Big 4 accountantsorganisaties. Hieruit is gebleken dat zij met de genomen maatregelen niet het gewenste resultaat bereikt hebben. 45 procent (2010: 52 procent) van de beoordeelde wettelijke controles is onvoldoende en er is geen geschikte controle-informatie verkregen (AFM, 2014). De kwaliteit is slechts lichtelijk toegenomen t.o.v. 2010 en wordt door de AFM als ‘onvoldoende’ aangemerkt (AFM, 2014).
Eén van de maatregelen is het creëren van een kwaliteitsgerichte cultuur (AFM, 2014). Hiermee wordt bedoeld dat de kwaliteit van de accountantskantoren omhoog moet. In de volgende paragrafen wordt uiteengezet wat audit kwaliteit is en hoe dit verbeterd en gemeten kan worden. Aan de hand hiervan zal worden onderzocht of de Big 4 accountantsorganisaties wat met de kritiek van de rapporten van de AFM uit 2010 en 2014 gedaan hebben en de AFM daadwerkelijk een regulerende rol heeft.
2.2 Audit kwaliteit
In deze paragraaf worden de definities van audit kwaliteit en de verbanden die zowel earnings management en industrie-specialisatie hebben met audit kwaliteit toegelicht. Hierbij worden ook manieren toegelicht hoe earnings management en industrie-specialisatie gemeten kunnen worden. 2.2.1 Definities
Volgens DeAngelo (1981) is de kwaliteit van de audit de waarschijnlijkheid dat een accountant in staat is om materiële fouten in de financiële verslaggeving te ontdekken en ook daadwerkelijk te rapporteren. De kans dat de accountant een fout vindt, hangt af van de competenties van de accountant. Tevens concludeerde zij dat er een relatie bestaat tussen het aantal cliënten en de kwaliteit van de audit. Dit is een positieve relatie, de kwaliteit is hoger bij een relatief groot accountantskantoor (DeAngelo, 1981).
PwC (2015) stelt dat er niet één definitie is van audit kwaliteit en somt o.a. de volgende definities op: het naleven van boekhoudkundige en accountantsstandaarden, het toepassen van diepe en brede kennis van de financiële omgeving van de cliënten en het gebruik van expertise om problemen op te lossen en deze vroegtijdig te ontdekken. Met deze indicatoren van audit kwaliteit verwachten zij dat de audit kwaliteit omhoog zal gaan.
2.2.2 Earnings management en audit kwaliteit
Earnings management is het opzettelijk beïnvloeden van het proces van financiële verslaggeving om persoonlijk voordeel te verkrijgen. Healy en Wahlen (1999) beschrijven earnings management als volgt:
“Earnings management occurs when managers use judgement 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”. (p. 368)
Volgens Becker, Defond, Jiambalvo & Subramanyam (1998) is er een relatie tussen earnings management en de kwaliteit van de audit. Zij veronderstellen dat Big 6 accountants een hogere kwaliteit leveren dan niet-Big 6 accountants. Dit doen ze door aan te tonen dat klanten van niet- Big 6 accountants, een hoger aantal discretionary accruals toepassen die het inkomen relatief meer laten stijgen dan de hoeveelheid discretionary accruals die gerapporteerd worden door cliënten van Big 6 accountants (Becker et al. 1998). Discretionary accruals zijn niet-verplichte uitgaven/assets die zijn opgenomen in de financiële verslaggeving en die nog moeten worden gerealiseerd.
absolute stijging. Hier stelt hij ook in zijn onderzoek dat er een verband is tussen de hoeveelheid absolute discretionary accruals en de audit kwaliteit.
Tevens tonen Van Tendeloo & Van Straelen (2008) aan dat private ondernemingen in Europa minder gebruik maken van earnings management wanneer zij een Big 4 accountant hebben, vergeleken met een niet-Big 4 accountant. In het onderzoek van Van Tendeloo & Van Straelen (2008) wordt een Big 4 accountant als een hoge kwaliteit accountant gezien.
Uit bovenstaande wordt geconcludeerd dat er een negatieve relatie is tussen earnings management en audit kwaliteit. Hoe minder earnings management wordt toegepast, des te hoger wordt de kwaliteit van de audit. In dit onderzoek zal de audit kwaliteit worden gemeten als de mate waarin in absolute zin discretionary accruals worden toegepast. Dit is al eerder gedaan door Balsam, Krishnan & Yang (2003) en Jaggi, Mitra & Hossain (2014). Dit onderzoek kan de relatie nog sterker te maken en de bestaande onderzoeken verifiëren.
2.2.3 Het meten van earnings management
Er zijn verschillende modellen beschikbaar voor het meten van earnings management. Het model dat in dit onderzoek gebruik wordt is het Modified Jones Model van Dechow, Sloan & Sweeney (1995). Dit is een aangepaste versie van het Jones Model van Jones (1991) en wordt door Dechow et al. (1995) als de meest krachtige manier om earnings management te meten gezien. Het Modified Jones Model biedt de meest krachtige manier om earnings management te meten (Bartov, Gul, & Tsui, 2000). Het model is beter gespecificeerd als de andere modellen voor earnings mangement, omdat het variabelen bevat die controleren op verandering van accruals die een verband hebben met de veranderingen in de economische situatie van een bedrijf (Becker et al. 1998).
Om te meten of er earnings management wordt toegepast worden de totale accruals (TA) gemeten overeenkomstig de studie van Jones (1991):
𝑇𝑇𝐴𝐴𝑡𝑡= ∆𝐶𝐶𝐴𝐴𝑡𝑡− ∆𝐶𝐶𝐿𝐿𝑡𝑡− ∆𝐶𝐶𝐶𝐶𝐶𝐶ℎ𝐴𝐴 1 + ∆𝑆𝑆𝑇𝑇𝐷𝐷𝑡𝑡− 𝐷𝐷𝐷𝐷𝑝𝑝𝑡𝑡 𝑡𝑡−1
Waarin:
TA = Total accruals
∆CA = Verandering in vlottende activa ∆CL = Verandering in kortlopende schulden ∆Cash = Verandering in liquide middelen
∆STD = Verandering in de schulden opgenomen in kortlopende schulden Dep = Waardevermindering en afschrijvingen
A = Totale activa t = jaar t
Om de jaar-specifieke coëfficiënten α1, α2, α3 te schatten wordt er gebruikt gemaakt van de volgende regressie vergelijking:
𝑇𝑇𝐴𝐴𝑡𝑡= 𝛼𝛼1�𝐴𝐴1
𝑡𝑡−1� + 𝛼𝛼2(∆𝑅𝑅𝑅𝑅𝑉𝑉𝑡𝑡) + 𝛼𝛼3(𝑃𝑃𝑃𝑃𝑅𝑅𝑡𝑡) + 𝜀𝜀
Waarin:
∆REV = Omzet in het jaar t minus de omzet in jaar t-1 PPE = Materiële vaste activa
At-1 = Totale activa in jaar t-1 α1, α2, α3 = Jaar-specifieke coëfficiënten
Hieronder wordt de formule om discretionary accruals te meten toegelicht. Deze non-discretionary accruals worden gezien als de niet-gemanipuleerde earnings. Door deze formule toe te passen kan de hoeveelheid discretrionary accruals, de gemanipuleerde earnings, bepaald worden als het verschil tussen TA en NDA.
