De Invloed van Overheidssteun op de Financiering van de Onderneming: Een Empirische Studie van het IWT

UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2005 - 2006

De Invloed van Overheidssteun op de Financiering van de Onderneming: Een Empirische Studie van het IWT

Scriptie voorgedragen tot het bekomen van de graad van licentiaat in de toegepaste economische wetenschappen: optie technische bedrijfskunde

Valérie Herbert Onder leiding van Prof. dr. ir. S. Manigart

UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2005 - 2006

De Invloed van Overheidssteun op de Financiering van de Onderneming: Een Empirische Studie van het IWT

Scriptie voorgedragen tot het bekomen van de graad van licentiaat in de toegepaste economische wetenschappen: optie technische bedrijfskunde

Valérie Herbert Onder leiding van Prof. dr. ir. S. Manigart

Permission

De Invloed van Overheidssteun op de Financiering van de Onderneming

Valérie Herbert

Woord Vooraf Vooreerst wil ik Prof. dr. ir. Manigart bedanken voor haar nuttige adviezen en interessante aantekeningen tijdens het uitwerken van deze scriptie.

Een bijzonder woord van dank gaat uit naar het Instituut voor de Aanmoediging van Innovatie door Wetenschap en Technologie in Vlaanderen (IWT). Het vertrouwen dat zij in mij stelden bij het vrijgeven van soms vertrouwelijke gegevens, heeft het mogelijk gemaakt met een heel accurate en vooral volledige dataset te werken. In het bijzonder dank ik Dhr. Eric Sleeckx voor de vlotte samenwerking en de begeleiding doorheen de wereld van subsidies.

Verder dank ik van ganser harte Dhr. Miguel Meuleman voor de praktische begeleiding bij het schrijven van deze scriptie. De laatste twaalf maanden stond hij met een ontembaar enthousiasme steeds klaar om mijn vele vragen te beantwoorden. Deze eindverhandeling zou niet geweest zijn wat ze nu is zonder zijn kritische opmerkingen en creatief denkwerk.

Mei 2006, Valérie Herbert

Faculteit Economie en Bedrijfskunde

I


Valérie Herbert

Inhoudstafel WOORD VOORAF................................................................................................................................I INHOUDSTAFEL................................................................................................................................ II LIJST VAN DE TABELLEN.............................................................................................................IV LIJST VAN DE FIGUREN ................................................................................................................. V LIJST VAN GEBRUIKTE AFKORTINGEN..................................................................................VI INLEIDING ........................................................................................................................................... 1 DEEL 1 :

LITERATUURSTUDIE ................................................................................................. 4

1

PROBLEMEN VAN JONGE ONDERNEMINGEN EN BELANG O&O................................ 4

2

FINANCIERING ............................................................................................................................ 8

2.1

SCHULDKAPITAAL ...................................................................................................................... 11

2.2

NIEUW AANDELENKAPITAAL ..................................................................................................... 12

2.2.1

VENTURE CAPITAL .................................................................................................................... 14

2.2.2

BUSINESS ANGELS .................................................................................................................... 16

2.3 3

ROL VAN DE OVERHEID .............................................................................................................. 18 SUBSIDIES.................................................................................................................................... 20

3.1

OVERHEIDSTUSSENKOMST IN VLAANDEREN ............................................................................ 20

3.2

OORZAAK VAN OVERHEIDSINTERVENTIE: MARKTFALING ..................................................... 24

3.2.1

SPILLOVERS ............................................................................................................................... 24

3.2.2

ASYMMETRISCHE INFORMATIE ................................................................................................. 26

3.3 4

ALGEMEEN EFFECT SUBSIDIES .................................................................................................. 27 HYPOTHESEN............................................................................................................................. 30


II


Valérie Herbert

DEEL 2 : EMPIRISCHE STUDIE ................................................................................................ 35 1

BESCHRIJVING VAN DE DATA.............................................................................................. 35

2

BESCHRIJVING VAN DE VARIABELEN .............................................................................. 40

2.1

AFHANKELIJKE VARIABELEN .................................................................................................... 40

2.2

ONAFHANKELIJKE VARIABELEN ............................................................................................... 42

2.3

CONTROLEVARIABELEN............................................................................................................. 43

3

ANALYSE VAN DE ONDERZOEKSRESULTATEN ............................................................. 49

3.1

KRUISTABELLENANALYSE ......................................................................................................... 49

3.2

LOGISTIEKE REGRESSIE ............................................................................................................. 59

3.2.1

BASISMODEL 1 .......................................................................................................................... 60

3.2.2

BASISMODEL 2 .......................................................................................................................... 72

3.3

CONCLUSIE UIT DE ANALYSES ................................................................................................... 77

3.4

BIJKOMENDE ANALYSE .............................................................................................................. 82

4

ALGEMEEN BESLUIT ............................................................................................................... 83

5

LIJST VAN DE GERAAPLEEGDE WERKEN...................................................................... VII

BIJLAGEN ........................................................................................................................................ XII


III


Valérie Herbert

Lijst van de Tabellen Tabel 1: Aantal aanvragers en ontvangers per jaar __________________________________________ 37 Tabel 2: Aantal projecten die een IWT-subsidie aanvragen, afkomstig van jonge ondernemingen en starters ________________________________________________________________________________ 37 Tabel 3: Aantal projecten ingediend door technologische ondernemingen_______________________ 38 Tabel 4: Distributie van aanvragers van IWT-subsidies volgens activiteitensectie ________________ 39 Tabel 5: Financieringsevents _____________________________________________________________ 41 Tabel 6: Aantal aanvragen tot Innovatiestudies en Innovatieprojecten __________________________ 43 Tabel 7: Controlevariabelen ______________________________________________________________ 47 Tabel 8: Definities onafhankelijke variabelen en correlatiematrix _______________________________ 48 Tabel 9: Aantal financieringsevents voor en na de IWT subsidie _______________________________ 50 Tabel 10: Voor-na-analyse voor jonge ondernemingen _______________________________________ 51 Tabel 11: Voor-na-analyse voor technologische ondernemingen. ______________________________ 52 Tabel 12: Voor-na-analyse naar grootte van subsidie ________________________________________ 54 Tabel 13: Financieringsevents van ontvangers en niet-ontvangers in T0 en T1 __________________ 55 Tabel 14: Financieringsevents vreemd vermogen op KT voor ondernemingen <10 jaar (T0 en T1) _ 56 Tabel 15: Financieringsevents technologische en niet-technologische ondernemingen (T0 en T1)__ 56 Tabel 16: Financieringsevents in de jaren volgend op innovatiestudies en -projecten _____________ 58 Tabel 17: Correlatiematrix voor basismodel 1 _______________________________________________ 61 Tabel 18: Logistieke regressie van basismodel 1 voor de drie vormen van externe financiering

(1)

__ 64

Tabel 19: Coëfficiënt en significantie van de variabele SUBS_01JAARNA SUBS voor EV en VV ___ 66 Tabel 20: Logistische regressie met interactieterm leeftijd ____________________________________ 67 Tabel 21: Logistieke regressie met interactie voor jonge ondernemingen. _______________________ 68 Tabel 22: Logistieke regressie met interactie voor starters ____________________________________ 68 Tabel 23: Logistieke regressie met interactie voor technologische ondernemingen _______________ 69 Tabel 24: Logistieke regressie met interactie voor ondernemingen met veel immateriële activa ____ 70 Tabel 25: Logistieke regressie met interactievariabele “ type subsidie” _________________________ 70 Tabel 26: Logistieke regressie met interactievariabele “grootte subsidie”________________________ 71 Tabel 27: Correlatiematrix basismodel 2 ___________________________________________________ 72 Tabel 28: Logistieke regressie:Aanvragers vs ontvangers in T0 en T1 __________________________ 73 Tabel 29: Logistieke regressie voor fin. schulden op ten hoogste 1 jaar met interactie naar leeftijd _ 74 Tabel 30: Logistieke regressie voor technologische ondernemingen ___________________________ 75 Tabel 31: Logistieke regressie voor ondernemingen met veel immateriële activa_________________ 76 Tabel 32: Logistieke regressie met interactie-variabele “type subsidie” _________________________ 76 Tabel 33: Samenvatting van het effect van subsidies ________________________________________ 77 Tabel 34: Logistieke regressie in de tijd met controle voor niet ontvangers. _____________________ 82 Faculteit Economie en Bedrijfskunde

IV


Valérie Herbert

Lijst van de Figuren Figuur 1: Firm continuum and sources of finance - Berger & Udell (1998) _______________________ 10

Figuur 2: NACE-BEL Classificatie Technische Sectoren Verwerkende Nijverheid (Belgisch Rapport over Wetenschap, Technologie en Innovatie, 2004)__________________________________________ XII

Figuur 3: NACE-BEL Classificatie Technische Sectoren Dienstverlening (Belgisch Rapport over Wetenschap, Technologie en Innovatie, 2004) _____________________________________________ XIII

Figuur 4: NACE-BEL 2003 Activiteitennomenclatuur, Indeling in Secties ( Algemene Directie Statistiek en Economische Informatie, 2004) _______________________________________________________ XIV


V


Valérie Herbert

Lijst van gebruikte afkortingen BNP – Bruto Nationaal Product BRP – Bruto Regionaal Product EBAN – European Business Angel Network EBITDA – Earnings Before Interest, Taxes, Depreciation and Amortization EV – Eigen Vermogen GIMV – Gewestelijke Investeringsmaatschappij Vlaanderen HBPWB – Horizontaal Begrotingsprogramma Wetenschapsbeleid IPO – Initial Public Offering IWT – Instituut voor de Aanmoediging van Innovatie door Wetenschap en Technologie in Vlaandereen KMO – Kleine en Middelgrote Ondernemingen NACE – Nomenclature Générale des Activités économiques dans les Communautés Européennes NASVF – National Association of Seed and Venture Funds NIS – Nationaal Instituut voor Statistiek O&O – Onderzoek en ontwikkeling OESO – Organisatie voor Economische Samenwerking en Ontwikkeling R&D – Research and Development SIC – Standard Industrial Classification VC – Venture Capital VV – Vreemd Vermogen VZW – Vereniging Zonder Winstoogmerk


VI


Valérie Herbert

Inleiding

Jonge ondernemingen krijgen vaak te kampen met financieringsmoeilijkheden. De belangrijkste oorzaken daarrvan zijn asymmetrische informatie en een hoge graad van onzekerheid (Berger & Udell, 1998). Zeker bij jonge technologische ondernemingen bezit de ondernemer zelf veel meer informatie met betrekking tot de slaagkansen van een project dan potentiële investeerders (Carpenter & Petersen, 2002). Banken noch inbrengers van eigen vermogen kunnen de kwaliteit en de kans op succes van een project perfect inschatten. Dat beperkt ondernemers in de externe financiering die zij kunnen aantrekken.

Gelukkig kunnen jonge innovatieve bedrijven voor financiële steun ook terecht bij de overheid. Subsidiëring vormt een onderwerp dat de laatste jaren de aandacht genoot van talrijke onderzoekers. Subsidies brengen immers een aanzienlijke publieke uitgave teweeg. Talrijke voorbeelden hebben al aangetoond dat ze een positieve invloed kunnen hebben op de economie (Lerner, 1999).

In Vlaanderen ligt het grootste deel van de overheidssubsidiëring in handen van het Instituut voor de Aanmoediging van Innovatie door Wetenschap en Technologie in Vlaanderen (IWT). Hun budget bedraagt één derde van het totale budget voor Wetenschap en Technologische Innovatie in Vlaanderen (Meeusen & Janssens, 2000). Het IWT levert zo een substantiële bijdrage tot het bereiken van de Barcelona-doelstellingen van de Europese Commissie. Die wil tegen 2010 3% van het Vlaamse Bruto Regionaal Product (BRP) besteed zien aan Onderzoek en Ontwikkeling (O&O) (Cincera et Al., 2004). Onderzoek rond subsidies en het effect ervan is van levensbelang voor een instelling als het IWT. Immers, het analyseren van de effectiviteit van hun subsidies op de ontwikkeling van de onderneming is niet alleen een essentiële, maar ook een existentiële vraag. Indien het toewijzen van subsidies geen meerwaarde creëert, zou het overheidsbudget beter aan iets anders worden besteed.

In theorie zouden subsidies steeds een meerwaarde met zich mee moeten brengen voor de onderneming. Indien dit ook effectief het geval is, spreekt men in de literatuur van additionaliteit. De additionaliteit wordt meestal gemeten als extra output, maar kan ook Faculteit Economie en Bedrijfskunde

1


Valérie Herbert

andere vormen aannemen. Onderzoek heeft uitgewezen dat de positieve effecten van overheidssubsidies niet enkel te vinden zijn in termen van groei in de omzet of tewerkstelling. Subsidies kunnen ondernemingen er ook toe aanzetten meer te investeren met eigen middelen of hun innovatief gedrag ter veranderen. Deze vormen van additionaliteit worden aangeduid als respectievelijk Input-additionality en Behavioural-additionality. Wat de laatste variant betreft, bleek uit een studie onder leiding van Josh Lerner (1999) dat ook een positieve invloed plaatsvindt op het gebied van externe financiering, althans in de Verenigde Staten. Een

overheidssubsidie

kan

namelijk

een

certificaatsfunctie

hebben

naar

andere

financieringsbronnen toe. Het vertrouwen van de overheid in de leefbaarheid van een onderneming kan een positief signaal vormen naar externe investeerders en het informatieprobleem aanzienlijk verlichten. De subsidie doet dan dienst als kwaliteitsgarantie en stelt de onderneming in staat meer externe financiering te verkrijgen.

In België en Europa hebben onderzoekers nog maar weinig aandacht besteed aan dat certificaatseffect. Kunnen ook in ons land gesubsidieerde ondernemingen in de daarop volgende jaren meer externe financiering aantrekken? Dit onderzoek tracht een antwoord te vinden op die vraag. Het bestudeert de situatie in Vlaanderen, meer bepaald voor IWTsubsidies aan kleine en middelgrote ondernemingen (KMO).

In het eerste deel gaat de aandacht uit naar de bestaande wetenschappelijke literatuur. Het behandelt de financieringsproblematiek van jonge ondernemingen en het belang van onderzoek

en

ontwikkeling.

De

verschillende

financieringsvormen

waarop

jonge

ondernemingen beroep kunnen doen, komen kort aan bod. Subsidies worden in detail behandeld. Daarbij wordt de rol van het IWT omschreven en worden de redenen aangehaald voor deze overheidstussenkomst. Verder ligt de aandacht op de effecten die subsidies teweegbrengen en hoe ze een antwoord kunnen vormen op financieringsproblemen. Het tweede deel van dit werk omvat eigen empirisch onderzoek naar de certificaatsfunctie van IWT-subsidies in Vlaanderen. De hypothesen, opgesteld op basis van de literatuurstudie, worden getoetst aan de hand van zowel bivariate als multivariate technieken. Na een eerste onderzoek aan de hand van kruistabellen, volgt een binomiale logistieke regressie.

Het onderzoek gebeurde aan de hand van heel complete dataset en er werd telkens getracht te werken met zo volledig mogelijke modellen. Toch is de studie onderhevig aan enkele Faculteit Economie en Bedrijfskunde

2


Valérie Herbert

beperkingen. De belangrijkste is waarschijnlijk dat slechts één overheidsprogramma in rekening werd gebracht. Dat maakt vergelijkingen onmogelijk en houdt een risico op vertekeningen in. De bestudeerde ondernemingen kunnen ook andere subsidies hebben ontvangen, die op hun beurt ook bepaalde effecten teweegbrengen. Verder is de causaliteit van de gevonden effecten niet steeds gegarandeerd. Zijn het de subsidies die leiden tot meer financiering? Of leidt een grotere vraag naar financiering tot een subsidie? Dit vormt zeker een interessante denkrichting die verder onderzoek zal vereisen. Een analyse aan de hand van panel data kan waarschijnlijk meer inzicht brengen.


3


DEEL 1 :

Valérie Herbert

LITERATUURSTUDIE

1 Problemen van jonge ondernemingen en belang O&O

Jonge ondernemingen worden met tal van problemen geconfronteerd. Eerst en vooral evolueren ze in een onbekende omgeving en hebben ze slechts prille relaties met klanten en leveranciers. Verder hebben ze te kampen met een gebrek aan productie-ervaring en kunnen dus nog niet steunen op volwaardige routines. Omdat beginnende ondernemingen vaak niet in staat zijn producten af te leveren van consistente kwaliteit, lopen ze een hoger risico op faillisement (Hannan & Freeman, 1984). Daarbij komt dat jonge bedrijven veelal klein zijn. Vaak zijn ze door een gebrek aan financiële middelen nog niet opgewassen tegen moeilijkere periodes. Ook dat draagt bij tot een hoge faillissementsgraad (Levinthal, 1991). Door al deze obstakels bestaat er grote onzekerheid over de waarde en het groeipotentieel van deze starters (Stuart, Hoang & Hybels, 1999). Dat vertaalt zich naar financiering toe in hogere risicopremies en een grotere terughoudendheid vanwege financiers.

De onzekerheid rond jonge ondernemingen wordt nog groter door wat in de literatuur wordt beschreven als asymmetrische informatie. Dit fenomeen heeft betrekking op het feit dat de onderneming zelf betere informatie bezit dan haar potentiële investeerders. Aan de basis van die asymmetrie kunnen tal van oorzaken liggen. Zo sluiten kleine ondernemingen meestal geen contracten die publiek raadpleegbaar zijn of uitvoerig worden besproken door de pers. In tegenstelling tot grotere bedrijven, houden ze deze informatie eerder intern. Ze geven ook geen financiële instrumenten zoals aandelen uit, die continu gewaardeerd worden op publieke markten en een belangrijke informatiebron kunnen vormen. Informatie over specifieke projecten wordt vaak bewust intern gehouden om zich te beschermen tegen de concurrentie. Dat gebrek aan extern beschikbare informatie over de return van investeringen, maakt het kleine ondernemingen vaak moeilijk om een sterke reputatie op te bouwen en buitenstaanders te overtuigen van hun kwaliteit (Berger & Udell, 1998). Wanneer zo een onderneming externe middelen wil aantrekken, kunnen agency problemen zoals “moral hazard” en “adverse Faculteit Economie en Bedrijfskunde

4


Valérie Herbert

selection” ontstaan (Carpenter & Petersen, 2002). Naarmate de informatieproblematiek groter is maakt dat externe financiering heel duur tot zelfs onmogelijk, zodat ondernemingen vaak te kampen hebben met een financieringsbeperking. Die geeft op haar beurt aanleiding tot onderinvesteringsproblemen (Hubbard, 1998). Externe financiering is immers van cruciaal belang voor jonge groeigeoriënteerde bedrijven. De producten en ideeën die zij ontwikkelen vereisen dikwijls een grotere kapitaalhoeveelheid dan de intern gegenereerde cashflow of het vermogen van de ondernemer (Berger & Udell, 1998).

Als antwoord op die talrijke onzekerheden hebben verschaffers van zowel eigen vermogen als vreemd vermogen enkele mechanismen ter beschikking. Hoewel deze in de volgende hoofdstukken uitgebreider aan bod zullen komen, is het van belang deze nu reeds te vermelden. Veel van deze mechanismen zijn immers heel wat minder efficiënt voor jonge ondernemingen en verklaren dus waarom informatieproblemen van zo groot belang blijven.

Eerst en vooral zullen financiële intermediaires de kleine onderneming complexe contracten opleggen met clausules waarin de beslissingsvrijheid van de ondernemers wordt ingeperkt (Berger & Udell, 1998). Ten tweede kunnen financiers de ondernemingen voorafgaand aan een uitgebreid screeningsproces onderwerpen. Het gaat daarbij niet alleen om het business plan en de huidige financiële toestand, ook het verleden van de onderneming wordt onder de loep genomen. Screening wordt uiteraard moeilijker naarmate de onderneming jonger is aangezien bij starters maar weinig historische informatie voorhanden is (Berger & Udell, 1998). Na de screening en het opstellen van een nauwkeurig contract zullen financiers ook tijdens de loop van het investeringsproject de onderneming blijven opvolgen. Zo verzekeren ze zich ervan dat de weg die de onderneming volgt niet te sterk afwijkt van de doelstellingen die zij voor ogen hadden (Gompers, 1995).

Andere veel voorkomende mechanismen om informatieproblemen te verkleinen zijn “relationship lending” en waarborgen. Het eerste wijst op het feit dat banken na verloop van tijd informatie bekomen, eenvoudigweg door een goed contact met de onderneming en de eigenaars. Hoewel dit volgens Berger & Udell (1998) een zeer krachtig mechanisme is, voegen zij eraan toe dat dit niet voor alle ondernemingen geldt. Jonge groeigeoriënteerde bedrijven nemen beslissingen in een tijdskader dat te kort is om een hechte relatie op te bouwen met financiers. Het tweede mechanisme, waarborgen, vormen geen directe oplossing Faculteit Economie en Bedrijfskunde

5


Valérie Herbert

voor het informatieprobleem. Wel kunnen ze er voor zorgen dat bepaalde ondernemingen gemakkelijker toegang krijgen tot extern vermogen. Ook dat mechanisme is voor jonge bedrijven moeilijker toepasbaar daar zij vaak nog niet beschikken over activa die als onderpand kunnen dienen (Carpenter & Petersen, 2002). Het tekort aan deze cruciale activa, een beperkt financieel verleden en de prille relatie met banken leiden ertoe dat het verwerven van externe financiering voor jonge ondernemingen een significant probleem blijft (Carpenter & Petersen, 2002).

De voornoemde kapitaalmarktimperfecties zijn nog acuter voor technologische bedrijven. Vooreerst zijn de opbrengsten van technologische investeringen heel variabel en dus onzeker. Projecten in onderzoek en ontwikkeling vragen vaak aanzienlijke financiering zonder enige zekerheid te geven dat ze ook zullen leiden tot financieel succes. Ten tweede zijn technologische bedrijven moeilijk te evalueren en gaan ze gepaard met een nog hogere graad van asymmetrische informatie. Niet alleen is de technologische achtergrond niet eenvoudig te begrijpen voor investeerders, een groot deel van de informatie bereikt hen niet en wordt liever intern gehouden om imitaties te vermijden. Bovendien hebben technologische ondernemingen ook een heel beperkte onderpandwaarde. Investeringen in O&O hebben maar weinig waarde in geval het tot een faillissement zou komen aangezien het vaak gaat om know-how of bedrijfsspecifieke activa (Carpenter & Petersen, 2002). Al deze factoren bemoeilijken niet alleen het aantrekken van schuldfinanciering, maar maken ook nieuw aandelenkapitaal heel duur voor deze snelle groeiers.

Bij gebrek aan financiering zullen ondernemingen hun investeringen beperken. Nochtans zijn investeringen in onderzoek en ontwikkeling van cruciaal belang voor de economie. O&O vertegenwoordigt de voornaamste bron van innovatie en deze vormt een belangrijke drijfveer voor economische groei, productiviteitswinst en jobcreatie (Teirlinck, 2003). Tijdens de top van Lissabon in 2000 legden de leden van de Europese Unie zich de doelstelling op de meest competitieve kenniseconomie ter wereld te vormen. Om dit te bereiken werd van begin af aan de nadruk gelegd op O&O als belangrijke drijfveer van economische groei, werkgelegenheid en sociale cohesie. In 2002 werden deze doelstellingen te Barcelona geconcretiseerd naar specifieke O&O richtlijnen. Tegen 2010 wil men ten minste even performant zijn in O&O en innovatie als de leidende naties op dit gebied. Hiertoe moeten in elke lidstaat van de Europese Unie tegen 2010 de O&O investeringen 3% van het Bruto Nationaal Product bedragen. Faculteit Economie en Bedrijfskunde

6


Valérie Herbert

Onderzoek en ontwikkeling is namelijk een essentiële strategische variabele voor ondernemingen aangezien enerzijds nieuwe en betere producten hen toelaten hun marktpositie te vergroten of ten minste te behouden (Pierre Mohnen, 2005). Anderzijds geeft procesontwikkeling aanleiding tot goedkopere producten en lagere productiekosten, wat de Europese ondernemingen een competitief voordeel verschaft op de internationale markt (Cincera et Al., 2004).

Om deze investeringsgraad te kunnen bereiken, is aanzienlijke externe financiering noodzakelijk. De verschillende financieringsbronnen waarop jonge ondernemingen beroep kunnen doen worden in het volgende hoofdstuk besproken.


7


Valérie Herbert

2 Financiering

De financiering van jonge ondernemingen is in de voorbije jaren heel uitvoerig beschreven in de literatuur. Meerdere theorieën zagen daarbij het licht. In de traditionele kapitaalstructuurtheorie wordt een optimale kapitaalstructuur gezocht aan de hand van tradeoffs. Zo worden bijvoorbeeld de belastingsvoordelen van schuldfinanciering afgewogen tegen het risico van een hoge schuldgraad (Myers, 2001). In de pecking order theorie van Myers en Majluf (1984) daarentegen is er geen op voorhand gedefiniëerde optimale schuldgraad. Door asymmetrische informatie en de onzekerheid die gepaard gaan met externe financiering zal een onderneming een zekere hiërarchie volgen bij haar financieringsbeslissingen. Ze zal hierbij voorkeur geven aan interne financiering, maar indien deze niet volstaat, zal worden overgegaan op externe financiering, eerst via schuld en in laatste instantie door extern aandelenkapitaal. Een onderneming zal haar schuldgraad dus pas verhogen wanneer intern gegenereerde cashflow ontoereikend is om te voldoen aan alle investeringsmogelijkheden. Veranderingen in de schuldgraad worden dus zuiver gedreven door de nood aan externe middelen en niet door een optimale kapitaalstructuur.

