Analyse van een complementaire munt: De RES

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014

Analyse van een complementaire munt: De RES Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de Economische Wetenschappen

Pieter-Jan Deprest

onder leiding van

Prof. Dr. Gert Peersman

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014

Analyse van een complementaire munt: De RES Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de Economische Wetenschappen

Pieter-Jan Deprest

onder leiding van

Prof. Dr. Gert Peersman

PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Pieter-Jan Deprest

Woord vooraf Voor het tot stand komen van deze masterproef wil ik eerst en vooral enkele mensen bedanken. Als eerste wil ik mijn promotor prof. Gert Peersman bedanken voor zijn motiveren en zijn begeleiding. Ook wil ik RES bedanken voor de medewerking. Meer bepaald wil ik de heren Walther Smets, Junior Smets en Mark Ceenaeme bedanken voor het verschaffen van gedetailleerde informatie betreffende het muntsysteem en zijn werking. In het bijzonder wil ik Jasmien De Winne bedanken. Zonder haar uitvoerig advies en grondige begeleiding doorheen het hele proces was het veel moeilijker geweest om tot dit resultaat te komen.

I

II

Inhoud Woord vooraf ........................................................................................................................................... I Gebruikte afkortingen ............................................................................................................................ IV Lijst van tabellen...................................................................................................................................... V Lijst van figuren ...................................................................................................................................... VI 1.

Algemene inleiding .......................................................................................................................... 1

2.

De impact van een complementaire munt op de economie: theoretische studie ......................... 2 2.1.

Inleiding ................................................................................................................................... 2

2.2.

Definities en literatuuroverzicht ............................................................................................. 3

2.3.

De RES...................................................................................................................................... 5

2.4.

De opkomst van complementaire munten ............................................................................. 7

2.5.

Economische effecten: literatuur betreffende complementaire munten .............................. 9

2.5.1.

Lokale economie.............................................................................................................. 9

2.5.2.

Contra-cyclisch effect .................................................................................................... 10

2.6.

2.6.1.

Optimale-muntzonetheorie .......................................................................................... 12

2.6.2.

Effecten op handel ........................................................................................................ 13

2.7. 3.

4.

Economische effecten: andere literatuur ............................................................................. 12

Conclusie ............................................................................................................................... 15

De impact van een complementaire munt op de economie: empirische studie .......................... 16 3.1.

Inleiding ................................................................................................................................. 16

3.2.

Database ................................................................................................................................ 16

3.3.

Onderzoeksmethodiek .......................................................................................................... 21

3.4.

Resultaten.............................................................................................................................. 26

3.4.1.

Aantal gepresteerde uren ............................................................................................. 26

3.4.2.

Bedrijfswinst .................................................................................................................. 40

3.5.

Conclusie ............................................................................................................................... 49

3.6.

Beperkingen........................................................................................................................... 50

Algemeen besluit ........................................................................................................................... 51

Geraadpleegde werken ............................................................................................................................ I Bijlage A: Sectorale regressies en Hausman testen (aantal gepresteerde uren) ................................... III Bijlage B: Provinciale regressies en Hausman testen (aantal gepresteerde uren)............................. XVIII Bijlage C: Sectorale regressies en Hausman testen (aantal gepresteerde uren) ............................ XXXVII Bijlage D: Provinciale regressies en Hausman testen (bedrijfswinst) ................................................ XLIV III

Gebruikte afkortingen B2B C2B BBP EMU LETS Kmo NGO

Business-to-business (Bedrijven-aan-bedrijven) Consumer-to-business (Consument-aan-bedrijven) Bruto Binnenlands Product Europese Monetaire Unie Local exchange trading system Kleine of middelgrote onderneming Niet-Gouvernementele Organisatie

IV

Lijst van tabellen Tabel 1: Eerste klantennummer per jaar 19 Tabel 2: Algemene random effects regressie (aantal gepresteerde uren) 27 Tabel 3: Hausman test bij de algemene random effects regressie (aantal gepresteerde uren) 28 Tabel 4: random effects regressie voor alle opgenomen restaurants (aantal gepresteerde uren) 29 Tabel 5: Hausman test bij random effects regressie voor alle opgenomen restaurants (aantal gepresteerde uren) 29 Tabel 6: random effects regressie voor alle opgenomen restaurants, uitgezonderd Henegouwen (aantal gepresteerde uren) 30 Tabel 7: Hausman test bij random effects regressie voor alle opgenomen restaurants, uitgezonderd Henegouwen (aantal gepresteerde uren) 31 Tabel 8: eerste random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) 31 Tabel 9: Hausman test bij eerste random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) 32 Tabel 10: Hausman test bij tweede random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) 32 Tabel 11: fixed effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) 33 Tabel 12: random effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) 33 Tabel 13: Hausman test bij random effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) 34 Tabel 14: fixed effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) 34 Tabel 15: eerste random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) 35 Tabel 16: Hausman test bij eerste random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) 35 Tabel 17: tweede random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) 36 Tabel 18: Hausman test bij tweede random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) 36 Tabel 19: fixed effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) 37 Tabel 20: overzicht van random effects regressies per provincie (aantal gepresteerde uren) 37 Tabel 21: overzicht van random effects regressies per provincie, enkel restaurants (aantal gepresteerde uren) 39 Tabel 22: overzicht van fixed effects regressies per provincie, enkel restaurants (aantal gepresteerde uren) 39 Tabel 23: Algemene random effects regressie (bedrijfswinst) 40 Tabel 24: Hausman test bij algemene random effects regressie (bedrijfswinst) 42 Tabel 25: random effects regressie voor alle opgenomen restaurants (bedrijfswinst) 42 Tabel 26: Hausman test bij random effects regressie voor alle opgenomen restaurants (bedrijfswinst) 43 Tabel 27: fixed effects regressie voor alle opgenomen restaurants (bedrijfswinst) 43 Tabel 28: eerste random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) 44 Tabel 29: Hausman test bij eerste random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) 45 Tabel 30: tweede random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) 45 Tabel 31: Hausman test bij tweede random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) 45 Tabel 32: fixed effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) 46 Tabel 33: overzicht van random effects regressies per provincie (bedrijfswinst) 47 Tabel 34: overzicht van random effects regressies per provincie, enkel restaurants (bedrijfswinst) 47 Tabel 35: overzicht van fixed effects regressies per provincie, enkel restaurants (bedrijfswinst) 48

V

Lijst van figuren Figuur 1: Sectoren waarin RES lidbedrijven heeft. Eigen geaggregeerd overzicht. Figuur 2: Lidmaatschap bij RES per provincie. Figuur 3: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Restaurants) Figuur 4: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Beddenverkopers) Figuur 5: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Bloemenwinkels) Figuur 6: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Opticiens) Figuur 7: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Restaurants) Figuur 8: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Beddenverkopers) Figuur 9: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Bloemenwinkels) Figuur 10: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Opticiens)

VI

17 18 23 23 24 24 25 25 26 26

1. Algemene inleiding De laatste jaren zien we over de hele wereld een grote verscheidenheid aan parallelle munten opduiken. Deze parallelle munten, ook wel complementaire munten genoemd, zijn even divers als talrijk. Wel hebben ze gemeenschappelijk dat het muntsystemen zijn die naast de officiële munteenheden opereren, zonder de bedoeling te hebben deze te vervangen. Deze muntsystemen worden ook steeds prominenter in de media. Zo haalt Bitcoin op 18 december 2013 de wereldpers omwille van een plotse halvering van zijn waarde (Hern, 2013). Bijgevolg duiken overal verschillende analyses op over deze ondertussen bekendste parallelle munt. Naast nieuws over deze vrije, ongereguleerde munt verschijnen ook steeds meer berichten over andere eerder lokale, parallelle munten. In de Gentse Rabotwijk blijken de lokale Torekes erg populair (Herman, 2011). Eind 2014 zal er in Nantes een eigen, lokale munt “SoNantes” geïntroduceerd worden (Dumas, 2014). In Italië spreekt de leider van de regionalistische partij Lega Nord om ook voor heel NoordItalië een parallelle munt in te voeren (Frye, 2013). Niet enkel de recente media-aandacht betreffende parallelle munten toont de proliferatie ervan. Ook officieuze databases en verschillende auteurs bevestigen de groei van deze muntsystemen (Groppa, 2013; Pfajfar, 2012). Om deze reden is het zeker belangrijk na te gaan welke effecten dergelijke muntsystemen kunnen hebben op de economie. Dit proefschrift behandelt deze complementaire muntsystemen. Meer specifiek wordt nagegaan wat het effect van een complementair muntsysteem kan zijn op de regionale, nationale en internationale economie. Hierbij is er een focus op de in Leuven gebaseerde munt RES. Dit is een munt die als doel heeft de lokale handelaren te ondersteunen. Hierdoor is RES vergelijkbaar met verschillende muntsystemen die zich ontpoppen in Europa sinds de eurocrisis. Het proefschrift valt uiteen in twee luiken. In een eerste luik wordt het fenomeen van complementaire munten theoretisch en macro-economisch benaderd. Het tweede luik is een eigen empirische studie over RES, waar naar micro-economische effecten gepeild wordt. Het eerst luik begint met een overzicht van de gebruikte definities en van de wetenschappelijke literatuur betreffende complementaire muntsystemen. Daarna gaan we dieper in op de classificatie van complementaire munten en de werking van de RES. Vervolgens gaan we na waarom deze complementaire muntsystemen vandaag opkomen, met aandacht voor voorbeelden uit de geschiedenis. Nadien zullen we aan de hand van wetenschappelijk-economische literatuur kijken naar de effecten die complementaire munten hebben op de economie. Er wordt uitgegaan van een 1

theoretische situatie waarbij er in een bepaalde regio binnen een muntzone een complementaire munt, zoals de RES, intensief gebruikt wordt parallel met de officiële munteenheid. Als eerste bekijken we literatuur die complementaire munten als onderwerp heeft. Naast lokale effecten bespreekt deze literatuur de mogelijk stabiliserende functie van een dergelijke munt op macroeconomisch vlak. Tot slot bekijken we de vooropgestelde theoretische situatie met behulp van wetenschappelijk-economische literatuur die complementaire munten niet expliciet behandelen. We focussen op optimale-muntzonetheorie en bekijken complementaire munten vanuit het perspectief van internationale handel. Het tweede luik is een eigen empirische studie over RES aan de hand van een panel data analyse, waarin naar micro-economische effecten gepeild wordt. We beginnen met uiteen te zetten hoe de gebruikte database samengesteld is en waarom bepaalde keuzes hierbij gemaakt zijn. Nadien wordt er een overzicht gegeven van welke bedrijven uit welke sectoren lid zijn van het muntsysteem. Vervolgens gaan we in op de onderzoeksmethodiek van het onderzoek. Het empirisch onderzoek zelf gebeurde volledig via EViews 8 en peilt naar de effecten van lidmaatschap bij RES op het aantal gepresteerde uren en de bedrijfswinst van de lidbedrijven. Dit onderzoeken we via algemene, provinciale en sectorale regressies. Na een conclusie over het empirisch onderzoek, worden de beperkingen ervan besproken. Het proefschrift wordt afgesloten met een algemeen besluit dat beide luiken concludeert.

2. De impact van een complementaire munt op de economie: theoretische studie 2.1.

Inleiding

Zoals in de algemene inleiding reeds aangehaald werd, bestaat dit proefschrift uit twee luiken. In dit eerste luik behandel ik theoretisch hoe het invoeren van een regionale complementaire munt als RES, naast de officiële munteenheid, de economie in die regio kan beïnvloeden. De theoretische studie begint met een overzicht van de gebruikte definities en literatuur. Na deze algemene situering gaan we in op de complementaire munt RES. Dit zal gebeuren via een vergelijking met andere muntsystemen en een gedetailleerde beschrijving van de van het systeem. Vervolgens wordt beschreven waarom complementaire muntsystemen opkomen, om zo al een zicht te kunnen hebben op de mogelijke effecten op de economie. Nadien wordt er nagegaan welke economische effecten van complementaire munten reeds waargenomen, beschreven een verwacht werden in de wetenschappelijk-economische literatuur. Hiernaast behandelen we ook andere wetenschappelijk-

2

economische literatuur die een licht kan schijnen op de effecten die complementaire muntsystemen hebben. Er wordt geëindigd met een korte conlusie.

2.2.

Definities en literatuuroverzicht

Alles samen beschouwd, is er nog niet zoveel geschreven over alternatieve muntsystemen. Het grootste deel van de economische literatuur hieromtrent is ook erg recent. Hierdoor bestaat er nog geen algemeen begrippenkader en worden verschillende benamingen voor alternatieve munten door elkaar gebruikt. Om de verwarring weg te werken die de literatuur soms veroorzaakt, zal in dit proefschrift een eigen begrippenkader gebruikt worden. In de volgende alinea wordt er toelichting gegeven bij dit begrippenkader. Daarna gaat dit onderdeel verder met een literatuuroverzicht. In dit proefschrift worden de termen alternatieve, parallelle, complementaire en lokale munten1 gebruikt. Echter, deze worden niet gezien als synoniemen. Alternatieve munt is de breedste verzamelnaam voor niet-officiële munten. Dit gaat van munten uitgegeven door lokale overheden met enkel een sociaal doel tot volledig private munten met een winstoogmerk. Deze munten verschillen van parallelle munten in de zin dat alternatieve munten niet noodzakelijkerwijs parallel met de officiële munteenheid hoeven te werken. Zo kunnen alternatieve munten ook als volledig substituut dienen voor de officiële munteenheid, zoals we gezien hebben in België tijdens de Tweede Wereldoorlog (infra p. 7). Parallelle munten worden dus steeds gebruikt naast de officiële munteenheid. Hiermee verschillen ze niet veel van complementaire munten. Deze laatste dienen werkelijk als complement op de officiële munteenheid en hebben zo ook vaak een sociaal doel. Ze trachten de economie bij te sturen op een manier die met de officiële munteenheid niet onmiddellijk mogelijk is. Zo kan er bijvoorbeeld een complementaire munt bestaan die milieuvriendelijke consumptie stimuleert. De Bitcoin kunnen we zien als een parallelle munt die geen complementaire munt is. Deze munt wordt naast de officiële munteenheden gebruikt, maar kent verder een losse structuur dat geen sociaal of ecologisch doel kent. Als laatste kunnen we nog de lokale munt onderscheiden, wat een soort complementaire munt is. Hiermee worden kleinschalige munten bedoeld die een heel specifiek doel hebben, zoals de Gentse Torekes. Dit is anders dan complementaire munten als de RES of de Zwitserse WIR, die grootschaliger zijn. Dit proefschrift zal deze definities consequent gebruiken. In de vorige alinea hebben we de definities die voorkomen in de literatuur over alternatieve munten toegelicht en in een begrippenkader gegoten. In wat volgt zullen ook de verschillende invalshoeken 1

Dit is een vrije vertaling van community currency uit de Engelstalige economische literatuur. Sommige auteurs maken wel een onderscheid tussen community currency en local currency. De eerste staat dan ten dienste van de gemeenschap, terwijl de tweede enkel een erg kleinschalige munt is. De Torekes zouden zou bijvoorbeeld in beide categorieën passen.

3

die voorkomen in dezelfde literatuur op een gestructureerde manier toelicht worden. Dit doen we om een inzicht te krijgen in de huidige stand van het onderzoek. De oudste bronnen die ik gevonden heb betreffende alternatieve muntsystemen dateren van de jaren ’30. Dit zijn historische werken en geven vooral beschrijvingen van waar, wanneer en waarom deze alternatieve munten opduiken. In 1974 schreef Nobelprijswinnaar Friedrich Hayek het boek Denationalization of Money (Hayek, 1990). In dat boek pleit hij voor een afschaffing van het monopolie van de monetaire overheid op de uitgifte van geld. Volgens hem kent de geldmonopolie dezelfde kwalen als elke andere monopolie. Hij ziet een competitie van verschillende munten, uitgegeven door private instanties, als een veel betere optie. Zo kan elke rationale actor zelf bepalen welke munt hem het interessants lijkt te gebruiken, terwijl in het huidige systeem de munt wordt opgelegd aan de markt. Deze invalshoek wordt in dit proefschrift echter in mindere mate behandeld. De onderzoeksvraag van dit proefschrift draait rond complementaire munten, zijnde munten die als complement werken ten opzichte van de officiële munteenheid. Dit terwijl Hayek het heeft over alternatieve vormen van gelduitgifte die de bestaande uitgifte van een officiële munteenheid zouden moeten vervangen. De meeste economische werken over alternatieve munten zijn eerder recent en gaan gepaard met de actuele opkomst van deze munten. De meeste bronnen zijn pas na 2000 of zelfs 2010 geschreven. Veel van deze economische werken zijn te vinden in de International Journal for Community Currency Research (Internationaal Tijdschrift voor Onderzoek naar Lokale Munten). Deze werken variëren van theoretische benaderingen tot louter empirisch onderzoek naar economische effecten van complementaire muntsystemen. Andere studies geven enkel een overzicht van welke soorten complementaire munten er bestaan en hoe die te classificeren vallen. Veel van deze werken kunnen we gebruiken voor deze literatuurstudie. Ook over het gedecentraliseerde en vrij populaire LETSsysteem zijn er een aantal artikels geschreven (Schraven, 2000). Dergelijke systemen zijn eerder kleinschalig en hun gedecentraliseerde werking maakt het een minder interessante munt voor dit onderzoek. Een van de belangrijkste voorvechters van en auteurs wetenschappelijke werken over complementaire muntsystemen is Bernard Lietaer. Hij ziet complementaire muntsystemen als een ideaal middel om de hedendaagse sociaaleconomische en ecologische uitdagingen aan te pakken (Lietaer e.a., 2012). Het huidig monetair systeem, gebaseerd op bankschuldgeld, ziet hij als instabiel en niet duurzaam.

4

Gezien de vooral recente opkomst van literatuur omtrent alternatieve en complementaire muntsystemen, zijn er nog relevante economische domeinen waar er weinig over geschreven is. Vooral het gebruik van regionale, complementaire munten binnen de eurozone is niet veel onderzocht. Toch blijkt vandaag, zoals in de algemene inleiding beschreven, dat steeds meer regio’s en steden binnen de eurozone denken aan een eigen complementaire munt. Dit kan potentieel aanzienlijke gevolgen hebben op de eurozone. In dit licht zal deze masterproef ook de effecten van complementaire munten op handel binnen een muntzone en op de muntzone zelf theoretisch bespreken. Dit zal hoofdzakelijk gebeuren op basis van optimale-muntzonetheorie.

2.3.

De RES

Er zijn vandaag meer dan 5000 complementaire muntsystemen over heel de wereld in gebruik (Martignoni, 2012). Deze muntsystemen variëren sterk in hun werking, openheid en doelstellingen. Zo kennen we in Gent de Torekes; dit is een erg gesloten muntsysteem (beperkt tot de Rabotwijk te Gent) dat van de overheid uitgaat en een sociaal doel heeft. Aan de andere kant zien we de Bitcoin ook vaak verschijnen in de actualiteit. Dit is een heel open, internationale, private munt zonder expliciete sociale doelstellingen. Omwille van deze variatie is het belangrijk bij een theoretische studie over de impact van een complementaire munt op de regionale, nationale en internationale economie ook aan te geven over welke soort complementaire munten het gaat. Deze studie behandelt een theoretische situatie waarin een complementair muntsysteem zoals de RES in een belangrijke mate deel uitmaakt van de economie. De RES is een private en commerciële munt. De muntcentrale heeft dus een winstoogmerk. Het heeft echter ook een sociaal doel, in die zin dat de munt de lokale handelaar wil ondersteunen en dat bijgevolg enkel lokale kmo’s lidbedrijf kunnen worden van het systeem. Indien we de classificatie van complementaire munten van Kennedy en Lietaer zoals weergegeven door Martignoni volgen, is de RES een volledige elektronisch, complementair betalingsmiddel dat door de euro gedekt wordt (Martignoni, 2012). Het heeft een commercieel doel en een winstoogmerk. De munt kan zowel door particulieren als bedrijven gebruikt worden. Het werkt dus zowel C2B als B2B. In de volgende alinea’s volgt een uitgebreide beschrijving van de werking van RES. RES is een verzameling van rekeningen, die allen in de RES munt bijgehouden worden (Gesprek met de heren Smets & Smets, 23 oktober 2013, Leuven). Deze rekeningen hebben positieve of negatieve saldo’s. De som van alle rekeningen is in principe nul. De munt wordt gedekt door euro’s, waarbij de waarde van 1 RES gelijk staat aan 1 euro.

5

Oorspronkelijk bestond de RES enkel als B2B munt en was het een systeem van mutual credit. De muntcentrale voorzag en voorziet nog steeds gratis krediet voor lidbedrijven. Dit krediet kan dan gebruikt worden om te handelen met andere lidbedrijven. Vandaag kan de RES munt ook geïntroduceerd worden via particulieren, die met euro’s RES kunnen kopen. Dit kan voordelig voor hen zijn, aangezien zij meer RES ontvangen dan dat ze euro’s betalen. Zo krijgen particulieren standaard 110% RES voor de euro’s die ze betalen. Op sommige dagen zijn er extra promoties waar er tot 150% en zelfs 200% RES ontvangen wordt. De afweging die de particulieren hierbij moeten maken is of ze de extra RES die ze krijgen voor hun euro’s waardevol genoeg vinden. De waarde van 1 RES mag dan wel gelijk staan aan 1 euro, het aantal aanwendingen van de munt is veel beperkter. RES kan namelijk enkel gebruikt worden bij bedrijven die lid zijn van het systeem, zijnde lokale handelaren. De lokale handelaren die RES ontvangen van particulieren kunnen dit gebruiken om te handelen met andere lidbedrijven. Op deze manier blijft RES in omloop. Particulieren introduceren de munt bij de lokale handelaren. Deze laatste handelen dan onder elkaar in de munt. Ook via krediet in RES wordt de munt geïntroduceerd. Zo is het muntsysteem volledig onafhankelijk van externe spelers. Dit in tegenstelling tot bijvoorbeeld de Torekes, waar de handelaren die de complementaire munt ontvangen deze kunnen inwisselen tegen euro’s bij de muntcentrale. Deze inwisseling wordt daar betaald door de Vlaamse overheid. RES kan niet terug omgewisseld worden tegen euro’s. De muntcentrale, het bedrijf achter RES, kent een winstoogmerk. Zij ontvangen inkomsten op twee manieren. Ten eerste betalen de lidbedrijven een commissie van 3,5% op het RES-gedeelte van een betaling. Bijvoorbeeld, indien een bedrijf een verkoopfactuur heeft van 500 euro, waarvan de klant 250 euro in RES heeft betaald, zal dat bedrijf een commissie betalen aan RES van 8,75 euro (3,5% van 250 euro). Ten tweede betalen de lidbedrijven een jaarlijkse bijdrage van 75 euro en 75 RES. Deze extra kosten voor de lidbedrijven zouden echter meer dan goed gemaakt worden door de uitbreiding van het cliënteel, de toegang tot gratis krediet in RES, de mogelijkheid tot handelen met andere lidbedrijven in RES en een mogelijkheid tot het gratis promoten van acties op de webshop van de muntcentrale. Het verschaffen van gratis krediet aan bedrijven en het bieden van mooie promoties voor particulieren heeft een kostenplaatje. Deze kosten worden gedekt door het hele systeem zelf. In de verzameling van rekeningen die RES is, zit namelijk ook een rekening van de muntcentrale zelf. Deze rekening zal heel vaak negatief staan, aangezien het de promoties en het uitgegeven krediet financiert. Hoe negatief deze rekening zal staan, kan het vertrouwen in de RES bepalen. Als deze rekening te negatief staat (als er teveel promoties werden gegeven of teveel krediet uitgeleend), 6

zouden de lidbedrijven de waarde van de RES in vraag kunnen stellen, waarschijnlijk omdat ze de dekking van de munt onvoldoende vinden. Handelaren zouden dan meer RES vragen voor hun producten dan dat ze euro’s vragen en de munt inflateert bijgevolg. Mogelijks verliezen ze ook compleet het vertrouwen in de munt, waardoor het systeem zou imploderen. Het kernbegrip bij deze munt is, net als bij elke andere munt, vertrouwen.

2.4.

