De invloed van motieven van managers bij het gebruik van
non-GAAP prestatie-indicatoren
Naam: M.R. Beuker Studentnummer: s2361531 Begeleider: I.J. Kuiper MSc EMA RA Tweede beoordelaar: prof. dr. R.L. ter Hoeven RA
Opleiding: MSc Accountancy Adres: Dorpsstraat 20A, 9536 PE, Ees
Telefoonnummer: 0612473105 Mailadres: m.r.beuker@student.rug.nl
2
Samenvatting
Dit onderzoek beschouwt de invloed van het voldoen aan verwachtingen en de aanwezigheid van positieve exceptional items op het gebruik van non-GAAP prestatie-indicatoren in persberichten van FTSE Eurotop 100 ondernemingen. Het gebruik van non-GAAP prestatie-indicatoren wordt hierbij op twee manieren gemeten. Ten eerste door het aantal keren dat een non-GAAP prestatie-indicator genoemd wordt. Ten tweede door de nadruk die op non-GAAP prestatie-indicatoren geplaatst wordt. Gebaseerd op agency theorie en voluntary disclosure theorie worden situaties onderscheiden waarin toepasselijkheid van de ene theorie tot ander gebruik van non-GAAP prestatie-indicatoren zou kunnen leiden dan toepassing van de andere theorie. Uit de resultaten blijkt geen bewijs voor opportunistisch gebruik van non-GAAP prestatie-indicatoren. Er wordt namelijk geen steun gevonden voor de hypothese dat
ondernemingen significant meer gebruikmaken van non-GAAP prestatie-indicatoren indien de winst gebaseerd op GAAP niet aan de verwachtingen voldoet. Ook blijkt geen significante invloed van de aanwezigheid van positieve exceptional items op het gebruik van non-GAAP prestatie-indicatoren. Dit kan erop duiden dat managers non-GAAP toepassen om meer relevante informatie te verstrekken, hetgeen een indicatie is voor toepasselijkheid van de voluntary disclosure theorie. Het onderzoek toont namelijk aan dat ondernemingen veelvuldig gebruikmaken van non-GAAP prestatie-indicatoren, hetgeen kan duiden op een tekortschieten van traditionele GAAP standaarden en de wens tot het verstrekken van meer relevante
3
Voorwoord
Het beginnen aan het schrijven van de masterscriptie symboliseert tegelijkertijd het begin van de laatste stap in het afronden van een masteropleiding. Het was voor mij buitengewoon interessant de theorieën en methodieken waarmee ik tijdens de opleiding in aanraking ben gekomen samen te zien komen en te gebruiken om zelf een onderzoek uit te voeren. Graag bedank ik mijn scriptiebegeleider mevrouw Kuiper voor haar betrokkenheid bij dit project, haar bereidheid mijn vragen te beantwoorden en de nuttige aanbevelingen die zij gemaakt heeft. Ook naar professor Ter Hoeven gaat mijn hartelijke dank uit. Zijn
aanwezigheid bij de besprekingen en opmerkingen over zowel het door mij geschrevene als de methode voor het verzamelen van data hebben zeer zeker bijgedragen aan het voorliggende werk.
Niet onvermeld mag hier blijven de prettige samenwerking met de andere scriptanten wier bijdragen niet alleen betrekking hadden op het verzamelen van data, maar tevens op andere facetten van deze scriptie zoals de definiëring van de afhankelijke variabele.
Ook mijn familieleden bedank ik voor hun interesse in de voortgang van mijn scriptie en hun motiverende woorden.
Tot slot schrijf ik de hoop op dat u het voorliggende werk met genoegen zult kunnen lezen. Mark Beuker
4
Inhoudsopgave
1. Inleiding ... 6
1.1 Doel van het onderzoek ... 7
2. Wetenschappelijke inkadering... 9
2.1 Theorieën over het gebruik van prestatie-indicatoren ... 9
2.1.1 Agency theorie ... 9
2.1.2 Voluntary disclosure theorie. ... 10
2.2 Motieven voor het gebruik van non-GAAP prestatie-indicatoren ... 10
2.2.1 Motieven om opportunistisch te handelen. De informatie-asymmetrie die in a ... 10
2.2.2 Motieven om informatieve gegevens te openbaren. ... 11
2.2.3 Andere factoren die invloed hebben op het gebruik van non-GAAP indicatoren. ... 12
2.3 Invloed van het niet voldoen aan verwachtingen ... 13
2.4 Invloed van exceptional items ... 15
2.5 Invloed van positieve exceptional items op de relatie tussen het niet voldoen aan verwachtingen en het gebruik van non-GAAP prestatie-indicatoren ... 16
3. Onderzoeksontwerp ... 18
3.1 Meten van de variabelen ... 18
3.1.1 Afhankelijke variabele... 18 3.1.2 Onafhankelijke variabelen. ... 20 3.1.3 Controlevariabelen. ... 20 3.2 Onderzoekspopulatie ... 22 3.3 Formule ... 22 4. Resultaten ... 23 4.1 Beschrijvende statistieken ... 23 4.2 Correlatie en multicollineariteit ... 24 4.3 Regressie ... 26
4.3.1 Analyse van het gebruik van non-GAAP prestatie-indicatoren ... 26
4.3.2 Analyse van de nadruk geplaatst op non-GAAP prestatie-indicatoren ... 27
4.4 Betrouwbaarheidscontrole ... 29
5. Discussie en conclusie ... 33
5.1 De resultaten in relatie tot andere onderzoeken... 33
5.2 Implicaties voor de theorie ... 34
5.3 Implicaties voor de praktijk ... 34
5 6. Referenties ... 37 Appendix A ... 40 Appendix B ... 43
6
1. Inleiding
Toonaangevende organisaties op het gebied van financiële rapportage hebben zorgen geuit over het gebruik van alternatieve prestatie-indicatoren. Gesteld wordt dat deze indicatoren een misleidend beeld kunnen schetsen van de resultaten van ondernemingen. Onder andere
Hoogervorst, voorzitter van de International Accounting Standards Board (hierna: IASB) en White, voorzitter van de U.S. Securities and Exchange Commission (hierna: SEC) hebben zich in deze zin uitgesproken. Onderzoek toont echter ook aan dat alternatieve prestatie-indicatoren een positieve invloed kunnen hebben als gevolg van meer door analisten
gewaardeerde informatieverstrekking (Bhattacharya et al., 2003), betere voorspellingen door analisten (Malone et al., 2016) en relevantere informatie (Venter et al., 2014). Dit onderzoek beoogt bij te dragen aan inzicht in het gebruik van zulke indicatoren, door de invloed van motieven van managers op het gebruik van alternatieve prestatie-indicatoren te analyseren.
Generally Accepted Accounting Principles (hierna: GAAP) komen in verschillende vormen voor. In vele landen worden bijvoorbeeld International Financial Reporting Standards (hierna: IFRS) toegepast. De International Accounting Standards Board (hierna: IASB) is
verantwoordelijk voor deze standaarden en stelt ze op ter verbetering van transparantie, verantwoordelijkheid en efficiëntie op financiële markten over de gehele wereld. Het werk van de IASB staat in het teken van het publieke belang door vertrouwen, groei en financiële stabiliteit te beogen voor de wereldwijde economie, zo blijkt uit het missiestatement van de IASB. In Amerika gelden daarentegen US Generally Accepted Accounting Principles (hierna: US GAAP) die aangenomen worden door de SEC. Wat alle GAAP gemeenschappelijk
hebben is dat zij een raamwerk vormen op basis waarvan de cijfers van ondernemingen opgesteld worden.
Naast het openbaren van prestatiecijfers die gebaseerd zijn op GAAP indicatoren, kunnen ondernemingen kiezen voor bekendmaking van alternatieve prestatie-indicatoren. Deze indicatoren worden niet of in mindere mate beïnvloed door GAAP. Om te voorkomen dat de doelen van IFRS doorkruist worden door gebruik van non-GAAP indicatoren, heeft de European Securities and Markets Authority (ESMA) in oktober 2015 dan ook richtlijnen uitgebracht voor het gebruik van alternatieve prestatie-indicatoren. In de Verenigde Staten werden reeds eerder regels gesteld voor het gebruik van zulke indicatoren.
Het gebruik van indicatoren die niet aan GAAP standaarden voldoen, kan misleidend zijn, maar deze indicatoren kunnen ook een informerende functie vervullen. Of indicatoren in de praktijk misleidend zijn of informeren, hangt af van de keuzes die managers maken, hetgeen weer afhankelijk is van de motieven die managers hebben. Om meer inzicht te krijgen in de rol die motieven van managers spelen bij het gebruik van non-GAAP prestatie-indicatoren, zal deze scriptie ingaan op de invloed van de verandering in nettowinstcijfers en de
7
1.1 Doel van het onderzoek
Dit onderzoek beoogt meer helderheid te brengen in de mate waarin non-GAAP indicatoren gebruikt worden en de rol van de motieven van managers hierin. Meer specifiek zullen verschillende situaties onderscheiden worden waarbij meerdere motieven tegelijkertijd
zouden kunnen spelen. Het onderzoek vormt een aanvulling op de bestaande literatuur door in te gaan op de vraag hoe managers gebruikmaken van non-GAAP prestatie-indicatoren in deze verschillende situaties afhankelijk van zowel ontwikkelingen in winstcijfers als de
aanwezigheid van exceptional items. Onder exceptional items worden resultaten geschaard van gebeurtenissen die geen invloed hebben op de resultaten van de onderneming in andere jaren dan het jaar waarin deze exceptional items aanwezig zijn, zoals resultaten die door verkoop van bedrijfsonderdelen een eenmalige positieve of negatieve invloed hebben op de totale resultaten. Impairments zouden ook als exceptional item beschouwd kunnen worden, maar zijn in deze scriptie niet als zodanig beoordeeld.