Ook Berger en Udell (1998) bestuderen de financieringsmogelijkheden maar beperken zich tot kleine ondernemingen in de Verenigde Staten. Zij vinden dat in de Verenigde Staten kleine ondernemingen zowel beroep doen op schuldfinanciering (50.37%) als op aandelenkapitaal (49.63%). Het grootste deel van het kapitaal is volgens hen afkomstig van de “principal owner” of voornaamste aandeelhouder, die gemiddeld instaat voor een derde van de totale financiering. De rest van het aandelenkapitaal is voor 13% in handen van medeoprichters, familieleden en vrienden. Business Angels nemen 3.5% voor hun rekening en venture capitalists 1.85%. De schuldfinanciering is voor het grootste deel afkomstig van financiële instellingen. Daarnaast leveren ook niet-financiële bronnen en de overheid een aanzienlijke bijdrage. Alles samengenomen zijn het dus de hoofdaandeelhouder, de commerciële banken en handelskredieten die instaan voor het merendeel van de financiering van KMO’s (Berger & Udell, 1998).

Berger en Udell verdiepen deze analyse door een opdeling te maken van de ondernemingen Faculteit Economie en Bedrijfskunde

8


Valérie Herbert

naar leeftijd. Volgens hen doorloopt elke kleine Amerikaanse onderneming een financiële groeicyclus waarin de financiële behoeften veranderen naarmate de onderneming groeit, aan ervaring wint en transparanter wordt.

In

figuur

1

wordt

dit

grafisch

weergegeven.

Ondernemingen

worden

op

een

grootte/leeftijd/informatie as geplaatst. Het linker uiteinde van de as stelt kleinere, jonge, weinig transparante ondernemingen voor. Deze moeten het stellen met initiële interne financiering, handelskredieten of angel financiering. Dit stemt overeen met de visie dat starters het minst transparant zijn en hierdoor meer moeilijkheden ondervinden bij het verkrijgen van financiering met intermediairs, zoals banken of venture capital ondernemingen. Zolang het product of concept nog in ontwikkeling is en hun activa grotendeels bestaan uit imateriële activa, zal de ondernemer vooral moeten terugvallen op interne financiering. Eenmaal productie plaatsvindt op kleine schaal en een formeel business plan is opgesteld, kan met deze laatste ook angel financiering worden aangetrokken. Naarmate deze Amerikaanse ondernemingen groeien, krijgen ze ook toegang tot financiering afkomstig van financiële intermediairs. Zo zal venture capital typisch aangetrokken worden om de lancering van het product op grote schaal te financieren. Pas wanneer de onderneming over voldoende activa beschikt die als waarborg kunnen dienen, worden leningen van banken en andere financiële instellingen een mogelijkheid. Uiteindelijk zullen slechts enkele toppers voldoende blijven groeien om toegang te krijgen tot de publieke markten, voor

zowel

kapitaal- als schuldfinanciering.


9


Valérie Herbert

Figuur 1: Firm continuum and sources of finance - Berger & Udell (1998)

Natuurlijk geeft deze opdeling een sterk vereenvoudigde kijk op de financiering van KMO’s en kunnen niet alle bestaande ondernemingen perfect ondergebracht worden in het schema. Toch geeft de voorstelling van Berger en Udell (1998) een goed algemeen beeld van welke financieringsmogelijkheden van belang zijn op een bepaald punt van de groeicyclus. Empirische studies wijzen er echter op dat enige nuancering noodzakelijk is. Zo blijkt dat de bijdrage van de voornaamste aandeelhouder meestal nog toeneemt naarmate de onderneming ouder wordt. Ook de schuldfinanciering is voor zeer jonge ondernemingen vaak niet te verwaarlozen. Dat is strijdig met de idee dat ondernemingen eerst blijk moeten geven van hun Faculteit Economie en Bedrijfskunde

10


Valérie Herbert

kwaliteit en over voldoende activa moeten beschikken voor ze toegang krijgen tot leningen van financiële instellingen. Berger en Udell (1998) tonen echter aan dat dit mogelijk wordt gemaakt doordat de eigenaars zich in deze vroege fases persoonlijk garant stellen. Aangezien het risico voor de financiers daardoor aanzienlijk lager ligt, druisen deze bevindingen toch niet volledig in tegen de groeicyclustheorie (Berger & Udell, 1998).

Er mag echter niet over het hoofd gezien worden dat die studie werd gemaakt in een typisch Amerikaanse context en dus uitgaat van een goed ontwikkelde markt voor venture capital en business angels. De situatie in Europa kan enige afwijkingen vertonen ten opzichte van dit model. Zowel de markt voor venture capital als die voor business angels staat hier nog in haar kinderschoenen. Ook publieke financiering is in Europa veel minder vanzelfsprekend en IPO’s zijn dan ook zeldzaam. Het is dus niet al te verwonderlijk dat in Europa de financiële instellingen in elk deel van de levenscyclus een vooraanstaande rol blijven spelen (De Haan & Hinloopen, 2003, Baeyens & Manigart, 2006, Manigart & Meuleman, 2004).

Deze studie naar de certificaatsfunctie van het IWT analyseert vooral ondernemingen die zich in het linkse deel van deze groeicyclus bevinden. De financieringsvormen die voor dit type bedrijven van belang zijn worden in de volgende paragrafen besproken. Naast het initiële kapitaal, dat grotendeels afkomstig is van interne bronnen zoals de principal owner en diens familie en vrienden, doen zij beroep op externe financiering via business angels, venture capital ondernemingen en schuldfinanciering.

2.1 Schuldkapitaal Private schuld blijft algemeen de grootste bron van externe financiering. In Europa zou de inbreng van banken zelfs oplopen tot 90% van alle externe financiering (Manigart & Meuleman, 2004). Banken spelen dan ook een belangijke rol in het financieringsvraagstuk. Vooral ondernemingen met een relatief stabiele inkomstenstroom kunnen steeds beroep doen op banken en andere financiële instellingen. Voor jonge technologische bedrijven die niet voldoen aan dit profiel is het bekomen van leningen complexer. Banken proberen de bestaande informatieproblemen vooral te verhelpen door screening, contracten en opvolging van de onderneming. Helaas zijn deze mechanismen maar weinig efficiënt voor jonge Faculteit Economie en Bedrijfskunde

11


Valérie Herbert

groeigerichte ondernemingen. De grootste oorzaak hiervan is het gebrek aan historische informatie (Baeyens & Manigart, 2006). Een andere veelgebruikte methode door banken is het eisen van waarborgen of garanties. Berger en Udell stellen zelfs dat 91% van de leningen aan kleine ondernemingen op deze manier zijn beveiligd (Berger & Udell, 1998). De waarde van de activa die als onderpand kunnen dienen, is eerder beperkt in jonge en meer bepaald technologische ondernemingen. Daardoor kunnen zij van deze optie geen gebruik maken.

Financiële instellingen blijven dus kampen met een hoge risicograad wanneer ze met jonge ondernemingen in zee gaan. Een normale reactie zou het verhogen van de interest zijn. Maar Stiglitz & Weiss (1981) tonen aan dat wanneer banken moeilijk het onderscheid kunnen maken tussen al dan niet betrouwbare projecten, interestverhoging een effect van adverse selectie teweegbrengt. De hoge interest zal iedereen ontmoedigen om een lening aan te gaan, met uitzondering van de meest riskante ondernemingen. Dat komt de gemiddelde kwaliteit van hun klantenbestand niet ten goede. Om daaraan te verhelpen kunnen banken gewoonweg het aantal leningen beperken in plaats van de interest te verhogen (Stiglitz & Weiss, 1981). Die kapitaalrantsoenering maakt het voor jonge ondernemingen natuurlijk alleen maar moeilijker om het nodige kapitaal bijeen te rijven. Wanneer schuld de enige vorm van externe financiering is, leidt dat tot een aanzienlijke financieringskloof. Ondernemingen zullen minder investeren dan indien er een perfect substituut zou zijn voor interne financiering (Carpenter & Petersen, 2002). Het is dus van cruciaal belang dat financiële instellingen hun selectiecriteria en mechanismen aanpassen zodat projecten die kunnen bijdragen tot economische groei de mogelijkheid krijgen dat ook effectief te doen.

2.2 Nieuw aandelenkapitaal Het uitgeven van nieuw aandelenkapitaal is een andere optie die voor jonge onderneming van aanzienlijk belang is. Nieuw aandelenkapitaal heeft enkele voordelen ten opzichte van schuldkapitaal. Eerst en vooral is bij het aantrekken van aandelenkapitaal het onderpand van minder belang. Daarnaast zorgt additioneel aandelenkapitaal niet voor een verhoogd ondernemingsrisico zoals een verhoogde schuldgraad dat doet. Verder hebben investeerders in aandelen een informatievoordeel tegenover banken. Eerstgenoemden hebben namelijk meer incentives en zijn beter uitgerust om informatieproblemen het hoofd te bieden. Dit vloeit Faculteit Economie en Bedrijfskunde

12


Valérie Herbert

voort uit het feit dat aandelen geen vaste interesten en een verzekerde terugbetaling van de hoofdsom voortbrengen. De vergoeding van aandelenkapitaal is afhankelijk van het residueel inkomen van de onderneming. Het selecteren van winstgevende ondernemingen is in dit geval dus nog belangrijker waardoor de kapitaalverschaffers aangespoord worden de informatieasymmetrie te verkleinen (Baeyens & Manigart, 2006).

Het uitgeven van nieuw aandelenkapitaal kent ook belangrijke nadelen. Het aantrekken van nieuwe aandeelhouders gaat gepaard met een aanzienlijk verlies aan controle en onafhankelijkheid aangezien deze ook een plaatsje verwerven in de algemene vergadering. Waar banken de onderneming eerder passief begeleiden, zullen nieuwe aandeelhouders dit vaak actief doen. Om die reden verkiezen ondernemers gebruik te maken van schuldfinanciering indien deze ook voorhanden is (Baeyens & Manigart, 2006).

Zoals reeds aangehaald, is schuldfinanciering echter vaak ontoegankelijk. Wanneer de informatieproblematiek bijvoorbeeld te groot is, zullen ondernemers geen nieuwe leningen krijgen. Dit gemis wordt opgevuld door het bestaan van geïnformeerde kapitaalverschaffers zoals venture capital ondernemingen en business angels. Hoewel hun aandeel in de totale financiering van jonge onderneming de 5% amper overschrijdt, is hun belang niet te onderschatten (Berger & Udell, 1998). Business angels en venture capitalists gaan heel selectief op zoek naar ondernemingen met een groot groeipotentieel. Dat stelt hen in staat een meer diepgaande screening uit te voeren. Daarbij komt dat die screening meer nadruk legt op strategische informatie dan op historische financiële informatie. Dat komt duidelijk ten goede aan jonge ondernemingen bij wie het laatste vaak nog ontbreekt (Baeyens & Manigart, 2006).

Opdat hun doelstellingen ook na de investering zouden worden gerespecteerd, hanteren formele en informele verschaffers van risicokapitaal ook andere mechanismen. Naast het opleggen van contracten wordt “staging” als een van de krachtigste controlemechanismen beschouwd. Daarbij verbinden de investeerders zich ertoe bijkomende bijdragen te leveren indien bepaalde mijlpalen worden bereikt (Gompers, 1995). Hoewel zulke mechanismen externe financiering van groeigeoriënteerde bedrijven mogelijk maken, blijft deze gepaard gaan met een aanzienlijke meerkost ten opzichte van interne financiering. Enerzijds creëren transactiekosten van het uitgeven van aandelen een aanzienlijke meeruitgave, anderzijds wijzen zowel Myers en Majluf (1984) als Greenwald, Stiglitz en Weiss (1984) op het bestaan Faculteit Economie en Bedrijfskunde

13


van een

Valérie Herbert

“lemons premium”. Als de manager beter geïnformeerd is over de

investeringsmogelijkheden en handelt in het voordeel van de bestaande aandeelhouders, dan geven managers alleen aandelen uit wanneer de onderneming overgewaardeerd is. Studies tonen immers aan dat aandelenprijzen zullen dalen door het negatieve signaal dat uitgaat van een kapitaalverhoging. Ondanks die hoge kosten zijn financieringsvormen als venture capital en business angels niet meer weg te denken uit het huidig economische landschap. In de komende paragrafen gaan we op elk van beide wat dieper in.

2.2.1 Venture Capital Venture capital wordt in de Verenigde Staten wel eens beschreven als de motor van innovatie of als de drijfkracht achter de sterke opgang van het internettijdperk (Gompers, 2005). In de Europese Unie daarentegen is de venture capital markt minder ontwikkeld en wordt hij vaak aangewezen als een potentiële zwakheid. Het tekort aan venture capital kan een belangrijke hindernis vormen voor de ontwikkeling van de Europese high-tech sector (Carpenter & Petersen, 2002). Hoewel de venture capital sector klein is ten opzichte van de publieke markten, heeft hij een disproportionele impact op het economisch landschap. Venture capital heeft zich namelijk ontwikkeld als een belangrijk financieel intermediair. Fondsen die verzameld worden bij een brede groep investeerders, worden door de venture capital ondernemingen aangewend om kapitaal te verschaffen aan ondernemingen die anders moeilijkheden zouden hebben om financiering aan te trekken (Berger & Udell, 1998). Zo investeren zij in projecten met enerzijds een hoog risico en anderzijds een hoge potentiële return door het aankopen van aandelen terwijl de onderneming nog in private handen is. Gompers definieert aldus venture capital als: “Independent and professionally managed, dedicated pools of capital that focus on equity or equity-linked investments in privately held, high growth companies.” (Gompers, 2005, p. 2).

Carpenter en Petersen (2002) stellen dat venture capital de vorm van financiering is die momenteel het best de imperfecties op de kapitaalmarkten aanpakt voor jonge technologische bedrijven. Venture capitalists gebruiken zeer efficiënte mechanismen om informatie- en agency problemen te verhelpen (Carpenter & Petersen, 2002). Het belangrijkste kenmerk daarbij is dat zij actieve investeerders zijn. Ze begeleiden de vooruitgang van de Faculteit Economie en Bedrijfskunde

14


Valérie Herbert

ondernemingen, zitten in de raad van bestuur en financieren stapsgewijs naarmate bepaalde mijlpalen worden bereikt. Daar waar banken bij het begeleiden van de ondernemingen die ze financieren vooral oog hebben voor de financiële gezondheid, gaan venture capitalists de onderneming meer strategisch begeleiden en actief advies geven. Vaak bezitten zij hiertoe belangrijke controlerechten die hen in staat stellen tussen te komen in de handelingen van de onderneming wanneer dit nodig blijkt. (Gompers & Lerner, 1999)

Venture capital fondsen hebben een beperkte levensduur en het succes ervan steunt op het goed doorlopen van drie stadia. Gedurende de eerste jaren wordt een portfolio opgebouwd door potentiële projecten uitgebreid te screenen. Slechts een heel klein percentage van de toegestuurde business plannen zal deze selectie doorstaan en de mogelijkheid krijgen een contract te tekenen (Kortum & Lerner, 1998). Vaak wordt nog een extra voorwaarde aan de investeringsbeslissing gehecht. Zo zullen vele venture capital ondernemingen eisen dat een partner ermee instemt dat het gaat om een aantrekkelijke investering (Lerner, 1994). In een tweede fase worden deze investeringen actief opgevolgd. Het venture capital fonds zal daarin niet enkel managementbeslissingen in goede banen proberen te leiden, maar eventueel ook consultingdiensten aanbieden, nieuwe managers zoeken en zelfs operationele problemen helpen oplossen. In het laatste stadium worden de vruchten van de investering geplukt. In het beste geval is de onderneming klaar om over te gaan tot de publieke markt. Het venture capital fonds kan hier haar reputatie gebruiken om publieke investeerders zekerheid te geven over de kwaliteit van de onderneming. Onderzoek door Megginson en Weiss (1991) heeft uitgewezen dat deze certificaatsfunctie van aanzienlijk belang is. Aangezien weinig ondernemingen effectief publiek gaan, is een tweede exit-strategie de verkoop van de onderneming aan een ander bedrijf. Is geen van beide opties mogelijk, dan komt de onderneming terug in handen van de aanvankelijke eigenaars of wordt ze in het slechtste geval geliquideerd (Berger & Udell, 1998).

Gezien de efficiënte technieken die venture capital ondernemingen gebruiken om de informatieproblematiek te verlichten, is het niet verwonderlijk dat hun kapitaalbijdrage de dominante vorm van aandelenfinaciering vormt voor technologie-intensieve bedrijven die in private handen worden gehouden. Nochtans zijn er ook redenen om te vermoeden dat ondanks de aanwezigheid van venture capital fondsen, er nog steeds aantrekkelijke ondernemingen bestaan die geen of onvoldoende toegang vinden tot dat kapitaal (Lerner, 1998). Zo is het Faculteit Economie en Bedrijfskunde

15


Valérie Herbert

aantal gefinancierde ondernemingen nog eerder beperkt en zijn de investeringen sterk geconcentreerd in welbepaalde gebieden en sectoren. Verder argumenteert Lerner dat venture capital ondernemingen steeds vaker grote bedragen investeren. Aangezien jonge ondernemingen eerder kleine kapitaalinfusies nodig hebben, zullen zij ook bij venture capital financiering als eerste uit de boot vallen (Lerner, 1998). Ondanks haar aanzienlijke bijdrage, slaagt venture capital er dus nog niet in om de financieringskloof volledig te dichten.

2.2.2 Business Angels Naarmate venture capital ondernemingen steeds minder investeren in de kleine initiële financiering, winnen andere financieringsvormen aan belang. Overheden erkennen steeds vaker het nut van angel financiering voor de economische ontwikkeling (Lipper & Sommer, 2002). In tegenstelling tot de meeste andere vormen van externe financiering handelen business angels in een markt zonder intermediatie. Er is eerder sprake van een informele markt waarin directe financiering plaatsvindt. Business angels zijn dus privé-personen die direct investeren in jonge of minder jonge ondernemingen door een aandelencontract (Berger & Udell, 1998). Hun interesse is daarbij niet altijd puur financieel. Ook de prikkel van de uitdaging kan een belangrijke drijfveer vormen. Vaak gaat het om ervaren investeerders, die capabel zijn om het risico en de potentiële return van een project in te schatten. Business angels kunnen dan ook op zelfstandige basis te werk gaan, vertrouwend op hun instinct, eerder dan op formeel onderzoek (San José & Aernoudt, 2006).

Nochtans handelen business angels niet altijd alleen. Soms verenigen angels zich als een kleine investeringsgroep om grotere sommen bij elkaar te brengen en de zoeken informatiekosten te drukken. Vooral de laatste jaren zoekt de markt voor business angels naar enige formalisering. Steeds vaker ontstaan private angel netwerken. Kenmerkend is dat nonprofit entiteiten, zoals universiteiten, deze netwerken organiseren. Deze entiteit of “switch” brengt ondernemers in contact met potentiële angels om de investeringsopportuniteit te bespreken (Berger & Udell, 1998). Ondanks die formalisering, blijft de structuur heel eenvoudig en kostenefficiënt. Beslissingen worden door de business angel zelf genomen en moeten niet steeds aan anderen voor goedkeuring worden voorgelegd. Dat laat vooral een kortere en goedkopere beslissingscyclus toe, wat zeker ten goede komt aan de jonge Faculteit Economie en Bedrijfskunde

16


Valérie Herbert

ondernemingen die beroep doen op business angels.

Een tweede voordeel van financiering door business angels is de meerwaarde die zij meebrengen voor de onderneming waarin ze investeren. Hun inbreng beperkt zich niet tot kapitaal, maar omvat ook hun competenties, expertise en relaties. Ze opereren namelijk hoofdzakelijk in sectoren die ze kennen en kunnen dus bijdragen in het strategisch en operationeel management (San José et al., 2005). Nochtans eisen angels gemiddeld genomen minder controle op dan venture capital ondernemingen (Berger & Udell, 1998). Verder worden business angels beschouwd als relatief geduldige investeerders die bereid zijn hun investering langer te laten lopen dan vijf jaar. Deze voordelen wijzen erop dat business angels een belangrijke rol zouden kunnen spelen in de financiering van jonge ondernemingen. Desalniettemin wordt dit potentieel, vooral in Europa, nog niet ten volle uitgebuit. De beperkte ontwikkeling van de Europese business angel markt kan toegeschreven worden aan haar private aard. Volgens San José, Roure en Aernoudt (2005) zorgen het feit dat business angels zich liever op de achtergrond houden en het informele karakter van de markt ervoor dat er een informatiekloof ontstaat. Dat beperkt de uitwisseling van ervaring met nieuwe angels en de promotie naar potentiële angels toe (San José et al., 2005).

Nochtans wordt het aantal potentiële investeerders voor Europa alleen op 850.000 geschat. In 1999 werd dan ook het EBAN, European Business Angel Network, opgericht om die belangrijke inefficiënties te verhelpen. Verder gaat ook steeds meer onderzoek uit naar de rol van de overheid om de uitbouw van zowel business angel netwerken als venture capital ondernemingen aan te moedigen. In de Verenigde Staten heeft een studie van de National Association of Seed and Venture Funds (NASVF) erop gewezen dat overheidsprogramma’s ter stimulatie van angelfinanciering al enkele significante veranderingen hebben teweeggebracht in de markt. Zo zien steeds meer angel-organisaties het daglicht en sluiten ook steeds meer angels zich hierbij aan. De angels zijn ook vaker bereid zichzelf kenbaar te maken, wat de informatiedoorstroming zeker ten goede komt. Maar misschien is de belangrijkste bevinding wel dat angel investeringen in de eerste stadia, leiden tot grotere venture capital investeringen in latere jaren. Op die manier geeft angel financiering dus aanleiding tot welvaartcreatie en economische ontwikkeling (Lipper & Sommer, 2002).


17


Valérie Herbert

2.3 Rol van de overheid Aangezien economische groei één van de hoofddoelstellingen is van de Europese Unie, is het niet verwonderlijk dat ze zich spiegelt aan het Amerikaanse voorbeeld. Helaas zijn Europese initiatieven om risicokapitaal te stimuleren veel later op gang gekomen, wat onvermijdelijk leidt tot een aanzienlijke achterstand. Toch hebben de meeste landen van de Europese Unie de laatste jaren een opmerkelijke vooruitgang geboekt. Europese richtlijnen zetten lidstaten er toe aan om investeringen in de eerste ondernemingsstadia te stimuleren. Meerdere opties zijn daartoe voorhanden. Een eerste mogelijkheid is het creëren van een adequaat financieel en wettelijk

kader

(Economic

Policy

Committee,

2002).

Ook

het

verbeteren

van

omgevingsfactoren kan aanzienlijk bijdragen tot de ontwikkeling van de markten. Voorbeelden daarvan zijn het heffen van aangepaste belastingen en het wijzigen van de culturele visie op ondernemerschap en risico. Verder kan de overheid mechanismen creëren die vraag en aanbod samenbrengen en de informatiestroom verbeteren, zoals business angel netwerken. Tot slot kan ze aan de vraagzijde ingrijpen door de ondernemers zelf te begeleiden om hun business plan en de presentatie van hun project te verbeteren (San José et Al., 2005).

Vele van voornoemde ideeën komen erop neer dat publieke fondsen worden gebruikt als katalysator voor private financiering. Nochtans kunnen overheden er ook voor opteren zelf te investeren op de venture capital markt. De Vlaamse overheid doet dat via de Gewestelijke Investeringsmaatschappij Vlaanderen. De vraag rijst of die publieke venture capital verschaffers een voortrekkersrol vervullen. De zaaihypothese stelt dat overheidsoptreden de weg effent voor particulier initiatief. Daartegenover staat de verdringingshypothese die stelt dat de overheid net de particuliere venture capital verschaffers de wind uit de zeilen neemt (Manigart et al., 2002). Welke hypothese het bij het juiste eind heeft, vormt een existentiële vraag voor overheidstussenkomsten. Zoals later zal blijken, geldt exact dezelfde vraag voor de later bestudeerde subsidies. Als dergelijke interventies geen meerwaarde voortbrengen, is hun bestaan niet geoorloofd en kan men de dynamische marktkrachten beter hun eigen gang laten gaan.

De rol van de overheid ter ondersteuning van de venture capital en business angel markten is niet te onderschatten. Om financieringsbeperkingen volledig van de kaart te vegen, kunnen de Faculteit Economie en Bedrijfskunde

18


Valérie Herbert

beleidsvoerders echter ook op een directere manier tussenkomen. Financiële bijdragen onder de vorm van subsidies kunnen de financieringsproblematiek verlichten. Zo grijpt de overheid direct in aan de basis van het probleem: het gebrek aan middelen om investeringen uit te voeren. Aangezien overheidssubsidies het onderwerp vormen van deze scriptie, gaat het volgende hoofdstuk er dieper op in.


19


Valérie Herbert

3 Subsidies

Sinds de lancering van de Sputnik satelliet door de Sovjet Unie, spelen overheden een actieve rol in de financiering van nieuwe ondernemingen. Ondertussen hebben talrijke landen dergelijke onderseuningsmaatregelen uitgewerkt. Lerner stelde reeds in 1998 vast dat hoewel de exacte structuren van overheidsprogramma’s verschillen, ze allen gebaseerd zijn op dezelfde assumpties. De eerste is dat de private sector te weinig kapitaal verschaft aan nieuwe ondernemingen. De tweede stelt dat de overheid in staat is ondernemingen te identificeren die een hoge sociale en private return teweegbrengen (Lerner, 1998). In 1999 onderzoekt Lerner dan ook specifieker enkel de overheidssubsidies aan hoog-technologische KMO’s in de Verenigde Staten. Die subsidies vormen namelijk een niet te verwaarlozen overheidsuitgave die wel eens geassocieerd wordt met een positief effect op de economische ontwikkeling (Lerner, 1999). De volgende paragrafen gaan dieper in op de oorzaken van deze overheidssubsidies en het effect ervan. Maar eerst wordt een licht geworpen op de situatie in Vlaanderen, met het IWT als centraal aandachtspunt.

