De invloed van winst op het publiceren van non-GAAP performance measurements.

(1)

De invloed van winst op het publiceren van

non-GAAP performance measurements.

Masterscriptie Accountancy & Controlling

Rijksuniversiteit Groningen

(2)

2

Naam: Tom van der Woude

Student nummer: S 2360101

Adres: Sikke Boukesstrjitte 23

Postcode: 9271 AP, Zwaagwesteinde

Tel: 06-52340923

Email: t.van.der.woude.1@student.rug.nl

Course: Masterscriptie Accountancy & Controlling Scriptie begeleider: I.J. Kuiper MSc EMA RA

Tweede beoordelaar: Prof. dr. R.L. ter Hoeven RA

Datum: 1 maart 2017

(3)

3

ABSTRACT

Dit onderzoek richt zich op het verband tussen de winst van een onderneming en de mate van gebruik van non-GAAP cijfers in persberichten binnen Europa. Voortbouwend op theorieën rondom alternative performance measures, wordt verondersteld dat ondernemingen met lage winsten eerder gebruik maken van non-GAAP cijfers dan ondernemingen met hoge winsten. Voor dit onderzoek is gebruik gemaakt van de persberichten die gepubliceerd zijn bij het einde van het boekjaar van de ondernemingen die behoren tot de FTSE Eurotop 100 tussen 2011 en 2015 (N=324). De resultaten van dit onderzoek tonen aan dat er een significant verband is tussen de winst van een onderneming en de mate van gebruik van non-GAAP cijfers. In tegenstelling tot de verwachting van dit onderzoek, maken ondernemingen met hoge winsten meer gebruik van non-GAAP cijfers. Ondernemingen met lage winsten plaatsen de non-GAAP cijfers echter wel op een meer zichtbare plaats in de persberichten.

Trefwoorden: non-GAAP, Earnings per share, GAAP, Return on Equity, Return on assets, Total assets.

(4)

4

VOORWOORD

Voor u ligt mijn masterscriptie “De invloed van winst op het publiceren van non-GAAP performance measurements”, welke ik in het kader van de afronding van de master Accountancy & Controlling heb geschreven. Binnen het thema externe verslaggeving is er gekozen om het onderzoek te schrijven over de mate van gebruik van non-GAAP cijfers in Europa. Het leek mij erg interessant om te kijken of er door de jaren heen meer gebruik gemaakt is van non-GAAP cijfers en of er verschillen zijn met bijvoorbeeld de Verenigde Staten.

Ik wil dit voorwoord tevens aangrijpen om een aantal mensen te bedanken. Allereerst mijn begeleiders I.J. Kuiper en R.L. ter Hoeven voor hun feedback en voor de mogelijkheid om gedurende de zomervakantie al aan de slag te gaan met mijn scriptie. Daarnaast mijn collega’s binnen BDO, die mij de ruimte hebben kunnen geven om tijd uit te trekken voor mijn scriptie. Mijn mede-scriptanten voor alle kennis en informatie die wij gedurende dit traject hebben uitgewisseld. Tot slot mijn vrouw, ouders, schoonouders, familie en vrienden die mij gesteund hebben gedurende dit traject en mijn scriptie meer malen hebben beoordeeld. Mijn dank is groot!

Zwaagwesteinde, 1 maart 2017

(5)

5

Inhoudsopgave

Abstract ... 3

Voorwoord ... 4

1 Introductie ... 6

1.1 Inleiding & relevantie ... 6

1.2 Probleemstelling ... 8

1.3 Structuur ... 10

2 Theoretisch kader ... 11

2.1 Non-GAAP cijfers ... 11

2.2 Variabelen, model & hypotheses. ... 13

2.3 Additionele analyses ... 16

3 Methodologie ... 18

3.1 Onderzoeksmethode ... 18

3.2 Populatie en methode dataverzameling ... 18

3.3 Variabelen ... 20

3.3.1 Afhankelijke variabele & Additionele analyse emphasis ... 20

3.3.2 Onafhankelijke variabelen ... 21 3.3.3 Controlevariabelen ... 21 3.4 Model en formules ... 22 4 Resultaten ... 25 4.1 Beschrijvende statistieken ... 25 4.2 Correlatieanalyse ... 27 4.3 Testen hypotheses ... 28 4.4 Additionele analyse ... 32 4.5 Robuustheidscheck ... 35 4.6 Causaliteit... 36

5 Conclusie & Discussie ... 41

5.1 Conclusie & Discussie ... 41

5.2 Beperkingen & Vervolgonderzoek ... 42

5.2.1 Beperkingen ... 42

5.2.2 Aanbevelingen voor vervolgonderzoek en voor de praktijk ... 43

Referenties ... 45

Appendix A lijst ondernemingen ... 50

Appendix B Afspraken dataverzameling ... 52

(6)

6

1 INTRODUCTIE

1.1 INLEIDING & RELEVANTIE

Persberichten, die veelal per kwartaal worden gepubliceerd door ondernemingen, kunnen informatie voor belanghebbenden bevatten omtrent het reilen en zeilen van een organisatie. Hierbij valt het vierde kwartaal veelal samen met de uitgave van de jaarrekening. De jaarrekening geeft derhalve een overzicht van het gehele jaar. In lijn met het onderzoek van Bowen, Davis en Matsumoto (2005), naar de resultaten die in persberichten in de Verenigde Staten gepubliceerd worden, maken ondernemingen gebruik van deze persberichten om hun resultaten van de afgelopen periode kenbaar te maken. In deze persberichten hebben managers mogelijkheden om invloed uit te oefenen op de informatie die verstrekt wordt en in welke vorm dit gebeurt, in tegenstelling tot de cijfers in de jaarrekening. Deze invulling van de persberichten kan namelijk enerzijds in de vorm van de in IFRS (International Financial Reporting Standards) gedefinieerde maatstaven, maar kan anderzijds ook middels de non-GAAP (niet gedefinieerd in Generally Accepted Accounting Principles) cijfers. Het beïnvloeden van de cijfers in persberichten is een gevolg van de informatie asymmetrie die zijn oorsprong vindt in de agency theorie (Eisenhardt, 1989) en kan zich volgens Cheng (2016) en Hitz (2010) uitten op twee verschillende manieren. Enerzijds kan er sprake zijn van het verstrekken van extra informatie door de managers aan de belanghebbenden om zo de belanghebbenden te voorzien van de benodigde informatie, de informatieve stroming. Anderzijds is het mogelijk om voordeel voor de manager zelf te behalen door bewust informatie niet te delen om zo prestaties beter te doen voorkomen, de opportunistische stroming. Dit zal later in dit onderzoek verder toegelicht worden.

Er wordt veelvuldig gebruik gemaakt van deze non-GAAP cijfers, zoals ook blijkt uit het onderzoek van Coleman en Usvyatsky (2015). Hieruit blijkt namelijk dat 88% van de S&P 5001_{gebruik maakt van non-GAAP cijfers in persberichten en dat 82% van de gevallen een} hoger resultaat vermeldt in de persberichten dan in de jaarrekening. Dit is tevens in lijn met het onderzoek van Cohn (2016), dat stelt dat de jaarrekening overschaduwd wordt door het grote gebruik van deze non-GAAP cijfers. Deze non-GAAP cijfers zijn volgens de Financial

1_{De S&P 500 is de aandelenindex in de Verenigde Staten waarin de 500 grootste Amerikaanse}

(7)

7

Accounting Standards Board(FASB2_{) niet nieuw (Siegel, 2016). Er is al veel onderzoek naar} gedaan en uit deze onderzoeken blijkt volgens de FASB dat non-GAAP cijfers de resultaten anders doen voorkomen dan zij wellicht zijn. Daarnaast vermeldden zij dat non-GAAP cijfers extra inzichten aan belanghebbenden kunnen verschaffen, doordat de non-GAAP cijfers een beter beeld geven van de resultaten zonder eenmalige kosten/baten. Gevolg hiervan is dat de Securities and Exchange Commission (SEC) scherp toezicht houdt op het gebruik van non-GAAP cijfers, om zo in beeld te houden wat het motief van de publicatie van non-non-GAAP cijfers is. Tevens geeft de SEC ook adviezen in het kader van het publiceren van non-GAAP cijfers waar de beursgenoteerde ondernemingen gebruik van kunnen maken. Daarnaast kan de SEC ook, vanuit hun regelgevende functie, regels opstellen waar ondernemingen zich aan moeten houden bij het naar buiten brengen van non-GAAP cijfers. Een voorbeeld hiervan is regulation G in 2002, dit wordt later in dit onderzoek toegelicht.

In Europa wordt er getracht investeerders handreikingen te bieden voor deze non-GAAP measures. Hier worden handreikingen aangeleverd door de European Securities and Markets Authority (ESMA)3, voorheen: The Committee of European Securities Regulators (CESR). De ESMA is geen instantie die wetten kan uitschrijven, maar doet aanbevelingen in kader van de non-GAAP cijfers. Dit heeft tot gevolg dat er in Europa niet een wettelijke bepaling is omtrent het gebruik van non-GAAP cijfers, maar dat er enkel aanbevelingen en richtlijnen bestaan. Een voorbeeld van deze aanbevelingen en richtlijnen is de aanbeveling van 2005 van de CESR. Hierin wordt aangegeven dat beursgenoteerde ondernemingen, die gebruik willen maken van non-GAAP cijfers, moeten letten op het feit dat dit ten goede komt aan de beslissingen die door de investeerders gemaakt worden. Ook doen zij een aanbeveling om het gebruik van non-GAAP cijfers consistent te gebruiken. Daarnaast wordt aanbevolen om aan te geven waarom er gebruik wordt gemaakt van non-GAAP cijfers in tegenstelling tot de in IFRS gedefinieerde maatstaven. Dit duidt op het feit dat de CESR (en later de ESMA) in staat voor bescherming van de investeerders (en andere belanghebbenden).

