Amsterdam Business School
Een onderzoek naar low-balling in crisistijd
Name: Gerrit Plat
Student number: 6184375 Date: 6 november 2015 No. of words: 13,122
Supervisor: Prof dr. L.R.T. van der Goot
MSc Accountancy & Control, specialization Accountancy Faculty of Economics and Business, University of Amsterdam
Statement of originality
This document is written by student Gerrit Plat 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.
Abstract
In deze paper wordt onderzoek gegaan naar de relatie tussen de financiële crisis en low-balling in de accountancysector. Low-balling wordt door DeAngelo (1981) beschreven als het aangaan van een opdracht tussen accountant en cliënt waarbij de audit fees lager zijn dan de kosten van de accountantskantoor in het eerste jaar van de controle. De accountant gaat deze overeenkomst toch aan om de cliënt binnen te kunnen halen.
Er is sprake van een voortdurend debat over low-balling binnen de accountancysector en de mogelijke invloed hiervan op de onafhankelijkheid van de accountant. De financiële crisis en daarbij behorende (prijs)druk op de accountancysector heeft hierbij mogelijk een versterkend effect.
Bij dit onderzoek is gebruik gemaakt van de gegevens van Amerikaanse beursgenoteerde bedrijven in de tijdsperioden 2005-2008 en 2009-2012. De auditfee gegevens zijn afkomstig uit de AuditAnalytics database van Wharton Research Data Services (WRDS).
De resultaten tonen aan dat low-balling op een significante wijze plaatsvindt. Dit effect is groter tijdens de financiële crisis dan voor de financiële crisis. Dit duidt erop dat het wegvallen van klanten vanwege faillissementen en de toegenomen prijsdruk hebben geleid tot een toename van de prijsconcurrentie binnen de accountancysector.
Ook is onderzoek gedaan naar de prijskortingen die Big4 kantoren geven ten opzichte van de prijskortingen door non-Big4 kantoren. Hieruit blijkt dat bij overstap naar een kleiner kantoor sprake is van significant lagere prijzen. Bij overstap naar Big4 kantoren is geen sprake van significant lagere prijzen.
Inhoud 1 Introductie ... 5 2 Literatuur ... 7 2.1 Audit fees ... 7 2.2 Low-Balling ... 8 2.3 Hypotheses ... 12 2.4 Samenvatting hoofdstuk 2 ... 14 3 Onderzoek hypothese 1 ... 16 3.1 Hypothese 1 ... 16
3.1.1 Auditfee model, data en beschrijvende statistiek ... 16
3.1.2 Correlatie ... 21
3.1.3 Regressie analyse ... 24
4 Onderzoek hypothese 2 ... 27
4.1 Opbouw datasets ... 27
4.2 Omvang datasets ... 28
4.3 Dataset analyse en beschrijvende statistiek ... 28
4.4 Correlatie en regressie ... 31
4.4.1 Correlatie ... 31
4.4.2 Regressie ... 36
5 Onderzoek hypothese 3 ... 41
5.1 Onderzoek en dataset ... 41
5.2 Beschrijvende statistiek en correlatie ... 43
5.3 Regressie analayse ... 46
6 Conclusies ... 48
1 Introductie
De onafhankelijkheid van en concurrentie tussen accountants is al jaren een belangrijk item in de accountancy literatuur. Boekhoudschandalen en fraudes zijn aanleiding om de rol en de onafhankelijke positie van accountants nader te beschouwen. Ook wordt middels wet- en regelgeving getracht de onafhankelijkheid van accountants ten opzichte van hun cliënten te vergroten. Zo heeft de Amerikaanse Sarbanes-Oxley (2002, p.27-28) bijna alle non-audit services door de externe controlerende accountant verboden. Ook wordt in de Europese Unie vanaf 2016 een verplichte accountantsroulatie voor beursgenoteerde bedrijven van kracht na 10 jaar en worden ook daar de non-audit services bij een controlecliënt ingeperkt.
Bij de discussie over de onafhankelijkheid spelen ook de fees die accountants bij hun cliënten in rekening brengen en de salarissen in de sector een belangrijke rol. Big 4 kantoor KPMG heeft in september 2014 zelfs aangekondigd dat de leden van de raad van bestuur voortaan een vaste beloning krijgen, met een variabel deel van slechts 10%. Dit alles om het vertrouwen van cliënten en andere stakeholders weer terug te winnen.
‘Low-balling’ is een onderwerp dat ook veel discussies oproept over de onafhankelijkheid van accountants. Low-balling wordt door DeAngelo (1981) beschreven als het aangaan van een opdracht tussen accountant en cliënt waarbij de audit fees lager zijn dan de kosten van de accountantskantoor in het eerste jaar van de controle. De accountant gaat deze overeenkomst toch aan om de cliënt binnen te kunnen halen.
De SEC (U.S. Securities and Exchange Commission) sprak al in 1977 zijn bezorgdheid uit over low-balling in de accountancysector. Dit zou kunnen leiden tot een overproductie van onrechtmatige verklaringen.
Vanwege de accountancyschandalen in de crisistijd is sprake van een toenemende kritiek op het commerciële karakter van de accountancysector. De afgelopen jaren is low-balling daardoor nog steeds een onderwerp van gesprek. Zo roept Tsang (2011) de AFM (Autoriteit Financiële Markten) op om te toetsen of offertes marktconform zijn. Accountantskantoor Baker Tilly wijdt een winstdaling in zijn jaarverslag over het boekjaar dat eindigt op maart 2013 zelfs gedeeltelijk aan omzetverlies vanwege low-balling door de concurrenten. Het is daarom interessant om te onderzoeken of low-balling ook in crisistijd plaatsvindt, ondanks de toegenomen kritiek en druk op het commerciële karakter van de accountancysector. Naar mijn weten is de invloed van de financiële crisis van na 2008 op low-balling tot op heden niet onderzocht.
De financiële crisis kan low-balling vergroten, omdat de accountantskantoren zich genoodzaakt voelen om te concurreren op prijs om zo cliënten binnen te halen. Hiermee kan de misgelopen omzet, vanwege het faillissement van cliënten worden gecompenseerd. Anderzijds is er het mogelijk dat de accountants zich ervan bewust zijn dat hun omgeving risicovoller is, waardoor zij minder risico’s nemen om een cliënt binnen te kunnen halen.
De onderzoeksvraag in deze paper luidt daarom als volgt:
Is er een relatie tussen de financiële crisis van na 2008 en low-balling? Zo ja, van welke aard is de invloed van de financiële crisis op de mate van low-balling?
In hoofdstuk 2 van deze papier worden de theorieën omtrent audit fees en low-balling verder uiteengezet. In hoofdstuk 3 zal worden onderzocht of low-balling op significante wijze plaatsvindt als onderzoek wordt gedaan naar de gehele database (jaren 2005 tot en met 2012). Naar analogie van Sankaraguswamy et al. (2012) zal in de database in hoofdstuk 4 worden verdeeld in de volgende 4 datasets:
2005 t/m 2007 (set 1), met een wijziging van de accountant in 2006, voor de financiële crisis. 2006 t/m 2008 (set 2), met een wijziging van de accountant in 2007, voor de financiële crisis. 2009 t/m 2011 (set 3), met een wijziging van de accountant in 2010, na de financiële crisis 2010 t/m 2012 (set 4) met een wijziging van de accountant in 2011, na de financiële crisis
Waarbij onderzocht wordt of low-balling significanter is na of voor de financiële crisis. In hoofdstuk 5 wordt onderzoek gedaan naar prijskortingen bij overstap naar een Big4 kantoor of naar een non-Big4 kantoor. In hoofdstuk 6 volgen de conclusies
2 Literatuur
In dit hoofdstuk zal de reeds bestaande relevante literatuur worden uitgewerkt.. De begrippen die daarbij een belangrijk rol spelen zijn audit fees en daar uit voort vloeiend low-balling. In paragraaf 1 zal de omschrijving van audit fees kort uiteen worden gezet. In paragraaf 2 zal ik de bestaande literatuur inzake low balling verder uiteenzetten.
In 2000 heeft de Securities and Exchange Comission (SEC, 2000) het publiceren van audit fees verplicht gesteld voor beursgenoteerde ondernemingen. Daarbij worden de volgende vier vormen van audit fees onderscheiden:
2.1 Audit fees
1) Audit services fees
Dit zijn de verleende diensten die specifiek gericht zijn op het uitvoeren van de standaard controle, het formuleren van de accountantsverklaring en het uitwerken van de verplichte kwartaalreviews.
2) Audit related-services
Audit related-services zijn aanvullende opdrachten die worden uitgevoerd door de externe accountant. Een voorbeeld is due diligence onderzoek en uitgevoerde diensten in relatie met financial reporting die niet wettelijk of statutair verplicht gesteld zijn
3) Tax services
Dit zijn werkzaamheden met betrekking tot tax compliance. Uitgevoerd door de tax-afdeling van de externe accountant.
4) All other services
Alle services die niet kunnen worden ingedeeld bij de eerste drie categorieën.