3.1 Overheidstussenkomst in Vlaanderen Alle middelen die de Vlaamse overheid ter beschikking stelt van haar wetenschaps- en technologisch innovatiebeleid worden opgenomen in het “Horizontaal Begrotingsprogramma Wetenschapsbeleid” (HBPWB). Dat geeft het globale budgettaire overzicht van de bevoegdheden, acties en programma’s die voor wetenschap, technologie en innovatie in de begroting van een bepaald jaar staan ingeschreven. Voor 2006 bedraagt dit HBPWB 1.573 miljoen euro. Binnen het eigenlijke wetenschaps- en technologisch innovatiebeleid wordt een opsplitsing gemaakt tussen enerzijds begrotingsprogramma’s van organisatieafdeling 71 (Administratie Wetenschap en Innovatie) en organisatieafdeling 33 (Hoger onderwijs en Wetenschappelijk onderzoek). Het is binnen het begrotingsprogramma 71 dat het wetenschappelijk onderzoek met economische finaliteit valt, hetwelke voor dit werk van belang is. Het programma 71.3 omvat de maatregelen die specifiek kennisuitbreiding met een economisch doel stimuleren. Het centrale uitgangspunt van het programma luidt “meer Faculteit Economie en Bedrijfskunde

20


Valérie Herbert

technologische innovatie in de Vlaamse bedrijven”. Om stand te houden in de huidige competitieve globale economie moeten bedrijven immers voortdurend streven naar verbeterde of nieuwe diensten, producten en processen. Om dit te verzekeren trekt de overheid 159,99 miljoen euro uit. Een kleine fractie van dit bedrag gaat naar subsidies aan universitaire interfacediensten. De overige overheidssteun gebeurt door vastleggingsmachtigingen aan het Instituut voor de Aanmoediging mVlaanderen (IWT). Het IWT ondersteunt hiermee niet alleen acties van technologische innovatie op initiatief van de Vlaamse Regering, maar ook projecten op initiatief van de bedrijven (Vervliet, 2006). Aangezien laatstgenoemden het onderwerp vormen van deze studie, gaan de volgende paragrafen dieper in op de functie en werking van het IWT.

Het IWT is een belangrijk overheidsagentschap, opgericht in 1991 door de Vlaamse regering, voor de ondersteuning van technologische innovatieprojecten in Vlaanderen. Concreet staat het IWT in voor de implementatie van het Vlaamse innovatiebeleid. Hiervoor beschikt het naast de bovenvermelde vatleggingsmachtigingen nog over enkele andere dotaties (Vervliet, 2006). In totaal wordt jaarlijks in totaal zo'n 250 miljoen euro verdeeld over de verschillende financieringsinstrumenten. Het merendeel van deze instrumenten is gericht op zuiver financiële steun. Enerzijds door rechtstreekse bijdragen aan O&O-projecten van grote bedrijven en KMO’s. Anderzijds door het financieren van projecten met een coöperatief of collectief karakter of via de vorming van doctorandi en postdocs bij onderzoeksinstellingen, universiteiten of hogescholen (IWT, 2006).

Naast financiële steun verleent het IWT ook diensten aan Vlaamse ondernemingen op het gebied van technologietransfer, partner search en voorbereiding van projecten in Europese programma's. Coördinatie is een derde belangrijk domein waarin het IWT actief is. De coördinatie-opdracht heeft tot doel een hechte samenwerking van alle actoren die in Vlaanderen met technologische innovatie bezig zijn te bekomen. Dankzij de combinatie van deze drie activiteiten, heeft het IWT zich in de loop der jaren ontwikkeld tot een kenniscentrum inzake O&O en innovatie in Vlaanderen (IWT, 2006).

Deze studie zal zich enkel toeleggen op de belangrijkste activiteit van het IWT: de financiële steun aan onderzoek en ontwikkeling. Meer specifiek beperkt ze zich tot de financiële steun aan ondernemingen en laat ze de specialisatiebeurzen aan doctoraatstudenten of ervaren Faculteit Economie en Bedrijfskunde

21


Valérie Herbert

onderzoekers terzijde. Voor ondernemingen worden de steunmaatregelen via verschillende kanalen verdeeld. Het eerste kanaal betreft een permanent open loket waarbij projecten eender wanneer kunnen worden ingediend. Binnen het permanent open loket bestaan drie verschillende programma’s. Het eerste is een algemeen programma voor subsidies aan O&Obedrijfsprojecten. Dat programma is bestemd voor bedrijven met activiteiten in het Vlaamse Gewest die door middel van een O&O-project een innovatie wensen door te voeren. Het bedrijf kan daarbij -al dan niet in samenwerking met andere bedrijven, universiteiten of onderzoeksinstellingen- beroep doen op het IWT voor gedeeltelijke financiële steun. Een tweede programma is specifiek gericht op KMO’s. Aangezien deze studie zich verder net op die bedrijven wil toespitsen, wordt dat KMO-programma in de volgende paragraaf wat meer in detail besproken. Een derde variant, het Eureka-programma, is vooral gericht op internationale samenwerking binnen een innovatief kader. Naast het open loket, bestaat ook het kanaal “extra steun”. Bedrijven die reeds steun krijgen binnen het programma voor O&Obedrijfssteun of het KMO-programma, kunnen onder specifieke voorwaarden beroep doen op extra hulp buiten het permanent loket. Het derde kanaal betreft heel specifieke steunprogramma's. Die steunmaatregelen worden op gegeven tijdstippen opengesteld via een oproep en hebben meestal betrekking op een bepaalde sector of een specifieke onderzoeksvorm.

Dit onderzoek naar de certificaatsfunctie van het IWT beperkt zich tot het KMO-programma van het permanent open loket. KMO’s met exploitatiezetel in Vlaanderen die willen innoveren in hun producten, processen of diensten en die hiervoor technologische oplossingen moeten uitwerken, kunnen op dat programma beroep doen. Zij kunnen financiële steun aanvragen voor de activiteiten die hiervoor uitgevoerd worden en die een technische kennismeerwaarde voor de KMO opleveren. Het KMO-programma kent van bij de opstart een duidelijk succes en was vorig jaar goed voor 13,73 miljoen euro subsidies, verdeeld onder 226 gesteunde projecten (Vervliet, 2006).

De effectieve toekenning van een subsidie is onderhevig aan een uitgebreide selectieprocedure. De criteria die het IWT daarbij hanteert zijn enerzijds de technologische vernieuwing, de kennisverwerving en de kwaliteit van de uitvoering. Anderzijds wordt ook gekeken naar de mogelijkheden om de resultaten te gebruiken en naar de toegevoegde waarde voor Vlaanderen. Daarnaast dient het bedrijf het eigen aandeel in het project zowel financieel Faculteit Economie en Bedrijfskunde

22


Valérie Herbert

als organisatorisch te kunnen dragen. Want hoewel het IWT de uitvoering van het project enigszins opvolgt, zijn de aanvragers zelf verantwoordelijk voor de goede uitvoering van het project.

Het IWT deelt de KMO-projecten onder in zeven categorieën. Elk project is immers verschillend en vergt dus andere middelen. Aan elke categorie wordt een maximumbedrag gekoppeld gaande van € 6.500 tot € 200.000. De eerste zes projectvormen zijn KMOinnovatiestudies. Hierbij voert een KMO, al dan niet zelf, een studie uit ter voorbereiding van een innovatie die kan leiden tot activiteiten met toegevoegde waarde in Vlaanderen. Het IWT kan voor 60% van de hiermee gepaard gaande kosten tussenkomen tot een bepaald maximumbedrag, afhankelijk van het type studie. Een KMO-studie type 1 laat de KMO toe een korte studie uit te voeren door een kenniscentrum dat erkend is door het IWT. Hierbij wordt 60% van de gemaakte kosten opgenomen door het IWT tot een maximumbedrag van € 6.500. In de innovatiestudie type 2 voert de KMO de studie uit met voornamelijk eigen inbreng en bedraagt het maximumbedrag

€ 22.000. Ook voor een type 3 studie voert de

KMO de studie zelf uit, maar doet dit in samenwerking met een kennispartner en het IWT komt tussen tot € 33.000. Om projecten in Europees verband voor te bereiden kan een KMO beroep doen op de relatief nieuwe type 4 subsidie, die kan oplopen tot € 10.000. Verder ondersteunt het IWT sinds kort ook de aanwerving van hogergeschoolden ter verbetering van de kennisabsorptiecapaciteit en de innovatiemogelijkheden binnen een traditionele nog niet innovatieve KMO. Met deze innovatiestudie type 5 wordt steun toegekend tot een maximum bedrag van € 22.000. Tenslotte geeft het IWT met de meest recente type 6 subsidie ook financiële steun aan studies waarmee een startende KMO kennis verwerft om innovatiegerelateerde ontwikkelings- en businessactiviteiten op te starten. Naast deze zes innovatiestudies bestaan ook KMO-innovatieprojecten. Projecten die een technologische vernieuwing realiseren kunnen hiermee tot € 200.000 financiële steun bekomen. Het gaat om projecten die technologische kennis ontwikkelen voor de KMO en die vervolgens implementeren in creatieve (prototype-)ontwerpen zodat nieuwe, gewijzigde of verbeterde producten, processen of diensten ontstaan.

KMO’s kunnen dus beroep doen op een waaier aan verschillende subsidies, maar waarom hebben ze eigenlijk deze overheidssteun nodig? De volgende paragraaf zoekt een antwoord op die vraag. Faculteit Economie en Bedrijfskunde

23


Valérie Herbert

3.2 Oorzaak van overheidsinterventie: Marktfaling De literatuur haalt meerdere argumenten aan waarom overheden technologische KMO’s subsidiëren. Een eerste oorzaak is het feit dat de maatschappelijke return van uitgaven in onderzoek en ontwikkeling de private returns kunnen overschrijden (Lerner, 1999). Dat fenomeen wordt in de literatuur aangeduid als “spillovers”. Het heeft een grote invloed op het investeringsgedrag. Als een onderneming weet dat anderen de vruchten van haar investering zullen meeplukken, zal ze minder bereid zijn deze uitgave te maken. Een tweede reden voor het bestaan van overheidsubsidies is het feit dat er vanwege de private sector gewoonweg te weinig wordt geïnvesteerd. Ook hier ligt het falen van de markt aan de basis van het probleem. In het vorige hoofdstuk werd al duidelijk dat op de kapitaalmarkt het evenwicht tussen vraag en aanbod wordt verstoord door tal van factoren, zoals asymmetrische informatie. Dit leidt ertoe dat ondernemingen niet in staat zijn voldoende extern kapitaal te vergaren, waardoor ze dan weer hun eigen investeringen beperken. Deze kapitaalbeperkingen zullen vooral in kleinere ondernemingen de uitgaven voor onderzoek en ontwikkeling aantasten (Hall, 1992) waardoor de overheid zal moeten tussenkomen wil zij deze investeringen op peil houden. Beide vormen van marktfaling worden in de volgende pargarafen meer in detail besproken.

3.2.1 Spillovers Al in de vroege jaren ’60 legden onderzoekers als Nelson (1959) en Arrow (1962) zich toe op de moeilijkheden die in een competitieve markt opduiken bij de financiering van O&O. Ze argumenteerden dat de voornaamste output van O&O de kennis is van hoe goederen en diensten gemaakt worden. Kenmerkend is dat deze kennis de karakteristieken vertoont van een publiek goed. Het gebruik van deze know-how door de ene onderneming zal niet verhinderen dat ook anderen dat doen. In geval dat kennis niet geheim kan worden gehouden, zal de onderneming die de aanvankelijke investering uitvoert zich de return hiervan niet volledig kunnen toe-eigenen. Een “spillover” vindt onvermijdelijk plaats. Daardoor valt de bereidheid tot investering terug en komt de investeringsgraad in O&O beneden het Faculteit Economie en Bedrijfskunde

24


Valérie Herbert

maatschappelijk optimum te liggen (Hall, 2002).

In de loop der jaren werd dat eenvoudig basisargument van Nelson (1959) en Arrow (1962) over het bestaan van spillovers verder ontwikkeld, empirisch getest, aangepast en uitgebreid. Een belangrijke bijdrage werd bijvoorbeeld geleverd door Griliches (1992) en Hall (2002). Beide auteurs ondersteunen de visie van Arrow en tonen empirisch het bestaan van sociale returns die de private opbrengst overschrijden aan. Griliches (1992) stelt vast dat het verschil tussen beide returns niet te verwaarlozen is. Hij schat dat het gecreëerde maatschappelijk nut zelfs anderhalf tot twee maal groter is dan de private return. Het lijkt dan ook logisch dat ondernemingen die de helft van hun opbrengst in andermans zakken zien verdwijnen extra gemotiveerd dienen te worden om deze investeringen te blijven uitvoeren. Eens die denkwijze goed aanvaard was onder de academici, werd ze ook snel overgenomen door beleidsmakers die hiermee overheidstussenkomsten verantwoorden (Hall, 2002). Overheden beschikken over meerdere mogelijkheden die zich ertoe lenen dit onderinvesteringsprobleem te verhelpen: belastingsvoordelen voor O&O, het stimuleren van research partnerships, de bescherming van knowhow en subsidies. Deze laatste genieten verder in dit werk de aandacht aangezien ze een goed antwoord vormen op de spillovers. (Lerner, 1999).

Spillovers nemen verschillende vormen aan. Concurrenten kunnen bijvoorbeeld de opbrengsten van een innovatie meepikken als deze snel een imitatie introduceren. Ook nietconcurrerende ondernemingen kunnen complementaire producten lanceren om zo baat te halen uit de innovatie. Tenslotte zal de innovatie ook aan de consument ten goede komen daar deze een beter product of een verlaagde prijs aangeboden krijgt (Jaffe, 1996). Wat het mechanisme van de spillover ook moge zijn, de gevolgen blijven dezelfde: ondernemingen hebben de neiging minder te investeren in O&O dan wat uit een sociaal standpunt optimaal zou zijn (Lerner, 1999). Daarbij komt dat het probleem ernstiger is voor de kleine ondernemingen. Zij zijn minder goed opgewassen tegen spillovers aangezien ze vaak hun intellectuele eigendom niet goed kunnen beschermen en er niet in slagen het merendeel van de opbrengsten uit de markt te halen. Subsidies aan jonge technologische bedrijven zijn in de huidige communicatiemaatschappij, die geteisterd wordt door imitatie en piraterij, dan ook niet meer weg te denken.


25


Valérie Herbert

3.2.2 Asymmetrische informatie

Een invloedrijke paper van Arrow uit 1962 lanceerde nog een ander argument dat in latere jaren veel belangstelling heeft gekregen van onderzoekers in zowel economische als financiële domeinen. Volgens Arrow bestaat er niet alleen een significant verschil tussen de private return en de sociale return, maar is er ook een bijkomende kloof tussen de return en de kost wanneer de investering gemaakt worde door externe financiers. Ondanks bovengenoemde oplossingen voor problemen in verband met onvolledige toe-eigening van de returns van O&O kan het nog steeds moeilijk of duur zijn om O&O te financieren door middel van extern kapitaal. Zoals al aangehaald, is de vereiste return van externe financiers soms aanzienlijk hoger dan de vereiste return van de ondernemer zelf. Louter omdat de kost van extern kapitaal te hoog is zullen bepaalde innovaties over onvoldoende middelen kunnen beschikken (Arrow, 1962).

Aan de basis van dat fenomeen ligt de problematiek van de asymmetrische informatie. In het specifieke kader van O&O verwijst het informatieprobleem naar het feit dat de uitvinder over betere informatie met betrekking tot de kans op succes van het innovatieproject beschikt dan potentiële investeerders. Bij de uitgifte van nieuwe aandelen zal dit bijvoorbeeld aanleiding geven tot het hierboven besproken “lemons problem” van Myers & Majluf (1984). Investeerders ondervinden met innovatieprojecten meer moeilijkheden dan met gewone kapitaalprojecten om goede projecten te onderscheiden van “lemons”. Daarom rekenen ze een premie aan voor O&O die hoger ligt dan voor gewone kapitaalinvesteringen (Myers & Majluf, 1984).

Als de informatie-asymmetrieën geëlimineerd kunnen worden, zullen ook de financiële beperkingen verdwijnen. Financiële economisten zijn van mening dat gespecialiseerde financiële intermediairs, zoals venture capital ondernemingen, dit kunnen verhelpen. Nochtans ondersteunen deze laatste slechts een minieme fractie van de technologisch georiënteerde ondernemingen die elk jaar worden opgestart. Overheidstussenkomst blijft dus ook hier noodzakelijk. Lerner (1999) stelt vast dat gereputeerde overheidsinstellingen door het verschaffen van subsidies een certifiërende rol spelen naar private investeerders toe. Het is die certificaatsfunctie die de asymmetrische informatie van antwoord kan dienen (Lerner, 1999). Faculteit Economie en Bedrijfskunde

26


Valérie Herbert

3.3 Algemeen effect subsidies Zoals bij elke vorm van overheidsinterventie, is het essentieel dat subsidies voor O&O positieve effecten genereren in de economie. Anders kan men de markt beter zijn vrije loop laten gaan. Met andere woorden, subsidies moeten leiden tot een bepaalde meerwaarde of additionaliteit. De meerwaarde die subsidies inhouden voor de economie vormt een existentiële vraag voor een orgaan als het IWT. Het is dus niet verwonderlijk dat het IWT al meerdere studies daaromtrent liet uitvoeren in Vlaanderen.

In die studies onderscheiden zich drie vormen van additionaliteit: “output additionality”, “input additionality” en “behavioural additionality”. Aangezien ook de subsidie-effecten uit internationale studies goed onder deze drie noemers vallen in te delen, wordt in wat volgt deze onderverdeling verder behouden.

“Output additionality” is waarschijnlijk de meest voor de hand liggende vorm van additionaliteit. Het verwijst naar de toename in ondernemingsperformantie ten gevolge van een subsidie. Deze vorm van meerwaarde wordt gemeten als het aandeel van de output dat niet bereikt zou zijn zonder de publieke steun. Deze output heeft niet alleen betrekking op patenten of publicaties, maar ook op andere effecten zoals de verkoop van nieuwe producten of de implementatie van processen en diensten (Georghiou et al., 2004). Ook Lerner (1999) is van mening dat subsidies in O&O moeten leiden tot innovaties die op hun beurt aanleiding moeten geven tot economische groei. Lerner bestudeerde de lange termijn prestaties van Amerikaanse hoog-technologische bedrijven die een bepaalde subsidie genoten. Bij de vergelijking van hun lange termijngroei met die van een set van gelijkaardige bedrijven zonder overheidssteun, kwam hij tot de conclusie dat de eerste groep een significant grotere groei kende in zowel verkoopscijfers als tewerkstelling. Daarmee bevestigde Lerner dus een eerste bestaansredenen van overheidssubsidies.

De tweede vorm van additionaliteit die in de IWT-studies naar voor komt is “Input additionality”. Die wijst op de toename van private investeringen in O&O ten gevolge van overheidssubsidies (Georghiou et al., 2004). Rond input-additionality bestaat in de recente Faculteit Economie en Bedrijfskunde

27


Valérie Herbert

literatuur een uitgebreid debat. Hoe logisch het ook lijkt dat subsidies aanleiding geven tot meer investeringen in O&O, vaak vindt net het tegenovergestelde plaats. Een onderneming heeft namelijk altijd een incentive om beroep te doen op de goedkope publieke steun, ook wanneer ze de onderzoeksprojecten had kunnen uitvoeren door gebruik te maken van haar eigen financiële middelen (Wallsten, 2000). Als ze in dat geval ook effectief de subsidie krijgt, kan de onderneming haar eigen private uitgaven gewoon subsititueren door publieke uitgaven. Dat subsitutie-effect of crowding out effect tussen publieke subsidies en private investeringen wordt al tientallen jaren besproken in de economische literatuur. Beleidsmakers moeten dat effect zeker in acht nemen bij hun beslissingen over O&O programma’s. Ze moeten zich de vraag stellen of de publieke subsidies aanleiding geven tot een netto toename of afname van uitgaven in O&O. Met andere woorden of overheidsfondsen een substituut of een complement vormen voor private uitgaven. Want hoewel overheidstussenkomst in theorie wel een optimale oplossing lijkt te vormen voor de marktfaling uit de vorige paragrafen, is daarom niet bewezen dat ze ook in praktijk de marktfaling volledig rechtzet.

De indrukwekkende hoeveelheid econometrisch onderzoek die rond de additionaliteitsubstitutie problematiek ter beschikking is gekomen in de loop der jaren laat geen eenduidige conclusie toe (zie David, Hall en Toole (2000) voor een systematisch overzicht). Hoewel de resultaten relatief uiteenlopend zijn, lijkt globaal gesproken de balans over te hellen naar additionaliteit (Meeusen & Janssens, 2000). In de Verenigde Staten bestudeerden verschillende onderzoekers dit onderwerp. Scott (1984) kwam tot de conclusie dat publieke fondsen voor O&O verdere private investeringen stimuleren. Wallsten (2000) daarentegen ziet aanzienlijke crowding-out effecten. Ook in Europa zijn de resultaten weinig uitgesproken. Klette en Møen (1998) vinden bijvoorbeeld dat O&O subsidies slechts in weinig gevallen leiden tot crowding out, maar dat er anderzijds ook weinig bewijs is van additionaliteit. Aangezien elke studie telkens slechts één of hooguit enkele overheidsprogramma’s onder de loep neemt, is het echter geen wonder dat er geen consensus kan ontstaan.

Ook in Vlaanderen is het bestaan van input-additionaliteit of input-substitutie onderzocht. Een econometrische analyse van Meeusen en Janssens (2000) met betrekking tot O&O-steun door het IWT, bevestigt het bestaan van enige additionaliteit. Naargelang de bedrijfsgrootte komen zij tot elasticiteiten tussen 0,15 en 0,55. Dat wil zeggen dat indien de IWT-steun met 1% toeneemt, de onderneming daar een verhoging van 0,15% tot 0,55% bovenop legt vanuit Faculteit Economie en Bedrijfskunde

28


Valérie Herbert

andere middelen. Meeusen en Janssens stellen overigens vast dat het vooral middelgrote en kleine ondernemingen zijn die op langere termijn overgaan tot additionele O&O uitgaven met eigen middelen, als reactie op IWT-subsidies. Ook Aerts en Czarnitzki voeren een gelijkaardige studie uit. Ze besluiten dat gesubsidieerde ondernemingen gemiddeld significant minder zouden hebben geïnvesteerd in O&O zonder publieke financiering. De hypothese van het bestaan van crowding out effecten kan in het geval van het IWT dus blijkbaar verworpen worden.

Tenslotte staat “Behavioural additionality” voor de verandering in het innovatief gedrag van de onderneming ten gevolge van overheidssteun. Studies over input- of outputadditionaliteit zagen gedragsadditionaliteit tot op heden al te vaak over het hoofd. De effecten van overheidssubsidies op het gedrag van een onderneming komen nochtans op verschillende manieren tot uiting. Zo kan de overheidssteun de onderneming er bijvoorbeeld toe aanzetten haar schaal te vergroten in een bepaald domein. Een andere mogelijkheid is dat de timing van het innovatieproject beïnvloed wordt en dat de financiële middelen een versnelling teweegbrengen in de ontwikkeling ervan. Tot slot kan ook een wisselwerking optreden tussen de overheidssteun en de strategieën en mogelijkheden van de onderneming. Zo is het mogelijk dat de onderneming dankzij de steun beter in staat is haar knowhow te beschermen of venture capital investeringen aan te trekken.

Georghiou, Larosse en ook het IWT in het algemeen stellen dat deze topic nog verder dient bestudeerd te worden en werken aan het ontwikkelen van een adequate methode(Georghiou et al., 2004). Dit werk zal daarom al één aspect van behavioural additionality verder uitdiepen, namelijk de mogelijkheden om bijkomend kapitaal aan te trekken ten gevolge van een subsidie. In het volgende hoofdstuk worden enkele hypothesen opgesteld die later empirisch zullen worden getest.


29


Valérie Herbert

4 Hypothesen De meest voor de hand liggende effecten van overheidssubsidies genoten al aanzienlijke interesse bij onderzoekers. Meer subtiele effecten zoals degene die onder de noemer “behavioural additionality” vallen, bleven totnogtoe veelal onbesproken. Eén van deze effecten is de certificaatsfunctie. Het feit dat een bepaalde onderneming een subsidie weet te bemachtigen,

kan

potentiële

investeerders

vertrouwen

inboezemen.

Vooral

voor

ondernemingen die te maken hebben met aanzienlijke asymmetrische informatie kan een subsidie vanuit een gerenomeerde overheidsinstelling een signaal geven aan externe financiers. De subsidiërende instelling zal de onderneming immers vooraf screenen en ze achteraf ook opvolgen. Lerner (1999) vond voor de Verenigde Staten resultaten die het bestaan van de certificaatsfunctie bevestigen. Maar hoe belangrijk is dit effect in Vlaanderen? Toegepast op het concrete geval van IWT-subsidies stelt zich de vraag of KMO’s die een subsidie hebben genoten, achteraf ook gemakkelijker extern kapitaal kunnen aantrekken. De onderzoeksvraag luidt dus:

“Hebben IWT-subsidies een effect op het verkrijgen van verdere externe financiering?”

De veranderingen in balansstructuur van ondernemingen die een subsidie ontvingen, kunnen een antwoord bieden op die vraag. Indien IWT-subsidies een certificaatsfunctie hebben, vertaalt zich dat immers in een toename van het aantal financieringsevents. Zo zou de onderneming in de jaren die volgen op de subsidie bijvoorbeeld venture capital kunnen aantrekken en overgaan tot een aandelenuitgifte. Een andere mogelijkheid is dat de onderneming ten gevolge van de subsidie meer leningen kan aangaan, zij het op korte of lange termijn. In beide gevallen wordt verondersteld dat wanneer de overheid vertouwen toont in een onderneming, dit een positief effect heeft op de informatieproblemen. De overheid wordt namelijk in staat geacht een selectie te kunnen maken tussen goede en minder goede bedrijven. Zowel inbrengers van eigen vermogen als vreemd vermogen kunnen de mening van de overheid volgen en gemakkelijker financiële middelen ter beschikking stellen. Dit leidt tot onze twee basishypothesen:


30


Valérie Herbert

Hypothese 1a: Ondernemingen die een IWT-subsidie ontvingen maken in de daarop volgende jaren meer kans om externe financiering aan te trekken onder de vorm van eigen vermogen.