Zoals uit de onderzoeken en publicaties van de ESMA, FASB, SEC, Cohn (2016) en Coleman en Usvyatsky (2015) blijken, wordt het publiceren van non-GAAP cijfers meer toegepast dan

2_{De FASB is een organisatie wiens doel het is om de GAAP standaarden op te zetten en deze}

continue te monitoren en te verbeteren.

3_{ESMA is een financiële toezichthouder in de Europese unie die zich inzet voor}

(8)

8

vroeger. Dit veelvuldige gebruik begint de jaarrekening te overschaduwen, waardoor deze haar kracht en waarde verliest (Cohn, 2016). Dit gebruik van non-GAAP cijfers wordt gedreven door meerdere drijfveren. De vraag voor de belanghebbende blijft of er wordt gehandeld vanuit het informatieve of het opportunistische motief.

Door de verschillende meningen die bestaan omtrent non-GAAP cijfers, is het niet alleen van belang om te kijken naar het gebruik van non-GAAP cijfers, maar ook naar de drijfveren erachter. Deze drijfveren zijn een mogelijke achterliggende reden voor het veelvuldiger gebruik maken van non-GAAP cijfers (Cohn, 2016). Daarom wordt in dit onderzoek een aantal drijfveren, dat ten grondslag kan liggen aan het gebruik van non-GAAP cijfers, onderzocht om een beeld te vormen omtrent de hoge mate van gebruik van non-GAAP cijfers. Hierbij wordt niet alleen gekeken naar één enkel jaar, maar zal ook worden gekeken hoe dit door de jaren heen is ontwikkeld. Dit onderzoek vult de literatuur derhalve aan door niet alleen te kijken naar de impact van een aantal drijfveren op de mate van gebruik van non-GAAP cijfers, maar ook door te kijken naar de trend omtrent de mate van gebruik van non-GAAP cijfers. Daarnaast wordt onderzocht of de effecten die gevonden zijn in de Verenigde Staten, ook in Europa gelden. Tot slot wordt er in dit onderzoek gekeken naar een recente periode. De uitkomsten van dit onderzoek zijn derhalve een reflectie van hoe het gebruik van non-GAAP measures er op dit moment voorstaan in Europa.

1.2 PROBLEEMSTELLING

Uit het onderzoek van Black en Christensen (2009), over het gebruik van non-GAAP cijfers om strategische winsten te behalen, komt naar voren dat non-GAAP cijfers niet alleen veelvuldig gebruikt worden, maar dat ze in de pers ook vrijwel altijd andere resultaten vertonen dan in de jaarrekening naar voren komt. Dit komt doordat bepaalde kosten, die meegenomen dienen te worden in de jaarrekening, buiten de non-GAAP cijfers gehouden worden. Dit resulteert in een verschil tussen het resultaat dat in de jaarrekening wordt getoond en wat in de persberichten naar voren komt. Dit betekent echter wel dat managers goed naar hun eigen resultaten kijken en dit afzetten tegen de verwachtingen die investeerders hebben. Hierbij wordt er door de managers beoordeeld of de cijfers in de jaarrekening al voldoen aan de verwachting (of zelfs overtreffen) of niet. Als dit niet het geval is dan is er volgens Black en Christensen (2009) een mogelijkheid dat managers een aantal kosten buiten beschouwing laten in de persberichten om te laten blijken dat toch aan de verwachtingen is voldaan. Dit zorgt er volgens

(9)

9

Frederickson en Miller (2004) mede voor dat er veel verschillende manieren zijn om winsten te publiceren. Deze publicaties zijn, behalve in Zuid-Afrika, niet onderhevig aan een controle, in tegenstelling tot de cijfers van de jaarrekening (Venter, Emanuel en Cahan, 2014). Dit leidt tot grote verschillen in de resultaten in persberichten tussen ondernemingen.

Hoewel er veel verschillen in de publicaties tussen ondernemingen bestaan, worden de non-GAAP cijfers wel veelvuldig gebruikt door belanghebbenden volgens Brown, Christensen en Elliott (2012). Dit betekent dat er waarde uit de cijfers gehaald wordt door de belanghebbenden. Door dit veelvuldige gebruik en de verschillen die er tussen de persberichten heersen, heeft de SEC in de Verenigde Staten in 2002 regulation G in werking gesteld. Deze wettelijke bepaling stelt dat de cijfers in de persberichten altijd vanuit de jaarrekening herleidbaar dienen te zijn. Hierdoor blijven cijfers vergelijkbaar tussen ondernemingen.

In tegenstelling tot de Verenigde Staten, zijn er in Europa geen wettelijke bepalingen die vergelijkbaar zijn aan regulation G van toepassing. Dit komt doordat de ESMA geen wettelijke regelingen kan treffen. Zij geven daarentegen wel aanbevelingen en richtlijnen. In de meest recente richtlijnen van de ESMA (2015), die in 2016 in werking treden, geven zij wederom aan dat er sprake is van richtlijnen waaraan geen verplichting kleeft. Hierbij geven zij expliciet aan dat het doel van de richtlijnen is dat er meer transparantie komt in de markt. In tegenstelling tot de Verenigde Staten, zijn er dus geen wettelijke verplichtingen omtrent de publicatie van non-GAAP cijfers. Hieruit vloeit voort dat managers meer mogelijkheden hebben om gebruik te maken van non-GAAP cijfers zonder dat deze duidelijk gerelateerd zijn aan de jaarrekeningcijfers. Dit kan gebruikt worden om de resultaten beter te doen voorkomen dan dat zij daadwerkelijk zijn.

Zoals uit het onderzoek van Black en Christensen (2009) en Frederickson en Miller (2004) blijkt, is het gebruik van non-GAAP cijfers in persberichten nauw verbonden aan de behaalde resultaten. Dit zorgt vervolgens voor problemen in de vergelijkbaarheid van persberichten tussen ondernemingen. De verwachting is daarom dat de hoogte van de winst van invloed is op de mate van gebruik van non-GAAP cijfers.

In dit kader zal de volgende vraag in dit onderzoek centraal staan: “in hoeverre heeft de hoogte van de winst invloed op de mate van gebruik van non-GAAP cijfers binnen de Europese Unie?”

(10)

10

In dit onderzoek wordt het gebruik van non-GAAP cijfers tussen 2011 en 2015 in Europa onderzocht. Hierbij wordt in de literatuur tevens een vergelijk gemaakt tussen de Verenigde Staten en Europa, zodat duidelijk wordt of de verschillen tussen de Verenigde Staten en Europa ook leiden tot een ander gebruik van non-GAAP cijfers. Een ander aspect wat in dit onderzoek in ogenschouw gehouden wordt, is de grootte van de onderneming. Is er een verschil tussen de mate van gebruik van non-GAAP cijfers naarmate de omvang van de onderneming toeneemt? Dit onderzoek tracht daarover een beeld te vormen.

1.3 STRUCTUUR

Deze paragraaf geeft de structuur aan over hoe de rest van dit onderzoek is opgebouwd. In het tweede hoofdstuk worden de theorie en de hypotheses worden toegelicht. Hierbij worden de variabelen worden toegelicht. Daarnaast worden de variabelen verbonden aan de geldende en belangrijkste theorieën die invloed hebben op het gebruik van non-GAAP cijfers. Vervolgens wordt in het derde hoofdstuk de onderzoeksmethode toegelicht. In dit hoofdstuk wordt uitgelegd hoe het onderzoek uitgevoerd gaat worden. Hierbij wordt de populatie, de methode en de operationalisatie van de variabelen toegelicht. In hoofdstuk vier worden de beschrijvende statistieken en de resultaten van het onderzoek getoond worden. Hier wordt ook gekeken worden of de gevormde hypotheses al dan niet aangenomen kunnen worden. Tot slot wordt de conclusie van dit onderzoek uiteengezet. Hierin worden tevens de beperkingen van dit onderzoek en de mogelijkheden voor vervolg onderzoek besproken.

(11)

11

2 THEORETISCH KADER

In dit hoofdstuk komt de literatuur en theorie rondom de non-GAAP cijfers aan bod. Er wordt eerst een toelichting gegeven op het begrip non-GAAP cijfers. Vervolgens wordt het fenomeen non-GAAP cijfers in de theorie geplaatst. Tot slot komen de variabelen aan bod en zullen de hypotheses uitgelegd worden.