Dit onderzoek zal zich richten op de audit service fees, omdat de overige 3 vaker worden beïnvloed door incidentele gebeurtenissen (bijvoorbeeld wijzigingen tax-regelgeving, incidentele due diligence opdrachten). Naar de hoogte van audit fees hebben diverse onderzoeken
Er zijn echter ook onderzoeken waaruit geen significante relatie blijkt. De discussie omtrent audit fees zal in de deze paper niet verder worden uitgewerkt, omdat deze paper zich richt op het specifieke geval van low-balling en niet op het zeer brede begrip van audit fees.
2.2 Low-Balling
Low-balling is het binnen halen van een cliënt voor een lagere prijs, om zo in de toekomst geld te kunnen verdienen aan deze cliënt. Low-balling is geen begrip dat specifiek gelieerd is aan accountancy. Ook in andere bedrijfstakken wordt onderzoek gedaan naar deze verkooptechniek. Zoals bijvoorbeeld naar aanbestedingen van wegen (Limi,2013), verzekeringen (D'Arcy and Neil A. Doherty, 1990), en kabel televisie monopolies (Williamson, 1976) en het binnenhalen van donateurs van goede doelen (Weyant, 1996). De effectiviteit van low-balling wordt door Kiesler (1971) verklaard door de theorie van betrokkenheid. Deze theorie is gebaseerd op het psychologische effect van een afkeer tegen verandering. Als een beslissing is genomen, blijven mensen vaak bij deze beslissing. Zelfs als de kosten van deze beslissing aanzienlijk zijn toegenomen. Mensen zullen graag bij hun aanvankelijke beslissingen willen blijven, zelfs als de opbrengsten van deze beslissingen lager zijn dan werd gedacht.
Low-Balling wordt door DeAngelo (1981) beschreven als het aangaan van een opdracht tussen accountant en cliënt waarbij de audit fees in het eerste jaar lager zijn dan de kosten van de accountantskantoor in het eerste jaar van de controle.
De accountant gaat deze overeenkomst toch aan om de cliënt binnen te kunnen halen. In haar onderzoek geeft DeAngelo aan dat zowel de SEC, als de Commission on Auditors (Cohen Commission) in de jaren 70 hebben aangegeven dat low-balling kan leiden tot impairment van de onafhankelijkheid van de controlerend accountant. Volgens DeAngelo heeft opzichzelf balling echter geen impact op de onafhankelijkheid van de accountant. Volgens haar is low-balling puur een competitieve reactie op de aanwezigheid van toekomstige quasi-rents. Quasi rents zijn de extra opbrengsten, die de reeds met de cliënt bekende accountant heeft. Omdat hij de investering van de kosten van het eerste jaar niet meer hoeft te maken. De aanwezige en nog te verdienen quasi rents hebben wel invloed op de onafhankelijkheid van de accountant, niet het low-ballen zelf. De kosten die daarbij in het verleden zijn gemaakt (sunk cost) hebben daarbij geen invloed meer op de onafhankelijk. Er zijn echter ook onderzoeken gericht op de psychologie die aangeven dat sunk costs wel een psychologisch effect hebben op toekomstig gedrag en beslissingen (Arkes & Blummer, 1985).
Dye (1991) bekritiseert de paper van DeAngelo. Hij geeft aan dat DeAngelo er van uit gaat dat alle onderhandelingsmacht bij de accountant ligt. Dye komt met twee alternatieve scenario’s. Bij de eerste theorie kan de cliënt door zijn onderhandelingskracht voorkomen dat hij teveel betaalt in de jaren na het eerste jaar. De accountant heeft daarom geen aanleiding om het eerste jaar een lagere prijs aan te bieden, omdat dit de accountant in de hierop volgende jaren niets oplevert.
Het 2de scenario is gericht op de samenhang tussen low-balling en de onafhankelijkheid
van de accountant. Dye beargumenteert dat stakeholders (bijv. investeerders) de aanwezigheid van quasi rents zien als een afname van de onafhankelijkheid. Zij zullen hierop inspelen en vanwege het risico meer rendement verlangen als sprake is van quasi rents. Voorwaarden hierbij is echter wel dat de audit fees (quasi rents) publiekelijk beschikbaar zijn. Als deze niet publiek beschikbaar zijn, heeft de cliënt zelfs baat bij het betalen van hoge fees (quasi rents), zodat hij de accountant kan beïnvloeden. Dye verwacht daarom ook dat low-balling niet meer zal bestaan als de audit fees publiek beschikbaar zijn.
Naast de financiële crisis kunnen ook andere recente ontwikkelingen een rol spelen bij de mate van low-balling. De regelgeving is het afgelopen decennium strenger en complexer geworden. Voornamelijk door de invoer van de Sarbanes-Oxley Act in Amerika vanaf juli 2002. Eén van de onderdelen hiervan is section 404, waarbij zowel de accountant als de onderneming een verklaring moet verstrekken over de effectiviteit van de interne controle van de onderneming. Inmiddels hebben diverse onderzoeken plaatsgevonden naar de invloed van Sarbanes-Oxley op de relatie tussen accountants en hun cliënten.
Huang et al. (2009) hebben onderzoek gedaan naar low-balling in de SOX-periode ten opzichte van de pre-SOX periode. Zij hebben onderzoek gedaan naar de wijzigingen van accountant in zowel 2001 en 2006. Uit hun onderzoek blijkt dat cliënten die in 2001 van accountant wisselen 24% minder betalen dan in het voorgaande jaar. Terwijl cliënten die in 2006 van accountant wisselden juist een forse extra premie betalen in het eerste jaar. Zij verklaren dit onder andere doordat accountants conservatiever geworden vanwege de strengere regelgeving. Zij maken daardoor weloverwogen keuzes bij het aannemen van nieuwe cliënten en hun prijsstrategie. Ook geven zij aan dat zij veel meer werkzaamheden moeten verrichten en dat hierdoor sprake is van een toename van de audit fees. De noodzaak om te low-ballen om nog extra cliënten binnen te halen is hierdoor afgenomen. Dit onderzoek richt zich echter op het jaar 2006, dit is voor de uitbraak van de financiële crisis.
In een vervolgonderzoek op de paper van Huang et al. (2009) door Desir et al (2014) worden enkele redenen beschreven, waarom low-balling verminderd zou moeten zijn na de invoering van SOX. Één van de doelen van de SOX regels en restricties was het vergroten van de audit quality door toegenomen conservatisme van accountants. SOX verbiedt het aanbieden van dure non-audit servies voor accountants die ook een jaarrekening controle uitvoeren. Hierdoor is het minder aantrekkelijk om een cliënt binnen te halen met een lage auditfee. Daarnaast zijn de regels en procedures voor accountants toegenomen, dit heeft stijgende kosten tot gevolg. Hierdoor zal low-balling minder aantrekkelijk zijn geworden. Desir et al (2014) geeft echter ook redenen voor een stijging van low-balling. Zo zijn de omvang van de werkzaamheden en de risico’s voor de accountant toegenomen. Hierdoor zijn de fees voor een audit gestegen. Mogelijk switchen cliënten daarom vaker naar (aanvankelijk) goedkopere accountants om deze kosten te drukken. De PCAOB (Public Company Accounting Oversight Board) is bezorgd dat de economische crisis zorgt voor dalende auditfees en ongewenste reducties in de omvang van de auditwerkzaamheden (PCAOB, 2010, 25).
Uit het onderzoek van Desir blijkt dat in de periode 2007-2010 low-balling wel significant was. Mogelijk heeft de financiële crisis, de daarbij ontstane prijsdruk en het wegvallen van enkele grote klanten als gevolg van faillissementen alsnog geleid tot een afname van het conservatisme waarover Huang et al (2009) spreken.
De papers van DeAngelo en Dye zijn toonaangevende papers in het onderzoek naar low-balling, maar zijn niet onderbouwd met statistische gegevens. In de jaren 80 hebben Simon en Francis (1988) onderzoek gedaan naar een daling van kosten in het eerste jaar na het switchen van accountant. Zij maken gebruik van een database waarbij 214 bedrijven van accountant wisselen en 226 bedrijven dezelfde accountant houden. Uit de resultaten blijkt dat de bedrijven die van accountant wisselden een fee hebben die 24% lager ligt dan het gemiddelde. Na het 4de jaar is de fee van de bedrijven die van accountant wisselde echter weer gelijk getrokken. Uit dit onderzoek blijkt derhalve wel een vorm van low-balling. Ook recent hebben nog onderzoeken plaatsgevonden naar low-balling. Een recent onderzoek uit Duitsland van Krauß et al. (2014) richt zich op Duitse ondernemingen in de periode 2005-2011. Deze resultaten ondersteunen wel de theorie van DeAngelo, er is namelijk wel sprake van low-balling.
De hypotheses van Dye worden verworpen. Bedrijven zijn namelijk ook hun Duitsland verplicht hun audit fees naar buiten te brengen, toch is sprake van low-balling.
Andere recente onderzoeken laten wisselende resultaten zien als het gaat om een significante vorm van low-balling. Bigus & Zimmerman (2009), Köhler et al (2010) vinden geen significante vorm van balling. Wild (2010) vindt alleen significante ondersteuning van low-balling bij een overgang naar een big four (KPMG, PWC, EY, Deloitte) kantoor. Krauß et al. Zimmerman (2009) aan een te lage steekproefomvang. Een overzicht is opgenomen in tabel 1.