𝑁𝑁𝐷𝐷𝐴𝐴𝑡𝑡 = 𝛼𝛼�1�𝐴𝐴1
𝑡𝑡−1� + 𝛼𝛼�2(∆𝑅𝑅𝑅𝑅𝑉𝑉𝑡𝑡− ∆𝑅𝑅𝑅𝑅𝐶𝐶𝑡𝑡) + 𝛼𝛼�3(𝑃𝑃𝑃𝑃𝑅𝑅𝑡𝑡)
Waarin:
NDA = Niet discretionaire accruals
∆REC = Verandering netto ontvangsten van handelsvorderingen
Vervolgens wordt het aantal discretionary accruals (DA) bepaald door onderstaande vergelijking: 𝐷𝐷𝐴𝐴𝑡𝑡 = 𝑇𝑇𝐴𝐴𝑡𝑡− 𝑁𝑁𝐷𝐷𝐴𝐴𝑡𝑡
Waarin:
DA = Discretionary accruals
2.2.4 Industrie-specialisatie en audit kwaliteit
Als een accountantskantoor meer klanten heeft in een bepaalde industrie, dan beschikken zij daardoor ook over meer middelen om hun accountants te voorzien van de juiste diepgaande kennis van deze industrie, wat leidt tot meer industrie expertise (Francis, 2004).
Volgens Balsam et al. (2003) hebben managers prikkels om earnings management toe te passen. Zij verklaren dan ook dat de kwaliteit van de accountant één van de factoren is die het toepassen van earnings management door managers beperkt. Tevens veronderstellen zij dat de accountant die over specifieke kennis in een bepaalde industrie beschikt, een grotere mogelijkheid heeft om earnings management en andere fouten op te sporen (Balsam et al. 2003).
Payne (2008) stelt dat de gespecialiseerde accountant aanzienlijk meer in middelen investeert voor de ontwikkeling van de industrie-specifieke kennis en expertise. Daarnaast bieden zij hogere kwaliteit voor audit diensten dat resulteert tot hogere kwaliteit van de informatie van hun cliënten, wat kan leiden tot een beter oordeel.
Dit leidt ertoe dat er een positieve relatie kan worden verondersteld tussen industrie-specialisatie en audit kwaliteit.
2.2.5 Het meten van industrie-specialisatie
De Big 6 kantoren met de hoogste marktaandelen hebben hun marktaandeel in de laatste 20 jaar uitgebreid (Hogan & Jeter, 1999). Dunn & Mayhew (2004) suggereren dat accountantskantoren inspelen op de behoefte van de klant door specifieke kennis van de industrie te verkrijgen. Voor de definitie van specialisatie wordt verondersteld dat accountantskantoren met een groot marktaandeel in een specifieke sector en daarom hoge industrie-specifieke audit fees, sterke prikkels hebben om hoge kwaliteit te leveren (Dunn & Mayhew, 2004). Dit is consistent met het onderzoek van DeAngelo (1981) waarin beargumenteerd wordt dat de grootte van het accountantskantoor correleert met audit kwaliteit. Dit laat zien dat marktaandeel een redelijke manier is om industrie-specialisatie van een accountantskantoor te meten.
Om te weten of er door de accountantskantoren industrie specialisatie wordt toegepast, wordt dit gemeten in dit onderzoek door middel van het marktaandeel dat het accountantskantoor bezit. Om het marktaandeel te meten wordt net zoals in het onderzoek van Palmrose (1986) het marktaandeel van een accountant in een bepaalde industrie berekend door middel van de totale sales die gecontroleerd worden door een accountantskantoor binnen een industrie. Een industrie wordt in dat onderzoek gedefinieerd als alle bedrijven binnen elke Standard Industry Classification (SIC) code in de WRDS database. Aangezien de data afkomstig is uit Nederland voor dit onderzoek, zorgt dit voor een beperking van de data die beschikbaar is. Hierdoor wordt er in dit onderzoek op basis van de SIC codes een verdeling gemaakt in 4 sectoren: bouw, diensten, handel en productie. De verdeling wordt verder toegelicht in 4.1.1.
Voor dit onderzoek wordt een accountantskantoor als specialist aangemerkt als deze meer dan 30% marktaandeel heeft in de sector. Dit ligt in lijn wat in het onderzoek van Dunn & Mayhew (2004) wordt gebruikt, dat is namelijk 20% voor Big 6 kantoren.
Volgens Neal & Riley (2004) zijn er aan de methode om het marktaandeel te meten echter twee tekortkomingen. De eerste is dat het mogelijk is dat industrie-specialisatie niet herkend wordt bij de sectoren die te klein zijn om een significant effect te hebben op de omzet van de grote accountantskantoren. Ten tweede worden niet-Big 4 accountantskantoren zelden als industrie- specialist aangemerkt. Dit komt omdat kleinere accountantskantoren vaak minder marktaandeel hebben en hierdoor niet worden aangemerkt als industrie-specialist.
Voor dit onderzoek worden de tekortkoming die zijn aangemerkt door Neal & Riley (2004) niet als een beperking gezien. Er wordt namelijk gekeken naar de sales ten opzichte van de totale sales in de sector waar onderzoek in wordt gedaan en dus niet naar de omzet in die sector ten opzichte van de totale omzet van het accountantskantoor. Hierdoor hebben kleinere sectoren ook de kans om in de sample te komen en zich te kwalificeren als industrie-specialist. In dit onderzoek wordt er alleen onderzoek gedaan naar Big 4 accountantskantoren. Dit sluit het tweede punt van Neal & Riley (2004) uit dat er zelden niet-Big 4 accountantskantoren worden aangemerkt als industrie- specialist.
2.3 Hypothese ontwikkeling
In deze paragraaf worden de drie hypotheses geformuleerd die worden onderzocht. De toetsing van deze hypotheses zal plaatsvinden in hoofdstuk 5 ‘Resultaten’ door middel van de methode beschreven in hoofdstuk 3 en de data uit hoofdstuk 4.
2.3.1 Hypothese 1
Vanuit het theoretisch kader worden de verbanden tussen industrie-specialisatie en earnings management met audit kwaliteit toegelicht. Uit onderzoeken van o.a. Payne (2008) en Balsam et al. (2003) is gebleken dat er een positieve relatie is tussen industrie-specialisatie en audit kwaliteit. Voor het meten van de hoogte van audit kwaliteit is er bewezen door onder andere Becker et al. (1998) dat er een negatieve relatie is tussen earnings management en audit kwaliteit. Dit wil zeggen dat hoe hoger de earnings management die wordt toegepast door bedrijf x, des te lager de audit kwaliteit is van het accountantskantoor van bedrijf x. Door deze onderzoeken wordt er verwacht dat er een positieve associatie is tussen de audit kwaliteit en industrie-specialisatie van de accountant. Deze hypothese wordt in dit onderzoek getoetst aan de hand van de volgende hypothese:
H1: Er is een positieve associatie tussen de audit kwaliteit en industrie-specialisatie van de accountant
2.3.2 Hypothese 2
De AFM onderzoeken die zijn gerapporteerd komen uit 2010 en 2014. Om de gevolgen en de regulerende rol van deze rapporten te onderzoeken, wordt er gemeten of de audit kwaliteit is toegenomen tussen 2008 en 2015. Er vanuit gaande dat hypothese 1 juist is, wordt er met industrie-specialisatie een hogere audit kwaliteit verwacht. Er wordt dan ook verwacht dat door de kritiek die de accountantskantoren hebben gekregen door de AFM rapporten, dat de audit kwaliteit gestegen is. Een manier om dit te meten is door middel van industrie-specialisatie. Volgens onderstaande hypothese wordt er verwacht dat er meer industrie-specialisatie heeft plaatsgevonden als gevolg van de AFM rapporten.