2.1 NON-GAAP CIJFERS

Non-GAAP cijfers, ook wel alternative performance measures (APM) genoemd, worden door de ESMA gedefinieerd als: “Een meetinstrument van financiële gegevens uit het verleden of in de toekomst dat afwijkt van de in dat land geldende financiële rapportage”. Deze cijfers wijken af van de cijfers die door de onderneming in de jaarrekening worden gepubliceerd. Dit betekent dat er, veelal in persberichten, door ondernemingen middels deze non-GAAP cijfers extra informatie wordt verschaft bij de jaarrekening. Deze extra verstrekking van informatie komt voort uit de informatieasymmetrie die bestaat tussen de zogenaamde “principaal” en “agent” volgens de agency theorie (Eisenhardt, 1989). Hierbij wordt de onderneming gedreven door de agenten, terwijl de onderneming het eigendom is van de principaal. Door deze constructie is er een verschil in belang tussen de principaal en de agent, waardoor de agent niet altijd de beste keuzes maakt voor de principaal. Het maken van keuzes die voor de agent beter uitpakt dan voor de principaal is in lijn met de door Eisenhardt (1989) onderzochte informatieasymmetrie. Deze informatieasymmetrie stelt dat de agent over informatie beschikt waarover de principaal niet beschikt. Het gevolg hiervan is dat de agent eenvoudiger keuzes kan maken die al dan niet het best uitpakken voor de principaal. Een veelal gebruikte manier om deze kloof op te lossen is, volgens Bosse en Phillips (2016), om de agent te belonen op basis van zijn prestaties. Hierbij wordt veelal gebruik gemaakt van het resultaat van de onderneming als uitgangspunt voor de beloning, waarbij het behalen van een beter resultaat leidt tot een hogere beloning. De communicatie van deze resultaten richting stakeholders4_{gebeurt, volgens Bowen et al (2005),} door middel van persberichten. In deze persberichten kunnen de resultaten vanuit de jaarrekening rechtstreeks gecommuniceerd worden. Er kan daarentegen ook afgeweken worden van deze resultaten middels het publiceren van non-GAAP cijfers. Door gebruik te maken van deze non-GAAP cijfers, kan een manager invloed uitoefenen op de cijfers die gepubliceerd worden om zo wellicht een hogere beloning te krijgen. Hieruit valt af te leiden dat de agency theorie een mogelijke drijfveer is om gebruik te maken van non-GAAP cijfers.

4_{Stakeholders zijn de partijen (aandeelhouders, kredietverstrekkers e.d.) die belang hebben bij de}

(12)

12

Het publiceren van non-GAAP cijfers wordt volgens Young (2014) gedaan, als de regelgeving inzake de externe verslaggeving een beperking vormt voor het verstrekken van industrie-specifieke kenmerken in de resultaten. De uiting van deze non-GAAP cijfers kan, volgens Cheng (2016) en Hitz (2010) op twee manieren naar voren komen. Allereerst bestaat er de informatieve stroming. Deze stelt dat agenten aspecten buiten de non-GAAP cijfers houden om zo meer informatie te verstrekken en om betere voorspellingen voor de toekomst uit te laten voeren, volgens Brown en Shivakumar (2013). De gegevens die buiten de non-GAAP cijfers worden gehouden, hebben veelal een eenmalig karakter die de resultaten wellicht verstoren. Dit betekent dat de principaal wordt geïnformeerd door de agent, zodat de principaal goed op de hoogte wordt gehouden over het reilen en zeilen van de onderneming. Daarentegen bestaat er ook de opportunistische stroming. Deze stroming stelt, volgens Doyle, Jennings en Soliman (2013) dat agenten non-GAAP resultaten definiëren om zo de verwachtingen omtrent de prestaties te behalen of te overstijgen. In lijn met de belangenverstrengeling van de agency theorie, worden de publicaties hier gebruikt in het eigen belang van de agent. Dit komt veelal voor als de manager een prestatie-afhankelijke vergoeding kan krijgen en de resultaten van de jaarrekening niet voldoende zijn om in aanmerking te komen voor de beloning. Door het publiceren van non-GAAP cijfers in plaats van de cijfers van de jaarrekening, is het mogelijk om alsnog deze beloning te ontvangen.

Naast het feit dat managers aan verwachtingen willen voldoen om prestatie-afhankelijke beloningen te ontvangen, bestaat er volgens Guillamon-Saorin (2010) de trend onder managers om enkel positieve cijfers zichtbaar te publiceren. Dit wordt tevens onderbouwd door de voluntary disclosure theorie, die veronderstelt dat managers enkel goed nieuws willen communiceren en slecht nieuws graag verbergen (Bewley en Li, 2000), waardoor de principaal niet alle beschikbare informatie tot zijn beschikking heeft. Er wordt dus gebruik gemaakt van de informatie-asymmetrie in lijn met de agency theorie. Aan de andere kant volgt uit het onderzoek van Meek, Roberts en Gray (1995) dat de voluntary disclosure ook gebruikt kan worden om extra informatie te verschaffen om de belanghebbenden te helpen bij het maken van hun keuzes die gebaseerd worden op de jaarrekening. Dit betekent dat er een handreiking wordt gedaan richting de belanghebbenden door de managers.

Zoals blijkt uit de voorgaande stukken, kan het gebruik van non-GAAP cijfers meerdere redenen hebben. Om de principaal enige hulp te bieden om deze te doorgronden, is er in de

(13)

13

Verenigde Staten in 2003 regulation G afgekondigd, ter bescherming van de stakeholders en om verwarring tegen te gaan. Hierin staat beschreven dat het gebruik van non-GAAP cijfers in persberichten altijd herleidbaar dient te zijn naar de GAAP (Generally Accepted Accounting Principles) cijfers (Venter et al, 2014). Dit kan middels het geven van een toelichting waarin naar voren komt welke GAAP cijfers zijn gehanteerd of welke cijfers buiten beschouwing zijn gelaten. Hierdoor is het altijd mogelijk om persberichten te herleiden naar de jaarrekening en kunnen cijfers altijd met andere ondernemingen vergeleken worden. In Europa, daarentegen, bestaat er geen instantie die een soortgelijke regelgeving kan invoeren. Er worden slechts richtlijnen omtrent het gebruik van non-GAAP cijfers gepubliceerd. In de meest recente richtlijnen omtrent APM’s van de ESMA (2015), wordt een aanbeveling gedaan om APM’s te baseren op cijfers uit de jaarrekening. Hierbij dient er enkel een verschil tussen de cijfers (APM en jaarrekening) te zijn, doordat bepaalde items zijn weggelaten of toegevoegd. Het feit dat dit enkel als richtlijn gehanteerd wordt en niet als regelgeving, betekent dat er in Europa minder harde eisen gesteld worden dan in de Verenigde Staten, middels regulation G. Dit wordt ook bevestigd door het onderzoek van Hitz (2010). Hitz (2010) stelt namelijk dat ondernemingen veelvuldig gebruik maken van non-GAAP cijfers. Het verstrekken van aanbevelingen door de ESMA heeft hier weinig invloed op gehad.

2.2 VARIABELEN, MODEL & HYPOTHESES.

Het gebruik van non-GAAP cijfers komt dus voort uit meerdere drijfveren. Zoals hierboven beschreven, is een van de voornaamste redenen het feit dat managers enkel goed nieuws publiceren die aansluit bij de verwachting van stakeholders (Guillamon-Saorin, Osma en Stones 2012). Dit is in lijn met het onderzoek van Black en Christensen (2009) naar het gebruik van GAAP resultaten bij tegenvallende resultaten ten opzichte van benchmarks of voorgaande jaren. Uit hun onderzoek blijkt namelijk dat er veelal van de GAAP cijfers afgeweken wordt als de resultaten tegenvallen. Middels non-GAAP cijfers kunnen managers namelijk de resultaten beter doen voorkomen dan dat zij daadwerkelijk zijn (Bhattacharya, Black, Christensen en Mergenthaler (2004) en Marques (2006)). Bhattacharya et al, (2004) en Marques (2006) stellen tevens dat er meer gebruik wordt gemaakt van non-GAAP cijfers als de winsten tegenvallen. Elshafie, Yen en Yu (2010) gaan hierin nog een stap verder en stellen dat managers niet alleen meer gebruik maken van non-GAAP cijfers, maar dat zij ook een agressievere berekeningsmethode van non-GAAP cijfers toepassen. Daarnaast stelt Bhattacharya et al (2004) dat het publiceren van non-GAAP cijfers veelal wordt toegepast om

(14)

14

de aandacht van investeerders te verleggen van de GAAP cijfers naar de non-GAAP cijfers. De reden hiervoor is, omdat de kans groot is dat er in de jaarrekening minder goede cijfers staan dan in de non-GAAP publicaties. Dit blijkt ook uit het onderzoek van Marques (2006) die in zijn onderzoek aanvullend aantoont dat er vaker verliezen zijn geleden dan dat er winsten zijn gemaakt, wanneer er gebruik gemaakt wordt van non-GAAP cijfers. Het onderzoek van Lougee en Marquadt (2004) sluit zich hier bij aan. Zij stellen tevens dat de managers gebruik maken van non-GAAP cijfers om hun eigen belang te behartigen, in lijn met de agency theorie.

Hieruit volgt dat er in de Verenigde Staten veelal gebruik gemaakt wordt van non-GAAP cijfers bij tegenvallende winsten. Zoals hiervoor al beschreven is, heeft de Verenigde Staten te maken met regulation G. In tegenstelling tot de Verenigde Staten heeft Europa dat niet. De mogelijkheid om non-GAAP cijfers te gebruiken in persberichten is in Europa derhalve eenvoudiger dan in de Verenigde Staten. Dit blijkt tevens uit het paper van de EFRAG5 (2009), waarin wordt vermeldt dat de vorming van non-GAAP cijfers niet alleen verschillen tussen ondernemingen onderling, maar ook binnen een onderneming over een bepaalde tijd. In lijn met de onderzoeken in de Verenigde Staten, wordt er binnen Europa ook meer gebruik gemaakt van non-GAAP cijfers dan GAAP cijfers in persberichten (Isidro en Marques, 2013). Daarnaast blijkt, in lijn met Guillamon-Saorin et al (2012) en Bewley en Li (2000), dat de non-GAAP resultaten in persberichten betere resultaten laten zien dan de GAAP resultaten (Isidro en Marques, 2013). Hieruit volgt dat de non-GAAP cijfers veelal worden gebruikt als de resultaten tegenvallen. De verwachting van dit onderzoek is derhalve:

H1a: Hoe lager de earnings per share des te meer gebruik er gemaakt wordt van non-GAAP cijfers.

H1b: Er wordt meer gebruik gemaakt van “income-based” non-GAAP cijfers dan andere vormen van non-GAAP cijfers bij een laag resultaat.