Tabel 1: Voorgaande onderzoeken naar Low-Balling
Auteurs (jaar) Onderzoek
speriode Omvang steekproef Low-balling significant Duitsland Krauß, Quosigk, Zülch (2014) 2005-2011 992 Ja
Bigus & Zimmerman (2009) 2005 120 Nee
Köhler et. L (2010) 2005-2007 1341 Ja
Wild (2010) 2005-2008 892 Alleen bij Big4 kantoren
Amerika
Ghosh & Lustgarten (2006) 2000-2003 12582 Ja Sankaaraguruswamy, Whisenant,
Willenborg (2012) 2000-2007 21665 Ja
Australië
Francis (1984) 1974-1978 26 Nee
Butterworth & Houghton (1995) 1987-1988 37 Nee Craswell & Francis (1999) 1985-1987 225 Nee Verenigd Koninkrijk
Pong & Whittingon (1994) 1981-1988 74 Ja
Gregory & Collier (1996) 1991 35 Ja
In de paper van Krauß et al (2014) wordt ook onderzoek gedaan naar de invloed van de low-balling op audit quality. Hierbij wordt niet gevonden dat low-low-balling zorgt voor een impairment van de audit quality. Zij vinden het reguleren van accountancy prijzen dan ook onnodig.
Ghosh & Lustgarten (2006) vinden wel significante vorm van low-balling in Amerika. Het onderzoek van Ghosh & Lustgarten (2006) richt zich ook voornamelijk op de verschillen tussen Big4 kantoren en non-big4 kantoren. Zij beschrijven dat de markt van accountantskantoren bestaat uit een oligopolie (Big4 kantoren), en een sterk versplinterde sector (de overige kleinere kantoren). Uit het onderzoek van Ghosh & Lustgarten (2006) blijkt dat de concurrentie en low-balling minder sterk is bij Big4 kantoren, in vergelijking met de overige kantoren. Dit is in overeenstemming met de definitie van een oligopolie, waarbij concurrentie op basis van prijs minder vaak voorkomt. Echter, in een artikel van Craswell & Francis (1999) wordt
worden geleverd als vooraf onduidelijkheid bestaat of daadwerkelijk sprake is van een hoogwaardig product. Hiervan is volgens Craswell & Francis sprake bij een accountantscontrole. Uit de resultaten van Craswell & Francis komt dan ook naar voren dat alleen sprake is van discounting als sprake is van een overstap naar een Big4 (destijds was sprake van een Big8). Ook Wild (2010) vindt bij een onderzoek naar Duitse Firma’s alleen een significante vorm van low-balling als het gaat om een overstap naar Big kantoor.
Iets recenter hebben Sankaraguruswamy et al. (2012) ook onderzoek gedaan naar low-balling. Zij richten zich daarbij op de jaren van 2000 tot en met 2007 en specifiek op Big4 kantoren. Zij vinden een significante vorm van low-balling. Zij doen ook onderzoek naar de audit quality en low-balling. Maar vinden hiervoor geen significante resultaten.
In een krantenartikel geschreven door Steven R. Strahler (2010), wordt echter opgemerkt dat prijsconcurrentie door Big4 firms tijdens de financiële crisis fors is toegenomen. Hierin wordt beschreven dat grote bedrijven zijn omgevallen en dat alle Big 4 kantoren hierdoor geraakt zijn. Voorbeelden zijn de faillissementen van of overheidssteun aan Lehman Bros (Ernst & Young), Merrill Lynch en Fannie Mae (Deloitte), Countrywide Financial Corp (KPMG) en Freddie Mac (PWC) Joseph Adams, een partner van een kleiner accountantskantoor RSM McGladrey Inc., geeft in het artikel van Strahler aan dat Big4 kantoren de audit fees met circa 30% hebben laten dalen. Hiermee proberen zij meer cliënten binnen te halen en hierdoor het omzetverlies vanwege de faillissementen goed te maken. McGladrey moest daarom ook een fee daling van circa 10% doorvoeren om competitief te blijven. De conclusies van Ghosh & Lustgarten zijn dus mogelijk achterhaald als gevolg van de financiële crisis. Wij zullen in deze paper onderzoeken of deze lagere prijzen een vorm van low-balling waren.
2.3 Hypotheses
In deze paragraaf zal ik aan de hand van de drie hypotheses de volgende vraag onderzoeken:
Is er een relatie tussen de financiële crisis en low-balling? Zo ja, van welke aard is de invloed van de financiële crisis op de mate van low-balling?
Als gevolg van de in paragraaf 2.1 besproken tegenstrijdige theorieën van DeAngelo (1981) Dye (1991) en de onduidelijkheid die voortkomt uit de bestaande statistische onderzoeken zijn de volgende hypothese opgesteld:
Hypothese 1:
H1: Audit fees zijn niet significant lager in het eerste jaar na het aanstellen van een nieuwe accountant.
Deze hypothese richt zich niet op resultaten voor en na de financiële crisis. Dit zal worden onderzocht bij hypothese 2.
Amerikaanse bedrijven zijn sinds de invoering van Sarbanes-Oxley verplicht om Audit Fees te publiceren. Echter, ondanks deze beschikbare informatie kunnen low-balling of quasi rents niet direct worden getest. Gegevens inzake de kosten van een audit zijn immers niet (publiek) beschikbaar. Daarom worden audit fees in de eerste jaren na het wijzigingen van de accountant gebruikt als indirecte indicator voor low-balling Uit het onderzoek van Simon & Francis (1988) blijkt dat de audit fee in het jaar van wijzigen van de accountant daalt, in de twee hier op volgende jaren stijgen de fees weer terug naar het niveau van voor de daling. Als de aannames van Dye correct zijn, dan zal geen sprake zijn van lagere fees in het eerste jaar en zullen wij H1 niet kunnen verwerpen. Wij zullen ons conform het onderzoek van Simon & Francis (1988) richten op de het jaar van wijzigingen en de twee volgende jaren.
Hypothese 2:
Hypothese 2 richt zich op de financiële crisis. De financiële crisis is in 2007 gestart. Dit onderzoek richt zich op low-balling door accountantskantoren, die hiermee mogelijk hun (vanwege faillissementen) verloren omzet proberen goed te maken. Dit was in 2007 voor accountantskantoren nog niet van toepassing.
De gegevens zullen zich eerst richten op de jaren voor de crisis op een accountant wijziging voor de boekjaren 2006 en 2007. Voor de jaren tijdens de financiële crisis wordt onderzoek gedaan naar een wijziging van accountant in de jaren 2010 en 2011.
H2: Er is geen verschil tussen low-balling in crisistijd ten opzichte van de jaren voor de financiële crisis van 2008.
Hypothese 3:
Ghosh & Lustgarten (2006) verdelen de accountancymarkt in een oligopolie (Big4 kantoren) en sterk versplinterde sector (overige, kleine accountantskantoren). Uit hun onderzoek (gericht op de jaren 2010 t/m 2013) komt naar voren dat korting in het jaar van wijzigen van accountant minder voor komt bij Big4 kantoren, dit is in overeenstemming met de typologie.
In een recenter artikel (Strahler, S.R., 2010) wordt echter aangegeven dat Big4 kantoren in de financiële crisis juist sterk concurreren op prijs. Hiermee proberen zij de verloren omzet vanwege faillissementen van hun cliënten goed te maken. Het is daarom een interessante vraag of low-balling door Big4 kantoren sinds de crisistijd significant groter is geweest.
Hypothese3: Korting op de auditfee in het eerste jaar na wijziging van accountant komt significant vaker voor bij non-Big4 kantoren dan bij Big4 kantoren.
2.4 Samenvatting hoofdstuk 2
In de afgelopen jaren is veelvuldig onderzoek gedaan naar audit fees en low-balling. Dit onderzoek richt zich specifiek op de fees in rekening gebracht door een auditor die tot een controleverklaring is gekomen. Low-Balling wordt door DeAngelo (1981) beschreven als het aangaan van een opdracht tussen accountant en cliënt waarbij de audit fees in het eerste jaar lager zijn dan de kosten van de accountantskantoren in het eerste jaar van de controle.
Twee toonaangevende papers op het gebied van low-balling zijn van DeAngelo (1981) en Dye (1991). DeAngelo verwacht wel dat low-balling wordt toegepast om cliënten binnen te halen. Dye geeft daarentegen aan dat dit effect zal verdwijnen, als sprake is van publiek beschikbare auditfees. Omdat low-balling gezien zou worden als een afname van de onafhankelijkheid van de accountant. In recentere artikelen is veel statistisch onderzoek gedaan naar low-balling. Bij deze onderzoeken is sprake van wisselende resultaten, maar veelal wordt low-balling in de accountancysector wel significant aangetoond; zie het overzicht in tabel 1. Gosh & Lustgarten (2006) onderkennen hierbij nog een onderscheid tussen Big4 kantoren en de grote groep van kleinere accountantskantoren. Zij definiëren de Big4 kantoren als een oligopolie en de kleinere kantoren als een sterk versplinterde sector. Op basis van deze marktomschrijvingen geven zij aan dat bij Big4 kantoren geen sprake zal zijn van een significante manier van low-ballen. Uit andere onderzoeken van Craswell & Francis (1999) en Wild (2010) blijkt echter juist dat low-balling vaker voorkomt bij Big4 kantoren dan bij non-Big4 kantoren. In een krantenartikel van Steven R. Strahler (2010) wordt beschreven dat ook de financiële crisis invloed zou hebben op de low-balling/prijsconcurrentie door accountantskantoren. Zo zouden met name Big4 kantoren een lagere fee hanteren om zo nieuwe cliënten te werven. Met deze prijsstrategie zouden de kantoren door faillissementen verloren gegane omzet goede proberen te maken. Hiernaar zal onderzoek worden gedaan in de volgende hoofdstukken. In hoofdstuk 3 wordt low-balling over een brede periode (zowel data voor als na de financiële crisis) onderzocht.