Hypothese 1b: Ondernemingen die een IWT-subsidie ontvingen maken in de daarop volgende jaren meer kans om externe financiering aan te trekken onder de vorm van vreemd vermogen.

Men kan zich afvragen of die potentiële certificaatsfunctie niet groter zal zijn voor één van beide financieringsvormen. Het lijkt logisch dat IWT-subsidies een kleinere impact zullen hebben op inbrengers van eigen vermogen dan van vreemd vermogen. Zoals in hoofdstuk 2 namelijk al besproken werd, zijn kapitaalverschaffers als venture capital ondernemingen en business angels gespecialiseerd in het omgaan met asymmetrische informatie (Berger & Udell, 1998). Meer nog dan banken beschikken ze over heel efficiënte mechanismen om informatie- en agencyprobelemen te verhelpen (Carpenter & Petersen, 2000). De volgende hypothese luidt dan:

Hypothese 2: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is meer uitgesproken voor vreemd vermogen dan voor eigen vermogen.

Daar algemeen gesproken de effecten voor eigen vermogen en vreemd vermogen niet noodzakelijk in dezelfde lijn liggen, zal de verdere analyse elke hypothese afzonderlijk testen voor die twee financieringsvormen.

In de voorgaande hoofdstukken werd meermaals gewezen op het feit dat naarmate ondernemingen jonger zijn, ze nog meer te kampen krijgen met de nadelen van asymmetrische informatie (Carpenter & Petersen, 2002). Starters hebben nog geen reputatie kunnen opbouwen en bezitten weinig historische informatie, waardoor ze moeilijk van hun kwaliteit kunnen overtuigen (Berger & Udell, 1998). Een positieve beoordeling vanwege een gereputeerde overheidsinstelling zou hen hierin al heel ver kunnen helpen. Zal in het geval de certificaatsfunctie bestaat, het effect groter zijn voor die startende ondernemingen?


31


Valérie Herbert

Hypothese 3: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is meer uitgesproken voor heel jonge ondernemingen.

In de vorige hoofdstukken is gebleken dat financieringsproblemen voor technologische bedrijven nog zwaarder doorwegen. Eerst en vooral zijn hun opbrengsten heel variabel en dus moeilijk in te schatten vanuit een extern standpunt. Ten tweede zijn deze ondernemingen verplicht heel wat informatie in verband met technologische innovaties intern te houden om imitaties te vermijden (Carpenter & Petersen, 2002). Ook bij het aantrekken van schuldfinanciering stoten deze bedrijven op bijkomende problemen door een gebrek aan materiële activa die als onderpand kunnen dienen. Voor deze subgroep van ondernemingen zou het effect van subsidies dus ook groter kunnen zijn:

Hypothese 4: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is meer uitgesproken voor technologische ondernemingen.

IDe literatuur omtrent bankfinanciering legt sterk de nadruk op de rol van onderpand als middel om problemen in verband met asymmetrische informatie te omzeilen (Berger & Udell, 1998). Materiële activa kunnen die functie vervullen. Ondernemingen met meer materiële activa zullen dus in principe minder last hebben van informatieproblemen. In technologische ondernemingen zijn de activa grotendeels immaterieel. Ze omvatten uitgaven voor O&O, patenten en licenties waarvan de reële waarde voor externe financiers moeilijk te schatten valt. Zulke activa kunnen bovendien snel aan waarde verliezen in geval de onderneming in moeilijkheden raakt. Om die reden zullen externe financiers zelden immateriële activa als onderpand accepteren, wat resulteert in een lagere bereidheid tot investeren (Baeyens & Manigart, 2006). Dat leidt tot de vijfde hypothese:

Hypothese 5: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is aanzienlijk groter voor ondernemingen met een hoger aandeel immateriële activa.


32


Valérie Herbert

Deeds, Mang en Frandsen (2004) stellen dat het aantrekken van externe middelen ook moeilijk is voor jonge, opkomende industrieën in het algemeen. Ondernemingen in nieuwe sectoren zullen niet enkel moeten overtuigen van hun eigen levensvatbaarheid en wenselijkheid maar ook van die van hun industrie. Met andere woorden, ze moeten hun legitimiteit bewijzen op zowel het ondernemings- als het sectoraal niveau. In een nieuwe sector bestaan nog geen duidelijke standaarden en modellen waarmee de performantie en methodes van een onderneming kunnen worden vergeleken (Aldrich & Fiol, 1994). Daarbij komt dat externe kapitaalverschaffers onzeker zijn over wat de industrie juist doet en nodig heeft en wat de waarde van de gecreëerde output zal zijn. Potentiële investeerders zijn daardoor moeilijker te overtuigen (Deeds, Mang & Frandsen, 2004). Het kunnen aantonen van de legitimiteit van de sector zou wel eens een grote rol kunnen spelen op het al dan niet verkrijgen van kapitaal. Dat leidt tot de zesde hypothese:

Hypothese 6: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is groter in opkomende industrieën die nog geen algemeen aanvaarde legitimiteit genieten.

Hoofdstuk 3 van dit deel besprak uitvoerig de brede waaier aan subsidies die binnen het KMO-programma van het IWT bestaat. Deze vallen in te delen in twee groepen: subsidies ter ondersteuning van innovatiestudies en subsidies ter ondersteuning van innovatieprojecten. Innovatiestudies zij gericht op de eerste stappen van het onderzoek. Kennisverwerving of de aanwerving van hogergeschoolden ter verbetering van de kennisabsorptiecapaciteit en de innovatiemogelijkheden staan daarbij centraal. Innovatieprojecten ontwikkelen niet alleen technologische kennis maar implementeren deze ook in creatieve ontwerpen om tot nieuwe of verbeterde producten, processen of diensten te komen (IWT, 2006). De subsidies die met deze laatsten gepaard gaan hebben een grotere impact op de verdere evolutie van het bedrijf. Ze leiden immers tot een concretere innovatie, bijvoorbeeld onder de vorm van een prototype. Nu kunnen we ons de vraag stellen of deze impact ook naar verdere financiering toe groter zal zijn. Aangezien de uitkomst zichtbaarder en tastbaarder is kan een innovatieproject een grotere signaalwaarde hebben naar externe investeerders toe:


33


Valérie Herbert

Hypothese 7: Subsidies voor nnovatieprojecten hebben een groter effect op het verkrijgen van externe financiering dan subsidies voor innovatiestudies.

Mag een toename van externe financiering in de jaren volgend op een subsidie echter zomaar toegeschreven worden aan de certificaatsfunctie? Het is immers niet ondenkbaar dat externe financiers de middelen die ingebracht werden door de subsidie eerder als een buffer beschouwen. Dankzij de subsidie beschikt de onderneming over een betere balanspositie, waardoor het risico lager ligt voor potentiële investeerders. Het is dan de aanwezigheid van extra middelen die hen over de streep haalt, en niet de certificaatsfunctie.

De certificaatsfunctie die van de IWT-subsidies uitgaat, zou in theorie onafhankelijk moeten zijn van de grootte ervan. Zelfs kleine inbrengen vanwege de overheid wijzen op vertrouwen en zouden dus in principe hetzelfde effect moeten hebben als grotere bijdragen. Indien het effect op externe financiering verschilt naargelang de grootte van de inbreng, kan dit effect eerder toegeschreven worden aan de buffer die de subsidie vormt. De laatste hypothese luidt:

Hypothese 8: Het effect van IWT-subsidies op verdere financiering, is eerder te wijten aan een bufferfunctie dan aan de certificaatsfunctie.


34


Valérie Herbert

DEEL 2 : EMPIRISCHE STUDIE

1 Beschrijving van de data Aangezien het in deze studie draait om bedrijven die gesubsidieerd werden door het IWT, werd op hen beroep gedaan om bepaalde data te verkrijgen. Het IWT gaf een lijst van alle KMO’s uit die ooit bij hen een subsidie hebben aangevraagd. Het gaat om 1.980 projecten van ondernemingen die sinds januari 1992 een aanvraag tot het verkrijgen van een subsidie hebben ingediend, onafhankelijk van het feit of ze deze effectief hebben verkregen. Niet al deze aanvragers kwamen in aanmerking voor een subsidie. Na een uitgebreide screening evalueerde het IWT 2/3 van de ingediende projecten als ontvankelijk.

Voor verdere analyse moest deze lijst nog enkele aanpassingen ondergaan. Eerst en vooral hebben sommige ondernemingen meermaals beroep gedaan op het IWT, waardoor dubbeltellingen courant voorkwamen. Uiteindelijk gaat het om slechts 1.228 verschillende ondernemingen. Ze werden aan de hand van de BTW-nummers aan de gegevensdatabase Belfirst van het Bureau van Dijk gekoppeld. Bel-first omvat gedetailleerde financiële informatie over meer dan 300.000 Belgische ondernemingen en de 200 grootste bedrijven in Luxembug. Naast de klassieke gegevens uit de jaarrekening bevat Bel-first ook identificatiegegevens, financiële ratio’s en gegevens over het bestuur en de aandeelhouders.

VZW’s werden uit de lijst geschrapt aangezien deze niet dezelfde gegevens publiek maken. Hetzelfde gebeurde met de eenmanszaken en enkele speciale rechtsvormen zoals de Koninklijke Apothekersvereniging Antwerpen. Tenslotte kwamen een aantal bedrijven niet meer in de database van Belfirst voor doordat ze reeds enkele jaren geleden failliet zijn gegaan. Opvallend is dat dit een bijna verwaarloosbare fractie voorstelt van de gegevens. Uiteindelijk bleven 1.185 bruikbare ondernemingen over waarvoor uit de Belfirst database zowel de identificatiegegevens als financiële gegevens voor de laatste tien jaar werden opgehaald.

Die gegevens werden gekoppeld aan de oorspronkelijke data van het IWT. Een groot aantal Faculteit Economie en Bedrijfskunde

35


Valérie Herbert

van deze 1.185 ondernemingen vroeg subsidies aan voor meerdere projecten en komt dus vanzelfsprekend meermaals voor in de samengevoegde dataset. Anderzijds hebben de gegevens afkomstig van Belfirst betrekking op de tien laatste jaarrekeningen. Een adequate analyse van de periode vóór 1995 is dus niet mogelijk. Ondernemingen die een aanvraag hebben ingediend in de eerste drie jaar na de opstart van het IWT vallen dus uit de boot. Het gaat echter slechts om een minderheid. Zo werden in 1992 en 1993 respectievelijk vijf en elf aanvragen ingediend, tegenover een gemiddelde van driehonderd in de laatste jaren.

Na de correcties rest een dataset van 1.891 projecten waarvoor subsidies werden aangevraagd. Het IWT willigde exact 1.231 van deze verzoeken in. Met andere woorden kreeg 65% van de aanvragen effectief een bepaald bedrag toegewezen voor een haalbaarheidsstudie of een innovatieproject. Naar deze groep wordt in wat volgt gerefereerd als ‘de ontvangers’. De 35% die de subsidie niet mochten ontvangen, doen dienst als controlegroep. Deze ondernemingen hebben immers een gelijkaardige vraag naar financiering, maar zullen niet kunnen genieten van de invloed van de subsidie. Dat maakt ze ideaal om de balanstructuur van de ontvangers mee te vergelijken.

Om de data verder te beschrijven, worden de projecten eerst onderverdeeld naar het jaar van de aanvraag tot subsidie. Tabel 1 illustreert dat. Het valt op dat 50% van de aanvragen in de laatste vier jaar plaatsvond. Ook de effectieve ontvangers van de IWT-subsidie vertonen hetzelfde patroon. De verklaring ligt bij het groeiend belang van de overheid en de toenemende invloed van het Innovatie Pact. De deadline voor de Barcelona-doelstellingen komt steeds dichterbij, dus het is niet verwonderlijk dat daardoor de IWT-subsidies de laatste jaren toenemen. Een andere verklaring ligt bij het specifieke KMO-programma dat in 2001 het daglicht zag en duidelijk zijn vruchten afwerpt.


36


Valérie Herbert

Tabel 1: Aantal aanvragers en ontvangers per jaar AANVRAGERS

ONTVANGERS Cumulatief

JAAR

Frequentie

Percentage

Percentage

Cumulatief Frequentie

Percentage

Percentage

1995

68

3,6

3,6

48

3,9

3,9

1996

76

4

7,6

62

5

8,9

1997

87

4,6

12,2

60

4,9

13,8

1998

70

3,7

15,9

54

4,4

18,2

1999

61

3,2

19,1

45

3,7

21,9

2000

68

3,6

22,7

49

4

25,8

2001

192

10,2

32,9

111

9

34,8

2002

318

16,8

49,7

232

18,8

53,7

2003

319

16,9

66,6

206

16,7

70,4

2004

349

18,5

85

240

19,5

89,9

2005

283

15

100

124

10,1

100

Totaal

1891

100

1231

100

Aangezien jonge ondernemingen een speciale rol spelen in de financieringsproblematiek, dringt een tweede onderverdeling naar leeftijd zich op. Ondernemingen die op het moment van hun aanvraag jonger zijn dan 10 jaar, krijgen het label ‘jonge onderneming’. Uit tabel 2, panel A, blijkt dat maar liefst 47% van de ingediende projecten, afkomstig waren van jonge ondernemingen. Deze groep wordt verder onderverdeeld in starters of heel jonge bedrijven. Dat zijn ondernemingen die op het moment van hun aanvraag drie jaar of jonger zijn. Panel B toont dat 23% van alle projecten ingediend werden door starters.

Tabel 2: Aantal projecten die een IWT-subsidie aanvragen, afkomstig van jonge ondernemingen en starters

Jong (A) Frequentie

Starters (B° Percentage

Frequentie

Percentage

≥ 10jr

997

52,7

≥ 4jr

1461

77,3

< 10jr

894

47,3

< 4jr

430

22,7

Totaal

1891

100

Totaal

1891

100


37


Valérie Herbert

Een andere groep die extra gevoelig is voor hindernissen zoals asymmetrische informatie zijn de technologische bedrijven. In navolging van Taft en Hayes (2003) werd aanvankelijk gebruik gemaakt van de Amerikaanse SIC-classificatie in sectoren om technologische ondernemingen uit de database te selecteren. Aangezien Belfirst de SIC-codes weergeeft van de opgevraagde bedrijven, leek dit een goede oplossing. Helaas is deze rubriek niet altijd consequent ingevuld. Voor maar liefst een kwart van de ondernemingen ontbreken die gegevens. Gelukkig bestaat naast de Amerikaanse SIC-codes ook een Europese variant, de NACE-sectorclassificatie. Die geharmoniseerde nomenclatuur vergemakkelijkt het ordenen van statistische informatie. Hoewel een EG-verordening het kader definieert van deze klassering, zijn nationale aanpassingen mogelijk. Het Belgische Nationaal Instituut voor Statistiek (NIS) werkte de algemene indeling uit tot NACE-BEL. Deze NACE-BEL codes maken het mogelijk de technologische ondernemingen te onderscheiden. De onderverdeling van de OESO (2002) uit het Belgisch rapport over wetenschap, technologie en innovatie (zie Bijlage 1) verfijnde die selectie in hoog-, midden-, en laagtechniche sectoren. Het resultaat van beide technieken staat in tabel 3. Panel A geeft het aantal technologische ondernemingen volgens de SIC-classificatie, panel B geeft het aantal midden- en hoogtechnische ondernemingen volgens de NACE-BEL classificatie. De Amerikaanse classificatie met SIC codes bestaande uit 3 getallen is waarschijnlijk iets preciezer dan de NACE-BEL groepering die steunt op 2-digit NACE-codes. De eerste methode schat het aantal projecten komende van technologische ondernemingen op 42%. Volgens de Europese variant is 52% van de projecten afkomstig van midden- tot hoogtechnische ondernemingen.

Tabel 3: Aantal projecten ingediend door technologische ondernemingen SIC

NACE-BEL

Frequentie

Percentage

Niet-Technologisch

811

57,8

Technologisch

592

42,2

Laag-technisch

Frequentie

Percentage

894

47,3

996

52,7

1890

100

Midden-en hoogtechnisch Totaal

1403

Missing

488

Missing

Totaal

1891

Totaal


100

Totaal

1 1891

38


Valérie Herbert

De NACE-BEL codes geven een beter inzicht in de dataset. De NACE-BEL activiteitennomenclatuur bestaat immers uit 17 secties, die elk worden aangeduid aan de hand van één letter (zie bijlage 2 voor een volledig overzicht). In tabel 4 wordt de distributie weergegeven van de ondernemingen die IWT-subsidies hebben aangevraagd, gebaseerd op deze sectie-indeling. De aanvragers van de IWTsubsidies zijn actief in twaalf van de 17 activiteitensecties, maar de verdeling is verre van homogeen. Zo is maar liefst 44% actief in sectie D “Industrie”, 30% in sectie K “Onroerende goederen, verhuur en diensten aan bedrijven”, en 17% in sectie G “Groot- en detailhandel, reparatie van auto’s, motorrijwielen en consumentenartikelen”. Tabel 4: Distributie van aanvragers van IWT-subsidies volgens activiteitensectie

NACE-BEL ACTIVITEITENSECTIE

Aantal

Percent

aanvragers

aanvragers

in sectie

in sectie 36

1,9

Visserij

0

,0

C

Winning van delfstoffen

0

,0

D

Industrie

839

44,4

E

Productie en distributie van elektriciteit, gas en water

9

,5

F

Bouwnijverheid

60

3,2

G

Groot- en detailhandel; reparatie van auto's, motorrijwielen en consumentenartikelen

321

17,0

H

Hotels en restaurants

2

,1

I

Vervoer, opslag en communicatie

17

,9

J

Financiële instellingen

2*

,1

K

Onroerende goederen, verhuur en diensten aan bedrijven

585

30,9

L

Openbaar bestuur en defensie; verplichte sociale verzekeringen

0

,0

M

Onderwijs

3

,2

N

Gezondheidszorg en maatschappelijke dienstverlening

3

,2

O

Overige gemeenschapsvoorzieningen, sociaal-culturele en persoonlijke diensten

13

,7

P

Huishoudens

0

,0

Q

Extraterritoriale organisaties en lichamen

0

,0

1891

100,0

A

Landbouw, jacht en bosbouw

B

Totaal

* Financiële instellingen worden in wat volgt weggelaten


39


Valérie Herbert

2 Beschrijving van de variabelen 2.1 Afhankelijke Variabelen

De afhankelijke variabelen zijn de verschillende financieringsevents. Er doen zich drie gevallen voor: financiële schulden, eigen vermogen en interne financiering.

Twee variabelen worden geconstrueerd om financieringsevents op het vlak van vreemd vermogen weer te geven. Voor de financiële schulden op lange termijn (>1jaar) berekenen we de netto toename in financiële schulden op meer dan 1 jaar ten opzichte van het totaal actief. In geval deze toename groter is dan 5%, wordt de onderneming verondersteld een nieuwe lening te hebben bekomen. In wat volgt noemen we dit een financieringsevent en definiëren dus de variabele VV_>1J_EVENT als 1 wanneer een event voorkomt, anders 0. Analoog stelt de variabele VV_<1J_EVENT de financieringsevents op het gebied van financiële schulden op ten hoogste 1 jaar voor. In navolging van De Haan en Hinloopen (2003) zal een 5% afkapwaarde verzekeren dat de focus enkel op financieringsevents van aanzienlijke grootte ligt.

Voor de financieringsevents onder de vorm van extern eigen vermogen, genereren we de variabele EV_EVENTS. Zoals voorgesteld door Ooghe en van Wymeersch (2003) voeren we hiertoe een correctie uit op het eigen vermogen. Dit laat toe de zuiver boekhoudkundige verschuivingen tussen rubrieken zoals uitgiftepremies, herwaarderings-meerwaarden, reserves en overgedragen resultaten te elimineren. Deze komen namelijk niet overeen met reële vermogensstromen. Aldus bekomen we de externe verandering van het eigen vermogen exclusief kapitaalsubsidies. Analoog met het voorgaande wordt verondersteld dat de onderneming effectief extern kapitaal heeft aangetrokken wanneer een netto-toename in het extern eigen vermogen plaatsvindt die groter is dan 5% van het totaal actief.

De aparte behandeling van interne financiering is volgens De Haan en Hinloopen (2003) heel relevant aangezien dit een belangrijke financieringsbron vormt voor ondernemingen. Opnieuw worden ondernemingen verondersteld interne financiering te hebben gebruikt als de Faculteit Economie en Bedrijfskunde

40


Valérie Herbert

waarde van de overgedragen winst in een bepaald jaar groter is dan 5% van het totaal actief.

In tabel 5 wordt een eerste descriptieve analyse van deze financieringsevents weergegeven. Per financieringsmogelijkheid werd het aantal events opgenomen per jaar, gaande van 3 jaar voor de subsidie tot 5 jaar erna. Zowel absolute cijfers als de percentages ten opzichte van het aantal geobserveerde projecten werden in de tabel opgenomen.

Tabel 5: Financieringsevents

Totaal Jaar tov

Aantal

EIGEN

FINANC

FINANC

INTERNE

aantal

subsidie

firms

VERMOGEN

SCHULD >1J

SCHULD ≤1J

FINANCIERING

events

-3

1133

83

7,33%

203

17,92%

162

14,30%

221

19,51%

669

-2

1248

106

8,49%

185

14,82%

165

13,22%

241

19,31%

697

-1

1411

109

7,73%

209

14,81%

220

15,59%

286

20,27%

824

0

1550

116

7,48%

235

15,16%

196

12,65%

268

17,29%

815

1

1441

111

7,70%

196

13,60%

177

12,28%

219

15,20%

703

2

1177

94

7,99%

135

11,47%

130

11,05%

160

13,59%

519

3

875

48

5,49%

113

12,91%

90

10,29%

120

13,71%

371

4

567

29

5,11%

52

9,17%

63

11,11%

94

16,58%

238

5

402

15

3,73%

43

10,70%

49

12,19%

76

18,91%

183

9804

711

7,25%

1371

13,98%

1252

12,77%

1685

17,19%

5019

Totaal


41


Valérie Herbert

2.2 Onafhankelijke variabelen Om de hypothesen uit deel 1 te kunnen testen werden verschillende variabelen aangemaakt. Een eerste set variabelen bestaat uit een tiental dummies die ons moeten toelaten de database op te splitsen in verschillende groepen.

Een eerste variabele, ONTVANGERS, maakt het onderscheid tussen de aanvragers die effectief een subsidie mochten ontvangen en degenen die dat niet deden. Deze variabele is van belang om de eerste groep, de ontvangers, te kunnen onderscheiden van de niet-ontvangers die zullen dienen als controlegroep. Verder zullen een tweetal variabelen ons in staat stellen de analyse toe te spitsen op jonge tot zeer jonge ondernemingen. Met de variabele JONG definiëren we ondernemingen die op het moment van hun aanvraag jonger waren dan 10 jaar. De STARTERS daarentegen zijn slechts drie jaar of jonger wanneer zij beroep doen op het IWT. Om de technologische ondernemingen te kunnen bestuderen, doen we beroep op de SIC en NACE-BEL indeling in sectoren. Zoals hierboven reeds vermeld, stelt dit ons in staat de ondernemingen op twee manieren in te delen. De methode die gebruik maakt van SIC-codes geeft aanleiding tot een variabele die in het vervolg Tech_SIC wordt genoemd. De andere methode steunt op de OESO sectorclassificatie in midden- en hoogtechnische sectoren. Hieruit onstond de variabele Tech_NACE die, omwille van de volledigheid van de gegevens in wat volgt zal gehanteerd worden.

Aangezien de proportie materiële en immateriële vaste activa een rol kunnen spelen in het verkrijgen van financiering werden hiertoe twee variabelen gemaakt: INTANGIBLE ASSETS en TANGIBLE ASSETS Deze variabelen worden gemeten als de ratio van respectievelijk de immateriële activa en materiële activa tot de totale activa. Om twee groepen te kunnen maken werd oorspronkelijk de mediaan berekend. Aangezien deze nul is voor de immateriële activa werd van beide variabelen het gemiddelde genomen. Voor immateriële activa werd hiermee de dummy-variabele INTANGIBLE gemaakt: de ondernemingen waarvan de immateriële activa groter zijn dan het gemiddelde, krijgen de waarde 1 toegekend en worden beschouwd als ondernemingen met een grote mate van immateriële activa. Hetzelfde werd gedaan voor de materiële activa door de variabele TANGIBLE te creëren.


42


Valérie Herbert

Ook het type subsidie bleek in wat voorafging een bepalende rol te kunnen spelen in het effect van IWT-subsidies. We onderscheiden hiertoe de innovatieprojecten van de innovatiestudies. Deze laatsten omvatten de innovatiestudies Type 1 tot Type 5, die in de eerste jaren van het bestaan van het IWT ook wel haalbaarheidsstudies werden genoemd. Dit geeft aanleiding tot de variabele PROJECT_OF_STUDIE die in Tabel 6 de verdeling van de subsidieaanvragen weergeeft. We stellen vast dat het aantal aanvragen ongeveer gelijk verdeeld is over innovatiestudies en projecten.

Tabel 6: Aantal aanvragen tot Innovatiestudies en Innovatieprojecten

Frequentie

Percentage

Innovatiestudie

971

51,3

Innovatieprojecten

920

48,7

1891

100,0

Totaal

Tenslotte zullen we de subsidies moeten groeperen naar grootte om te kunnen onderzoeken of we te maken hebben met een signaalfunctie of een bufferfunctie. We berekenen hiertoe eerst de verhouding van het bedrag van de subsidie tot het totaal actief. Van deze relatieve grootte van de subsidie ten opzichte van de grootte van de onderneming wordt vervolgens de mediaan berekend. De variabele GROOTTE_SUBS verdeelt de ontvangers in twee groepen, naargelang de ontvangen subsidie al dan niet groter is dan de mediaanwaarde.