De verwachtingen van aandeelhouders en andere stakeholders op positieve
winstontwikkelingen, kunnen een druk vormen om goede prestaties te tonen. Wanneer de GAAP cijfers niet goed zijn, zouden managers zich geneigd kunnen voelen mooiere cijfers te laten zien die gebaseerd zijn op non-GAAP indicatoren. Daarnaast bieden exceptional items die een positieve invloed hebben op non-GAAP resultaten een kans om op relatief eenvoudige wijze meer gunstige resultaten te tonen. Exceptional items met een negatieve invloed op de resultaten zouden juist een neiging naar het gebruik van GAAP kunnen opwekken.
Wanneer managers de stakeholders zo relevant mogelijke informatie willen geven, spelen andere motieven en zullen de uitkomsten in een aantal gevallen ook anders zijn. Voor het gebruik van non-GAAP indicatoren zal het dan niet veel uitmaken of exceptional items een positieve of negatieve invloed hebben op de resultaten, omdat deze invloed irrelevant is voor de vraag of stakeholders beter geïnformeerd worden.
Reeds eerder zijn onderzoeken gedaan die een relatie leggen tussen het voldoen aan verwachtingen en het gebruik van non-GAAP earnings (bijvoorbeeld Doyle et al., 2013). Deze scriptie gaat in dit kader niet enkel in op de presentatie van non-GAAP earnings, maar onderzoekt de nadruk waarmee non-GAAP indicatoren. Het beschouwt daarmee een bredere set prestatie-indicatoren dan alleen non-GAAP earnings. Wanneer earnings geen positief beeld laten zien, zouden managers immers ook kunnen kiezen voor het benadrukken van andere indicatoren, zodat de aandacht afgeleid wordt van earnings.
Dat exceptional items invloed hebben op het gebruik van non-GAAP prestatie-indicatoren blijkt eveneens uit de literatuur, maar minder blijkt welke motieven hieraan ten grondslag liggen (bijvoorbeeld Curtis et al., 2014). Afhankelijk van de omvang van exceptional items hebben deze verschillende effecten op de resultaten. Non-GAAP prestatie-indicatoren kunnen dus zowel een positiever als een negatiever beeld geven. Curtis et al., 2014 houden hier rekening mee en vinden voor wat betreft de aanwezigheid van transitory gains en losses aanwijzingen dat sommige ondernemingen opportunistisch handelen. Deze scriptie zal in het verlengde hiervan de invloed van zowel positieve als negatieve exceptional items
8 onderzoeken.
Bovendien zal deze scriptie als een van de eerste onderzoeken beschouwen hoe de twee genoemde variabelen elkaar beïnvloeden. Door situaties te onderzoeken waarin tegelijkertijd verschillende, mogelijk tot verschillend gebruik van non-GAAP prestatie-indicatoren
leidende, variabelen relevant zijn, wordt duidelijk welke invloed de verschillende factoren hebben op het gebruik van non-GAAP prestatie-indicatoren. Zo is het te verwachten dat wanneer managers opportunistisch handelen om positievere winstontwikkelingen te tonen, zij sterker gebruik zullen maken van non-GAAP prestatie-indicatoren indien de aanwezigheid van exceptional items de non-GAAP resultaten nog positiever laat lijken.
Het onderzoek is met name van belang voor een verder begrip over de motieven die spelen rondom het gebruik van non-GAAP prestatie-indicatoren door managers. Vooral niet-professionele investeerders blijken beïnvloed te worden door het gebruik van non-GAAP indicatoren (Frederickson en Miller, 2002). Bovendien worden non-GAAP prestatie-indicatoren gebruikt in contracten over schulden. De resultaten worden relevant geacht in kredietvoorwaarden (Li, 2016). Ook voor schuldeisers is het gebruik van non-GAAP prestatie-indicatoren dus relevant. Indien deze non-GAAP indicatoren een misleidend beeld geven, is dit een argument dat de IASB en de SEC terechte zorgen hebben omtrent het gebruik van non-GAAP prestatie-indicatoren. Regelgeving die beoogt het opportunistisch gebruik van non-GAAP prestatie-indicatoren aan banden te leggen of inzichtelijk te maken, wordt hiermee gerechtvaardigd. Indien managers echter non-GAAP prestatie-indicatoren presenteren om te informeren, geven deze geen misleidend, maar een mogelijk juister beeld van de resultaten van een onderneming.
Gebruik van non-GAAP prestatie-indicatoren Voldoen aan
verwachtingen
9
2. Wetenschappelijke inkadering
In dit deel van de scriptie zal eerst ingegaan worden op de algemene theorieën die het gebruik van prestatie-indicatoren kunnen verklaren. Vervolgens komen uit de literatuur bekende motieven voor het gebruik van non-GAAP prestatie-indicatoren aan de orde. Tot slot worden hypothesen ontwikkeld.
2.1 Theorieën over het gebruik van prestatie-indicatoren
2.1.1 Agency theorie Prestatie-indicatoren beogen communicatie over de resultaten van een onderneming mogelijk te maken. Dit is nodig vanwege het bestaan van informatie-asymmetrie; informatie over ondernemingen is ongelijk verdeeld. Wanneer eigenaren een organisatie niet zelf besturen, maar anderen inhuren om zich in te spannen de onderneming te leiden, komen de eigenaren verder van de onderneming af te staan. De agenten die
ingeschakeld worden door principalen zijn dagelijks bezig met het besturen van de onderneming en beschikken daarom over meer informatie dan andere stakeholders. De eigenaren van een onderneming, de aandeelhouders hebben dus minder informatie over de onderneming dan managers (Jensen en Meckling, 1976).
Informatie-asymmetrie kan tot twee soorten problemen leiden. Het eerste betreft adverse selection. Dit probleem speelt wanneer één of meerdere partijen bij een (mogelijke) transactie over meer informatie beschikken dan de andere partij(en). Managers kunnen deze informatie gebruiken ten koste van investeerders die de informatie niet hebben door bijvoorbeeld
negatieve informatie niet te openbaren en zo de waarde van hun opties hoog te houden (Scott, p. 21).
Het tweede probleem is moral hazard. Dit is een type informatie-asymmetrie waarbij één of meerdere partijen bij een (mogelijke) transactie de nakoming van de afspraken kan
observeren, maar de andere partijen kunnen dit niet. Een voorbeeld is dat aandeelhouders moeilijk kunnen beoordelen in hoeverre managers zich ingespannen hebben om hun taken te vervullen (Scott, p. 22).
In het verlengde van de agency theorie staat de limited attention theorie. Deze gaat ervan uit dat investeerders beperkte middelen en tijd bezitten waardoor zij niet alle publieke informatie van een onderneming kunnen analyseren. De nadruk waarmee prestatie-indicatoren getoond worden, is daarom van invloed op de waarderingen die investeerders maken (Hirshleifer en Teoh, 2003). De incomplete revelation hypothesis stelt bovendien dat informatie die publiek is niet geheel in aandelenprijzen verwerkt is, omdat het kostbaar is alle informatie op te zoeken (Bloomfield, 2002). Het benadrukken van gunstige prestatie-indicatoren zal er dan ook eerder toe leiden dat een positieve beoordeling van een onderneming plaatsvindt, zelfs als tevens GAAP indicatoren gepubliceerd zijn die een negatiever beeld schetsen. Het is namelijk kostbaarder om de minder nadrukkelijk gepresenteerde GAAP prestatie-indicatoren te
raadplegen. Het is dus aantrekkelijk voor managers om strategisch om te gaan met het presenteren van prestatie-indicatoren.
10 2.1.2 Voluntary disclosure theorie. Een andere theorie die bijdraagt aan de
verklaring voor het gebruik van prestatie-indicatoren is die van voluntary disclosure. Deze theorie richt zich op informatieverstrekking door ondernemingen van informatie die niet verplicht openbaargemaakt hoeft te worden. Bij het verminderen van informatie-asymmetrie spelen ook kosten een grote rol. Het is vanwege de hoge kosten namelijk niet efficiënt om alle informatie die managers bezitten te openbaren. De managers zullen een afweging moeten maken om te bepalen welke informatie wel en welke informatie niet geopenbaard wordt. Een belangrijk criterium hierbij betreft de vraag of de informatie gebruikt zal worden voor het nemen van beslissingen. Met andere woorden, men zal willen beoordelen in hoeverre informatie geschikt is om te gebruiken bij het nemen beslissingen. Deze beoordeling van de bruikbaarheid van informatie kan op twee manieren gebeuren.
Ten eerste is in de literatuur de information approach ontwikkeld. Dit is een benadering in financiële verslaggeving die individuele verantwoordelijkheid voor het voorspellen van toekomstige prestaties en voor dit doel bruikbare informatie beoogt te leveren. Hierbij wordt efficiëntie van de aandelenmarkt aangenomen, zodat de markt zal reageren op alle bruikbare informatie (Scott, 2013).
Ten tweede is er de measurement approach. In deze benadering nemen accountants
verantwoordelijkheid voor het opnemen van huidige waarden in de financiële verslaggeving, mits dit met redelijke betrouwbaarheid kan gebeuren. Daarbij erkennen de accountants een vergrote verplichting tot het bijstaan van investeerders om de prestaties en waarde van een onderneming te voorspellen (Scott, 2013).
De motieven die managers hebben voor het gebruik van voluntary disclosure volgen uit de opvatting dat het achterhouden van informatie leidt tot onzekerheid bij de koper over de waarde van een product. Een dergelijk koper zal aannemen dat de achtergehouden informatie negatief is en concluderen dat de waarde van het product lager ingeschat moet worden. Managers kunnen dus motieven hebben om informatie te openbaar en daarmee onzekerheid wegnemen. De marktwaarde van een onderneming wordt dan verhoogd en de managers kunnen zelf hogere compensatie verkrijgen (Verrecchia, 2001).