Lage resultaten zijn echter niet de enige reden omtrent het gebruik van non-GAAP cijfers door managers. Uit het onderzoek van Christensen, Drake en Thornock (2014) blijkt namelijk dat belanghebbenden niet alleen kijken naar de prestaties zoals die in de jaarrekening vermeldt staan, maar ook naar de non-GAAP cijfers in de persberichten. Deze non-GAAP cijfers worden

5_{European Financial Reporting Advisory Group. De EFRAG is een organisatie die het algemeen}

(15)

15

mede gebruikt voor het nemen van beslissingen. Dit betekent dat belanghebbenden ook meer naar deze informatie vragen. Dit is tevens in lijn met het onderzoek van Entwistle, Fetlham en Mbagwu (2012) naar de geloofwaardigheidsattributen van een onderneming en zijn investeerders. Het gevolg hiervan zou zijn dat ondernemingen meer non-GAAP cijfers moeten publiceren om zo te voldoen aan de vraag van de stakeholders. Er is echter een verschil tussen de publicaties gemaakt door kleine ondernemingen en die van grote ondernemingen. Dit blijkt uit het onderzoek van Guillamon-Saorin et al (2012), dat stelt dat ondernemingen meer publiceren naarmate zij omvangrijker worden. Dit is enerzijds omdat er meer beslissingen gebaseerd worden op non-GAAP cijfers, in lijn met het onderzoek van Entwistle et al (2012). Anderzijds volgt uit het onderzoek van Guillamon-Saorin et al (2012) dat dit komt doordat er meer investeerders zijn die de ondernemingen nauwlettend in de gaten houden en deze investeerders worden op deze manier voorzien van de voor hun belangrijke informatie. Het gebruiken van non-GAAP cijfers is geen nieuw fenomeen volgens Cohn (2016). De stijgende behoefte aan non-GAAP cijfers echter wel. In lijn met de voluntary disclosure theorie, kan deze informatie verschaft worden, zodat stakeholders de juiste beslissingen kunnen nemen. Doordat grote ondernemingen meer belanghebbenden hebben dan kleine ondernemingen, publiceren zij ook meer persberichten (Guillamon-Saorin, 2010). Dit betekent dat grote ondernemingen tevens meer mogelijkheden hebben om non-GAAP cijfers te publiceren. Naast het feit dat investeerders meer aandacht vestigen op de non-GAAP cijfers, zijn er nog de resultaatsverwachtingen waar ondernemingen aan dienen te voldoen. Dit zorgt er volgens Black en Christensen (2009) mede voor dat er wordt afgeweken van de GAAP cijfers in persberichten. Hieruit valt af te leiden dat er niet alleen meer persberichten worden gepubliceerd (Guillamon-Saorin, 2010), maar dat er ook meer non-GAAP cijfers worden gepubliceerd (Black en Christensen, 2009) naarmate een onderneming omvangrijker wordt. Dit leidt voor dit onderzoek tot de volgende verwachting:

H2: Hoe groter de onderneming des te meer er gebruik wordt gemaakt van non-GAAP cijfers.

Zoals reeds bij hypothese 1 beschreven, is de verwachting in dit onderzoek dat een tegenvallende winst zal leiden tot meer gebruik van non-GAAP cijfers. Daarnaast blijkt, uit de onderzoeken van Guillamon-Saorin et al (2012) en Black en Christensen (2009), dat grote ondernemingen meer persberichten publiceren. Dit is volgens Guillamon-Saorin et al (2012), omdat de persberichten een goede aanvulling zijn op de jaarrekening om extra informatie te verstrekken aan investeerders. Daarnaast ligt volgens Entwistle et al (2012) de focus van

(16)

16

investeerders op de non-GAAP cijfers, omdat non-GAAP cijfers gezien worden als een proxy voor de continuïteit van de onderneming. Dit kan door de investeerders gebruikt worden bij het waarderen van de onderneming. Deze verlegging van de focus naar de non-GAAP cijfers komt volgens Entwistle et al (2012), doordat er in de jaarrekening veelal eenmalige kosten zitten die bijzonder zijn voor een bepaald jaar. Deze kosten kunnen de winst, ten opzichte van de verwachting van de investeerders, vertroebelen. De keuze wordt dan gemaakt om de kosten eruit te filteren voor de non-GAAP cijfers om zo een betere reflectie van de onderneming te communiceren in de persberichten. Hieruit kan worden afgeleid dat een grotere onderneming, met resultaten die niet in lijn zijn met de verwachtingen van de investeerders, meer gebruik van non-GAAP cijfers maakt in persberichten dan kleinere ondernemingen. De verwachting is als volgt:

H3: De omvang van de onderneming versterkt het effect van de hoogte van de winst op het gebruik van non-GAAP cijfers.

2.3 ADDITIONELE ANALYSES

In dit onderzoek is een additionele analyse uitgevoerd op de hypotheses. Voor de additionele analyse wordt, in navolging van Bowen et al. (2005), gebruik gemaakt van een weging omtrent de relevantie van de prestatie-indicatoren. Volgens Bowen et al. (2005) geeft de plaats van de prestatie-indicator in het persbericht aan in hoeverre er belang wordt gehecht aan de indicator door de managers. Hieruit komt naar voren dat de meest zichtbare prestatie-indicatoren een hogere weging moeten hebben dan de indicatoren die later in het persbericht worden genoemd. In het onderzoek van Bowen et al (2005) wordt echter het volledig persbericht beoordeeld. In dit onderzoek zijn de eerste tien prestatie-indicatoren beoordeeld. Het model omtrent de weging dat in dit onderzoek gehanteerd wordt is te zien in tabel 1.

Voor de additionele analyse worden dezelfde relaties verwacht als hierboven uiteengezet. Dit betekent dat de zichtbaarheid van non-GAAP cijfers wordt verhoogd naarmate (Hyp. 1a) de EPS daalt, (Hyp. 2) de omvang van de onderneming stijgt en (Hyp. 3) dat de omvang van de onderneming een versterkend effect heeft op de relatie tussen de EPS en de zichtbaarheid van de non-GAAP cijfers. Daarnaast wordt verwacht dat (Hyp. 1b) de zichtbaarheid van de income-based prestatie-indicatoren hoger is bij ondernemingen met een lagere EPS.

(17)

17

Tabel 1 – Wegingsfactor

De hypotheses kunnen als volgt grafisch worden weergeven in de volgende figuur:

Figuur 1: Conceptueel model Locatie in het persbericht

(van boven naar beneden) Emphasis score Emphasis ranking overzicht

Gerapporteerd in de headline, key figures en samenvatting op de website

4 Meeste Emphasis

Gerapporteerd in de eerste alinea 3 ↑↓

Gerapporteerd in de tweede alinea 2 ↑↓

(18)

18

3 METHODOLOGIE

In dit hoofdstuk wordt ingegaan worden op de onderzoekmethode en het onderzoekontwerp die gehanteerd zijn binnen dit onderzoek. In paragraaf 3.1 wordt ingegaan op de onderzoeksmethode. Vervolgens wordt er in paragraaf 3.2 ingegaan op de populatie die is gebruikt en op de methode van dataverzameling. In paragraaf 3.3 worden de variabelen meetbaar gemaakt. Hierbij wordt in paragraaf 3.3.1 uitgelegd hoe de afhankelijke variabele, de mate van gebruik van non-GAAP cijfers, in dit onderzoek gemeten wordt. In paragraaf 3.3.2 wordt vervolgens toegelicht hoe de onafhankelijke variabelen gemeten worden. In paragraaf 3.3.3 worden de controlevariabelen toegelicht. In paragraaf 3.4 wordt het gebruikte model en de gehanteerde formules besproken.

3.1 ONDERZOEKSMETHODE

Dit onderzoek is kwantitatief van aard, gezien het feit dit onderzoek meerdere relaties onderzoekt. Dit betekent dat er gebruik gemaakt wordt van statistische toetsen om hypotheses te testen. Door deze statistische toetsen is het mogelijk om te onderzoeken of er verbanden bestaan tussen de in hoofdstuk 2 vermeldde variabelen.

3.2 POPULATIE EN METHODE DATAVERZAMELING

Voor dit onderzoek is gebruik gemaakt van de gegevens van de Financial Times Stock Exchange Eurotop (FTSE Eurotop) 1006_{index exclusief de non-IFRS organisaties, banken en} verzekeringsmaatschappijen. Hierdoor resteren er 73 ondernemingen. Na het beoordelen van de beschikbaarheid van de persberichten, is besloten om ondernemingen waarvan voor drie of meer jaren de persberichten niet aanwezig waren uit de selectie te halen. Vervolgens was er nog een aantal ondernemingen waarvan voor één of twee jaar het persbericht niet gevonden is. Voor deze ondernemingen is besloten om enkel de jaren waarvan geen persbericht beschikbaar was buiten beschouwing te laten. De resterende jaren van deze ondernemingen zijn wel meegenomen in de analyses. Hierdoor bestaat de populatie uit 66 ondernemingen7_{. De} gegevens die gebruikt zijn, zijn de persberichten die behoren bij het publiceren van de jaarrekening en het jaarverslag gedurende de periode van 2011 tot en met 2015 met als absolute einddatum 31-12-2015. Dit betekent dat het laatst bekeken persbericht altijd behoort bij het

6_{De FTSE Eurotop 100 geeft het rendement aan van de 100 meest gekapitaliseerde, nationaal}

erkende en financieel gezonde ondernemingen in Europa.

(19)

19

boekjaar dat eindigt op of voor 31-12-2015. Er is gekozen voor meerdere achtereenvolgende jaargangen opdat er mogelijk een trend is te ontdekken in het gebruik van non-GAAP cijfers. Daarnaast is he boekjaar eindigend op of voor 31-12-2015 het meest recente jaar waarvan jaarrekeningen en bijbehorende persberichten gepubliceerd zijn.