De opkomst van complementaire munten

Zoals in de algemene inleiding vermeld werd, zien we de voorbije decennia een proliferatie van complementaire muntsystemen. Nagaan hoe dit komt, kan een interessant inzicht bieden op de werking en de effecten van deze munten. Historisch gezien bleken alternatieve munten vooral op te komen wanneer de officiële munteenheid in de regio er niet in slaagde alle functies van het geld succesvol te vervullen (Pfajfar, Sgro, & Wagner, 2012). Zo gingen in de jaren twintig in het Duitse Weimarrepubliek verschillende instanties, private firma’s en lokale overheden, eigen munten uitgeven die dienden als betalingsmiddel (Bresciani-Turroni, 1937). Dit omdat de Mark toen leed aan hyperinflatie en niet betrouwbaar genoeg was om te gebruiken. Een dergelijk systeem van noodgeld vinden we ook terug in België tijdens de Eerste Wereldoorlog (Museum van de Nationale Bank van België, 2013). Toen de officiële munteenheid erg schaars werd, namen een 600-tal gemeentebesturen en een 100-tal private entiteiten een toevlucht tot de uitgifte van noodgeld. Een ander voorbeeld speelt zich af in de najaren van de Franse Revolutie. In 1790 werd de papieren Franc een aantal keer gedevalueerd, waardoor de bevolking weer oude gouden en zilveren munten ging gebruiken als betalingsmiddel (White, 1933). Dit zelfs ondanks dat er zware boetes stonden op het weigeren van het papieren geld. Bij herhaaldelijk weigeren kon men zelfs in de gevangenis belanden. Ook in de VS tijdens de Grote Depressie van de jaren ’30 zien we een proliferatie van private munten, ook wel scrips genoemd (Colacelli & Blackburn, 2009). Deze werden uitgegeven door allerhande instanties; bedrijven, ngo’s, gemeentelijke overheden en lokale marktplaatsen. Ook hier dienden die verschillende scrips wel degelijk als substituut voor de dollar. Dit omdat dollars heel moeilijk te verkrijgen waren tijdens de Grote Depressie. De scrips waren net als het noodgeld in België en Duitsland een verzamelnaam voor uiteenlopende muntsystemen. Recenter zien we alternatieve munten ook onder andere omstandigheden opkomen. Bij diepe crises komen er nog steeds muntsystemen op als substituut voor de officiële munteenheid, zoals in Argentinië in 2002 (Colacelli & Blackburn, 2009). Maar daarnaast zien we de laatste decennia ook een opkomst van munten die veeleer als complement dienen voor de officiële munteenheid. Hiervoor kijken we naar de cross-country regressieanalyse van Pfajfar e.a. die op verschillende manieren tracht 7

na te gaan in welke omstandigheden complementaire muntsystemen vooral opkomen (Pfajfar e.a., 2012). Hun onderzoek behandelt 76 landen, waarvan 31 landen ten minste één complementaire munt in gebruik kennen. Ze komen tot drie hoofdbevindingen. Ten eerste vinden ze dat hoe stabieler een land op monetair vlak is, hoe waarschijnlijker het is dat een complementaire munt opgenomen zal worden. Deze monetaire stabiliteit meten ze aan de hand van drie variabelen: de volatiliteit van inflatie, de inflatie zelf en de geldgroei als proxy voor inflatie. Bij alle drie de variabelen vinden ze een negatief en significant effect op de waarschijnlijkheid dat een complementaire munt zal opgenomen worden. Dit impliceert dus dat complementaire munten beter aarden in een stabiele omgeving. Deze bevinding wordt ook elders in hun onderzoek bevestigd, wanneer ze een significante negatieve correlatie zien tussen volatiliteit van BBP-groei met de waarschijnlijkheid dat een complementaire munt zal opgenomen worden. Ten tweede zien ze dat hoe sterker de financiële sector ontwikkeld is, hoe meer complementaire munten in gebruik zullen zijn in een land. Ten derde valt het op dat de economische welvaart in een land, gemeten aan de hand van BBP per capita en de stabiliteit van het BBP, positief gecorreleerd is met het aantal complementaire munten dat in gebruik is in dat land. In tegenstelling tot de historische voorbeelden van alternatieve munten die we in een vorige alinea hebben aangehaald, is het vandaag niet zo dat hoe slechter de officiële munteenheid zijn functies vervuld, hoe meer alternatieve munten er opkomen. Integendeel, wanneer een land monetair stabiel is, welvarend is en een uitgebreid financieel netwerk kent, zal het veel eerder een complementair muntsysteem opnemen. Deze bevindingen wijzen erop dat alternatieve munten vandaag wel degelijk als complement dienen voor de officiële munteenheid en dus veel minder als substituut. Desalniettemin is zo dat er een contra-cyclisch effect bestaat (Pfajfar e.a., 2012). Een complementaire munt zal actiever zijn wanneer er sprake is van een economische recessie. Dit effect wordt ook in een uitgebreid onderzoek naar de Zwitserse WIR bevestigd (Stodder, 2009). Maar het is niet zo dat een alternatieve munt vandaag pas gebruikt wordt wanneer het nationale monetaire systeem keldert of erg onstabiel wordt. Dit contra-cyclische effect wordt in het volgende hoofdstuk verder besproken. Een van de redenen waarom alternatieve muntsystemen vandaag ook als complement worden gebruikt, zou de opkomst van ICT kunnen zijn (Groppa, 2013). Dankzij de ICT is het namelijk veel gemakkelijker en vooral goedkoper om dergelijke systemen op te zetten. Ook hierdoor zullen complementaire muntsystemen dus opgezet worden zonder dat er een absolute noodzaak aan is wegens een economische depressie of wegens oorlog. Dit zien we onder andere in Japan, waar er tegen 2003 meer dan 600 complementaire muntsystemen bestonden (Lietaer, 2004). Die muntsystemen zijn ontworpen om te dienen als complement, naast de officiële munt. Het is weliswaar zo dat de Japanse economische recessie en de onsuccesvolle relanceringspogingen van de 8

Japanse overheid vanaf de jaren 90 een belangrijke boost hebben gegeven aan de proliferatie van complementaire muntsystemen. Desondanks blijkt uit de praktijk dat deze systemen niet als doel hebben de officiële munteenheid te vervangen vanwege een dringende noodzakelijkheid. Ze dienen veel specifiekere doelen, die bovendien ook erg variëren. Dit is niet alleen zo in Japan maar ook elders in de wereld. Deze doelen zijn onder andere het toegankelijker maken van educatie, het aanzetten tot gezondere levensstijl of het bevoordelen van milieuvriendelijke productie (Lietaer e.a., 2012). Vele systemen trachten ook de kleine, lokale economie te ondersteunen, zoals de RES. Ook uit de werking van de RES blijkt een complementair karakter. Zo zijn bedrijven toegestaan om zelf te beslissen hoeveel procent van de factuur particulieren of andere bedrijven mogen betalen in RES. Dat kan 100% zijn, maar dat mag ook 50% of minder zijn. We kunnen dus concluderen dat alternatieve muntsystemen enerzijds als substituut-betalingsmiddel opkomen in een regio omdat de officiële munt in die regio schaars of onstabiel is door een diepe economische depressie. Anderzijds komen alternatieve muntsystemen op als complement op de officiële munteenheid, weliswaar vaak geruggensteund door een recessie maar met specifiekere en vaak kleinschaligere doelen dan het (tijdelijk) vervangen van de officiële munt als betalingsmiddel. De recente opkomst van parallelle muntsystemen valt eerder onder deze laatste categorie van complementaire munten. Ook het muntsysteem dat in dit onderzoek wordt behandeld, de RES, behoort tot deze categorie.

2.5.

Economische effecten: literatuur betreffende complementaire munten

Het doel van deze studie is via literatuuronderzoek nagaan wat het effect is van een complementaire munt, zoals de RES, op de economie. Dit indien de RES binnen een regio (bijvoorbeeld Vlaanderen of België) op nog veel grotere schaal naast de euro zou gebruikt worden dan vandaag het geval is. Hiervoor zal in dit hoofdstuk literatuur over complementaire munten behandeld worden. In het volgend hoofdstuk bekijken we literatuur die complementaire munten niet specifiek als onderwerp hebben, maar wel een relevante invalshoek daarop kan bieden. Beide hoofdstukken zijn verder onderverdeeld volgens economische effecten. 2.5.1. Lokale economie Een complementaire munt als RES heeft als doel de lokale economie te ondersteunen. In het vorig hoofdstuk hebben we gezien dat historisch gezien alternatieve muntsystemen eerder lokaal ontspruiten om aan lokale noden te voldoen. Ook vandaag zien we heel wat kleinschalige lokale muntsystemen met specifieke doelen ontstaan. Zo kent Japan tal van lokale munten met uiteenlopende lokale doelstellingen, bijvoorbeeld: bevorderen van bejaardenhulp, promoten van 9

vrijwilligerswerk bij de opkuis na een natuurramp, het verbeteren van de milieukwaliteit van het Biwa-meer, enzovoort (Lietaer, 2004). In de Toronto bestaat al enkele jaren een complementaire munt, de Toronto Dollar, dat in het teken staat van het verbeteren van het leefmilieu in de St. Lawrence wijk (Greco, 2001). Dit is gelijkaardig aan de eerder vermelde Torekes die hetzelfde willen bereiken in de Gentse Rabotwijk (Lietaer e.a., 2012). In dit onderdeel ga ik na welke lokale economische effecten een complementair muntsysteem kan hebben. Naast deze specifieke lokale effecten die complementaire munten vanuit hun architectuur en hun doelstellingen kunnen hebben, zou er ook sprake kunnen zijn van een effect op de lokale uitgaven. Een complementaire munt in omloop zal volgens Groppa de lokale uitgaven doen toenemen (Groppa, 2013). Er zijn namelijk weinig beweegredenen voor consumenten om een complementaire munt op te sparen. Dit is zeker zo wanneer we het hebben over een complementaire munt als de RES. Het sparen van je munt levert je geen interest op, de waarde van de munt is volledig gekoppeld aan de euro en er bestaat geen overheidsgarantie die jou kan verzekeren dat de munt op lange termijn nog zal bestaan. Particulieren en bedrijven die RES in handen hebben zullen dus veeleer geneigd zijn die uit te geven dan dat dat het geval zou zijn met euro’s. Deze stijging in lokale uitgaven zou volgens Groppa op zijn beurt dan ook zorgen voor een stijging van de lokale werkgelegenheid. Dit zullen we nagaan in het tweede, empirische luik, waar we de effecten van lidmaatschap bij RES op het aantal gepresteerde uren van de lidbedrijven onderzoeken. We moeten ons ook bewust blijven in hoeverre deze stijging in uitgaven reëel zou zijn. Mogelijks vervangt een uitgave in RES gewoon een uitgave in euro. In die zin dat iemand speciaal RES aankoopt om een aankoop te doen die hij anders in euro zou doen. Wel is het zo dat een munt als RES, die enkel kan uitgegeven worden bij lokale handelaren, er voor zou kunnen zorgen dat de uitgaven lokaal stijgen. Zelfs indien mensen pas RES aankopen met het oog op een uitgave, dan nog zal deze uitgave enkel lokaal kunnen gebeuren. Met RES kan een particulier geen uitgave doen bij een multinational of een keten. Groppa geeft ook aan dat de stijging in uitgaven zich enkel lokaal zal manifesteren (Groppa, 2013). 2.5.2. Contra-cyclisch effect Naast lokale effecten zoals hierboven besproken, is het ook interessant de mogelijke stabiliserende effecten van een complementaire munt te bespreken. Het idee hierachter is dat wanneer de officiële munteenheid tijdelijk schaars wordt, zoals in tijden van laagconjunctuur, deze schaarste opgevangen kan worden door een complementair muntsysteem. Zeker voor kleine ondernemingen kan dit een belangrijk gegeven zijn. Zo zien we ook tijdens de laatste economische crisis dat banken vanuit wantrouwen eerder weigerachtig staan tegenover het verlenen van krediet aan kleine 10

ondernemingen. Uitgebreide mutual credit systemen, zoals de RES ook is, kunnen deze kredietverlening dan tijdelijk en deels opvangen. Zeker interessant hierbij is het onderzoek van Stodder omtrent de Zwitserse WIR (Stodder, 2009). Stodder beschrijft de WIR als een interestloze, gecentraliseerde B2B-munt die vooral werkt als betalingsmiddel, dit in tegenstelling tot bijvoorbeeld gedecentraliseerde munten zoals het LETS systeem. Martignoni beschrijft de WIR op een gelijkaardige manier in zijn classificatie van complementaire munten (Martignoni, 2012). Hij schrijft ook dat de WIR bestaat sinds 1934 en vandaag de grootste complementaire munt ter wereld is. Hierdoor is die Zwitserse complementaire munt erg interessant voor deze theoretische analyse. Bovendien kent de RES een gelijkaardige werking als de WIR. De RES is ook een gecentraliseerde munt, kent interestloze leningen toe en werkt in grote mate als B2B-munt. Een belangrijk verschil is dat de RES ook een uitgebreide C2Bdimensie kent en dus ook op particulieren inspeelt. Stodder bewijst dat de WIR contra-cyclisch werkt en bovendien ook anti-deflatoir (Stodder, 2009). In tijden van economische recessie, wanneer individuelen en kleine bedrijven minder gemakkelijk aan krediet kunnen geraken, zal de WIR uitbreiden. Verder toont Stodder dat het WIR-systeem niet eigen hoeft te zijn aan Zwitserland. Het implementeren van een gecentraliseerde complementaire munt in een geavanceerde economie zal volgens hem steeds dezelfde stabiliserende effecten hebben. Dit wordt bevestigd door de eerder aangehaalde cross-country regressieanalyse van Pfajfar e.a. (Pfajfar e.a., 2012). Ook uit die studie bleek dat het gebruik van complementaire munten negatief gecorreleerd is met de economische groei. Wat weer wijst op het contra-cyclische karakter dat een complementaire munt aanneemt. Sommige auteurs gaan hierin verder. Zo linkt Bernard Lietaer de 425 systemische crises, die het IMF noteerde tussen 1970 en 2010, aan de structuur van het huidige monetaire systeem dat hij een monocultuur van bankschuldgeld noemt (Lietaer e.a., 2012). Hij ziet complementaire muntsystemen niet enkel als een handig contra-cyclisch instrument, maar ook als een manier om de systemische broosheid tegen te gaan die het monetaire en bancaire systeem volgens hem vandaag teisteren. Hierbij haalt hij Friedrich Hayek en zijn boek Denationalization of Money aan. Hayek ziet het huidig monetair systeem als een monopolie met dezelfde gebreken als alle monopolies (Hayek, 1990). Hayek pleit in zijn boek voor een competitie tussen verschillende muntsystemen. Volgens Lietaer gaat Hayek niet ver genoeg (Lietaer e.a., 2012). Daar waar Hayek pleit voor competitie tussen bankschuldmunten, wil Lietaer de deur ook open houden voor verschillende soorten muntsystemen die niet enkel op bankschulden gebaseerd zijn.

11

2.6.

Economische effecten: andere literatuur

Naast de economische effecten die behandeld worden in de literatuur over complementaire munten, is het ook relevant om andere economische effecten van complementaire muntsystemen te bekijken. Indien er in een economie een complementair muntsysteem gebruikt wordt, zal dit de muntzone beïnvloeden. Om dit te benaderen, kijken we naar optimale-muntzonetheorie. Dit zal gebeuren in een eerste onderdeel. Het tweede onderdeel kijkt naar de effecten op handel. 2.6.1. Optimale-muntzonetheorie Op het eerste zicht is het wat vreemd optimale-muntzonetheorie (optimal currency area theory) te gebruiken in een analyse over een economische regio waarbij meerdere muntsystemen gebruikt worden. Het idee van een optimale muntzone is namelijk dat het een economisch gebied is waar het optimaal is om een één-munt-regime te installeren (McKinnon, 1963). Desondanks kan het toch interessante perspectieven bieden. Eerst en vooral kunnen complementaire munten, via hun contracyclisch karakter zoals hierboven beschreven, een stabiliserende rol spelen bij asymmetrische schokken. Ten tweede bekijken we ook de monetaire risico’s die een complementair muntsysteem met zich meedraagt. Centraal bij optimale-muntzonetheorie staan asymmetrische schokken. Men spreekt van een asymmetrische schok wanneer er binnen een muntzone de conjuncturen van twee verschillende regio’s zich ook verschillend gedragen. Dit is problematisch binnen een muntzone omdat een monetair beleid hier niet adequaat kan op reageren. Als de centrale bank bijvoorbeeld de rente verlaagt om een regio die negatief geraakt wordt door een asymmetrische schok te ondersteunen, zal ze tegelijkertijd ook zorgen voor ongewilde inflatie in een regio die niet of positief geraakt wordt door diezelfde schok. Hier kunnen lokale en gecentraliseerde complementaire munten eventueel verzachtend werken. Zoals eerder getoond, kent een gecentraliseerde complementaire munt een stabiliserend karakter in een geavanceerde economie (Stodder, 2009). Bij een asymmetrische schok kan de gemeenschappelijke monetaire overheid beslissen om niet in te grijpen. Kleine ondernemingen in de regio die door de asymmetrische schok in laagconjunctuur belandt, zullen dan door de ongewijzigde rente moeilijker aan krediet geraken in de officiële munteenheid. In dat geval kunnen kleine ondernemingen zich richten tot een lokale complementaire munt. Deze rol van complementaire muntsystemen valt eerder spontaan dan opzettelijk te interpreteren. Mits grondige screening van de muntcentrale is krediet in de complementaire munt steeds te verkrijgen, in hoogen laagconjunctuur. Echter, deze optie zal waarschijnlijk vooral gebruikt worden wanneer krediet in de officiële munteenheid veel moeilijker te verkrijgen valt, zoals in tijden van diepe recessie.

12

De belangrijkste opbrengsten van een één-munt-zone zijn hoofdzakelijk micro-economisch en zullen stijgen naarmate de muntzone groeit (Sørensen & Whitta-Jacobsen, 2010). Een van deze microeconomische voordelen in een één-munt-zone is het verminderen van kosten en risico ten aanzien van internationale transacties. Dankzij een gemeenschappelijke munt kunnen bedrijven met elkaar handelen over grenzen heen zonder daarbij rekening te moeten houden met een wisselkoers of met het risico dat de munt van je handelspartner zal devalueren. Een complementair muntsysteem zoals de RES zal hier ook weinig aan veranderen, gezien het enerzijds een vaste wisselkoers heeft ten opzichte van de officiële munteenheid en anderzijds een munt is waarin internationale of zelfs interregionale handel niet gebruikelijk is (infra p. 13). Er speelt wel een ander risico mee. Muntsystemen zoals de RES zijn niet door de overheid gegarandeerd. Daardoor bestaat er een risico dat het vertrouwen in de munt verloren raakt en het hele complementaire muntsysteem implodeert, met mogelijks grote verliezen tot gevolg. Hoewel de muntcentrale de vaste wisselkoers garandeert, heeft het beduidend minder slagkracht dan een centrale bank. Wel is het zo dat complementaire muntsystemen vaak veel kleiner zijn en dus ook beter te controleren. Deze controle is uitermate belangrijk, zeker als het muntsysteem ook krediet in zijn munt voorziet. Het risico van elke kredietverlening wordt namelijk gedragen door het hele muntsysteem. Het is dus erg belangrijk dat de beheerders van het complementaire muntsysteem competent zijn en dit ook uitstralen. 2.6.2. Effecten op handel Een munt als RES kan alleen gebruikt worden bij bedrijven die lid zijn van het muntsysteem. Enkel lokale kmo’s kunnen lid worden van het systeem2. Multinationale bedrijven worden niet toegelaten tot het muntsysteem. Dit maakt de RES in essentie protectionistisch. De oprichter van het muntsysteem erkent dit ook (Gesprek met de heren Smets & Smets, 23 oktober 2013, Leuven). Wanneer in verschillende regio’s in bijvoorbeeld de eurozone gelijkaardige complementaire muntsystemen ontspruiten, zou dat significante effecten kunnen hebben op de handel. Dit scenario is overigens niet onrealistisch. In februari 2013 opteerde de leider van de regionalistische NoordItaliaanse partij de Lega Nord nog voor een alternatieve munt voor Noord-Italië (Frye, 2013). Hij beweerde toen ook dat er in Europa reeds 13 gebieden zijn die een regionale, complementaire munt in omloop hadden.

2

Het is wel zo dat lokale kmo’s van verschillende regio’s lid kunnen worden. RES is bijvoorbeeld ook actief in Catalonië, Spanje. In principe kan een lidbedrijf uit Gent dus handelen in RES met een lidbedrijf uit Barcelona. In de praktijk gebeurt dit zelden. De handel in RES blijft meestal binnen de eigen regio. Ook kan de muntcentrale op elk moment interregionale handel in RES onmogelijk maken.

13

Over de oprichting van de eurozone en de effecten op die dit had op handel zijn er heel wat verhandelingen geschreven. Bij de oprichting van de eurozone wijzigde de situatie van een handelszone met verschillende, nationale munten naar een handelszone met één munt. In het hier behandelde theoretische scenario zouden er binnen de eurozone opnieuw verschillende, regionale munten ontstaan. Verschillende auteurs zien een één-munt-zone over landgrenzen heen als sterk bevorderlijk voor de handel. Zo anticiperen Rose en Wincoop dat landen die dezelfde munt gebruiken tot vier keer meer handelen met elkaar dan met andere landen. (Rose & Van Wincoop, 2001). Een ander onderzoek toont dat het effect van een gemeenschappelijke munt op handel alvast groter is dan enkel het verdwijnen van wisselkoersrisico’s (Rose, Lockwood & Quah, 2000). Deze bevindingen van Rose staan volgens een recentere bron nog steeds recht, zij het in minder grote mate dan aanvankelijk geschat (Frankel, 2008). Een gemeenschappelijke munt hebben, heeft een positief en significant effect op de handel dat groter blijkt dan verwacht. Dit wordt bevestigd in een panel data onderzoek naar de EMUlanden specifiek tussen 1992 en 2002 toont dat de bilaterale handel tussen eurolanden toeneemt na de oprichting van de muntzone (Micco, Stein, & Ordoñez, 2003). Ook recent onderzoek naar nieuwere lidstaten van de EMU, in dit geval Slovenië en Slovakije, vindt een toename in handel dankzij de Europese muntzone (Cieślik, Michałek, & Michałek, 2013). Verder worden buiten de eurozone gelijkaardige resultaten gevonden. Onderzoek in Sub-Sahara Afrika wijst ook op significant positieve effecten van een gemeenschappelijke munt op de bilaterale handel (Carrère, 2004). Er zijn echter belangrijke verschillen tussen complementaire muntsystemen als RES en verschillende nationale munteenheden. Zo werd de euro een compleet substituut van de nationale munten die voor de oprichting van de EMU gebruikt werden. Dit is niet het geval bij complementaire muntsystemen. Het idee blijft dat een complementair muntsysteem niet de bedoeling heeft de bestaande munt te vervangen. Deze muntsystemen dienen als parallelle munt, naast de gemeenschappelijke munt. Zo kunnen de positieve effecten op handel door een gemeenschappelijk munt blijven bestaan, maar misschien wel in beperktere vorm. Een ander belangrijk verschil is dat het protectionistische karakter van deze complementaire muntsystemen veel verder kan gaan dan dat van een nationale munt. Zo kon een Frans bedrijf in Leuven gerust handelen in Belgische Franken voor de euro bestond, terwijl complementaire muntsystemen er kunnen voor opteren dit tegen te werken. Als we bijvoorbeeld kijken naar RES, zien we dat enkel de muntcentrale bepaalt wie er gebruik kan maken van de munt. Dit kunnen ze opleggen omdat hun muntsysteem volledig elektronisch werkt. Er bestaat geen chartale RES. Om er gebruik van te kunnen maken moet je eerst toegelaten worden als lid van het systeem. Zo kunnen 14

complementaire munten werkelijk lokaal blijven. Dus daar een complementaire munt als RES veel kleinschaliger blijft dan een nationale munteenheid binnen een internationale vrijhandelszone, kan het een veel protectionistischer karakter aannemen. Dit moeten we echter niet overdrijven. Zelfs indien complementaire muntsystemen die barrière opleggen, dan nog blijft het doel vooral de kleine, lokale handelaren ondersteunen. Zo wordt de RES door kleine handelaren of winkels zoals kruidenierszaken, meubelzaken, kledingwinkels, bakkers, slagers, enzovoort vooral gebruikt als steun ten opzichte van de grote winkelketens. Ook nationale winkelketens worden niet toegelaten tot het muntsysteem. Voor detailhandelaars is de munt zo geen middel om hun markt uitsluitend af te schermen tegen internationale spelers maar eerder een middel om zichzelf een iets sterkere positie te geven ten opzicht van de nationale en internationale grote handelaars. Voor bedrijven die hoofdzakelijk met andere bedrijven handelen is de RES vooral een mutual credit systeem. Het is niet zo dat regeringen of grote nationale bedrijven met behulp van deze complementaire munt de lokale markt kunnen ommuren. Wel zou het kunnen dat in B2B-handel lokale bedrijven bevoordeeld worden omdat zij (eventueel deels) betaald kunnen worden in een complementaire munt, ondanks dat een niet-lokaal bedrijf en effectief lagere prijs biedt. Het is vooral hier dat de negatieve effecten van complementaire munten op handel zouden spelen. Deze spontane protectionistische reflex kan negatieve gevolgen hebben op de efficiëntie van de lokale ondernemingen.

2.7.

Conclusie

Wetenschappelijke literatuur die complementaire munten expliciet behandelt, heeft het vooral over de mogelijks positieve effecten van complementaire munten. Daar waar bepaalde auteurs spreken over eerder bescheiden positieve effecten op de lokale economie, spreken anderen van een revolutionair redmiddel voor de voorbije jaren van macro-economische volatiliteit en instabiliteit. De Zwitserse WIR wordt vaak gezien als een schoolvoorbeeld. Deze oudste en grootste complementaire munt toont significant positieve effecten op de Zwitserse economie met betrekking tot de macroeconomische stabiliteit. Wanneer we in een muntzone als de eurozone een veelheid aan complementaire, lokale munten als RES introduceren, zou dit zowel positieve als negatieve effecten kunnen hebben. Complementaire munten kunnen helpen met het spontaan opvangen van asymmetrische schokken waar een centrale bank het moeilijker mee heeft. Anderzijds kunnen complementaire munten een uiterst

15

protectionistische karakter aannemen en zo de vrije handel binnen een muntzone verstoren, waardoor ook de positieve effecten van vrije handel afgeremd worden.