Naast deze variabelen, die nodig zijn om de dataset op te kunnen splitsen in verschillende groepen, zullen ook variabelen ingevoerd worden om andere factoren in de analyse in rekening te brengen. Deze worden controlevariabelen genoemd en worden besproken in de volgende paragraaf.

2.3 Controlevariabelen Om het effect van IWT-subsidies op verdere financiering op multivariate wijze te kunnen onderzoeken, moeten we een aantal controlevariabelen invoeren. Om problemen in verband met causaliteit te vermijden zullen deze variabelen steeds betrekking hebben op het Faculteit Economie en Bedrijfskunde

43


Valérie Herbert

voorgaande jaar. We kunnen deze variabelen onderverdelen in een viertal categorieën naargelang ze betrekking hebben op de beschikbaarheid van interne financiering, de schuldcapaciteit, het financieel risico of de agency kosten (Van Acker, 2006). Tabel 8 geeft op het einde van dit onderdeel de definities van deze controlevariabelen schematisch weer, alsook de correlaties voor alle continue onafhankelijke variabelen.

De beschikbaarheid van interne financiering

Om de beschikbaarheid van interne financiering voor de ondernemingen uit de dataset te weerspiegelen introduceren we een drietal controlevariabelen. De eerste noemen we PROFITABILITY en definiëren we als winst van het boekjaar over de totale activa. Aangezien deze variabele weerslag heeft op het hele boekjaar moeten een correctie worden doorgevoerd om tot vergelijkbare gegevens te komen. Niet elke onderneming heeft namelijk steeds een boekjaar van 12 maanden en in het geval dit niet zo was werden de gegevens hiertoe eerst proportioneel herleid. Het gebruik van de variabele steunt op de idee dat winstgevende ondernemingen voorrang zullen geven aan interne financiering. Hetzelfde effect kan volgens de pecking order theorie ook verwacht worden van ondernemingen met een goede kaspositie. De tweede variabele zal dus de liquiditeitspositie van de onderneming moeten weergeven. Meerdere opties zijn hiervoor mogelijk. In navolging van De Haan en Hinloopen (2003), zal LIQUIDITEIT eenvoudigweg gedefinieerd worden als de verhouding van liquide middelen tot de totale activa.

Als derde variabele die een indicatie geeft over de beschikbaarheid van interne financiering voeren we de PAYOUT_RATIO in. Dit is de de verhouding van de dividenden tot het totaal actief. Ook hier worden gegevens gebruikt van het voorgaande jaar en wordt de correctie met betrekking tot het aantal maanden van het boekjaar doorgevoerd. Gezien aan de aandeelhouders uitgekeerde bedragen niet kunnen dienen voor de financiering van innovatieprojecten, zou deze variabele negatief gecorreleerd moeten zijn met interne financiering .


44


Valérie Herbert

Schuldcapacitieit

Naast de beschikbaarheid van interne financiering speelt ook de beschikbaarheid van vreemd vermogen een belangrijke rol in het financieringsvraagstuk. We kunnen dit in rekening brengen aan de hand van de schuldcapaciteit. Een eerste variabele die hierop betrekking heeft is de CASHFLOW. Deze benaderen we aan de hand van de “earnings before interest, taxes, depreciation and amortization” of EBITDA. Die variabele wordt gevormd als de ratio van het brutobedrijfsresultaat vóór niet-kaskosten ten opzichte van het totaal actief. Aangezien de variabele weerslag heeft op het hele boekjaar moest ook hier de correctie plaatsvinden voor het aantal maanden in het boekjaar.

Een tweede variabele die van belang is voor de schuldcapaciteit van een onderneming is de algemene SCHULDGRAAD. Deze variabele maken we aan door de ratio te nemen van het vreemd vermogen op het eigen vermogen. Die ratio geeft dus aan welk procentueel deel van het totaal vermogen uit vreemd vermogen bestaat en verloopt tussen 0 en 100% bij positief eigen vermogen. We mogen echter niet uit het oog verliezen dat deze boven de 100% kan uitstijgen in geval van negatief eigen vermogen. De klassieke interpretatie van deze ratio steunt op het principe: hoe hoger de schuldgraad, hoe kleiner de bescherming van de schuldeisers. De buffer wordt kleiner en dus is er bij liquidatie meer kans dat deze onvoldoende zal zijn om liquidatieverliezen op te vangen (Ooghe & Van Wymeersch, 2003). We verwachten dat deze variabele dan ook negatief gecorreleerd zal zijn met de schuldfinanciering. Naast deze klassieke interpretatie kan de schuldgraad, kan die ook dienen als indicator van het financieel risico van de onderneming. Schulden genereren namelijk enerzijds een vaste financieringskost, ondanks wisselende resultaten, anderzijds een vaste betalingsverplichting, ondanks schommelende liquiditeit. Algemeen kan gesteld worden: hoe hoger de schuldgraad, hoe groter het financieel risico van de onderneming (Ooghe & Van Wymeersch, 2003).

Tenslotte voeren we nog een dummy NEG_EV in die weergeeft wanneer ondernemingen een negatief eigen vermogen hebben. We verwachten immers dat deze ondernemingen hierdoor minder beroep zullen kunnen doen op het vreemd vermogen.


45


Valérie Herbert

Financieel risico

Aanvankelijk was het de bedoeling het financieel risico weer te geven aan de hand van het algemeen lineair discriminantmodel van Ooghe-Verbaere (1982). Deze “OV 82” kan beschouwd worden ale een goede voorspeller van faling op korte termijn. Aangezien deze in een Belgische context werd ontwikkeld, had dat een goede risicoïndicator kunnen zijn in dit onderzoek. Helaas moesten we vaststellen dat de OV 82-waarde maar liefst in 75% van de gevallen ontbreekt in onze database.

Het financieel risico zal dus met andere variabelen gemeten worden. De Haan en Hinloopen (2003) stellen bijvoorbeeld dat de eerder besproken variabelen PROFITABILITY en LIQUIDITEIT ook geïnterpreteerd kunnen worden als indicatoren van de financiële gezondheid van een onderneming. Het falingsrisico zal hoogstwaarschijnlijk relatief laag zijn voor winstgevende ondernemingen met veel liquiditeiten. In dit opzicht kunnen we dus een positieve correlatie verwachten tussen deze variabelen en schuldfinanciering (De Haan & Hinloopen, 2003).

Met de laatste variabele in deze categorie willen we, in navolging van Van Acker (2006), de kost van faling weergeven. Deze wordt bepaald door de structuur van de activa. We voeren dus een variabele TANGIBLE ASSETS in, die gevormd wordt als verhouding van de materiële vaste activa op de totale activa.

Agency kosten

Zoals reeds eerder uitgebreid besproken, vormen asymmetrische informatie en agency problemen grote hindernissen wanneer externe financiering moet worden aangetrokken. Om dit in onze analyse op te nemen zijn nog twee extra variabelen nodig. Ten eerste zijn grotere ondernemingen beter bekend op de kapitaalmarkt, wat de asymmetrische informatie voor hen verlicht. Grotere ondernemingen worden dus verondersteld externe financiering tegen een lagere kost te kunnen verkrijgen. De variabele SIZE, gevormd als het logaritme van de totale activa, wordt verwacht een positieve correlatie te vertonen met de kans om externe financiering aan te trekken (de Haan en Hinloopen, 2003). Ten tweede hebben we voordien reeds gewezen op de rol van immateriële vaste activa die niet als waarborg kunnen dienen bij Faculteit Economie en Bedrijfskunde

46


schuldfinanciering

en

dus

het

informatieprobleem

Valérie Herbert

verhogen.

Ook

de

variabele

INTANGIBLE_ASSETS wordt dus ingevoer als de verhouding van immateriële vaste activa op de totale activa.

Tenslotte worden nog een aantal dummies aangemaakt. Voor elk type financiering dat wij onderscheiden (interne financiering, extern eigen vermogen, financiële schulden op meer dan 1 jaar en financiële schulden op minder dan 1 jaar) geeft een dummy weer of deze financieringsvorm werd gebruikt in het voorgaande jaar. Voor extern eigen vermogen bijvoorbeeld zal die dummy 1 zijn indien in het voorgaande jaar een aandelenuitgifte heeft plaatsgevonden die groter was dan 5% van het totaal actief en 0 indien dit niet het geval was.

Alle controlevariabelen worden samengevat in tabel 7. Hierin wordt voor elke variabele het aantal observaties, het gemiddelde, het minimum, het maximum en de standaard afwijking opgenomen.

Aantal observaties

Gemiddelde

Minimum

Maximum

Standaard afwijking

Tabel 7: Controlevariabelen

PROFITABILITYt-1

14868

-170,5

21

-0,049622767

1,895511628

LIQUIDITEITt-1

14703

0

1

0,09730822

0,141731539

PAYOUT_RATIOt-1

14897

0

1,315099288

0,010214164

0,054195505

CASHFLOWTt-1

14686

-25,5

10,75

0,098563139

0,556261229

SCHULDGRAADt-1

14703

0

4650

1,628314469

59,63711201

NEG_EVt-1

14891

0

1

0,072124102

0,258701972

3833

-334

5,58

-0,101596661

10,54959573

TANGIBLE_ASSETSt-1

14703

0

1

0,241189317

0,210464698

SIZE

14887

0

12,02112163

7,115682099

1,606191422

INTANGIBLE_ASSETSt-1

14703

0

1

0,029978054

0,100410193

EV EVENTt-1

14705

0

1

0,067936076

0,251644734

VV >1J EVENTt-1

14705

0

1

0,142060524

0,349124076

VV ≤1J EVENTt-1

14705

0

1

0,129139748

0,335365953

INTERNE FINANC EVENTt-1

14705

0

1

0,176130568

0,380944169

OV_ALG_DISCRt-1


47


Valérie Herbert

PROFITABILITYt-1

RESULTAAT/TOTAAL ACTIVA

LIQUIDITEITt-1

LIQUIDE MIDDELEN/TOTAAL ACTIVA

PAYOUT_RATIOt-1


SIZE

TANGIBLE_ASSETSt-1

OV_ALG_DISCRt-1

SCHULDGRAADt-1

CASHFLOWTt-1

PAYOUT_RATIOt-1

LIQUIDITEITt-1

PROFITABILITYt-1

Tabel 8: Definities onafhankelijke variabelen en correlatiematrix

1 -0,014

1

DIVIDENDEN/TOTAAL ACTIVA

0,034

0,035

1

CASHFLOWTt-1

INTERN GEGENEREERDE CASHFLOW/TOTAAL ACTIVA

0,356

-0,061

0,233

1

SCHULDGRAADt-1

VREEMD VERMOGEN/TOTAAL ACTIVA

-0,943

-0,010

-0,003

-0,105

1

NEG_EVt-1

Dummy: 1 als eigen vermogen <0, anders 0

OV_ALG_DISCRt-1

SCORE VAN OV 82 ALGEMEEN DISCRIMINANTMODEL

0,529

0,005

0,044

0,281

-0,521

1

TANGIBLE ASSETSt-1

MATERIELE VASTE ACTIVA/TOTAAL ACTIVA

0,017

-0,194

-0,025

0,053

-0,016

0,068

1

SIZE

ln(TOTALE ACTIVA)

0,091

-0,327

0,092

0,138

-0,055

0,350

-0,039

1

INTANGIBLE ASSETSt-1

IMMATERIELE VASTE ACTIVA/TOTAAL ACTIVA

-0,028

-0,067

-0,048

-0,065

-0,003

-0,105

-0,152

-0,083

EV EVENTt-1

Dummy: 1 als eigen vermogen verkregen werd in t-1, anders 0

VV >1J EVENTt-1

Dummy: 1 als fin. schulden op meer dan 1J verkregen werd in t-1, anders 0

VV ≤1J EVENTt-1 INTERNE FINANC EVENTt-1

Dummy: 1 als fin. schulden op ten hoogste 1J verkregen werd in t-1, anders 0

1

Dummy: 1 als interne financiering plaatsvond in t-1, anders 0


48


Valérie Herbert

3 Analyse van de onderzoeksresultaten 3.1 Kruistabellenanalyse De analyse start met het opstellen van een aantal kruistabellen. Die gaan het effect na van nominaal geschaalde verklarende variabelen op een eveneens nominaal geschaalde te verklaren variabele (De Pelsmacker & Van Kenhove, 2002). In dit concrete geval wordt de samenhang of associatie nagegaan tussen het verkrijgen van een subsidie en het al dan niet voorkomen van een financieringsevent.

De vraag is of IWT-subsidies een significant effect hebben op verdere financiering. In een eerste poging om hierop een antwoord te formuleren spitst de analyse zich toe op de ontvangers. Indien subsidies een effect hebben op het aantrekken van externe financiering, zou dat moeten blijken uit de vergelijking tussen het aantal financieringsevents in de jaren voor de subsidie met de jaren na de subsidie. De eerste kruistabellen zullen dus het verband weergeven tussen de verschillende financieringsevents en het moment ervan ten opzichte van de subsidie. In wat volgt wordt dat de “voor-na-analyse” genoemd. De twee jaren voor de subsidie (T-2 en T-1) worden vergeleken met het jaar van de subsidie zelf en het daaropvolgende jaar (T0 en T1).

Tabel 9 vat de resultaten van deze bivariate analyse samen. Op het eerste zicht is er geen significant verschil in het aantal financieringsevents voor en na de subsidie. Alleen het aantal interne financieringsevents neemt significant af. Dat zou wel eens kunnen wijzen op een substitutie-effect. Het feit dat in deze eenvoudige analyse geen significante verschillen optreden qua externe financiering kan veroorzaakt worden door het bestaan van derde variabelen. Interactie-effecten kunnen de aard van het verband tussen de financieringsevents en het tijdstip immers in een totaal ander daglicht stellen (De Pelsmacker & Van Kenhove, 2002). De analyse dient daarom verfijnd met een aantal variabelen die al in onze hypothesen als mogelijke invloedrijke factoren naar voor kwamen.


49


Valérie Herbert

Tabel 9: Aantal financieringsevents voor en na de IWT subsidie

JAAR TOV SUBSIDIE T-1 of

T0 of

T-2

T1

1743

2039

Aantal events

150

156

% v aantal observaties

8,61

7,65

Aantal events

250

296

14,34

14,52

260

270

14,92

13,24

350

363

20,08

17,80

Aantal observaties EIGEN VERMOGEN VREEMD VERMOGEN >1J VREEMD VERMOGEN ≤1J INTERNE FINANCIERING

% v aantal observaties Aantal events % v aantal observaties Aantal events % v aantal observaties

SIGNIFICANTIE

2-zijdig

1-zijdig

0,31

0,16

0,89

0,46

0,15

0,08

0,08

0,04

Een bivariate kruistabel toonde aan dat jonge ondernemingen significant meer events vertonen voor de drie vormen van externe financiering. Toch betekent dat niet dat het effect van subsidies daar groter is. Het is immers heel plausibel dat die jonge ondernemingen ook vóór de subsidie reeds meer financiering aantrokken omdat ze die sowieso meer nodig hebben dan volwassen bedrijven. De kruistabel met als verklarende variabele het moment ten opzichte van de subsidie (voor/na), en als derde variabele de leeftijdsgroep (niet-jong/jong) gaat dat na. Tabel 10 toont dat jonge ondernemingen ook in de jaren T-1 en T-2 meer financiering bekwamen en dat het gevonden resultaat dus hoogstwaarschijnlijk te wijten is aan een grotere vraag naar financiering.

Verder maakt de analyse met drie variabelen het mogelijk om te bestuderen of het effect van subsidies significanter is voor jonge ondernemingen. Echter, ook de opsplitsing naar leeftijd geeft maar weinig significante verbanden. Op het 5% significantieniveau zou er volgens de tweezijdige Chi-kwadraat test alleen een verband zijn tussen het vreemd vermogen op korte termijn en de subsidie bij oudere ondernemingen. De oudere ondernemingen trekken na het ontvangen van de subsidie minder schulden aan op korte termijn (van 15,86% voor de subsidie naar 12,15% na de subsidie). Ook bij het eigen vermogen vinden we deze negatieve evolutie terug. In dit geval zijn het net de jonge ondernemingen die na de subsidies minder Faculteit Economie en Bedrijfskunde

50


Valérie Herbert

eigen vermogen uitgegeven. Dit fenomeen is zeker interessant. Het zou te wijten kunnen zijn aan het feit dat de vraag naar financiering afneemt na het ontvangen van een subsidie.

Tabel 10: Voor-na-analyse voor jonge ondernemingen

JAAR TOV SUBSIDIE

Aantal observaties

EIGEN

JONG

VERMOGEN JONG

VREEMD

JONG

VERMOGEN >1J JONG

VREEMD VERMOGEN ≤1J

JONG JONG

INTERNE

JONG

FINANCIERING JONG

1-

T-2

T1

zijdig

zijdig

NIET JONG

1192

1202

551

837

65

56

5,45

4,66

85

100

15,43

11,95

150

157

12,58

13,06

100

139

18,15

16,61

189

146

15,86

12,15

71

124

12,89

14,81

250

222

20,97

18,47

100

141

18,15

16,85

Aantal events % v aantal observaties Aantal events


Aantal events % v aantal observaties Aantal events % v aantal observaties

NIET

2-

2039


NIET

T0 of

1743


NIET

T-1 of

Totaal

JONG NIET

SIGNIFICANTIE

Aantal events % v aantal observaties Aantal events % v aantal observaties

0,40

0,21

0,06

0,04

0,76

0,39

0,47

0,25

0,01

0,01

0,34

0,18

0,14

0,07

0,56

0,29

Volledig analoog werd de voor-na-analyse uitgevoerd voor ondernemingen die al dan niet ouder zijn dan drie jaar. Opvallend is dat door het toevoegen van de variabele STARTERS ieder verband in elke categorie volledig verdwijnt. Ook starters hebben veel meer financieringsevents nodig dan reeds gevestigde ondernemingen. Dat is een constant gegeven, zowel voor als na de subsidie.


51


Valérie Herbert

Ook de verfijning voor technologische ondernemingen geeft weinig significante resultaten. Zoals blijkt uit tabel 11 kan alleen voor het effect op het eigen vermogen een verband gevonden worden. De technologische ondernemingen hebben in de jaren die volgen op de subsidies aanzienlijk minder eigen vermogen aangetrokken. Opnieuw stelt zich de vraag of dit te wijten is aan een afgenomen vraag vanuit het bedrijf. Het is immers niet ondenkbaar dat de onderneming net na het ontvangen van een subsidie minder financiering nodig zal hebben. Tabel 11: Voor-na-analyse voor technologische ondernemingen.

JAAR TOV SUBSIDIE T-1 of T-

T0 of

2-

1-

2

T1

zijdig

zijdig

1743

2039

NIET TECH

865

963

TECH

878

1076

45

57

Totaal Aantal observaties

EIGEN

NIET

Aantal events

TECH


5,20

5,92

Aantal events

105

99

11,96

9,20

137

137

15,84

14,23

113

159

12,87

14,78

124

130

14,34

13,50

136

140

15,49

13,01

184

178

21,27

18,48

166

185

18,91

17,19

VERMOGEN TECH

% v aantal observaties VREEMD

NIET

Aantal events

TECH


VERMOGEN >1J

TECH

Aantal events % v aantal observaties

VREEMD

NIET

Aantal events

TECH


VERMOGEN ≤1J

INTERNE

SIGNIFICANTIE

TECH


NIET

Aantal events

TECH


FINANCIERING TECH


0,54

0,29

0,05

0,03

0,36

0,18

0,24

0,13

0,64

0,33

0,13

0,07

0,14

0,08

0,34

0,18

Aangezien dit negatief verband blijkbaar regelmatig voorkomt, werden voorgaande analyses ook uitgevoerd voor de jaren T1 en T2 in plaats van T0 en T1. Het is immers mogelijk dat de subsidies pas na enige tijd een zichtbaar effect hebben. De gevonden resultaten liggen echter volledig in dezelfde lijn: zowel het aantal financieringsevents met eigen vermogen als met Faculteit Economie en Bedrijfskunde

52


Valérie Herbert

schulden op korte termijn liggen regelmatig lager in de jaren die volgen op de subsidie.

Uit bivariaten analyse bleken ook ondernemingen met veel immateriële activa duidelijk meer financieringsevents te hebben dan ondernemingen met weinig immateriële activa. Opvallend is dat dit vooral voor eigen vermogen heel uitgesproken is. Ondernemingen met veel immateriële activa hebben dus niet alleen een hoger financieringsbehoefte, maar beantwoorden deze ook vooral met extern eigen vermogen. Deze groepen worden in de voorna-analyse onderzocht om een antwoord te vinden op hypothese 5. Bij de ondernemingen met veel immateriële activa nemen de financieringsevents met extern eigen vermogen wederom af. Dat is echter niet het geval voor het vreemd vermogen. Voor de ondernemingen met weinig immateriële activa, nemen het aantal events met vreemd vermogen op korte termijn af.

Een vierde verfijningen is de opdeling naar type subsidie. Het meest opmerkelijke resultaat ligt hier bij het effect op het vreemd vermogen op lange termijn. Voor dit type financiering blijkt dat innovatieprojecten aanzienlijk meer leningen kunnen aangaan na de subsidie, al is de toename van 13,5% naar 15,9% slechts marginaal significant. Toch is dit een goede eerste aanwijzing dat innovatieprojecten meer dan innovatiestudies aanleiding geven tot verdere financiering, zoals in hypothese 7 werd gesteld.

Tenslotte wordt de voor-na-analyse uitgevoerd met de variabele GROOTTE_SUBS. Tabel 12 geeft de resultaten weer. Heel opvallend is dat voor grote subsidies telkens een positief verband bestaat tussen de subsidie en het aantal financieringsevents. Zo stijgt bijvoorbeeld het aantal events van het vreemd vermogen op lange termijn van 14,2% in de jaren voor de subsidie tot 17,84% in de jaren na de subsidie. In de twee andere categorieën van externe financiering wordt een gelijkaardige associatie teruggevonden, zij het dat deze marginaal significant is. Voor de kleinere subsidies verliest het verband aan significantie. Hoewel dit slechts een descriptieve analyse is, is dit toch een indicatie dat de grootte van de subsidie een aanzienlijke rol speelt. Zoals in hypothese acht vooropgesteld, kan dit erop wijzen dat de subsidie aanzien wordt als een buffer en dat het vooral de verbeterde kaspositie is die externe financiers over de streep haalt.


53


Valérie Herbert

Tabel 12: Voor-na-analyse naar grootte van subsidie

JAAR TOV SUBSIDIE

Aantal observaties

KLEIN EIGEN GROOT

KLEIN

>1J

GROOT

KLEIN

≤1J

GROOT

875

GROOT

799

824

62

45

6,73

5,14

87

111

10,89

13,47

138

149

14,98

17,03

112

147

14,02

17,84

151

135

16,40

15,43

108

135

13,52

16,38

200

213

21,72

24,34

150

150

18,77

18,20

Aantal events

Aantal events

Aantal events

Aantal events

Aantal events


KLEIN % v aantal observaties

INTERNE FINANCIERING GROOT

2-zijdig

921


VERMOGEN

T1

KLEIN


T-2

1699


VERMOGEN

T0 of

1720


T-1 of

Totaal


VERMOGEN

SIGNIFICANTIE


1-zijdig

0,16

0,09

0,13

0,06

0,25

0,13

0,04

0,02

0,61

0,31

0,11

0,06

0,20

0,10

0,80

0,41

De resultaten van voorgaande “voor-na-analyse” waren nogal uiteenlopend. Aangezien veel andere factoren een invloed kunnen hebben op externe financiering, kan het werken met een controlegroep meer duidelijkheid brengen. De aanvragers die geen subsidie toegewezen kregen, hebben een vergelijkbare vraag naar financiering en dienen dus als controlegroep. Volgende kruistabellen vergelijken het aantal financieringsevents van ontvangers met die van niet-ontvangers. Dat in de jaren T0 en T1, om consistent te werken met wat voorafging. De resultaten van de bivariate basiskruistabel staan samengevat in tabel 13.


54


Valérie Herbert

Tabel 13: Financieringsevents van ontvangers en niet-ontvangers in T0 en T1

SIGNIFICANTIE NietOntvangers Aantal observaties EIGEN VERMOGEN VREEMD VERMOGEN >1J VREEMD VERMOGEN ≤1J INTERNE FINANCIERING

Ontvangers

952

2039

71

156


7,46

7,65

Aantal events

135

296

14,18

14,52

103

270

10,82

13,24

350

363

20,08

17,80

Aantal events

% v aantal observaties Aantal events % v aantal observaties Aantal events % v aantal observaties

2-zijdig

1-zijdig

0,88

0,46

0,82

0,43

0,07

0,03

0,00

0,00

Het ontvangen van de subsidies vertoont a-priori geen significant verband met het aantal financieringsevents voor het eigen vermogen en de financiële schulden op lange termijn. Voor de financiële schulden op ten hoogste 1 jaar daarentegen gaan ontvangers van de subsidie opmerkelijk meer schulden aan. Zonder verregaande conclusies te willen trekken, wijst dit toch enigszins in de richting van hypothese 2. Die stelt dat inbrengers van eigen vermogen beter geïnformeerd zijn dan inbrengers van vreemd vermogen en er dus een kleiner effect optreedt bij de eerste groep.

Ook het significante verband tussen de subsidie en de interne financiering springt in het oog. Ontvangers van een IWT-subsidie zouden, volgens dit resultaat, aanzienlijk minder intern financieren. Dat kan wijzen op het feit dat ze minder nood hebben aan middelen en dus meer winst kunnen uitkeren. Een tweede mogelijkheid is het bestaan van een substitutie-effect.