2.2 Motieven voor het gebruik van non-GAAP prestatie-indicatoren
2.2.1 Motieven om opportunistisch te handelen. De informatie-asymmetrie die in agency theorie centraal staat, kan een verklaring leveren voor opportunistisch gebruik van non-GAAP prestatie-indicatoren. Wanneer de incentives van agenten verschillen van die van de principalen, kan dit ertoe leiden dat agenten zich niet op de voor principalen meestgewenste manier gedragen. Vanwege moral hazard kunnen de principalen zulk suboptimaal gedrag niet altijd opmerken. Non-GAAP indicatoren kunnen daarom opportunistisch gebruikt worden om tegenvallende resultaten beter te laten lijken.
Er blijkt uit eerdere literatuur een tendens om non-GAAP resultaten te rapporteren die positiever zijn dan GAAP winsten (Bradshaw en Sloan, 2002). Aanwijzingen voor
11 als afschrijvingskosten, r&d kosten en uitkering van aandelen vaak uitgesloten worden bij de weergave van non-GAAP prestatie-indicatoren om strategische doelen te behalen (Black en Christensen, 2009). Een belangrijke maatstaf die ook opportunistisch gebruikt lijkt te worden, ziet op pro forma earnings. Deze prestatie-indicator is een non-GAAP prestatie-indicator en wijkt af van GAAP earnings door het uitsluiten van elementen die volgens GAAP wel onder earnings vallen. Bij de berekening van deze pro forma earnings worden veelal uitgaven uitgesloten, maar ondernemingen hebben aanmerkelijke speelruimte bij het samenstellen van pro forma earnings (Frederickson en Miller, 2004). In een onderzoekbleken pro forma earnings hoger te zijn dan GAAP earnings (Frederickson en Miller, 2004). Uit datzelfde onderzoek volgde dat niet-professionele investeerders ondernemingen die zowel GAAP earnings als pro forma earnings presenteren hoger waardeerden dan wanneer alleen GAAP earnings worden gepresenteerd, maar de waarderingen die analisten maakten veranderde niet (Frederickson en Miller, 2002). Dit kan erop duiden dat investeerders die geen professionals zijn, misleid worden door de non-GAAP informatie. Doyle et al. (2003) vinden in lijn hiermee aanwijzingen voor de stelling dat als meer uitgaven als irrelevant voor toekomstige prestaties worden beschouwd, deze in werkelijkheid niet irrelevant zijn. Meer uitgaven als irrelevant beschouwen, is gerelateerd aan een lagere toekomstige cash flow. Investeerders onderkennen de gevolgen van de uitsluiting, namelijk lagere toekomstige cash flow niet volledig. Deze aanwijzingen voor opportunistisch gebruik van non-GAAP prestatie-indicatoren lijkt bewijs voor de argumenten van organisaties als IASB en de SEC om regelgeving op te stellen voor het gebruik van non-GAAP indicatoren. Zij hopen hiermee te bewerkstelligen dat
opportunistisch gebruik wordt beteugeld.
Niet alleen het publiceren van non-GAAP indicatoren, maar ook de mate waarin deze benadrukt worden, hangt af van de motieven van managers. Uit onderzoek van Bowen et al. (2005) blijkt bijvoorbeeld dat managers meer nadruk leggen op de indicatoren die de meest positieve uitkomst geven, zij het GAAP, zij het non-GAAP. Ook Elliott (2006) concludeert dat de nadruk die op pro forma earnings gelegd wordt, invloed heeft op oordelen en besluiten van investeerders die geen professionals zijn.
2.2.2 Motieven om informatieve gegevens te openbaren. Non-GAAP prestatie-indicatoren kunnen ook gebruikt worden om als middel voor voluntary disclosure informatie te verstrekken aan stakeholders. Zo kunnen incidentele gebeurtenissen die in een bepaald boekjaar volgens GAAP invloed hadden op de resultaten, in werkelijkheid irrelevant zijn voor toekomstige prestaties, zodat het corrigeren voor deze factoren leidt tot meer valide
verwachtingen voor toekomstige prestaties. Bhattacharya et al. (2003) concluderen
bijvoorbeeld dat de non-GAAP pro forma earnings als meer representatief voor core earnings worden beschouwd dan GAAP earnings. Operating earnings afgeleid van de financiële
GAAP-rapportage blijken minder relevant voor waarderingsdoeleinden dan door managers en analisten opgestelde non-GAAP operating earnings (Brown en Sivakumer, 2003). Malone et al. (2016) bestudeerden de aanpassingen van GAAP fair value waarderingen en concluderen dat gebruik van non-GAAP indicatoren ertoe leidt dat analisten verwachtingen met betrekking tot inkomsten aanpassen en dat voorspellingen van analisten beter blijken. Marques (2010) concludeert dat winst- en verliesrekening gebaseerd op non-GAAP indicatoren van een aantal
12 S&P 500 ondernemingen informatief blijken te zijn. Over informatie uit Zuid-Afrika, waar het gebruik van zowel GAAP als bepaalde non-GAAP indicatoren verplicht is, werd geconcludeerd dat non-GAAP indicatoren meer relevante informatie geven dan GAAP indicatoren (Venter et al., 2014). Deze onderzoeken ondersteunen de informerende mogelijkheden van non-GAAP indicatoren.
Ook de nadruk die op non-GAAP prestatie-indicatoren wordt gelegd, is onderzocht. Bowen et al. (2005) concluderen dat ondernemingen waarvan de GAAP indicatoren minder relevant zijn voor het bepalen van hun waarde meer nadruk leggen op non-GAAP indicatoren.
2.2.3 Andere factoren die invloed hebben op het gebruik van non-GAAP indicatoren. Naast het bovenstaande met betrekking tot de algemene problematiek op het gebied van agency en voluntary disclosure, blijkt dat verschillen tussen ondernemingen kunnen worden onderkend voor wat betreft de kwaliteit van rapportage over inkomsten. Zo blijken eigendomsverhoudingen binnen een onderneming relevant; beursgenoteerde
ondernemingen hebben op dit gebied rapportage van betere kwaliteit dan privéondernemingen wanneer bijvoorbeeld wordt beoordeeld naar het op tijd onderkennen van verliezen en het niet toepassen van earnings management (Ball en Shivakumar, 2005; Burgstahler et al., 2006). In het verlengde hiervan deden Christensen et al. (2015) onderzoek naar de motieven om vrijwillig IFRS toe te passen, hetgeen gezien werd als verbetering van de kwaliteit van rapportage. Hun resultaten suggereren dat een intern georiënteerde organisatie, dus een organisatie waarbij financiering van bekende particulieren komt en niet afkomstig is van de beurs, minder geneigd is om IFRS toe te passen. Problemen op het gebied van
informatieasymmetrie worden in zo'n geval niet opgelost via publieke informatie, maar de interne financiers komen via interne kanalen achter deze informatie. Dit onderzoek valt gezien de problematiek van informatie-asymmetrie die de grondslag lijkt te vormen voor de
geconstateerde verschillen eveneens te plaatsen binnen de literatuur over agency theorie. Omdat hier niet de opportunistische motieven van managers een rol spelen, maar de
eigendomsverhoudingen an sich de oorzaak zijn dat het efficiënter is om geen rapportage op te stellen, maar interne kanalen aantrekkelijker werken, is dit onderzoek desalniettemin in deze paragraaf behandeld en niet bij de paragraaf over opportunistische motieven.
Ook de historie en het rechtsstelsel waarin een onderneming opereert zijn relevant voor het gebruik van non-GAAP prestatie-indicatoren. Landen waar een stelsel van common law geldt, zijn meer georiënteerd op aandeelhouders. Landen met een continentale traditie stellen
codificaties meer centraal en hadden accountancy voornamelijk ten behoeve van schuldeisers en belastingheffing. Daarom vindt in de laatste groep landen meer income smoothing plaats, hetgeen tot gevolg heeft dat winstcijfers volatieler zijn. Daar bleek meer gebruikgemaakt te worden van EBITDA en vergelijkbare prestatie-indicatoren. Non-GAAP prestatie-indicatoren die cijfers beogen te normaliseren, dus compenseren voor eenmalige resultaten, worden vaker gebruikt in landen met een common law stelsel, omdat voluntary disclosure daar belangrijker is vanwege een wijdere verbreidheid van eigendom van ondernemingen (Brouwer, 2013).
13 Daarnaast blijken media invloed te hebben op het gebruik van non-GAAP indicatoren
(Koning et al., 2010). Kritiek op het gebruik van non-GAAP indicatoren blijkt ertoe te leiden dat ondernemingen minder grote aanpassingen maken op de GAAP indicatoren en dat hun redenen om non-GAAP indicatoren te gebruiken opportunistischer lijken te zijn dan voor een piek in negatieve aandacht het geval was. De organisaties die na de negatieve media-aandacht non-GAAP indicatoren blijven rapporteren, zijn namelijk meer gemotiveerd om verliezen te voorkomen of verwachtingen van analisten te behalen.
Minder onderzocht maar mogelijk wel van belang is de invloed die remuneratiebeleid kan hebben op het gebruik van non-GAAP indicatoren. De invloed van stock opties op het gebruik van non-GAAP indicatoren blijkt uit een onderzoek dat betrekking had op income trusts. Dit onderzoek beschouwt distributable cash, een non-GAAP prestatie-indicator en constateert een relatie tussen de aanwezigheid van in-the-money stock opties en de hoogte van distributable cash. Uitgebreider is de relatie tussen stock opties en earnings management onderzocht. Jensen (2005) concludeert bijvoorbeeld dat managers met omvangrijke stock opties, motieven hebben om misleidend te rapporteren wanneer op die wijze de verwachtingen van beleggers waar worden gemaakt. Dit wordt ondersteund door diverse andere onderzoeken. Kuang (2008) toont eveneens aan dat de aanwezigheid van opties gerelateerd is aan earnings management. Hier spelen motieven van managers wederom een rol bij de vormgeving van financiële informatievoorziening.