3. De impact van een complementaire munt op de economie: empirische studie 3.1.

Inleiding

Zoals eerder aangehaald bestaat deze masterproef uit twee luiken. Het eerste en bovenstaande luik behandelde theoretisch en macro-economisch wat het effect van een complementair muntsysteem zoals de RES op de economie kan zijn. Dit luik, het tweede luik, is een empirische benadering van deze vraag. Ook hier staat de RES centraal. Met meer dan 5000 lidbedrijven3 en 100 000 particulieren met een RES betaalkaart is de in Leuven gebaseerde munt de grootste complementaire munt van België (RES, 2014). Dit maakt het een interessante complementaire munt om te onderzoeken. Dit luik behandelt eerst de samenstelling van de database die het empirisch onderzoek mogelijk maakte. Vervolgens wordt gehanteerde onderzoeksmethode toegelicht. Nadien worden de resultaten weergegeven en besproken, om dan ten slotte te eindigen met een conclusie en een beschouwing van de beperkingen van het empirisch onderzoek.

3.2.

Database

Om na te gaan wat het effect van lidmaatschap bij een complementaire munt economisch inhoudt voor de lidbedrijven, heb ik handmatig een database opgesteld. Op de website van RES is een database met daarin elk huidig lidbedrijf terug te vinden. Daarbij staat voor elk bedrijf een korte beschrijving, de sector(en) waartoe ze behoren, hun ondernemingsnummer, hun RESklantennummer en hun contactgegevens. Op basis van deze lijsten, per provincie geraadpleegd, heb ik een overzicht in Excel gemaakt voor elk lidbedrijf uit België. Dit overzicht bevatte de naam van het bedrijf, diens sector en de gemeente en provincie waarin het gevestigd ligt. Aan de hand van dit overzicht kon ik achterhalen welke sectoren het meest vertegenwoordigd zijn in het muntsysteem en welke sectoren interessant konden zijn voor dit empirisch onderzoek. RES is actief in heel wat sectoren, wat zich duidelijk toont in het overzicht. Een bedrijf in een bepaalde sector klasseren was niet steeds voor de hand liggend. Zo zijn sommige bedrijven actief in verschillende sectoren. Ook werden sectoren samengevoegd om de spreiding van sectoren wat te minderen (bijvoorbeeld: grondwerken, dakwerken, schrijnwerk, zwembadaanleg, e.d. werden samengevoegd in de categorie ‘verbouwingen’). Soms werden categorieën met opzet opgesplitst. Zo 3

Dit is een cijfer dat RES zelf meegeeft. Het overzicht in dit empirisch onderzoek bevat alle Belgische lidbedrijven; dit zijn er 2114. De overige lidbedrijven zijn dus niet in België gevestigd.

16

zijn beddenverkopers uit de categorie ‘meubels’ gehaald om deze sector naderbij te kunnen onderzoeken. Uiteindelijk bevat de samengestelde database 2114 lidbedrijven uit 139 sectoren. Er is bijgevolg nog steeds een onvermijdelijk grote spreiding. De 10de grootste sector binnen het muntsysteem bevat al minder dan 2% van alle lidbedrijven in België. Interessant is dat er duidelijke banden bestaan tussen sommige sectoren. Zo kunnen bijvoorbeeld restaurants de RES die ze via particulieren ontvangen, gebruiken bij horecaleveranciers. Ook sectoren die overwegend diensten leveren aan andere bedrijven zijn lid van het RES-netwerk (bijvoorbeeld: accountants, advocaten, schoonmaakbedrijven, marketingbureaus, allerhande publiciteitsmogelijkheden, etc.). Het bekomen overzicht met 139 sectoren is handig om onderzoeksgroepen te bepalen, maar minder geschikt om een goed beeld te geven van in welke sectoren RES actief is. Hiervoor werd een verdere aggregatie doorgevoerd. Dit nieuwe overzicht wordt weergegeven in onderstaande taartdiagram. Hoewel restaurants veruit de grootste sector blijkt in het niet-geaggregeerde overzicht, blijkt hier de bouwsector een nog groter aantal lidbedrijven bij RES te kennen dan de horecasector. De restcategorie is ook in dit overzicht nog erg groot, wat de grote diversiteit aan sectoren met RESlidbedrijven herbevestigt. Figuur 1: Sectoren waarin RES lidbedrijven heeft. Eigen geaggregeerd overzicht.

RES: Sectoren (geaggregeerd) Bouw

14%

18%

Horeca Publiciteit

4%

Meubels en huisraad

6%

Mode 15%

6%

Voeding Auto en transport

6%

Evenementen 10%

9%

Cosmetica Rest

12%

Als we kijken naar het aantal lidbedrijven van RES per provincie4, valt op dat het muntsysteem beduidend actiever is in Vlaanderen dan in Wallonië. Verder zien we ook dat niet de thuisprovincie 4

Brussel wordt in dit overzicht gezien als aparte provincie.

17

van het muntsysteem, Vlaams-Brabant, het grootste aantal lidbedrijven kent. In Oost-Vlaanderen, West-Vlaanderen en Limburg zijn er meer lidbedrijven gevestigd.

Figuur 2: Lidmaatschap bij RES per provincie.

RES: Provincies 2% 3%

1%

2%

1%

Oost-Vlaanderen West-Vlaanderen

8%

Limburg

26%

Vlaams-Brabant Antwerpen

11%

Brussel Waals-Brabant

13%

Henegouwen

19%

Namen Luik

14%

Luxemburg

De sectoren die ik heb opgenomen in mijn uiteindelijke database zijn: restaurants, opticiens, bloemenwinkels en verkopers van bedden. Restaurants zijn veruit het best vertegenwoordigd in het muntsysteem. Van alle 2114 lidbedrijven in België zijn er 240 restaurants. Dit is de reden waarom deze sector is opgenomen. De andere sectoren zijn minder goed vertegenwoordigd. Deze sectoren zijn desondanks toch opgenomen, omdat het vrij nauwe sectoren zijn. Verschillen tussen winkels binnen deze sectoren zijn vermoedelijk klein, waardoor ze interessante onderzoeksgroepen vormen. Dit is dan ook de reden waarom andere, beter vertegenwoordigde sectoren niet toegevoegd werden. Bijvoorbeeld de categorieën ‘kledij’ en ‘evenementen’ kennen een grote diversiteit. De eerste categorie bevat onder andere schoenenwinkels, lingeriewinkels, kledingwinkels gespecialiseerd in grote maten. De tweede is nog diverser met bedrijven gespecialiseerd in ballonvaart, verhuur van tenten en LED-schermen tot louter organisatorische bedrijven. Deze diversiteit binnen de groepen maakten ze minder interessante onderzoeksgroepen. De categorie ‘restaurants’ kent echter ook een grote

diversiteit.

Desondanks

werd

de

sector

toch

opgenomen,

vanwege

de

grote

vertegenwoordiging bij RES. Bovendien werden frituren, broodjeszaken, ijssalons en eetcafés niet opgenomen om de diversiteit te beperken.

18

Vervolgens ben ik aan de hand van het ondernemingsnummer via de balanscentrale van de Nationale Bank van België gaan kijken welke data er ter beschikking was van de lidbedrijven die in één van die vier sectoren werken. Van een periode van 8 jaar (2005 tot en met 2012) werden verschillende kencijfers handmatig verzameld: activa, passiva, eigen vermogen, schulden, balanstotaal, brutomarge, omzet, bedrijfswinst en aantal gepresteerde uren. Dit gebeurde telkens via de balansen van de boekjaren 2006, 2008, 2010 en 2012. Omdat de behandelde bedrijven vrij klein zijn – enkele lokale kmo’s kunnen lid worden van RES – dienen zij slechts een verkorte balans in te geven. Daarin zijn bedrijven niet verplicht hun omzet mee te geven. Hierdoor zal de omzet vaak ontbreken in de database. De muntcentrale van RES stelt zelf dat lid worden van RES de omzet van bedrijven zal doen stijgen met 3 à 5% (RES, 2014). Dit kan in dit onderzoek helaas niet precies nagaan worden, omdat, zoals eerder vermeld, omzet vaak ontbreekt in de database. Wel werden andere cijfers opgenomen die de wijziging in de omzet kunnen benaderen. Zo bevat de database het totaal aantal gepresteerde uren per boekjaar. Dit vanuit de redenering dat er meer arbeid zal geleverd moeten worden als er een omzetstijging plaats vindt. Om te zien of er invloed is op de efficiëntie van een bedrijf ten gevolge van lidmaatschap bij RES is de bedrijfswinst ook opgenomen. Alle andere variabelen (activa, passiva, eigen vermogen, schulden, totaalbalans en brutomarge) dienen als controlevariabelen. Dit om te vermijden dat een stijging in het aantal gepresteerde uren wordt toegewezen aan lidmaatschap bij RES, terwijl het eigenlijk te danken is aan bijvoorbeeld een toename van investeringen in vaste activa ten gevolge van een nieuwe lening bij de bank. Naast deze kencijfers zijn er ook andere parameters opgenomen in de uiteindelijke database. Deze zijn de provincie, de sector en uiteraard ook lidmaatschap van RES. Dat laatste betekent meer specifiek het moment wanneer het bedrijf tot het muntsysteem is toegetreden. Dit werd achterhaald aan de hand van het klantennummer van het lidbedrijf bij de muntcentrale. De klantennummers zijn namelijk oplopend. Handmatig werd telkens het eerste klantennummer van elk jaar van 2005 tot en met 2013 opgezocht in het archief van de onderneming achter RES. Dit leverde de volgende tabel op: Tabel 1: Eerste klantennummer per jaar Jaartal

Eerste klantennummer

2005

938920

2006

1050667

2007

1153112

19

2008

1254961

2009

1330086

2010

1393533

2011

1458364

2012

1507656

2013

1614356

Aan de hand van deze tabel valt te zien in welk jaar elk lidbedrijf is toegetreden, door te kijken tussen welke getallen hun klantennummer ligt. Dit werd vervolgens omgezet naar een dummy-variabele; 1 wil zeggen dat het bedrijf lid is van RES, 0 zegt het omgekeerde. Omdat enkel bedrijven die vandaag lid zijn van RES in de database op de website van RES staan, kunnen we met zekerheid stellen dat elk bedrijf in mijn uiteindelijke database vandaag lid is van het muntsysteem. Wel is het zo dat niet elk bedrijf toegetreden is tot het systeem in de onderzoeksperiode 2005-2012. Sommige bedrijven zijn al van voor 2005 lid van het muntsysteem, andere zijn pas na 2012 lid geworden. Dit is interessant voor het onderzoek, omdat zo ook bedrijven zijn opgenomen die geen lid waren tijdens de onderzoeksperiode. Als een bedrijf in de periode 2005-2012 lid werd van RES, wordt er een 1 toegekend aan de dummy vanaf het jaartal waar het klantennummer van het bedrijf het dichtst aanleunt bij het eerste klantennummer van dat jaar. Zo zal de dummy-variabele bij een bedrijf dat in december 2009 is toegetreden nog 0 zijn in 2009 en 1 worden vanaf 2010. Verscheidene bedrijven uit de vier sectoren konden niet toegevoegd worden aan de uiteindelijke database. Dit om verschillende redenen. Zoals eerder aangehaald werden frituren, ijssalons, broodjeszaken en dergelijke uit de uiteindelijke database gehouden om een te grote diversiteit in de onderzoeksgroep tegen te gaan. Verder hadden een groot deel van de bedrijven helemaal geen balansen ingegeven bij de balanscentrale. Sommige bedrijven gaven niet voldoende cijfers mee. Andere bedrijven bestonden nog niet lang genoeg om hun evolutie te kunnen vaststellen. Af en toe waren er ook bedrijven, vaak restaurants, die deel uitmaakten van een veel groter bedrijf dat mogelijks actief was in verschillende sectoren buiten de vier sectoren uit de onderzoeksgroep. De uiteindelijke database bevat 92 bedrijven uit heel België, waarvan het grootste deel beschikbare observaties heeft van 2005 tot en met 2012. Dit zou ons dus brengen op 736 observaties. Echter, er zijn ook enkele bedrijven toegevoegd met een iets kleiner tijdsbestek, bijvoorbeeld bedrijven die pas in 2006 begonnen, om de database zo groot mogelijk te maken. Hierdoor zijn er in feite 724 observaties.

20

3.3.

Onderzoeksmethodiek

Het empirisch onderzoek werd volledig gedaan met EViews 8. De uiteindelijke database werd vanuit Excel geïmporteerd als dated panel data in EViews5. Belangrijk bij panel data analyse is nagaan welke schatter het interessantst is voor de regressie. We kunnen gebruik maken van zowel random als fixed effects schatters (Verbeek, 2000). Economisch gezien zijn fixed effects schatters interessanter als de onderzoeksgroep bestaat uit inherent verschillende subjecten (bijvoorbeeld landen of bedrijven). Random effects schatters zijn vooral interessant als de subjecten weinig van elkaar verschillen (bijvoorbeeld studenten). Met andere woorden gaan we er bij fixed effects schatter van uit dat de individuele intercepten in de onderzoeksgroep vaste, ongekende paramaters zijn. Terwijl bij random effects schatters de intercepten worden gezien als een steekproef uit een onderliggende populatie met een bepaald gemiddelde en een bepaalde variantie. Hierdoor worden de intercepten als het ware ‘weg gemarginaliseerd’. Deze onderzoeksgroep bestaat uit kleine en middelgrote ondernemingen, waardoor fixed effects schatters beter geschikt lijken. Een groot nadeel bij fixed effects schatters is echter dat er geen variabelen gebruikt kunnen worden die niet wijzigen in de tijd, omdat er dan perfecte multicollineariteit ontstaat. Hierdoor is een algemene regressie met inbegrepen dummyvariabelen voor de provincies en sectoren niet mogelijk met fixed effects schatters. Wel kunnen we verschillende regressies doen per provincie of per sector. Voor een algemene regressie moeten we een random effects schatter kunnen gebruiken. Hier moeten we zeker aandachtig blijven. Wanneer bij gebruik van een dergelijke schatter de intercepten onterecht weg gemarginaliseerd werden, is er sprake van een inconsistente schatter. Wanneer blijkt dat de intercepten niet onterecht weg gemarginaliseerd werden, is de random effects schatter asymptotisch efficiënt en dus waarschijnlijk beter geschikt dan de fixed effects schatter. Daarom zullen we steeds een Hausman test uitvoeren om dit na te gaan. De nulhypothese van de Hausman test houdt in dat het verschil tussen een random effects schatter en fixed effects schatter insignificant is. Indien de nulhypothese verworpen wordt, is enkel nog de fixed effects schatter consistent en is het dus aangewezen deze te gebruiken. Onder de nulhypothese is de random effects schatter asymptotisch efficiënt. Gezien onze sample bij veel van onze regressies niet erg groot is, blijft het interessant om onder de nulhypothese van de Hausman test toch ook de fixed effects regressie uit te voeren. Indien beide regressies verschillende resultaten tonen, zullen we moeten nagaan welke van beide schatters efficiënt is via de mean square error. Het zou kunnen dat de fixed effects schatter efficiënt blijkt, ondanks dat we de nulhypothese van de Hausman test niet verwerpen. We kunnen dit niet voor elke regressie nagaan. Sommige regressies kunnen enkel uitgevoerd worden met een random effects schatter omdat zij tijdsinvariate 5

String variables als “sector” en “provincie” werden met de @recode-functie omgezet in dummy-variabelen.

21

variabelen bevatten. In dat geval blijft de Hausman test nuttig om na te gaan of de random effects schatter al dan niet consistent is en of we dus al dan niet conclusies kunnen trekken uit de regressie. Zoals eerder aangehaald stelt de muntcentrale dat lidmaatschap bij RES een groter cliënteel bezorgt en zo voor een omzetstijging van 3 à 5% zorgt. Dit is het bedrijf achter RES nagegaan door de totale omzet van een steekproef van lidbedrijven te vergelijking met hun jaarlijkse omzet in RES (Gesprek met de heren Smets & Smets, 23 oktober 2013, Leuven). Hierbij is er waargenomen dat de omzet in RES 3 tot 5% van de totale omzet bedraagt en werd er geconcludeerd dat lidmaatschap bij RES dus voor een omzetstijging van 3 tot 5% leidt. Op deze manier houdt men echter geen rekening met mogelijke substitutie-effecten. Het is mogelijk dat het bestaande cliënteel van het bedrijf gewoon overschakelt naar RES, daar waar het voordien in euro betaalde. Hierdoor zou er geen omzetstijging plaatsvinden. Een deel van de bestaande omzet zou dan gewoon in RES worden betaald in plaats van in euro. Langs de andere kant is het inderdaad ook mogelijk dat deze substitutie-effecten vrij klein zijn. Het kan ook dat particulieren of bedrijven die al lid zijn van RES pas met een bepaald bedrijf gaan handelen vanaf dat het ook RES gaat aanvaarden. In dat geval is er wel sprake van een omzetstijging dankzij RES. Dit zullen we nagaan aan de hand van een regressieanalyse. In het vorige hoofdstuk werd al aangehaald dat omzet echter niet opgenomen hoeft te worden in de verkorte jaarbalans die de meeste kmo’s dienen in te geven. Hierdoor bevat de uiteindelijke database amper omzetcijfers. Er bestaan echter ook andere manieren om bedrijfsactiviteit na te gaan. Zo zal een stijging in de bedrijfsactiviteit ook een stijging in het aantal gepresteerde uren betekenen. Hierdoor zal bij veel regressies het aantal gepresteerde uren ook dienen als afhankelijke variabele. We zullen verschillende regressies uitvoeren: algemene, sectorale en provinciale. Ook kijken we naar de effecten van lidmaatschap bij RES op de bedrijfswinst. Een uitgebreider cliënteel dankzij RES kan zorgen voor een sterkere positie op de markt en zo een positief effect hebben op de bedrijfswinst. Anderzijds is het ook mogelijk dat een lidbedrijf minder efficiënt gaat werken omdat het een vrijwel gegarandeerd cliënteel heeft dankzij de RES en een minder drukkende concurrentie ervaart, waardoor we een negatief effect zouden kunnen waarnemen op de bedrijfswinst. Alvorens we het onderzoek naar de effecten van RES-lidmaatschap op bedrijfswinst en aantal gepresteerde uren starten, kan het interessant zijn eerst een aantal kengetallen mee te geven.

22

Figuur 3: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Restaurants) 70

Series: UREN Sample 2005 2012 IF D_S_RESTAURANT=1 Observations 527

60 50 40 30 20 10 0 0

4000

8000

12000

16000

20000

24000

28000

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

6769.319 5760.000 34896.00 0.000000 6112.744 1.855754 7.779367

Jarque-Bera Probability

804.0624 0.000000

32000

Figuur 4: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Beddenverkopers) 12

Series: UREN Sample 2005 2012 IF D_S_BEDDEN=1 Observations 71

10

8

6

4


7435.141 6175.000 28292.00 32.00000 5972.322 1.432676 4.910768


35.08960 0.000000

2

0 0

4000

8000

12000

16000

20000

23

24000

28000

Figuur 5: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Bloemenwinkels) 10

Series: UREN Sample 2005 2012 IF D_S_BLOEMEN=1 Observations 63

8

6

4

2


3670.619 2907.000 10521.00 0.000000 2903.988 0.559644 2.278067


4.656736 0.097455

0 0

2000

4000

6000

8000

10000

Figuur 6: Histogram en kengetallen van het aantal gepresteerde uren van de opgenomen lidbedrijven (Opticiens) 12

Series: UREN Sample 2005 2012 IF D_S_OPTICIEN=1 Observations 47

10

8

6

4


2151.596 2500.000 5072.000 0.000000 1413.463 -0.132346 2.161431


1.514301 0.469001

2

0 0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

Als eerste bekijken we het aantal gepresteerde uren. Er zijn aanzienlijke verschillen tussen de sectoren. De medianen voor restaurants, beddenverkopers, bloemenwinkels en opticiens zijn respectievelijk 5760, 6175, 2907 en 2500 uren. De gemiddelden wijken duidelijk af van de medianen. Beddenverkopers en restaurants kennen een veel grotere spreiding dan bloemenwinkels en opticiens.

24

Figuur 7: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Restaurants) 200

Series: BEDRIJFSWINST Sample 2005 2012 IF D_S_RESTAURANT=1 Observations 535

160

120

80

40

0 -200000

-100000

0

100000

200000

300000


11269.59 10159.00 439734.0 -198211.0 48896.98 1.318483 16.95905


4498.652 0.000000

400000

Figuur 8: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Beddenverkopers) 14

Series: BEDRIJFSWINST Sample 2005 2012 IF D_S_BEDDEN=1 Observations 79

12 10 8 6 4 2 0 -200000

-100000

0

100000

200000

25

300000

400000


37831.00 35743.00 375883.0 -251250.0 105484.5 -0.210483 5.231046


16.96782 0.000207

Figuur 9: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Bloemenwinkels) 20

Series: BEDRIJFSWINST Sample 2005 2012 IF D_S_BLOEMEN=1 Observations 63

16

12

8

4

0 -40000

0

40000


17617.73 15348.00 95629.00 -49320.00 25025.88 0.617970 5.096023


15.54225 0.000422

80000

Figuur 10: Histogram en kengetallen van de bedrijfswinst van de opgenomen lidbedrijven (Opticiens) 8

Series: BEDRIJFSWINST Sample 2005 2012 IF D_S_OPTICIEN=1 Observations 47

7 6 5 4 3 2 1 0 0

40000

80000

120000


40507.13 41394.00 156087.0 -24042.00 40049.75 0.759308 3.132060


4.550457 0.102773

160000

Ook bij de bedrijfswinst bestaan er grote verschillen tussen de sectoren. De medianen voor restaurants, beddenverkopers, bloemenwinkels en opticiens zijn respectievelijk 10159, 35743, 15348 en 41394 euro. In tegenstelling tot het aantal gepresteerde uren wijken de gemiddelden hier niet veel af van de medianen.

3.4.

Resultaten

3.4.1. Aantal gepresteerde uren We beginnen met een algemene regressie. Hierbij bekijken we het effect van lidmaatschap bij RES op het aantal gepresteerde uren. We voegen een aantal controlevariabelen en de provinciale en 26

sectorale dummy-variabelen toe. Om perfecte collineariteit door een dummy variable trap te vermijden, voegen we de dummy-variabele voor Oost-Vlaanderen en die voor Restaurant niet toe. Dit wil dus zeggen dat het intercept (C) het aantal gepresteerde uren van restaurants in OostVlaanderen weergeeft. De coëfficiënten horende bij verschillende dummy-variabelen tonen de afwijkingen van dit intercept voor andere sectoren en/of provincies.

Tabel 2: Algemene random effects regressie (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 Periods included: 8 Cross-sections included: 91 Total panel (unbalanced) observations: 708 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

3527.103

897.3449

3.930599

0.0001

RES

151.3669

360.3165

0.420094

0.6745

EIGEN_VERMOGEN

-0.008369

0.007143

-1.171663

0.2417

SCHULDEN

-0.010393

0.006712

-1.548515

0.1220

VASTE_ACTIVA

0.016427

0.006736

2.438443

0.0150

VLOTTENDE_ACTIVA

0.016568

0.006668

2.484611

0.0132

D_P_ANT

1236.616

1313.558

0.941425

0.3468

D_P_BRU

2966.784

1549.639

1.914500

0.0560

D_P_HEN

15636.71

4100.876

3.813018

0.0001

D_P_LIM

-1175.033

1440.103

-0.815937

0.4148

D_P_VLB

1355.941

1332.104

1.017894

0.3091

D_P_WB

516.9455

2932.805

0.176263

0.8601

D_P_WVL

-250.5653

1346.575

-0.186076

0.8524

D_S_BEDDEN

-4168.851

1522.125

-2.738836

0.0063

D_S_BLOEMEN

-1973.613

1515.193

-1.302549

0.1932

D_S_OPTICIEN

-4618.686

1714.201

-2.694367

0.0072

S.D.

Rho

Cross-section random

3862.765

0.7530

Idiosyncratic random

2212.577

0.2470

Effects Specification

Weighted Statistics R-squared

0.264038

Mean dependent var

1251.691

Adjusted R-squared

0.248085

S.D. dependent var

2573.317

27

S.E. of regression

2233.275

Sum squared resid

3.45E+09

F-statistic

16.55104

Durbin-Watson stat

0.936494

Prob(F-statistic)

0.000000 Unweighted Statistics

R-squared

0.437286

Mean dependent var

6253.814

Sum squared resid

1.36E+10

Durbin-Watson stat

0.237192

Hier blijkt op het eerste zicht dat het effect dat lidmaatschap bij RES heeft insignificant is. Zoals eerder aangehaald is het belangrijk te testen of onze schatter wel consistent is. Dit doen we via de Hausman test.

Tabel 3: Hausman test bij de algemene random effects regressie (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_ALL_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


12.220592

5

0.0319

Cross-section random effects test comparisons:

Variable

Fixed

Random

Var(Diff.)

Prob.