Voor de onafhankelijke en controlevariabelen is gebruik gemaakt van bestaande gegevens. Hierbij zijn de data middels Orbis uit de jaarrekeningen gehaald. Bij de export van Orbis ontbraken een aantal gegevens. Deze zijn handmatig aangevuld aan de hand van de jaarrekening die door de desbetreffende ondernemingen gepubliceerd zijn. Om de kwaliteit van de data te waarborgen, is voor alle variabelen 10% van de gegevens van alle jaargangen handmatig gecontroleerd. Hierbij zijn geen verschillen geconstateerd. Tot slot is voor de data, die door Orbis is omgerekend naar de juiste valuta, gecontroleerd of hier een juiste koers voor is gehanteerd. Voor dit onderzoek betreft dit de data die betrekking heeft op de earnings per share en de balanstotaal. Hiervoor is de data uit de jaarrekening handmatig omgerekend naar de juiste valuta met behulp van de bijbehorende wisselkoers8. Bij verschillen is voor alle jaren de data aangepast naar de handmatig berekende waarde. Op basis van deze controles is de data uit Orbis, met eventuele aanpassingen, betrouwbaar geacht. De gegevens uit de persberichten zijn handmatig uit de persberichten gehaald. Dit is gedaan door vijf studenten die allen 70 persberichten hebben onderzocht (hiervan was een deel niet te vinden en is derhalve uit de data gehaald, zie ook hierboven). De resterende persberichten van drie ondernemingen zijn door de begeleiders van dit onderzoek beoordeeld. Vooraf aan het verzamelen van data zijn hierover afspraken vastgelegd. Hierin is vastgesteld dat de eerste tien punten uit de persberichten beoordeeld worden naar hun aard (GAAP vs. Non-GAAP). Vervolgens is afgesproken dat de prestatie-indicator, vanuit het persbericht, wordt ingedeeld in een van vijf categorieën, te weten: • Income-based • Cashflow-based • Revenues-based • Earnings-per-share-based • Other.

Deze indeling zorgt ervoor dat er een analyse gemaakt kan worden van welke categorie GAAP of non-GAAP cijfers het meest gehanteerd zijn. Om de subjectiviteit tegen te gaan omtrent de

(20)

20

classificatie van de prestatie-indicatoren, zijn afspraken gemaakt binnen de groep en is er een pilot test uitgevoerd, zie voor de gehanteerde afspraken appendix B.

3.3 VARIABELEN

De vertaalslag van de variabelen, zoals beschreven in het theoretisch kader, naar hoe ze gemeten worden voor het onderzoek vindt in deze paragraaf plaats.

3.3.1 Afhankelijke variabele & Additionele analyse emphasis

Voor de meetbaarheid van de afhankelijke variabele, mate van gebruik van non-GAAP cijfers, zijn persberichten behorende bij het eindigen van het boekjaar gebruikt. Deze zijn, zoals hierboven aangegeven, handmatig uit de persberichten verzameld. Dit is door meerdere personen gedaan, waarbij afspraken zijn gemaakt om de kwaliteit te waarborgen, zie appendix B. Voor de eerste tien prestatie-indicatoren in het persbericht is beoordeeld of er sprake is van een GAAP of non-GAAP prestatie-indicator. Vervolgens is beoordeeld in welke van de vijf eerder genoemde categorieën de prestatie-indicator is in te delen. Op basis hiervan is een prestatie-indicator op tien verschillende manieren in te delen.

Voor de statistische test omtrent hypothese 1a wordt gebruik gemaakt van een verhoudingsgetal (percentage) omtrent het gebruik van non-GAAP cijfers ten opzichte van de totaal vermelde prestatie-indicatoren. Voor het testen van hypothese 1b, zit er een verschil tussen het vermelden van ‘income-based’ indicatoren in tegenstelling tot de andere vier categorieën. Voor de statistische test wordt gebruik gemaakt van een verhoudingsgetal (percentage) omtrent het gebruik van ‘income-based’ indicatoren ten opzichte van het totaal vermelde prestatie-indicatoren.

Tevens wordt voor de additionele analyse gebruik gemaakt van een ranking zoals is te zien in Tabel 1. Op basis van deze indeling is per onderneming per jaar beoordeeld wat de wegingsscore van alle indicatoren is en is de weging van alle non-GAAP en GAAP cijfers als percentage uitgedrukt van de totale weging van de prestatie-indicatoren per onderneming.

(21)

21

3.3.2 Onafhankelijke variabelen

Winst van de onderneming

Voor de winst van de onderneming wordt gebruik gemaakt van earnings per share. Earnings per share9 is namelijk een goede eenheid om ondernemingen onderling te vergelijken. De bron van deze informatie is de jaarrekening. Voor de verzameling van de gegevens uit de jaarrekening is gebruik gemaakt van de database van Orbis. Als een onderneming gebruik maakt van buitenlandse valuta in de jaarrekening, is handmatig gecontroleerd of de omrekening juist is. Bij afwijkingen is de earnings per share opnieuw berekend door gebruik te maken van de bijbehorende wisselkoers. Om extreme waarden tegen te gaan, is er gebruik gemaakt van winsorizing op gegevens die vallen voor het vijfde en na het vijf-en-negentigste percentiel. Hierdoor wordt de database niet vertroebeld door extreme waarden.

Grootte van de onderneming

Voor de grootte van de onderneming is gebruik gemaakt van de balanstotalen van de onderneming. De bron hiervoor is de jaarrekening. Voor de verzameling van de gegevens uit de jaarrekening, is gebruik gemaakt van de database van Orbis. Bij buitenlandse valuta zijn de balanstotalen omgerekend met behulp van de geldende wisselkoers per ultimo boekjaar. Om de omvang van de onderneming correct mee te nemen in de tests, is er een logaritme van de gegevens gebruikt bij de tests. Daarnaast zijn de extreme waarden verwijderd middels winsorizing.

3.3.3 Controlevariabelen

De controlevariabelen die in dit onderzoek zijn meegenomen, zijn: de financieringsstructuur van een onderneming, return on assets en de sector van de onderneming.

Uit het onderzoek van Francis, Khurana en Pereira (2005) en Ahmed en Courtis (1999) blijkt dat de financieringsstructuur impact heeft op de hoeveelheid die een onderneming publiceert. De achterliggende reden hiervoor is dat ondernemingen met vreemd vermogen meer informatie naar buiten moeten brengen voor belanghebbenden, voornamelijk voor de vreemd vermogen verschaffers. Doordat er meer informatie gepubliceerd wordt, is de kans op het gebruik van non-GAAP cijfers ook groter. Derhalve is in dit onderzoek de financieringsstructuur, gemeten

9_{Earnings per share is de winst gedeeld door het gemiddelde van het totaal aan uitgegeven}

(22)

22

als vreemd vermogen / balanstotaal, meegenomen als controlevariabele. Om te corrigeren voor extreme waarden is er gebruik gemaakt van winsorizing.

Volgens Bhattacharya et al (2004) worden non-GAAP cijfers gebruikt door ondernemingen die een lage Return On Assets (ROA) vertonen. Derhalve wordt in dit onderzoek de ROA meegenomen als controlevariabele. Voor de tests is er gebruik gemaakt van winsorizing om te corrigeren voor de extreme waarden.

Uit het onderzoek van Cormier, Lapointe-Antunes en Magnan (2011) komt naar voren dat de GAAP cijfers een slechte weergave kunnen zijn voor de specifieke kernmerken die behoren bij een bepaalde sector. Hierdoor wordt er meer gebruik gemaakt van non-GAAP cijfers. Derhalve is in dit onderzoek de sector van de onderneming meegenomen als controlevariabele. In navolging op het onderzoek van Isidro en Marques (2013) de volgende indeling van de industrie gebruikt:

- Agriculture & mining - Manufacturing

- Materials en Electronics

- Transportation en communication - Wholesale trade

- Real estate

- Entertainment en business services - Other

Bij deze indeling is gebruik gemaakt van de indeling zoals die op de FTSE 100 te vinden is. Hierbij is de verwachting dat non-GAAP cijfers het meest gebruikt worden bij manufacturing, materials & electronics en transportation en communication (Isidro en Marques, 2013). Om dit te testen is gebruik gemaakt van een dummy variabele. Hierbij wordt de waarde 0 toegekend als de onderneming onder een van de drie categorieën valt. Als de onderneming is geclassificeerd in de overige ondernemingen, krijgt deze als waarde 1.

3.4 MODEL EN FORMULES

Voor het testen van de verschillende hypotheses, worden een aantal variabelen gebruikt. Deze variabelen zullen hieronder kort worden opgesomd (tabel 2), waarbij tevens de afkorting en de operationalisatie wordt vermeld.

(23)

23

Tabel 2 – Variabelen

Naam Afkorting Operationalisatie

Afhankelijke variabele

Gebruik van non-GAAP cijfers NG Percentage non-GAAP t.o.v. total prestatie-indicatoren.

Gebruik van income-based non-GAAP ING Percentage income-based t.o.v. total prestatie-indicatoren.

Onafhankelijke variabele

Resultaat van de onderneming EPS Earnings per share (Winst gedeeld door aandelen)

Omvang van de onderneming TA Logaritme van de totale activa Controle variabele

Vermogensstructuur D2TA Vreemd vermogen / totale activa Return on assets ROA Winst gedeeld door de assets Industrie IND Dummy variabele; Manufacturing,

materials & electronics en transportation en communication = 0, Overig = 1.