In hoofdstuk 4 wordt de database verdeeld in 7een gedeelte voor en na de financiële crisis en wordt onderzoek gedaan naar low-balling in deze beide perioden. In hoofdstuk 5 worden de verschillen tussen low-balling door Big4 en non-Big4 kantoren onderzocht.
3 Onderzoek hypothese 1
3.1 Hypothese 13.1.1 Auditfee model, data en beschrijvende statistiek
In dit onderzoek wordt onderzoek gedaan naar de in paragraaf 2.3 beschreven hypothese. Deze hypothese luidt als volgt:
H1: Audit fees zijn niet significant lager bij het eerste jaar na het aanstellen van een nieuwe accountant.
In dit stadium van het onderzoek is nog geen sprake van een onderscheid tussen de audit fees voor en na de financiële crisis. Bovenstaande hypothese is in het verleden al vaak onderzocht en beschreven. Met wisselde resultaten. Dit is uitgebreid beschreven in hoofdstuk 2. Twee toonaangevende papers zijn van DeAngelo (1981) en Dye (1991). Waarbij DeAngelo aangeeft dat er wel sprake is van low-balling en Dye aangeeft dat low-balling zal verdwijnen als sprake is van het publiek openbaar maken van audit fees.
Bij het onderzoek van de hypothesen wordt gebruik gemaakt van het Auditfee model, dit model is reeds in diverse andere papers gebruikt (Simunic, 1980, Bigus & Zimmermann, 2009, Krauß et al (2014).
ΔLNAUDITFEE = β0 + β1AUDITORCHANGE + β2TENURE1 + β3 BIGFOUR + β4LOSS
+ β5 NBS + β6 LNTA + β7ΔINVREC + + β8 Busy Season + β9 GOINGCONCERN + β10 RESTATEMENT+ ε
LNAUDITFEE = Natuurlijke logaritme van audit fees;
AUDITORCHANGE=Een 1 als sprake is van wijziging van accountant, anders een 0;
TENURE1= Een 1 als in het voorgaande jaar van accountant is gewijzigd, een 0 als dit niet zo is;
BIGFOUR =Een 1 als de accountant een BIGFour kantoor is (PWC, KPMG, Deloitte, EY), anders een 0;
LOSS = Een 1 als sprake is van een negatieve EBIT, een 0 als sprake is van een positieve EBIT; NBS= Log van het aantal business segmenten volgens de Compustat database;
LNTA=LN van de totale activa;
INVREC= Som van de vooraad en de vorderingen gedeeld door de totale activa;
GOING CONCERN= Een 1 als de accountant een going concern verklaring heeft afgegeven, anders een 0;
RESTATEMENT = Een 1 als sprake is van een restatement door de accountant, anders een 0.
Alle genoemde variabele zijn reeds in eerdere literatuur gebruikt. De variabelen worden hieronder kort besproken.
Auditorchange
Betreft een wijziging van de accountant. Onderzocht wordt welke impact dit heeft op de
auditfee. Een daling van de auditfee wordt verwacht als de accountant wijzigt. Er wordt derhalve een negatieve relatie verwacht tussen auditorchange en auditfee zoals ook gevonden door Krauß et al. (2014).
Tenure1
Heeft betrekking op het jaar na de auditfee verandering. De verwachting is dat de auditfee in dit jaar na de wijziging weer op hetzelfde niveau ligt als zonder wijziging in het voorgaande jaar. Dit is in overeenstemming met de paper van Krauß et al. (2014). Dus voor de variabele tenure1 wordt geen significante negatieve of positie relatie met audit fee verwacht.
Bigfour
Bigfour is een proxy voor de omvang van de accountantskantoren. Van grote audit firms wordt verwacht dat zij meer AuditQuality leveren. Daardoor kunnen zij een hogere fee vragen
(Craswell,Francis & Taylor, 1995). Een positieve relatie wordt verwacht tussen een audit door een bigfour kantoor. In eerdere papers (oa Krauß et al. (2014), Butterworth & Houghton (1995), Francis & Taylor (1995)) werd de deze positieve relatie ook gevonden.
Loss
Omdat accountants een hogere fee vragen bij meer risico, wordt een positieve correlatie verwacht (Ghosh & Lustgarten, 2006). Daarom wordt een positieve correlatie verwacht tussen loss en audit fee.
NBS
Betreft een proxy voor complexiteit. Hoe meer business segmenten des te compexer de cliënt. Wordt verwacht dat een hoge complexiteit leidt tot een hoge auditfee (Simunic, 1980).
LNTA
Betreft een proxy voor de omvang van de cliënt. Door LNTA op te nemen in het model wordt rekening gehouden met de omvang van de ondernemingen (Choi et al., 2010).
INVREC
Betreft een proxy voor cliënt complexiteit. Verwachting is dat dit positief correleert met LNAuditee (Simunic, 1980). Dit is in overeenstemming met de resultaten volgens de paper van Choi et al. (2010).
Busy Season
Verwacht wordt dat accountants hogere fees rekenen tijdens het busy season (Hay et al., 2006). Cliënten waarvan het boekjaar in december of januari eindigt (meestal 31 december) worden vaak in januari/februari/maart gecontroleerd. Dit is een hele drukke periode voor accountants, waardoor deze cliënten vaak een hogere fee betalen dan cliënten die niet in deze periode gecontroleerd hoeven te worden. Uit het onderzoek van Hay et al (2006) blijkt dan ook een positieve correlatie tussen audit fee en de variabele Busyseason.
Going Concern en Restatement
Zowel going concern als Restatement zijn variabelen die rekeningen houden met het verhoogde risico van een cliënt. En positieve correlatie wordt verwacht van deze variabele met LNAuditfees (Choi et al., 2010).
Dataset en beschrijvende statistiek
Voor de analyse wordt gewerkt met de gegevens van Amerikaanse beursgenoteerde bedrijven, de dataset is verkregen uit de AuditAnalytics database van Wharton Research Data Services (WRDS). De database van AuditAnalyics bevat vele gegevens inzake audit fees en andere audit gerelateerde data van vele verschillende beursgenoteerde ondernemingen in verschillende landen en van meerdere jaren. Bijvoorbeeld de audit fees van de externe accountant. Bij het onderzoek wordt gebruik gemaakt van Amerikaanse beursgenoteerde bedrijven, omdat hierover de meeste data (relevante) beschikbaar is.
Bij het onderzoek worden ook bedrijfskenmerken (resultaten, balansgegevens, bedrijfssegmenten) gebruikt in de datasets. Deze gegevens zijn afkomstig uit de Compustat database. De geselecteerde jaren betreffen de jaren 2005-2012. De aanvankelijke database afkomstig uit AuditAnalytics bevat 114.884 waarnemingen. Omdat van diverse bedrijven in de AuditAnalytics database niet alle relevante gegevens beschikbaar zijn in Compustat zijn diverse waarnemingen verwijderd. Uiteindelijke wordt voor de analyse van hypothese één gewerkt met een database van 37.491 waarnemingen verspreid over de jaren 2005-2012.
Gegevens database hypothese 1
Gegevens afkomstig uit Database Auditanalytics 114,884
Auditfee <$5.000 5,729
Geen verklaring afgegeven 6,956
Verwijderen duplicaten 2,826
Geen match met Compustat database:
Geen balans of V&W gegevens beschikbaar in Compustat database 53,814 Geen gegevens inzake bedrijfssegmenten beschikbaar in database 6,639
Geen EBIT Cijfers beschikbaar 1,429
Aantal waarnemingen hypothese 1 37,491
Verdeling aantal waarnemingen over de jaren
2005 2006 2007 2008
5025 4568 4049 4315
2009 2010 2011 2012 2013
4107 4098 3941 3687 3701
De waarnemingen met een audit fee kleiner dan $ 5.000 (5.729 waarnemingen) en waarnemingen waarbij de accountant geen verklaring heeft afgegeven (6.956) zijn verwijderd. Bij deze waarnemingen is veelal sprake van meerdere accountantsorganisatie die samengewerkt hebben aan een audit. Daarbij is echter maar sprake van één accountantsverklaring. De waarnemingen waarbij geen verklaring is afgegeven zijn verwijderd. Daarnaast zijn er in de database diverse duplicaten (2.826) opgenomen. Ook deze zijn verwijderd.