Aangezien ook hier de bivariate kruistabel vertekend kan worden door tal van interactieeffecten, is er nood aan enkele derde variabelen. Het opdelen van de analyse naargelang ondernemingen jonger of ouder zijn dan 10 jaar verandert niets aan de associaties. Voor extern eigen vermogen en schulden op lange termijn heeft de subsidie geen significant effect. Bij het vreemd vermogen op korte termijn daarentegen blijkt het eerder gevonden positieve verband helemaal toe te schrijven aan de groep jonge ondernemingen (tabel 14). Faculteit Economie en Bedrijfskunde

55


Valérie Herbert

Tabel 14: Financieringsevents vreemd vermogen op KT voor ondernemingen <10 jaar (T0 en T1)

SIGNIFICANTIE Nietontvanger VREEMD

NIET

Aantal events

JONG


VERMOGEN ≤1J

JONG

Ontvanger

64

146

12,28

12,15

39

124

9,05

14,81


2-

1-

zijdig

zijdig

0,936

0,496

0,003

0,002

De verwachting dat het effect van subsidies voor technologische bedrijven aanzienlijk groter is, gaf aanleiding tot de vierde hypothese. Met die hypothese in het achterhoofd voeren we de variabele TECH_NACE toe aan de basiskruistabel voor ontvangers tegenover nietontvangers. De resultaten worden samengevat in tabel 15.

Tabel 15: Financieringsevents technologische en niet-technologische ondernemingen (T0 en T1)

Nietontvanger

Ontvanger

Totaal

952

2039

NIET TECH

483

963

TECH

469

1076

27

57

5,59

5,92

44

99

9,38

9,20

81

137

16,77

14,23

54

159

11,51

14,78

62

130

12,84

13,50

41

140

8,74

13,01

SIGNIFICANTIE 2-

1-

zijdig

zijdig

Aantal observaties

EIGEN

NIET

Aantal events

TECH


VERMOGEN TECH


VREEMD

NIET

Aantal events

TECH


VERMOGEN >1J

TECH


VREEMD

NIET

Aantal events

TECH


VERMOGEN ≤1J

TECH



0,91

0,45

0,92

0,49

0,21

0,12

0,09

0,05

0,74

0,40

0,02

0,01

56


INTERNE

NIET

Aantal events

TECH


FINANCIERING TECH


Valérie Herbert

67

178

13,87

18,48

57

185

12,15

17,19

0,03

0,02

0,01

0,01

Naast het verband voor schuldfinanciering op korte termijn uit vorige analyses, uit zich hetzelfde patroon voor schuldfinanciering op lange termijn. Daar waar er voor niettechnologische ondernemingen geen verband is, tonen de technologische ondernemingen wel een significant en positief verband. Technologische ondernemingen die een subsidie ontvingen kunnen nadien meer schulden aangaan, zowel op korte als lange termijn. Dit ligt volledig in lijn met de verwachtingen uit hypothese vier.

De variabele INTANGIBLE splitst de ondernemingen met veel immateriële activa af van de rest. Opnieuw is er een verband tussen het ontvangen van de subsidie en het aantal financieringsevents met vreemd vermogen op minder dan 1 jaar. Het is alleen significant voor de ondernemingen met veel immateriële activa, wat opnieuw overeenkomt met de hypothese.

Tot slot wordt de analyse ook verfijnd naar het type subsidie. Opvallend is dat voor innovatieprojecten een verband bestaat tussen de subsidie en het aantrekken van eigen vermogen. Voor innovatiestudies daarentegen is er een effect op het vlak van vreemd vermogen op korte termijn. Tabel 16 vat de resultaten samen.


57


Valérie Herbert

Ontvanger

ontvanger

Niet-

Tabel 16: Financieringsevents in de jaren volgend op innovatiestudies en -projecten

Totaal

952

2039

Innovatie-STUDIE

494

1039

Innovatie-PROJECT

458

1000

45

76

9,11

7,31

26

80

5,68

8,00

58

137

11,74

13,19

77

159

16,81

15,90

44

129

8,91

12,42

59

141

12,88

14,10

74

180

14,98

17,32

50

183

10,92

18,30

SIGNIFICANTIE 2-

1-

zijdig

zijdig

Aantal observaties

Innovatie-

Aantal events

EIGEN

STUDIE

VERMOGEN

Innovatie-

Aantal events

PROJECT


Innovatie-

Aantal events

VREEMD

STUDIE



0,23

0,13

0,13

0,07

0,46

0,24

0,70

0,36

0,05

0,03

0,57

0,30

0,27

0,14

0,00

0,00

VERMOGEN >1J

VREEMD

Innovatie-

Aantal events

PROJECT


Innovatie-

Aantal events

STUDIE


VERMOGEN ≤1J

INTERNE

Innovatie-

Aantal events

PROJECT


Innovatie-

Aantal events

STUDIE


FINANCIERI NG

Innovatie-

Aantal events

PROJECT


De analyse naar het effect van de grootte van de subsidie kon niet uitgevoerd worden doordat voor de niet-ontvangers alleen het aangevraagde bedrag voorhanden was. Dat bedrag stemt echter niet systematisch overeen met wat ze zouden hebben ontvangen indien het project werd goedgekeurd en leek dus niet relevant.

De tweede vorm van kruistabellen waarbij de niet-ontvangers als controlegroep werden gehanteerd, lijkt meer eenduidig te wijzen op de verwachtte effecten. Hoewel geen algemeen geldend effect voor subsidies naar voor komt, vertonen bepaalde subgroepen toch een significant verband. Hoewel deze analyses betrekkelijk goed aansluiten bij de vooropgestelde Faculteit Economie en Bedrijfskunde

58


Valérie Herbert

hypothesen, is het voorbarig hieruit vergaande conclusies te trekken. Vele externe factoren hebben immers een invloed op het al dan niet verkrijgen van financiering, wat eigenlijk meerdere controlevariabelen vergt. Logistieke regressies kunnen hier soelaas bieden.

3.2 Logistieke regressie In dit onderzoek heeft te maken met meerdere afhankelijke variabelen die één per één worden verklaard. Aangezien laatstgenoemden een nominaal karakter hebben, rest naast de al uitgevoerde kruistabellenanlyse ook de mogelijkheid een logistieke regressie uit te voeren. De logistieke regressie heeft tot doel een dichotome categorische variabele te verklaren aan de hand van interval-, ratiogeschaalde en categorische variabelen (Wijnen et al., 2002). Een lineaire regressie is hiervoor niet mogelijk. Daarin heeft het werken met binaire variabelen namelijk tot gevolg dat de basisvoorwaarden van een regressie niet meer voldaan zijn. De logistieke regressie verhelpt dat probleem door niet meer uit te gaan van een lineair verband.

Een regressie laat toe te voorspellen of een gebeurtenis al dan niet zal plaatsvinden, alsook te bepalen welke variabelen een belangrijke rol spelen in het maken van deze voorspelling (De Pelsmacker & Van Kenhove, 2002). In het kader van deze studie zal via verschillende onafhankelijke variabelen voor elke financieringsvorm voorspeld worden of een event al dan niet zal plaatsvinden. Het logistieke model gaat daarbij uit van kansverhoudingen of odds. In deze studie is dat de kans dat een event plaatsvindt gedeeld door de kans dat er geen event plaatsvindt.

Net zoals in de analyse met kruistabellen zijn meerdere methodes voorhanden om het effect van IWT-subsidies op verdere financiering te onderzoeken. Om consistent te blijven met wat voorafging worden opnieuw twee analysetechnieken gehanteerd. In de eerste worden enkel de ontvangers van een IWT-subsidie uit de dataset geselecteerd. Zoals in de kruistabellenanalyse worden de subsidies verondersteld een effect te hebben op de financieringsevents in het jaar van de subsidie (T0) en het jaar dat daarop volgt (T1). Er wordt dus getoetst of het aantal events groter is in die jaren dan in andere jaren. De tweede methode heeft hetzelfde doel voor ogen. In plaats van een vergelijking te maken in de tijd, vergelijkt ze ontvangers met nietFaculteit Economie en Bedrijfskunde

59


Valérie Herbert

ontvangers. De niet-ontvangers vormen de controlegroep. De analyse beperkt zich ditmaal tot gegevens uit het jaar van de subsidie (T0) en het daarop volgende jaar (T1), en dat zowel voor ontvangers als niet-ontvangers. Elk van deze methodes zal aanleiding geven tot een afzonderlijk basismodel. Beide modellen kunnen nadien verder uitgewerkt worden om zo een antwoord te bieden op de specifieke hypothesen uit deel 2.

3.2.1 Basismodel 1

Het eerste model heeft alleen betrekking op de ontvangers van een IWT-subsidie. Hoewel dit model voor elke hypothese specifieke verklarende variabelen zal opnemen, blijft de basis steeds gelijk. Het al dan niet voorkomen van een financieringsevent is afhankelijk van het ontvangen van een subsidie en een aantal controlevariabelen:

Financieringsevent t = f ( subsidie t of t-1, controlevariabelen)

De controlevariabelen kwamen reeds in paragraaf 2.3 aan bod. Niet al deze variabelen zullen deel uitmaken van ons basismodel. De OV 82-waarde valt bijvoorbeeld weg door een gebrek aan data. Verder moeten moet eerst worden nagegaan of de variabelen wel samen mogen voorkomen in hetzelfde model. Immers, wanneer twee variabelen onderling te sterk gecorreleerd zijn, kunnen deze aanleiding geven tot multiconnineariteit. Eén van de belangrijkste assumpties bij logistieke regressies is dat er geen multicollineariteit mag voorkomen. Bij hoge niveaus van collineariteit neemt de kans immers toe dat een goede onafhankelijke variabele in het model als niet-significant wordt beschouwd. Bovendien maakt collineariteit de geschatte regressie-coëfficiënten onstabiel (Field, 2005). Om dat te vermijden worden sterk gecorreleerde variabelen uit het model gelaten. Een bivariate correlatiematrix zal deze identificeren. Variabelen waarvan de correlatie meer dan .60 bedraagt mogen niet samen in het model voorkomen (Wijnen et al., 2002).

In de correlatiematrix uit tabel 8 kwam reeds aan het licht dat meerdere onafhankelijke variabelen een te hoge correlatie hebben om samen in een model te worden opgenomen. Deze correlatiematrix had echter betrekking op de volledige dataset, terwijl we nu onze aandacht enkel richten op de ontvangers. Een nieuwe correlatiematrix werd voor de selectie variabelen Faculteit Economie en Bedrijfskunde

60


Valérie Herbert

die deel uitmaken van het basismodel berekend en is weergegeven in tabel 17.

PROFITABILITYt-1

SIZE

ASSETSt-1

TANGIBLE

NEG_EVt-1

SCHULDGRAADt-1

CASHFLOWTt-1

PAYOUT_RATIOt-1

LIQUIDITEITt-1

PROFITABILITYt-1

Tabel 17: Correlatiematrix voor basismodel 1

1

LIQUIDITEITt-1

-0,014

1

PAYOUT_RATIOt-1

0,034

0,035

1

CASHFLOWTt-1

0,356

-0,061

0,233

1

SCHULDGRAADt-1

-0,943

-0,010

-0,003

-0,105

1

NEG_EVt-1

-0,123

0,013

-0,051

-0,209

0,060

1

TANGIBLE_ASSETSt-1

0,017

-0,194

-0,025

0,053

-0,016

0,033

1

SIZE

0,091

-0,327

0,092

0,138

-0,055

-0,302

-0,039

1

-0,028

-0,067

-0,048

-0,065

-0,003

0,189

-0,152

-0,083


De variabele PROFITABILITY wordt niet in het model opgenomen aangezien de bivariate correlatie

met

de

SCHULDGRAAD

de

.60-waarde

overschrijdt.

Acht

overige

controlevariabelen blijven behouden: LIQUIDITY, PAY-OUT RATIO, CASHFLOW, SCHULDGRAAD, NEG_EV, TANGIBLE_ASSETS en INTANGIBLE_ASSETS, allen van het jaar T-1 en SIZE in het jaar T0. Hieraan wordt ten eerste nog de leeftijd van de onderneming toegevoed (lnAGE). Ten tweede ook de dummy TECH_NACE die aangeeft of de onderneming in een technologische sector opereert of niet.

Verder zal het model bestaan uit een aantal dummies die de jaarschommelingen moeten opvangen. De variabelen YEARi, met i gaande van 1995 tot en met 2005, vervult deze taak. Het is immers niet ondenkbaar dat de economische situatie in een bepaald jaar een invloed heeft op de financiering. Als referentiejaar wordt gekozen voor 2004 en deze wordt dus niet opgenomen in het model. Ook de NACE-BEL sectie waartoe een bedrijf behoort kan het aantal financieringsevents helpen verklaren en wordt dus in de vorm van een dummy toegevoegd aan het model. De drie belangrijkste secties uit tabel 4 komen hiervoor in aanmerking: sectie D (Industrie), sectie G (Onroerende goederen, verhuur en diensten aan Faculteit Economie en Bedrijfskunde

61


Valérie Herbert

bedrijven) en sectie K (Groot- en detailhandel; reparatie van auto's, motorrijwielen en consumentenartikelen). De regressie zal deze voornaamste secties vergelijken met de referentiedummy die alle andere secties omvat. Aan alle voormelde variabelen, die in elke analyse zullen terugkomen, hoeft alleen de variabele SUBS_01JAARNASUBS te worden toegevoegd om ons basismodel af te ronden. Deze dummy is 1 in het jaar dat een onderneming een subsidie heeft gekregen en in het jaar erop. Hij onderzoekt of ontvangers in deze twee jaar meer kans meken op externe financieringsevents in vergelijking met de jaren waarvoor de dummy nul is. Indien uit de regressie blijkt dat deze variabele een goede voorspellende waarde heeft, wijst dit erop dat de subsidies een significant effect teweegbrengen.

De eerste analyse met dit basismodel heeft betrekking op externe financiering in het algemeen. De variabele EXTERN_EVENT is een dummy die weergeeft of een extern financieringsevent heeft plaatsgevonden, zij het met eigen vermogen of vreemd vermogen. De laatste kolom van tabel 18 geeft de resultaten weer. Vooraleer dieper in te gaan op de regressiecoëfficiënten en hun significantie, is het van belang aandacht te besteden aan de geschiktheid van het model. Onderaan tabel 18 worden hiertoe enkele statistieken opgenomen:

Log Likelihood of -2LL is een goede maatstaf voor de kwaliteit van het model en het vergelijken van verschillende modellen. Een goed model stemt overeen met een lage Log Likelihood (Wijnen et al., 2002).

De Model Chi-square is rechtstreeks gelinkt aan de Log Likelihood. Chi-Square geeft het verschil aan tussen de -2LL waarden van een model met alleen een constante in, en het volledige model. Het basismodel blijkt gepaard te gaan met een daling in -2LL van 363,7.

De p-waarde geeft aan dat de daling in -2LL significant is (p-waarde < ,001). Dat leidt tot de conclusie dat het volledige model beter is dan het nul-model en tenminste één van de regressiecoëfficënten van de verklarende variabelen verschilt van nul (Wijnen et al., 2002).

Tot slot geeft de Nagelkerke R Square de fit aan tussen de data en het vooropgestelde Faculteit Economie en Bedrijfskunde

62


Valérie Herbert

regressiemodel. De waarde is gelegen in een range van 0 tot 1 en een hoge waarde stemt overeen met een betere fit (Wijnen et al., 2002). In het basismodel bedraagt de Nagelkerke R² slechts 0,058. Met andere woorden is 5,8% van de variatie in het aantal financieringsevents verklaard door de variatie in de opgenomen onafhankelijke variabelen.

De volgende stap omvat het bespreken van de logistieke regressiecoëfficiënten en hun significantie. Het is belangrijk na te gaan of de waarden uit tabel 18 overeen komen met de verwachtingen die bij het opstellen van het model werden geformuleerd. De pecking order theorie verwacht bijvoorbeeld een negatief verband tussen liquiditeit en financiering. De kaspositie geeft immers de beschikbaarheid van interne financiering weer. Als deze laag is, zal meer externe financiering vereist zijn. Deze verwachting komt goed tot uiting in de cijfers van tabel 18: de coëfficiënt voor de variabele liquiditeit is negatief en significant.

Voor andere variabelen is de verwachting echter niet voldaan. De coëfficiënten liggen niet altijd in de verwachte richting of grootte-orde. Al bij al hoeft dit niet te verwonderen aangezien de te verklaren variabele nogal ruim is. Zo heeft de variabele PAYOUT_RATIO geen effect op financiering in het algemeen, maar wordt verwacht dit wel te hebben voor eigen vermogen in het bijzonder. Uit de coëfficënt van de variabele INTANGIBLE _ASSETS blijken ondernemingen met meer immateriële activa, meer financiering aan te trekken. Dat verband werd, zeker voor schuldfinanciering, anders verwacht. Ook maken technologische ondernemingen significant minder kans op financiering, wat in strijd is met voorgaande resultaten. Een onderverdeling naar de verschillende vormen van financiering is dus zeker noodzakelijk. Dat zal toelaten specifieke verbanden te vinden per type financiering. Bovendien bestaat de kans dat voorgaand resultaat werd vertekend. Ondernemingen die zowel eigen vermogen als vreemd vermogen hebben ontvangen in een bepaald jaar hebben eigenlijk meerdere

malen

financiering

ontvangen.

Nochtans

kregen

ze

in

de

variabele

EXTERN_EVENT dezelfde waarde toegekend als ondernemingen met slechts één soort event.


63


Valérie Herbert

Tabel 18: Logistieke regressie van basismodel 1 voor de drie vormen van externe financiering

EIGEN VERMOGEN Coëff

Sign.

FIN

FIN

SCHULDEN

SCHULDEN

>1J

<1J

Coëff

SUBS_01JAARNASUB

0,213

*

0,246

l1LIQUIDITEIT

1,107

***

-59,915

l1CASHFLOW

-1,367

l1SCHULDGRAAD

-0,003

l1PAYOUT_RATIO

l1NEG_EV

0,729

l1TANGIBLE_ASSETS

0,164

SIZE

0,086

l1INTANGIBLE_ASSETS D_Tech_NACE

Sign.

Sign.

EXTERN EVENT

Coëff

Sign.

0,154

*

0,241

***

-0,182

-3,301

***

-0,585

***

***

0,434

-0,381

***

0,134

-0,538

0,061 ***

***

Coëff

(1)

***

-0,145

0,823 ***

-0,512

***

-0,002

0,129

***

-0,061

0,150

0,67

***

0,149

0,414

***

***

0,111

***

0,017

0,041

**

1,346

***

0,429

0,06

1,261

***

0,587

***

-0,025

0,266

-0,342

***

lnAGE

-0,659

***

-0,387

0,151

**

DsectieD

-0,198

-0,167

-0,246

-0,263

***

DsectieG

0,233

0,046

0,108

DsectieK

0,133

0,013

-0,326

DYEAR1996

0,212

0,456

***

0,03

DYEAR1997

0,161

0,352

***

0,229

DYEAR1998

0,391

**

0,468

***

0,123

DYEAR1999

0,407

**

0,619

***

0,41

DYEAR2000

0,538

***

0,204

0,334

DYEAR2001

0,579

***

0,374

DYEAR2002

-0,146

DYEAR2003 DYEAR2005 Constant N

***

***

-0,072 *

-0,008 **

-0,183 0,201

*

0,225

**

0,306

***

***

0,498

***

***

0,338

***

-0,053

0,269

***

0,046

0,002

0,048

-0,064

0,075

0,172

0,065

0,547

0,647

**

0,289

0,380

-2,003

***

-1,549

-2,285

***

***

*

***

-0,487

8543

8543

8543

8543

3941,9

7294,9

6964,2

10387,7

Chi-squared

755,2

211,0

179,8

363,7

Nagelkerke R²

0,200

0,042

0,037

0,058

,000

,000

,000

,000

Log Likelihood

Model p-waarde (1)

**

Significantieniveau: * 0.05 ≤ p < 0.10; ** 0.01 ≤ p < 0.05; *** p < 0.01


64


Valérie Herbert

De drie eerste kolommen van tabel 18 vatten de resultaten van dit basismodel samen voor de drie vormen van externe financiering. De verwachtingen voor het verband tussen de PAYOUT_RATIO en het eigen vermogen komen nu wel uit. De hoeveelheid immateriële activa heeft geen significant effect op schuldfinanciering. En technologische ondernemingen hebben nu wel een grotere behoefte aan zowel eigen vermogen als vreemd vermogen op korte termijn. Toch moet erop gewezen worden dat bepaalde coëfficiënten niet in lijn van de verwachting liggen. Zo blijken ondernemingen met een hoge schuldgraad significant meer kans te maken op financiële schulden op meer dan 1 jaar.

Hypothese 1

De meest cruciale variabele voor het onderzoek voldoet echter wel aan de verwachtingen. Voor elke financieringsvorm blijkt een subsidie een positief effect te hebben op het aantal financieringsevents. Op basis van deze analyse kan hypothese 1 niet verwrpen worden. Ondernemingen die een IWT-subsidie ontvingen maken in de daarop volgende jaren meer kans om externe financiering aan te trekken onder de vorm van zowel eigen vermogen als vreemd vermogen.

Hypothese 2

Tabel 18 geeft echter geen aanwijzingen in de richting van hypothese 2. Die stelt dat het effect van de subsidies groter is voor vreemd vermogen dan voor eigen vermogen. Teneinde dat te onderzoeken, worden de financiële schulden op korte en lange termijn samengenomen in de variabele VV_EVENT. Een nieuwe regressie van het basismodel tracht deze variabele te verklaren. Hieruit wordt de coëfficiënt van de subsidievariabele vergeleken met de coëfficiënt uit de regressie op het eigen vermogen uit tabel 18. Tabel 19 geeft verkort de resultaten weer. Beide coëfficiënten zijn van dezelfde grootte, hoewel het effect voor vreemd vermogen significanter is. Ook de “odds” zijn iets groter voor vreemd vermogen en weerspiegelen de kans om vermogen aan te trekken na het ontvangen van een subsidie. Hoewel de significantie van het verschil niet is getest, blijkt op basis van deze analyse niet dat het effect van subsidies groter is voor vreemd vermogen dan voor eigen vermogen. Hypothese 2 zou op het eerste zicht dus verworpen kunnen worden.


65


Valérie Herbert

Tabel 19: Coëfficiënt en significantie van de variabele SUBS_01JAARNA SUBS voor EV en VV

SUBS_01JAARNASUBS

Eigen

Vreemd

Vermogen

Vermogen

Coëfficiënt

0,213

0,232

Significantie

0,053

,000

Odds

1,237

1,262

In de overige hypothesen uit deel 2 komt telkens een andere verklarende variabele aan bod. Om de hypothesen statistisch te toetsen volstaat het dus elk van deze variabelen toe te voegen aan het basismodel in de vorm van een interactie-term. Die maken het mogelijk interactieeffecten met de subsidievariabele te onderzoeken. De vergelijking van het model is nu:

Financieringseventst = f(subsidiet of t-1, subsidie*interactie-variabele, interactie-variabele, controlevariabelen)

Belangrijk hierbij is de componenten van de ineteractie-term apart op te nemen in het model. Zelf indien later blijkt dat deze componenten geen significante bijdrage leveren, zijn zij onontbeerlijk om tot een correcte interpretatie te komen. (Wijnen et al., 2002).

Hypothese 3

De eerste variabele is de leeftijd van de onderneming. De dataset beschikt over drie variabelen die hierop betrekking hebben: lnAGE, JONG en STARTERS. Ze worden één voor één als interactie-term aan het basismodel toegevoegd om een antwoord te bieden op hypothese drie: Is het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren meer uitgesproken voor heel jonge ondernemingen?

Ter illustratie geeft tabel 20 opnieuw alle coëfficiënten, hun significantie en de determinanten van het model weer. In tegenstelling tot wat voorafging, staat nu de coëfficiënt gekoppeld aan de interactie-term ‘lnAGE*SUBS_01JAARNASUBS’ centraal. Die is alleen significant verschillend van 0 bij financiële schulden op ten hoogste 1 jaar. In dat geval is er dus een interactie tussen de subsidies en de leeftijd. Voor ondernemingen van 1 jaar (lnAGE=0) heeft de subsidie een positief effect op het aantal financieringsevents (0,608) maar deze neemt per eenheid “lnAGE” af met 0,183. Het effect ligt in lijn met de verwachtingen, maar wordt niet Faculteit Economie en Bedrijfskunde

66


Valérie Herbert

teruggevonden bij eigen vermogen of financiële schulden op meer dan 1 jaar. Tabel 20: Logistische regressie met interactieterm leeftijd

EIGEN VERMOGEN Coëff INT_lnAGE_SUB01JAAR

Sign.

Coëff

0,142

lnAGE

-0,695

SUBS_01JAARNASUBS

-0,082

l1LIQUIDITEIT

FIN SCHULDEN >1J Sign. 0,111

***

-0,413

FIN SCHULDEN <1J Coëff

Sign.