Additionele analyse

Gebruik van non-GAAP cijfers a.d.h.v. emphasis

NG-EMP Percentage van de emphasis van de non-GAAP cijfers t.o.v. de totale emphasis van de prestatie-indicatoren.

Op basis van de variabelen vermeld in tabel 2, zijn de volgende formules gehanteerd:

Hypothese 1a

NG = β0 + β1 * EPS + β4 * D2TA + β5 * ROA + β6 * IND + ε (1)

Hypothese 1b

(24)

24

Hypothese 2

NG = β0 + β2 * TA + β4 * D2TA + β5 * ROA + β6 * IND + ε (3)

Hypothese 3

NG = β0 + β3 * TA*EPS + β4 * D2TA + β5 * ROA + β6 * IND + ε (4)

Additionele analyse (voor hypothese 1a)

NG-EMP = β0 + β1 * EPS + β4 * D2TA + β5 * ROA + β6 * IND + ε (5)

Additionele analyse (voor hypothese 2)

NG-EMP = β0 + β2 * TA + β4 * D2TA + β5 * ROA + β6 * IND + ε (6)

Additionele analyse (voor hypothese 3)

NG-EMP = β0 + β3 * TA*EPS + β4 * D2TA + β5 * ROA + β6 * IND + ε (7)

Hierbij geldt dat de bèta’s aangeven in hoeverre het gebruik van non-GAAP cijfers wordt beïnvloed door de variabele die daarachter genoemd wordt, waarbij de andere variabelen constant gehouden worden. Hierbij is bèta 0 het startpunt. De ε geeft de verstoringsfactor aan.

(25)

25

4 RESULTATEN

4.1 BESCHRIJVENDE STATISTIEKEN

In tabel 3 staat een overzicht van de beschrijvende statistieken van de afhankelijke variabele door de jaren heen. Hierbij wordt in panel A: 2015 beschreven, in panel B: 2014, panel C: 2013, panel D: 2012 en panel E: 2011. Hierbij valt op dat het gebruik van non-GAAP cijfers door de jaren heen is toegenomen. In 2011 werd in de persberichten namelijk voor 50,4% van de prestatie-indicatoren gebruik gemaakt van non-GAAP cijfers. In 2015 is dit al toegenomen tot 55%. Hieruit blijkt dat er, in lijn met het onderzoek van Cohn (2016), Bradshaw en Sloan (2002) en Coleman en Usvyatsky (2015), door de jaren steeds meer gebruik gemaakt wordt van non-GAAP cijfers. De income based non-GAAP cijfers zijn gedurende de jaren relatief constant. In 2011 betreft dit gemiddeld 43% en in 2015 is dit gemiddeld 42,6%.

In tabel 4 staat een overzicht met de beschrijvende statistieken van de data van alle jaren. Hierbij valt op dat meer dan de helft van alle prestatie-indicatoren (52%) non-GAAP cijfers betreffen en dat er voor 42,1% gebruik wordt gemaakt van income based prestatie-indicatoren. Dit is een aanzienlijk hoog percentage gezien het feit er vijf verschillende categorieën zijn geïdentificeerd. Bij de onafhankelijke variabelen betreft de earnings per share gemiddeld € 9.80. Dit betekent dat er gemiddeld gezien winst is gemaakt. Daarnaast blijkt dat er een groot verschil is tussen de ondernemingen. De hoogste EPS betreft € 375,89 en de laagste is een verlies en betreft - € 8,95. Kijkend naar de omvang van de onderneming valt op de gemiddelde omvang van een onderneming € 74.162 miljoen betreft. Ook hierin zit een enorme spreiding gezien de kleinste onderneming een omvang van € 3.248 miljoen heeft en de grootste een omvang van € 381.935 miljoen heeft. Op basis van deze cijfers valt op dat er sprake is van allemaal grote ondernemingen, maar dat er voldoende verschil in omvang is om iets te zeggen over hypotheses. Er wordt echter niet in dit onderzoek gekeken naar het verschil tussen ‘kleine’ en ‘grote’ ondernemingen, maar tussen relatief ‘kleine’ en relatief ‘grote’ ondernemingen.

Om de regressies goed uit te voeren, is een aantal variabelen aangepast door middel van winsorizing en het gebruik van logaritmes. Dit wordt gedaan om er voor te zorgen dat uitschieters geen scheve impact hebben op de regressieanalyse. Voor de omvang van de onderneming is een logaritme genomen. Voor de EPS, Return on assets, de omvang van de onderneming en de vermogensstructuur is gebruik gemaakt van winsorizing. Hierbij zijn de uitschieters gelijk gesteld aan het gemiddelde plus (of min) driemaal de standaarddeviatie.

(26)

26

Tabel 3 – Beschrijvende statistieken

Beschrijvende statistieken voor de afhankelijke voor de jaren uitgesplitst

Panel A: 2015

Gem Min Max Std Dev

Gebruik van non-GAAP cijfers 55,9% 0% 100% 23,4% Gebruik van income based non-GAAP 42,8% 0% 90% 21,6%

Panel B: 2014

Panel C: 2013

Panel D: 2012

Panel E: 2011

(27)

27

Beschrijvende statistieken voor de afhankelijke en onafhankelijke variabelen (n = 324)

Gebruik van non-GAAP cijfers 52,0% 0% 100% 21.7% Gebruik van income based non-GAAP 42,1% 0% 90% 19,4%

Onafhankelijke variabelen

Omvang van de onderneming (mln.) € 74.162 €3.248 €381.935 €68.838 Earnings per share € 9,80 € -8,95 € 375,89 € 37,27

Controlevariabelen

Return on assets € 9,38 € -13,87 € 47,37 € 8,57 Financieringsstructuur 59,8% 24,88% 102,38% 15,7%

Industrie (dummy) 0,86 0 1 0,35

4.2 CORRELATIEANALYSE

In tabel 5 zijn de correlaties tussen de variabelen samengevat. Hierbij valt op dat een groot deel correleert op 1%, 5% of 10%. Dit betekent dat er een bepaald verband is tussen de variabelen. Wat nog meer opvalt is dat alle correlaties een getal geven lager dan of gelijk aan 0,426 (absoluut). Dit geeft de maximale samenhang aan tussen de variabelen. In dit geval is er geen sprake van multicollineariteit gezien de waarde kleiner is dan de grens (0,65). Derhalve heeft dit geen impact op het onderzoek.

(28)

28

Tabel 5 – Pearson correlaties

4.3 TESTEN HYPOTHESES

In tabel 6 zijn de resultaten van de regressieanalyses opgenomen. Hierin staan drie modellen vermeld. Hierbij is model (1) de analyse met enkel de controlevariabelen meegenomen. In model (2) zijn de hypotheses omtrent de omvang van de onderneming en de earnings per share toegevoegd. In model (3) is de moderator nog toegevoegd. Daarnaast worden er twee panels gebruikt. Panel A geeft de resultaten weer die gebruikt zijn voor hypothese 1a, 2 en 3. Panel B geeft de resultaten weer die gebruikt zijn voor hypothese 1b. Uit tabel 6 valt af te lezen dat in panel A onder model 1 er een aangepaste R² is van 0,019. Dit betekent dat de afhankelijke variabele voor 1,9% wordt verklaard door de controlevariabele. Bij model 2 en 3 zijn dit respectievelijk 2,5% en 11%. Dit betekent dat de mate van gebruik van non-GAAP cijfers voor 11% wordt verklaard door de in dit onderzoek gedefinieerde variabelen. Dit betekent dat de toevoeging van de variabelen zorgt voor een sterkere verklaringskracht middels de aangepaste R squared. Hierbij valt op dat de variabelen EPS en omvang (model 2) zorgen voor een erg lage verhoging van de aangepaste R squared. Dit impliceert dat deze variabelen weinig extra verklaringskracht hebben. Bij toevoeging van de modererende factor (model 3) wordt de aangepaste R squared significant verhoogd. Hieruit kan geconcludeerd worden dat zowel de EPS als de omvang van de onderneming wel een verklarende werking hebben, maar dat deze erg zwak is. Na toevoeging van de moderator, wordt de verklaringskracht verhoogd van 2,5% naar 11%. Dit betekent dat de afzonderlijke verklaringskracht van de moderator sterk is. Wat tevens opvalt is dat de F-waarde in alle modellen significant is. Dit is in lijn met de R squared, en betekent dat het model een verklaringskracht heeft inzake de afhankelijke variabele. Tevens

Pearson correlaties tussen onderzoeksvariabelen

Variabele EPS Fin Industrie ROA Omvang

EPS 1,000

FIN -0,112 ** 1,000

Industrie 0,028 -0,174 *** 1,000

ROA 0,045 -0,320 *** 0,161 *** 1,000

Omvang 0,067 0,409 *** -0,118 ** -0,426 *** 1,000

Opmerkingen: ***, **, * Correlatie is significant op respectievelijk 1%, 5% en 10% niveau (tweezijdig). Correlaties zijn gebaseerd op 323 observaties.

(29)

29

blijkt uit zowel model 1 als model 2 dat door het toevoegen van de onafhankelijke waarden, de F-waarde stijgt en een betere significantie heeft. Dit betekent dat het model door toevoeging van de onafhankelijke variabelen meer zegt over de afhankelijke variabele. Tot slot blijkt uit panel A en B dat de VIF (Variance Inflation Factor) waardes tussen de 1 en de 2 liggen. Dit betekent dat er geen sprake is van multicollineariteit.