Ten behoeve van de regressie analyse en het definiëren van (dummy) variabelen zijn diverse financiële en bedrijfssegmentgegevens benodigd. Deze gegevens zijn afkomstig uit een andere bron, namelijk Compustat, dan de gegevens van AuditAnalytics database. In de AuditAnalytics database zijn diverse waarnemingen (bedrijven en jaren) opgenomen die niet voorkomen in de Compustat database. Deze waarnemingen zijn derhalve niet bruikbaar voor verder onderzoek. Hierdoor zijn circa 61.882 waarnemingen verwijderd uit de database.
Beschrijvende statistiek
In tabel 2 is de beschrijvende statistiek van de variabelen uit de database opgenomen:
Tabel 2 Beschijvende statistiek LNAUDIT FEES NBS LNTA INVREC Aantal observaties 37491 37491 37491 37491 Gemiddelde 13,386 1,021 12,582 0,238 Mediaan 13,487 1,041 12,698 Standaard- Deviatie 1,443 0,307 2,529 0,202 Laagste waarneming 8,518 0,301 0 0 Hoogste waarneming 18,362 2,057 21,355 1 BIG4 BUSY SEASON GOING CONCERN AUDITOR CHANGE Aantal observaties 37491 37491 37491 37491 Gemiddelde 0,660 0,738 0,089 0,082 Standaard- deviatie 0,466 0,440 0,284 0,274
Vervolg Tabel 2 Beschijvende statistiek
TENURE1 LOSS
RES-STATEMENT 37491 37491 37491 0,641 0,320 0,103 0,245 0,446 0,304 Aantal waarnemingen per jaar 2005 5025 2006 4568 2007 4049 2008 4315 2009 4107 2010 4098 2011 3941 2012 3687 2013 3701
Uit deze waarnemingen zijn een aantal zaken te concluderen. De belangrijkste is dat een verandering van auditor een evenement is dat betrekkelijk weinig voorkomt. Zo’n 8% van de onderzochte ondernemingen wijzigt van accountant in een boekjaar. Ook een Going Concern opinion (circa 9%) en een Restatement (10%) komen niet vaak voor.
Verder wordt 66% van de audits in de dataset uitgevoerd door Big Four kantoren. Circa 74% van de boekjaren eindigen in december/januari hetgeen leidt tot een accountantscontrole tijdens het ‘busy season’.
Voor een eerste indicatie van de samenhang tussen de variabelen is er een correlatieonderzoek uitgevoerd voor alle besproken variabelen. De bevindingen zijn opgenomen in paragraaf 3.1.2.
3.1.2 Correlatie
Voor een eerste indicatie van de samenhang tussen de variabelen is een correlatieonderzoek uitgevoerd voor de variabelen. De correlatieresultaten zijn opgenomen in een correlatiematrix,
Tabel 3 : Correlatie matrix behorende bij Hypothese 1 LnAudit-
fees Bigfour Loss NBS LNTA INVREC Busy season Going- Concern Restate- ment Auditor- change Tenure1 LnAudit -fees 1,000 Bigfour 0,639 *** 1.,000 Loss -0,427 *** -0,293 *** 1,000 NBS 0,526 *** 0,313 *** -0,333 *** 1,000 LNTA 0,875 *** 0,607 *** -0,530 *** 0,477 *** 1,000 INVRE C -0,030 *** -0,113 *** -0,123 *** 0,142 *** -0,092 1,000 Busy season 0,094 *** 0,109 *** -0,007 -0,033 *** 0,114 -0,141 *** 1.0000 Going- concern -0,354 *** -0,281 *** 0,390 *** -0,285 *** -0,452 -0,047 *** -0.020 *** 1,000 Restate -ment 0,001 *** -0,002 *** -0,006 0,037 *** 0,002 -0,001 -0.008 -0,016 *** 1,000 Auditor-change -0,216 *** 0,271 *** 0,116 *** -0,096 *** -0,197 0,035 *** -0.025 *** 0,120 *** 0,009 * 1,000 Tenure1 -0,147 *** -0,226 *** 0,082 *** -0,067 *** -0,149 *** 0,032 *** -0.026 *** 0,076 *** -0,005 -0,078 *** 1,000
***statistisch significant op 1%-niveau ** statistisch significant op 5%-niveau *statistisch significant op 10%-niveau
Geen van de verklarende variabele zijn hoger dan 0,8 of lager dan -0,8 gecorreleerd. Om deze reden zijn de bovengenoemde verklarende variabelen allen opgenomen in de regressiemodellen.
In de statistische literatuur is geen consensus over de hoogte van de correlatiecoëfficient tussen verklarende variabelen en het verwijderen van één van de variabelen uit de regressie analyse. Het verwijderen van variabelen vanwege een te hoge correlatiecoëfficient vindt plaats omdat de variabelen hetzelfde zouden verklaren. Field (2009) houdt in zijn boek een vuistregel van correlatiecoefficienten van 0,80 of 0,90 voor het verwijderen van verklarende variabelen uit een regressie. In andere papers wordt gesproken over een coëfficiënt van 0,5. In deze matrix hebben bijvoorbeeld Bigfour en LNTA een correlatiecoëfficiënt groter dan 0,5 (0,607). Het is logisch dat deze variabelen gecorreleerd zijn.
Voort worden bedrijven met een grote omvang vaker gecontroleerd worden door Big4 kantoren. Deze twee variabelen verklaren mijns inziens echter absoluut niet hetzelfde. Ik heb daarom besloten om een relatief hoge correlatiecoëfficiënt aan te houden in deze scriptie, namelijk een grens van 0,8. Zoals onder andere beschreven door Field (2009). Aanvullend is een regressie gedraaid zonder de variabele LNTA. Dit had geen impact op de significante of de richting van de variabelen Auditorchange of Tenure1. Wel daalt de R-Squared fors (varantie die wordt verklaard door het regressiemodel) van 80,6% naar 56,3%. Het regressiemodel zonder LNTA wordt daarom niet verder besproken of opgenomen in dit onderzoek. Aanvullend is de multicollineariteit ook nog getoetst middels VIF. Dit wordt door Field (2009) beschreven als een betere controlemiddel voor multicollineariteit. Hierbij wordt een vuistregel van een <10 is akkoord aangehouden. De hoogste VIF waarde ziet toe op LNTA en bedraagt 2,43. Dit is fors lager dan 10. Daarom geen correcties aangebracht in het regressiemodel.
Voor het opstellen van de correlatie is door mij een verwachting uitgesproken met betrekking tot de correlatie tussen LNAuditfee en de verklarende variabelen. Deze is opgenomen in tabel 4 en wordt hieronder besproken.
Tabel 4 Correlatie met LNAuditfee
Variabele Verwachting Coëfficiënt
Auditorchange -/- -0,216 Tenure1 ? -0,147 Bigfour + 0,639 Loss + -0,427 NBS + 0,526 LNTA + 0,875 INVREC + -0,030 Busy Season + 0,094 Going Concern + -0,354 Restatement + 0,001
De variabelen Bigfour, NBS, LNTA, Busy Season zijn gecorreleerd conform de verwachting. Loss en going concern laten een negatieve correlatie zien. Dit is vreemd ten opzichte van de verwachting. Een mogelijk verklaring hiervoor is dat de proxies voor de omvang van de onderneming (NBS en LNTA) ook negatief gecorreleerd zijn met loss.
Voornamelijk bij kleinere ondernemingen is sprake van een loss. Kleine ondernemingen hebben een lagere audit fee. Dit is een logische correlatie. De omvang van de werkzaamheden is meestal lager bij kleinere ondernemingen. De variabelen Restatement en INVREC laten een lage correlatie zien. Zowel Auditchange als Tenure1 laten een negatieve correlatie zien.
Dit is voor Auditorchange in overeenstemming met de verwachting. Dit zal verder worden onderzocht middels de regressie.
3.1.3 Regressie analyse
In de paragraaf zal de in paragraaf 3.1.1 beschreven auditfee model getest worden middels een regressie analyse. Middels deze regressie analyse zal hypothese 1 getest worden, deze hypothese luidt: H1: Audit fees zijn niet significant lager bij het eerste jaar na het aanstellen van een nieuwe accountant.
Deze hypothese richt zich met name op de variabelen Auditorchange en Tenure1. De verwachting is dat low-balling wel plaatsvind. De verwachting is dan ook dat de auditfee bij firma’s met een wijziging van auditor significant lager is. Vervolgens wordt verwacht dat dit effect van een lagere auditfee in het jaar hierna weer verdwijnt. Dit wordt door Simon & Francis (1988) beschreven als price-recovery door de accountantskantoren. Waardoor de prijs na één jaar alweer op een normaal niveau ligt.
Bij de regressie wordt gebruik van clusted standard errors. Hiermee wordt gecorrigeerd voor de heterogeniteit van de firma’s. Voor meer informatie over clustered standard errors kan worden verwezen naar de paper van Petersen (2009).