-0,183 ***

-0,031

-0,019

0,608

** ***

1,112

***

-0,177

-3,306

-59,875

***

0,443

-0,412

l1CASHFLOW

-1,372

***

0,131

-0,535

l1SCHULDGRAAD

-0,003

l1PAYOUT_RATIO

l1NEG_EV

0,731

l1TANGIBLE_ASSETS

0,173

SIZE

0,085

l1INTANGIBLE_ASSETS D_Tech_NACE

0,061 ***

*

**

-0,142

***

-0,002 -0,065

0,673

***

0,147

**

0,111

***

0,019

1,346

***

0,43

0,056

0,588

***

-0,025

0,264

*** *

DsectieD

-0,199

-0,167

-0,247

DsectieG

0,231

0,043

0,113

DsectieK

0,131

0,013

-0,325

DYEAR1996

0,209

0,454

***

0,032

DYEAR1997

0,161

0,352

***

0,23

DYEAR1998

0,392

**

0,469

***

0,123

DYEAR1999

0,411

**

0,621

***

0,408

***

DYEAR2000

0,542

***

0,206

0,333

**

DYEAR2001

0,579

***

0,375

DYEAR2002

-0,144

0,046

0,003

DYEAR2003

-0,058

0,078

0,168

DYEAR2005

0,54

0,643

**

0,296

-1,937

***

-1,663

Constant N Log Likelihood Chi-squared Nagelkerke R² Model p-waarde (1)

-2,208

***

***

**

*

-0,053

8543 3940,857 756,257

8543 7293,552 212,409

8543 6960,73 183,329

0,200

0,042

0,037

,000

,000

,000

***


Analoog worden de regressies uitgevoerd met als interactie-componenten respectievelijk de variabelen JONG en STARTERS. Beide regressies worden op verkorte wijze weergegeven in Faculteit Economie en Bedrijfskunde

67


Valérie Herbert

tabel 21 en 22. Alleen de voornaamste coëfficiënten, hun significantie en de R-Square waarde komen hierin voor. De waarde van het model is voor het eigen vermogen wat gedaald, maar voor het vreemd vermogen volledig in dezelfde lijn gebleven.

Tabel 21: Logistieke regressie met interactie voor jonge ondernemingen.

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff

Sign.

Coëff

INT_JONG_SUB01JAAR

-0,357

*

-0,292

JONG

-0,304

**

0,043

SUBS_01JAARNASUBS

0,444

***

0,382

Nagelkerke R²

0,113

(1)

Sign. *

***

0,037

Coëff

Sign.

0,298

*

-0,188

*

0,037 0,038


Uit tabel 21 blijkt dat subsidies in oudere ondernemingen (JONG=0 en dus voorgesteld door de variabele SUBS_01JAARNASUBS) significant meer financieringsevents teweegbrengen in eigen vermogen en financiële schulden op lange termijn. Voor subsidies in jonge ondernemingen neemt dit effect aanzienlijk af en is dus hoogstwaarschijnlijk niet meer significant. Voor financiële schulden op korte termijn is het effect van jonge ondernemingen daarentegen positief. Opvallend is dat voor héél jonge ondernemingen of starters de interactie niet meer sigificant is, zoals weergegeven in tabel 22 Tabel 22: Logistieke regressie met interactie voor starters

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff

Sign.

Coëff

Sign.

Coëff

INT_STARTER_SUB01JAAR

-0,049

-0,194

0,094

STARTERS

-0,020

0,144

0,112

SUBS_01JAARNASUBS

0,229

Nagelkerke R²

0,200

(1)

*

0,275 0,042

***

Sign.

0,136 0,037


Al bij al worden tot hiertoe weinig bewijzen gevonden die hypothese 3 kunnen staven. De resultaten voor jonge ondernemingen duiden eerder op het verwerpen van hypothese 3. Alleen Faculteit Economie en Bedrijfskunde

68


Valérie Herbert

voor financiële schulden op korte termijn blijken de verwachtingen gegrond.

Hypothese 4

Hypothese 4 gaat na of het effect

van

IWT-subsidies op het verkrijgen van externe

financiering in de daarop volgende jaren meer uitgesproken is voor technologische ondernemingen. De logistieke regressie met als interactie-component de variabele TECH_NACE geeft onderstaande resultaten.

Tabel 23: Logistieke regressie met interactie voor technologische ondernemingen

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff INT_TECHNACE_SUB01JAAR

Sign.

Coëff

Sign.

Coëff

Sign.

-0,521

**

0,031

-0,153

Tech_NACE

0,707

***

-0,032

0,297

***

SUBS_01JAARNASUBS

0,552

***

0,229

0,236

**

Nagelkerke R²

0,202

(1)

0,042

**

0,037


Tabel 23 geeft aan dat wel degelijk een interactie-effect bestaat voor het eigen vermogen. Niet-technologische ondernemingen kunnen meer financiering in de vorm van eigen vermogen aantrekken na het ontvangen van een subsidie. Voor technologische ondernemingen wordt dit effect volledig tenietgedaan (0,552-0,521). Dat effect wordt niet teruggevonden voor de andere financieringsvormen en ligt niet in de lijn met de verwachting. Op basis van deze analyse zou hypothese 4 dus worden verworpen.

Hypothese 5

De volgende analyse heeft betrekking op de ondernemingen met veel immateriële activa. De vraag is of die na een subsidie ook meer private financiering kunnen aantrekken. Het interactie-effect is alleen significant voor financiële schulden op lange termijn. Uit de tweede kolom van tabel 24 blijkt dat het effect van subsidies groter is voor ondernemingen met veel immateriële activa. Voor financiële schulden op meer dan 1 jaar kan hypothese 5 dus niet worden verworpen. Faculteit Economie en Bedrijfskunde

69


Valérie Herbert

Tabel 24: Logistieke regressie met interactie voor ondernemingen met veel immateriële activa

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff

Sign.

Coëff

Sign.

INT_INTANG_SUB01JAAR

0,061

D_INTANGIBLE

0,882

DSUBS_D01JAARNASUBS

0,177

0,177

Nagelkerke R²

0,212

0,043

(1)

0,357 ***

**

0,053

Coëff

Sign.

0,298 0,540

**

***

0,083 0,043


Voorgaande interactietermen hielden vooral karakteristieken van de onderneming in. Naast deze specificaties voor de onderneming hebben ook het type en de grootte van de subsidie zelf mogelijks een interactie-effect.

Hypothese 7

Wat het type subsidie betreft worden innovatieprojecten verwacht een grotere impact te hebben dan innovatiestudies. Tabel 25 vat de analyse samen. Het type subsidie heeft alleen bij financiële schulden op meer dan 1 jaar een marginaal significant interactie-effect. Innovatieprojecten (weergegeven in de interactie-term) hebben een grotere impact op verdere financiering met vreemd vermogen op lange termijn dan innovatiestudies. Hypothese 6 kan voor deze financieringsvorm dus niet worden verworpen. Tabel 25: Logistieke regressie met interactievariabele “ type subsidie”

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff

Sign.

Coëff

Sign.

INT_TYPE_SUB01JAAR

0,069

0,263

TYPE

0,085

-0,048

0,078

SUBS_01JAARNASUBS

0,177

0,110

0,137

Nagelkerke R²

0,200

0,042

0,037

(1)

*

Coëff

Sign.

0,032


Hypothese 7

De laatste interactievariabele is de grootte van de subsidie. De dummy is 1 voor subsidies die Faculteit Economie en Bedrijfskunde

70


Valérie Herbert

groter zijn dan de mediaan. Alleen voor financiële schulden op hoogstens 1 jaar is de interactie significant. Grotere subsidies geven daarbij aanleiding tot meer financieringsevents. Dit resultaat wijst voor schulden op korte termijn op het bestaan van een bufferfunctie. Voor de twee andere financieringsvormen is dit niet het geval en heeft de grootte van de subsidie geen bijkomend effect. Tabel 26: Logistieke regressie met interactievariabele “grootte subsidie”

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff INT_GROOTTE_SUB01JAAR

Sign.

Coëff

Sign.

Coëff

Sign.

0,320

0,073

0,332

**

-0,046

-0,039

-0,172

*

SUBS_01JAARNASUBS

0,007

0,210

Nagelkerke R²

0,200

0,042

GROOTTE_subs

(1)

**

0,001 0,038


Tot hiertoe werden alleen de ontvangers van een IWT-subsidie in rekening gebracht. Zoals eerder vermeld, kunnen de niet-ontvangers echter functie doen als controlegroep. De analyses in de volgende paragraaf hebben dus betrekking op de gegevens van alle aanvragers, onafhankelijk van het feit of ze de subsidie ook effectief hebben ontvangen.


71


Valérie Herbert

3.2.2 Basismodel 2 Het tweede basismodel wordt volledig analoog met het voorgaande opgesteld. Opnieuw worden financieringsevents verklaard aan de hand van subsidies en een aantal controlevariabelen. Enige verschilpunt is dat nu alle aanvragers deel uitmaken van de analyse. In plaats van een analyse in de tijd worden de ontvangers nu vergeleken met de nietontvangers. Voorafgaand aan de eigenlijke regressie worden de data van de jaren T0 en T1 geselecteerd waardoor nu slechts 2421 observaties worden onderzocht. Voor deze observaties wordt een nieuwe correlatiematrix opgesteld en weergegeven in tabel 27. Hieruit blijkt dat de variabele PROFITABILITY niet meer uit de analyse hoeft gelaten te worden aangezien de correlatie met de schuldgraad nu aanzienlijk lager ligt dan 0.60. Ook de andere variabelen overschrijden die limiet niet en blijven in het model behouden.

PROFITABILITYt-1 LIQUIDITEITt-1

1 -0,123

1

PAYOUT_RATIOt-1

0,064

0,063

1

CASHFLOWTt-1

0,956

-0,122

0,076

1

SCHULDGRAADt-1

-0,339

-0,016

-0,025

-0,202

1

NEG_EVt-1

-0,267

0,035

-0,064

-0,235

0,346

1

TANGIBLE_ASSETSt-1

0,007

-0,183

-0,039

0,032

0,009

-0,010

1

SIZE

0,214

-0,353

0,116

0,202

-0,139

-0,280

-0,037

1

-0,106

-0,067

-0,049

-0,061

0,027

0,151

-0,184

-0,081


INTANGIBLE_ASSETSt-

SIZE

TANGIBLE_ASSETSt-1

NEG_EVt-1

SCHULDGRAADt-1

CASHFLOWTt-1

PAYOUT_RATIOt-1

LIQUIDITEITt-1

PROFITABILITYt-1

Tabel 27: Correlatiematrix basismodel 2

1

Hypothese 1

Tabel 28 geeft het basismodel weer. Uit de laatste kolom blijken subsidies geen significant effect te hebben op het aantrekken van externe financiering in het algemeen. De coëfficiënt van de dummy SUBSIDIE is niet significant. Faculteit Economie en Bedrijfskunde

72


Valérie Herbert

Tabel 28: Logistieke regressie:Aanvragers vs ontvangers in T0 en T1

FIN EIGEN

SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff

Sign.

Coëff

Sign.

Coëff

Sign.

EXTERN EVENT

Coëff

DSUBSIDIE

0,163

-0,124

0,124

0,078

l1PROFITABILITY

0,379

0,219

0,318

0,276

l1LIQUIDITEIT

0,433

0,394

-2,352

l1PAYOUT_RATIO l1CASHFLOW

***

-0,364

-70,578

**

0,765

-0,152

-0,926

-0,255

**

0,070

-0,020

-0,144

0,050

0,011

0,262

-0,079

0,351

0,261

l1SCHULDGRAAD

0,062

l1NEG_EV

0,763

***

l1TANGIBLE_ASSETS

-0,036

0,519

*

0,124

0,389

SIZE

-0,087

0,109

**

0,026

0,013

l1INTANGIBLE_ASSETS lnAGE D_Tech_NACE

1,633

***

1,467

***

0,872

-0,510

***

-0,252

***

0,429

*

*

Sign.

***

*

2,775

***

-0,121

-0,233

***

-0,190

-0,051

-0,067

DsectieD

-0,442

-0,194

-0,100

-0,333

DsectieG

0,388

-0,026

0,184

-0,114

DsectieK

0,186

0,012

-0,163

-0,191

DYEAR1996

-0,021

0,625

**

0,377

0,417

*

DYEAR1997

-0,137

0,532

**

0,420

0,359

*

DYEAR1998

0,413

0,763

***

0,282

0,529

**

DYEAR1999

0,173

0,624

**

0,084

0,553

**

DYEAR2000

0,487

0,073

0,219

0,285

DYEAR2001

0,539

0,281

0,508

DYEAR2002

-0,131

-0,015

0,174

0,118

DYEAR2003

0,167

0,258

0,098

0,223

DYEAR2005

-0,682

-0,047

-0,756

-0,328

Constant

-1,161

N

**

**

0,417

-1,933

**

***

-1,643

***

2421

2421

2421

1272,521

2212,45

6964,232

2995,469

234,108

55,477

179,827

150,041

Nagelkerke R²

0,199

0,037

0,037

0,083

p-waarde model

,000

,000

,000

,000

Chi-squared

(1)

***

*

-0,492

2421

Log Likelihood

*



73


Valérie Herbert

Ook de opsplitsing in de verschillende vormen van financiering geven geen significante resultaten. Met andere woorden hebben de ontvangers van een subsidie in de daarop volgende jaren niet meer financiering kunnen aantrekken dan de niet-ontvangers. Aangezien het effect niet significant is, kan niet worden bepaald of het groter is voor een bepaalde vorm van financiering. Tabel 28 geeft dus geen enkele aanwijzing in verband met hypothese 2.

Hoewel voorgaand resultaat a-priori indruist met de verwachtingen gesteld in hypothese 1, kunnen interactie-effecten dit beeld aanzienlijk vertekenen. Net als in de analyse met kruistabellen en de voorgaande regressie wordt de methode dus verfijnd.

Hypothese 3

De leefteid van de onderneming wordt in rekening gebracht met de drie mogelijke variabelen (lnAGE, JONG, STARTERS). Opnieuw is voor de starters geen interactie-effect te bespeuren. Voor de andere variabelen vindt wel een interactie-effect plaats, maar dit alleen voor de financiële schulden op ten hoogste 1 jaar. Om de overzichtelijkheid te behouden, rapporteerd tabel 29 alleen die significante effecten.

Tabel 29: Logistieke regressie voor fin. schulden op ten hoogste 1 jaar met interactie naar leeftijd

FIN SCHULDEN <1J lnAGE

JONG Coëff

DSUBSIDIE DSUBSIDIE by lnAGE

Sign.

Coëff

0,848

**

DSUBSIDIE

-0,296

*

DSUBSIDIE by D_JONG

lnAGE

0,092

D_JONG

Nagelkerke R²

0,039

Nagelkerke R²

(1)

Sign.

-0,086 0,499

*

-0,499

*

0,037


De variabele lnAGE blijkt een significant interactie-effect teweeg te brengen. Voor ondernemingen die 1jaar zijn (lnAGE=0 en dus weergegeven in de dummy SUBSIDIE) heeft de subsidie een positief effect op de financiering. Voor elke eenheid toename in lnAGE echter, daalt dit effect met 0,296. Dit resultaat sluit goed aan bij de bevindingen uit het vorige model en bij de vooropgestelde hypothese. Faculteit Economie en Bedrijfskunde

74


Valérie Herbert

Ook de variabele JONG heeft een significant interactie-effect. Het tweede deel van tabel 29 geeft aan dat het effect van de subsidie groter is voor jonge ondernemingen. Dat ligt opnieuw in de lijn van de verwachtingen waardoor hypothese 2 voor financiële schulden op minder dan 1 jaar niet kan worden verworpen.

Hypothese 4 In de analyse met het eerste basismodel werd hypothese vier omtrent technologische ondernemingen verworpen. Technologische ondernemingen bleken niet meer financiering aan te trekken. De regressie met het tweede model echter geeft, althans voor financiële schulden op meer dan 1 jaar, tegenovergestelde resultaten. Tabel 30 vat dat samen.

Tabel 30: Logistieke regressie voor technologische ondernemingen

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff DSUBSIDIE DSUBSIDIE by D_Tech_NACE

Coëff

Sign.

Coëff

0,277

-0,316

*

-0,042

-0,195

0,414

*

0,367

-0,478

**

-0,321

D_Tech_NACE

0,563

Nagelkerke R²

0,199

(1)

Sign.

*

0,039

Sign.

0,038


Voor het vreemd vermogen op lange termijn is een significant interactie-effect waar te nemen. Bij niet-technologische ondernemingen hebben de subsidies een negatief effect en wordt minder financiering aangetrokken. Technologische ondernemingen daarentegen doen het veel beter en kunnen na de subsidie meer financiering aantrekken (-0,316 + 0,414 = 0,1). Aangezien het bekomen positieve effect relatief klein is, is niet duidelijk of dit significant is. Dit resultaat volstaat dus niet om hypothese 4 te staven.

Hypothese 5 Opnieuw worden de ondernemingen met veel immateriële activa op de voorgrond geplaatst om een antwoord te bieden op hypothese 5. In tabel 31 is alleen voor eigen vermogen een significant interactie-effect te vinden. Hoewel het effect van subsidies positief is voor ondernemingen met weinig immateriële activa, wordt dit effect negatief voor ondernemingen Faculteit Economie en Bedrijfskunde

75


Valérie Herbert

met veel immateriële activa (0,434 - 0,932 = -0,5). Op basis van deze analyse wordt hypothese 5 voor het eigen vermogen verworpen.

Tabel 31: Logistieke regressie voor ondernemingen met veel immateriële activa

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff DSUBSIDIE

Sign.

Coëff

Sign.

Coëff

Sign.

0,434

**

-0,165

0,038

-0,932

***

0,199

0,345

D_INTANGIBLE

2,000

***

0,082

0,355

Nagelkerke R²

0,233

0,038

0,045

DSUBSIDIE by D_INTANGIBLE

(1)


Hypothese 7

Het effect van de subsidies wordt opgedeeld naar de verschillende types. Tabel 32 toont aan dat voor het eigen vermogen een significant interactie-effect bestaat. Innovatiestudies (TYPE = 0) hebben geen effect op het aantal events in eigen vermogen. Innovatieprojecten (TYPE = 1 en dus weergegeven door de interactie-term) genereren daarentegen wel een positief effect op de financiering met aandelen. Voor dit type financiering mag hypothese 7 dus niet worden verworpen.

Tabel 32: Logistieke regressie met interactie-variabele “type subsidie”

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff DSUBSIDIE DSUBSIDIE by D_TYPE D_TYPE Nagelkerke R² (1)

Sign.

-0,197

Coëff

Sign.

Coëff

-0,069

0,207

0,771

**

-0,083

-0,142

-0,579

**

0,270

0,247

0,040

0,038

0,203

Sign.



76


Valérie Herbert

Hypothese 8 Net als bij de analyse met kruistabellen, moet erop worden gewezen dat hypothese 8 niet kan worden getoetst in dit model. De grootte van de subsidie is voor niet-ontvangers immers altijd ‘0’. Alleen de grootte van de aangevraagde subsidies zouden dus kunnen vergeleken worden. Aangezien deze laatste grote verschillen toont met de effectief ontvangen subsidies wordt dit beter achterwege gelaten.

De hypothesen uit deel 2 zijn op vier manieren onderworpen aan een statistische toets. Elke analyse gaf aanleiding tot verschillende conclusies die elkaar soms versterkten, maar soms ook niet. De resultaten zullen in de volgende paragraaf naast elkaar gelegd worden om te komen tot bredere conclusies.

3.3 Conclusie uit de analyses

Tabel 33 heeft tot doel meer inzicht te verschaffen in de resultaten van de diverse analyses. Hierbij wijst een ‘+’ op een positief effect van subsidies op verdere financiering en een ‘-’op een negatief effect. Tenslotte wijst een lege cel erop dat geen significant effect optrad. Tabel 33: Samenvatting van het effect van subsidies

Kruistabellen

Hypothese 1

Vóór-na

Ontv vs niet-

Basismodel

Basismodel

analyse

ontv

1

2

Eigen Vermogen

+

Fin schulden >1J

+

Fin schulden <1J

Hypothese 2

Logistieke Regressie

Eigen Vermogen Fin schulden >1J

+

+

kleine indicatie in deze richting

geen indicatie in deze richting

+ vr jonge ond

+ vr jonge ond

Fin schulden <1J

Hypothese 3 Hypothese 4

Eigen Vermogen

- vr jonge ond

Fin schulden >1J Fin schulden <1J

- vr oude ond

Eigen Vermogen

- vr tech ond

+ vr nt-tech ond

Fin schulden >1J

+ vr tech ond

Fin schulden <1J

+ vr tech ond


+ vr jonge ond + vr tech ond

77


Eigen Vermogen

Hypothese 5

Hypothese 6

- vr ond met veel Immat Act

- vr ond met veel Immat Act + vr ond met veel Immat Act

Fin schulden >1J Fin schulden <1J

Valérie Herbert

- vr ond met veel Mat Act

+ vr ond met veel Immat Act

Eigen Vermogen Fin schulden >1J Fin schulden <1J

Hypothese 7

Eigen Vermogen Fin schulden >1J

+ vr Inn Project + vr Inn Project

Fin schulden <1J

Hypothese 8

+ vr Inn Project + vr Inn Project

+ vr Inn Studie

Eigen Vermogen

+ vr grote subs

/

Fin schulden >1J

+ vr grote subs

/

Fin schulden <1J

+ vr grote subs

/

+ vr grote subs

Hypothese 1a: Ondernemingen die een IWT-subsidie ontvingen maken in de daarop volgende jaren meer kans om externe financiering aan te trekken onder de vorm van eigen vermogen. Hypothese 1b: Ondernemingen die een IWT-subsidie ontvingen maken in de daarop volgende jaren meer kans om externe financiering aan te trekken onder de vorm van vreemd vermogen.

Het effect dat in hypothesen 1a en 1b wordt verwacht komt niet tot uiting in de analyses. Alleen de logistieke regressie die het gedrag van de ontvangers vergelijkt doorheen de tijd wijst in deze richting. Deze methode stelt dat ontvangers van een IWT-subsidie, in het jaar van de subsidie en het jaar dat daar onmiddellijk op volgt, meer externe financiering ontvangen. Dat dit resultaat verschilt van de analyse met kruistabellen kan toegeschreven worden aan het feit dat meer factoren in rekening worden gebracht. Het verschil met de andere logistieke regressie is echter moeilijker te verklaren.

Eén van de mogelijke verklaringen is dat subsidies een indicator vormen van financiële behoeften. Ondernemingen die beroep doen op een subsidie, hebben een grote vraag naar financiering. Wanneer ze de subsidie ontvangen valt slechts een deel van deze vraag weg en worden ook andere bronnen aangesproken. Ook wijst dit erop dat wanneer het IWT niet tussenkomt en de behoefte dus blijft bestaan,

de niet-ontvangers dus ergens anders

aankloppen om de nodige middelen te vergaren. Dit zou verklaren waarom de ze in de jaren die volgen op hun aanvraag net zoveel financiering aantrekken, zoals bleek uit basismodel 2. Faculteit Economie en Bedrijfskunde

78


Valérie Herbert

Om dit op statistische wijze na te gaan wordt op het einde van dit hoofdstuk een bijkomende analyse gemaakt. Die zal controleren of ook voor niet-ontvangers in de jaren na hun aanvraag significant meer financieringsevents plaatsvinden.

Hypothese 2: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is meer uitgesproken voor vreemd vermogen dan voor eigen vermogen.

Hoewel in de kruistabellen een heel kleine indicatie te vinden was in deze richting, moet hypothese 2 worden verworpen. In de logistieke regressies werd immers nooit een verschil gevonden tussen eigen vermogen en vreemd vermogen.

Hypothese 3: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is meer uitgesproken voor heel jonge ondernemingen.

Voor zowel eigen vermogen als financiële schulden op meer dan 1 jaar, werd in geen enkele van de vier analysemethoden een positief en significant effect gevonden voor jonge ondernemingen. De hypothese blijkt hier dus niet te kloppen en wordt verworpen.

Voor financiële schulden op ten hoogste 1 jaar zijn de resultaten éénduidig en sluiten volledig aan met de hypothese. Jonge ondernemingen kunnen na het ontvangen van een subsidie veel gemakkelijker beroep doen op schulden op korte termijn. Hypothes 3 wordt hier dus niet verworpen.

Hypothese 4: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is meer uitgesproken voor technologische ondernemingen.

Het effect van subsidies op verdere financiering van technologische ondernemingen is voor eigen vermogen nooit positief en significant. De hypothese wordt voor dat geval verworpen.

Voor financiële schulden op meer dan 1 jaar kunnen de technologische ontvangers aanzienlijk Faculteit Economie en Bedrijfskunde

79


Valérie Herbert

meer schulden aangaan dan technologische niet-ontvangers. Dit blijkt uit zowel de kruistabel als het regressiemodel.

In de kruistabel is hetzelfde effect te vinden voor de financiering met schulden op ten hoogste 1 jaar. Aangezien de regressie dat effect niet bevestigt, kan het te wijten zijn aan andere factoren die niet in de kruistabel voorkwamen. Dat resultaat volstaat dus niet om hypothese 4 voor deze vorm van financiering te weerhouden.

Hypothese 5: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is aanzienlijk groter voor ondernemingen met een hoger aandeel immateriële activa.

Wat het effect op het eigen vermogen betreft, wordt tot tweemaal toe een negatief effect gevonden. Ondernemingen met veel immateriële activa geven na het ontvangen van een subsidie minder aandelen uit. Dat volstaat om hypothese vijf hier te verwerpen.

Verder blijken de ontvangers met veel immateriële activa meer financiële schulden op meer dan 1 jaar aan te gaan net na het ontvangen van de subsidie. Dit effect wordt alleen teruggevonden in de logistieke regressie van basismodel 1. Zoals hierboven reeds vermeld, kan dit wijzen op een grotere financieringsbehoefte in die periode. Anders zou men verwachten dat effect ook terug te vinden in het tweede regressiemodel.

Hypothese 6: Het effect van IWT-subsidies op het verkrijgen van externe financiering in de daarop volgende jaren is groter in opkomende industrieën die nog geen algemeen aanvaarde legitimiteit genieten.

Het testen van hypothese zes werd op basis van de beschikbare gegevens niet mogelijk geacht. Een gepaste methode vinden om nieuwe industrieën te identificeren en uit de database te selecteren bleek niet evident. De oorspronkelijke idee om de NACE-codes die het laatst aan de nomenclatuur zijn toegevoegd als nieuwe industrieën te beschouwen klopte immers niet. Hoewel dit gepaard gaat met enige moeilijkheden kan het testen van hypothese leiden tot Faculteit Economie en Bedrijfskunde

80


Valérie Herbert

belangrijke inzichten en zal het object moeten uitmaken van verder onderzoek.