H2: Industrie-specialisatie bij de Big 4 accountantskantoren is toegenomen na de rapporten van de AFM
2.3.3 Hypothese 3
Door hypothese 1 en 2 te combineren wordt hypothese 3 geformuleerd. Om te onderzoeken of de audit kwaliteit is toegenomen van Big 4 accountantskantoren na de rapporten van de AFM in 2010 en 2014, moet er eerst getest worden of er meer industrie-specialisatie heeft plaatsgevonden
en of industrie-specialisatie een positief verband heeft met audit kwaliteit. Als gevolg van de resultaten van de eerste twee hypotheses kan er een antwoord gegeven worden op onderstaande hypothese:
H3: De kwaliteit van Big 4 accountantskantoren is toegenomen na de rapporten van de AFM
Door middel van dit onderzoek worden deze hypotheses al dan niet verworpen. Hierdoor kan er een antwoord worden gegeven op de onderzoeksvraag: Is de kwaliteit van Big 4 accountantskantoren na publicaties van AFM rapporten en door industrie-specialisatie verbeterd?
3 Methodologie
3.1 Conceptueel modelOm te meten of er door de AFM rapporten van 2010 en 2014 meer specialisatie van de Big 4 accountantskantoren heeft plaatsgevonden moet de industrie-specialisatie gemeten worden in de jaren 2008-2015. Door deze jaren te gebruiken kan er een vergelijking worden gemaakt met de mate van industrie-specialisatie voor en na het uitbrengen van de AFM rapporten van 2010 en 2014. Tevens wordt ook de mate van earnings management onderzocht in de jaren 2008-2015. Hierdoor wordt de relatie tussen industrie-specialisatie en audit kwaliteit opnieuw getoetst door middel van earnings management, zodat dit een extra toevoeging is aan de bestaande onderzoeken en het verband tussen twee variabelen daardoor betrouwbaarder wordt. Onderstaand het conceptueel model:
Onafhankelijke variabele Afhankelijke variabele
Figuur 1: Framework methodologie.
3.2 Regressiemodel voor hypothese 1
Hypothese 1 luidt als volgt: Er is een positieve associatie tussen de audit kwaliteit en industrie-specialisatie van de accountant. Hierbij wordt het effect van industrie-specialisatie gemeten op audit kwaliteit. Dit wil zeggen dat er een negatief verband wordt verwacht tussen industrie-specialisatie en de mate van absolute discretionary accruals. De methode om audit kwaliteit te meten in dit onderzoek is door middel van de mate van discretionary accruals. De absolute waarde van de totale accruals zijn ook meegenomen in het regressiemodel. Dit is te verklaren doordat bedrijven met een hogere absolute waarde van totale accruals, meer kans hebben op grotere absolute discretionary accruals (Krishnan
Specialisatie Big 4 Earnings
management
Audit kwaliteit Marktaandeel
(d.m.v. Audit fees)
2003). Om deze hypothese te toetsen wordt er het volgende regressiemodel gebruikt dat is gebaseerd op het onderzoek van Balsam et al. (2003):
|𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| = 𝛽𝛽0+ 𝛽𝛽1𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡+ 𝛽𝛽2𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡+ 𝛽𝛽3𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡+ 𝛽𝛽4𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡+ 𝛽𝛽5|𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡+ 𝜀𝜀𝑖𝑖𝑡𝑡
Waarin:
|𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| = Absolute waarde van discretionary accruals voor onderneming i in jaar t.
Wordt berekend a.d.h.v. het Modified Jones Model, zie 2.2.5.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡 = Als Big 4 accountantskantoor een industrie-specialist is, krijgt deze dummy
de waarde 1. Bij niet-specialist wordt de waarde 0. Paragraaf 2.2.3 gaat in op hoe een industrie-specialist gemeten kan worden.
𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡 = Natuurlijke logaritme van totale assets voor onderneming i in jaar t
𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡 = Cash flow van operationele activiteiten geschaald door activa voor
onderneming i in jaar t
𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡 = Ratio van totale schulden t.o.v. totale activa voor onderneming i in jaar t
|𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡 = Absolute waarde van Totale accruals voor onderneming i in jaar t. Wordt
berekend zoals in het Modified Jones Model, zie 2.2.3.
Verwachte richting van het effect van verklarende variabelen op de te verklaren variabele |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|:
TABEL 1 - Verwacht effect verklarende variabele op de te verklaren variabele Variabele Richting Toelichting
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡 - Consistent met het onderzoek van Balsam et al. (2003) wordt er een
negatieve relatie verwacht. Dit komt doordat er van gespecialiseerde accountants een hogere kwaliteit wordt verwacht en daardoor minder discretionary accruals.
𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡 - In het onderzoek van Balsam et al. (2003) is gebleken dat er een negatieve
relatie is tussen LTA en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|. Cliënten van specialisten zijn groter. Van
gespecialiseerde accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡 - In het onderzoek van Balsam et al. (2003) is gebleken dat er een negatieve
relatie is tussen CFO en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|. Cliënten van specialisten hebben hogere
cash flow van operationele activiteiten. Van gespecialiseerde accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡 - In het onderzoek van Balsam et al. (2003) is gebleken dat er een negatieve
relatie is tussen LEV en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|. Cliënten van specialisten hebben hogere
schulden. Van gespecialiseerde accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
|𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡 + In het onderzoek van Balsam et al. (2003) is gebleken dat er een positieve
relatie is tussen |𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡 en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| (t-test is significant, maar Wilcoxon Z
is niet-significant). Cliënten van specialisten hebben lagere totale accruals. Van gespecialiseerde accountants wordt een hogere kwaliteit verwacht, daardoor minder discretionary accruals en dus ook lagere Total Accruals.
3.3 Logistisch regressiemodel voor hypothese 2
Hypothese 2 luidt als volgt: Industrie-specialisatie bij de Big 4 accountantskantoren is toegenomen na de rapporten van de AFM. Voor deze hypothese te onderzoeken wordt er gemeten of de AFM rapporten een positief effect hebben op industrie-specialisatie. Er wordt gebruik gemaakt van een logistische regressie, omdat de afhankelijke variabele een dummy-variabele is.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡 = 𝛽𝛽0+ 𝛽𝛽1𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡+ 𝛽𝛽2𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡 + 𝛽𝛽3𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡 + 𝛽𝛽4𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡+ 𝛽𝛽5𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡+ 𝜀𝜀𝑖𝑖𝑡𝑡
Waarin:
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 = Deze dummy staat voor het rapport van de AFM in 2010. Voor jaren
vanaf 2010 wordt er waarde 1 gegeven. Als de waarneming ervoor is wordt er een nul gegeven. Hiermee wordt de invloed van het rapport van de AFM gemeten op de audit kwaliteit in de jaren 2010-2015. Er wordt gemeten vanaf 2010, omdat de accountantskantoren de controle op dit jaar uitvoerden nadat het rapport bekend was.
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 = Deze dummy staat voor het rapport van de AFM in 2014. Voor de jaren
2014 en 2015 wordt er waarde 1 gegeven. Als de waarneming ervoor is wordt er een nul gegeven. Hiermee wordt de invloed van het rapport van de AFM gemeten op de audit kwaliteit in de jaren 2014 en 2015. Er wordt gemeten vanaf 2014, omdat de accountantskantoren de controle op dit jaar uitvoerden nadat het rapport bekend was.