RES

55.658592

151.366937

15958.6985

0.4487

EIGEN_VERMOGEN

-0.007342

-0.008369

0.000006

0.6622

SCHULDEN

-0.010036

-0.010393

0.000004

0.8530

VASTE_ACTIVA

0.016243

0.016427

0.000004

0.9229

VLOTTENDE_ACTIVA

0.013722

0.016568

0.000006

0.2285

De resultaten van de test wijzen uit dat we de nulhypothese kunnen verwerpen. De kans dat we een juiste nulhypothese verwerpen is hierbij 3,19%. Het is dus niet aangewezen een random effects schatter te gebruiken, omdat deze met hoge waarschijnlijk inconsistent is. Bij deze regressie is het echter niet mogelijk om een fixed effects schatter te gebruiken, omdat er variabelen gebruikt worden die niet wijzigen in de tijd (de provinciale en sectorale dummy-variabelen). Daarom zullen we de algemene regressie opsplitsen en gebruik maken van verschillende samples. 28

We beginnen bij restaurants over heel België. Een eerste regressie die we doen zal ook met een random effects schatter gebeuren. De regressies die volgen zullen niet volledig meer weergegeven worden in de basistekst. De volledige regressies zijn te vinden in Bijlage A.

Tabel 4: random effects regressie voor alle opgenomen restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF SECTOR="Restaurant" Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 527 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2067.935

1054.056

1.961882

0.0503

RES

372.6488

439.6134

0.847674

0.3970

D_P_ANT

1733.281

1447.573

1.197370

0.2317

D_P_BRU

2540.579

1937.923

1.310981

0.1904

D_P_HEN

17874.67

4274.698

4.181506

0.0000

D_P_LIM

-403.2715

1831.978

-0.220129

0.8259

D_P_VLB

1501.365

1575.548

0.952916

0.3411

D_P_WB

1220.489

3057.991

0.399115

0.6900

D_P_WVL

524.4806

1681.650

0.311885

0.7553

VASTE_ACTIVA

-0.020115

0.016977

-1.184873

0.2366

VLOTTENDE_ACTIVA

-0.023476

0.016865

-1.392000

0.1645

EIGEN_VERMOGEN

0.035649

0.017362

2.053256

0.0406

SCHULDEN

0.030163

0.016927

1.781904

0.0754

Tabel 5: Hausman test bij random effects regressie voor alle opgenomen restaurants (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_RESTAURANT_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


5.443152

5

0.3642

29

Uit de Hausman test blijkt dat we de nulhypothese niet kunnen verwerpen; de random effects schatter is dus niet inconsistent. De resultaten tonen ons dat lidmaatschap bij RES geen significant effect heeft op het aantal gepresteerde uren. We vinden bijgevolg geen bewijs voor een toename van bedrijfsactiviteit bij restaurants dankzij RES. De enige onafhankelijke variabelen die een significant effect tonen op 95% significantieniveau zijn eigen vermogen en gevestigd zijn in Henegouwen. Deze laatste is wat verrassend op het eerste zicht. Een blik op de ruwe data toont dat er slechts één restaurant uit Henegouwen is opgenomen dat inderdaad, waarschijnlijk eerder toevallig, een veel groter aantal gepresteerde uren kent. Het effect dat eigen vermogen heeft, zit waarschijnlijk in de overgedragen winst of het overgedragen verlies dat daar onder valt. Ook is het logisch dat een bedrijf met een groter eigen vermogen ook een grotere bedrijfsactiviteit kent. Als we op een iets lager significantieniveau kijken, dat van 90%, zijn ook schulden en het intercept (dus het aantal gepresteerde uren van een Oost-Vlaams restaurant) significant. Indien we het restaurant uit Henegouwen als een uitschieter beschouwen en uit de regressie laten, vinden we gelijkaardige resultaten. Nu zijn het intercept en eigen vermogen allebei significant op 95% significantieniveau. Het effect van RES blijft insignificant. Uit de Hausman test blijkt ook hier dat de random effects schatter efficiënt is.

Tabel 6: random effects regressie voor alle opgenomen restaurants, uitgezonderd Henegouwen (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_RESTAURANT=1 AND D_P_HEN=0 Periods included: 8 Cross-sections included: 67 Total panel (unbalanced) observations: 519 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2162.868

1048.605

2.062614

0.0397

RES

397.8341

419.9857

0.947256

0.3440

D_P_ANT

1716.900

1446.804

1.186685

0.2359

D_P_BRU

2495.806

1937.217

1.288346

0.1982

D_P_LIM

-460.9751

1831.275

-0.251724

0.8014

D_P_VLB

1462.048

1575.233

0.928147

0.3538

D_P_WB

1288.484

3056.330

0.421579

0.6735

D_P_WVL

516.0609

1680.987

0.306999

0.7590

30

VASTE_ACTIVA

-0.021300

0.016156

-1.318344

0.1880

VLOTTENDE_ACTIVA

-0.024911

0.016052

-1.551915

0.1213

EIGEN_VERMOGEN

0.037377

0.016546

2.259003

0.0243

SCHULDEN

0.031126

0.016110

1.932074

0.0539

Tabel 7: Hausman test bij random effects regressie voor alle opgenomen restaurants, uitgezonderd Henegouwen (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_RESTAURANT_2 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


5.893887

5

0.3167

De volgende sector die we behandelen zijn meubelzaken gespecialiseerd in de verkoop van bedden. Hier hebben we beduidend minder observaties. Gezien we maar negen cross-secties hebben, kunnen we niet alle provinciale dummy-variabelen én de controlevariabelen opnemen. Daarom doen we hier twee regressies. De eerste is een regressie met één controlevariabele (de totaalbalans) en alle relevante provinciale dummy-variabelen. De tweede bevat de vier controlevariabelen die we voorheen gebruikten, maar niet de provinciale dummy-variabelen. Beide regressies bevatten uiteraard ook de dummy die het lidmaatschap bij RES weergeeft.

Tabel 8: eerste random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

5638.533

2490.497

2.264019

0.0270

RES

-2078.561

779.2807

-2.667281

0.0097

D_P_ANT

7767.834

4250.394

1.827556

0.0724

31

D_P_BRU

6688.595

4108.161

1.628124

0.1085

D_P_LIM

-4498.555

4118.676

-1.092233

0.2789

D_P_VLB

-2790.401

4121.849

-0.676978

0.5009

D_P_WVL

-3551.123

3101.665

-1.144909

0.2566

TOTAALBALANS

0.003587

0.000511

7.015271

0.0000

Tabel 9: Hausman test bij eerste random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_2 Test cross-section random effects

Test Summary Cross-section random

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

2.469111

2

0.2910

De Hausman test wijst uit dat de random effects schatter niet inconsistent is en dat we deze regressie dus kunnen gebruiken. Het eerste dat opvalt, is dat lidmaatschap bij RES voor beddenverkopers wel een significant effect heeft. Dit effect is erg negatief. Echter, de sample die we hier bespreken is aanzienlijk kleiner dan bij restaurants. Op negen bedrijven is het alvast moeilijker om algemene uitspraken te doen. Verder zien we ook dat de totaalbalans een significant effect heeft op het aantal gepresteerde uren. Ten slotte toont de regressie dat geen enkele provinciale dummy-variabele significant is op het 95% significantie niveau. Hierdoor is het zeker ook interessant om de tweede regressie erbij te halen met meer controlevariabelen en zonder de provinciale dummy-variabelen.

Tabel 10: Hausman test bij tweede random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


14.656308

5

0.0119

32

De Hausman test6 toont ons dat de fixed effects en random effects schatters significant verschillen. De random effects schatter is inconsistent en we dienen dus de fixed effects schatter te gebruiken.

Tabel 11: fixed effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2942.403

1070.544

2.748513

0.0080

RES

-397.0345

932.8445

-0.425617

0.6720

VASTE_ACTIVA

0.021441

0.006812

3.147283

0.0026

VLOTTENDE_ACTIVA

0.024807

0.007576

3.274589

0.0018

EIGEN_VERMOGEN

-0.017326

0.008671

-1.998035

0.0505

SCHULDEN

-0.020071

0.006780

-2.960369

0.0045

Deze regressie toont ons het tegendeel van de vorige regressie. Het effect van RES is dit maal niet significant. Het aantal gepresteerde uren worden verklaard door de controlevariabelen. Hierdoor worden de resultaten van de vorige regressie al minder betrouwbaar. Dit kan het gevolg zijn van de kleinere sample. De volgende sector die we behandelen zijn opticiens. Hier hebben we nog minder cross-secties, slechts zes. Hierdoor is het niet mogelijk een regressie te doen met de provinciale dummyvariabelen, gezien er dan meer variabelen dan cross-secties zijn. We doen enkel een regressie met de vier controlevariabelen en de RES-dummy.

Tabel 12: random effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47

6

De random effects regressie bij deze Hausman test staat volledig in bijlage A, tabel A.7.

33

Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1876.228

384.1725

4.883816

0.0000

RES

-1153.923

271.4623

-4.250766

0.0001

VASTE_ACTIVA

0.006087

0.020455

0.297593

0.7675

VLOTTENDE_ACTIVA

0.006294

0.021177

0.297206

0.7678

EIGEN_VERMOGEN

-0.004836

0.020838

-0.232058

0.8176

SCHULDEN

-0.002134

0.020785

-0.102658

0.9187

Tabel 13: Hausman test bij random effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_OPTICIEN_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


163.147153

5

0.0000

De Hausman test toont dat we fixed effects schatters moeten gebruiken. Tabel 14: fixed effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1628.848

574.9984

2.832788

0.0075

RES

-490.5495

363.4479

-1.349711

0.1855

VASTE_ACTIVA

-0.017652

0.020885

-0.845205

0.4036

VLOTTENDE_ACTIVA

-0.016616

0.021793

-0.762471

0.4507

EIGEN_VERMOGEN

0.019479

0.021527

0.904865

0.3716

SCHULDEN

0.019657

0.021109

0.931238

0.3579

34

De fixed effects schatter toont geen significant effect van lidmaatschap bij RES voor opticiens. Opvallend is ook het gebrek aan significante coëfficiënten voor de controlevariabelen. Een laatste sector die we onderzoeken naar effect van lidmaatschap bij RES op het aantal gepresteerde uren is die van de bloemenwinkels. Hier hebben we opnieuw te maken met een eerder kleine sample. Dit maal met acht cross-secties. We kunnen dezelfde methode gebruiken als bij de beddenverkopers en met twee verschillende regressies werken.

Tabel 15: eerste random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BLOEMEN=1 Periods included: 8 Cross-sections included: 8 Total panel (unbalanced) observations: 63 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1001.749

656.7634

1.525282

0.1328

RES

-498.7355

544.0259

-0.916750

0.3632

D_P_BRU

5498.208

855.7706

6.424861

0.0000

D_P_LIM

446.7526

765.6521

0.583493

0.5619

D_P_VLB

7522.098

845.4092

8.897582

0.0000

D_P_WVL

2986.553

834.9455

3.576944

0.0007

TOTAALBALANS

0.003776

0.000740

5.105778

0.0000

Tabel 16: Hausman test bij eerste random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BLOEMEN_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


2.605779

2

0.2717

35

Uit de Hausman test blijkt dat de random effects schatter niet inconsistent is. Als we kijken naar de resultaten van deze schatter zien we opnieuw geen significant effect van lidmaatschap bij RES op het aantal gepresteerde uren. Welke provincie de bloemenwinkel gevestigd is, speelt duidelijk wel een rol. Een mogelijke verklaring is dat het hier om erg verschillende bedrijven gaat qua grootte. Dit had ik niet ingeschat bij het samenstellen van de database. Zoals onder het hoofdstuk over de database staat geschreven, vermoedde ik minder diversiteit binnen de sector van bloemenwinkels7.

Tabel 17: tweede random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BLOEMEN=1 Periods included: 8 Cross-sections included: 8 Total panel (unbalanced) observations: 63 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

403.2055

900.7128

0.447652

0.6561

RES

-312.7722

473.6032

-0.660410

0.5117

VASTE_ACTIVA

0.005096

0.014058

0.362469

0.7183

VLOTTENDE_ACTIVA

0.034063

0.014945

2.279158

0.0264

EIGEN_VERMOGEN

-0.005470

0.015882

-0.344439

0.7318

SCHULDEN

-0.006447

0.013933

-0.462728

0.6453

Tabel 18: Hausman test bij tweede random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BLOEMEN_2 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


6.354511

5

0.2732

7

Tuincentra waren een aparte sector, deze heb ik niet opgenomen in de uiteindelijke database als bloemenwinkels. Enkel bedrijven die uitsluitend een verkoper van bloemen en planten waren, zijn opgenomen in de uiteindelijke database. Desondanks blijkt deze sector erg divers.

36

De tweede regressie bevat de vier controlevariabelen en de RES-dummy. Opnieuw wijst de Hausman test uit dat de random effects schatter asymptotisch efficiënt en dus consistent is. Ook hier vinden we geen significant effect van het lidmaatschap bij RES op het aantal gepresteerde uren. Enkel vlottende activa heeft een significant effect op het aantal gepresteerde uren. Omdat de random effects schatter enkel asymptotisch efficiënt is en we te maken hebben met een vrij kleine sample, bekijken we ook eens de resultaten van deze regressie met de fixed effects schatter. Ook daar zien we geen significant effect van lidmaatschap bij RES op het aantal gepresteerde uren.

Tabel 19: fixed effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN SCHULDEN

1628.848 -490.5495 -0.017652 -0.016616 0.019479 0.019657

574.9984 363.4479 0.020885 0.021793 0.021527 0.021109

2.832788 -1.349711 -0.845205 -0.762471 0.904865 0.931238

0.0075 0.1855 0.4036 0.4507 0.3716 0.3579

Een andere manier om de algemene regressie op te delen is per provincie in plaats van per sector. Enkele provincies bevatten echter erg weinig opgenomen bedrijven, deze zullen we dan ook niet onderzoeken. Deze provincies zijn Henegouwen en Waals-Brabant. Alle regressies zijn opgenomen in onderstaand overzicht. De volledige regressies achter dit overzicht zijn te vinden in bijlage B. Tabel 20: overzicht van random effects regressies per provincie (aantal gepresteerde uren) Antwerpen Uren

(16)

Brussel (9)

Limburg

Oost-

Vlaams-

West-

(11)

Vlaanderen

Brabant

Vlaanderen

(24)

(14)

(14)

C

3637.373***

6870.225***

3219.130***

1934.733**

1860.775**

4886.158***

RES

347.7856

-1592.315**

-209.8472

358.3235

750.1694

1926.477***

0.017741*

-0.434100***

0.001453

0.019537

-0.045495

0.088298

Eigen Vermogen

37

Schulden

0.007240

-0.429941**

0.000458

0.022904

-0.075799

0.093540

Vaste activa

0.006558

0.438236***

0.001704

-0.014284

0.082265

-0.091857

-0.003881

0.435949***

0.005244

-0.010316

0.087864*

-0.086523

Bedden

425.6757

5104.051***

-4069.621**

-1664.230

-13579.15***

-4046.725*

Bloemen

N/A

62.22581

-1737.972**

-2879.224

-1050.816

-3671.214

Opticiens

N/A

-5993.115***

2110.417*

-3764.268

-4614.404**

-7062.373**

3.842668

64.034265***

48.087563***

4.087504

26.774694***

16.791779***

Vlottende activa

Hausman χ²

(*p < 0,10; ** p < 0,05; *** p < 0,01)

Alle regressies uitgevoerd in de tabel zijn gedaan met random effects schatters. Dit om ook de sectorale dummy’s te kunnen toevoegen, gezien deze dummy’s niet wijzigen in de tijd en zo ook niet op te nemen zijn in een fixed effects regressie. In alle uitgevoerde regressies uit de tabel is het aantal gepresteerde uren de afhankelijke variabele. In de rijen zien we alle onafhankelijke variabelen en hun significantie. De kolommen tonen voor welke provincies de regressies telkens zijn uitgevoerd. Bij de provincies staan tussen haakjes ook het aantal cross-secties voor de regressie. Antwerpen heeft geen coëfficiënten bij ‘bloemen’ en ‘opticien’8, dit omdat er geen bloemenwinkels en opticiens die gevestigd zijn in de provincie Antwerpen zijn opgenomen in de database. De laatste kolom toont de resultaten van de verschillende Hausman tests. Indien deze χ²-statistiek significant is, zijn de resultaten van de regressie onbetrouwbaar want inconsistent. De resultaten tonen over het algemeen geen significant effect van lidmaatschap bij RES op het aantal gepresteerde uren. Wanneer we een significant effect zien – bij Brussel en West-Vlaanderen – zijn de resultaten niet betrouwbaar omwille van een significante χ²-statistiek. Gezien het grootste deel van deze regressies niet bruikbaar zijn omdat de random effects schatter inconsistent blijkt, kan het interessant zijn de sample nog meer te vernauwen. Hierdoor zullen we 8

Dit wordt aangegeven met “N/A”

38

enkel restaurants bekijken per provincie. Zo kunnen we, indien de random effects schatter inconsistent blijkt, ook een fixed effects regressie uitvoeren. Dit omdat de tijdsconstante sectorale dummy-variabelen niet opgenomen worden in de regressies. Door deze vernauwing, kunnen minder provincies opgenomen worden. Brussel en Limburg worden wegens te kleine samples ook uit dit overzicht gelaten. Opnieuw staan alle uitgevoerde regressies en Hausman testen volledig in bijlage B. Tabel 21: overzicht van random effects regressies per provincie, enkel restaurants (aantal gepresteerde uren) Uren

Antwerpen (15)

Oost-Vlaanderen

Vlaams-Brabant

West-Vlaanderen

(17)

(11)

(9)

C

3614.765***

1559.332

1787.552**

4358.480***

RES

-434.5731

338.0314

620.2714

3634.958***

Eigen Vermogen

-0.022238

0.029862

-0.182439

-0.073720

Schulden

-0.033642

0.031214

-0.209763

-0.061035

Vaste Activa

0.048377

-0.022380

0.214790

0.062820

Vlottende Activa

0.038154

-0.016420

0.226068

0.065685

Hausman χ²

4.930166

2.367971

20.104944***

61.217849***

(*p < 0,10; ** p < 0,05; *** p < 0,01)

Als we kijken naar de resultaten van de random effects regressies bij restaurants per provincie, zien we weinig verrassingen. Nog steeds toont lidmaatschap bij RES geen effect op het aantal gepresteerde uren. Enkel in West-Vlaanderen zien we een positief significant effect, maar daar wijst de Hausman test op een inconsistente schatting. Verder is het wel opvallend dat geen van de coëfficiënten bij de controlevariabelen significant zijn, ook niet bij de regressies waar de Hausman test uitwees dat de schatter wel consistent is. Tabel 22: overzicht van fixed effects regressies per provincie, enkel restaurants (aantal gepresteerde uren) Uren C

Antwerpen (15)

3869.359***

Oost-Vlaanderen

Vlaams-Brabant

West-Vlaanderen

(17)

(11)

(9)

1715.984***

1856.079*

4839.958***

39

RES

-1477.582

201.0535

2484.965**

1107.665

Eigen Vermogen

-0.089618

0.024742

-0.061892

0.125308

Schulden

-0.102716

0.026524

-0.094590

0.129263*

Vaste Activa

0.117733

-0.017563

0.104760

-0.126786*

Vlottende Activa

0.107404

-0.012484

0.094309

-0.113641

De fixed effects regressies tonen een ander verhaal. Het zeer significant positieve effect van lidmaatschap bij RES dat we bij de random effects schatter vonden voor West-Vlaanderen, zien we niet meer bij de fixed effects schatter. Ook zien we hier voor Vlaams Brabant wel een significant effect van lidmaatschap bij RES. Dit effect is bovendien erg positief, zelfs meer dan verdubbelend. De andere provinciale regressies tonen niet hetzelfde. Opnieuw zijn geen van de coëfficiënten bij de controlevariabelen significant, behalve bij West-Vlaanderen. Hoewel significant op 95% significantieniveau doet het erg positieve effect dat lidmaatschap bij RES zou hebben op het aantal gepresteerde uren vragen rijzen. Het is weinig geloofwaardig dat in Vlaams-Brabant lidmaatschap bij RES voor een meer dan verdubbeling van werkgelegenheid zou zorgen, terwijl we in de andere provincies geen significant effect vinden. Dit in combinatie met de erg kleine sample van elf bedrijven, maken dit resultaat onbetrouwbaar. Om dit onderdeel te besluiten, kunnen we zeggen dat er over het algemeen geen significant waarneembaar effect van lidmaatschap bij RES is op het aantal gepresteerde uren. Daar waar er wel significante effecten vinden, blijken de resultaten weinig betrouwbaar. 3.4.2. Bedrijfswinst Naast het aantal gepresteerde uren en de brutomarge, zullen we ook de effecten van lidmaatschap bij RES op de bedrijfswinst van de onderzochte bedrijven bekijken. Net zoals bij de vorige onderdelen beginnen we met een algemene regressie met alle dummy-variabelen en controlevariabelen. Ook extra controlevariabelen worden toegevoegd, namelijk aantal gepresteerde uren en brutomarge.

Tabel 23: Algemene random effects regressie (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 Periods included: 8 Cross-sections included: 91

40

Total panel (unbalanced) observations: 707 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

6428.505

4926.920

1.304772

0.1924

BRUTOMARGE

0.571125

0.023439

24.36698

0.0000

UREN

-11.21337

0.597952

-18.75298

0.0000

RES

4646.987

3660.098

1.269635

0.2046

EIGEN_VERMOGEN

0.412533

0.080864

5.101544

0.0000

SCHULDEN

0.341815

0.078572

4.350335

0.0000

VASTE_ACTIVA

-0.404961

0.078586

-5.153089

0.0000

VLOTTENDE_ACTIVA

-0.408366

0.074421

-5.487234

0.0000

D_P_ANT

-8375.089

6267.363

-1.336302

0.1819

D_P_BRU

-16789.35

7368.171

-2.278632

0.0230

D_P_HEN

12182.60

20677.79

0.589163

0.5559

D_P_LIM

-13215.59

6666.037

-1.982525

0.0478

D_P_VLB

-2459.668

6194.608

-0.397066

0.6914

D_P_WB

15823.31

13827.98

1.144296

0.2529

D_P_WVL

-4144.843

6309.426

-0.656929

0.5114

D_S_BEDDEN

-5174.613

8235.648

-0.628319

0.5300

D_S_BLOEMEN

9739.717

7096.596

1.372449

0.1704

D_S_OPTICIEN

14572.70

8242.136

1.768073

0.0775

S.D.

Rho


14639.93

0.1930


29932.85

0.8070



0.571105

Mean dependent var

8926.781

Adjusted R-squared

0.560523

S.D. dependent var

46205.43

S.E. of regression

30639.32

Sum squared resid

6.47E+11

F-statistic

53.96786

Durbin-Watson stat

1.781727

Prob(F-statistic)


R-squared

0.630849

Mean dependent var

15189.06

Sum squared resid

7.95E+11

Durbin-Watson stat

1.450263

Vooraleer we de resultaten bespreken, gaan we eerst na met een Hausman test of onze schatter niet inconsistent is.

41

Tabel 24: Hausman test bij algemene random effects regressie (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_ALL_WINST_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


35.071334

7

0.0000


Variable

Fixed

Random

Var(Diff.)

Prob.

BRUTOMARGE

0.580555

0.571125

0.000133

0.4141

UREN

-10.832016

-11.213374

0.187483

0.3785

14070610.557 RES

7636.879858 4646.987413 288

0.4254

EIGEN_VERMOGEN

0.443283

0.412533

0.004180

0.6343

SCHULDEN

0.363987

0.341815

0.003016

0.6864

VASTE_ACTIVA

-0.455466

-0.404961

0.003033

0.3591

VLOTTENDE_ACTIVA

-0.376014

-0.408366

0.003800

0.5997

Gezien de Hausman test uitwijst dat de random effects schatter inconsistent is, zullen we een andere methode moeten toepassen. Opnieuw zullen we de regressie opsplitsen. Eerst per sector, dan per provincie. Eerst bekijken we alle restaurants in België. We voeren de regressie uit met een random effects schatter, om ook de provinciale dummy’s te kunnen toevoegen. Net als in het vorige onderdeel zullen vanaf nu de regressies niet meer volledig worden weergeven. De volledige sectorale regressies zijn terug te vinden in bijlage C.

Tabel 25: random effects regressie voor alle opgenomen restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 526 Swamy and Arora estimator of component variances

42

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

8165.078

5259.394

1.552475

0.1212

BRUTOMARGE

0.511436

0.027534

18.57459

0.0000

UREN

-9.898696

0.689832

-14.34942

0.0000

RES

8020.151

3973.896

2.018209

0.0441

EIGEN_VERMOGEN

0.480707

0.202542

2.373370

0.0180

SCHULDEN

0.423993

0.199846

2.121601

0.0344

VASTE_ACTIVA

-0.476456

0.199642

-2.386557

0.0174

VLOTTENDE_ACTIVA

-0.493558

0.199421

-2.474947

0.0136

D_P_ANT

-10243.14

6220.057

-1.646792

0.1002

D_P_BRU

-20114.70

8231.112

-2.443740

0.0149

D_P_HEN

-9510.756

20515.70

-0.463584

0.6431

D_P_LIM

-13794.61

7761.498

-1.777313

0.0761

D_P_VLB

-3139.378

6634.555

-0.473186

0.6363

D_P_WB

8953.393

13053.16

0.685918

0.4931

D_P_WVL

-17880.60

7137.621

-2.505120

0.0126

De Hausman test wijst echter uit dat de random effects schatter inconsistent is. Tabel 26: Hausman test bij random effects regressie voor alle opgenomen restaurants (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_REST_WINST_1 Test cross-section random effects Chi-Sq. Test Summary

Statistic

Chi-Sq. d.f.