De resultaten van de regressie zijn als volgt
Tabel 5: Regressie analyse hypothese 1
NLAUDITFEE Verwachting Coef. T-Waarde P-waarde
Auditorchange -/- -0,120 -7,71 0,000***
Vervolg tabel 5 BigFour + 0,501 25,41 0,000*** Loss -/- 0,184 12,20 0,000*** NBS + 0,634 23,83 0,000*** LNTA + 0,439 90,11 0,000*** INVREC + 0,379 9,55 0,000*** BusySeason + 0,004 0,22 0,825 Goingconcern + 0,310 13,14 0,000*** Restatement + -0,158 -1,25 0,210
Aantal observaties: 37.491 ***Significant op 1% niveau R-Squared: 0,806 *Significant op 5% niveau F-waarde (Pr>F) 3021,92 (<0.0001) *Significant op 10% niveau
Het regressiemodel heeft een R-Squared van 80,6%. Dat wil zeggen dat 80,6% van de variantie van de variabele NLAuditfees wordt verklaard door de variabelen van het model. Ook is te zien dat alle variabelen met uitzondering van Tenure1, Busyseason en Restatement een significante coëfficiënt hebben op een 1% betrouwbaarheidsniveau. Tenure1, BusySeason en Restatement zijn niet significant.
In de kolom verwachting is de verwachte richting van de richtingscoëfficient opgenomen. De verwachting van deze richting is in alle gevallen uitgekomen. Met uitzondering van de restatement en loss. Restatement is niet significant. Voor de afwijking van loss zijn in paragraaf 3.1.2 reeds enkele verklaringen gegeven.
De bevindingen wijzen erop dat low-balling wel op significante wijze plaatsvindt.. Zo zijn audit fees significant lager in het eerste jaar van de wijziging van accountant. Dit effect van de lagere auditfee verdwijnt in het 2de jaar van de audit. Tenure1 laat namelijk geen significante
lagere auditfee zien. Dit is in overeenstemming met de resultaten van eerder papers zoals bijvoorbeeld Krauß et al. (2014) en Simon & Francis (1988). Dit is ook in overeenstemming met de theorie van DeAngelo (1981) en weerspreekt de theorie dat low-balling verdwijnt als audit fees publiek toegankelijk zijn van Dye (1991). Hypothese 1 kan derhalve worden verworpen.
Nu bekend is dat Low-balling over de hele tijdsperiode 2005-2012 wel heeft plaatsgevonden kan onderzoek gedaan worden naar het verschil voor en na de financiële crisis. De aanpak van dit onderzoek en de resultaten zijn opgenomen in hoofdstuk 4.
4 Onderzoek hypothese 2
4.1 Opbouw datasetsOm de impact van de financiële crisis te meten, wordt de sample verdeeld in vier sets, van 3 jaar per dataset.
Bij dit onderzoek is er voor gekozen om gebalanceerde paneldata te gebruiken. Paneldata betekent dat sprake is van meerdere observaties van meerdere variabelen op verschillende momenten. Gebalanceerde panaldata wil zeggen dat alle eigenschappen (auditfee van een onderneming) elk jaar voorkomen. De vier sets bevatten alleen gegevens van ondernemingen, waarbij de audit fees van alle 3 de jaren bekend zijn. Dit is conform het onderzoek van S. Sankaraguruswamy et al. (2012). Zij deden onderzoek naar de wijziging van de mate van low-balling na de wijziging van disclosure regels in de Verenigde Staten. De verdeling van de datasets is als volgt:
2005 t/m 2007 (set 1), met een wijziging van de accountant in 2006, voor de financiële crisis. 2006 t/m 2008 (set 2), met een wijziging van de accountant in 2007, voor de financiële crisis. 2009 t/m 2011 (set 3), met een wijziging van de accountant in 2010, na de financiële crisis 2010 t/m 2012 (set 4), met een wijziging van de accountant in 2011, na de financiële crisis.
De gegevens in het eerste jaar van de set (T-1) bevatten alleen maar gegevens, waarbij geen sprake is van een wijziging van de auditor in jaar één (bijv. 2005 bij set 1). De gegevens in dit jaar worden gebruikt als de basis, om de impact van de audit fee change in het volgende jaar te bepalen. Omdat een wijziging in 2005 een mogelijke impact zou hebben op de auditfee in de volgende jaren, zijn deze ondernemingen waarbij sprake is van een wijziging in jaar één uit de database gehaald.
Het 2de jaar (jaar T) van de database bevatten gegevens van zowel ondernemingen die wel
als ondernemingen die niet wijzigen van accountant. Het 3de jaar (T+1) bevat gegevens waarbij
geen sprake is van wijziging van accountant. Omdat een wijziging ook zou leiden tot een impact op de auditfee. Terwijl deze wijziging niet relevant is, omdat wij de impact van de wijziging in het voorgaande jaar onderzoeken.
Daar het opzetten van deze datasets zijn de gegevens echt toegespitst op de wijziging in jaar 2 (T). De gegevens in de andere jaren worden niet meer beïnvloed door een wijziging van de
4.2 Omvang datasets
De sample gebruikt voor hypothese 1 bevat 37.491 waarnemingen.
Hierna zijn de waarnemingen ingedeeld in de vier verschillende datasets. Vervolgens zijn de ondernemingen waarbij per set niet alle jaren beschikbaar zijn verwijderd. Het aantal verwijderde ondernemingen en de resterende ondernemingen zijn opgenomen in tabel 6.
Vervolgens zijn de firma’s verwijderd waarbij sprake is van een wijziging van accountant in jaar T-1, en T+1. Door het verwijderen van de incomplete sets en het verwijderen van ondernemingen waarbij sprake is van een wijziging in jaar T-1 en T+1 zijn uit dataset 1 4961 waarnemingen (1654 ondernemingen), dataset 2 4322 waarnemingen (1441 ondernemingen), dataset 3 3393 (1131 ondernemingen) en uit dataset 4 3640 waarnemingen (1213 ondernemingen) verwijderd.
In de vier datasets is de verhoudingen met een wijzigingen en zonder een wijziging als volgt;
Dataset 1: 2005-2007. Totaal 2895 ondernemingen, waarvan 226 ondernemingen met een wijziging in 2006 (jaar T).
Dataset 2: 2006-2008. Totaal 2871 ondernemingen, waarvan 184 ondernemingen met een wijziging in 2007 (jaar T).
Dataset 3: 2009-2011. Totaal 2917 ondernemingen, waarvan 251 ondernemingen met een wijziging in 2010 (jaar T).
Dataset 4: 2010-2012. Totaal 2696 ondernemingen, waarvan 130 ondernemingen met een wijziging in 2011 (jaar T).
De omvang van de datasets is toegevoegd in tabel 6. Hierboven zijn het aantal ondernemingen genoemd. Van elke onderneming zijn 3 jaar opgenomen in de dataset. In bijvoorbeeld 2005-2007 wil dit zeggen dat er 2895 ondernemingen zijn. Dit betekend 3 keer zoveel waarnemingen in de dataset, aantal waarnemingen is derhalve 8.685.
4.3 Dataset analyse en beschrijvende statistiek
Om inzicht te verkrijgen in de verschillen met of zonder een wijziging van de accountant zijn de vier datasets gesplitst in een gedeelte waarbij wel sprake is van een wijziging en een gedeelte waarbij geen sprake is van een wijziging.
In tabel 7 is een overzicht opgenomen met beschrijvende statistiek (gemiddelden, medianen en afwijkingen ten opzichte van het voorgaande jaar) van de 4 verschillende datasets, met daarbij een uitsplitsing van wel een wijziging in jaar T ten opzichte van geen wijziging.
Uit alle datasets blijkt dat de gemiddelde auditfee bij wijziging van de accountant in jaar T lager is dan het jaar hiervoor (T-1). Bij het niet wijzigingen van accountant is alleen in dataset 3 (2009-2012) sprake van een kleine wijziging in jaar T (2010) ten opzichte van het jaar daarvoor. Deze daling is procentueel een stuk minder sterk, dan bij het wel wijzigingen van accountant. Bij de overige drie datasets is sprake van een toename van de auditfee in jaar T als geen sprake is van een wijziging van de accountant. Het dalen van de auditfee bij het wel wijzigingen van accountant lijkt derhalve niet toe te schrijven aan markfactoren, maar aan het wijzigen van auditor.
Tabel 6: Overzicht verwijderingen vanwege incomplete sets.
Sets 2005-2007 2006-2008 2009-2011 2010-2012
Aantal waarnemingen voor verwijderen
13.646 12.935 12.146 11.728
Verwijderd omdat geen 3 jaar beschikbaar zijn
3.401 3.017 2.216 2.287
Verwijderd, vanwege wijziging in jaar 1
879 693 564 714
Verwijderd vanwege wijziging in jaar 3
681 612 615 639
Resterend aantal 8.685 8.613 8.751 8.088
De procentuele toename van de gemiddelde auditfee (ten opzichte van jaar T) in jaar T+1 is ook sterker bij ondernemingen die van accountant veranderen in jaar T. Dit wordt in de literatuur (Simon & Francis) omschreven als price-recovery. Zo is bijvoorbeeld in dataset 2 sprake van een stijging van 14% in jaar T+1 van de auditfee van ondernemingen die wijzigen van accountant in jaar T. Terwijl de auditfee van ondernemingen die niet wijzigen in jaar T+1 slechts stijgt met 4%. Dit patroon zien we in elke dataset terug. De mediaan laat in elke dataset hetzelfde patroon zien als het gemiddelde, hetgeen aangeeft dat de trend niet alleen is toe te rekenen aan de mutatie bij enkele grote firma’s.