Hypothese 7: Subsidies voor nnovatieprojecten hebben een groter effect op het verkrijgen van externe financiering dan subsidies voor innovatiestudies.

Wanneer de ontvangers worden vergeleken met niet-ontvangers, blijkt dat innovatieprojecten een groter effect hebben op de financiering met eigen vermogen dan innovatiestudies. Hypothese 7 kan voor eigen vermogen dus niet worden verworpen.

Op het vlak van financiële schulden op lange termijn vinden we ook positieve aanwijzingen in de richting van hypothese zeven, maar ditmaal in de analyses in de tijd. Ontvangers van een innovatieproject kunnen in de daarop volgende jaren meer schulden aangaan dan anders. Opnieuw wordt hypothese 7 dus weerhouden.

Opvallend is dat financiële schulden op korte termijn een heel ander beeld geven. Daar blijkt uit de kruistabel dat het juist de ontvangers van een innovatiestudie zijn die een groter effect genereren. De andere analysemethoden geven geen significante resultaten aan waardoor hypothese 7 in dit geval wel verworpen mag worden.

Hypothese 8: Naarmate de IWT-subsidie groter is, zal de onderneming meer externe financiering kunnen aantrekken in de daarop volgende jaren.

Voor deze hypothese kon enkel gebruik worden gemaakt van de analyses in de tijd. Daar waar de resultaten uit de kruistabel voor elke financieringsvorm aanleunen bij de hypothese, wordt die alleen bevestigd voor de financiële schulden op korte termijn. Het bestaan van een bufferfunctie is in dit geval dus heel plausibel.


81


Valérie Herbert

3.4 Bijkomende analyse Uit de interpretatie van de resultaten rees de vraag waarom de resultaten uit de logistieke regressies met beide modellen zodanig verschillen. De bespreking van hypothese 1 stelde reeds dat een mogelijke verklaring te vinden is in de financieringsbehoefte van subsidieaanvragers. Om de volledigheid van dit onderzoek te garanderen wordt hier nog kort op ingegaan.

Het eerste regressiemodel wijst erop dat de ontvangers van subsidies meer financieringsevents hebben in de daarop volgende jaren. Wanneer we deze echter vergelijken met niet-ontvangers verdwijnt dit effect. Dat kan erop wijzen dat de niet-ontvangers met hun initiële financieringsbehoefte die niet werd opgevangen door een subsidie ergens anders terecht kunnen.

Om dat te controleren worden alle gegevens in een nieuwe regressie onderzocht. Het gaat hier om de data van zowel de ontvangers als de niet-ontvangers voor alle jaren. Een nieuwe variabele GEEN_SUBS_01JAAR laat toe de vergelijking te maken in de tijd met een controle voor de niet-ontvangers. Deze variabele is 1 voor de niet-ontvangers in het jaar van hun aanvraag en het jaar erop. De resultaten worden weergegeven in tabel 34. Tabel 34: Logistieke regressie in de tijd met controle voor niet ontvangers.

EIGEN

FIN SCHULDEN

FIN SCHULDEN

VERMOGEN

>1J

<1J

Coëff GEEN_SUBS_01JAAR

0,287

DSUBS_D01JAARNASUBS

0,185

Nagelkerke R²

0,167

Sign.

**

Coëff

Sign.

Coëff

0,287

***

0,009

0,185

**

0,128

0,042

Sign.

*

0,033

Uit deze resultaten blijken subsidies nog steeds een significante rol te spelen bij het aantrekken van financiering. Ontvangers van een subsidie maken in de daarop volgende jaren wel degelijk meer kans externe middelen te ontvangen uit alle vormen van financiering. Enkel voor het vreemd vermogen op lange termijn is dit ook het geval voor ondernemingen die geen subsidie hebben ontvangen. Dat kan erop wijzen dat zij de gemiste subsidie opvangen met schulden.


82


Valérie Herbert

4 Algemeen besluit Jonge ondernemingen hebben het vaak moeilijk om externe financiering aan te trekken. Vaak zijn overheidssubsidies nodig om de private middelen aan te vullen. Deze studie onderzocht of subsidies ook gevolgen hebben voor de verdere financiering. Daar de subsidiërende overheidsinstelling eerst de onderneming zal screenen, worden subsidies enkel uitgereikt aan bedrijven waarin zij potentieel zien. Het feit dat de overheid vertrouwen heeft in de overlevingskansen van een onderneming, kan een positief signaal zijn naar andere externe financiers toe. Dat verschijnsel werd de certificaatsfunctie genoemd. Vooraleer over te gaan op het effectieve onderzoek, werd de bestaande literatuur besproken in verband met jonge ondernemingen, hun financiering en het effect van subsidies. Die literatuurstudie leidde tot enkele hypothesen die in het tweede deel statistisch werden getest.

Aan de basis van de financieringsproblematiek van jonge ondernemingen liggen verschillende oorzaken. De voornaamste is dat jonge ondernemingen gebukt gaan onder een grotere mate van onzekerheid over hun groeipotentieel. Dat volgt niet alleen uit het feit dat ze te maken hebben met een hogere faillissementsgraad. Ook het bestaan van asymmetrische informatie versterkt de onzekerheid. Buitenstaanders bezitten niet dezelfde informatie als de ondernemers en zijn daardoor moeilijker te overtuigen van de kwaliteit van een project. Het gevolg van dat fenomeen is dat externe financiering heel duur of zelfs volledig onmogelijk wordt.

Nochtans is externe financiering belangrijk voor groeiende ondernemingen. De ontwikkeling van nieuwe producten en ideeën vergt immers vaak kapitaalhoeveelheden die de interne middelen overschrijden. Indien dat kapitaal niet kan vergaard worden via externe bronnen, zal de ondernemingen haar uitgaven moeten beperken. Investeringen in O&O vallen daardoor terug. Ze zijn nochtans van cruciaal belang voor de economie. O&O geeft namelijk aanleiding tot innovaties die op hun beurt een drijfveer vormen voor economische groei, productiviteitswinst en jobcreatie.

Om de investeringen in O&O op peil te houden, moet de basis van het probleem worden aangepakt. Externe financiering moet beschikbaar blijven voor jonge groeigerichte Faculteit Economie en Bedrijfskunde

83


Valérie Herbert

ondernemingen, ondanks de bestaande onzekerheden. Onderzoek wijst banken, venture capital en business angels aan als de belangrijkste bronnen van externe financiering voor dit type bedrijven. Elk van deze kapitaalverschaffers heeft eigen mechanismen ontwikkeld om informatieproblemen het hoofd te bieden. Voor banken spelen contracten, screening en waarborgen een fundamentele rol bij de lening. Venture capital ondernemingen zijn nog meer gespecialiseerd in het omgaan met asymmetrische informatie. Ze hanteren naast een diepgaande screeningsprocedure ook staging als methode om het risico te verminderen. Additioneel kapitaal wordt daarbij pas ingebracht wanneer bepaalde doelstellingen zijn bereikt. Venture capital ondernemingen zullen ook actiever deelnemen in de bedrijfsvoering door strategische begeleiding en advies te verstrekken. Business angels eisen minder controle dan venture capital ondernemingen. Hun inbreng bevat naast financiële middelen vaak ook competenties, expertise en relaties. Daarbij komt dat zij hoofdzakelijk opereren in sectoren die zij kennen, wat hen in staat stelt een betere selectie te maken van projecten met groeipotentieel.

Ondanks

de

diversiteit

aan

financieringsvormen

en

de

mechaninsmen

om

informatieproblemen te omzeilen, blijft de vraag naar externe middelen veelal onbeantwoord. Aangezien de markt niet in staat blijkt het onevenwicht tussen vraag en aanbod weg te werken, is overheidstussenkomst noodzakelijk. Dat kan op de eerste plaats door risicokapitaal te stimuleren. Het creëren van een adequaat financieel en wettelijk kader en het verbeteren van omgevingsfactoren levert daarbij een belangrijke bijdrage. Mechanismen om vraag en aanbod samen te brengen, zoals de business angel netwerken, vormen een andere mogelijkheid. Ook een meer directe aanpak is denkbaar. Overheden kunnen zelf investeren op de venture capital markt of door middel van subsidies een deel van de vraag op zich nemen.

De eerste bestaansreden voor subsidies voor O&O is dus het onevenwicht op de kapitaalmarkt. Door asymmetrische informatie is het aanbod aan kapitaal ontoereikend. Bij gebrek aan externe middelen, beperken ondernemingen hun investeringen. Daardoor komt het investeringspeil onder het maatschappelijk optimum te liggen. De literatuur noemt

het

bestaan van spillovers een andere belangrijke reden voor overheidsinterventies. Die term houdt in dat de maatschappelijke return van uitgaven in O&O de private return kan overschrijden. De onderneming kan zich de opbrengst van haar investering niet volledig toeeigenen en ziet een deel verloren gaan in handen van derden. Hierdoor daalt de bereidheid tot Faculteit Economie en Bedrijfskunde

84


Valérie Herbert

investeren. Het falen van de markt leidt zo opnieuw tot onderinvestering. Wil de overheid de uitgaven voor O&O op peil houden, dan is interventie noodzakelijk. Zeker in Europa zal, met de Barcelona-doelstellingen voor ogen, overheidstussenkomst van primordiaal belang zijn.

In Vlaanderen neemt het Instituut voor de Aanmoediging van Innovatie door Wetenschap en Technologie in Vlaanderen (IWT) een groot deel van deze taak op zich. Het verdeelt jaarlijks in totaal zo’n 250 miljoen euro over verschillende financieringsinstrumenten. In het kader van deze studie is de belangrijkste daarvan de financiële steun aan onderzoek en ontwikkeling in KMO’s. Vorig jaar alleen al, was dit KMO-programma goed voor 13 miljoen euro subsidies. Vlaamse KMO’s die willen innoveren in hun producten, processen of diensten via een technologische oplossing, kunnen daarop beroep doen. Er is een onderscheid tussen subsidies voor innovatiestudies en steun voor innovatieprojecten. Die laatste hebben concreter de implementatie van voorafgaand onderzoek voor ogen.

Een alomtegenwoordig thema in de literatuur dat niet zonder belang is voor deze studie, is het effect van subsidies. Het is essentieel dat subsidies een meerwaarde voortbrengen voor de onderneming. Deze meerwaarde kan onderverdeeld worden in drie categorieën: output additionality, input additionality en behavioural additionality. Output additionality verwijst naar de toename van ondernemingsperformantie ten gevolge van een subsidie. Input additionality wijst op de toename van investeringen met eigen middelen ten gevolge van de overheidssubsidie. Hieromtrent bestaat in de literatuur een uitgebreid debat. Tegenover additionaliteit staat immers een ander principe: substitutie. Het is niet ondenkbaar dat de onderneming door de subsidie minder eigen middelen zal inbrengen. In dit geval spreekt men van een substitutie-effect of crowding-out. Uitgebreid onderzoek rond dat thema heeft niet tot een eenduidige conclusie geleid. Specifiek toegepast op het IWT daarentegen zijn academici het er over eens dat de balans eerder overhelt in de richting van additionaliteit. De derde categorie effecten wordt samengenomen onder de noemer “behavioural additionality”. Deze term staat voor alle veranderingen in het innovatief gedrag van ondernemingen ten gevolge van de subsidie. Hoewel deze effecten aanzienlijk kunnen zijn, zagen onderzoekers ze in het verleden vaak over het hoofd. De bestaande literatuur hieromtrent is dan ook gering. Door specifiek het effect van subsidies op het financieringsgedrag te onderzoeken, draagt deze studie bij tot een beter inzicht in deze vorm van additionaliteit.


85


Valérie Herbert

De verworven kennis uit de bestudeerde literatuur gaf aanleiding tot verschillende hypothesen. De analyses beperkten zich niet tot het effect van subsidies op verdere financiering in het algemeen. Ze legden zich ook toe op de vraag of deze effecten meer uitgeproken zijn voor bepaalde groepen ondernemingen of voor een bepaald type subsidies. In totaal werden acht hypothesen elk met twee methoden statistisch getoetst. In de eerste methode stonden kruistabellen centraal. Daarbij werd een onderscheid gemaakt tussen twee verschillende analyses. De ontvangers van een subsidie werden onderworpen aan een analyse in de tijd. Die moest een antwoord geven op de vraag of ondernemingen meer financiering konden aantrekken in de jaren na de subsidie dan vóór de subsidie. De tweede analyse vergeleek de ontvangers met de niet-ontvangers om te kijken of de eerste groep meer financiering kan verkrijgen. De tweede methode verliet de kruistabellen en maakte gebruik van logistieke regressies. Opnieuw boden twee analyses antwoord op voorgaande vragen, maar ditmaal speelden meerdere andere factoren mee.

De resultaten bevestigden niet steeds de hypothesen. Toch leverden ze enkele interessante inzichten op. Algemeen bleken ontvangers van een IWT-subsidie in de daarop volgende jaren wel meer financiering aan te trekken, maar het verschil met niet-ontvangers was niet significant. Dat zou te wijten kunnen zijn aan het feit dat alle aanvragers van een subsidie een grotere behoefte hebben aan financiering rond de periode van aanvraag. In een bijkomende test kwam deze veronderstelling alleen tot uiting voor het vreemd vermogen op lange termijn. Dat kan een indicatie vormen dat wanneer ondernemingen geen subsidies mochten ontvangen, ze toch in staat waren dit op te vangen door schulden aan te gaan op lange termijn.

Verder werd gekeken naar specifieke groepen van ondernemingen die gekend staan om een hoge mate van asymmetrische informatie. De idee was dat het effect van de subsidie in deze gevallen groter zou zijn. Die veronderstelling bleek in sommige gevallen op te gaan, in andere niet. Zo zijn jonge ondernemingen ten gevolge van de subsidie beter in staat kortlopende schulden aan te gaan. Technologische ondernemingen kunnen dan weer gemakkelijker langlopend schuldkapitaal verkrijgen dankzij de subsidie. Hetzelfde kwam tot bij ondernemingen met veel immateriële activa.

De laatste analyses onderzochten of de effecten meer uitgesproken waren voor een bepaald type subsidies of naarmate de omvang van de subsidie toenam. De conclusie luidt dat vooral Faculteit Economie en Bedrijfskunde

86


Valérie Herbert

bij innovatieprojecten de kans op financiering met eigen vermogen of schulden op lange termijn hoger ligt. De omvang van de subsidies bleek enkel een rol te spelen bij financiële schulden

op

korte

termijn.

Dat

zou

erop

kunnen

wijzen

dat

verleners

van

kortetermijnschulden die subsidies eerder zien als een buffer dan als kwaliteitsgarantie.

Dit onderzoek trachtte een zo volledig mogelijk beeld te geven omtrent het effect van subsidies op financiering. Het werken met een uitgebreide dataset, meerdere technieken en modellen, moesten dit in de hand werken. Ondanks dat alles golden een aantal beperkingen. Vooreerst vielen om uiteenlopende redenen enkele observaties uit de database. De verloren gegevens vormden maar een minieme fractie van de dataset, maar kunnen toch enige vertekening hebben teweeggebracht. Ook het feit dat bepaalde ondernemingen meermaals subsidies hebben ontvangen en dus meermaals voorkomen in de dataset kan voor kleine vertekeningen hebben gezorgd. Veel belangrijker echter, was het wegvallen van enkele controlevariabelen. De OV 82-score die het financieel risico had moeten weergeven werd bij gebrek aan data niet weerhouden. De variabele PROFITABILITY viel weg om multicollineariteit te vermijden.

Een derde beperking is dat geen andere overheidsprogramma’s in rekening werden gebracht. Concreet werd in de regressies niet gecontroleerd voor andere kapitaalsubsidies buiten het IWT. Die kunnen evengoed aanzienlijke effecten met zich meebrengen en dienen ze dus zeker opgenomen in verder onderzoek. Ook het feit dat het in hypothese 6 vooropgestelde effect voor nieuwe sectoren uiteindelijk niet werd onderzocht, maakt verdere analyses noodzakelijk. Tot slot schoten de gebruikte methodes soms tekort. Zowel kruistabellen als regressies geven geen garantie over causaliteit. Leiden subsidies tot meer financiering of leidt een grotere financieringsbehoefte tot meer subsidies? Opnieuw interessant denkmateriaal voor verder onderzoek. Een analyse aan de hand van panel data kan waarschijnlijk meer inzicht brengen.


87


Valérie Herbert

5 Lijst van de geraapleegde werken Aerts, K., & Czarnitzki, D., 2005 – Using Innovation Survey Data to Evaluate R&D Policy: The Case of Flanders – K.U.Leuven, DTEW Research Report 0439 Aldrich, H. E. & Fiol, C. M., 1994 – Fools Rush In? The Institutional Context of Industry Creation, Academy of Management Review 19(4), 645–70. Arrow, K. J., 1962. – Economic Welfare and the Allocation of Resources for Invention – In Richard Nelson: The Rate and Direction of Inventive Activity, Princeton University Press Baeyens, K. & Manigart, S., 2006 – Follow-on Financing of Venture Capital Backed Companies: The Choice between Debt, Equity, Existing and New Investors – Ghent University Working Paper Berger, A. & Udell, G., 1998 – The economics of small business finance: The roles of private equity and debt markets in the financial growth cycle – Journal of Banking & Finance Vol. 22 Carpenter, R. E. & Petersen, B. C., 2002 – Capital Market Imperfections, High-Tech Investment, and New Equity Financing - Economic Journal 112, 54-72 Cincera M., Kalenga-Mpala R., Veugelers R., Carchon D., Larosse J., 2004 – R&D Activities of the Business Sector in Flanders: Results of the R&D Surveys in the Context of the 3% Target – IWTobservatorium David, A., Hall, H. & Toole, A., 2000 – Is Public R&D a complement or substitute for private R&D? – Research Policy,. 29, 497-529 Deeds, D., Mang, P. & Fransen, M., 2004 – The influence of firms’ and industries’ legitimacy on the flow of capital into high-technology ventures – Strategic Organization Vol 2(1): 9–34 De Haan, L. & Hinloopen, J., 2003 – Preference hierarchies for internal finance, bank loans, bond, and share issues: evidence for Dutch firms – Journal of Empirical Finance Vol. 10 661– 681 Delhausse, B., Kalenga-Mpala, R., Monard, E., Spithoven, A., Teirlinck, P. en Vandervaeren B., 2004 – Belgisch Rapport over Wetenschap, Technologie en Innovatie


VII


Valérie Herbert

De Pelsmacker, P. & Van Kenhove P., 2002 – Marktonderzoek, methoden en toepassingen – Antwerpen, Garant Economic Policy Committee, 2002 – Working group on Research and Development – Final Report on Research and Development Georghiou, L., Clarysse, B., Steurs, G., Bilsen, V., Larosse, J., 2004 – 'Making the Difference'. The Evaluation of 'Behavioural Additionality' of R&D Subsidies. – IWT observatorium, studie 48 Field, A., 2005 – Discovering Statistics using SPSS – Sage Publications Gompers, P., 1995 – Optimal Investment, Monitoring, and the Staging of Venture Capital – The Journal of Finance, Vol. 50, No. 5, 1461-1489 Gompers P., 2005 – Venture Capital – Handbook of Corporate Finance: Empirical Corporate Finance, Chapter 11 Gompers, P. & Lerner, J., 1999 – What drives Venture Capital Fundraising? – NBER Working Paper No. 6906 Greenwald, B., Stiglitz, J. & Weiss, A., 1984 – Information Imperfections in the Capital Market an Macroeconomic Fluctuations – American Economic Review Papers and Proceedings, Vol. 74, 194199 Griliches, Z., 1992 – The Search for R&D Spillovers – Scandinavian Journal of Economics Vol. 94, 29-47 Hall, B. H., 2002 – The financing of Research and Development – Oxford Review of Economic Policy Vol. 18, 35-51 Hall, B. H., 1992 – Research and Development at the Firm Level: Does the Source of Financing Matter? – NBER Working Paper No. 4096 Hannan, M. T. & Freeman, J., 1984 – Structural Inertia nd Organizational Change. – American Journal of Sociology, 49, 149-164 Hayes, T. & Taft, B., 2003 – High-Technology & the Third Frontier: Information Resources for Defining Ohio’s Future – Bureau of Labor Market Information Faculteit Economie en Bedrijfskunde

VIII


Valérie Herbert

Hubbard, R., 1998 – Capital market imperfections and investment – Journal of Economic Literature, Vol. 36, 193-225 Irvin, D. & Klenow, P., 1994 – High tech R&D subsidies – Estimating the effects of Sematech – NBER Working Paper No. 4974 IWT, 2006 – IWT in een notendop – Geraadpleegd op 6 maart 2006 op het World Wide Web: http://www.iwt.be Jaffe, A.B., 1996 – Economic Analysis of Research Spillovers: Implications for the Advanced Technology Program – U.S. Department of Commerce, NIST Advanced Technology Program Klette, J. & Moen, J., 1998 – R&D investment responses to R&D subsidies: A theoretical analysis and a microeconometric study – paper presented at the 1998 NBER Summer Institute Klette, J. & Moen, J. & Griliches, Z., 1999 – Do Subsidies to Commercial R&D Reduce Market Failures - Microeconomic Evaluation Studies? – Harvard Institute of Economic Research Working Papers 1861 Kortum S. & Lerner J., 1998 – Does Venture Capital Spur Innovation? – National Bureau of Economic Research, Working Paper No. 6846 Lerner, J., 1994 – The Syndication of Venture Capital Investments – Financial Management 16-27 Lerner, J., 1998 – “Angel” Financing and Public Policy: An overview – Journal of Banking & Finance Vol. 22, 773-783 Lerner, J., 1999 – The Government as Venture Capitalist, the long-run impact of the SBIR program – The Journal of Business, Vol. 72, 285-318 Levinthal, D. A., 1991 – Organizational Adaptation, Environmental Selection, and Random Walks – Administrative Science Quarterly, Vol. 36, 397-420 Lichtenberg, F.R., 1987 – The Effect of Government Funding on Private Industrial Research and Development: a Re-assessment – Journal of Industrial Economics, Vol. 36, 97-104.


IX


Valérie Herbert

Lipper, G. & Sommer, B., 2002 – Encouraging Angel Capital: What the US States are Doing – Venture Capital, Vol. 4, 357-362 Manigart, S. & Meuleman, M., 2004 – Financing Entrepreneurial Companies: How to raise private equity as a high-growth company – Financiële Cahiers, N° 3 Meeusen, W. & Janssens, W., 2000 – Additionaliteit- versus Substitutie-Effecten van Overheidssteun aan O&O in Bedrijven in Vlaanderen: een Econometrische Analyse Aangevuld met de Resultaten van een Kwalitatieve Bevraging – CESIT Discussion paper No 2000/10 Megginson, L. & Weiss, A., 1991 – Venture capital certification in initial public offerings – Journal of Finance Vol. 46, 903-979 Mohnen, P., 2005 – The importance of R&D: Is the Barcelona 3% a reasonable target? – Inaugurele Rede Myers, S., 2001 – Capital Structure – The Journal of Economic Perspectives, Vol. 15, 81-102 Myers, S. & Majluf, N., 1984 – Corporate financing and investment decisions when firms have information that investors do not - Journal of Financial Economics, Vol. 13, 187-221 Nelson, R. R., 1959 – The Simple Economics of Basic Scientific Research – Journal of Political Economy, Vol. 49, 297-306 San José, A., Roure, J. & Aernoudt, R., 2005 – Business Angel Academies: Unleashing the Potential for Business Angel Investment – Venture Capital, Vol.7, 149-165 San José, A. & Aernoudt, R., 2006 – Do Business Angels Need to be Supported? Rationale of Public Financing in the Field of Business Angels – In Press Scott, J., 1984 – Firm versus industry variability in R&D intensity – in Griliches, R&D, patents and productivity, University of Chicago Press Stiglitz, J. & Weiss, A., 1981 – Credit Rationing in Markets with Imperfect Information - The American Economic Review, Vol 71, 393-410 Stuart, T., Hoang, H., Hybels, R., 1999 – Interorganizational Endorsements and the Performance of Entrepreneurial Ventures – Administrative Science Quarterly, Vol. 44, 315-349 Faculteit Economie en Bedrijfskunde

X


Valérie Herbert

Teirlinck, P., 2003 – Les activités de R&D des entreprises en Belgique. Une comparaison internationale d'un point de vue sectoriel – R&D et innovation en Belgique, Série d’études 01 Van Acker, T., Manigart, S., 2006 - A Dynamic View on the Financing of Extreme Growth Companies – Ghent University Working Paper Vervliet, G., 2006 – Speurgids 2006, Wetenschap, Technologie en Innovatie – Ministerie van de Vlaamse Gemeenschap, Administratie Wetenschap en Innovatie Wallsten, S., 2000 – The Effects of Government-Industry R&D Programs on Private R&D: The Case of the SBIR program – The RAND Journal of Economics, Vol.31, No. 1, 82-100 Wijnen, K., Janssens, W., De Pelsmacker, P. & Van Kenhove, P., 2002 – Marktonderzoek met SPSS, Statistische verwerking en interpretatie – Antwerpen, Garant


XI


Valérie Herbert

Bijlagen Bijlage 1 : NACE-Bel classificatie technische sectoren

Figuur 2: NACE-BEL Classificatie Technische Sectoren Verwerkende Nijverheid (Belgisch Rapport over Wetenschap, Technologie en Innovatie, 2004)


XII


Valérie Herbert

Figuur 3: NACE-BEL Classificatie Technische Sectoren Dienstverlening (Belgisch Rapport over Wetenschap, Technologie en Innovatie, 2004)


XIII


Valérie Herbert

Bijlag 2: NACE-Bel classificatie in secties

Figuur 4: NACE-BEL 2003 Activiteitennomenclatuur, Indeling in Secties ( Algemene Directie Statistiek en Economische Informatie, 2004)


XIV

De Invloed van Overheidssteun op de Financiering van de Onderneming: Een Empirische Studie van het IWT

Recommend Documents