2.3 Invloed van het niet voldoen aan verwachtingen
Managers hebben dikwijls belang bij het openbaren van informatie die goede resultaten toont, omdat dit voor hen kan leiden tot een hogere beloning. Zij hebben in hun salaris namelijk vaak een variabele component die gebaseerd is op prestaties. Ook de aanwezigheid van opties bij managers kan een reden zijn om een hoge aandelenkoers te wensen. Indien de nettowinst volgens GAAP niet voldoet aan een strategische benchmark, blijken ondernemingen dan ook vaker gebruik te maken van non-GAAP prestatie-indicatoren (Brouwer, 2013).
Er zijn verschillende manieren te onderkennen waarop het voldoen aan verwachtingen gemeten kan worden. Ten eerste kan men denken aan het voldoen aan verwachtingen van de markt of van analisten. Ondernemingen die non-GAAP earnings presenteren blijken vaker verwachtingen van analisten waar te maken of te overtreffen dan ondernemingen die GAAP inkomsten presenteren (Doyle et al., 2013). Wanneer volgens GAAP prestatie-indicatoren niet aan verwachtingen van analisten voldaan wordt, wordt opportunistisch handelen wel als oorzaak aangewezen voor het gebruik van non-GAAP indicatoren die een positiever beeld geven (Koning et al., 2010). Pro forma earnings van een onderneming blijken in dezelfde gedachtetrant vaker de verwachtingen van analisten waar te maken of te overtreffen dan GAAP earnings van die ondernemingen (Bhattacharya et al., 2003 en Black en Christensen, 2009).
Ten tweede kan men het voldoen aan verwachtingen definiëren als het niet rapporteren van een verlies. Bewijs voor opportunistisch gebruik van non-GAAP prestatie-indicatoren om
14 geen verlies te hoeven rapporteren, blijkt uit onderzoek van Walker & Louvari (2003). Dat toont aan dat ondernemingen die verlies lijden geneigd zijn om alternatieve cijfers over Earnings Per Share te publiceren die wel een winst tonen. Wanneer ondernemingen echter positieve GAAP Earnings Per Share tonen, zullen zij juist weer minder geneigd zijn om negatieve alternatieve cijfers over Earnings Per Share te tonen.
Een derde manier om het voldoen aan verwachtingen te analyseren, betreft de ontwikkeling van de winstcijfers ten opzichte van het jaar ervoor. Het is al lange tijd bekend dat earnings management plaatsvindt om een verlaging van reported earnings te voorkomen (Burgstahler en Dichev, 1997). Of ook gebruik wordt gemaakt van non-GAAP prestatie-indicatoren wanneer er volgens GAAP cijfers sprake is van een lagere winst is onderzocht door Lougee en Marquardt (2004). Uit hun resultaten blijkt dat ondernemingen die lagere earnings laten zien, meer gebruikmaken van pro forma earnings.
Een onderzoek dat met alle drie de bovenstaande manieren gemeten heeft of aan
verwachtingen voldaan was, constateerde dat de non-GAAP resultaten voor alle manieren vaker aan de verwachtingen voldeden (Isidro en Marques, 2015). Nu uit de literatuur
aanwijzingen volgen voor een intensiever gebruik van non-GAAP prestatie-indicatoren indien deze niet aan verwachtingen voldoen, veronderstelt hypothese 1a dat het op basis van GAAP standaarden niet voldoen aan verwachtingen een positieve invloed heeft op het gebruik van non-GAAP prestatie-indicatoren.
Hypothese 1a: Het niet voldoen aan verwachtingen heeft een positieve invloed op het gebruik van non-GAAP prestatie-indicatoren.
Niet alleen de mate waarin non-GAAP prestatie-indicatoren gebruikt worden is onderzocht, maar ook de nadruk die op deze indicatoren wordt geplaatst. De nadruk die geplaatst wordt op non-GAAP prestatie-indicatoren blijkt afhankelijk van het al dan niet behalen van bepaalde benchmarks. Wanneer een bepaald doel niet door GAAP resultaten behaald wordt, maar wel door non-GAAP resultaten, blijken ondernemingen meer nadruk te plaatsen op non-GAAP prestatie-indicatoren (Marques, 2010). Een verklaring voor het plaatsen van meer nadruk op deze indicatoren kan in het verlengde van de agency theorie gevonden worden in de
incomplete revelation hypothesis. Deze stelt dat als publiek bekende informatie minder makkelijk, dus minder goedkoop, te achterhalen is, het niet aantrekkelijk is voor alle investeerders om zich in deze informatie te verdiepen. Een gevolg is dat de mate waarin managers bepaalde prestatie-indicatoren benadrukken, invloed kan hebben op de beslissingen van investeerders (Bloomfield, 2002).
Aangezien uit het bovenstaande blijkt dat non-GAAP prestatie-indicatoren meer nadruk krijgen indien deze in tegenstelling tot GAAP prestatie-indicatoren wel aan verwachtingen voldoen, wordt een b-variant van de vorige hypothese opgesteld.
Hypothese 1b: Het niet voldoen aan verwachtingen heeft een positieve invloed op de nadruk die op non-GAAP prestatie-indicatoren geplaatst wordt.
15
2.4 Invloed van exceptional items
Choi en Young (2015) beschouwen de relatie tussen tijdelijke (transitory) gebeurtenissen en het gebruik van non-GAAP indicatoren. Transitory gebeurtenissen zijn eenmalig optredende gebeurtenissen die doorgaans minder relevant worden geacht voor de beoordeling van de operationele prestaties van een organisatie. Het onderzoek toont aan dat de omvang van transitory gebeurtenissen positief gerelateerd is aan het gebruik van non-GAAP prestatie-indicatoren.
Er zijn onderzoeken die proberen verder te verduidelijken hoe de verschillende motieven van managers zich in de praktijk tot elkaar verhouden. Deze onderzoeken analyseren dus zowel de rol van agency als voluntary disclosure theorie. Een voorbeeld biedt het onderzoek van Curtis et al., 2014). Hierin worden de motieven onderscheiden door de incidentele resultaten in te delen in twee categorieën: incidentele resultaten die een positieve invloed hebben op de totale resultaten en incidentele resultaten die een negatieve invloed hebben op de totale resultaten. Sommige aanpassingen van GAAP naar non-GAAP zullen dus leiden tot verhoging van het financiële resultaat, terwijl andere leiden tot verlaging van het resultaat. De beslissingen die het management in verschillende situaties over het gebruik van non-GAAP indicatoren zal nemen, staan in onderstaande tabel en zijn afhankelijk van de houding van het management (opportunistisch of informerend) en van de aard van de afwijkende post. Incidentele verliezen zullen bijvoorbeeld wel opgenomen zijn in GAAP resultaten, maar uitgesloten worden bij non-GAAP indicatoren. In zulke situaties leidt zowel het streven tot informeren als het streven tot opportunisme tot dezelfde uitkomst; het gebruik van non-GAAP indicatoren. Non-GAAP geeft hier immers waarschijnlijk een beter beeld van in de toekomst te verwachten resultaten, omdat voor incidentele verliezen wordt gecorrigeerd, terwijl dit tevens leidt tot positievere resultaten. Waar incidentele positieve resultaten geboekt zijn, leidt het gebruik van GAAP indicatoren tot een beter resultaat, zodat opportunistische managers GAAP zullen gebruiken, terwijl managers die willen informeren zullen kiezen voor non-GAAP indicatoren.
Opportunistisch Informeren
Transitory gain (GAAP more favourable)
GAAP Non-GAAP
Transitory loss (Non-GAAP more favourable)
Non-GAAP Non-GAAP
Bij positieve transitory items lijken GAAP resultaten dus positiever dan non-GAAP
resultaten. Opportunistische managers zullen GAAP gebruiken, terwijl managers die wensen te informeren voor non-GAAP kiezen. Bij negatieve transitory items lijken echter non-GAAP resultaten beter. De verschillende motieven leiden tot dezelfde uitkomst. Indien managers opportunistisch handelen, zullen zij de positievere non-GAAP resultaten tonen, maar als managers willen informeren, zullen zij ook non-GAAP resultaten tonen, omdat de exceptional items niet relevant zijn voor de waardering van een onderneming.
16 Het resultaat van het onderzoek van Curtis et al. (2014) toont aan dat sommige
ondernemingen alleen non-GAAP resultaten laten zien in hun persberichten (earnings announcements) waarin voor tijdelijke gebeurtenissen gecorrigeerd wordt, indien dit de verwachtingen over inkomsten verhoogt. Dit duidt op opportunistisch gebruik van non-GAAP prestatie-indicatoren.
Een ander onderzoek dat gericht is op transitory gains is van Baumker et al. (2014) en concludeert eveneens dat opportunistische motieven een rol spelen. Uit dat onderzoek bleek namelijk dat het percentage ondernemingen dat non-GAAP Earnings Per Share cijfers
publiceerde bij de aanwezigheid van transitory gains significant lager was na de invoering van regelgeving die vereiste dat non-GAAP cijfers herleid worden tot het GAAP cijfer dat er het meest op leek. Door helemaal geen non-GAAP cijfer te noemen, is de herleiding niet nodig. Gevolg is dat beleggers te hoge inschattingen zouden kunnen maken over recurring earnings. Hierbij bleek dat de grootte van de transitory gains positief gerelateerd is aan de
gedetailleerdheid van de informatie over de transitory gains. Wanneer de onderneming naast transitory gains ook transitory losses heeft, neemt de gedetailleerdheid van de informatie ook toe. Dit duidt eveneens op opportunistisch gebruik, aangezien de transitory losses een positief effect hebben op de resultaten, aldus nog steeds Baumker et al. (2014).
In deze lijn concludeerden ook Schrand en Walther (2000) dat managers in persberichten aandacht besteden aan de aanwezigheid van transitory losses, maar niet aan transitory gains. Nu de drie bovenstaande onderzoeken allemaal bewijs vinden voor opportunistisch gebruik van non-GAAP prestatie-indicatoren, is de verwachting dat ook in dit onderzoek minder gebruikgemaakt wordt van non-GAAP prestatie-indicatoren wanneer positieve exceptional items aanwezig zijn dan wanneer negatieve exceptional items aanwezig zijn.