Prob.


25.965382

7

0.0005

We zullen daarom ook een fixed effects regressie uitvoeren. Hierdoor kunnen we de provinciale dummy-variabelen niet opnemen. Tabel 27: fixed effects regressie voor alle opgenomen restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Date: 05/01/14 Time: 16:50 Sample: 2005 2012 IF D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 526 Variable

Coefficient

Std. Error

43

t-Statistic

Prob.

C

-4210.226

5645.962

-0.745706

0.4562

RES

11249.01

6296.793

1.786467

0.0747

BRUTOMARGE

0.525099

0.030367

17.29160

0.0000

UREN

-10.06374

0.824462

-12.20643

0.0000

EIGEN_VERMOGEN

0.731347

0.238693

3.063959

0.0023

SCHULDEN

0.665973

0.231366

2.878442

0.0042

VASTE_ACTIVA

-0.748090

0.231170

-3.236101

0.0013

VLOTTENDE_ACTIVA

-0.674054

0.228491

-2.950026

0.0033

De fixed effects schatter toont interessante resultaten. Alle controlevariabelen hebben significante effecten, de p-waarde is er telkens kleiner dan 0,01. Het intercept C is niet significant. Op een significantieniveau van 90% toont ook lidmaatschap bij RES een significant effect op de bedrijfswinst van Belgische restaurants. Dit effect is bovendien ook extreem positief, wat het ongeloofwaardig maakt. Een verdere analyse hierop kan dus zeker interessant zijn, daarom zullen we ook, net zoals bij het aantal gepresteerde uren, een uitgebreide analyse doen op restaurants per provincie. Dit zullen we later in dit onderdeel doen. De volgende sector die we behandelen zijn meubelzaken gespecialiseerd in de verkoop van bedden. Zoals we in het vorige onderdeel al gezien hebben, bevat deze sector beduidend minder observaties. Gezien we maar negen cross-secties hebben, kunnen we niet alle provinciale dummy-variabelen én de controlevariabelen opnemen. Daarom doen we hier opnieuw twee regressies. De eerste regressie bevat de provinciale dummy-variabelen, de tweede regressie bevat meer controlevariabelen. Bij de tweede regressie geven we zowel de random effects als de fixed effects schatter. Dit is niet mogelijk voor de eerste regressie waar er tijdsinvariate dummy-variabelen zijn opgenomen

Tabel 28: eerste random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES TOTAALBALANS D_P_BRU D_P_LIM

-5134.309 0.923296 -19.03063 -5928.448 -0.081068 14295.82 -67112.38

17976.86 0.064747 1.741010 13843.91 0.014350 17642.30 20535.56

-0.285607 14.26000 -10.93080 -0.428235 -5.649190 0.810315 -3.268105

0.7761 0.0000 0.0000 0.6700 0.0000 0.4209 0.0018

44

D_P_VLB D_P_WVL

-27152.90 20535.85

18335.02 15698.53

-1.480932 1.308139

0.1437 0.1957

Tabel 29: Hausman test bij eerste random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_W_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

9.435722

4

0.0511

Met een p-waarde van 0,0511 kunnen we de nulhypothese van de Hausman test nipt niet verwerpen op 95% significantie niveau. De consistentie van deze random effects schatter valt dus te betwijfelen. Hoe dan ook tonen de resultaten geen significant effect van lidmaatschap bij RES op de bedrijfswinst.

Tabel 30: tweede random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

-22373.25 0.876566 -16.13762 -15360.83 0.373263 0.293663 -0.404532 -0.359574

24944.72 0.101600 3.078951 22356.05 0.217185 0.180014 0.181403 0.186276

-0.896913 8.627651 -5.241271 -0.687099 1.718644 1.631332 -2.230016 -1.930327

0.3732 0.0000 0.0000 0.4945 0.0906 0.1078 0.0293 0.0581

Tabel 31: Hausman test bij tweede random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_W_2 Test cross-section random effects


45

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

5.883344

7

0.5534

Tabel 32: fixed effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Date: 05/19/14 Time: 01:59 Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Variable

Coefficient

Std. Error

t-Statistic

Prob.


-48295.39 0.868721 -13.83490 -7900.934 0.359849 0.294470 -0.420482 -0.332220

32089.70 0.120744 4.567278 26898.48 0.287921 0.220452 0.223337 0.246552

-1.505012 7.194737 -3.029134 -0.293732 1.249822 1.335760 -1.882721 -1.347460

0.1380 0.0000 0.0037 0.7701 0.2167 0.1871 0.0650 0.1834

Opnieuw kunnen we de nulhypothese van de Hausman test net niet verwerpen op 95% significantie niveau. De consistentie van de random effects schatter is dus onzeker. Hoe dan ook tonen de resultaten van zowel de random effects als de fixed effects schatter een gelijkaardig resultaat. Opnieuw zien we geen significant effect van lidmaatschap bij RES op de bedrijfwinst. Door de extra opgenomen controlevariabelen, is de sub-sample van opticiens te klein om regressies mee uit te voeren. Ook de sub-sample van bloemenwinkels blijkt te klein te zijn om een regressie met de provinciale dummy’s uit te voeren. Omdat we in het vorige onderdeel bij bloemenwinkels sterk significante verschillen vonden tussen provincies, zullen ook deze sector niet verder onderzoeken. Net als bij het vorig onderdeel zullen we de algemene regressie ook opdelen per provincie. Deze opdeling begint met een random effects regressie per provincie, voor alle sectoren. Dezelfde controlevariabelen worden gebruikt zoals bij de vorige regressies. Onderaan staat ook het resultaat van de Hausman test. Opnieuw staat er bij Antwerpen “N/A” voor bloemenwinkels en opticiens omdat er geen Antwerpse bloemenwinkels of opticiens zijn opgenomen in de database. Door de extra toegevoegde controle variabelen aantal gepresteerde uren en brutomarge is Brussel, naast Henegouwen en Waals-Brabant, niet onderzocht wegens te kleine sample. De significantie van elke waarde staat aangegeven met behulp van asterisken. De volledige regressieresultaten zijn te vinden in bijlage D. Na de regressie voor alle sectoren gaan we ook kijken naar regressies voor enkel restaurants. Bij deze laatste bekijken we zowel de random effects schatter als de fixed effects schatter. Dit kunnen we 46

doen omdat we telkens filteren op provincie en op sector. Hierdoor nemen we geen tijdsinvariate dummy-variabelen op en zijn fixed effects regressies mogelijk. Omdat de sample weer verkleint door enkel te focussen op restaurants, kan nu ook Limburg niet opgenomen worden in het onderzoek. Tabel 33: overzicht van random effects regressies per provincie (bedrijfswinst)

Bedrijfswinst

Antwerpen

Limburg

(16)

(11)

Oost-

Vlaams-

West-

Vlaanderen

Brabant

Vlaanderen

(24)

(14)

(14)

C

-1592.597

5432.605

4561.641

-4935.189

6691.022

RES

-23001.66***

2796.594

4025.498

13087.25**

4769.730

Brutomarge

0.748082***

0.625917***

0.601213***

0.406576***

0.625447***

Uren

-13.93521***

-14.35461***

-11.07044***

-9.606591***

-12.95667***

0.320379***

-3.129059***

0.240461**

-0.395421

5.594902***

Schulden

0.292179***

-3.253734***

0.175163

-0.393946

5.418570***

Vaste Activa

-0.423521***

3.185746***

-0.241121**

0.381920

-5.486111***

-0.286960***

3.160158***

-0.248054**

0.474421

-5.549561***

Bedden

-109460.3**

-76690.56***

-12883.47*

-76096.66***

1949.499

Bloemen

N/A

5538.869

-7786.863

-9358.607

20079.08

Opticien

N/A

7691.557

22446.59***

-26936.67*

10053.02

Hausman χ²

7.792196

11.634279

46.705940***

23.681199***

71.271683***

Eigen Vermogen

Vlottende Activa

(*p < 0,10; ** p < 0,05; *** p < 0,01) Tabel 34: overzicht van random effects regressies per provincie, enkel restaurants (bedrijfswinst)

Bedrijfswinst

Antwerpen (15)

Oost-

Vlaams-

West-

Vlaanderen

Brabant

Vlaanderen

(17)

(11)

(9)

C

-202.6476

2802.974

-5536.405

22546.74

RES

-9037.225

3124.361

12998.42*

-14387.39

47

Brutomarge

0.689177***

0.599173***

0.397519***

0.181580

Uren

-13.05220***

-11.10129***

-9.381098***

0.067205

0.964344

0.251895*

1.243758

6.582739***

Schulden

0.944832

0.181826

1.248975

6.483176***

Vaste Activa

-1.081642

-0.250795**

-1.257960

-6.525942***

-0.950149

-0.227276*

-1.162999

-6.752792***

6.672507

38.587099***

23.727707***

37.333316***

Eigen Vermogen

Vlottende Activa Hausman χ²

(*p < 0,10; ** p < 0,05; *** p < 0,01) Tabel 35: overzicht van fixed effects regressies per provincie, enkel restaurants (bedrijfswinst) Bedrijfswinst Antwerpen

Oost-

Vlaams-

West-

Vlaanderen

Brabant

Vlaanderen

C

5793.163

15798.75**

-3892.822

82189.68*

RES

-34349.85

-2760.590

18609.39*

17992.73

Brutomarge

0.682226***

0.680149***

0.411232***

0.193738

Uren

-12.31145***

-15.68426

-8.934232***

-15.02421**

-0.970202

0.590872***

-0.198866

14.21841***

Schulden

-0.956694

0.448317**

-0.094427

13.86594***

Vaste Activa

0.832324

-0.523788***

0.004940

-13.94828***

0.928373

-0.459430***

0.267314

-13.62962***

Eigen Vermogen

Vlottende Activa

(*p < 0,10; ** p < 0,05; *** p < 0,01) Als we kijken naar de resultaten van de algemene regressies per provincie zien we alvast dat bij OostVlaanderen, Vlaams-Brabant en West-Vlaanderen de Hausman test wijst op een inconsistente schatter. Bij Limburg zien we geen significant effect van lidmaatschap bij RES op de bedrijfswinst. Bij Antwerpen zien we dat wel. Daar is er een erg negatief, significant effect van lidmaatschap bij RES op de bedrijfswinst. Dit effect vinden we echter niet terug als we de sample iets vernauwen naar enkel

48

restaurants. Daarbij geven zowel de random effects schatter als de fixed effects schatter, beiden consistent, weliswaar een negatief effect dat echter niet significant is. Eerder in dit onderdeel vonden we een erg positief effect dat significant was op 90% significantieniveau bij een regressie met alle opgenomen restaurants. Een verdere analyse met regressies van de Belgische restaurants per provincie kan dus erg interessant zijn. In deze verdere analyse zien we weinig verrassingen. Omdat de random effects schatter voor Oost-Vlaanderen, Vlaams-Brabant en West-Vlaanderen inconsistent is, dienen we te kijken naar de fixed effects schatter. Deze schatter wijst uit dat er bij Oost- en West-Vlaamse restaurants ook geen significant effect van lidmaatschap bij RES op de bedrijfswinst valt waar te nemen. Voor Antwerpen zijn beide schatters consistent en tonen ze beide een insignificant effect van lidmaatschap bij RES. Enkel bij Vlaams-Brabantse restaurants zien we een positief effect dat significant is op 90% significantieniveau. Dit effect is erg positief. Hier zien we een parallel met de regressies met aantal gepresteerde uren als afhankelijke variabele. Ook daar zagen we een significant en erg positief effect van lidmaatschap bij RES, maar enkel en alleen bij de Vlaams-Brabantse restaurants. Het feit dat we in dezelfde sub-sample dezelfde, erg grote afwijking van de trend zien, doet de vraag rijzen of er hier niet een andere, niet opgenomen variabele meespeelt die dit effect bepaalt. Net als bij het vorige onderdeel kunnen we concluderen dat er over het algemeen geen significante effecten van lidmaatschap bij RES op de bedrijfswinst waar te nemen vallen. Opnieuw wijken ook Vlaamse-Brabantse restaurants af van deze algemene tendens. Deze afwijking is echter slechts significant op 90% significantieniveau, waargenomen bij een erg kleine sample van elf bedrijven en van een dergelijke ordegrootte dat ze ongeloofwaardig is.

3.5.

Conclusie

Over het algemeen wijst dit empirisch onderzoek uit dat lidmaatschap tot RES amper significante effecten toont. De stelling van de muntcentrale van RES zelf dat bedrijven een omzetstijging van 3 à 5% zullen ervaren door lid te worden van het systeem, kan met dit onderzoek niet bevestigd worden. Omzet was niet opgenomen in de database, gezien de meeste lidbedrijven enkel een verkorte jaarbalans indien waarbij het niet verplicht is de omzet mee te geven. Wel werd er onderzoek gedaan naar het effect op het aantal gepresteerde uren. De gedachtegang hierachter is dat een stijging van de omzet vaak het gevolg zal zijn van een stijging van de bedrijfsactiviteit. Deze toename van bedrijfsactiviteit zou zich dan tonen in het aantal gepresteerde uren. Ook werd in het theoretisch deel beschreven dat een complementaire munt voor een toename in lokale werkgelegenheid zou zorgen. Hiervoor vind ik echter geen bevestiging in dit onderzoek. De algemene tendens toont dat er geen significant effect van lidmaatschap bij RES op het aantal gepresteerde uren valt waar te nemen. 49

Enkel wanneer we de onderzoeksgroep opdelen in kleinere samples, zien we hierop een afwijking. Zo blijkt lidmaatschap bij RES voor Vlaams-Brabantse restaurants wel vrij significante, positieve effecten op te leveren. Bovendien blijkt dit positief effect erg groot te zijn. Een zelfde effect zien we bij het onderzoek naar de bedrijfswinst. Het feit dat deze afwijkingen zo groot zijn, alleenstaand in het onderzoek en enkel gevonden in een kleine sub-sample van elf bedrijven, maakt het significant positief resultaat hier moeilijk te veralgemenen en eerder onbetrouwbaar.

3.6.

Beperkingen

Omdat het verzamelen van de data handmatig moest gebeuren, kent het onderzoek ook enkele beperkingen. Er zijn in totaal 736 observaties vastgelegd van 92 bedrijven over een tijdsspanne van acht jaar. Deze bedrijven zijn opgedeeld volgens sector en provincie. 92 bedrijven vormt een aanzienlijke onderzoeksgroep, maar van zodra de onderzoeksgroep wordt opgesplitst kunnen we te maken krijgen met erg kleine samples. Hierdoor zijn resultaten van die kleinere regressies ook moeilijker te veralgemenen, zoals ook in het vorige onderdeel werd beschreven. Verder zijn er ook een beperkt aantal kengetallen opgenomen, omdat deze handmatig verzameld moesten worden. Gedetailleerdere cijfers kunnen ook een interessante kijk bieden op de effecten van lidmaatschap bij RES. Zo zijn bijvoorbeeld leveranciersschulden in dit onderzoek niet opgenomen. Gezien bedrijven die lid worden van RES zo ook lid worden van een vrij groot handelaarsnetwerk, kan dit gevolgen hebben op de leveranciersschulden. Ook interessant zou een onderzoek naar de werkelijke omzetcijfers zijn, maar die zullen dan op andere manieren verkregen moeten worden dan via de balanscentrale van de Nationale Bank van België. Een uitbreiding van de onderzoeksgroep is mogelijk maar niet zo vanzelfsprekend. Elk lidbedrijf uit de vier opgenomen sectoren dat cijfers ter beschikking had voor de periode 2005 – 2012 is opgenomen in het onderzoek. Uitbreiding naar lidbedrijven uit andere sectoren is mogelijk. Maar zoals eerder aangehaald moet er dan rekening gehouden worden met de erg grote diversiteit tussen en binnen bepaalde sectoren. Een andere mogelijkheid tot uitbreiding is ook bedrijven opnemen in de onderzoeksgroep die vandaag geen lid zijn van RES en die dat ook nooit geweest zijn. Hoewel er in dit onderzoek al bedrijven waren opgenomen die pas vanaf 2013 lid waren geworden van RES, kan het een interessant inzicht bieden een grotere vergelijking te maken met bedrijven die geen lid zijn van het systeem. Hoe dan ook zal elke uitbreiding op grenzen stuiten. De grenzen van het muntsysteem zelf. Er zijn 2114 lidbedrijven in België. Maar zoals aangehaald in het hoofdstuk over de database zijn van niet 50

alle bedrijven de gegevens beschikbaar bij de balanscentrale. Ook zijn enkele bedrijven erg jong waardoor ook van hen weinig cijfers beschikbaar zijn. Ook is het onzeker of een uitbreiding van de onderzoeksgroep de problemen die dit onderzoek had, zou verhelpen. De grootste sector, restaurants, is al zo volledig mogelijk opgenomen in dit onderzoek. Elke andere sector is aanzienlijk kleiner en/of te divers. Gezien deze sectorale verschillen met behulp van tijdsinvariate dummy-variabelen worden weergegeven, zijn ze ook niet te schatten met een fixed effects schatter. Dus wanneer de random effects schatter bij een algemene regressie inconsistent blijkt, kan de sample alleen maar opgebroken worden om verder onderzoek te plegen. Dit opbreken leidt dan tot de (te) kleine sub-samples waar dit onderzoek soms ook mee worstelde. Er valt dus te concluderen dat de beperkingen waar dit onderzoek mee kampte, moeilijk te overbruggen zijn. Hoewel RES de grootste complementaire munt van België is, blijft het iets te klein om grondig te onderzoeken.

4. Algemeen besluit De onderzoeksvraag van dit proefschrift was: wat is het effect van een complementair muntsysteem op de economie? Deze vraag werd macro-economisch benaderd in een theoretisch luik. Een microeconomische dimensie van de vraag werd onderzocht in een empirisch luik. Beide luiken waren geconcentreerd op de RES, een complementaire munt gebaseerd in Leuven. Het empirische luik was een panel data analyse aan de hand van boekhoudkundige data van verscheidene lidbedrijven van RES. Het theoretische luik gebruikte de architectuur van RES als uitgangspunt om een antwoord te bieden op de onderzoeksvraag. Deze architectuur werd uitgebreid uitgelegd in het begin van het theoretisch luik, na een overzicht van de literatuur en de gebruikte definities. De uitkomst van de theoretische studie is niet eenduidig. Wetenschappelijk-economische literatuur die complementaire muntsystemen expliciet behandelt, ziet overwegend positieve effecten. Zo zien we theoretisch een stijging van de totale uitgaven gebeuren, die op zijn beurt de lokale werkgelegenheid vooruit helpt. Op grotere schaal vinden we een stabiliserend effect dat gecentraliseerde, complementaire munten hebben op de conjunctuur. Dit waargenomen contracyclisch effect is een interessant gegeven voor de eurozone. De opkomst van complementaire muntsystemen binnen de eurozone is weinig behandeld in de wetenschappelijk-economische literatuur betreffende complementaire muntsystemen. Toch kan dit aanzienlijke gevolgen hebben op de vrije handel binnen de muntzone en op de muntzone zelf. Aan 51

de hand van optimale-muntzonetheorie heeft dit onderzoek getracht een theoretische analyse te doen naar de effecten van regionale, complementaire munten op een interregionale muntzone als de eurozone. Het contra-cyclische effect heeft alvast interessante gevolgen ten aanzien van asymmetrische schokken. Zo kunnen complementaire muntsystemen spontaan asymmetrische schokken binnen de eurozone bestrijden. Hier zijn ook gevaren aan verbonden. Deze muntsystemen zijn net als elke munt afhankelijk van vertrouwen, zonder dit vertrouwen kan de complete munt imploderen. Dit kan aanzienlijke gevolgen hebben, afhankelijk van hoe sterk het complementair muntsysteem met de economie verweven is. Ook moeten we gewaar zijn van het erg protectionistische karakter dat deze muntsystemen kunnen aannemen. Dit kan gepaard gaan met efficiëntie- en welvaartsverlies. Het tweede en empirische luik benaderde de onderzoeksvraag micro-economisch. Hierdoor kon niet elk effect dat besproken werd in het theoretische luik onderzocht worden in het empirisch onderzoek. Wel kon worden nagegaan of er een significant effect was op de lokale uitgaven en de lokale werkgelegenheid zoals de theorie voorspelde. Ook RES zelf voorspelt een omzetstijging van 3 à 5% wanneer een bedrijf lid wordt van het systeem. Daarnaast werd er nagegaan of er enige waarneembare effecten zijn van lidmaatschap bij RES op de bedrijfswinst. Dit effect kon verschillende kanten uitgaan. Een positief effect op de bedrijfswinst kon het gevolg zijn van een versterkte marktpositie dankzij de complementaire munt ten aanzien van de grote (multi)nationale ketens. Maar ook een negatief effect was mogelijk, als een verlies aan efficiëntie vanwege een verminderde competitieve druk omwille van die veiligere marktpositie. Het onderzoek werd gedaan naar lidbedrijven uit vier sectoren over heel België. Deze vier sectoren zijn geselecteerd op basis van een zelf samengesteld overzicht van de lidbedrijven van RES. De boekhoudkundige data nodig voor het onderzoek werd nadien handmatig verzameld via de balanscentrale van de Nationale Bank van België. Via EViews werden verschillende regressies uitgevoerd: algemene regressies, regressies per sector en regressies per provincie. De afhankelijke variabelen bij deze regressies waren aantal gepresteerde uren en bedrijfswinst. De onderzoeksresultaten wijzen uit dat er over het algemeen geen significante effecten van lidmaatschap bij RES op het aantal gepresteerde uren en de bedrijfswinst waar te nemen zijn. Afwijkingen op deze algemene tendens zijn eerder onbetrouwbaar. Zowel de bevindingen in het theoretische luik, als de stelling van RES kunnen met dit onderzoek dus niet worden bevestigd. Verder en diepgaander onderzoek naar de effecten van lidmaatschap bij RES is mogelijk, maar niet evident. De beperkingen waarop het onderzoek stuitte, voornamelijk ten gevolge van de handmatige dataverzameling en de grootte van het muntsysteem, zijn moeilijk te overbruggen. 52

Daar waar complementaire munten potentieel aanzienlijke effecten kunnen hebben op de economie, kunnen we dit vandaag niet waarnemen bij het complementair muntsysteem RES.

53

54

Geraadpleegde werken Bresciani-Turroni, C. (1937). The Economics of Inflation: A study of currency depreciation in post-war Germany. (M. E. Sayers, Vert.) London: Sir Halley Stewart Publications IV. Carrère, C. (2004). African Regional Agreements: Impact on Trade with or without Currency Unions. Journal of African Economies, 13(2), p. 199-239. Cieślik, A., Michałek, J., & Michałek, A. (2013). The Impact of the Common Currency on Exports of New EMU Members: Firm-level Evidence for Slovenia and Slovakia. Quarterly Journal of Economics and Economic Policy, 8(4), p. 7-23. Colacelli, M., & Blackburn, D. (2009). Secondary Currency: An Empirical Analysis. Journal of Monetary Economics, 56(3), p. 295-308. Dumas, T. (2014, april 28). Nantes : La monnaie locale SoNantes attend sa carte bancaire – metronews. Opgeroepen op mei 14, 2014, van Metronews.fr: http://www.metronews.fr/nantes/nantes-la-monnaie-locale-sonantes-attend-sa-cartebancaire/mndB!tWJaycvJZk3sg/ Frankel, J. A. (2008). Should Eastern European Countries Join the Euro? A Review and Update of Trade Estimates and Consideration of Endogenous OCA Criteria. Research Working Paper. Frye, A. (2013, februari 10). Berlusconi Ally May Seek Local Currency for Use Alongside Euro Bloomberg. Opgeroepen op mei 5 en mei 14, 2014, van Bloomberg News: http://www.bloomberg.com/news/2013-02-10/berlusconi-ally-may-seek-local-currency-foruse-alongside-euro.html Greco, T. H. (2001). Money: Understanding and Creating Alternatives to Legal Tender. White River Junction, Hartford, Vermont, USA: Chelsea Green Publishing Company. Groppa, O. (2013). Complementary currency and its impact on the economy. International Journal of Community Currency Research, 17, p. 45-57. Hayek, F. (1990). Denationalisation of Money: The Argument Refined. (Derde ed.). Londen: The Institute of Economic Affairs. Herman, G. (2011, april 30). Rabot houdt van TOREKES (Gent) - Het Nieuwsblad. Opgeroepen op mei 14, 2014, van Nieuwsblad.be: http://www.nieuwsblad.be/article/detail.aspx?articleid=F839I9VT Hern, A. (2013, december 18). Bitcoin plummets as China's largest exchange blocks new deposits | Technology | The Guardian. Opgeroepen op mei 14, 2014, van theguardian.com: http://www.theguardian.com/technology/2013/dec/18/bitcoin-plummets-china-paymentprocessors-digital-cryptocurrency Lietaer, B. (2004). Complementary Currencies in Japan Today: history, originality and relevance. International Journal of Community Currency Research, 8, p. 1-23.