Uit panel B valt af te leiden uit de aangepaste R² dat er voor model 1 en 2 respectievelijk een verklaringspercentage van 1,2% en 4,1% is behaald. Dit betekent dat het gebruik van income based prestatie-indicatoren voor 4,1% wordt verklaard door EPS en de controlevariabelen. Hieruit blijkt dat de mate van gebruik van income-based prestatie-indicatoren zwak is. Dit betekent dat er geen goede conclusie kan worden gedaan inzake de relatie tussen EPS en de mate van gebruik van income-based prestatie-indicatoren.

Voor hypothese 1a, de impact van het resultaat op het gebruik van non-GAAP cijfers, is de verwachting negatief geformuleerd. Dit betekent dat de verwachting is dat er meer gebruik gemaakt wordt van non-GAAP cijfers als de EPS lager is. Uit de regressieanalyse van panel A blijkt echter dat de coëfficiënt 0,110 is. Daarnaast blijkt dat deze significant is met p < 0,05. Dit betekent dat de mate van gebruik van non-GAAP cijfers hoger is bij ondernemingen met een hogere EPS. Dit is tegengesteld aan het eerder onderzoek van Marques (2016), Lougee en Marquadt (2014) en Isidro en Marques (2013). Uit hun onderzoek blijkt namelijk dat ondernemingen met een lage EPS gebruik maken van non-GAAP cijfers om zo hun resultaten op een andere manier te laten zien aan de belanghebbenden. Dit is tegen de verwachting in en derhalve dient hypothese 1a op basis van deze populatie te worden verworpen.

Voor hypothese 1b, de impact van het resultaat op het gebruik van income based prestatie-indicatoren, is de verwachting eveneens negatief. De verwachting is derhalve dat er meer income based prestatie-indicatoren gebruikt worden als de EPS laag is. Uit de regressie analyse van panel B blijkt echter dat EPS positief is gerelateerd aan income based prestatie-indicatoren met een coëfficiënt van 0,159. Dit is significant met p < 0,01. Dit houdt in dat de mate van gebruik van income based prestatie-indicatoren hoger ligt bij een hoge EPS. Dit is mogelijk omdat ondernemingen met een hoge EPS wellicht ook hogere income cijfers kunnen communiceren dan bedrijven met een lage EPS. In lijn met Bewley en Li (2000) willen ondernemingen graag positieve cijfers communiceren. Hierdoor zullen ondernemingen met hogere EPS, en dus hogere income cijfers, ook eerder income-based cijfers publiceren dan

(30)

30

ondernemingen met een lage EPS. Op basis van deze regressie en deze populatie dient Hypothese 1b te worden verworpen.

Een andere mogelijke verklaring omtrent het tegengestelde verband, gevonden bij Hypothese 1a en 1b, ligt volgens Kiosse (2009) aan het feit dat ondernemingen enerzijds de verwachtingen van analisten moeten behalen dan wel overtreffen en anderzijds dat het management middels ‘earnings guidance’ de verwachtingen van analisten kan bijschaven. Indien er echter sprake is van slechte ‘earnings guidance’, wordt er meer resultaat verwacht dan dat er daadwerkelijk gehaald kan worden. Dit betekent dat, hoewel de EPS mogelijk al erg positief is, er nog steeds gebruik gemaakt moet worden van non-GAAP cijfers om enerzijds de verwachtingen te behalen en anderzijds om het gat tussen realiteit en verwachting te dichten door een mogelijk slechte ‘earnings guidance’.

Tabel 6 – Regressieanalyse

Regressie resultaten (1) (2) (3)

Panel A: Hypothese 1a, 2 en 3 (n = 324)

Constante 46,695 *** 56,655 72,871 **

ROA -0,361 ** -0,382 ** -0,314 **

Industrie 3,153 3,082 -0,441

Vermogensstructuur 0,99 0,124 0,155

Omvang van de onderneming -1,125 -2,604

EPS 0,110 ** 0,214 *** Omvang * EPS -0,952 *** R² 0,028 0,041 0,127 Aangepaste R² 0,019 0,025 0,110 Verandering in R² 0,028 ** 0,012 0,086 *** F-waarde 3,127 ** 2,685 ** 7,678 *** Minimum VIF 1,041 1,042 1,078 Maximum VIF 1,131 1,282 1,288 Panel B: Hypothese 1b (n = 324) Constante 37,541 *** 35,042 *** ROA -0,274 ** -0,278 ** Industrie 3,262 3,184 Vermogensstructuur 0,072 0,096 EPS 0,159 *** R² 0,021 0,053

(31)

31 Aangepaste R² 0,012 0,041 Verandering in R² 0,021 * 0,032 *** F-waarde 2,260 * 4,432 *** Minimum VIF 1,041 1,013 Maximum VIF 1,131 1,143

Opmerkingen: ***, **, * Correlatie is significant op respectievelijk 1%, 5% en 10% niveau (tweezijdig). Correlaties zijn gebaseerd op 324 observaties (tweezijdige test).

Verder blijkt uit panel A voor de omvang van de onderneming dat deze een coëfficiënt heeft van -1,125. Deze waarde is echter niet statistisch significant. Dit betekent dat op basis van de gehanteerde populatie, Hypothese 2, waarin werd verwacht dat er meer non-GAAP cijfers gebruikt werden naarmate de omvang van de onderneming toeneemt, niet aangenomen mag worden en dat tevens het tegenovergestelde verband niet verworpen kan worden. Dit betekent dat er geen rechtstreeks verband is gevonden tussen de omvang van een onderneming en de mate van gebruik van non-GAAP cijfers voor deze populatie. Een verklaring hiervoor kan zijn dat er in lijn met het onderzoek van Guillamon-Saorin et al (2012) wel meer wordt gepubliceerd, maar dat dit niet per definitie non-GAAP cijfers zijn. Als moderator wordt er echter wel een significant verband gevonden (p < 0,01). Hiervan is de coëfficiënt (Omvang * EPS) -0.952. Dit betekent dat de omvang van de onderneming een negatief modererende werking heeft op de relatie tussen EPS en de mate van gebruik van non-GAAP cijfers. Er wordt dus geen direct verband gevonden, maar wel een indirect, negatief, verband. Hiermee kan worden geconcludeerd dat ook Hypothese 3 verworpen moet worden op basis van deze populatie, aangezien deze een positief modererend effect verwacht. Dit is in lijn met het onderzoek van Curtis, McVay en Whipple (2014) die eveneens stellen dat de omvang van de onderneming geen invloed heeft op het gebruik van non-GAAP cijfers. Dit is echter in strijd met de onderzoeken van Cormier et al (2011) en Isidro en Marques (2015) die een positief verband vinden. Een mogelijke verklaring hiervoor is dat grote ondernemingen door veel investeerders gevolgd worden. Deze investeerders zijn, volgens Koning, Mertens en Roosenboom (2010), door de negatieve aandacht op non-GAAP cijfers terughoudend ten opzichte van de non-GAAP cijfers. Dit betekent dat ze minder stellig zijn in het nemen van beslissingen op basis van non-GAAP cijfers. Doordat grote ondernemingen door meer investeerders gevolgd worden en investeerders terughoudend zijn in het gebruik van non-GAAP cijfers, heeft de omvang van de onderneming een verzwakkend effect op het verband tussen de hoogte van de winst en het gebruik van non-GAAP cijfers.

(32)

32

Voor de controlevariabelen blijkt dat enkel de ROA significant is. Deze heeft in Panel A een coëfficiënt van -0,361 met p < 0,05 en in panel B een coëfficiënt van -0.274 met een p < 0,05. Dit betekent dat de ROA negatief gerelateerd is aan het gebruik van non-GAAP cijfers en is dus conform de verwachting. De financieringsstructuur en de industrie zijn in dit onderzoek, in tegenstelling tot de verwachting, niet significant.

4.4 ADDITIONELE ANALYSE

Voor de additionele analyse hebben ten opzichte van de regressie analyse twee mutaties in de beschrijvende statistieken plaatsgevonden. Deze zijn te vinden in tabel 7. Hieruit blijkt dat er tussen de zichtbaarheid van non-GAAP cijfers (49,9%) en de GAAP cijfers (50,1%) niet veel verschillen zitten. Dit betekent dat managers geen voorkeur hebben tussen het zichtbaar plaatsen van GAAP of non-GAAP cijfers. Ten tweede bestaat er het verschil in zichtbaarheid van income-based cijfers ten opzichte van de overige categorieën. Hieruit blijkt dat de emphasis van de income-based cijfers gesteld wordt op 41,2% ten opzichte van 58,8% van de andere vier categorieën. Dit betekent dat relatief gezien de income-based cijfers het meest zichtbaar zijn ten opzichte van de andere categorieën.

Beschrijvende statistieken voor de afhankelijke en onafhankelijke variabelen (n = 324)

In tabel 8 zijn de correlaties tussen de variabelen samengevat. Hierbij valt op dat er een aantal correlaties zijn op 1%, 5% of 10%. Dit betekent dat er een bepaald verband is tussen de variabelen. Wat nog meer opvalt is dat alle correlaties een getal geven lager dan of gelijk aan 0,426 (absoluut). Dit geeft de maximale samenhang aan tussen variabelen. In dit geval is er geen sprake van multicollineariteit gezien de waarde kleiner is dan de grens (0,65). Derhalve heeft dit geen impact op het onderzoek.

(33)

33

In tabel 9 staan de resultaten van de regressieanalyse behorende bij de additionele analyse. In panel A worden hypothese 1a, 2 en 3 getoetst. In panel B wordt hypothese 1b getoetst. Uit de aangepaste R squared van panel A blijkt dat er geen conclusie getrokken kan worden aan de hand van dit model. De aangepaste R squared is namelijk voor alle modellen negatief, wat betekent dat, hoewel er volgens de R squared een invloed is, de invloed van de variabelen dusdanig klein is, dat de verandering in de mate van publicatie van non-GAAP cijfers evenwel door toeval tot stand gekomen kan zijn. Dit is in lijn met de F waardes die in alle modellen niet significant zijn voor panel A. Wat wel blijkt is dat er geen sprake is van multicollineariteit, aangezien de VIF waarde voor alle drie de modellen tussen de 1 en 10 ligt. De regressie analyse zal nog wel uitgevoerd worden, maar de conclusie voor panel A is dat er geen uitspraak gedaan wordt over de relatie tussen de variabelen.