Verwachte richting van het effect van verklarende variabelen op de te verklaren variabele 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡:
TABEL 2 - Verwacht effect verklarende variabele op de te verklaren variabele Variabele Richting Toelichting
𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡 + In het onderzoek van Balsam et al. (2003) is gebleken dat er een
positieve relatie is tussen LTA en 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡. Cliënten van specialisten
zijn groter, dus hoe groter de LTA, des te meer industrie-specialisatie er is.
𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡 + In het onderzoek van Balsam et al. (2003) is gebleken dat er een
positieve relatie is tussen CFO en 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡. Cliënten van specialisten
hebben hogere cash flow van operationele activiteiten. Dus hoe hoger de cash flow van operationele activiteiten, des te meer industrie-specialisatie er is.
𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡 + In het onderzoek van Balsam et al. (2003) is gebleken dat er een
positieve relatie is tussen LEV en 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡. Cliënten van specialisten
hebben hogere schulden. Dus hoe hoger schulden, des te meer industrie-specialisatie er is.
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 + Er wordt een positieve relatie verwacht tussen 𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 en
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡. Er wordt verwacht dat de accountantskantoren zich zijn
gaan specialiseren na de publicatie van het AFM rapport 2010, om zo meer kwaliteit te leveren.
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 + Er wordt een positieve relatie verwacht tussen 𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 en
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡. Er wordt verwacht dat de accountantskantoren zich zijn
gaan specialiseren na de publicatie van het AFM rapport 2014, om zo meer kwaliteit te leveren.
3.4 Regressiemodel voor hypothese 3
Hypothese 3 luidt als volgt: De kwaliteit van Big 4 accountantskantoren is toegenomen na de rapporten van de AFM. Om deze hypothese te onderzoeken wordt er gemeten of de rapporten van de AFM invloed gehad hebben op de audit kwaliteit. Voor deze vergelijking worden er aan het regressiemodel voor hypothese 1, twee dummy’s AFM toegevoegd en twee cross-variabelen dummy’s. De twee cross-variabelen dummy’s geven de relatie weer tussen het rapport van de AFM en industrie-specialisatie.
|𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| = 𝛽𝛽0+ 𝛽𝛽1𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡+ 𝛽𝛽2𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡+ 𝛽𝛽3𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡+ 𝛽𝛽4𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡+ 𝛽𝛽5|𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡+ 𝛽𝛽6𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡
+ 𝛽𝛽6𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡+ 𝛽𝛽7𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡+ 𝛽𝛽8𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡
+ 𝜀𝜀𝑖𝑖𝑡𝑡
Waarin:
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 = Deze cross-variabele dummy staat voor de relatie tussen het
rapport van de AFM in 2010 en industrie-specialisatie van de accountant. De waardes van 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡en 𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 worden
met elkaar vermenigvuldigd. Hieruit volgt een waarde 1 of 0. Hiermee wordt de invloed van het rapport van de AFM uit 2010, in combinatie met industrie-specialisatie, gemeten op de audit kwaliteit in de jaren 2010-2015. Er wordt gemeten vanaf 2010, omdat de accountantskantoren de controle op dit jaar uitvoerden nadat het rapport bekend was.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 = Deze cross-variabele dummy staat voor de relatie tussen het
rapport van de AFM in 2014 en industrie-specialisatie van de accountant. De waardes van 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡en 𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 worden
met elkaar vermenigvuldigd. Hieruit volgt een waarde 1 of 0. Hiermee wordt de invloed van het rapport van de AFM uit 2014, in combinatie met industrie-specialisatie, gemeten op de audit
kwaliteit in de jaren 2014 en 2015. Er wordt gemeten vanaf 2014, omdat de accountantskantoren de controle op dit jaar uitvoerden nadat het rapport bekend was.
Verwachte richting van het effect van verklarende variabelen op de te verklaren variabele |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|:
TABEL 3 - Verwacht effect verklarende variabele op de te verklaren variabele
Variabele Richting Toelichting
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡 - Zie tabel 1.
𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡 - Zie tabel 1.
𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡 - Zie tabel 1.
𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡 - Zie tabel 1.
|𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡 + Zie tabel 1.
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 - Er wordt een negatieve relatie verwacht tussen
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| . Er wordt verwacht dat de
accountantskantoren zich zijn gaan specialiseren na de publicatie van het AFM rapport 2010, om zo meer kwaliteit te leveren. Van gespecialiseerde accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 - Er wordt een negatieve relatie verwacht tussen
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| . Er wordt verwacht dat de
accountantskantoren zich zijn gaan specialiseren na de publicatie van het AFM rapport 2014, om zo meer kwaliteit te leveren. Van gespecialiseerde accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 - Er wordt een negatieve relatie verwacht tussen
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|. Er wordt verwacht
accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 - Er wordt een negatieve relatie verwacht tussen
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 en |𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡|. Er wordt verwacht
dat er meer specialisatie heeft plaatsgevonden na het rapport van de AFM in 2014. Van gespecialiseerde accountants wordt een hogere kwaliteit verwacht en daardoor minder discretionary accruals.
3.5 Resumé van de benodigde variabelen
Alle benodigde variabelen voor de verschillende hypotheses te onderzoeken worden in onderstaande tabel getoond. Dit zijn zowel onafhankelijke als afhankelijke variabelen:
|𝐷𝐷𝐴𝐴𝑖𝑖𝑡𝑡| = Absolute waarde van discretionary accruals voor onderneming i in
jaar t.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡 = Als Big 4 accountantskantoor een industrie-specialist is, krijgt deze
dummy de waarde 1, anders 0.
𝐿𝐿𝑇𝑇𝐴𝐴𝑖𝑖𝑡𝑡 = Natuurlijke logaritme van totale assets voor onderneming i in jaar
t.
𝐶𝐶𝐶𝐶𝑂𝑂𝑖𝑖𝑡𝑡 = Cash flow van operationele activiteiten geschaald door activa voor
onderneming i in jaar t.
𝐿𝐿𝑅𝑅𝑉𝑉𝑖𝑖𝑡𝑡 = Ratio van totale schulden t.o.v. totale assets voor onderneming i in
jaar t.
|𝑇𝑇𝐴𝐴|𝑖𝑖𝑡𝑡 = Absolute waarde van Totale accruals voor onderneming i in jaar t..
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 = Deze dummy staat voor het rapport van de AFM in 2010. Vanaf
2010 is de waarde 1, daarvoor 0.
𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 = Deze dummy staat voor het rapport van de AFM in 2014. Vanaf
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡 = Deze cross-variabele dummy staat voor de relatie tussen 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡
en 𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2010𝑖𝑖𝑡𝑡. De waardes van deze twee dummy’s worden met
elkaar vermenigvuldigd en hieruit volgt een waarde 1 of 0.
𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡 = Deze cross-variabele dummy staat voor de relatie tussen 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶𝑖𝑖𝑡𝑡
en 𝑑𝑑𝐴𝐴𝐶𝐶𝑑𝑑2014𝑖𝑖𝑡𝑡. De waardes van deze twee dummy’s worden met
4 Data
Voor het toetsen van de hypotheses zal er gebruik worden gemaakt van een publieke database met de benodigde informatie van de bedrijven. De database die hiervoor gebruik wordt is Wharton Research Data Services (WRDS). Het gebruik van deze database en dataselectie worden verder toegelicht in de volgende paragraaf. Hierna volgt de beschrijvende statistiek die ook bestaat uit correlatie tussen de afhankelijke variabelen en onafhankelijke variabelen onderling, alsmede de eventuele multicollineariteit van de afhankelijke variabelen.