I

Lietaer, B., & e.a. (2012). Geld en duurzaamheid: van een falend geldsysteem naar een monetair ecosysteem. Utrecht: Uitgeverij Jan van Arkel. Martignoni, J. (2012). A New Approach to a Typology of Complementary Currencies. International Journal of Community Currency Research, 16, p. 1-17. McKinnon, R. (1963, September). Optimal currency areas. The American Economic Review, Vol. 53(No. 4), p. 717-725. Micco, A., Stein, E., & Ordoñez, G. (2003). The currency union effect on trade: early evidence from EMU. Washington, DC: Inter-American Development Bank. Museum van de Nationale Bank van België. (2013, februari 4). Belgisch noodgeld uit de Eerste Wereldoorlog - Museum van de Nationale Bank van België. Opgeroepen op maart 17, 2014, van Museum van de Nationale Bank van België: http://www.nbbmuseum.be/nl/catalogue/necessity-money Pfajfar, D., Sgro, G., & Wagner, W. (2012). Are alternative currencies a substitute or a complement to fiat money? Evidence from cross-country data. International Journal of Community Currency Research, 16, p. 45 - 56. RES. (2014). Wat is RES? Opgeroepen op april 9, 2014, van RES.be: http://www.res.be/nl/index.asp?pid=watisres&pagelanguage=1 Rose, A. K., & Van Wincoop, E. (2001, mei). National Money as a Barrier to International Trade: The Real Case for Currency Union. The American Economic Review, 91(2), p. 386-390. Rose, A. K., Lockwood, B., & Quah, D. (2000, april). One Money, One Market: The Effect of Common Currencies on Trade. Economic Policy, 15(30), p. 7-45. Schraven, J. (2000). The Economics of Local Exchange and Trading Systems: a Theoretical Perspective. International Journal of Community Currency Research, 4, 1-8. Smets, W., & Smets, W. J. (2013, oktober 23). Gesprek met kaderleden van RES over de werking van RES. (P.-J. Deprest, Interviewer) Sørensen, P. B., & Whitta-Jacobsen, H. J. (2010). Introducing Advanced Macroeconomics: Growth and Business Cycles (2e ed., hoofdstuk 25). Maidenhead, Berkshire, Verenigd Koninkrijk: McGrawHill Education. Stodder, J. (2009). Complementary credit networks and macroeconomic stability: Switzerland’s Wirtschaftsring. Journal of Economic Behavior & Organization, 72, p. 79-95. Verbeek, M. (2000). Moderen Econometrics (Vol. 10). Chichester, West Sussex, England: John Wiley & Sons, Ltd. White, A. D. (1933). Fiat Money Inflation in France. New York: D. Appleton-Century Company.

II

Bijlage A: Sectorale regressies en Hausman testen (aantal gepresteerde uren) Tabel A.1: volledige random effects regressie voor alle opgenomen restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF SECTOR="Restaurant" Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 527 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2067.935

1054.056

1.961882

0.0503

RES

372.6488

439.6134

0.847674

0.3970

D_P_ANT

1733.281

1447.573

1.197370

0.2317

D_P_BRU

2540.579

1937.923

1.310981

0.1904

D_P_HEN

17874.67

4274.698

4.181506

0.0000

D_P_LIM

-403.2715

1831.978

-0.220129

0.8259

D_P_VLB

1501.365

1575.548

0.952916

0.3411

D_P_WB

1220.489

3057.991

0.399115

0.6900

D_P_WVL

524.4806

1681.650

0.311885

0.7553

VASTE_ACTIVA

-0.020115

0.016977

-1.184873

0.2366

VLOTTENDE_ACTIVA

-0.023476

0.016865

-1.392000

0.1645

EIGEN_VERMOGEN

0.035649

0.017362

2.053256

0.0406

SCHULDEN

0.030163

0.016927

1.781904

0.0754

S.D.

Rho


3971.840

0.7392


2359.178

0.2608



0.309583

Mean dependent var

1403.200

Adjusted R-squared

0.293464

S.D. dependent var

2823.199

S.E. of regression

2375.893

Sum squared resid

2.90E+09

F-statistic

19.20646

Durbin-Watson stat

1.095791

Prob(F-statistic)


III

R-squared

0.458765

Mean dependent var

6769.319

Sum squared resid

1.06E+10

Durbin-Watson stat

0.298883

Tabel A.2: volledige Hausman test bij random effects regressie voor alle opgenomen restaurants (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_RESTAURANT_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

5.443152

5

0.3642

Var(Diff.)

Prob.

372.648783 29558.754394 -0.020115 0.000014 -0.023476 0.000011 0.035649 0.000016 0.030163 0.000013

0.7495 0.2507 0.4955 0.3514 0.2434

Cross-section random effects test comparisons: Variable RES VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN SCHULDEN

Fixed 317.742622 -0.015892 -0.021233 0.031870 0.025898

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF SECTOR="Restaurant" Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 527 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES D_P_ANT D_P_BRU D_P_HEN D_P_LIM D_P_VLB D_P_WB D_P_WVL VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN SCHULDEN

3635.555 317.7426 NA NA NA NA NA NA NA -0.015892 -0.021233 0.031870 0.025898

387.8464 472.0367 NA NA NA NA NA NA NA 0.017370 0.017184 0.017830 0.017318

9.373698 0.673131 NA NA NA NA NA NA NA -0.914925 -1.235642 1.787438 1.495504

0.0000 0.5012 NA NA NA NA NA NA NA 0.3607 0.2172 0.0745 0.1355

Effects Specification Cross-section fixed (dummy variables) R-squared

0.871436

Mean dependent var

IV

6769.319

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.851047 2359.178 2.53E+09 -4801.210 42.74054 0.000000

S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

6112.744 18.49795 19.08904 18.72937 1.243387

Tabel A.3: volledige random effects regressie voor alle opgenomen restaurants, uitgezonderd Henegouwen (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_RESTAURANT=1 AND D_P_HEN=0 Periods included: 8 Cross-sections included: 67 Total panel (unbalanced) observations: 519 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2162.868

1048.605

2.062614

0.0397

RES

397.8341

419.9857

0.947256

0.3440

D_P_ANT

1716.900

1446.804

1.186685

0.2359

D_P_BRU

2495.806

1937.217

1.288346

0.1982

D_P_LIM

-460.9751

1831.275

-0.251724

0.8014

D_P_VLB

1462.048

1575.233

0.928147

0.3538

D_P_WB

1288.484

3056.330

0.421579

0.6735

D_P_WVL

516.0609

1680.987

0.306999

0.7590

VASTE_ACTIVA

-0.021300

0.016156

-1.318344

0.1880

VLOTTENDE_ACTIVA

-0.024911

0.016052

-1.551915

0.1213

EIGEN_VERMOGEN

0.037377

0.016546

2.259003

0.0243

SCHULDEN

0.031126

0.016110

1.932074

0.0539

S.D.

Rho


3980.836

0.7597


2238.832

0.2403



0.313715

Mean dependent var

1292.476

Adjusted R-squared

0.298825

S.D. dependent var

2691.400

S.E. of regression

2256.101

Sum squared resid

2.58E+09

F-statistic

21.06906

Durbin-Watson stat

1.010862

Prob(F-statistic)

0.000000

V

Unweighted Statistics R-squared

0.418885

Mean dependent var

6567.871

Sum squared resid

1.04E+10

Durbin-Watson stat

0.250113

Tabel A.4: volledige Hausman test bij random effects regressie voor alle opgenomen restaurants, uitgezonderd Henegouwen (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_RESTAURANT_2 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

5.893887

5

0.3167

Var(Diff.)

Prob.

397.834078 24314.503926 -0.021300 0.000011 -0.024911 0.000009 0.037377 0.000014 0.031126 0.000011

0.7602 0.2835 0.5566 0.4034 0.2728

Cross-section random effects test comparisons: Variable RES VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN SCHULDEN

Fixed 350.236254 -0.017687 -0.023135 0.034252 0.027451

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_RESTAURANT=1 AND D_P_HEN=0 Periods included: 8 Cross-sections included: 67 Total panel (unbalanced) observations: 519 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES D_P_ANT D_P_BRU D_P_LIM D_P_VLB D_P_WB D_P_WVL VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN SCHULDEN

3436.042 350.2363 NA NA NA NA NA NA -0.017687 -0.023135 0.034252 0.027451

366.6065 447.9983 NA NA NA NA NA NA 0.016504 0.016334 0.016963 0.016455

9.372561 0.781780 NA NA NA NA NA NA -1.071722 -1.416390 2.019223 1.668256

0.0000 0.4348 NA NA NA NA NA NA 0.2844 0.1574 0.0441 0.0960

Effects Specification Cross-section fixed (dummy variables)

VI

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.875166 0.855338 2238.832 2.24E+09 -4701.089 44.13759 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

6567.871 5886.331 18.39341 18.98327 18.62450 1.148764

Tabel A.5: volledige eerste random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

5638.533

2490.497

2.264019

0.0270

RES

-2078.561

779.2807

-2.667281

0.0097

D_P_ANT

7767.834

4250.394

1.827556

0.0724

D_P_BRU

6688.595

4108.161

1.628124

0.1085

D_P_LIM

-4498.555

4118.676

-1.092233

0.2789

D_P_VLB

-2790.401

4121.849

-0.676978

0.5009

D_P_WVL

-3551.123

3101.665

-1.144909

0.2566

TOTAALBALANS

0.003587

0.000511

7.015271

0.0000

S.D.

Rho


3307.546

0.8170


1565.306

0.1830



0.533310

Mean dependent var

1229.215

Adjusted R-squared

0.481455

S.D. dependent var

2178.418

S.E. of regression

1571.123

Sum squared resid

1.56E+08

F-statistic

10.28474

Durbin-Watson stat

1.563769

Prob(F-statistic)


R-squared

0.823437

Mean dependent var

7435.141

Sum squared resid

4.41E+08

Durbin-Watson stat

0.551632

VII

Tabel A.6: volledige Hausman test bij eerste random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_2 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

2.469111

2

0.2910

Var(Diff.)

Prob.

2227.882226 -2078.561036 11204.891293 0.003596 0.003587 0.000000

0.1583 0.6982


Cross-section random effects test comparisons: Variable

RES TOTAALBALANS

Fixed

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES D_P_ANT D_P_BRU D_P_LIM D_P_VLB D_P_WVL TOTAALBALANS

5466.415 -2227.882 NA NA NA NA NA 0.003596

781.4626 786.4371 NA NA NA NA NA 0.000512

6.995108 -2.832880 NA NA NA NA NA 7.025536

0.0000 0.0063 NA NA NA NA NA 0.0000

Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.941120 0.931307 1565.306 1.47E+08 -617.0331 95.90272 0.000000


VIII

7435.141 5972.322 17.69107 18.04163 17.83048 1.676587

Tabel A.7: volledige tweede random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


1748.989 507.4998 0.026170 0.032013 -0.024421 -0.025367

1154.867 841.5440 0.006088 0.006191 0.007321 0.006016

1.514450 0.603058 4.298341 5.171047 -3.335708 -4.216244

0.1348 0.5486 0.0001 0.0000 0.0014 0.0001

Effects Specification S.D. Cross-section random Idiosyncratic random

Rho

2272.055 1313.122

0.7496 0.2504

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.644526 0.617181 1407.301 23.57085 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

1491.154 2269.803 1.29E+08 1.596470

Unweighted Statistics R-squared Sum squared resid

0.693577 7.65E+08

Mean dependent var Durbin-Watson stat

7435.141 0.268622

Tabel A.8: volledige Hausman test bij tweede random effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

14.656308

5

0.0119

Random

Var(Diff.)

Prob.

507.499812

162002.67327 1

0.0246


RES

Fixed

-397.034496

IX

VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN SCHULDEN

0.021441 0.024807 -0.017326 -0.020071

0.026170 0.032013 -0.024421 -0.025367

0.000009 0.000019 0.000022 0.000010

0.1218 0.0989 0.1268 0.0902

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Variable

Coefficient

Std. Error

t-Statistic

Prob.


2942.403 -397.0345 0.021441 0.024807 -0.017326 -0.020071

1070.544 932.8445 0.006812 0.007576 0.008671 0.006780

2.748513 -0.425617 3.147283 3.274589 -1.998035 -2.960369

0.0080 0.6720 0.0026 0.0018 0.0505 0.0045


0.960636 0.951658 1313.122 98284434 -602.7394 107.0015 0.000000


7435.141 5972.322 17.37294 17.81910 17.55036 2.018269

Tabel A.9: volledige fixed effects regressie voor alle opgenomen beddenverkopers (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2942.403

1070.544

2.748513

0.0080

RES

-397.0345

932.8445

-0.425617

0.6720

VASTE_ACTIVA

0.021441

0.006812

3.147283

0.0026

VLOTTENDE_ACTIVA

0.024807

0.007576

3.274589

0.0018

EIGEN_VERMOGEN

-0.017326

0.008671

-1.998035

0.0505

SCHULDEN

-0.020071

0.006780

-2.960369

0.0045


X

Cross-section fixed (dummy variables) R-squared

0.960636

Mean dependent var

7435.141

Adjusted R-squared

0.951658

S.D. dependent var

5972.322

S.E. of regression

1313.122

Akaike info criterion

17.37294

Sum squared resid

98284434

Schwarz criterion

17.81910

Log likelihood

-602.7394

Hannan-Quinn criter.

17.55036

F-statistic

107.0015

Durbin-Watson stat

2.018269

Prob(F-statistic)

0.000000

Tabel A.10: volledige random effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1876.228

384.1725

4.883816

0.0000

RES

-1153.923

271.4623

-4.250766

0.0001

VASTE_ACTIVA

0.006087

0.020455

0.297593

0.7675

VLOTTENDE_ACTIVA

0.006294

0.021177

0.297206

0.7678

EIGEN_VERMOGEN

-0.004836

0.020838

-0.232058

0.8176

SCHULDEN

-0.002134

0.020785

-0.102658

0.9187

S.D.

Rho


0.000000

0.0000


503.7566

1.0000



0.450094

Mean dependent var

2151.596

Adjusted R-squared

0.383032

S.D. dependent var

1413.463

S.E. of regression

1110.237

Sum squared resid

50537719

F-statistic

6.711628

Durbin-Watson stat

0.321891

Prob(F-statistic)


XI

R-squared

0.450094

Mean dependent var

2151.596

Sum squared resid

50537719

Durbin-Watson stat

0.321891

Tabel A.11: volledige Hausman test bij random effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_OPTICIEN_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

163.147153

5

0.0000


** WARNING: estimated cross-section random effects variance is zero. Cross-section random effects test comparisons: Variable

Fixed

Random

Var(Diff.)

Prob.

RES -490.549508 -1153.922730 58402.564473 VASTE_ACTIVA -0.017652 0.006087 0.000018 VLOTTENDE_ACTIVA -0.016616 0.006294 0.000026 EIGEN_VERMOGEN 0.019479 -0.004836 0.000029 SCHULDEN 0.019657 -0.002134 0.000014

0.0061 0.0000 0.0000 0.0000 0.0000

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47 Variable

Coefficient

Std. Error

t-Statistic

Prob.


1628.848 -490.5495 -0.017652 -0.016616 0.019479 0.019657

574.9984 363.4479 0.020885 0.021793 0.021527 0.021109

2.832788 -1.349711 -0.845205 -0.762471 0.904865 0.931238

0.0075 0.1855 0.4036 0.4507 0.3716 0.3579


0.900593 0.872980 503.7566 9135746. -352.8627 32.61473 0.000000


XII

2151.596 1413.463 15.48352 15.91653 15.64647 1.435094

Tabel A.12: volledige fixed effects regressie voor alle opgenomen opticiens (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1628.848

574.9984

2.832788

0.0075

RES

-490.5495

363.4479

-1.349711

0.1855

VASTE_ACTIVA

-0.017652

0.020885

-0.845205

0.4036

VLOTTENDE_ACTIVA

-0.016616

0.021793

-0.762471

0.4507

EIGEN_VERMOGEN

0.019479

0.021527

0.904865

0.3716

SCHULDEN

0.019657

0.021109

0.931238

0.3579

Effects Specification Cross-section fixed (dummy variables) R-squared

0.900593

Mean dependent var

2151.596

Adjusted R-squared

0.872980

S.D. dependent var

1413.463

S.E. of regression

503.7566

Akaike info criterion

15.48352

Sum squared resid

9135746.

Schwarz criterion

15.91653

Log likelihood

-352.8627

Hannan-Quinn criter.

15.64647

F-statistic

32.61473

Durbin-Watson stat

1.435094

Prob(F-statistic)

0.000000

Tabel A.13: volledige eerste random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BLOEMEN=1 Periods included: 8 Cross-sections included: 8 Total panel (unbalanced) observations: 63 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1001.749

656.7634

1.525282

0.1328

XIII

RES

-498.7355

544.0259

-0.916750

0.3632

D_P_BRU

5498.208

855.7706

6.424861

0.0000

D_P_LIM

446.7526

765.6521

0.583493

0.5619

D_P_VLB

7522.098

845.4092

8.897582

0.0000

D_P_WVL

2986.553

834.9455

3.576944

0.0007

TOTAALBALANS

0.003776

0.000740

5.105778

0.0000

S.D.

Rho


622.1497

0.2652


1035.631

0.7348



0.701760

Mean dependent var

1886.908

Adjusted R-squared

0.669806

S.D. dependent var

1828.513

S.E. of regression

1041.217

Sum squared resid

60711438

F-statistic

21.96139

Durbin-Watson stat

0.929650

Prob(F-statistic)


R-squared

0.865950

Mean dependent var

3670.619

Sum squared resid

70088931

Durbin-Watson stat

0.805268

Tabel A.14: volledige Hausman test bij eerste random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BLOEMEN_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

2.605779

2

0.2717

Var(Diff.)

Prob.

-498.735515 16669.513959 0.003776 0.000000

0.1244 0.1825


Cross-section random effects test comparisons: Variable RES TOTAALBALANS

Fixed -300.347444 0.004244

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_BLOEMEN=1

XIV

Periods included: 8 Cross-sections included: 8 Total panel (unbalanced) observations: 63 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES D_P_BRU D_P_LIM D_P_VLB D_P_WVL TOTAALBALANS

2734.102 -300.3474 NA NA NA NA 0.004244

483.0963 559.1365 NA NA NA NA 0.000819

5.659538 -0.537163 NA NA NA NA 5.184190

0.0000 0.5934 NA NA NA NA 0.0000


0.891281 0.872820 1035.631 56844129 -521.3428 48.27741 0.000000


3670.619 2903.988 16.86803 17.20821 17.00182 1.005436

Tabel A.15: volledige tweede random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BLOEMEN=1 Periods included: 8 Cross-sections included: 8 Total panel (unbalanced) observations: 63 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

403.2055

900.7128

0.447652

0.6561

RES

-312.7722

473.6032

-0.660410

0.5117

VASTE_ACTIVA

0.005096

0.014058

0.362469

0.7183

VLOTTENDE_ACTIVA

0.034063

0.014945

2.279158

0.0264

EIGEN_VERMOGEN

-0.005470

0.015882

-0.344439

0.7318

SCHULDEN

-0.006447

0.013933

-0.462728

0.6453

S.D.

Rho

1980.844

0.8467



XV


842.7333

0.1533


0.570190

Mean dependent var

555.9299

Adjusted R-squared

0.532487

S.D. dependent var

1249.914

S.E. of regression

852.6711

Sum squared resid

41441732

F-statistic

15.12334

Durbin-Watson stat

1.293817

Prob(F-statistic)


R-squared

0.464591

Mean dependent var

3670.619

Sum squared resid

2.80E+08

Durbin-Watson stat

0.191533

Tabel A.16: volledige Hausman test bij tweede random effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BLOEMEN_2 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

6.354511

5

0.2732

Var(Diff.)

Prob.

-312.772189 9962.469449 0.005096 0.000008 0.034063 0.000016 -0.005470 0.000011 -0.006447 0.000009

0.7835 0.0315 0.0729 0.0361 0.0295



Fixed

RES -285.342378 VASTE_ACTIVA -0.001149 VLOTTENDE_ACTIVA 0.026991 EIGEN_VERMOGEN 0.001441 SCHULDEN 0.000073

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_BLOEMEN=1 Periods included: 8 Cross-sections included: 8 Total panel (unbalanced) observations: 63 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES VASTE_ACTIVA VLOTTENDE_ACTIVA EIGEN_VERMOGEN

365.7317 -285.3424 -0.001149 0.026991 0.001441

593.4183 484.0067 0.014355 0.015457 0.016221

0.616314 -0.589542 -0.080076 1.746224 0.088858

0.5405 0.5582 0.9365 0.0869 0.9295

XVI

SCHULDEN

7.33E-05

0.014251

0.005145

0.9959


0.932084 0.915785 842.7333 35509971 -506.5221 57.18408 0.000000


3670.619 2903.988 16.49276 16.93500 16.66670 1.467742

Tabel A.17: volledige fixed effects regressie voor alle opgenomen bloemenwinkels (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_OPTICIEN=1 Periods included: 8 Cross-sections included: 6 Total panel (unbalanced) observations: 47 Variable

Coefficient

Std. Error

t-Statistic

Prob.


1628.848 -490.5495 -0.017652 -0.016616 0.019479 0.019657

574.9984 363.4479 0.020885 0.021793 0.021527 0.021109

2.832788 -1.349711 -0.845205 -0.762471 0.904865 0.931238

0.0075 0.1855 0.4036 0.4507 0.3716 0.3579


0.900593 0.872980 503.7566 9135746. -352.8627 32.61473 0.000000


XVII

2151.596 1413.463 15.48352 15.91653 15.64647 1.435094

Bijlage B: Provinciale regressies en Hausman testen (aantal gepresteerde uren) Tabel B.1: volledige random effects regressie voor Antwerpen (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_ANT=1 Periods included: 8 Cross-sections included: 16 Total panel (unbalanced) observations: 125 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN

3637.373 347.7856 0.017741 0.007240 0.006558 -0.003881 425.6757

1138.836 994.9133 0.010010 0.009150 0.008711 0.009052 6330.485

3.193941 0.349564 1.772395 0.791274 0.752866 -0.428778 0.067242

0.0018 0.7273 0.0789 0.4304 0.4530 0.6689 0.9465


Rho

3696.524 2049.748

0.7648 0.2352


0.521116 0.496766 2040.489 21.40105 0.000000


1385.064 2879.109 4.91E+08 0.989720


0.603225 1.85E+09


7094.768 0.263406

Tabel B.2: volledige Hausman test bij random effects regressie voor Antwerpen (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_ANT_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

3.842668

5

0.5723

XVIII


RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

Fixed

138.994570 0.021366 0.009165 0.004088 -0.006359

Random

Var(Diff.)

Prob.

347.785563 0.017741 0.007240 0.006558 -0.003881

187894.81161 2 0.000005 0.000003 0.000002 0.000004

0.6300 0.1015 0.2783 0.0864 0.1879

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_ANT=1 Periods included: 8 Cross-sections included: 16 Total panel (unbalanced) observations: 125 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN

3884.806 138.9946 0.021366 0.009165 0.004088 -0.006359 NA

997.1736 1085.241 0.010251 0.009321 0.008829 0.009246 NA

3.895817 0.128077 2.084193 0.983288 0.463058 -0.687803 NA

0.0002 0.8983 0.0396 0.3277 0.6443 0.4931 NA


0.906084 0.888023 2049.748 4.37E+08 -1119.056 50.16844 0.000000


7094.768 6125.418 18.24090 18.71606 18.43393 1.119496

Tabel B.3: volledige random effects regressie voor Brussel (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_BRU=1 Periods included: 8 Cross-sections included: 9 Total panel (balanced) observations: 72 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES EIGEN_VERMOGEN SCHULDEN

6870.225 -1592.315 -0.434100 -0.429941

1017.727 852.6703 0.144352 0.143941

6.750555 -1.867445 -3.007240 -2.986925

0.0000 0.0665 0.0038 0.0040

XIX

VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN D_S_BLOEMEN D_S_OPTICIEN

0.438236 0.435949 5104.051 62.22581 -5993.115

0.143350 0.144356 1289.274 1094.834 1106.703

3.057103 3.019965 3.958856 0.056836 -5.415287

0.0033 0.0036 0.0002 0.9549 0.0000


Rho

0.000000 2589.389

0.0000 1.0000


0.541649 0.483446 3603.859 9.306161 0.000000


7914.736 5014.295 8.18E+08 0.557603


0.541649 8.18E+08


7914.736 0.557603

Tabel B.4: volledige Hausman test bij random effects regressie voor Brussel (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_BRU_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

64.034265

5

0.0000


Fixed

Random

Var(Diff.)

Prob.

1010959.3553 RES 2517.036007 -1592.315113 00 EIGEN_VERMOGEN -0.110278 -0.434100 0.007822 SCHULDEN -0.116625 -0.429941 0.007318 VASTE_ACTIVA 0.126991 0.438236 0.007389 VLOTTENDE_ACTIVA 0.113327 0.435949 0.007507

0.3577 0.0003 0.0002 0.0003 0.0002

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_BRU=1 Periods included: 8 Cross-sections included: 9 Total panel (balanced) observations: 72 WARNING: estimated coefficient covariance matrix is of reduced rank

XX

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN D_S_BLOEMEN D_S_OPTICIEN

8340.071 -2517.036 -0.110278 -0.116625 0.126991 0.113327 NA NA NA

1659.740 1318.335 0.169292 0.167442 0.167146 0.168360 NA NA NA

5.024925 -1.909254 -0.651406 -0.696511 0.759759 0.673122 NA NA NA

0.0000 0.0612 0.5174 0.4889 0.4505 0.5035 NA NA NA


0.782157 0.733330 2589.389 3.89E+08 -660.2403 16.01895 0.000000


7914.736 5014.295 18.72890 19.17158 18.90513 1.307761

Tabel B.5: volledige random effects regressie voor Limburg (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_LIM=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 87 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


3219.130 -209.8472 0.001453 0.000458 0.001704 0.005244 -4069.621 -1737.972 -2110.417

511.3589 435.9522 0.042742 0.043957 0.044080 0.043843 1544.475 847.0384 1140.345

6.295246 -0.481354 0.033989 0.010415 0.038663 0.119613 -2.634953 -2.051822 -1.850683

0.0000 0.6316 0.9730 0.9917 0.9693 0.9051 0.0101 0.0435 0.0680


962.5674 1031.583

Rho 0.4654 0.5346


0.268207 0.193151 1281.218 3.573443 0.001405


XXI

1287.935 1423.179 1.28E+08 0.640063


0.316212 4.02E+08


3627.345 0.203914

Tabel B.6: volledige Hausman test bij random effects regressie voor Limburg(aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_LIM_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

48.087563

5

0.0000

Var(Diff.)