Hypothese 2a: De aanwezigheid van positieve exceptional items heeft een negatieve invloed op het gebruik van non-GAAP prestatie-indicatoren.
Hypothese 2b: De aanwezigheid van positieve exceptional items heeft een negatieve invloed op de nadruk die op non-GAAP prestatie-indicatoren geplaatst wordt.
2.5 Invloed van positieve exceptional items op de relatie tussen het niet
voldoen aan verwachtingen en het gebruik van non-GAAP
prestatie-indicatoren
Ook zal onderzocht worden welke invloed de aanwezigheid van positieve exceptional items heeft op de relatie tussen het niet voldoen aan verwachtingen en het gebruik van non-GAAP prestatie-indicatoren. Daarbij is van belang dat de relatie tussen het niet voldoen aan de verwachtingen en het gebruik van non-GAAP indicatoren op grond van hypothese 1 verwacht wordt positief te zijn. Die verwachte relatie wordt verklaard door opportunistische motieven van managers.
17 waarin negatieve exceptional items aanwezig zijn. Zoals uiteengezet bij hypothese 2 doet de aanwezigheid van negatieve exceptional items de prestaties beter lijken indien non-GAAP indicatoren gepresenteerd worden. Zowel de wens om opportunistisch te handelen als de wens tot informeren, leidt in dat geval tot gebruik van non-GAAP indicatoren. De aanwezigheid van positieve exceptional items doet non-GAAP prestatie-indicatoren echter minder gunstig lijken.
Als managers opportunistisch handelen om verwachtingen waar te maken, zullen zij gemotiveerd door dezelfde opportunistische motieven minder gauw non-GAAP prestatie-indicatoren gebruiken indien dit betekent dat positieve exceptional items leiden tot slechtere uitkomsten. De non-GAAP resultaten zullen in dat geval immers minder positief zijn dan wanneer negatieve exceptional items aanwezig zijn die de non-GAAP prestatie-indicatoren positiever laten lijken. De aanwezigheid van positieve exceptional items zal de relatie dus minder sterk maken, omdat gebruik van non-GAAP prestatie-indicatoren in dat geval minder aantrekkelijk wordt.
Het enige door mij gevonden onderzoek dat de relatie tussen het voldoen aan verwachtingen, de aanwezigheid van transitory items en het gebruik van non-GAAP indicatoren tezamen onderzoekt is afkomstig van Choi en Young (2015). Zij beschouwen het gebruik van non-GAAP earnings in twee verschillende situaties. De onderzoekers vinden een sterke relatie tussen de grootte van transitory items en het gebruik van non-GAAP earnings wanneer aan verwachtingen van analisten voldaan wordt. Deze relatie is zwakker als niet aan
verwachtingen van analisten voldaan wordt. In het eerste geval is de wens tot betere
informatievoorziening (voluntary disclosure) het leidende motief van managers, terwijl in het tweede geval opportunistische motieven kunnen verklaren waarom deze relatie minder sterk is.
Hypothese 3a: De aanwezigheid van positieve exceptional items heeft een negatieve invloed op de relatie tussen het niet voldoen aan verwachtingen en het gebruik van non-GAAP prestatie-indicatoren.
Hypothese 3b: De aanwezigheid van positieve exceptional items heeft een negatieve invloed op de relatie tussen het niet voldoen aan verwachtingen van analisten en de nadruk die op non-GAAP prestatie-indicatoren geplaatst wordt.
18
3. Onderzoeksontwerp
De methodiek van het onderzoek is kwantitatief van aard en is gericht op toetsing van de hypothesen door een meervoudig lineaire regressie in SPSS. In de volgende paragrafen wordt uiteengezet hoe de afhankelijke en onafhankelijke variabelen gemeten worden. Ook wordt aandacht besteed aan de controlevariabelen. Daarna volgt een behandeling van de
onderzoekspopulatie en afgesloten wordt met het opstellen van de te toetsen formule.
3.1 Meten van de variabelen
3.1.1 Afhankelijke variabele. Het gebruik van non-GAAP indicatoren, de
afhankelijke variabele, wordt gemeten door inhoudsanalyse. De informatie wordt verkregen door het lezen van persberichten van de betreffende organisaties. Alleen de persberichten die openbaarmaking van de jaarlijkse financiële verslaggeving aankondigen worden gebruikt. Publicaties die zien op kwartaalcijfers worden dus buiten beschouwing gelaten. Indien een gebroken boekjaar aanwezig is, geeft de datum van het eind van dat boekjaar de doorslag voor het antwoord op de vraag aan welk jaar de perspublicatie toegeschreven wordt.
De eerste tien prestatie-indicatoren die in persberichten genoemd worden, vormen de basis voor het onderzoek. Enkel die gegevens die voorkomen in of gebaseerd zijn op de balans, winst- en verliesrekening en cash flow statements worden aangemerkt als relevante prestatie-indicatoren. Informatie die de gehele industrie betreft waarin een onderneming handelt, valt dan ook buiten deze definitie. Ook de ontwikkeling in het marktaandeel van een organisatie wordt niet als prestatie-indicator aangemerkt. Wanneer dezelfde indicatoren meerdere malen voorkomen, worden deze slechts eenmaal meegewogen in het onderzoek. Indien daarentegen een prestatie-indicator zowel voor de groep als voor een entiteit wordt toegelicht, wordt deze prestatie-indicator wel twee keer meegewogen.
Het onderzoek zal de gevonden prestatie-indicatoren op twee manieren indelen. Ten eerste wordt onderscheid gemaakt tussen GAAP en non-GAAP indicatoren. Een cijfer wordt als non-GAAP gecategoriseerd indien het cijfer niet verplicht gepubliceerd moet worden volgens GAAP regelgeving. Ten tweede worden de gevonden prestatie-indicatoren ingedeeld in de volgende categorieën: income based, cashflow based, revenue based, EPS based en other measures. Bij het bepalen onder welke categorie een indicator valt, wordt bij de GAAP
indicatoren gebruikgemaakt van toepasselijke IFRS’s. Voor income-based informatie is IAS 1 van toepassing, voor cashflow-based informatie is dat IAS 7, voor revenues-based informaie betreft dit IAS 1 en 18, voor EPS-based informatie is IAS 33 van toepassing en voor de overige GAAP informatie is voornamelijk IAS 1 relevant. Non-GAAP indicatoren worden ingedeeld door te bepalen met welke GAAP indicator zij het eenvoudigst te vergelijken zijn. De categorie waar de meest verwante GAAP indicator in geplaatst zou zijn, bepaalt dus in welke categorie de non-GAAP indicator geplaatst wordt. Zo zal de GAAP indicator
‘inkomsten’ op basis van IAS 1 ingedeeld worden onder de categorie revenue based. Een non-GAAP indicator zoals ‘werkelijke interne inkomsten’ is het meest vergelijkbaar met de GAAP indicator ‘inkomsten’ en zal daarom eveneens onder de categorie revenue based
19 worden geschaard.
De op bovenstaande manier gevonden gegevens dienen vervolgens verder geoperationaliseerd te worden om gegevens te krijgen die in SPSS te toetsen zijn. Dit wordt op twee manieren gedaan. Daarom is voor alle hypothesen zowel een a-variant als een b-variant opgenomen. De a-variant beschouwt het gebruik van non-GAAP prestatie-indicatoren als het aantal gevonden non-GAAP prestatie-indicatoren van een onderneming gedeeld door het totale aantal
gevonden prestatie-indicatoren van die onderneming (hetgeen dus maximaal 10 gedeeld door 10, dus 1 bedraagt).
De b-variant houdt rekening met de nadruk die op prestatie-indicatoren geplaatst wordt. Een score is aan de indicatoren toegekend die aangeeft hoeveel nadruk op een prestatie-indicator gelegd wordt. Een onderzoek dat al eerder zo’n benadering koos, is dat van Bowen et al. (2005). Deze kenden 4 punten toe aan indicatoren die in de headline genoemd werden, 3 punten aan indicatoren in de 1e en 2e paragraaf, 2 punten aan indicatoren in de 3e paragraaf en 1 punt aan indicatoren die alleen maar in de financiële overzichten werden gegeven. Deze methode zal als basis voor dit onderzoek dienen, zij het met enkele aanpassingen. In tegenstelling tot Bowen et al. (2005) wordt voor het toekennen van 4 punten niet enkel gekeken naar de indicatoren in de headline, maar ook naar key figures en een summary op de website. Vaak is namelijk op deze webpagina een samenvatting of overzicht opgenomen van bepaalde prestatie-indicatoren. Deze indicatoren worden bewust door de onderneming in de samenvatting opgenomen. Zij krijgen dan ook meer nadruk dan de overige indicatoren in de perspublicatie. Ook het gebruik van key figures in de perspublicatie geeft blijk van meer nadruk op enkele indicatoren. Indien een prestatie-indicator meerdere malen voorkomt, is de eerste keer dat deze in de perspublicatie gerapporteerd staat bepalend voor het aantal punten dat toegekend wordt. Dit leidt tot het volgende overzicht:
Plaats in het persbericht Aantal toegekende punten Ordinale schaalverdeling
Headline, key figures of summary 4 Meeste nadruk
Alinea 1 3
Alinea 2 2
Alinea 3 en verder 1 Minste nadruk
Op deze manier wordt inzichtelijk gemaakt hoeveel relatieve nadruk op GAAP respectievelijk non-GAAP indicatoren wordt geplaatst. Om deze gegevens vervolgens in één variabele op te kunnen nemen, wordt per onderneming een som gemaakt van de toegekende punten voor nadruk op GAAP prestatie-indicatoren. Ook wordt een som gemaakt van de toegekende punten voor nadruk op GAAP prestatie-indicatoren. Vervolgens wordt de som van non-GAAP gedeeld door het totaal aantal punten voor nadruk (dus gedeeld door het totaal van de som non-GAAP nadruk plus de som GAAP nadruk). Zo ontstaat een variabele die aangeeft welk percentage van de nadrukpunten gebaseerd is op non-GAAP prestatie-indicatoren.