4.1 Database en dataselectie
De data die vereist is voor dit onderzoek bestaat uit Nederlandse bedrijven die gecontroleerd worden door één van de Big 4 accountantskantoren voor de jaren 2008-2015. Hiervoor wordt voor de data die betrekking heeft op de Nederlandse bedrijven, gebruik gemaakt van de WRDS database. In deze database wordt gezocht op global - fundamentals annual. Hier zijn de jaren 2007-2015 ingevoerd, omdat er ook data uit 2008 vergeleken moet worden met het voorgaande jaar voor het Modified Jones model. Tevens is geselecteerd op country code ‘NLD’ (Nederland). Hieruit volgen de benodigde gegevens voor dit onderzoek. Welk accountantskantoor de jaarrekening opstelt per bedrijf per jaar is niet op te maken uit de database. Hiervoor zijn handmatig de bijbehorende accountants per bedrijf per jaar opgezocht op company.info. Dit is een website waar onder andere de accountant te vinden is van het bedrijf door de jaren heen. Deze zijn handmatig toegevoegd aan de database. Na het verkrijgen van de database zijn er verschillende bedrijfs-jaar regels verwijderd uit de database met een totaal aantal waarnemingen van 1.588. In tabel 4 wordt inzichtelijk gemaakt welke stappen zijn gevolgd en waarom, om tot een dataset van 432 waarnemingen te komen.
TABEL 4 – Geselecteerde data
Totale data 1.588 Verkregen via database WRDS volgens vermelde stappen zoals hierboven beschreven.
Financials 380 Data is gefilterd op FS en uit de dataset verwijderd. De data over financials is niet goed vergelijkbaar met de rest van de data en zorgt voor outliers door het verschil in assets en schulden.
Ontbreken van jaren 425 Voor de verschillende bedrijven was niet altijd een volledige reeks van 2007-2015 aanwezig (9 regels). Deze
reeksen zijn verwijderd als deze niet compleet waren, omdat er zo een betere vergelijking kan worden gemaakt door de jaren heen.
Buitenlandse valuta 126 Om een evenwichtige vergelijking te maken is de data gefilterd op buitenlandse valuta en in voorkomend geval verwijderd uit de dataset. Zo blijft alleen de valuta EUR over en kan er een goede vergelijking worden gemaakt, bijvoorbeeld voor het te berekenen marktaandeel voor industrie-specialisatie.
Geen accountant Big 4 171 Dit onderzoek richt zich op verbetering van de audit-kwaliteit als gevolg van de rapporten van de AFM. Hierdoor zijn alleen de Big 4 kantoren van toepassing en zijn alle jaren van de bedrijven verwijderd waar 1 of meerdere niet-Big 4 accountants aangesteld waren. Data 2007 54 Data uit 2007 wordt verwijderd nadat de benodigde
variabelen zijn berekend voor Modified Jones model. Totaal resterende data 432 Deze data bestaat uit 54 bedrijven van 2008-2015.
4.1.1 Indeling industrieën
Om te bepalen of er sprake is van een industrie-specialist wordt er gebruik gemaakt van de SIC code. Dit is een code die de industrie aangeeft. Doordat er in dit onderzoek een totaal van 54 bedrijven per jaar worden onderzocht, is de gedetailleerde classificatie van de SIC codes te specifiek. Derhalve worden de bestaande SIC codes verdeeld over vier ruimer genomen sectoren: bouw, productie, handel en diensten. Dit is handmatig gedaan en de verdeling is hieronder weergeven:
TABEL 5 – Indeling industrieën
SIC code Industrie SIC code Her classificatie voor onderzoek
0100-0999 Landbouw, Bosbouw en Visserij Bouw
1000-1499 Mijnbouw Bouw
1500-1799 Bouw Bouw
4000-4999 Transport, Communicatie, Elektrisch, Gas en sanitaire diensten
Diensten
5000-5199 Groothandel Handel
5200-5999 Detailhandel Handel
6000-6799 Financiën, verzekeringen en onroerend goed
Diensten
7000-8999 Diensten Diensten
9100-9729 Publieke administratie Diensten
9900-9999 Niet classificeerbaar N/A
Door bovenstaande verdeling en de informatie van de accountant kan door middel van de totale sales van de industrie het marktaandeel berekend worden. Dit wordt gedaan door het totaal aantal gecontroleerde sales van accountantskantoor x te delen door de totale sales van die industrie. Hieruit volgt een marktaandeel. Wanneer dit marktaandeel minimaal 30% is, wordt accountantskantoor x als industrie-specialist gezien en krijgen alle bedrijven die het accountantskantoor in deze industrie controleert de waarde ‘1’ voor de dummy-variabele 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶. Wanneer het marktaandeel lager is dan 30%, wordt de waarde ‘0’ gegeven voor de dummy-variabele 𝑑𝑑𝑆𝑆𝑃𝑃𝑅𝑅𝐶𝐶. In tabel 15 in de bijlage wordt een overzicht gegeven hoe de berekening van het marktaandeel tot stand is gekomen. Tevens laat deze tabel zien welke kantoren in een bepaald jaar voor een bepaalde industrie als industrie-specialist worden aangemerkt.
4.1.2 Schatting van jaar-specifieke coëfficiënten
Voor het uiteindelijk berekenen van de discretionary accruals (DA) met behulp van het Modified Jones model (zie paragraaf 2.2.3) is er een schatting nodig van de jaar-specifieke coëfficiënten. Door middel van de regressie uit paragraaf 2.2.3 zijn de volgende jaar-specifieke parameters geschat:
TABEL 6 – Schatting jaar-specifieke coëfficiënten
2008 2009 2010 2011
𝜶𝜶�𝟏𝟏 5,3996179 -3,2352149 -0,4351868 -1,9877668
𝜶𝜶�𝟐𝟐 0,0000021 0,0000286 -0,0000008 0,0000004
2012 2013 2014 2015 𝜶𝜶�𝟏𝟏 -1,9877668 -1,4654558 -0,7701028 -3,3706664 𝜶𝜶�𝟐𝟐 0,0000004 -0,0000311 0,0000236 -0,0000019 𝜶𝜶�𝟑𝟑 -0,0000065 -0,0000003 -0,0000073 -0,0000037 4.2 Beschrijvende statistiek 4.2.1 Statistische kerngrootheden
In tabel 7 zijn de kernstatistieken opgenomen van de variabelen die in dit onderzoek worden gebruikt.