Prob.

-209.847213 71140.838725 0.001453 0.000065 0.000458 0.000071 0.001704 0.000073 0.005244 0.000073

0.6313 0.0306 0.0097 0.0063 0.1066

Cross-section random effects test comparisons: Variable RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

Fixed -81.847536 -0.016002 -0.021351 0.024952 0.019000

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_LIM=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 87 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.


2941.260 -81.84754 -0.016002 -0.021351 0.024952 0.019000 NA NA NA

464.4995 511.0725 0.043497 0.044760 0.044895 0.044665 NA NA NA

6.332105 -0.160149 -0.367891 -0.477019 0.555783 0.425386 NA NA NA

0.0000 0.8732 0.7140 0.6348 0.5801 0.6718 NA NA NA

Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

0.871450 0.844291 1031.583 75555568 -718.2871

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

XXII

3627.345 2614.254 16.88016 17.33366 17.06277

F-statistic Prob(F-statistic)

32.08759 0.000000

Durbin-Watson stat

1.132099

Tabel B.7: volledige random effects regressie voor Oost-Vlaanderen (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_OVL=1 Periods included: 8 Cross-sections included: 24 Total panel (unbalanced) observations: 190 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


1934.733 358.3235 0.019537 0.022904 -0.014284 -0.010316 -1664.230 -2879.224 -3764.268

972.2780 533.1055 0.015566 0.013991 0.014069 0.013807 2708.132 2241.205 2677.833

1.989897 0.672144 1.255138 1.637102 -1.015241 -0.747147 -0.614531 -1.284676 -1.405714

0.0481 0.5023 0.2110 0.1033 0.3113 0.4559 0.5396 0.2005 0.1615


Rho

3491.913 1805.864

0.7890 0.2110


0.494071 0.471709 1800.801 22.09467 0.000000


958.3790 2476.255 5.87E+08 1.291979


0.504265 2.41E+09


5321.179 0.315061

Tabel B.8: volledige Hausman test bij random effects regressie voor Oost-Vlaanderen (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_OVL_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

4.087504

5

0.5369

XXIII


Fixed 211.063763 0.014307 0.018153 -0.009306 -0.006501

Random

Var(Diff.)

Prob.

358.323457 18379.498205 0.019537 0.000013 0.022904 0.000009 -0.014284 0.000010 -0.010316 0.000007

0.2774 0.1475 0.1095 0.1108 0.1548

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_OVL=1 Periods included: 8 Cross-sections included: 24 Total panel (unbalanced) observations: 190 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.


1320.633 211.0638 0.014307 0.018153 -0.009306 -0.006501 NA NA NA

540.7423 550.0736 0.015979 0.014302 0.014412 0.014064 NA NA NA

2.442260 0.383701 0.895383 1.269253 -0.645743 -0.462217 NA NA NA

0.0157 0.7017 0.3719 0.2062 0.5194 0.6445 NA NA NA


0.891863 0.873057 1805.864 5.25E+08 -1678.635 47.42329 0.000000


5321.179 5068.507 17.97511 18.47071 18.17587 1.434518

Tabel B9: volledige random effects regressie voor Vlaams-Brabant (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_VLB=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 108 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES EIGEN_VERMOGEN SCHULDEN

1860.775 750.1694 -0.045495 -0.075799

751.3890 768.5531 0.051353 0.050816

2.476447 0.976080 -0.885928 -1.491644

0.0150 0.3314 0.3778 0.1390

XXIV

VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN D_S_BLOEMEN D_S_OPTICIEN

0.082265 0.087864 -13579.15 -1050.816 -4614.404

0.051099 0.050983 2136.778 2491.633 1835.377

1.609901 1.723392 -6.354965 -0.421738 -2.514144

0.1106 0.0879 0.0000 0.6741 0.0135


Rho

1469.970 2054.757

0.3385 0.6615


0.734224 0.712747 2273.325 34.18675 0.000000


3086.942 4231.663 5.12E+08 1.024539


0.879896 8.46E+08


6904.176 0.619470

Tabel B.10: volledige Hausman test bij random effects regressie voor Vlaams-Brabant (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_VLB_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

26.774694

5

0.0001

Random

Var(Diff.)

Prob.

750.169433 -0.045495 -0.075799 0.082265 0.087864

412168.63519 2 0.000156 0.000073 0.000100 0.000079

0.0056 0.8014 0.7439 0.5283 0.3173


Fixed

RES 2528.959852 EIGEN_VERMOGEN -0.048638 SCHULDEN -0.078588 VASTE_ACTIVA 0.088576 VLOTTENDE_ACTIVA 0.078974

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_VLB=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 108 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

XXV

Prob.


821.2497 2528.960 -0.048638 -0.078588 0.088576 0.078974 NA NA NA

1032.398 1001.420 0.052851 0.051528 0.052070 0.051753 NA NA NA

0.795477 2.525373 -0.920292 -1.525159 1.701094 1.526000 NA NA NA

0.4285 0.0133 0.3599 0.1308 0.0924 0.1306 NA NA NA


0.946666 0.935880 2054.757 3.76E+08 -966.6112 87.76296 0.000000


6904.176 8114.507 18.25206 18.72392 18.44338 1.413004

Tabel B.11: volledige random effects regressie voor West-Vlaanderen (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_WVL=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 103 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


4886.158 1926.477 0.088298 0.093540 -0.091857 -0.086523 -4046.725 -3671.214 -7062.373

1052.226 620.1001 0.058256 0.057351 0.057327 0.057987 2039.828 3033.371 3041.925

4.643642 3.106720 1.515681 1.631014 -1.602347 -1.492118 -1.983856 -1.210275 -2.321679

0.0000 0.0025 0.1330 0.1062 0.1124 0.1390 0.0502 0.2292 0.0224


2796.643 1365.667

Rho 0.8075 0.1925


0.386820 0.334635 1452.602 7.412401 0.000000


Unweighted Statistics

XXVI

1094.834 1771.237 1.98E+08 1.189372

R-squared Sum squared resid

0.437875 1.16E+09


6308.330 0.204053

Tabel B.12: volledige Hausman test bij random effects regressie voor West-Vlaanderen (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_WVL_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

16.791779

5

0.0049

Var(Diff.)

Prob.

RES 1234.886117 1926.477017 37345.806480 EIGEN_VERMOGEN 0.135182 0.088298 0.000167 SCHULDEN 0.139416 0.093540 0.000157 VASTE_ACTIVA -0.137833 -0.091857 0.000157 VLOTTENDE_ACTIVA -0.131506 -0.086523 0.000162

0.0003 0.0003 0.0003 0.0002 0.0004



Fixed

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_WVL=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 103 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.


3734.376 1234.886 0.135182 0.139416 -0.137833 -0.131506 NA NA NA

592.6754 649.5151 0.059672 0.058704 0.058682 0.059367 NA NA NA

6.300878 1.901243 2.265418 2.374915 -2.348824 -2.215162 NA NA NA

0.0000 0.0607 0.0261 0.0198 0.0212 0.0295 NA NA NA


0.923826 0.907503 1365.667 1.57E+08 -879.2472 56.59660 0.000000


XXVII

6308.330 4490.359 17.44169 17.92771 17.63855 1.548513

Tabel B.13: volledige random effects regressie voor Antwerpse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_ANT=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 15 Total panel (unbalanced) observations: 117 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

3614.765 -434.5731 -0.022238 -0.033642 0.048377 0.038154

1157.985 1716.773 0.182374 0.181963 0.183239 0.182374

3.121599 -0.253134 -0.121938 -0.184882 0.264010 0.209209

0.0023 0.8006 0.9032 0.8537 0.7923 0.8347


Rho

3697.760 2032.158

0.7680 0.2320


0.443924 0.418875 2032.377 17.72259 0.000000


1200.888 2669.697 4.58E+08 0.898694


0.362946 1.91E+09


6184.274 0.216122

Tabel B.14: volledige Hausman test bij random effects regressie voor Antwerpse restaurants (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_ANT_R Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

4.930166

5

0.4245

Var(Diff.)

Prob.

-434.573091 2231043.5995

0.4850

Cross-section random effects test comparisons: Variable RES

Fixed

Random -

XXVIII

EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

1477.581805 -0.089618 -0.102716 0.117733 0.107404

-0.022238 -0.033642 0.048377 0.038154

57 0.014933 0.014819 0.015124 0.014755

0.5814 0.5704 0.5728 0.5686

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_ANT=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 15 Total panel (unbalanced) observations: 117 Variable

Coefficient

Std. Error

t-Statistic

Prob.


3869.359 -1477.582 -0.089618 -0.102716 0.117733 0.107404

819.1511 2275.600 0.219529 0.218928 0.220681 0.219123

4.723620 -0.649315 -0.408229 -0.469177 0.533500 0.490153

0.0000 0.5177 0.6840 0.6400 0.5949 0.6251


0.866150 0.839932 2032.158 4.01E+08 -1046.221 33.03646 0.000000


6184.274 5079.317 18.22600 18.69817 18.41769 1.043488

Tabel B.15: volledige random effects regressie voor Oost-Vlaamse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_OVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 17 Total panel (unbalanced) observations: 135 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


1559.332 338.0314 0.029862 0.031214 -0.022380 -0.016420

1135.752 603.2362 0.021271 0.019039 0.019339 0.017866

1.372951 0.560363 1.403894 1.639434 -1.157249 -0.919064

0.1721 0.5762 0.1628 0.1036 0.2493 0.3598

Effects Specification S.D. Cross-section random

4006.199

XXIX

Rho 0.7941


2040.236

0.2059


0.516203 0.497451 2018.962 27.52814 0.000000


1111.166 2846.528 5.26E+08 1.386825


0.454322 2.22E+09


6269.393 0.328345

Tabel B.16: volledige Hausman test bij random effects regressie voor Oost-Vlaamse restaurants (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_OVL_R Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

2.367971

5

0.7962

Var(Diff.)

Prob.

338.031419 23205.780999 0.029862 0.000042 0.031214 0.000030 -0.022380 0.000033 -0.016420 0.000020

0.3686 0.4285 0.3918 0.3992 0.3838


Fixed 201.053517 0.024742 0.026524 -0.017563 -0.012484

Random

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_OVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 17 Total panel (unbalanced) observations: 135 Variable

Coefficient

Std. Error

t-Statistic

Prob.


1715.984 201.0535 0.024742 0.026524 -0.017563 -0.012484

619.2953 622.1734 0.022232 0.019811 0.020165 0.018429

2.770865 0.323147 1.112890 1.338808 -0.870990 -0.677414

0.0065 0.7472 0.2681 0.1833 0.3856 0.4995

Effects Specification Cross-section fixed (dummy variables)

XXX

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.884432 0.862955 2040.236 4.70E+08 -1208.360 41.17991 0.000000


6269.393 5511.226 18.22756 18.70101 18.41996 1.536503

Tabel B.17: volledige random effects regressie voor Vlaams-Brabantse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_VLB=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 85 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


1787.552 620.2714 -0.182439 -0.209763 0.214790 0.226068

776.8186 817.8317 0.141310 0.140198 0.140032 0.140991

2.301119 0.758434 -1.291054 -1.496189 1.533859 1.603420

0.0240 0.4504 0.2005 0.1386 0.1291 0.1128


1428.341 2269.334

Rho 0.2837 0.7163


0.771482 0.757019 2481.817 53.34128 0.000000


3617.658 5016.615 4.87E+08 1.007463


0.894168 7.18E+08


7348.871 0.682324

Tabel B.18: volledige Hausman test bij random effects regressie voor Vlaams-Brabantse restaurants (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_VLB_R Test cross-section random effects

Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

XXXI

Prob.


20.104944

5

0.0012

Random

Var(Diff.)

Prob.

620.271359 -0.182439 -0.209763 0.214790 0.226068

558075.53771 0 0.004238 0.003497 0.003422 0.003774

0.0126 0.0641 0.0515 0.0600 0.0320


Fixed


Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_VLB=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 85 Variable

Coefficient

Std. Error

t-Statistic

Prob.


1856.079 2484.965 -0.061892 -0.094590 0.104760 0.094309

1014.366 1107.666 0.155586 0.152161 0.151761 0.153793

1.829792 2.243424 -0.397798 -0.621641 0.690294 0.613222

0.0716 0.0281 0.6920 0.5362 0.4923 0.5417


0.947657 0.936278 2269.334 3.55E+08 -768.5622 83.28242 0.000000


7348.871 8989.910 18.46029 18.92008 18.64523 1.410930

Tabel B.19: volledige random effects regressie voor West-Vlaamse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_WVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 64 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES

4358.480 3634.958

825.5153 703.7830

5.279708 5.164884

0.0000 0.0000

XXXII

EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

-0.073720 -0.061035 0.062820 0.065685

0.065434 0.064182 0.064101 0.065017

-1.126635 -0.950967 0.980026 1.010272

0.2645 0.3456 0.3311 0.3166


Rho

1247.267 1610.049

0.3750 0.6250


0.358936 0.303672 2259.058 6.494913 0.000074


3213.362 2652.591 2.96E+08 0.696036


0.484441 7.79E+08


7587.547 0.264587

Tabel B.20: volledige Hausman test bij random effects regressie voor West-Vlaamse restaurants (aantal gepresteerde uren) Correlated Random Effects - Hausman Test Equation: RANDOM_WVL_R Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

61.217849

5

0.0000

Random

Var(Diff.)

Prob.

RES 1107.664913 3634.957736 EIGEN_VERMOGEN 0.125308 -0.073720 SCHULDEN 0.129263 -0.061035 VASTE_ACTIVA -0.126786 0.062820 VLOTTENDE_ACTIVA -0.113641 0.065685

245808.53666 5 0.001050 0.000994 0.001008 0.001242

0.0000 0.0000 0.0000 0.0000 0.0000



Fixed

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_WVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 64

XXXIII

Variable

Coefficient

Std. Error

t-Statistic

Prob.


4839.958 1107.665 0.125308 0.129263 -0.126786 -0.113641

1206.582 860.8827 0.073014 0.071511 0.071536 0.073957

4.011297 1.286662 1.716209 1.807610 -1.772337 -1.536591

0.0002 0.2041 0.0923 0.0767 0.0824 0.1307


0.914181 0.891868 1610.049 1.30E+08 -555.4898 40.97101 0.000000


7587.547 4896.241 17.79656 18.26881 17.98260 1.488211

Tabel B.21: volledige fixed effects regressie voor Antwerpse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_ANT=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 15 Total panel (unbalanced) observations: 117 Variable

Coefficient

Std. Error

t-Statistic

Prob.


3869.359 -1477.582 -0.089618 -0.102716 0.117733 0.107404

819.1511 2275.600 0.219529 0.218928 0.220681 0.219123

4.723620 -0.649315 -0.408229 -0.469177 0.533500 0.490153

0.0000 0.5177 0.6840 0.6400 0.5949 0.6251


0.866150 0.839932 2032.158 4.01E+08 -1046.221 33.03646 0.000000


6184.274 5079.317 18.22600 18.69817 18.41769 1.043488

Tabel B.22: volledige fixed effects regressie voor Oost-Vlaamse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_S_RESTAURANT=1 AND D_P_OVL=1 Periods included: 8

XXXIV

Cross-sections included: 17 Total panel (unbalanced) observations: 135 Variable

Coefficient

Std. Error

t-Statistic

Prob.


1715.984 201.0535 0.024742 0.026524 -0.017563 -0.012484

619.2953 622.1734 0.022232 0.019811 0.020165 0.018429

2.770865 0.323147 1.112890 1.338808 -0.870990 -0.677414

0.0065 0.7472 0.2681 0.1833 0.3856 0.4995


0.884432 0.862955 2040.236 4.70E+08 -1208.360 41.17991 0.000000


6269.393 5511.226 18.22756 18.70101 18.41996 1.536503

Tabel B.23: volledige fixed effects regressie voor Vlaams-Brabantse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_VLB=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 85 Variable

Coefficient

Std. Error

t-Statistic

Prob.


1856.079 2484.965 -0.061892 -0.094590 0.104760 0.094309

1014.366 1107.666 0.155586 0.152161 0.151761 0.153793

1.829792 2.243424 -0.397798 -0.621641 0.690294 0.613222

0.0716 0.0281 0.6920 0.5362 0.4923 0.5417


0.947657 0.936278 2269.334 3.55E+08 -768.5622 83.28242 0.000000


XXXV

7348.871 8989.910 18.46029 18.92008 18.64523 1.410930

Tabel B.24: volledige fixed effects regressie voor West-Vlaamse restaurants (aantal gepresteerde uren) Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_WVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 64 Variable

Coefficient

Std. Error

t-Statistic

Prob.


4839.958 1107.665 0.125308 0.129263 -0.126786 -0.113641

1206.582 860.8827 0.073014 0.071511 0.071536 0.073957

4.011297 1.286662 1.716209 1.807610 -1.772337 -1.536591

0.0002 0.2041 0.0923 0.0767 0.0824 0.1307


0.914181 0.891868 1610.049 1.30E+08 -555.4898 40.97101 0.000000


XXXVI

7587.547 4896.241 17.79656 18.26881 17.98260 1.488211

Bijlage C: Sectorale regressies en Hausman testen (aantal gepresteerde uren) Tabel C.1: volledige random effects regressie voor alle opgenomen restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 526 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_P_ANT D_P_BRU D_P_HEN D_P_LIM D_P_VLB D_P_WB D_P_WVL

8165.078 0.511436 -9.898696 8020.151 0.480707 0.423993 -0.476456 -0.493558 -10243.14 -20114.70 -9510.756 -13794.61 -3139.378 8953.393 -17880.60

5259.394 0.027534 0.689832 3973.896 0.202542 0.199846 0.199642 0.199421 6220.057 8231.112 20515.70 7761.498 6634.555 13053.16 7137.621

1.552475 18.57459 -14.34942 2.018209 2.373370 2.121601 -2.386557 -2.474947 -1.646792 -2.443740 -0.463584 -1.777313 -0.473186 0.685918 -2.505120

0.1212 0.0000 0.0000 0.0441 0.0180 0.0344 0.0174 0.0136 0.1002 0.0149 0.6431 0.0761 0.6363 0.4931 0.0126

S.D.

Rho

12588.28 31125.25

0.1406 0.8594


Cross-section random Idiosyncratic random Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.482066 0.467876 31746.63 33.97225 0.000000


7021.340 43504.03 5.15E+11 1.985098


0.512586 5.94E+11


XXXVII

10707.63 1.720983

Tabel C.2: volledige Hausman test bij random effects regressie voor alle opgenomen restaurants (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_REST_WINST_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

25.965382

7

0.0005

Var(Diff.)

Prob.

0.525099 0.511436 0.000164 -10.063739 -9.898696 0.203869 11249.01238 23857757.693 RES 9 8020.151496 037 EIGEN_VERMOGEN 0.731347 0.480707 0.015951 SCHULDEN 0.665973 0.423993 0.013592 VASTE_ACTIVA -0.748090 -0.476456 0.013583 VLOTTENDE_ACTIVA -0.674054 -0.493558 0.012439

0.2861 0.7147



Fixed

Random

BRUTOMARGE UREN

0.5086 0.0472 0.0379 0.0198 0.1056

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 526 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_P_ANT D_P_BRU D_P_HEN D_P_LIM D_P_VLB D_P_WB D_P_WVL

-4210.226 0.525099 -10.06374 11249.01 0.731347 0.665973 -0.748090 -0.674054 NA NA NA NA NA NA NA

5645.962 0.030367 0.824462 6296.793 0.238693 0.231366 0.231170 0.228491 NA NA NA NA NA NA NA

-0.745706 17.29160 -12.20643 1.786467 3.063959 2.878442 -3.236101 -2.950026 NA NA NA NA NA NA NA

0.4562 0.0000 0.0000 0.0747 0.0023 0.0042 0.0013 0.0033 NA NA NA NA NA NA NA

Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression

0.641509 0.582687 31125.25

Mean dependent var S.D. dependent var Akaike info criterion

XXXVIII

10707.63 48181.69 23.66076

Sum squared resid Log likelihood F-statistic Prob(F-statistic)

4.37E+11 -6147.781 10.90608 0.000000

Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

24.26893 23.89889 2.221387

Tabel C.3: volledige fixed effects regressie voor alle opgenomen restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 68 Total panel (unbalanced) observations: 526 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES BRUTOMARGE UREN EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

-4210.226 11249.01 0.525099 -10.06374 0.731347 0.665973 -0.748090 -0.674054

5645.962 6296.793 0.030367 0.824462 0.238693 0.231366 0.231170 0.228491

-0.745706 1.786467 17.29160 -12.20643 3.063959 2.878442 -3.236101 -2.950026

0.4562 0.0747 0.0000 0.0000 0.0023 0.0042 0.0013 0.0033


0.641509 0.582687 31125.25 4.37E+11 -6147.781 10.90608 0.000000


10707.63 48181.69 23.66076 24.26893 23.89889 2.221387

Tabel C.4: volledige eerste random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES

-5134.309 0.923296 -19.03063 -5928.448

17976.86 0.064747 1.741010 13843.91

-0.285607 14.26000 -10.93080 -0.428235

0.7761 0.0000 0.0000 0.6700

XXXIX

TOTAALBALANS D_P_BRU D_P_LIM D_P_VLB D_P_WVL

-0.081068 14295.82 -67112.38 -27152.90 20535.85

0.014350 17642.30 20535.56 18335.02 15698.53

-5.649190 0.810315 -3.268105 -1.480932 1.308139

0.0000 0.4209 0.0018 0.1437 0.1957


Rho

0.027743 37100.70

0.0000 1.0000


0.878771 0.863129 38692.90 56.17866 0.000000


29474.62 104586.4 9.28E+10 1.001836


0.878771 9.28E+10


29474.62 1.001836

Tabel C.5: volledige Hausman test bij eerste random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_W_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

9.435722

4

0.0511

Var(Diff.)

Prob.

0.978520 0.923296 0.004734 -16.538301 -19.030628 12.958041 390112233.11 2901.684503 -5928.448127 1770 -0.103594 -0.081068 0.000088

0.4222 0.4887


Cross-section random effects test comparisons: Variable BRUTOMARGE UREN RES TOTAALBALANS

Fixed

Random

0.8782 0.0164

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

XL

Prob.

C BRUTOMARGE UREN RES TOTAALBALANS D_P_BRU D_P_LIM D_P_VLB D_P_WVL

-20622.69 0.978520 -16.53830 -2901.685 -0.103594 NA NA NA NA

26363.01 0.094480 3.998644 24119.83 0.017146 NA NA NA NA

-0.782259 10.35690 -4.135977 -0.120303 -6.041938 NA NA NA NA

0.4372 0.0000 0.0001 0.9047 0.0000 NA NA NA NA


0.895734 0.874161 37100.70 7.98E+10 -840.5840 41.52231 0.000000


29474.62 104586.4 24.04462 24.45891 24.20937 1.009360

Tabel C.6: volledige tweede random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


-22373.25 0.876566 -16.13762 -15360.83 0.373263 0.293663 -0.404532 -0.359574

24944.72 0.101600 3.078951 22356.05 0.217185 0.180014 0.181403 0.186276

-0.896913 8.627651 -5.241271 -0.687099 1.718644 1.631332 -2.230016 -1.930327

0.3732 0.0000 0.0000 0.4945 0.0906 0.1078 0.0293 0.0581


36707.79 36344.24

Rho 0.5050 0.4950


0.765716 0.739685 36020.70 29.41495 0.000000


Unweighted Statistics

XLI

10028.64 70635.30 8.17E+10 0.970802

R-squared Sum squared resid

0.813332 1.43E+11


29474.62 0.555212

Tabel C.7: volledige Hausman test bij tweede random effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_BEDDEN_W_2 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

5.883344

7

0.5534

Var(Diff.)

Prob.

0.868721 0.876566 0.004257 -13.834899 -16.137618 11.380092 - 223735331.34 RES 7900.934419 15360.826034 7321 EIGEN_VERMOGEN 0.359849 0.373263 0.035729 SCHULDEN 0.294470 0.293663 0.016194 VASTE_ACTIVA -0.420482 -0.404532 0.016973 VLOTTENDE_ACTIVA -0.332220 -0.359574 0.026089

0.9043 0.4949



Fixed

Random

BRUTOMARGE UREN

0.6180 0.9434 0.9949 0.9026 0.8655

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Variable

Coefficient

Std. Error

t-Statistic

Prob.