De informatie is door vijf personen verzameld. Het verzamelen door meerdere personen kan leiden tot minder betrouwbare resultaten, omdat deze verschillende oordelen kunnen hebben
20 over de indeling. Om de betrouwbaarheid van de informatie zoveel mogelijk te garanderen, is bij de verdeling van de te onderzoeken ondernemingen over de personen voor gekozen om een onderneming gedurende alle vijf de te onderzoeken jaren aan dezelfde persoon toe te delen. Op deze wijze wordt per onderneming zoveel mogelijk een consequente interpretatie gegarandeerd. Wanneer iedere persoon voor één jaar alle informatie zou categoriseren, kan een verschil in jaren ontstaan vanwege verschillende interpretatie. Daarnaast is voordat begonnen is met de dataverzameling een pilotbijeenkomst gehouden waarbij de interpretatie van de perspublicaties besproken is. Later is nogmaals een bijeenkomst gehouden om de uitspraken verder uit te werken en vraagstukken die tijdens het zoeken opkwamen te bespreken. De gemaakte afspraken zijn opgenomen in appendix A.
3.1.2 Onafhankelijke variabelen. De eerste onafhankelijke variabele, de invloed van het niet voldoen aan verwachtingen van analisten wordt verkregen door gebruik van de Orbis database. Deze variabele wordt in deze scriptie weergegeven door NVAV, hetgeen inhoudt: niet voldoen aan verwachtingen. Als niet aan de verwachtingen voldaan wordt, krijgt NVAV een waarde van 1. Wordt wel aan de verwachtingen voldaan, dan krijgt NVAV een waarde van 0. Om deze waarden te berekenen worden gegevens over jaarlijkse verwachtingen uit Orbis gebruikt. De nettowinst minus de nettowinst een jaar ervoor geeft aan of er een stijging of daling waar te nemen is. Indien deze indicator kleiner is dan 0, houdt dat in dat niet aan verwachtingen voldaan is en krijgt NVAV een waarde van 1 toegekend. Indien nettowinst minus nettowinst een jaar eerder groter is dan of gelijk is aan 0, wordt wel aan de
verwachtingen voldaan en krijgt NVAV een waarde van 0 toegekend. Deze variabele wordt daarmee gebaseerd op nominale data.
De tweede onafhankelijke variabele betreft de aanwezigheid van exceptional items. In deze scriptie worden exceptional items gedefinieerd als resultaten die door verkoop van
bedrijfsonderdelen een eenmalige positieve of negatieve invloed hebben op de resultaten. Enkel de verkoop van bedrijfsonderdelen die onverwachte resultaten oplevert, wordt hieronder geschaard. Impairment valt niet onder deze definitie. Ook voor deze variabele worden de gegevens uit de Orbis database gehaald. De informatie betreft bedragen in euro’s en wordt weergegeven door PEXC, hetgeen inhoudt: positieve exceptional items. Deze variabele krijgt een waarde 1 als er positieve exceptional items aanwezig zijn, een waarde 0 indien de waarde van exceptional items 0 is of lager. Hierdoor ontstaat een schaal met een nominale verdeling.
De invloed van exceptional items op de relatie tussen het niet voldoen aan verwachtingen en het gebruik van non-GAAP prestatie-indicatoren wordt ook onderzocht. Om de analyses voor deze modererende variabele mogelijk te maken, zijn eerst alle onafhankelijke variabelen (waaronder dus ook de hierna te bespreken controlevariabelen) gestandaardiseerd. Vervolgens is een interactievariabele NVAVxPEXC opgesteld door NVAV te vermenigvuldigen met PEXC.
3.1.3 Controlevariabelen. Gecontroleerd zal worden voor een drietal variabelen waarvan uit onderzoek van Isidro en Marques (2008) gebleken is dat zij invloed kunnen hebben op het gebruik van non-GAAP prestatie-indicatoren. Alle benodigde data voor deze
21 controlevariabelen is uit de database Orbis gehaald.
De eerste controlevariabele is de grootte van de organisatie. Deze wordt gemeten als de som van alle activa van een organisatie. De waarde van deze activa is omgerekend naar USD. Orbis gebruikt daarbij de wisselkoersen op het moment van de balansdatum, de closing date van de financial statements. De koersen komen van het International Monetary Fund (IMF) die betrekking hebben op het eindd van de maand. Ook Isidro en Marques (2008)
operationaliseren de grootte van de organisatie door de som van alle activa te meten. Uit hun onderzoek bleek dat de grootte van een onderneming invloed kan hebben op het gebruik van non-GAAP indicatoren. Ook deze variabele is middels winsorizing gecorrigeerd voor een te grote invloed van uitschieters. Vervolgens is de LOG van de waarde van de activa genomen.
De tweede controlevariabele is leverage en is berekend als de waarde van alle schulden gedeeld door de som van alle activa. Ook deze variabele is op dezelfde wijze
geoperationaliseerd als Isidro en Marques (2008) deden. Wederom zijn gegevens uit Orbis gebruikt om de benodigde data voor deze formule te kunnen invullen. De waarden zijn
omgerekend naar USD en de wisselkoersen zijn op dezelfde manier toegepast als bij de eerste controlevariabele. Winsorizing bleek hier niet nodig, omdat er geen uitschieters waren die groter waren dan driemaal de standaarddeviatie.
De derde controlevariabele betreft het land waarin een organisatie gevestigd is. Nader
onderzoek van Isidro en Marques toonde aan dat institutionele en economische factoren die in landen aanwezig zijn, invloed kunnen hebben op het gebruik van non-GAAP
prestatie-indicatoren (Isidro en Marques, 2015). Omdat nominale data verkregen werd, is ten behoeve van de regressieanalyse gebruikgemaakt van dummy variabelen. Hierbij is ervoor gekozen de ondernemingen gevestigd in Duitsland als referentiegroep te gebruiken. Dit was een groep ondernemingen die relatief omvangrijk was, zodat niet een zeer kleine groep onderneming als referentiegroep hoeft te dienen.
Tot slot zal een betrouwbaarheidsanalyse plaatsvinden. Hierbij worden de twee
onafhankelijke variabelen op een andere wijze geoperationaliseerd. Zij worden niet in twee groepen verdeeld, maar op een andere wijze berekend, zodat ze een continue in plaats van een nominale waarde aangeven. In aanvulling op de operationalisering van het voldoen aan
verwachtingen door het opdelen van de sample in een groep organisaties die een winst hebben die ten minste gelijk is aan de winst van het jaar ervoor en een groep waarbij dat niet het geval is, is daarom onderzocht of deze relatie verschilt door deze anders te operationaliseren,
namelijk door deze variabele te meten als de winstdaling. Deze variabele is middels winsorizing gecorrigeerd voor uitschieters.
In eerder onderzoek waarbij de invloed van de aanwezigheid van transitory items aanwezig was, is tevens onderzocht of de omvang, de grootte van deze items invloed had op het gebruik van non-GAAP prestatie-indicatoren. Het bleek dat ondernemingen met grotere positieve transitory items meer informatie over non-GAAP prestatie-indicatoren bekendmaken (Baumker et al., 2014). Daarom is in deze scriptie een betrouwbaarheidstest gedaan naar de
22 invloed van exceptional items. In plaats van enkel de aanwezigheid van positieve exceptional items te vergelijken met de groep waarin geen positieve exceptional items aanwezig waren, zal daarom onderzocht worden of de winsorized grootte van exceptional items invloed heeft op het gebruik van non-GAAP prestatie-indicatoren.
3.2 Onderzoekspopulatie
Dit onderzoek richt zich op ondernemingen die beursgenoteerd zijn in de Europese Unie. Ondernemingen die onderdeel uitmaken van de Financial Times Stock Exchange Eurotop 100 Index (hierna: FTSE Eurotop 100) maken onderdeel uit van de sample. Deze index bevat de 100 grootste ondernemingen die genoteerd staan aan Europese beursen. De grootte wordt bepaald aan de hand van de marktkapitalisatie van ondernemingen, zodat de aandelenprijs en het aantal aandelen bepalen of een onderneming groot genoeg is om in de index opgenomen te worden. Banken, verzekeringsmaatschappijen en organisaties die geen IFRS toepassen
worden uitgesloten van de steekproef. De sample beslaat na deze selectie nog 73 organisaties. De periode waarover informatie geanalyseerd zal worden, betreft perspublicaties de
betrekking hebben op de jaren 2011 tot en met 2015. Vervolgens zijn de ondernemingen uitgesloten waarbij niet voor de onafhankelijke variabelen en de afhankelijke variabele voldoende gegevens gevonden konden worden. Niet altijd was voldoende informatie
voorhanden. Daarom bleven 209 verschillende waarnemingen over die betrekking hadden op 50 verschillende ondernemingen. Een overzicht van deze waarnemingen is opgenomen in Appendix B.
3.3 Formule
Op basis van de verwachte invloed van de onafhankelijke variabelen en rekeninghoudend met de controlevariabelen, is de volgende formule opgesteld:
NonGAAPi = α + β1 NVAV + β2 PEXC + β 3 NVAVxPEXC + β4 Dummy_FR + β5 Dummy_NL + β6 Dummy_GB + β7 Dummy_SE + β8 Dummy_IT + β9 Dummy_CH + β10 Dummy_FI + β11 Dummy_NO + β12 Dummy_ES + β13 LogActiva + β14 Leverage + ε
NVAV betekent voldoen aan verwachtingen. De afhankelijke variabele bestaat uit intervaldata,
terwijl de onafhankelijke variabele nominale data bevat die twee verschillende waarden kan aannemen. De nature of profit change is namelijk negatief of positief. PEXC betekent
positieve exceptional items. Dit is een nominale variabele die bestaat uit twee categorieën. Er zijn namelijk óf wel óf niet positieve exceptional items aanwezig.