TABEL 7 – Statistische kerngrootheden N=432
Variabele Gemiddelde Mediaan Standaard
deviatie Min. Max. |DA| 0,059 0,040 0,064 0,001 0,451 dSPEC 0,426 0,000 0,495 0 1 LTA 7,054 7,098 2,141 2,824 11,578 CFO 0,077 0,082 0,093 -0,686 0,336 LEV 0,215 0,200 0,154 0,000 0,698 |TA| 0,066 0,048 0,084 0,0005 1,189 dAFM2010 0,750 1,000 0,434 0 1 dAFM2014 0,250 0,000 0,434 0 1 dSPECdAFM2010 0,317 0,000 0,466 0 1 dSPECdAFM2014 0,095 0,000 0,293 0 1
In tabel 7 worden belangrijke statistische grootheden van de afhankelijke en onafhankelijke variabelen gegeven. De kernstatistieken die worden getoond zijn het gemiddelde, de mediaan, de standaard deviatie, het minimum en het maximum. Zoals in tabel 7 te zien is, zijn er voor elk van de variabelen 432 observaties aanwezig. Dit betekent dat de dataset volledig is en er geen
minimum van CFO is negatief, dit is te verklaren doordat de kasstroom van de operationele activiteiten bij enkele bedrijven negatief is. Als de kasstroom van de operationele activiteiten negatief is kan dit duiden op financiële problemen. Deze kasstroom zegt namelijk wat over de hoeveelheid geld die er is ontvangen met de activiteiten waarvoor de onderneming is opgericht. Bij sommige observaties is LEV ‘0’. Dit laat zien dat deze bedrijven geen schulden hebben.
4.2.2 Correlatie
De Pearson correlatiematrix in tabel 8 op pagina 31 laat de sterkte van de lineaire relatie zien tussen de onafhankelijke variabelen onderling en de afhankelijke variabelen. De waarden in de Pearson correlatiematrix kunnen variëren van -1 tot +1. Hierbij zegt -1 dat er een volledige negatieve correlatie is tussen de twee variabelen. Daarentegen zegt de waarde +1 dat er een volledige positieve correlatie is tussen de twee variabelen. De waarde 0 toont dat er tussen de twee variabelen geen correlatie is.
De negatieve correlatie tussen de onafhankelijke variabele industrie-specialisatie (dSPEC) en afhankelijke variabele discretionary accruals (|DA|) is significant op het niveau van 5%. Deze correlatie is niet heel sterk. Er is geen significante correlatie tussen de onafhankelijke variabelen van de rapporten van de AFM uit 2010 en 2014 (dAFM2010 en dAFM2014) en de afhankelijke variabele industrie-specialisatie (dSPEC).
De correlatiematrix laat een sterke positieve significante correlatie zien van 1% tussen de onafhankelijke variabele totale accruals (|TA|) en de afhankelijke variabele discretionary accruals (|DA|). Dit wil zeggen dat hoe meer total accruals er aanwezig zijn, hoe meer discreationary accruals er zijn.
De hoogte van de correlaties tussen de onafhankelijke variabelen in tabel 8 geven geen indicatie voor het bestaan van multicollineariteit.
TABEL 8 – Pearson correlatiematrix Variabele |D A| dS PE C LT A CF O LE V |T A| dA FM 201 0 dA FM 201 4 dS PEC dAF M 2010 dSPEC dAF M 2014 |DA| 1 dSPEC -0,119* 1 LTA -0,192** 0,284** 1 CFO -0,054 -0,034 0,127** 1 LEV -0,035 0,051 0,302** 0,023 1 |TA| 0,734** -0,069 -0,146** -0,039 0,017 1 dAFM2010 -0,087 -0,011 0,023 -0,094 -0,114* -0,097* 1 dAFM2014 -0,059 -0,054 0,018 0,013 -0,076 -0,049 0,333** 1 dSPECdAFM2010 -0,110* 0,791** 0,232** -0,063 -0,018 -0,083 0,393** 0,078 1 dSPECdAFM2014 -0,047 0,376** 0,152** -0,013 -0,060 -0,053 0,187** 0,561** 0,475** 1
4.2.3 Multicollineariteit
Multicollineariteit heeft betrekking op de sterke lineaire relatie tussen twee of meer variabelen. Multicollineariteit wordt in veel studies verward met correlatie. Dit kan echter niet als hetzelfde worden gezien. Correlatie is het verband tussen twee variabelen en multicollineariteit kan bestaan tussen twee variabelen of tussen één variabele en een lineaire combinatie van de anderen. (Alin, 2010).
De Variance Inflation Factor (VIF) is een veel gebruikte manier om de mate van multicollineariteit te meten. Er wordt in veel onderzoeken een grens van 10 gehanteerd om multicollineariteit aan te tonen (O’Brien, 2007). Blijft de VIF binnen de grens van 10, wordt er geen multicollineariteit verondersteld.
In tabel 9 zijn de onafhankelijke variabelen weergeven, met daarbij de bijbehorende VIF-waarden. De VIF-waarden variëren van 1,036 tot 5,284. Omdat de waarden onder de grens van 10 blijven, is hier dus geen sprake van multicollineariteit.
TABEL 9 – Multicollineariteit aan de hand van VIF
Onafhankelijke variabelen VIF
dSPEC 4,090 LTA 1,256 CFO 1,036 LEV 1,132 |TA| 1,037 dAFM2010 2,044 dAFM2014 1,888 dSPECdAFM2010 5,284 dSPECdAFM2014 2,168
5 Resultaten
In dit hoofdstuk worden de resultaten van de regressieanalyses besproken. Er worden drie hypotheses getoetst door bijbehorende regressieanalyse. Hiervan worden er twee lineaire regressies en één logistische regressie toegepast. De resultaten hiervan worden besproken in de volgende paragrafen. Op basis hiervan wordt geconcludeerd of de hypothese al dan niet verworpen dient te worden.
5.1 Hypothese 1
Door middel van hypothese 1 wordt onderzocht door middel van een lineaire regressie of er een positieve associatie is tussen de audit kwaliteit en industrie-specialisatie. De afhankelijke variabele absolute waarde van discretionary accruals meet de audit kwaliteit. Hoe lager de absolute discretionary accruals, hoe hoger de audit kwaliteit. Voor hypothese 1 moet er dus een negatieve relatie zijn tussen de afhankelijke variabele |DA| en onafhankelijke variabele dSPEC.
TABEL 10 – Regressieanalyse hypothese 1
β Std. Error t-value p-value
Constante 0,042 0,008 5,405 0,000 *** dSPEC -0,007 0,004 -1,493 0,136 LTA -0,002 0,001 -1,713 0,088 * CFO -0,013 0,023 -0,581 0,562 LEV -0,011 0,014 -0,758 0,449 |TA| 0,546 0,025 21,894 0,000 ***
Model summary Anova
R2 0,550 F 104,007
Adjusted R2 0,544 p-value 0,000 ***
N 432
5.1.1 Resultaten hypothese 1 Model
Uit tabel 10 blijkt dat de adjusted R2 0,544 is. Dit laat de mate zien waarin de absolute waarde van de discretionary accruals worden verklaard door de onafhankelijke variabelen in de regressieanalyse. Er wordt dus 54,4% van de variantie van de absolute waarde van de discretionary accruals verklaard door de onafhankelijke variabelen. Het model wordt als significant op een niveau van 1% aangemerkt door de ANOVA test met een F-waarde van 104,007. Dit verklaard dat de onafhankelijke variabelen een significante invloed hebben op de uitkomst van de afhankelijke variabele |DA|.
β-Teken
De richting van het effect van de onafhankelijke variabelen op de afhankelijke variabele is af te leiden uit tabel 10 onder het teken van ‘β’. De variabelen dSPEC, LTA, CFO en LEV hebben een negatief effect op de afhankelijke variabele |DA|. Dit betekend dat als industrie-specialisatie toeneemt, de absolute waarde van de discretionary accruals zal afnemen, en andersom. Deze resultaten komen overeen met de verwachting uit paragraaf 3.2. De variabele |TA| heeft met de grootste t-waarde van (21,894) een positief effect op de afhankelijke variabele |DA|. Dit betekent dat als de absolute waarde van de totale accruals toeneemt, de absolute waarde van de discretionary accruals ook zullen toenemen, en andersom. De tekens van alle verklarende variabelen komen overeen met de verwachting uit paragraaf 3.2.