Tabel 7a: 2005-2007 (dataset 1) Beschrijvende statistiek datasets hypothese 2
Jaar Gemiddelde Wijziging ten
opzichte van voorgaand jaar
Mediaan Wijziging ten opzichte van voorgaand jaar Geen wijziging 2005 1.954.625 - 805.583 - 2006 2.107.989 7,84% 914.778 13,55% 2007 2.145.725 1,77% 963.277 5,30 Wel wijziging 2005 1.101.255 - 469.926 2006 1.002.632 -/- 8,96% 329.733 -/-29,83% 2007 1.051.375 4,86% 403.162 22,27
Tabel 7b: 2006-2008 (dataset 2) Beschrijvende statistiek datasets hypothese 2
Jaar Gemiddelde Wijziging ten
opzichte van voorgaand jaar
Mediaan Wijziging ten opzichte van voorgaand jaar Geen wijziging 2006 2.086.739 - 912.000 - 2007 2.119.676 1,58% 958.900 5,14% 2008 2.141.861 1,05% 958.526 -/- 0.04% Wel wijziging 2006 1.103.703 - 363.500 2007 782.137 -/- 29,14% 300.065 -/-17,45% 2008 812.374 3,87% 314.555 4,83%
Tabel 7c: 2009-2011 (dataset 3) Beschrijvende statistiek datasets hypothese 2
Jaar Gemiddelde Wijziging ten
opzichte van voorgaand jaar
Mediaan Wijziging ten opzichte van voorgaand jaar Geen wijziging 2009 2.090.551 - 936.078 - 2010 2.060.798 -/-1,42% 906.629 -/-3,15% 2011 2.121.963 2,97% 952.564 5,07% Wel wijziging 2009 608.238 - 315.000 2010 515.096 -/-15,31% 280.800 -/-10,86% 2011 558.366 8,4% 283.000 0,78%
Tabel 7D: 2010-2013 (dataset 4) Beschrijvende statistiek datasets hypothese 2
Jaar Gemiddelde Wijziging ten
opzichte van voorgaand jaar
Mediaan Wijziging ten opzichte van voorgaand jaar Geen wijziging 2009 2.151.015 - 970.684 - 2010 2.213.0228 2,89% 1.029.250 6,03% 2011 2.322.966 4,96% 1.086.790 5,59% Wel wijziging 2009 760.984 - 353.589 2010 660.843 -/-13,16% 325.000 -/-8,09% 2011 765.885 15,90% 436.000 34,15% 4.4 Correlatie en regressie 4.4.1 Correlatie
Dit hoofdstuk zal de onderzoeksmethode weergeven die wordt gebruikt voor dit onderzoek. Hierbij zullen de in hoofdstuk 2.3 genoemde hypothese 2 testen middels panel data regressiemodellen.
De hypothese luidt als volgt:
H2: Er is geen verschil tussen low-balling in crisistijd ten opzichte van de jaren voor de financiële crisis.
Dezelfde datasets worden gehanteerd zoals beschreven in paragraaf 4.3. Hierbij is sprake van het eerste jaar T-1, waarbij geen wijziging van accountant heeft plaatsgevonden. Jaar 1 bevat gegevens waarbij zowel sprake is van een wel een wijziging als geen wijziging. Jaar+1 waarbij nooit sprake is van een wijziging. Bij de analyse van de vier datasets wordt gebruik gemaakt van de in paragraaf 3.1.1 beschreven auditfee model:
ΔLNAUDITFEE = β0 + β1AUDITORCHANGE + β2TENURE1 β3 BIGFOUR + β4LOSS +
β5 NBS + β6 LNTA + β7ΔINVREC + + β8 Busy Season + β9 GOINGCONCERN + β10
RESTATEMENT+ ε
De correlatiematrixen zijn hieronder opgenomen;
Tabel 8 : Correlatie matrix behorende bij dataset 2005-2007 LnAudit-
Fees Bigfour Loss NBS LNTA INVREC Busy season Going- Concern Restate- ment Auditor- change Tenure1 LnAudit -fees 1,000 Bigfour 0,593 *** 1,000 Loss -0,357 *** -0,230 *** 1,000 NBS 0,507 *** 0,290 *** -0,292 *** 1,000 LNTA 0,806 *** 0,567 *** -0,449 *** 0,418 *** 1,000 INV-REC -0,067 *** -0,141 *** -0,154 *** 0,113 *** -0,184 *** 1,000 Busy -season 0,045 *** 0,061 *** 0,030 *** -0,031 0,057 *** -0,141 *** 1,000 Going-concern -0,219 *** -0,226 *** 0,312 *** -0,210 *** -0,320 *** -0,025 ** 0,018 * 1.0000 Restate-ment -0,004 *** -0,022 -0,002 0,018 -0,010 0,002 -0,028 -0.024 ** 1,000 Auditor -change -0,086 *** -0,170 *** 0,052 *** -0,008 -0,101 *** 0,027 -0,034 *** 0.044 *** 0,022 ** 1,000 Tenure1 -0,062 *** -0,170 *** 0,056 *** -0,030 *** 0,106 *** 0,025 -0,035 *** 0.065 *** -0,009 -0,027 ** 1,000
***statistisch significant op 1%-niveau
**statistisch significant op 5%-niveau
Tabel 9 : Correlatie matrix behorende bij dataset 2006-2008 LnAudit-
fees Bigfour Loss NBS LNTA INVREC Busy season Going- Concern Restate- ment Auditor- change Tenure1 LnAudit-fees 1,000 Bigfour 0,530 *** 1,000 Loss -0,355 *** -0,222 *** 1,000 NBS 0,521 *** 0,276 *** -0,289 *** 1,000 LNTA 0,870 *** 0,571 *** -0,467 *** 0,458 *** 1,000 INV-REC -0,046 *** -0,127 *** -0,132 *** 0,136 *** -0,1141 *** 1,000 Busy -season 0,076 *** 0,099 *** 0,012 -0,013 0,0823 *** -0,143 *** 1,000 Going -concern -0,220 *** -0,180 *** 0,291 *** -0,180 *** -0,3084 *** -0,037 *** 0,015 1,000 Restate-ment 0,007 0,004 -0,000 0,030 *** 0,0043 -0,001 -0,007 -0,013 1,000 Auditor -change -0,105 *** -0,152 *** 0,048 *** -0,036 *** -0,0970 *** 0,024 ** -0,038 *** 0,0415 *** 0,0048 1,000 Tenure1 -0,089 *** -0,152 *** 0,0515 *** -0,044 *** -0,0995 *** 0,038 *** -0,0398 *** 0,0647 *** -0,0150 -0,0218 ** 1,000
***statistisch significant op 1%-niveau
**statistisch significant op 5%-niveau
*statistisch significant op 10%-niveau
Geen van de verklarende variabele zijn hoger dan 0,8 of lager dan -0,8 gecorreleerd. Hoogste VIF waarde is 1,22 (Bigfour) Om deze reden zijn de bovengenoemde verklarende variabelen allen opgenomen in de regressiemodellen.
Bijlage 10 : Correlatie matrix behorende bij dataset 2009-2011 LnAudit-
fees Bigfour Loss NBS LNTA INVREC Busy season Going- Concern Restate- ment Auditor- change Tenure1 LnAudit fees 1,000 Bigfour 0,617 *** 1,000 Loss -0,419 *** -0,269 *** 1,000 NBS 0,536 0,281 -0,306 1,000
Vervolg Tabel 10 LNTA 0,888 *** 0,590 *** -0,507 *** 0,463 *** 1,000 INV-REC -0,029 *** -0,120 *** -0,079 *** 0,159 *** -0,113 *** 1,000 Busysea son 0,093 *** 0,121 *** 0,005 -0,024 ** 0,114 *** -0,139 *** 1,000 Goingco ncern -0,299 *** -0,238 *** 0,339 *** -0,211 *** -0,380 *** -0,058 *** -0,020 * 1,000 Restate ment -0,016 -0,007 0,005 -0,113 -0,011 -0,024 ** -0,006 -0,009 1,000 Auditorc hange -0,135 *** -0,203 *** 0,074 *** -0,0510 *** -0,129 *** 0,033 *** -0,009 0,066 *** 0,004 1,000 Tenure1 -0,122 *** -0,203 *** 0,062 *** -0,061 *** -0,125 *** 0,035 *** -0,009 0,069 *** 0,009 -0,030 *** 1,000
***statistisch significant op 1%-niveau
**statistisch significant op 5%-niveau
*statistisch significant op 10%-niveau
Geen van de verklarende variabele zijn hoger dan 0,8 of lager dan -0,8 gecorreleerd. Hoogste VIF waarde is 2,31. Om deze reden zijn de bovengenoemde verklarende variabelen allen opgenomen in de regressiemodellen.