23
4. Resultaten
4.1 Beschrijvende statistieken
Als eerste zullen enkele beschrijvende statistieken over de variabelen besproken worden. Deze zijn te vinden in tabel 1. De eerste onafhankelijke variabele betreft het niet voldoen aan verwachtingen (NVAV). Dat wordt gemeten door te onderzoeken of de nettowinst in een bepaald jaar lager is dan de nettowinst in het voorgaande jaar. Als dat het geval is, wordt aangenomen dat niet aan verwachtingen voldaan is en krijgt variabele NVAV waarde 1. Is dat niet het geval dan wordt waarde 0 toegekend. Gemiddeld blijkt NVAV een waarde van 0.47 te hebben. Dat betekent dat in 47% van de gevallen de nettowinst lager was dan het jaar ervoor. De verdeling in groepen ondernemingen die wel en groepen ondernemingen die niet aan de verwachtingen hebben voldaan, levert dan ook twee groepen op die voldoende groot zijn om te vergelijken.
De tweede onafhankelijke variabele (PEXC) geeft de aanwezigheid van positieve exceptional items aan. De gemiddelde waarde blijkt 0.40 te zijn. Dit betekent dat in 40% van de gevallen waarin exceptional items aanwezig waren deze een positieve waarde hadden. 60% van de keren blijken exceptional items negatief te zijn. Ook in dit geval levert de verdeling dan ook in grootte redelijk goed vergelijkbare groepen op.
De afhankelijke variabele betreft het gebruik van non-GAAP prestatie-indicatoren. Dit wordt op twee manieren gemeten: ten eerste door het absoluut aantal keren dat non-GAAP
indicatoren voorkomen, ten tweede door de hoeveel nadruk op non-GAAP prestatie-indicatoren. Het minimum is 0, hetgeen betekent dat de onderzochte resultaten van in elk geval één onderneming allemaal gebaseerd zijn op GAAP. Het maximum is 1, dus er is ook een onderneming waarvan de gevonden resultaten alleen maar non-GAAP
prestatie-indicatoren opleverden. Gemiddeld is echter 53,29 procent van de resultaten non-GAAP. De non-GAAP indicatoren komen dus vaker voor in persberichten dan GAAP prestatie-indicatoren. Dit is een opmerkelijke bevinding, omdat het duidelijk maakt dat de non-GAAP resultaten een grote rol spelen bij het bekendmaken van ondernemingsresultaten.
De nadruk die op non-GAAP prestatie-indicatoren wordt geplaatst is 51,40 procent. Minstens één onderneming legt alle nadruk op non-GAAP prestatie-indicatoren en minstens één
onderneming legt alle nadruk op GAAP prestatie-indicatoren. Uit het gemiddelde van 51,40 procent blijkt wederom het veelvuldig gebruik van non-GAAP prestatie-indicatoren. Zij worden zelfs iets meer benadrukt dan GAAP prestatie-indicatoren. Opmerkelijk is echter wel dat GAAP prestatie-indicatoren 53,29 procent van de gebruikte indicatoren zijn, maar dat zij gemiddeld slechts 51,40 procent nadruk kregen.
24 Tabel 1
Beschrijvende statistieken
Variabele Gem. Stand. dev. Min. Max.
Dummy_FR 0,25 0,433 0 1 Dummy_NL 0,04 0,203 0 1 Dummy_GB 0,30 0,460 0 1 Dummy_SE 0,05 0,214 0 1 Dummy_IT 0,04 0,203 0 1 Dummy_CH 0,03 0,167 0 1 Dummy_FI 0,02 0,153 0 1 Dummy_NO 0,00 0,069 0 1 Dummy_ES 0,03 0,180 0 1 Log winsorized totale activa 7,821194799 0,4278673321 6,623570219 8,58757966 Leverage 0,6110496846 0,1454982903 0,2523229814 0,9263386818 NVAV 0,47 0,500 0 1 PEXC 0,40 0,491 0 1 Non-GAAP 0,5329 0,20833 0 1 Emphasis Non-GAAP 0,5140081270 0,2151133394 0 1
4.2 Correlatie en multicollineariteit
Om na te gaan of de variabelen met elkaar correleren is een Pearson correlatietest gedaan. Indien de correlatie groter blijkt dan 0,7, betekent dit dat in te grote mate sprake kan zijn van multicollineariteit. Dit blijkt het geval te zijn bij de correlatie GAAP en emphasis non-GAAP. Non-GAAP geeft de verhouding weer tussen het aantal non-GAAP
prestatie-indicatoren en het totale aantal prestatie-prestatie-indicatoren. Emphasis non-GAAP ziet op de scores waarmee non-GAAP prestatie-indicatoren benadrukt worden. Deze scores beogen beide het gebruik van non-GAAP prestatie-indicatoren in beeld te brengen. Het blijkt dus dat de nadruk op GAAP prestatie-indicatoren in grote mate samenhangt met het gebruik van non-GAAP prestatie-indicatoren in absolute aantallen. Dat de correlatie hier hoger is dan 0,7 is niet problematisch, omdat deze twee variabelen niet in dezelfde analyse gebruikt zullen worden.
Bij de regressieanalyses is voor een verdere controle op multicollineariteit tevens de Variance Inflation Factor berekend. De waarden van deze factor zijn te vinden in tabel 3 als VIF-score. Indien de waarden van deze score lager zijn dan -10 en 10 is er te hoge multicollineariteit
aanwezig.Bij geen van de gevonden VIF-scores was de waarde zo hoog. Problemen op het
25 Tabel 2 Pearson correlatie FR NL GB SE IT CH FI NO ES Log totale activa Levera ge Winst/ winst vorig jaar NVA V Groott e except ional items PEXC *** Non-GAAP Emphas is Non-GAAP FR 1,000 NL -0,122 1,000 GB -,378** -,139* 1,000 SE -0,129 -0,048 -,147* 1,000 IT -0,122 -0,045 -,139* -0,048 1,000 CH -0,099 -0,036 -0,113 -0,039 -0,036 1,000 FI -0,090 -0,033 -0,103 -0,035 -0,033 -0,027 1,000 NO -0,040 -0,015 -0,046 -0,016 -0,015 -0,012 -0,011 1,000 ES -0,107 -0,039 -0,122 -0,042 -0,039 -0,032 -0,029 -0,013 1,000 Log totale active -0,072 -0,016 -0,118 -,250** ,232** 0,017 -0,112 -0,061 0,020 1,000 Leverage -0,085 ,179** -0,027 -0,135 0,018 -,236** 0,028 -0,055 -0,033 ,474** 1,000 Winst/wins t vorig jaar*** 0,020 -,187** 0,123 0,004 -0,066 0,001 -0,058 -0,008 -0,004 0,035 -0,038 1,000 NVAV -0,008 -0,105 0,051 0,014 0,084 0,011 0,041 0,074 0,092 0,059 -0,069 -,154* 1,000 Grootte exceptional items -0,129 0,040 0,094 0,026 -,168* 0,033 0,067 0,008 -0,042 -0,064 -,172* 0,030 0,026 1,000 PEXC *** -,246** 0,115 0,121 0,091 -0,126 ,151* -0,001 -0,057 -0,098 -0,081 -0,024 0,025 0,105 ,500** 1,000 Non-GAAP ,200** -0,019 ,270** -,327** -0,042 -0,096 0,066 -0,011 -0,017 -0,006 -0,019 0,042 -0,052 -0,050 -,145* 1,000 Emphasis Non-GAAP 0,109 -0,019 ,345** -,296** -0,027 -0,068 0,009 0,009 -0,028 0,024 -0,030 0,047 -0,110 -0,008 -0,109 ,941** 1,000
***. Deze variabelen worden gebruikt in het gedeelte van de scriptie dat de
betrouwbaarheidsanalyse bevat. Aldaar zijn de voor deze variabelen relevante beschrijvende statistieken en regressieanalyses opgenomen.
** Significant op 0.01 niveau (2-tailed). *. Significant op 0.05 niveau (2-tailed).
26
4.3 Regressie
Nadat in de voorgaande paragrafen aandacht is besteed aan beschrijvende statistieken en gecontroleerd is voor correlatie en multicollineariteit, volgt nu een analyse van de invloed die de onafhankelijke variabelen en de controlevariabelen hebben op het gebruik van non-GAAP prestatie-indicatoren.
4.3.1 Analyse van het gebruik van non-GAAP prestatie-indicatoren Als eerste zullen de resultaten besproken worden die de invloed toetsten van de onafhankelijke variabelen op het gebruik van non-GAAP prestatie-indicatoren gemeten als het aantal gebruikte non-GAAP prestatie-indicatoren gedeeld door het totaal aantal gebruikte
indicatoren door een onderneming. Deze hebben betrekking op hypothese 1a, 2a en 3a. De resultaten staan in tabel 3. In de volgende analyse zullen de b-varianten van de hypothesen getoetst worden door non-GAAP te meten als de nadruk die op non-GAAP prestatie-indicatoren geplaatst wordt. Uitkomsten daarvan staan in tabel 4.
Het eerste model toetst enkel de invloed van de controlevariabelen. Het geheel van
onafhankelijke variabelen is van invloed op de afhankelijke variabele, F = 6,387, p < 0,01. R-square bedraagt 0,263 dus het model verklaart 26,3% van het gebruik van non-GAAP
prestatie-indicatoren. Vergeleken met de weggelaten dummy, dat was Duitsland, heeft
vestiging in Frankrijk, Nederland, Groot-Brittannië, Italië, Finland, Noorwegen en Spanje een positieve invloed op het gebruik van non-GAAP prestatie-indicatoren. Zweden en Zwitserland maken juist minder gebruik van non-GAAP prestatie-indicatoren, want deze landen tonen een negatieve relatie vergeleken met de dummyvariabele. De invloed van het land waarin een onderneming gevestigd is, heeft in een aantal gevallen een significante invloed op het gebruik van non-GAAP prestatie-indicatoren. In Frankrijk, Groot-Brittannië en Zweden is de invloed zelfs significant op 1 procent significantieniveau. Ook Finland kent een significante invloed, maar slechts met een 5 procent significantieniveau. De invloed van de waarde van de totale activa blijkt een positieve, niet-significante invloed te hebben op het gebruik van non-GAAP prestatie-indicatoren. Leverage heeft een negatieve, niet-significante invloed. De hoogste VIF is 1,753 en valt dus tussen -10 en 1, zodat geen aanleiding blijkt voor problemen met
multicollineariteit.