Significantie
Zoals al eerder is beschreven heeft het model een significantie niveau van 1%. Dit wil zeggen dat voor een betrouwbaarheidsniveau van 99%, de variatie van de afhankelijke variabele |DA| wordt verklaard door de onafhankelijke variabelen. Naast het feit dat het model significant is, hebben niet alle onafhankelijke variabelen een significant effect op de onafhankelijke variabele |DA|. De constante en de variabele |TA| hebben een significantie niveau van 1% en LTA heeft een significantie niveau van 10%. De onafhankelijke variabelen dSPEC, CFO en LEV zijn niet significant. De variabele dSPEC is echter wel significant op een niveau van 5% in de Pearson correlatiematrix.
Toets resultaat regressie
Uit de resultaten blijkt dat de onafhankelijke variabele dSPEC een negatief effect heeft op de afhankelijke variabele |DA|. Dit laat het gewenste effect zien wat is voorspeld in paragraaf 3.2: Hoe meer toename van industrie-specialisatie, hoe lager de absolute waarde van de discretionary accruals, en andersom. Door de lagere absolute waarde van de discretionary accruals, neemt de audit kwaliteit toe. Echter is het effect niet significant in de regressieanalyse van hypothese 1. Hierdoor wordt: H1: Er is een positieve associatie tussen de audit kwaliteit en industrie-specialisatie van de accountant verworpen en kan er op basis van dit onderzoek geen significante positieve associatie worden gevonden tussen industrie-specialisatie en audit kwaliteit.
Normaliteit storingsterm
Eén van de condities voor het toepassen van een lineaire regressie is dat de storingsterm normaal verdeeld is. De Kolmogorov-Smirnov toets wordt gebruikt om te controleren of de storingsterm van de lineaire regressie uit hypothese 1 normaal verdeeld is. De nulhypothese van de Kolmogorov-Smirnov toets is: De storingsterm is normaal verdeeld. Deze nulhypothese wordt verworpen bij een p-value kleiner dan 5%. Uit tabel 11 blijkt dat de resultaten een p-value hebben op een significantie niveau van 1%, hierdoor wordt de nulhypothese verworpen en is de storingsterm van hypothese 1 niet normaal verdeeld.
Tabel 11 – Kolmogorov-Smirnov toets
Variabele Statistiek Vrijheidsgraden p-value
Gestandaardiseerde error term 0,159 432 0,000 **
* Significant op het niveau van 5%** Significant op het niveau van 1%
Om bovenstaande resultaten te bevestigen is er een Q-Q plot toegevoegd. Deze is te vinden in de bijlage als figuur 2. Voor een normale verdeling moeten de grafieken vrijwel samenvallen. In figuur 2 is te zien dat dit niet het geval is. Op basis van de Q-Q plot kan er ook geen normale verdeling worden geconstateerd. Doordat er geen normale verdeling is voor hypothese 1, dienen resultaten met extra voorzichtigheid te worden geïnterpreteerd.
5.2 Hypothese 2
industrie-specialisatie weer. De onafhankelijke dummy-variabelen dAFM2010 en dAFM2014 geven de jaren weer waarin het AFM rapport van invloed was op de accountantskantoren. Voor hypothese 2 moet er dus een positieve relatie zijn tussen industrie-specialisatie en de AFM rapporten uit 2010 en 2014. Omdat de afhankelijke variabele een dummy variabele is, wordt deze hypothese behandeld via een logistische regressie in plaats van een lineaire regressie zoals bij hypothese 1 en 3.
TABEL 12 – Logistische regressieanalyse hypothese 2
β p-value Constante -2,153 0,000 *** LTA 0,316 0,000 *** CFO -1,818 0,110 LEV -0,670 0,346 dAFM2010 -0,060 0,811 dAFM2014 -0,304 0,229 Nagelkerke R Square 0,121 N 432
* Significant op het niveau van 10% ** Significant op het niveau van 5% *** Significant op het niveau van 1%
5.2.1 Resultaten hypothese 2 Model
De resultaten van de logistische regressie worden weergegeven in tabel 12. Hierbij zijn de β’s, de p-value, Nagelkerke R Square en het aantal observaties zichtbaar. Het aantal observaties betreft alle waarnemingen zoals beschreven in hoofdstuk 4. De Nagelkerke R Square wordt gebruikt om het verklarend effect van de onafhankelijke variabelen op de afhankelijke variabele uit te drukken. Door het gebruik van een logistische regressie wordt er niet gebruikt gemaakt van de Adjusted R2. De Nagelkerke R Square heeft een waarde tussen 0 en 1. Deze kan echter nooit de waarde 1 aannemen, zelfs niet als het model perfect is (Nagelkerke, 1991). Bij de logistische regressie voor hypothese 2 is een Nagelkerke R Square van toepassing met een waarde van 0,121. Dit betekent dat de onafhankelijke variabelen 12,1% van de afhankelijke variabele dSPEC verklaren.
β-Teken
De verwachting voor het β-Teken die in 3.3 is opgebouwd is voor alle onafhankelijke variabelen positief. Dit sluit niet aan bij de resultaten uit tabel 12, die alleen voor LTA een positieve richting van het effect laat zien. De overige variabelen, waaronder dAFM2010 en dAFM2014 geven een negatieve richting van het effect weer. Deze resultaten laten zien dat de rapporten van het AFM een negatief effect hebben op industrie-specialisatie, omdat industrie-specialisatie afneemt naarmate de rapporten van de AFM zijn gepubliceerd. Dat de resultaten niet conform de verwachting zijn, zou kunnen verklaard worden door de geringe data die gebruikt is voor dit onderzoek. Hierdoor is het meten van industrie-specialisatie minder goed uit te voeren dan bij een ruim bezit aan data.
Significantie
In dit model hebben alleen de constante en onafhankelijke variabele LTA significant effect op een niveau van 1% op de onafhankelijke variabele dSPEC. De onafhankelijke variabelen CFO, LEV, dAFM2010 en dAFM2014 hebben geen significant effect op de onafhankelijke variabele dSPEC. Het significante effect van LTA op dSPEC laat zien dat de onafhankelijke variabele een significante invloed heeft met een zekerheid van 99% op de afhankelijke variabele.