Tabel 11 : Correlatie matrix behorende bij dataset 2010-2012 LnAudit-
fees Bigfour Loss NBS LNTA INVREC Busy season Going- Concern Restate- ment Auditor- change Tenure1 LnAudit fees 1,000 Bigfour 0,558 *** 1,000 Loss -0,397 *** -0,211 *** 1,000 NBS 0,534 *** 0,256 *** -0,307 *** 1,000 LNTA 0,878 *** 0,520 *** -0,493 *** 0,450 *** 1,000 INV-REC -0,027 ** -0,128 *** -0,098 *** 0,164 *** -0,117 *** 1,000 Busy -season 0,080 *** 0,126 *** 0,001 -0,048 *** 0,112 *** -0,145 *** 1,000 Going- concern -0,256 *** -0,170 *** 0,315 *** -0,183 *** -0,338 *** -0,057 *** -0,012 1,000 Restate ment -0,013 -0,002 0,001 -0,009 -0,013 -0,014 -0,007 0,012 1,000 Auditorc hange -0,107 *** -0,122 *** 0,029 *** -0,038 *** -0,085 *** 0,011 -0,006 0,038 *** 0,0147 1,000
Vervolg tabel 11 Tenure1 -0,091
*** -0,122 *** 0,039 *** -0,058 *** 0,081 *** 0,016 -0,006 0,0490 *** 0,008 -0,016 1,0000
***statistisch significant op 1%-niveau
**statistisch significant op 5%-niveau
*statistisch significant op 10%-niveau
Geen van de verklarende variabele zijn hoger dan 0,8 of lager dan -0,8 gecorreleerd. Hoogste VIF waarde is 1,22 (loss) Om deze reden zijn de bovengenoemde verklarende variabelen allen opgenomen in de regressiemodellen.
Voor het starten van de correlatie is door mij een verwachting uitgesproken met betrekking tot de correlatie tussen LNAuditfee en de verklarende variabelen. Deze is opgenomen in tabel 12 en wordt hieronder besproken.
Tabel 12: : Correlatie van de variabelen met Audit fee
Variabele Verwachting Coëfficient
dataset 1 (2005-2007) Coëfficient dataset 2 (2006-2008) Coëfficient dataset 3 (2009-2011) Coëfficient dataset 4 (2010-2012) Auditorchange -/- -0,086 -0,105 -0,135 -0,107 Tenure1 ? -0,062 -0,089 -0,122 -0,091 Bigfour + 0,593 0,593 0,617 0,558 Loss + -0,357 -0,355 -0,419 -0,397 NBS + 0,507 0,521 0,536 0,534 LNTA + 0,806 0,870 0,888 0,880 INVREC + -0,067 -0,047 -0,029 -0,027 Busy Season + 0,045 0,076 0,093 0,080 Going Concern + -0,219 -0,220 -0,299 -0,256 Restatement + -0,004 0,007 -0,016 -0,013
De correlaties uit de verschillende datasets laten dezelfde patronen zien.
De variabelen Auditorchange, Bigfour, NBS, LNTA, Busy Season zijn conform de verwachting gecorreleerd. Loss en Going Concern laten een significante negatieve correlatie zien.
Dit is vreemd ten opzichte van de verwachting. Een mogelijk verklaring hiervoor is reeds gegeven in paragraaf 3.1.2; de proxies voor de omvang van de onderneming (NBS en LNTA) zijn ook negatief gecorreleerd met Loss. Voornamelijk bij kleinere ondernemingen is sprake van een loss. Kleine ondernemingen hebben een lagere auditfee. De variabelen restatement en INVREC laten een lage correlatie zien.
Zowel Auditchange als Tenure1 laten een negatieve correlatie zien. Dit is voor Auditorchange in overeenstemming met de verwachting. Middels de regressie zullen wij bekijken of sprake is van een specifieke samenhang tussen de auditorchange en de auditfees in de verschillende gedefinieerde tijdvakken.
4.4.2 Regressie
In deze paragraaf zal het auditfee gebruikt worden op de data om de gevormde hypothese twee te testen. Middels deze regressie zal een antwoord worden gevormd op de onderzoekvraag: “Wat is de invloed van de financiële crisis op de mate van low-balling? “ Een regressieanalyse is uitgevoerd op de in paragraaf 4.2 gevormde datasets. Ook bij deze regressieanalyses is weer gebruik gemaakt van clustered standard errors (Petersen, 2009).
De resultaten van de regressie analyses zijn opgenomen in tabel 13a t/m 13d. De R-squared van de regressieanalyse ligt tussen de 72% en 82%. Dit geeft aan dat de variantie in de auditfee voor een groot deel wordt verklaard door de variabelen in het auditfee model. De resultaten van de belangrijke variabelen Auditorchange en Tenure1 laten wisselende resultaten zien. In de eerste 3 datasets (2 jaren voor de crisis, één jaar na de crisis) zijn de variabelen op 1%-niveau niet significant gecorreleerd met LNAuditfees. Zo zijn de P-waarde van Auditorchange voor de eerste 3 datasets 0.078 (2006), 0.088 (2007), 0.311 (2010) niet significant op 1% niveau. In de 4de dataset is wel sprake van een significante P-waarde van 0.000 (2011), in dataset 4 is
Tenure1 niet significant. Dit geeft aan dat alleen in dataset 4 sprake is van low-balling. De auditfee in het jaar van de wijziging is immers significant lager, deze lagere fee is in het jaar na de wijziging weer verdwenen. In het jaar na de wijziging is geen sprake van een significant lagere auditfee. Opvallend is dat in dataset 1 sprake is van een significante Tenure1. Hierbij zijn de auditfees een jaar na de wijziging van accountant dus significant hoger dan bij firma’s waarbij geen wijziging heeft plaatsgevonden. Dat terwijl de audit fees in het jaar van de wijziging niet significant gewijzigd zijn.
Als we kijken naar de andere variabelen dan zijn hierbij weinig bijzonderheden en onderlinge verschillen. Busyseason en Restatement zijn in alle databases niet significant.
De variabelen BigFour, Tenure1, Loss, NBS, LNTA, INVREC en Goingconcern zijn wel significant gecorreleerd met Auditee. Waarbij Loss in alle datasets een positieve correlatie laat zien, terwijl een negatieve correlatie verwacht werd.
Hiervoor zijn in paragraaf 3.1.2 reeds mogelijke oorzaken gegeven. Als gekeken wordt naar een antwoord op de onderzoeksvraag (Wat is de invloed van de financiële crisis op de mate van
low-balling) en hypothese 2 (H2: Er is geen verschil tussen low-balling in crisistijd ten opzichte van de jaren voor de financiële crisis), dan kan geconcludeerd worden dat wel sprake is een wijziging voor en na de
financiële crisis op basis van deze data. Alleen in dataset 4 (tijdens de financiële crisis) is sprake van low-balling, in de overige datasets (2 waarnemingen voor de financiële crisis en één waarneming tijdens de financiële crisis) is geen significante vorm van low-balling vastgesteld. Low-balling vindt op basis van dit onderzoek derhalve vaker voor na de financiële crisis, dan ervoor. Dit is in overeenstemming met het artikelen van Steven R. Strahler (2010), die aangeeft dat accountantskantoren in de crisistijd de fee hebben laten dalen. Om zo toch nog cliënten binnen te halen. Hij geeft ook aan dat low-balling voornamelijk voorkomt bij de Bigfour. Dit zal onderzocht worden in hoofdstuk 5.
Tabel 13A: Regressie analyse hypothese 2 Dataset 1 2005-2007
NLAUDITFEE Verwachting Coef. T-Waarde P-waarde
Auditorchange -/- 0,104 1,77 0,078* Tenure1 ? 0,345 6,45 0,000*** BigFour + 0,655 16,74 0,000*** Loss -/- 0,922 2,93 0,003*** NBS + 0,899 17,16 0,000*** LNTA + 0,970 46,47 0,000*** INVREC + 0,478 6,28 0,000*** BusySeason + 0,032 1,10 0,274 Goingconcern + 0,439 6,13 0,000*** Restatement + 0,022 0,86 0,390***
Aantal observaties: 8.685 ***Significant op 1% niveau R-Squared: 0,718 ** Significant op 5 niveau
Tabel 13B: Regressie analyse hypothese 2 Dataset 1 2006-2008
NLAUDITFEE Verwachting Coef. T-Waarde P-waarde
Auditorchange -/- -0,091 -1,71 0,088* Tenure1 ? 0,066 1,34 0,182 BigFour + 0,431 13,83 0,000*** Loss -/- 0,227 8,66 0,000*** NBS + 0,717 15,72 0,000*** LNTA + 0,465 59,61 0,000*** INVREC + 0,361 5,49 0,000*** BusySeason + 0,017 0,71 0,479 Goingconcern + 0,342 5,99 0,000*** Restatement + -0,003 -0,16 0,873
Aantal observaties 8.613, ***Significant op 1% niveau R-Squared 0,797 **Significant op 5% niveau F-waarde (Pr>F) 1.208,89 (<0.0001) *Significant op 10% niveau
Tabel 13C: Regressie analyse hypothese 2 Dataset 1 2009-2011
NLAUDITFEE Verwachting Coef. T-Waarde P-waarde
Auditorchange -/- -0,411 -1,01 0,311 Tenure1 ? 0,05 1,44 0,150 BigFour + 0,435 14,74 0,000** Loss -/- 0,154 6,8 0,000*** NBS + 0,672 17,17 0,000*** LNTA + 0,444 62,20 0,000*** INVREC + 0,434 7,77 0,000*** BusySeason + -0,006 -0,24 0,808