Om hypothese 1a te toetsen is model 2 opgesteld. F = 5,836, p < 0,01, dus de afhankelijke variabelen hebben samen significante invloed. De R-square is evenals in het eerste model 0,263. Dat nu ook rekening wordt gehouden met het niet voldoen aan verwachtingen heeft dus niet geleid tot een model dat meer verklaren kan over het gebruik van non-GAAP prestatie-indicatoren. In dit model zijn de controlevariabelen opgenomen, maar ook de gegevens die aangeven of de nettowinst hoger of gelijk is aan die van vorig jaar, dan wel of die is gedaald. Het verkregen resultaat, b = 0,008, voor de invloed van het niet voldoen aan verwachtingen is echter niet significant. Er is dus onvoldoende ondersteuning voor de hypothese 1a, zodat deze wordt verworpen. Op het gebied van multicollineariteit is de hoogste VIF van 1,78 en is er dus geen indicatie voor problemen op dit gebied.
Voor de toetsing van hypothese 2a is model 3 opgesteld. De invloed van zowel de
controlevariabelen als de aanwezigheid van positieve exceptional items wordt getoetst. Als geheel hebben de variabelen een significante invloed, F = 5,148, p < 0,01. De R-square voor dit model bedraagt 0,27 en is daarmee iets hoger dan model 1 en 2. De aanwezigheid van positieve exceptional items heeft geen significante invloed op het gebruik van non-GAAP prestatie-indicatoren, b = -0,037. Hypothese 2a wordt eveneens verworpen. F = 6,029, p < 0,01, dus gezamenlijk hebben de onafhankelijke variabelen significante invloed. De hoogste VIF van 1,76 is niet problematisch.
27 Tot slot is voor de toetsing van hypothese 3a model 4 opgesteld. R-square is 0,271 dus dit model verklaart iets meer dan de eerste drie modellen. In het model zijn opgenomen de controlevariabelen, de invloed van het niet voldoen aan verwachtingen, b = 0,003, de aanwezigheid van positieve exceptional items, b = -0,018 en het product van de laatste twee variabelen meegenomen, b = -0,002. De modererende invloed van de aanwezigheid van positieve exceptional items is niet significant. Ook hypothese 3a wordt verworpen. De gevonden hoogste VIF van 1,751 leidt niet tot problemen.
Tabel 3
Regressie gebruik Non-GAAP
Model 1 2 3 4 Intercept 0,259 0,265 0,299 0,533 Dummy_FR 0,183*** 0,182*** 0,172*** 0,075*** Dummy_NL 0,102 0,103 0,109 0,023 Dummy_GB 0,198*** 0,197*** 0,198*** 0,091*** Dummy_SE -0,185*** -0,187*** -0,182*** -0,040*** Dummy_IT 0,059 0,057 0,046 0,009 Dummy_CH -0,020 -0,021 -0,007 -0,001 Dummy_FI 0,208** 0,206** 0,204** 0,032** Dummy_NO 0,080 0,074 0,061 0,004 Dummy_ES 0,090 0,087 0,077 0,014
Log winsorized totale active 0,026 0,025 0,024 0,012
Leverage -0,071 -0,068 -0,071 -0,009 NVAV 0,008 0,003 PEXC -0,037 -0,018 PEXCxNVAV -0,002 R-square 0,263 0,263 0,27 0,271 F-waarde 6,387*** 5,836*** 6,029*** 5,148*** Hoogste VIF 1,753 1,78 1,76 1,751 *** Significant op 0.01 niveau ** Significant op 0.05 niveau * Significant op 0.10 niveau
4.3.2 Analyse van de nadruk geplaatst op non-GAAP prestatie-indicatoren In deze analyse zullen de relaties die verondersteld worden in hypothese 1b, 2b en 3b onderzocht worden. Het verschil met de andere hypothesen is dat de invloed getoetst wordt op de nadruk die op de prestatie-indicatoren geplaatst wordt. De resultaten uit de gedane analyses zijn opgenomen in tabel 4.
Model 5 bevat de controlevariabelen. Gezamenlijk hebben de variabelen significante invloed, F = 6,038, p < 0,01. R-square heeft een waarde van 0,252. Dat is minder dan de R-squares van modellen 1 tot en met 4, zodat blijkt dat de controlevariabelen beter helpen bij het verklaren
28 van het procentuele gebruik van non-GAAP prestatie-indicatoren dan bij het verklaren van de nadruk die op non-GAAP prestatie-indicatoren geplaatst wordt. Frankrijk, Nederland, Groot-Brittannië, Italië, Zwitserland, Finland, Noorwegen en Spanje hebben positieve b-waarden en plaatsen dus meer nadruk op non-GAAP prestatie-indicatoren dan ondernemingen die in Duitsland gevestigd zijn. Op een significantieniveau van 1 procent blijken alleen Frankrijk en Groot-Brittannië invloed te hebben. Ondernemingen die gevestigd zijn in Zweden plaatsen significant minder nadruk op non-GAAP prestatie-indicatoren, waarbij een
significantieniveau van 5 procent geldt. De invloed van totale activa is niet significant, b = 0,053. Ook de invloed van leverage is niet significant, b = -0,113. De hoogste VIF van 1,753 is gelijk aan die van model 1.
Model 6 onderzoekt de invloed van de controlevariabelen en het niet voldoen aan
verwachtingen. Gezamenlijk hebben de variabelen significante invloed, F = 5,656, p < 0,01. R-square is 0,257 dus een toename ten opzicht van model 5. De invloed van het niet voldoen aan verwachtingen, b = -0,032, is niet significant, dus hypothese 1b wordt verworpen. De hoogste VIF is 1,78 en dus vergelijkbaar met die van model 2 waarin hypothese 1a getoetst wordt.
Model 7 beschouwt de invloed van controlevariabelen en de aanwezigheid van positieve exceptional items. Wederom blijken de variabelen gezamenlijk significante invloed te hebben, F = 5,656, p < 0,01. R-square bedraagt 0,257 en daarmee even hoog als model 6. Er is geen significante invloed van de aanwezigheid van exceptional items, b = -0,034. Ook hypothese 2b wordt dan ook verworpen. De hoogste VIF staat met 1,76 gelijk aan de hoogste VIF van model 3.
Model 8 bevat de controlevariabelen, de invloed van het niet voldoen aan verwachtingen, b = 0,015, de aanwezigheid van positieve exceptional items, b = -0,016 en het product van de laatste twee variabelen, b = -0,008. Het geheel van de variabelen heeft significante invloed, F = 4,876, p < 0. R-square heeft een waarde van 0,26 en is daarmee iets hoger dan de andere modellen in tabel 4. De laatstgenoemde variabele heeft geen significante invloed, dus voor een modererende invloed van de aanwezigheid van positieve exceptional items wordt geen steun gevonden. Hypothese 3b wordt eveneens verworpen.
29 Tabel 4
Regressie Emphasis Non-GAAP Model 5 6 7 8 Intercept 0,051 0,075 0,086 0,513 Dummy_FR 0,159*** 0,155*** 0,149*** 0,062*** Dummy_NL 0,114 0,117 0,121* 0,024 Dummy_GB 0,234*** 0,229*** 0,234*** 0,103*** Dummy_SE -0,150** -0,157** -0,148** -0,036** Dummy_IT 0,067 0,060 0,056 0,011 Dummy_CH 0,009 0,006 0,020 0,005 Dummy_FI 0,149 0,139 0,145 0,021 Dummy_NO 0,152 0,130 0,134 0,007 Dummy_ES 0,081 0,070 0,069 0,011
Log winsorized totale activa 0,053 0,048 0,050 0,013
Leverage -0,113 -0,102 -0,113 -0,011 NVAV 0,032 0,015 PEXC -0,034 -0,016 PEXCxNVAV -0,008 R-square 0,252 0,257 0,257 0,26 F-waarde 6,038*** 5,656*** 5,656*** 4,876*** Hoogste VIF 1,753 1,78 1,76 1,751 *** Significant op 0.01 niveau ** Significant op 0.05 niveau * Significant op 0.10 niveau
4.4 Betrouwbaarheidscontrole
Om de betrouwbaarheid te controleren zijn de onafhankelijke variabelen op een andere manier geoperationaliseerd. Beschrijvende statistieken over deze anders geoperationaliseerde variabelen staan in tabel 5. Het niet voldoen aan verwachtingen is in tegenstelling tot in de vorige regressies niet gemeten door de ondernemingen in twee groepen te verdelen, maar door de procentuele winstdaling te meten. Zo ontstaat een continue variabele die rekening houdt met de omvang van de winstverandering. Deze variabele is door toepassing van winsorizing voor uitschieters gecorrigeerd. De winst bleek gemiddeld 44,77% toegenomen, dus de winstdaling was -0,4477%. Na winsorizing bedroeg de standaarddeviatie 4,5 en was het minimum -35,56% en het maximum 10,62%.
Voor de betrouwbaarheidscontrole van exceptional items is de omvang van exceptional items gemeten. Ook hier zijn de verkregen resultaten middels winsorizing aangepast om de invloed van uitschieters te beperken. De omvang van exceptional items was gemiddeld -$81.901,11. Het aanpassen van de GAAP cijfers door exceptional items uit te sluiten leidt dus gemiddeld tot resultaten die $81.901,11 hoger zijn. Enkel kijkend naar de invloed van exceptional items