Conclusie
Uit de resultaten blijkt dat de onafhankelijke variabelen dAFM2010 en dAFM2014 een negatief effect hebben op de afhankelijke variabele dSPEC. Dit laat niet het gewenste effect zien wat is voorspeld in paragraaf 3.3: door de rapporten van het AFM, zijn meer accountantskantoren zich gaan specialiseren. De reden voor deze afwijking van de verwachting zou kunnen komen doordat er gebruik is gemaakt van Nederlandse data. Hierdoor is er relatief weinig data beschikbaar, waardoor de verschillende industrieën samengevoegd moesten worden tot minder specifieke industrieën. Dit kan er toe hebben geleid dat er op een andere soort manier tot industrie-specialisatie is gekomen dan bij andere onderzoeken. Naast het feit dat er niet het gewenste effect is behaald uit de resultaten, hebben de onafhankelijke variabelen dAFM2010 en dAFM2014 geen significante invloed op de afhankelijke variabele dSPEC. Hierdoor wordt H2: Industrie-specialisatie bij de Big 4 accountantskantoren is toegenomen na de rapporten van de AFM verworpen en kan er op basis van dit onderzoek geen positieve relatie worden geconcludeerd tussen het AFM rapport en
5.3 Hypothese 3
Door middel van hypothese 3 wordt middels een lineaire regressie onderzocht of de rapporten van de AFM invloed gehad hebben op de audit kwaliteit. De afhankelijke variabele absolute waarde van discretionary accruals meet de audit kwaliteit. Hoe lager de absolute discretionary accruals, hoe hoger de audit kwaliteit. Voor hypothese 3 moet er dus een negatieve relatie zijn tussen de afhankelijke variabele |DA| en onafhankelijke variabelen dAFM2010 en dAFM2014.
TABEL 13 – Regressieanalyse hypothese 3
β Std. Error t-value p-value
Constante 0,047 0,009 5,056 0,000 *** dSPEC -0,012 0,008 -1,385 0,167 LTA -0,002 0,001 -1,720 0,086 * CFO -0,014 0,023 -0,595 0,552 LEV -0,011 0,014 -0,762 0,447 |TA| 0,544 0,025 21,676 0,000 *** dAFM2010 -0,003 0,007 -0,438 0,661 dAFM2014 -0,009 0,007 -1,305 0,193 dSPECdAFM2010 0,002 0,010 0,235 0,814 dSPECdAFM2014 0,013 0,010 1,278 0,202
Model summary Anova
R2 0,744 F 57,972
Adjusted R2 0,553 p-value 0,000 ***
N 432
* Significant op het niveau van 10% ** Significant op het niveau van 5% *** Significant op het niveau van 1%
5.3.1 Resultaten hypothese 3 Model
Uit tabel 13 blijkt dat de adjusted R2 0,553 is. Dit laat de mate zien waarin de variantie van de absolute waarde van de discretionary accruals worden verklaard door de onafhankelijke variabelen in de regressieanalyse. Er wordt dus 55,3% van de absolute waarde van de discretionary accruals verklaard door de onafhankelijke variabelen. Het model wordt als significant op een niveau van
1% aangemerkt door de ANOVA test met een F-waarde van 57,972. Dit verklaard dat de onafhankelijke variabelen een significante invloed hebben op de afhankelijke variabele |DA|. β-Teken
De richting van het effect van de onafhankelijke variabelen op de afhankelijke variabele is af te leiden uit tabel 13 onder het teken van ‘β’. De variabelen dSPEC, LTA, CFO en LEV hebben net zoals beschreven in de resultaten van hypothese 1, een negatief effect op de afhankelijke variabele |DA|. Deze resultaten komen ook overeen met de verwachting uit paragraaf 3.4. Naast deze variabelen hebben de nieuw toegevoegde onafhankelijke variabelen dAFM2010 en dAFM2014 ook een licht negatief effect op de afhankelijke variabele |DA|. Dit wil zeggen dat het rapport van de AFM uit zowel 2010 en 2014 een negatief effect heeft op de absolute waarde van de discretionary accruals. In de jaren vanaf 2010, neemt de absolute waarde van discretionary accruals af als gevolg van het rapport van de AFM. Deze resultaten komen overeen met de verwachting uit paragraaf 3.4. In tegenstelling tot de andere variabelen, is het resultaat van de onafhankelijke variabelen dSPECdAFM2010 en dSPECdAFM2014 niet volgens de verwachting van paragraaf 3.4. De verwachting was dat de variabelen een negatief effect zouden hebben op de afhankelijke variabele |DA|. De resultaten laten echter een positief resultaat zien. Dit betekent dat als er industrie-specialisatie is in combinatie met het rapport van de AFM uit 2010 of 2014, de absolute waarde van discretionary accruals toeneemt, en andersom. De onafhankelijke variabelen laten daarentegen in de Pearson correlatiematrix uit tabel 8 wel een negatief resultaat zien, wat in lijn is met de verwachting.
Significantie
Zoals al eerder is beschreven heeft het model een significantie niveau van 1%. Dit wil zeggen dat voor een betrouwbaarheidsniveau van 99%, de afhankelijke variabele |DA| wordt verklaard door de onafhankelijke variabelen. Naast het feit dat het model significant is, hebben niet alle onafhankelijke variabelen een significant effect op de onafhankelijke variabele |DA|. De constante en de variabele |TA| hebben een significantie niveau van 1% en LTA heeft een significantie niveau van 10%. De onafhankelijke variabelen dSPEC, CFO, LEV, dAFM2010, dAFM2014, dSPECdAFM2010 en dSPECdAFM2014 zijn niet significant. De variabelen dSPEC en dSPECdAFM2010 zijn echter wel significant op een niveau van 5% in de Pearson correlatiematrix.
Toets resultaat regressie
Uit de resultaten blijkt dat de onafhankelijke variabelen dAFM2010 en dAFM2014 een negatief effect hebben op de afhankelijke variabele |DA|. Dit laat het gewenste effect zien wat is voorspeld in paragraaf 3.2: door de rapporten van het AFM, neemt de absolute waarde van de discretionary accruals af. Door de lagere absolute waarde van de discretionary accruals, neemt de audit kwaliteit toe. Echter is het effect niet significant in de regressieanalyse van hypothese 3. Ook de onafhankelijke variabelen dSPECdAFM2010 en dSPECdAFM2014 hebben geen significante invloed op de afhankelijke variabele |DA|. Hierdoor wordt H3: De kwaliteit van Big 4 accountantskantoren is toegenomen na de rapporten van de AFM verworpen en kan er op basis van dit onderzoek geen positieve associatie worden geconcludeerd tussen het AFM rapport en de audit kwaliteit.
Normaliteit storingsterm
Eén van de condities voor het toepassen van een lineaire regressie is dat de storingsterm normaal verdeeld is. De Kolmogorov-Smirnov toets die ook voor hypothese 1 is gebruikt, wordt ook voor hypothese 3 gebruikt om te controleren of de storingsterm normaal verdeeld is. Uit tabel 14 blijkt dat de resultaten een p-value hebben op een significantie niveau van 1%, hierdoor wordt de nulhypothese verworpen en is de storingsterm van hypothese 3 niet normaal verdeeld.
Tabel 14 – Kolmogorov-Smirnov toets
Variabele Statistiek Vrijheidsgraden p-value
Gestandaardiseerde error term 0,161 432 0,000 **
* Significant op het niveau van 5%** Significant op het niveau van 1%
Om bovenstaande resultaten te bevestigen is er een Q-Q plot toegevoegd. Deze is te vinden in de bijlage als figuur 3. Voor een normale verdeling moeten de grafieken vrijwel samenvallen. In figuur 3 is te zien dat dit niet het geval is. Op basis van de Q-Q plot kan er ook geen normale verdeling worden geconstateerd. Doordat er geen normale verdeling is voor hypothese 3, dienen resultaten met extra voorzichtigheid te worden geïnterpreteerd.
5.4 Resumé van de resultaten
Samenvattend worden de hypotheses 1 t/m 3 verworpen. De richting van het effect is bij hypothese 1 en 3 grotendeels volgens de verwachting die is opgebouwd in hoofdstuk 3. Er wordt