Tabel 8 – Pearson correlaties

Tabel 9 – Additionele analyses

Pearson correlaties tussen onderzoeksvariabelen

Variabele EPS Fin Industrie ROA Omvang

EPS 1,000

FIN -0,112 ** 1,000

Industrie 0,028 -0,174 *** 1,000

ROA 0,045 -0,320 *** 0,161 *** 1,000

Omvang 0,067 0,409 *** -0,118 ** -0,426 *** 1,000

Opmerkingen: ***, **, * Correlatie is significant op respectievelijk 1%, 5% en 10% niveau (tweezijdig). Correlaties zijn gebaseerd op 323 observaties.

Regressie resultaten (1) (2) (3)

Panel A: Hypothese 1a, 2 en 3 (n = 324)

Constante 0,522 *** 0,560 0,539

ROA -0,001 -0,001 -0,001

Industrie -0,011 -0,010 -0,006

Vermogensstructuur -0,000 0,000 0,000

Omvang van de onderneming -0,002 0,000

EPS -0,001 ** -0,001 **

Omvang * EPS 0,001

R² 0,001 0,014 0,016

(34)

34

Uit model 1 van Panel A blijkt dat er geen significant verband is tussen de controlevariabelen en de afhankelijke variabele. Dit betekent dat er geen uitspraak gedaan kan worden omtrent deze relatie. Uit model 2 blijkt dat er geen significant verband is tussen de omvang van de onderneming en de zichtbaarheid van de non-GAAP cijfers. Dit betekent dat in de additionele analyse Hypothese 2 niet kan worden aangenomen. Tevens blijkt dat er een significant verband is tussen de EPS en de zichtbaarheid van de non-GAAP cijfers (p < 0,05). Dit betekent dat er een relatie bestaat tussen de hoogte van de EPS en de zichtbaarheid van de non-GAAP cijfers. Echter gezien de negatieve aangepaste R squared kan er geen uitspraak gedaan worden over deze relatie. Dit betekent dat Hypothese 1a voor de additionele analyse niet kan worden aangenomen. Tot slot blijkt uit model 3 van panel A dat er geen significante relatie bestaat omtrent het modererende effect van de omvang van de onderneming op de relatie in hypothese 1a. Dit betekent dat er geen uitspraak gedaan kan worden omtrent de gestelde verwachting in Hypothese 3.

Uit panel B blijkt dat de zichtbaarheid van income-based cijfers wel wordt beïnvloedt door de controle variabelen (model 1) en de EPS (model 2). De invloed van de controlevariabelen alleen op de zichtbaarheid van income based cijfers betreft 1%. Dit is een zwakke verklarende

Verandering in R² 0,001 0,013 0,001 F-waarde 0,124 0,935 0,846 Minimum VIF 1,049 1,100 1,125 Maximum VIF 1,149 1,128 1,137 Panel B: Hypothese 1b (n = 324) Constante 37,157 *** 34,623 *** ROA -0,239 * -0,240 * Industrie 3,120 3,035 Vermogensstructuur 0,075 0,100 EPS 0,158 *** R² 0,019 0,051 Aangepaste R² 0,010 0,039 Verandering in R² 0,019 * 0,032 *** F-waarde 2,083 * 4,269 *** Minimum VIF 1,056 1,048 Maximum VIF 1,157 1,168

Opmerkingen: ***, **, * Correlatie is significant op respectievelijk 1%, 5% en 10% niveau (tweezijdig). Correlaties zijn gebaseerd op 324 observaties (tweezijdige test).

(35)

35

factor. Door de toevoeging van de EPS, stijgt de verklaringskracht naar 3,9%. Dit betekent dat 3,9% van de verandering in de zichtbaarheid van de income-based cijfers wordt verklaard door de verandering in EPS en de controlevariabelen. Deze verklarende kracht wordt bevestigd door de F waarde die in zowel model 1 als 2 significant is. Dit betekent dat het model een verklarende factor is voor de afhankelijke factor. Hierbij toont de F waarde in model 2 een significanter effect dan model 1, wat inhoudt dat model 2 een sterkere verklaring vormt voor de afhankelijke variabele. Wat tevens blijkt is dat de VIF waarde tussen de 1 en de 10 ligt en er derhalve geen sprake is van multicollineariteit. Voor de invloed van de EPS op de zichtbaarheid van de non-GAAP cijfers blijkt tevens uit panel B model (2) dat er een significant verband is geconstateerd ( p < 0,01). Dit betekent dat er een relatie bestaat tussen de EPS en de zichtbaarheid van de income-based cijfers en er derhalve een uitspraak gedaan kan worden omtrent de gestelde verwachting in hypothese 1b. De bijbehorende coëfficiënt is 0,158. Dit betekent dat de non-GAAP cijfers op een meer zichtbare plaats worden weergeven naarmate de EPS hoger is. In lijn met de analyse die hierboven gedaan is, volgt er uit de analyse dat ondernemingen met een hoge EPS niet alleen meer income-based cijfers gebruiken, maar deze ook zichtbaarder opstellen. Dit volgt ook uit het onderzoek Guillamon-Saorin (2010), die stelt dat ondernemingen (managers) graag positieve resultaten zichtbaar publiceren. In dit geval wil de onderneming met een hoge EPS graag zichtbaar aantonen dat ze goede income-based cijfers hebben behaald. Daarnaast is het mogelijk dat een onderneming extra toelichting geeft over de hoge EPS die behaald is. Hiervoor kunnen zij, in lijn met de voluntary disclosure theorie, extra informatie verstrekken in persberichten om belanghebbenden op de hoogte te stellen. Deze extra informatie, in dit geval goede income-based cijfers, worden dan op zichtbare plaatsen gezet om zo de informatie goed over te laten komen en belanghebbenden te helpen bij de beslissingen die zij nemen. Hierdoor neemt de zichtbaarheid van de income-based cijfers toe naarmate de EPS hoger is.

4.5 ROBUUSTHEIDSCHECK

Voor het onderzoek is een robuustheidscheck uitgevoerd. Hiervoor is de lijst met data doorgenomen. Hieruit is geconstateerd dat de EPS varieert tussen de -9 en de +16. Er is echter een aantal uitschieters, dat niet bij de winsorizing zijn aangepast. Dit betreffen ondernemingen met een EPS tussen de 49 en 121. Voor de robuustheidsanalyse zijn alle ondernemingen met een EPS hoger dan 16 verwijderd. De resultaten van deze analyse geven dezelfde conclusies als de hoofdanalyse van dit onderzoek. Voor de additionele analyse is dezelfde

(36)

36

robuustheidsanalyse uitgevoerd. Hierbij zijn ook geen verschillen geconstateerd ten opzichte van de hierboven uitgevoerde analyses.

Vervolgens is er voor de EPS een andere winstvariabele gebruikt om de regressieanalyses uit te voeren. Dit betreft de Return On Equity (ROE). EPS is gewijzigd aangezien de hoofdvraag van dit onderzoek betrekking heeft op de hoogte van de winst. Deze gegevens zijn middels Orbis uit de jaarverslagen gehaald en zijn voor 10% gecontroleerd aan de hand van de jaarverslagen. Uit de uitgevoerde regressieanalyse blijken geen significante veranderingen ten opzichte van de hiervoor uitgevoerde analyses. Enkel een verandering inzake de significantie van het gevonden verband, maar de resultaten zijn qua richting identiek aan de hiervoor uitgevoerde analyse. Zie voor de resultaten van de regressieanalyse Appendix C. Het verschil in significantie kan voortkomen uit het feit dat er door belanghebbenden anders naar de EPS en de ROE wordt gekeken. Voor belanghebbenden is de EPS een belangrijkere factor dan de ROE, omdat de EPS de sterkste determinant is voor de marktprijs van de aandelen (Vijitha & Nimalathasan, 2014). De marktprijs van de aandelen geeft de waarde van de aandelen en van de onderneming weer en is derhalve een belangrijk uitgangspunt voor belanghebbenden. Hierdoor is het mogelijk dat er meer gebruik gemaakt wordt van non-GAAP cijfers bij de EPS dan bij de ROE. Gezien de richting van de analyse gelijk blijft, kan gesteld worden dat de resultaten robuust zijn.

Op basis van de twee hierboven beschreven controles kan worden gesteld dat de analyse robuust is en dat de resultaten niet veranderen bij het aanpassen van een aantal aspecten.

4.6 CAUSALITEIT

Gezien de resultaten de hypotheses tegenspreken, is er een mogelijkheid dat er sprake is van een causaliteitsprobleem. Om dit te controleren wordt er een causaliteitscheck uitgevoerd, waarbij het tegenovergestelde verband van de hypotheses wordt getoetst. Voor de causaliteitscheck zijn dezelfde variabelen gebruikt als de regressieanalyses om de hypotheses te testen. Voor de correlatie van de variabelen is derhalve tabel 5 van toepassing. Hierbij is in tabel 10 onderzocht of er een invloed is van non-GAAP cijfers op de EPS van de onderneming (panel A), of de moderator een effect heeft op de relatie non-GAAP cijfers op EPS (panel A), of er een invloed is van non-GAAP cijfers op de omvang van de onderneming (panel B) en of het gebruik van income based cijfers een invloed heeft op de EPS (panel C).