-48295.39 0.868721 -13.83490 -7900.934 0.359849 0.294470 -0.420482 -0.332220

32089.70 0.120744 4.567278 26898.48 0.287921 0.220452 0.223337 0.246552

-1.505012 7.194737 -3.029134 -0.293732 1.249822 1.335760 -1.882721 -1.347460

0.1380 0.0000 0.0037 0.7701 0.2167 0.1871 0.0650 0.1834

Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

0.905118 0.879241 36344.24 7.26E+10 -837.2360 34.97766


XLII

29474.62 104586.4 24.03482 24.54472 24.23759 1.067549

Prob(F-statistic)

0.000000

Tabel C.8: volledige fixed effects regressie voor alle opgenomen beddenverkopers (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_S_BEDDEN=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 71 Variable

Coefficient

Std. Error

t-Statistic

Prob.


-48295.39 0.868721 -13.83490 -7900.934 0.359849 0.294470 -0.420482 -0.332220

32089.70 0.120744 4.567278 26898.48 0.287921 0.220452 0.223337 0.246552

-1.505012 7.194737 -3.029134 -0.293732 1.249822 1.335760 -1.882721 -1.347460

0.1380 0.0000 0.0037 0.7701 0.2167 0.1871 0.0650 0.1834


0.905118 0.879241 36344.24 7.26E+10 -837.2360 34.97766 0.000000


XLIII

29474.62 104586.4 24.03482 24.54472 24.23759 1.067549

Bijlage D: Provinciale regressies en Hausman testen (bedrijfswinst) Tabel D.1: volledige random effects regressie voor Antwerpen (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_ANT=1 Periods included: 8 Cross-sections included: 16 Total panel (unbalanced) observations: 125 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN

-1592.597 0.748082 -13.93521 -23001.66 0.320379 0.292179 -0.423521 -0.286960 -109460.3

6274.882 0.049332 1.100574 8245.804 0.096355 0.089159 0.085801 0.088303 47718.83

-0.253805 15.16429 -12.66177 -2.789499 3.324966 3.277046 -4.936072 -3.249739 -2.293859

0.8001 0.0000 0.0000 0.0062 0.0012 0.0014 0.0000 0.0015 0.0236


Rho

14040.27 20912.96

0.3107 0.6893


0.773764 0.758162 20977.27 49.59242 0.000000


-2826.611 42646.29 5.10E+10 1.502904


0.853484 6.85E+10


-6341.104 1.119423

Tabel D.2: volledige Hausman test bij random effects regressie voor Antwerpen (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_ANT_W_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

7.792196

7

0.3513


XLIV

Variable

Fixed

Random

Var(Diff.)

Prob.

0.772316 0.748082 0.000500 -13.599987 -13.935208 0.278120 41005.59636 - 61575370.639 RES 5 23001.661347 591 EIGEN_VERMOGEN 0.324498 0.320379 0.002371 SCHULDEN 0.313951 0.292179 0.001388 VASTE_ACTIVA -0.448984 -0.423521 0.000770 VLOTTENDE_ACTIVA -0.328586 -0.286960 0.001302

0.2786 0.5250

BRUTOMARGE UREN

0.0218 0.9326 0.5589 0.3587 0.2486

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_ANT=1 Periods included: 8 Cross-sections included: 16 Total panel (unbalanced) observations: 125 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C BRUTOMARGE UREN RES EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN

-2823.546 0.772316 -13.59999 -41005.60 0.324498 0.313951 -0.448984 -0.328586 NA

10925.00 0.054166 1.220403 11382.82 0.107962 0.096629 0.090175 0.095388 NA

-0.258448 14.25830 -11.14385 -3.602410 3.005677 3.249032 -4.979039 -3.444722 NA

0.7966 0.0000 0.0000 0.0005 0.0033 0.0016 0.0000 0.0008 NA


0.904627 0.884057 20912.96 4.46E+10 -1408.174 43.97673 0.000000


-6341.104 61417.58 22.89878 23.41919 23.11020 1.743216

Tabel B.3: volledige random effects regressie voor Libmurg (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_LIM=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 87 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES BRUTOMARGE

5432.605 2796.594 0.625917

6800.402 6218.739 0.062943

0.798865 0.449704 9.944121

0.4269 0.6542 0.0000

XLV

UREN EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN D_S_BLOEMEN D_S_OPTICIEN

-14.35461 -3.129059 -3.253734 3.185746 3.160158 -76690.56 5538.869 7691.557

1.701784 0.824736 0.843827 0.845049 0.839803 21690.68 8062.017 11521.84

-8.435039 -3.794012 -3.855926 3.769895 3.762975 -3.535645 0.687033 0.667563

0.0000 0.0003 0.0002 0.0003 0.0003 0.0007 0.4942 0.5064


Rho

4592.074 20725.23

0.0468 0.9532


0.751839 0.719186 21322.60 23.02526 0.000000


15757.41 40226.35 3.46E+10 1.429342


0.773474 3.58E+10


18601.87 1.377790

Tabel D.4: volledige Hausman test bij random effects regressie voor Libmurg (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_LIM_W_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

11.634279

7

0.1132

Var(Diff.)

Prob.

69587449.733 RES 8279.609087 2796.594391 209 BRUTOMARGE 0.617587 0.625917 0.001034 UREN -15.169799 -14.354611 3.743080 EIGEN_VERMOGEN -3.369915 -3.129059 0.101295 SCHULDEN -3.565189 -3.253734 0.110256 VASTE_ACTIVA 3.488037 3.185746 0.113332 VLOTTENDE_ACTIVA 3.491794 3.160158 0.111245

0.1843 0.7955 0.6735 0.4492 0.3483 0.3692 0.3201



Fixed

Random

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_LIM=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 87

XLVI

WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES BRUTOMARGE UREN EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA D_S_BEDDEN D_S_BLOEMEN D_S_OPTICIEN

4497.142 -8279.609 0.617587 -15.16980 -3.369915 -3.565189 3.488037 3.491794 NA NA NA

11725.04 10404.81 0.070678 2.576654 0.884016 0.906807 0.909637 0.903612 NA NA NA

0.383550 -0.795748 8.737975 -5.887402 -3.812052 -3.931584 3.834537 3.864262 NA NA NA

0.7025 0.4289 0.0000 0.0000 0.0003 0.0002 0.0003 0.0002 NA NA NA


0.812708 0.766564 20725.23 2.96E+10 -978.0666 17.61230 0.000000


18601.87 42895.86 22.89808 23.40827 23.10352 1.542841

Tabel D.5: volledige random effects regressie voor Oost-Vlaanderen (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_OVL=1 Periods included: 8 Cross-sections included: 24 Total panel (unbalanced) observations: 189 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


4561.641 4025.498 0.601213 -11.07044 0.240461 0.175163 -0.241121 -0.248054 -12883.47 -7786.863 22446.59

3587.139 3593.740 0.024235 0.680500 0.114807 0.106390 0.104639 0.105237 6572.470 5325.184 6565.792

1.271666 1.120142 24.80718 -16.26811 2.094485 1.646424 -2.304323 -2.357107 -1.960217 -1.462271 3.418719

0.2052 0.2642 0.0000 0.0000 0.0376 0.1014 0.0224 0.0195 0.0515 0.1454 0.0008


5191.505 15978.70 Weighted Statistics

XLVII

Rho 0.0955 0.9045

R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.806484 0.795612 17671.08 74.18189 0.000000


19844.52 39096.39 5.56E+10 1.361965


0.801970 6.33E+10


26839.49 1.196612

Tabel D.6: volledige Hausman test bij random effects regressie voor Oost-Vlaanderen (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_OVL_W_1 Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

46.705940

7

0.0000

Var(Diff.)

Prob.

11781377.749 RES 2837.863834 4025.497606 929 BRUTOMARGE 0.681788 0.601213 0.000400 UREN -15.077104 -11.070440 1.234061 EIGEN_VERMOGEN 0.436554 0.240461 0.008557 SCHULDEN 0.334616 0.175163 0.005766 VASTE_ACTIVA -0.416072 -0.241121 0.006176 VLOTTENDE_ACTIVA -0.374864 -0.248054 0.005324

0.0455 0.0001 0.0003 0.0340 0.0357 0.0260 0.0822



Fixed

Random

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_OVL=1 Periods included: 8 Cross-sections included: 24 Total panel (unbalanced) observations: 189 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.


14821.81 -2837.864 0.681788 -15.07710 0.436554 0.334616 -0.416072 -0.374864 NA NA NA

5269.003 4969.542 0.031418 1.302744 0.147437 0.130710 0.130865 0.128058 NA NA NA

2.813019 -0.571051 21.70048 -11.57335 2.960942 2.559989 -3.179409 -2.927290 NA NA NA

0.0055 0.5688 0.0000 0.0000 0.0035 0.0114 0.0018 0.0039 NA NA NA

XLVIII


0.873726 0.849751 15978.70 4.03E+10 -2080.583 36.44174 0.000000


26839.49 41222.55 22.34479 22.87651 22.56020 1.544804

Tabel D.7: volledige random effects regressie voor Vlaams-Brabant (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_VLB=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 108 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


-4935.189 13087.25 0.406576 -9.606591 -0.395421 -0.393946 0.381920 0.474421 -76096.66 -9358.607 -26936.67

6032.547 6578.779 0.050156 1.138008 0.475800 0.475680 0.478848 0.479882 20090.17 21506.79 14123.11

-0.818094 1.989314 8.106233 -8.441588 -0.831065 -0.828174 0.797580 0.988620 -3.787757 -0.435147 -1.907276

0.4153 0.0495 0.0000 0.0000 0.4080 0.4096 0.4271 0.3253 0.0003 0.6644 0.0594


9754.567 19059.56

Rho 0.2076 0.7924


0.635219 0.597612 20636.05 16.89127 0.000000


13626.74 32487.55 4.13E+10 1.225949


0.699449 5.68E+10


XLIX

23890.40 0.891018

Tabel D.8: volledige Hausman test bij random effects regressie voor Vlaams-Brabant (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_VLB_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

26.774694

5

0.0001

Random

Var(Diff.)

Prob.

750.169433 -0.045495 -0.075799 0.082265 0.087864

412168.63519 2 0.000156 0.000073 0.000100 0.000079

0.0056 0.8014 0.7439 0.5283 0.3173


Fixed


Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_VLB=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 108 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.


821.2497 2528.960 -0.048638 -0.078588 0.088576 0.078974 NA NA NA

1032.398 1001.420 0.052851 0.051528 0.052070 0.051753 NA NA NA

0.795477 2.525373 -0.920292 -1.525159 1.701094 1.526000 NA NA NA

0.4285 0.0133 0.3599 0.1308 0.0924 0.1306 NA NA NA


0.946666 0.935880 2054.757 3.76E+08 -966.6112 87.76296 0.000000


L

6904.176 8114.507 18.25206 18.72392 18.44338 1.413004

Tabel D.9: volledige random effects regressie voor West-Vlaanderen (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_WVL=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 103 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


6691.022 4769.730 0.625447 -12.95667 5.594902 5.418570 -5.486111 -5.549561 1949.499 20079.08 10053.02

12086.30 15724.41 0.095665 3.306032 1.570903 1.546065 1.544663 1.558864 23686.99 24337.13 26702.64

0.553604 0.303333 6.537918 -3.919098 3.561583 3.504749 -3.551656 -3.560003 0.082303 0.825039 0.376480

0.5812 0.7623 0.0000 0.0002 0.0006 0.0007 0.0006 0.0006 0.9346 0.4115 0.7074


Rho

9244.939 44293.78

0.0417 0.9583


0.507129 0.453556 57731.45 9.466142 0.000000


26078.73 78033.36 3.07E+11 1.895115


0.501185 3.33E+11


30312.64 1.746777

Tabel D.10: volledige Hausman test bij random effects regressie voor West-Vlaanderen (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_WVL_1 Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

16.791779

5

0.0049


LI

Variable

Fixed

Random

Var(Diff.)

Prob.

RES 1234.886117 1926.477017 37345.806480 EIGEN_VERMOGEN 0.135182 0.088298 0.000167 SCHULDEN 0.139416 0.093540 0.000157 VASTE_ACTIVA -0.137833 -0.091857 0.000157 VLOTTENDE_ACTIVA -0.131506 -0.086523 0.000162

0.0003 0.0003 0.0003 0.0002 0.0004

Cross-section random effects test equation: Dependent Variable: UREN Method: Panel Least Squares Sample: 2005 2012 IF D_P_WVL=1 Periods included: 8 Cross-sections included: 14 Total panel (unbalanced) observations: 103 WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.


3734.376 1234.886 0.135182 0.139416 -0.137833 -0.131506 NA NA NA

592.6754 649.5151 0.059672 0.058704 0.058682 0.059367 NA NA NA

6.300878 1.901243 2.265418 2.374915 -2.348824 -2.215162 NA NA NA

0.0000 0.0607 0.0261 0.0198 0.0212 0.0295 NA NA NA


0.923826 0.907503 1365.667 1.57E+08 -879.2472 56.59660 0.000000


6308.330 4490.359 17.44169 17.92771 17.63855 1.548513

Tabel D.11: volledige random effects regressie voor Antwerpse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_ANT=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 15 Total panel (unbalanced) observations: 117 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES BRUTOMARGE UREN EIGEN_VERMOGEN SCHULDEN

-202.6476 -9037.225 0.689177 -13.05220 0.964344 0.944832

6238.407 10450.67 0.047213 1.036332 1.347445 1.345638

-0.032484 -0.864750 14.59725 -12.59461 0.715683 0.702144

0.9741 0.3891 0.0000 0.0000 0.4757 0.4841

LII

VASTE_ACTIVA VLOTTENDE_ACTIVA

-1.081642 -0.950149

1.351897 1.350341

-0.800092 -0.703636

0.4254 0.4832


Rho

14417.16 18786.93

0.3706 0.6294


0.678095 0.657422 18751.62 32.80125 0.000000


2015.765 32045.06 3.83E+10 1.405661


0.722073 5.48E+10


4506.598 0.983017

Tabel D.12: volledige Hausman test bij random effects regressie voor Antwerpse restaurants (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_ANT_W_R Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

6.672507

7

0.4638

Var(Diff.)

Prob.

34349.84868 338548902.44 RES 8 -9037.224690 9727 BRUTOMARGE 0.682226 0.689177 0.000493 UREN -12.311447 -13.052198 0.274338 EIGEN_VERMOGEN -0.970202 0.964344 2.311792 SCHULDEN -0.956694 0.944832 2.296232 VASTE_ACTIVA 0.832324 -1.081642 2.349460 VLOTTENDE_ACTIVA 0.928373 -0.950149 2.291809

0.1689 0.7542 0.1573 0.2033 0.2095 0.2118 0.2147



Fixed

Random

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_ANT=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 15 Total panel (unbalanced) observations: 117 Variable

Coefficient

Std. Error

t-Statistic

LIII

Prob.


5793.163 -34349.85 0.682226 -12.31145 -0.970202 -0.956694 0.832324 0.928373

8470.678 21160.47 0.052170 1.161173 2.031600 2.026567 2.043792 2.028603

0.683908 -1.623303 13.07698 -10.60259 -0.477556 -0.472076 0.407245 0.457641

0.4957 0.1078 0.0000 0.0000 0.6341 0.6380 0.6847 0.6483


0.829963 0.792376 18786.93 3.35E+10 -1305.218 22.08108 0.000000


4506.598 41230.37 22.68748 23.20687 22.89835 1.701958

Tabel D.13: volledige random effects regressie voor Oost-Vlaamse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_OVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 17 Total panel (unbalanced) observations: 134 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


2802.974 3124.361 0.599173 -11.10129 0.251895 0.181826 -0.250795 -0.227276

3986.077 3938.724 0.027839 0.772242 0.136855 0.126739 0.125438 0.122940

0.703191 0.793242 21.52304 -14.37540 1.840594 1.434647 -1.999358 -1.848677

0.4832 0.4291 0.0000 0.0000 0.0680 0.1539 0.0477 0.0668


5698.807 17194.64

Rho 0.0990 0.9010


0.804243 0.793368 19230.45 73.95091 0.000000


16719.84 42301.88 4.66E+10 1.324183


0.790662 5.29E+10


LIV

22855.63 1.167126

Tabel D.14: volledige Hausman test bij random effects regressie voor Oost-Vlaamse restaurants (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_OVL_W_R Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

38.587099

7

0.0000

Var(Diff.)

Prob.

13733228.111 RES 2760.589590 3124.361386 629 BRUTOMARGE 0.680149 0.599173 0.000756 UREN -15.684262 -11.101285 1.983236 EIGEN_VERMOGEN 0.590872 0.251895 0.023933 SCHULDEN 0.448317 0.181826 0.017036 VASTE_ACTIVA -0.523788 -0.250795 0.018111 VLOTTENDE_ACTIVA -0.459430 -0.227276 0.012854

0.1123 0.0032 0.0011 0.0284 0.0412 0.0425 0.0406



Fixed

Random

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_OVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 17 Total panel (unbalanced) observations: 134 Variable

Coefficient

Std. Error

t-Statistic

Prob.


15798.75 -2760.590 0.680149 -15.68426 0.590872 0.448317 -0.523788 -0.459430

6446.895 5408.028 0.039129 1.606111 0.206548 0.181932 0.183973 0.167237

2.450599 -0.510461 17.38221 -9.765365 2.860703 2.464199 -2.847091 -2.747174

0.0158 0.6108 0.0000 0.0000 0.0051 0.0153 0.0053 0.0070


0.871220 0.844294 17194.64 3.25E+10 -1483.730 32.35531 0.000000


LV

22855.63 43575.25 22.50343 23.02245 22.71434 1.537322

Tabel D.15: volledige random effects regressie voor Vlaams-Brabantse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_VLB=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 85 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


-5536.405 12998.42 0.397519 -9.381098 1.243758 1.248975 -1.257960 -1.162999

6076.000 6682.674 0.055830 1.189152 1.214346 1.213198 1.213690 1.224580

-0.911192 1.945093 7.120182 -7.888899 1.024220 1.029490 -1.036475 -0.949713

0.3650 0.0554 0.0000 0.0000 0.3089 0.3065 0.3032 0.3452


Rho

9698.269 19284.20

0.2019 0.7981


0.658167 0.627091 21279.25 21.17942 0.000000


13776.05 34811.08 3.49E+10 1.184777


0.716703 4.88E+10


23858.61 0.846144

Tabel D.16: volledige Hausman test bij random effects regressie voor Vlaams-Brabantse restaurants (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_VLB_W_R Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

23.727707

7

0.0013

Var(Diff.)

Prob.

18609.38817 12998.422334 60959305.469

0.4724


Cross-section random effects test comparisons: Variable RES

Fixed

Random

LVI

BRUTOMARGE UREN EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

7 0.411232 -8.934232 -0.198866 -0.094427 0.004940 0.267314

760 0.000903 0.360238 0.277470 0.211803 0.204182 0.222893

0.397519 -9.381098 1.243758 1.248975 -1.257960 -1.162999

0.6482 0.4566 0.0062 0.0035 0.0052 0.0024

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_VLB=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 85 Variable

Coefficient

Std. Error

t-Statistic

Prob.


-3892.822 18609.39 0.411232 -8.934232 -0.198866 -0.094427 0.004940 0.267314

8912.948 10277.03 0.063405 1.332036 1.323672 1.297556 1.295077 1.312436

-0.436760 1.810774 6.485767 -6.707202 -0.150238 -0.072773 0.003815 0.203678

0.6637 0.0747 0.0000 0.0000 0.8810 0.9422 0.9970 0.8392


0.855414 0.818728 19284.20 2.49E+10 -949.1950 23.31725 0.000000


23858.61 45293.60 22.75753 23.27480 22.96559 1.356519

Tabel D.17: volledige random effects regressie voor West-Vlaamse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel EGLS (Cross-section random effects) Sample: 2005 2012 IF D_P_WVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 64 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.


22546.74 -14387.39 0.181580 0.067205 6.582739 6.483176 -6.525942 -6.752792

15342.70 20112.28 0.139051 4.610803 1.878129 1.832238 1.827144 1.851531

1.469541 -0.715354 1.305846 0.014576 3.504946 3.538391 -3.571662 -3.647139

0.1473 0.4774 0.1969 0.9884 0.0009 0.0008 0.0007 0.0006

LVII


Rho

0.000000 50648.84

0.0000 1.0000


0.259491 0.166927 62555.37 2.803378 0.014195


6921.672 68536.69 2.19E+11 2.614388


0.259491 2.19E+11


6921.672 2.614388

Tabel D.18: volledige Hausman test bij random effects regressie voor West-Vlaamse restaurants (bedrijfswinst) Correlated Random Effects - Hausman Test Equation: RANDOM_WVL_W_R Test cross-section random effects


Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

37.333316

7

0.0000


RES BRUTOMARGE UREN EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

Fixed

Random

Var(Diff.)

Prob.

17992.73184 - 356989500.12 7 14387.392993 0418 0.193738 0.181580 0.028621 -15.024208 0.067205 19.912394 14.218407 6.582739 2.533275 13.865939 6.483176 2.424697 -13.948280 -6.525942 2.405910 -13.629624 -6.752792 2.647615

0.0866 0.9427 0.0007 0.0000 0.0000 0.0000 0.0000

Cross-section random effects test equation: Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_WVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 64 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C RES

82189.68 17992.73

43715.64 27595.17

1.880098 0.652025

0.0662 0.5175

LVIII

BRUTOMARGE UREN EIGEN_VERMOGEN SCHULDEN VASTE_ACTIVA VLOTTENDE_ACTIVA

0.193738 -15.02421 14.21841 13.86594 -13.94828 -13.62962

0.218988 6.416533 2.461837 2.404536 2.396741 2.464910

0.884696 -2.341484 5.775527 5.766575 -5.819687 -5.529460

0.3807 0.0234 0.0000 0.0000 0.0000 0.0000


0.583904 0.453874 50648.84 1.23E+11 -774.8972 4.490535 0.000034


6921.672 68536.69 24.71554 25.25526 24.92816 2.706434

Tabel D.19: volledige fixed effects regressie voor Antwerpse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_ANT=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 15 Total panel (unbalanced) observations: 117 Variable

Coefficient

Std. Error

t-Statistic

Prob.


5793.163 -34349.85 0.682226 -12.31145 -0.970202 -0.956694 0.832324 0.928373

8470.678 21160.47 0.052170 1.161173 2.031600 2.026567 2.043792 2.028603

0.683908 -1.623303 13.07698 -10.60259 -0.477556 -0.472076 0.407245 0.457641

0.4957 0.1078 0.0000 0.0000 0.6341 0.6380 0.6847 0.6483


0.829963 0.792376 18786.93 3.35E+10 -1305.218 22.08108 0.000000


4506.598 41230.37 22.68748 23.20687 22.89835 1.701958

Tabel D.20: volledige fixed effects regressie voor Oost-Vlaamse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_OVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 17 Total panel (unbalanced) observations: 134

LIX

Variable

Coefficient

Std. Error

t-Statistic

Prob.


15798.75 -2760.590 0.680149 -15.68426 0.590872 0.448317 -0.523788 -0.459430

6446.895 5408.028 0.039129 1.606111 0.206548 0.181932 0.183973 0.167237

2.450599 -0.510461 17.38221 -9.765365 2.860703 2.464199 -2.847091 -2.747174

0.0158 0.6108 0.0000 0.0000 0.0051 0.0153 0.0053 0.0070


0.871220 0.844294 17194.64 3.25E+10 -1483.730 32.35531 0.000000


22855.63 43575.25 22.50343 23.02245 22.71434 1.537322

Tabel D.21: volledige fixed effects regressie voor Vlaams-Brabantse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_VLB=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 11 Total panel (unbalanced) observations: 85 Variable

Coefficient

Std. Error

t-Statistic

Prob.


-3892.822 18609.39 0.411232 -8.934232 -0.198866 -0.094427 0.004940 0.267314

8912.948 10277.03 0.063405 1.332036 1.323672 1.297556 1.295077 1.312436

-0.436760 1.810774 6.485767 -6.707202 -0.150238 -0.072773 0.003815 0.203678

0.6637 0.0747 0.0000 0.0000 0.8810 0.9422 0.9970 0.8392


0.855414 0.818728 19284.20 2.49E+10 -949.1950 23.31725 0.000000


LX

23858.61 45293.60 22.75753 23.27480 22.96559 1.356519

Tabel D.22: volledige fixed effects regressie voor West-Vlaamse restaurants (bedrijfswinst) Dependent Variable: BEDRIJFSWINST Method: Panel Least Squares Sample: 2005 2012 IF D_P_WVL=1 AND D_S_RESTAURANT=1 Periods included: 8 Cross-sections included: 9 Total panel (unbalanced) observations: 64 Variable

Coefficient

Std. Error

t-Statistic

Prob.


82189.68 17992.73 0.193738 -15.02421 14.21841 13.86594 -13.94828 -13.62962

43715.64 27595.17 0.218988 6.416533 2.461837 2.404536 2.396741 2.464910

1.880098 0.652025 0.884696 -2.341484 5.775527 5.766575 -5.819687 -5.529460

0.0662 0.5175 0.3807 0.0234 0.0000 0.0000 0.0000 0.0000


0.583904 0.453874 50648.84 1.23E+11 -774.8972 4.490535 0.000034


LXI

6921.672 68536.69 24.71554 25.25526 24.92816 2.706434

Analyse van een complementaire munt: De RES

Recommend Documents